全文获取类型
收费全文 | 134篇 |
免费 | 42篇 |
国内免费 | 64篇 |
专业分类
大气科学 | 227篇 |
地球物理 | 2篇 |
地质学 | 1篇 |
海洋学 | 1篇 |
综合类 | 6篇 |
自然地理 | 3篇 |
出版年
2024年 | 1篇 |
2023年 | 5篇 |
2022年 | 8篇 |
2021年 | 7篇 |
2020年 | 12篇 |
2019年 | 11篇 |
2018年 | 5篇 |
2017年 | 5篇 |
2016年 | 2篇 |
2015年 | 6篇 |
2014年 | 15篇 |
2013年 | 12篇 |
2012年 | 10篇 |
2011年 | 17篇 |
2010年 | 9篇 |
2009年 | 11篇 |
2008年 | 6篇 |
2007年 | 2篇 |
2006年 | 14篇 |
2005年 | 6篇 |
2004年 | 7篇 |
2003年 | 7篇 |
2002年 | 5篇 |
2001年 | 7篇 |
2000年 | 7篇 |
1999年 | 13篇 |
1995年 | 19篇 |
1993年 | 10篇 |
1990年 | 1篇 |
排序方式: 共有240条查询结果,搜索用时 15 毫秒
231.
利用NCEP/NCAR月平均再分析资料,研究了南半球夏季(12~2月)纬向平均环流的垂直结构异常及其与南极涛动(AAO)和ENSO的联系.结果表明,南半球夏季纬向平均[u]的异常分布的主要模态(EOF1)显示出极区、50°S~70°S、以及50°S以北的区间内“三极”型振荡.EOF1 既反映了AAO的特征又与ENSO有着显著的关系.由于AAO指数与Nino3区指数之间存在着统计相关,为进一步弄清AAO和ENSO在南半球纬向平均气流变动的相关分量及其结构,利用Nino3区指数使用一元回归方法滤除ENSO影响,再对剩下的部分作EOF分解,得到了独立于ENSO的纬向平均[u]的第一模态AEOF1.相关分析表明AEOF1为与AAO相对应的纬向平均[u]异常的分布.用南半球纬向平均[u]去掉其与AAO相联系的模态AEOF1,进行EOF分解得到的第一模SEOF1,其与Nino3 区指数的相关高达0.9.由此给出了纬向平均气流的变动与ENSO无关的模态和与ENSO有关的模态.时间变化分析表明,近30年中,除了年代际变化和3~7年的年际变化外,纬向平均的纬向基本气流尚有极地西风减弱、副极地西风加强、副热带西风减弱、热带东风加强的长期趋势. 相似文献
232.
233.
利用重庆地区34个国家气象站降水资料和ECMWF集合预报降水资料,系统检验和评估了集合预报统计量产品及后处理技术产品对2014—2016年5—9月重庆暴雨的预报性能。结果表明:集合统计量产品中最大值、90%分位数、融合产品、概率匹配平均、75%分位数对暴雨预报有一定参考性,其中90%分位数和融合产品对暴雨落区预报较好,最大值对暴雨强度预报有一定指示意义,但表现为明显的湿偏差。集合预报后处理技术产品的暴雨TS评分较控制预报和集合平均有明显提高,其中概率预报、最优百分位、融合—概率匹配、频率匹配法的暴雨TS评分超过最大值,对暴雨强度预报具有较好的指导意义,其预报偏差均表现为湿偏差,融合—概率匹配和频率匹配法对暴雨落区预报较好,概率匹配—融合对降低暴雨空报率较好。 相似文献
234.
利用重庆市2003—2017年34个国家级气象观测站的逐时降水和逐时温度资料,建立了一种基于未来24 h日最高、最低气温和天气现象预报值的逐时气温预报模型。该模型通过搜寻与未来24 h预报值相似的历史天气现象下的气温时间序列,预报给定站点未来1 d的逐时气温。然后运用结合了高程的反距离加权插值法,得到重庆市0.125°×0.125°分辨率逐时气温网格预报产品。2018年逐时气温预报产品的检验结果表明,整体上国家级站点绝对误差≤2℃的逐时气温预报准确率为79.73%~91.40%,均值为87.12%;10月—次年2月的准确率好于3—9月,8月较差。该模型的预报性能在无雨时稳定,有雨时在地形复杂且易出现强降水的重庆东北部地区略差。重庆西部、中部的大部以及东北部偏西地区的网格产品预报准确率较高,而偏南局地山区和偏东部分山区的准确率较低。总体上该方法预报效果较好,预报性能稳定。 相似文献
235.
利用WRF模式对2017年6月9日重庆合川区一次局地暴雨过程开展对流可分辨尺度的模拟试验,比较三种边界层参数化方案对降水模拟的影响。结果表明,不同试验均能模拟出此次降水的主要分布特征,而不同边界层参数化方案能够显著影响降水落区和强度的模拟。MYJ方案对强降水的模拟最好,能较好地模拟出降水触发的时间和位置;其次为BouLac方案,触发时间偏晚约2 h,降水落区与MYJ方案相近;YSU方案模拟的降水分布偏差较大,降水触发的位置和落区偏北。湍流混合强度是造成落区模拟差异的主要原因,通过影响1.5 km高度以下风场分布改变造成此次局地强降水过程的西南涡位置,进而影响到降水的落区。基于YSU方案的湍流混合减弱试验证明了湍流混合强度与降水落区的关系。 相似文献
236.
