排序方式: 共有29条查询结果,搜索用时 15 毫秒
1.
选择三门峡苹果种植有代表性的低海拔的塬区、海拔较高的浅山区和海拔最高的高山区,以德尔菲法作为评估方法,通过问卷调查及专家评估的形式,依据气象服务效益贡献率评估模型,对苹果主要气象灾害的气象服务效益进行分析和评估.结果表明:苹果主要气象灾害的气象服务效益贡献率总体为6.5%,冰雹气象灾害的气象服务效益贡献率最高,其次是低温冻害气象服务效益贡献率,高温和连阴雨气象服务效益贡献率处于中间,干旱的气象服务效益贡献率最低. 相似文献
2.
夏花生常因汛期雨水偏多形成涝渍灾害而减产,探索不同耕作方式下涝渍持续日数对花生光合特性及产量的影响,可为花生涝渍动态监测评估和农业防灾减灾提供参考。选择2019年、2020年每年6—9月,在花生主产区河南驻马店土壤质地为粘土的大田平作、垄作方式下,以豫花22为试验材料,将花生产量形成过程分前期、中期、后期3个时段,分别设计3 d,5 d,7 d,9 d灌水处理。结果表明:相同过程灌水量条件下,垄作比平作涝渍持续日数减少1~5 d,其中淹涝日数偏少3~5 d;3 d灌水处理的涝渍持续日数4~5 d,叶绿素含量和净光合速率等光合参数呈正效应造成茎叶干物质积累增加;各时段涝渍影响均随持续日数的增加而加重,除百仁重涝渍影响表现为中期最大、前期次之、后期最小,其他均为前期最大、中期次之、后期最小;各处理水平涝渍持续日数4~16 d,光合参数影响幅度为1.3%~64.2%,生物量和产量影响幅度为0.6%~44.9%;垄作花生与平作花生相比,因涝渍持续日数减少而使灾害影响减小,前期各处理花生产量减少灾损达3.4%~11.6%。 相似文献
3.
利用高空和地面观测、欧洲中期预报中心再分析资料(ERA5)以及卫星云图,统计2010—2019年4—9月我国黄淮地区触发对流天气的干线特征。结果表明:干线主要出现在山东德州附近和豫北周边地区,多呈准西北—东南向和准东北—西南向;长度集中在100~200 km,宽度在50~100 km;多出现在14:00(北京时,下同)或17:00;多发生在高空冷涡形势下,低层多有切变线(或辐合线)配合,地面多位于入海高压后部。地面气象要素统计显示:干线干侧温度较湿侧偏高1.9 ℃,湿侧露点温度较干侧偏高6.8 ℃,干线两侧温度梯度为-2.7 ℃·(100 km)-1,露点温度梯度为10.1 ℃·(100 km)-1,比湿梯度为5.9 g·kg-1·(100 km)-1。探空参数统计结果表明:干线湿侧大气可降水量略高于干侧,925 hPa,850 hPa和700 hPa湿侧比湿均大于干侧;对流有效位能湿侧平均值远大于干侧;干线两侧700 hPa,850 hPa与500 hPa温度差非常接近,即黄淮地区干线两侧对流有效位能的显著差异主要由干线两侧低层水汽条件差异造成,干线两侧条件不稳定度大致相当。 相似文献
4.
