排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
基于湖南汛期区域持续性暴雨典型环流分型,利用1961—2016年NCEP/NCAR再分析资料和异常度方法对湖南6月区域持续性暴雨环流型进行客观识别,并结合动力和水汽输送条件,确定湖南6月区域持续性暴雨强信号并客观量化表征,建立湖南6月区域持续性暴雨预报定量化概念模型。结果表明:43次历史区域持续性暴雨过程的回报准确率达到81%,2017—2018年3次区域持续暴雨过程试报准确率为2/3,说明该概念模型有一定预报能力,能为湖南暴雨预报业务服务提供技术支持。将该概念模型与各类模式预报产品相结合,还可开展区域持续性暴雨的中期和延伸期预报。 相似文献
2.
干旱是湖南双季晚稻分蘖-幼穗分化期主要农业气象灾害,对晚稻生长和产量形成产生不利影响。本研究以常规晚稻和超级晚稻在分蘖-幼穗分化期进行干旱胁迫试验,于20142016年连续3年开展15、20、25、30d4个干旱处理水平试验,探讨了干旱强度与不同品种双季晚稻产量结构的关系,从而确定双季晚稻干旱指标。试验研究结果表明,相同干旱胁迫处理下,土壤相对湿度是影响双季晚稻产量结构的关键因素,常规晚稻和超级晚稻产量结构对干旱胁迫的响应存在差异性。自晚稻分蘖普遍期开始干旱处理,对常规晚稻理论产量、有效穗数和结实粒数产生不利影响的土壤相对湿度阈值分别为92.5%、87.2%和98.6%;对超级晚稻理论产量、有效穗数和结实粒数产生不利影响的土壤相对湿度阈值分别为96.8%、97.1%和89.3%。根据晚稻产量结构对干旱持续时间和土壤湿度的响应,构建了常规晚稻和超级晚稻的分蘖-幼穗分化期干旱等级指标,可为双季晚稻的干旱监测和抗旱救灾提供理论依据和实践指导。 相似文献
3.
利用1996—2015年中国的高空探测资料和地面观测数据,挑选发生降水的数十万个样本将其分为降雨和降雪两类事件,抽象为二分类问题,采用深度学习网络技术构建降水相态判识模型,并用2016—2017年的数据进行测试检验,针对2018年1月下旬中国一次大范围雨雪天气过程进行个例检验,在此基础上探讨了深度学习网络在降水相态判识和预报中的应用。主要结论如下:基于深度学习网络判识模型的判识准确率为98.2%,雨、雪的TS评分分别为97.4%和94.4%,相应空报率为1.7%和2.0%,漏报率为1.0%和3.7%,较传统指标阈值法的判识准确率有较大提高;个例检验显示,基于实况探空数据的模型判识结果与降水相态实况在全国基本保持一致,欧洲中期数值预报中心(ECMWF)的降水相态预报产品和模型的预报结果对全国的降水相态都表现出较好的预报能力,而对雨雪分界线的预报,模型的预报结果较ECMWF总体上更接近实况。测试结果表明,模型较好地提取了雨、雪降水相态的结构特征,深度学习网络在降水相态判识和预报中的应用具有可行性和一定的优势,可为降水相态的客观判识和预报提供重要技术支撑。 相似文献
1