排序方式： 共有9条查询结果，搜索用时 31 毫秒
1
1.
2018年3月28—30日、6月20—26日和9月5—13日在江苏省盐城市射阳站开展了旋翼无人机大气边界层垂直结构观测试验,并与L波段雷达探空资料进行对比,验证无人机观测资料精度。结果表明无人机观测的温度、相对湿度、风向、风速廓线与探空观测资料具有较好的一致性。二者温度、相对湿度的相关系数均为0.98,温度绝对偏差为0.57℃,相对湿度绝对偏差为4.25%,风向相关系数为0.98,绝对偏差为11.5°,二者风速的相关系数为0.91,绝对偏差为1.88 m·s~(-1),且无人机探测的风速为对应高度上的瞬时风速,可以更好地反映出边界层内风速细节变化特征。试验期间,无人机观测到一次夏季浓雾过程边界层结构细致变化特征,其观测的雾的边界层结构特征和宏观特征与探空观测基本一致。验证结果表明无人机在边界层气象观测中具有很好的应用前景。 相似文献
2.
为了最大限度地满足政府举办特色农业旅游的需求,以高淳为例,研究分析了高淳油菜农业气象观测数据,发现油菜开花期与t≥3 ℃的有效积温呈极显著相关关系;进而利用最优化相关分析法,筛选出影响油菜开花期的最佳建模因子,创建了开花期气象中期预测模型以及基于环流和海面温度的开花期长期预测模型,均达到α＝0.001显著水平,预报时效可提前10～30 d;经检验,三种模型的历史拟合结果和三年试报效果较好;在此基础上,试用了三种模型的复相关系数作为加权系数进行加权平均,综合集成预报效果更佳。油菜开花期预报将对公众踏青赏花和政府招商引资具有现实的意义,同时预报思路可为其他作物花期预报研究提供借鉴。 相似文献
3.
气温、气压、相对湿度等气象因子对夏季用电负荷的影响非常显著。为了定量研究气象因子导致用电负荷的变化,本文将夏季用电负荷与当年4月及9月用电平均值之差定义为夏季空调负荷,并利用2014年1月到2016年12月南京市逐时气温、气压、相对湿度、水汽压、降雨量、风速、露点温度等气象资料,以及逐日逐时用电负荷数据资料,采用多元线性、K近邻法,决策树,bagging回归、随机森林等5种机器学习回归算法进行建模,并对其分别进行参数调优工作,进而得到空调负荷预测结果。结果表明:多元线性回归方法是5种回归算法里效果最差的一种,但通过增加特征量的种类和样本数,可以提高预测精度;随机森林回归算法是5种回归算法里效果最好的一种,较多元线性回归算法减小误差达44%,并且较好描述了空调负荷高值区的极端情况并减少了对于训练数据的过拟合现象。 相似文献
4.
为了最大限度地满足政府举办特色农业旅游的需求,以高淳为例,研究分析了高淳油菜农业气象观测数据,发现油菜开花期与t≥3℃的有效积温呈极显著相关关系;进而利用最优化相关分析法,筛选出影响油菜开花期的最佳建模因子,创建了开花期气象中期预测模型以及基于环流和海面温度的开花期长期预测模型,均达到α=0.001显著水平,预报时效可提前10～30 d;经检验,三种模型的历史拟合结果和三年试报效果较好;在此基础上,试用了三种模型的复相关系数作为加权系数进行加权平均,综合集成预报效果更佳。油菜开花期预报将对公众踏青赏花和政府招商引资具有现实的意义,同时预报思路可为其他作物花期预报研究提供借鉴。 相似文献
5.