采用百分位法和1981—2010年30年逐年日降水量资料,设置了河南省极端暴雨阈值和区域极端暴雨标准,据此选取1981—2016年河南省极端暴雨个例13例,使用欧洲中期天气预报中心1°×1°再分析资料(ERA-Interim)对其环境参数进行分析,发现:表征大气水汽、动力及不稳定条件的环境参数,如850 hPa比湿和涡度、700 hPa垂直速度和V风分量,200 hPa散度、整层可降水量、K指数、0~3 km垂直风切变等,在极端暴雨过程中的平均值远远偏离其气候平均值,上述环境参数对极端暴雨预报有指示意义;环境参数的标准差倍数与降雨量具有较好相关性,二者的分位值基本沿y=x的对角线分布,环境参数标准差倍数分位值≥80%时,对异常降水(降水分位≥90%)有明显正相关;而环境参数标准差倍数分位较低时(40%),则更多对应了小量级降水。单一环境参数的异常往往不能体现降水异常程度,基于对极端暴雨有明确指示意义的8个环境参数,组建了极端暴雨指数(ERI),经13例极端暴雨个例回代和预报效果评估,ERI≥0.7时,极端暴雨TS评分达35%,漏报率为27%,空报率为49%,可将其作为极端暴雨预报的参考阈值。2018年"温比亚"台风极端暴雨过程中应用表明,该指数对极端暴雨落区预报有较好参考意义。 相似文献
5.
河南“7·19”豫北罕见特大暴雨降水特征及极端性分析 总被引:7,自引:5,他引:2
2016年7月18-20日受低涡气旋影响,河南省出现了一次全省大范围的强降水过程("7·19"),其中豫北部分地区出现特大暴雨,最大过程雨量达732 mm。本文基于自动气象站降水、地面风场观测资料、雷达组合反射率资料、常规气象探空资料和1°×1°ECMWF再分析资料,对"7·19"过程的降水特征、大尺度环流特征和中尺度系统进行了分析,同时也对比分析了"7·19"过程和1980-2016年以来发生在豫北太行山东麓的71个强降水过程(所选区域至少有一个站点的日降水量大于100 mm)的物理量场特征。结果表明:太行山地形和低涡气旋背景下有利的大尺度环流为"7·19"特大暴雨提供了充沛的水汽和辐合抬升条件;中尺度地形辐合线的生成、发展和维持、多个地面中尺度气旋移动造成的列车效应是导致局地特大暴雨的主要原因,对比不同强降水过程的物理量场显示"7·19"的动力因子具有明显的极端性特征。 相似文献
6.
低槽冷锋天气系统为中国中部区域春秋季主要的人工增雨作业天气类型,根据地面冷空气活动路径及西太平洋副高位置,具体分为低槽西路冷锋型、低槽东路转西路冷锋型和副高西伸型3种类型,其中低槽西路冷锋型占比最多。选取2012年11月24日中部区域一次典型低槽西路冷锋降水个例,首先利用多种资料进行增雨潜力区初判,再利用WRF模式模拟结果,综合给出增雨潜力区位置。结果表明:本次过程降水主要出现在500 hPa和700 hPa槽前及地面冷锋后部区域,过程典型时刻2012年11月3日14时初判人工增雨潜力区位于河南东北部、山东西南部、湖北东部和安徽大部分地区,模式模拟的过冷水分布区域与其基本一致。综合分析得到此次中部区域典型低槽西路冷锋天气过程人工增雨潜力区位于500 hPa和700 hPa低槽前部、700 hPa急流左侧且更靠近急流轴一侧、地面冷锋后部及锋线附近。 相似文献
7.
以1981—2010年河南省113个气象观测站影响冬小麦生长及产量形成的主要气象因素为区划指标,利用K均值聚类算法,将河南省划分为5个农业气候生态区。根据2013—2017年地面农业气象观测数据,利用Sobol全局敏感性分析方法,各分区选择总敏感指数大于0.01的作物参数,得到9种敏感参数。以产量与叶面积指数为代价函数,采用差分进化马尔科夫链蒙特卡洛方法对敏感参数进行分区标定,并使用2018—2019年观测数据进行验证。结果表明:分区进行参数标定时,叶面积指数动态模拟精度和产量模拟精度均显著优于使用默认参数或整个研究区使用同一套优化参数时的精度,其中,使用分区调参后验平均值模拟关键生育期叶面积指数的总均方根误差为0.655,其模拟产量的均方根误差为672.016 kg·hm-2。该方法将农业气候学知识与差分进化马尔科夫链蒙特卡洛优化算法相结合,通过合理、高效地分区域标定作物模型参数,可为作物模型区域应用和模型参数调整优化提供科学依据。 相似文献
8.