利用重庆地区能见度及温、压、湿、风等气象资料和大气颗粒物浓度数据,对重庆能见度特征及其影响因子进行分析,采用神经网络方法建立能见度预报模型,分析比较了引入PM2.5浓度因子对预报模型的影响效果。发现:重庆地区能见度分布呈现西低东高以及长江沿线较低的分布特征;雾发生时的平均能见度低于降水时能见度也远低于剔除雨、雾后的能见度,表明低能见度受大气中水汽影响更大;雾在冬季比例明显增加,使得平均能见度在冬季明显降低,而6月和10月降水增多是导致这两个月平均能见度出现明显降低的重要原因;能见度日变化呈现单峰型,雾和降水高发时段与平均能见度低值区重叠,是造成夜间能见度低的一个重要原因;大气湿度、温度及颗粒物浓度都是影响能见度的重要因子,当相对湿度小于70%时能见度随PM2.5增加明显降低,当相对湿度大于70%时PM2.5对能见度的影响降低;在能见度的客观预报模型中引入PM2.5浓度因子的预报效果好于不引入该因子的效果,特别是秋冬季的预报效果改善明显。 相似文献
237.
利用自动站观测资料、多普勒雷达资料、ERA5 0.25 °×0.25 °再分析资料及WRF数值模拟资料,对2018年5月19—20日发生在重庆武陵山区一次暖区暴雨过程中尺度环境条件及中小尺度对流系统演变、触发和维持机制等进行分析。结果表明:(1)此次过程无明显冷空气强迫,斜压性弱,边界层高温高湿,对流层中下层存在明显条件不稳定层结;(2)石桥强降水中小尺度对流系统演变主要有3个阶段:分散对流组织成东西向带状对流、带状对流断裂后雨团准静止维持、东北-西南向带状对流快速重建;(3)沿武陵山脉分布的边界层辐合线触发雷暴发生,强回波单体沿辐合线移动和加强,形成“列车效应”;(4)石桥东部山顶雷暴冷池出流下山,与环境暖湿气流和地形作用共同维持石桥强降水;(5)山区地形对降水有重要影响,近地面偏东风与石桥西部山体相互作用形成局地气旋性小涡旋触发降水,而受到石桥东部山体阻挡作用,地形性涡旋移速变慢,利于强降水维持。 相似文献
238.
对2019年2—10月人工智能临近预报模型的降水、雷电、雷暴大风和冰雹等4类产品分别进行了业务检验与分析,结果表明:(1)对于降水产品,随着降水量级的增大,模型预报效果变差。相对来说,模型对0~1 h降水的预报能力略优于1~2 h,模型在0~2 h内完全不能预报出站点上≥10 mm的实况小时降水。(2)对于雷电产品,总体上模型的预报能力较差,1~2 h的预报效果明显比0~1 h差。相对5与20 km半径格点化实况,当取10 km半径格点化时,模型的雷电整体预报效果最优。(3)雷暴大风与冰雹产品具有类似的特点:在适当的时空匹配方式下,模型能预报出大多数实况中出现的雷暴大风或冰雹,但虚报率高,业务应用中主要考虑消空。最大时间提前量随着空间匹配半径或时间扩展的增大而增大,相对于冰雹预报,雷暴大风预报的最大时间提前量要优于冰雹预报。当空间匹配半径取10 km和时间扩展取20 min时,既可兼顾雷暴大风和冰雹的局地性,又可保证定量检验上相对较优。 相似文献
239.
利用常规气象观测资料,针对2006—2017年汛期(5—9月)重庆永川出现的大风过程,分析其时空分布特征、天气环流背景及物理指数,主要结论:(1)永川中部及偏北一带为大风易发区,出现64次大风过程,8月最多,午后、傍晚和凌晨为大风多发时段,大风出现后持续时间多为1~2 h。(2)大风的出现主要与东移的低槽、西太平洋副热带高压、台风外围气流及地面冷高压南下等影响有关,主要环流类型可分为:低槽(涡)型、低槽(涡)与高压系统型、台风影响型。(3)大风发生前后,低槽(涡)型平均温度、最高温度存在明显降幅,大多在6℃以上。低槽(涡)与高压系统型平均温度弱降温与明显降温概率相当,最高温度降幅在4℃以上。台风影响型温度变化与其出现的月份、北方冷空气的情况有关。(4)各类型大风发生时,大多伴有短时强降水,且大风过程当日累积雨量大多在大雨及其以上。(5)从物理指数来看,大风发生前抬升指数(LI指数)、大气稳定度指数(K指数)、对流有效位能(CAPE指数)、大风指数在各类型大风中各有表现,实际预报工作中需根据不同类型的阈值进行分析。 相似文献
240.
利用以中尺度数值模式WRF/CALMET作为风电场预报系统的动力模块,及BP神经网络法(BP-ANN)作为风电场预报系统的统计订正方法,对重庆市齐跃山风电场进行了一次时间分辨率为5 min的24 h风速、风功率的滚动预报试验,探讨了适用于中国典型内陆山区的风电场预报系统。结果显示:以WRF/CALMET/BP组成的动力—统计预报系统能够较好地模拟出内陆山区的风场特征,系统对正午至傍晚时段的风速预报准确率较高。WRF/CALMET动力模式对于风速中心振幅的模拟能力较好,经过BP神经网络订正后,模拟结果会趋于均值。不同风速段中,模式对低风速段(3~8 m·s^(-1))的预报效果较好,BP神经网络对中风速段(8~14 m·s^(-1))预报结果的订正效果最明显。 相似文献