排序方式： 共有6条查询结果，搜索用时 15 毫秒
1
1.
一种浙江省冻雨落区的推算方法 总被引：4，自引：4，他引：0
2008年初浙江省出现全省性的大范围强冻雨天气,在输电线路上形成很厚的覆冰,致使浙江电网遭受巨大的损失。然而,浙江省却仅有三分之一的气象站观测到冻雨,持续时间也很短。本文利用全球再分析资料ERA-Interim结合浙江电网覆冰灾情资料,分析了2008和2013年的两次强冻雨过程。研究表明浙江省强冻雨发生时具备冷暖冷的层结结构,且中间暖层气温0℃,但相比湖南省,浙江省的暖层中心气温稍低,下层冷层厚度略厚,暖层中的液态水进人到下层冷层后易被冻结,落到低海拔地面为冰粒,或者低海拔地面层气温高于0℃,冻雨落到地面为降雨,所以冻雨期间浙江省绝大多数气象站(海拔在200 m以下)观测不到雨凇,观测到的多是冰粒或降雨;而在海拔较高的山区,冷层厚度变薄,液态水被冻结的概率大大降低,而且山区地面气温多低于0℃,有利于冻雨落在山区地面形成雨凇,因此浙江省冻雨多出现在浙中海拔400 m以上和浙南海拔600 m以上的山区。根据浙江省冻雨的特点,采用全球再分析资料进行冻雨落区推算,结果与浙江电网实际的覆冰灾情吻合得较好。本研究利用输电线路覆冰厚度确定冻雨强弱和分布,采用再分析资料推算冻雨落区,为地形起伏度较大的省份开展冻雨研究,进行冻雨监测和预报提供一条新的思路。 相似文献
2.
为更好理解沿海区域近地面风速衰减规律及其内在机制并获取适用于业务观测风速数据的分析方法,通过引入内边界层厚度的发展机理,推导获得风速随离岸距离变化的数学解析拟合式。结合浙江省温州市境内一沿海区域6个自动气象站2014—2019年逐时风速观测数据应用该拟合式分析了风速随离岸距离的关系,结果表明不管是逐时风速还是逐日最大风速,其平均值均与离岸距离有着良好的负相关,并发现其衰减系数与风速有着密切关系。向岸流及离岸流的风速衰减特性均可以结合该拟合式用线性及幂数律拟合来体现,但后者可以更好地解释风速随离岸距离变化特征,并在较大风速(3~10 m/s)向岸流的背景条件下,获得合理可信的分析结果,说明该方法可以适用于近海岸区域风速观测数据的应用研究。 相似文献
3.
在综合考虑雨凇和雾凇积冰增长以及热力融冰和升华脱冰的基础上,建立了一个基于常规气象资料的小时标准冰厚模型。模拟2008年和2013年浙江省两次严重电网覆冰灾害期间的标准冰厚,并用事故线路调查资料、电线积冰观测站和模拟导线拉力监测点的观测资料进行验证分析。结果显示:事故线路的最大标准冰厚观测值与模拟值相关关系达到0.01显著性水平,电线积冰观测站的日标准冰厚观测值与模拟值的平均绝对偏差小于0.6 mm,模拟导线拉力监测点的小时标准冰厚模拟值与观测值的决定系数为0.8093,均方根误差为0.8 mm。说明模型比较准确地描述了天气过程对电线积冰的影响,能够较好地反映标准冰厚的空间分布规律和时间变化特征。 相似文献
4.
研究两系杂交稻的首要不育系———培矮64S制种的气候适应性, 一方面可为两系杂交稻的生产提供决策参考, 另一方面也可为其它不育系的研究提供借鉴。分析气候适应性时, 首先利用播种—抽穗天数及其对应的气象资料, 建立发育期模型; 然后利用自交结实率资料及其对应的气象资料建立育性量化模型, 并求出育性转换的光温指标; 最后将我国稻区35个站点42年 (1951~1992年) 的气象资料代入发育期模型, 求出各站点的可能出穗持续期 (最早出穗期—最晚出穗期的历期), 对比育性转换的光温指标, 确定培矮64S在80%、90%和95%保证率下连续不育 (可育) 的初、终日, 将连续不育期作为生产杂交稻种子的季节, 将连续可育期作为繁殖培矮64S的季节。结果显示:培矮64S仅能在海南岛及云贵高原中低海拔地区自交繁殖; 而在东北、云贵高原以外的稻区, 培矮64S均可用于生产两系杂交稻的种子, 各稻区制种季节的长短、起止日期与种植地的纬度、海拔高度相关。 相似文献
5.
水稻核雄性不育系培矮64S的育性指标分析 总被引：3，自引：0，他引：3
培矮64S是我国目前两系法杂交稻生产中应用最广泛的实用不育系。利用培矮64S在南京、武汉、长沙、贵阳、三亚等地的多年分期播种资料及其相应的温度和日长资料，分析了水稻光（温）敏核不育系培矮64S的不育性和可繁性，并采用光温分级法和育性量化模型法，分析了培矮64S的育性转换光温指标。表明两种方法的计算结果具有较好的一致性。 相似文献
6.
就作物模拟模型及其应用,以及气象因子在这些模拟应用中的重要性作了综合论述.为了说明气象和气候变率对作物生产的影响,农业气象要素(包括最高和最低气温、太阳辐射及降水量)被当作作物模拟模型的基本输入因子.多数作物模型使用的气象资料为逐日值,因为很多地区没有更小时间尺度的观测资料.气象及其它输入数据均采用标准文件格式,这有利于数据在不同模型中使用.如果输入因子缺少或数据丢失、无效,将会影响到作物模型模拟的准确性.利用天气发生器随机生成的逐日气象数据可以解决数据丢失或序列较短的问题.当然,模拟时要尽可能采用气象观测资料,以确保作物产量模拟值的准确性,这在热带地区显得尤其重要.许多作物模型用来进行产量预报和决策管理,作物产量及其相关变量的预测变率以及自然资源的利用主要由天气气候条件的短期与长期变化所致.模型的产品可用来制定相应的管理决策,提供给农户和其他关注农业生产的人们.作物模型也广泛应用于气候变化对农业生产和粮食安全性的影响研究.最近,作物模型又用于气候变率和厄尔尼诺与南方涛动(ENSO)的影响研究.随着计算机的普及,农场主、农业咨询人员以及政策制定、决策者等模型的使用者也将越来越多.历史资料和作物生长期间的气象观测资料以及短期、中期、长期天气预报将在这些应用中发挥重要作用. 相似文献
1