应用时间序列EVI的MERSI多光谱混合像元分解 总被引:1,自引:0,他引:1
针对风云3数据的特点,本文将EVI生长曲线引入多光谱混合像元的分解。首先,利用Landsat8 OLI影像,采用支持向量机的分类方法,提取研究区域的耕地信息,利用该信息对风云MERSI数据进行掩膜处理,获得研究区域的耕地影像。接着,利用MERSI时序影像,计算像元EVI值,通过SG滤波,构建农作物(端元)和混合像元的EVI生长曲线。通过实地调查,获取研究区的农作物端元,尤其对主要的农作物玉米,在空间上均匀选取了14个端元。然后,采用传统的方法,将14种玉米端元生长曲线分别与其它端元组合,进行混合像元分解。发现分解的效果差异很大,提取的玉米种植面积从191.90 km2到574.83 km2不等。为提高分解精度,借用光谱匹配(光谱夹角最小)的方法(用生长曲线代替光谱曲线)自适应选择与混合像元EVI曲线最相似的玉米端元作为组合端元,进行混合像元分解。结果得到玉米的种植面积为589.95 km2,比传统方法的最好(相对)精度提高了2%。 相似文献
9.
地面成像光谱数据的田间杂草识别 总被引:5,自引:0,他引:5
地面成像光谱数据兼具高光谱分辨率与高空间分辨率,在田间杂草识别中具有很好的应用前景。目前基于机器视觉的杂草识别方法以形状特征为主,当作物杂草形态相似时识别的困难和利用高光谱特征以像元为单元识别时效率较低,不利于实时自动化除草,因此,本文提出一种综合面向对象与高光谱特征匹配的杂草识别方法,在对作物杂草对象样本的形状特征和光谱曲线提取分析的基础上,建立基于形状特征规则与光谱角匹配的植物对象识别决策树,用于识别实验田中的作物杂草对象。实验结果表明,当场景中某些不同种类植物对象的形态相似时,基于形状特征规则与光谱角匹配的杂草识别方法可借助高光谱特征精细区分植物对象的种类,且在形状特征规则约束下使用高光谱特征匹配法识别植物对象,可克服"同物异谱"和"同谱异物"现象带来的不确定性,该方法识别精度可优于仅使用光谱角匹配法的情况,并优于使用颜色和形状分析技术的情况。 相似文献
10.
基于重庆市气象局业务运行的风暴尺度快速同化和预报系统(Storm-Scale Rapid Assimilation and Forecast System,SSRAFS)、气象信息综合分析处理系统(Meteorological Information Comprehensive Analysis And Process System,MICAPS)地面观测和高空观测资料,进行模式输出统计(Model Output Statistics,MOS)方法和纳入超前实况因子的MOS (MOS with Prior Observation Predictors,OMOS)方法对重庆地区地面气温96 h内逐小时预报试验,并以SSRAFS地面气温预报结果作为参考进行对比分析。结果表明:MOS方法在1~96 h预报时效内的预报技巧高于SSRAFS,气温预报均方根误差(Root Mean Square Error,RMSE)平均减小1.22℃,CC和HR2分别平均增大0.006和20.4%;在1~7 h预报时效,RMSE平均减小1.70℃,CC和HR2分别平均增大0.07和34.5%;且MOS方法在重庆东北部及中南部地区改进效果较为明显。OMOS方法在气温短期预报中表现优于MOS方法,尤其在1~7 h预报时效,比MOS方法RMSE平均减小0.43℃,CC和HR2分别平均增大0.008和8.3%;其在1~4 h预报时效时表现更加优异,与MOS方法相比,RMSE平均减小0.66℃,CC和HR2分别平均增大0.13和12.3%。因此,在MOS的基础上,OMOS能够进一步提升地面气温的预报技巧,且在重庆东北部及中南部地区的预报效果有明显改进。 相似文献