排序方式： 共有6条查询结果，搜索用时 15 毫秒
1
1.
基于1956—2019年参证气象站记录的雷暴、闪电、暴雨、高温、低温、雾和霾等气候资料,利用常规气候统计及Morlet小波方法对影响昌北机场安全运营的高影响天气事件演变及周期变化规律进行统计分析。结果表明:1)雷暴多出现于春夏季,年均雷暴日数为49.8 d,呈波动下降趋势。2)春夏季闪电高发,且夏季机场附近存在较明显的闪电集中区域,闪电高频时段为13—20时,最高峰为15时。3)年均暴雨、大暴雨日数分别为5.0 d和0.8 d,呈缓慢增长趋势,暴雨集中在4—8月,大暴雨集中在4、6月,二者均在6月份最多。4)夏季高温日数呈缓慢增加趋势,7月份最多,8月份次之;冬季低温日数呈明显下降趋势,1月份最多,12月份次之。5)年均霾日数大于雾日数,霾多发于秋冬季,雾集中在冬春季,均于12月最常发生。6)冰雹、积雪、结冰、冻雨、沙尘、龙卷风等破坏性天气发生频次较小,但不应忽视此类天气的防范工作。7)暴雨、低温及高温日数均存在准2 a的周期变化。 相似文献
2.
藻类叶绿素a浓度是反映太湖水体富营养化程度的重要参数指标。以太湖2010—2011年5—10月旬平均叶绿素a浓度和气象资料数据作为建模样本, 通过对气象资料进行主成分分析, 得到4种主要气象因子作为输入, 建立时间序列ARMA预测模型与BP神经网络预测模型, 并对2012年数据进行预测。利用两种模型在线性空间和非线性空间的预测优势, 将叶绿素a数据结构分解为线性自相关主体和非线性残差两部分。首先用ARMA模型预测序列的线性主体, 然后用BP模型对其非线性残差进行估计, 最终集成整个序列的预测结果, 建立了ARMA-BP预测模型。3种模型的预测效果为ARMA-BP＞BP＞ARMA。 相似文献
3.
为推算昌北机场不同重现期的极端气温,选取永修国家气象站作为参证气象站,通过建立机场站与永修站年极端气温回归模型,构建机场站长年代年极端气温序列,再利用极值Ⅰ型分布和皮尔逊Ⅲ型分布对参证站（永修站）实测序列和机场站构建序列进行拟合和拟合效果检验,结果表明：两种模型对相同重现期的温度拟合结果不一致,差异在0.1～1.1 ℃;对年极端最高气温的拟合,两个序列均以皮尔逊Ⅲ型分布的效果更好,对年极端最低气温的拟合,均以极值Ⅰ型分布的效果更好。以皮尔逊Ⅲ型分布拟合参证站实测年极端最高气温序列的结果作为昌北机场不同重现期年极端最高气温的推算值,极值Ⅰ型分布拟合机场站构建年极端最低气温序列的结果作为昌北机场不同重现期年极端最低气温的推算值。昌北机场10、30、50和100a重现期的年极端最高气温分别是39.6、40.5、40.9和41.4 ℃,年极端最低气温分别是-9.5、-12.0、-13.1和-14.6 ℃。 相似文献
4.
通过降尺度模式CALMET不同参数化方案对江西山地风场测风塔风速风向模拟结果的对比分析,选取出适合山地风场模拟的最优参数化方案,并进行连续一年的模拟效果检验。结果表明:CALMET模式以不采用地形动力效应参数调整和Froude数调整,采用下坡气流效应调整和O’Brien垂直风速调整时,对江西省境内山地风场50 m以上高度层风场模拟效果最佳。最优参数化方案不仅能较好地模拟出山地风场测风塔逐时风速,并且对全年风速段分布模拟有较好的结果。CALMET模式能模拟出实际测风塔全年主导风向,但模拟与实测结果主导风向分布约有一个方位的偏差,主导风向频率有7%~8%的偏差。 相似文献
5.
选取南昌经济技术开发区规划大气环境影响预测工作为案例,分析了当选取不同气象参证站,输入同期两套不同的气象数据参数对AERMOD模型计算结果的影响,探究气象条件的差异对大气扩散的影响程度。分析结果表明,气象参证站的选取对大气环境影响预测的结果有较大的影响,使用两个距离相近的地面气象站进行预测,污染物浓度计算结果相差可达数倍以上。对比风速、风向、气温、湿度、压力、云量这些单个的气象因子,稳定边界层(SBL)湍流高度和莫宁-奥布霍夫长度这些边界层参数更能综合地反映当时的气象扩散条件,对污染扩散模型的响应更为直接。翔实的有代表性的气象数据是环境影响评价至关重要的基础。在日常的大气环境影响评价中,应全面调查了解项目周边的地面气象站的数量、类型、距离、地形特征,经过专业的气象分析,选取最能代表评价项目所在地气象条件的气象站作为气象参证站,用于该项目的环评和浓度预测。各地气象部门还应加强城市与郊区大气边界层垂直结构变化规律的观测与研究,从而为提高各地空气质量预报的精度,改善大气污染治理措施和优化城市布局提供更为科学的依据。 相似文献
6.
利用中尺度气象数值模式WRF和动力降尺度模式CALMET,对江西山地风电场不同高度层风速进行4个月逐时数值模拟,结合测风塔实测资料,对两种模式的模拟结果进行准确性、误差特征等方面研究,结果表明:1) WRF模式和CALMET模式均能较好地模拟出风速的日变化特征,在大风速时间段两个模式模拟误差变大,可能是由于出现台风、降雨伴随大风等天气时,WRF模式边界层方案对大风速时拖曳作用不充分造成,今后可考虑通过天气过程模拟的敏感性研究及历史数据对模拟结果进行订正。2)从各月模拟结果来看,WRF模式与CALMET模式各月模拟值与实测值间相关系数均大于0. 65,两个模式对70 m高度层模拟结果均优于对10 m高度层的模拟结果,并且CALMET模式均方根误差低于WRF模式的。3) CALMET模式在各风速段模拟效果均优于WRF模式的。两个模式在0~3 m·s-1低风速的模拟效果最优,在大风速段( 8 m·s~(-1))模拟结果平均绝对误差最大,今后应对大风模拟结果的订正开展进一步研究。 相似文献
1