南京地区人体舒适度及其与居民循环系统疾病死亡关系的研究 总被引：2，自引：0，他引：2
选取南京地区1961年1月1日至2012年12月31日逐日地面气象观测资料,采用"黄金分割法"计算体感温度,分析南京地区近52年舒适度特征;选取2005年1月1日至2008年12月31日逐日循环系统疾病死亡人数资料和同期气象资料,分析南京市2005—2008年舒适度和体感温度特征及其与循环系统疾病死亡人数的关系。结果表明,1961一2012年南京市热不舒适期、舒适期日数呈现上升趋势,而冷不舒适期日数呈显著减少趋势,变化率为一3.2 d/10a,4月上旬至5月中旬和10月为舒适期;体感温度在20世纪中期之后表现为明显的上升趋势,增加率为0.3℃/10a,2005—2008年舒适度以微冷和舒适为主;死亡高峰日多出现在冷不舒适日,2008年初死亡高峰日持续时间较长,且与天气灾害过程发生时间存在7~9d的滞后。 相似文献
6.
气温是各种气候因子中影响植物花期迟早最重要的因素之一。以高淳油菜花为研究对象,选取近30年(1986—2016年)物候观测资料,分析了盛花期的变化特征和盛花期早晚年温度因子的特征;采用通径分析法,研究分析了三个表征温度的指标(平均气温T_a5℃的日数、积温和强冷空气日数)与油菜花盛花期关系,结果为预测高淳油菜花的最佳观赏期、做好相关旅游气象服务提供了理论依据。结果表明:高淳油菜花盛花期在2001年以前波动不大,但在2001年后,随年代际呈提早趋势;盛花期迟早年类型不同,T_a稳定在5℃的日期也有差别,具体为盛花期偏早年正常偏早年和正常偏晚年正常年偏晚年;盛花期偏晚年与T_a5℃的日数和积温关系也很显著,从冬至日开始,若T_a5℃的日数超过了53 d或者T_a5℃的积温超过137℃·d,则翌年油菜花盛花日期有可能出现在4月4日之后;若达到强冷空气级别的日数越多,则翌年高淳油菜花盛花期会有所推后。在三个表征温度的指标中,对油菜花盛花期影响最大的是T_a5℃积温。 相似文献
7.
利用江苏70个基本站多年逐时雨量、相对湿度、风向、风速以及同时段内最低能见度等观测资料,分析不同强度降雨对能见度的影响,并对比分析两种不同强度降雨造成的低能见度事件统计特征。结果表明:降雨是除雾以外,江苏低能见度的主要影响天气(14. 7%),其中稳定性弱降雨和短时强降雨影响最大。与低能见度雾事件不同,降雨造成的低能见度事件全天各时段均可能出现,发生时可伴随较强的风速(2 m/s),短强低能见度多见风速4 m/s(26. 6%)。江苏冬春两季为雨雾高发季,主要受降雨持续时间影响,对应的低能见度区间为500~1 000 m,有明显日变化。短强低能见度主要受雨强影响,多发生于6—9月,对应的低能见度区间为小于200 m,无明显日变化。两种降雨产生的低能见度事件有明显的空间分布差异,且雨雾低能见度发生时偏北风占主导,短强低能见度发生时则偏东风占主导。 相似文献
9.
利用1961—2019年江苏省67个站降水量和气候指数数据集等资料,选取大气环流、海温和积雪等先兆信号的不同组合作为预测因子方案,通过对比不同机器学习方法对江苏省夏季降水开展预测试验。结果表明,深度神经网络（Deep Neural Network,DNN）较传统统计方法和其他机器学习方法有一定优势,深度神经网络结合动态权重集合因子方案对江苏省夏季降水的预测技巧最高,其独立样本检验结果稳定,2015—2019年的平均PS评分为76.0,距平符号一致率为0.62,距平相关系数达0.35,尤其对江苏省中南部的预测技巧更高,具有业务应用价值。不同预测因子方案对比分析表明,大气环流因子在江苏省夏季降水预测中做主要贡献,而海温因子和积雪等其他因子也有正贡献,说明使用综合性预测因子以及集合方案有助于提升季节预测准确率。 相似文献
1