排序方式： 共有17条查询结果，搜索用时 15 毫秒
1.
1956-2011年黑龙江省龙卷风气候特征 总被引：2，自引：0，他引：2
利用富士达—皮尔森强度分类法对1956—2011年黑龙江省229个龙卷风样本进行分类,分析龙卷风事件的时空分布特征,探讨典型龙卷风个例的环流背景及形成机制。结果表明：1956—2011年黑龙江省龙卷风灾害具有明显的时空分布特征,20世纪60—80年代龙卷风活动频繁,90年代龙卷风发生频次最少,2001—2011年龙卷风发生频次略增加。龙卷风主要集中发生在夏季,以7月发生最多,且多出现在午后至傍晚。对龙卷风空间分析发现黑龙江省绥化地区是龙卷风多发区,与该地区的地理位置、气候条件和大气环流特征有关。不稳定的形势场是龙卷风产生的基础,暖湿气流的输送和冷暖空气的强对流运动为龙卷风的产生提供了有利条件。 相似文献
2.
黑龙江省玉米低温冷害风险评估及预估 总被引：1，自引：0，他引：1
利用气候资料、地理信息数据及社会经济数据,根据自然灾害风险理论和低温冷害形成机制,采用GIS技术,分析了黑龙江省玉米低温冷害的危险性和易损性,实现了玉米低温冷害的风险评估与区划,并利用CMIP5中的MRI-CGCM3模式模拟结果对黑龙江省2015-2044年玉米低温冷害风险进行预估。结果表明：1961年以来共有24年是低温冷害年,其中12年是严重低温冷害年。松嫩平原大部、三江平原大部及黑河南部是玉米一般低温冷害的多发区,同时该区暴露性较高,如有重度灾害发生,则对全省粮食产量产生严重影响。未来30年,黑龙江省低温冷害发生的概率有所减少,松嫩平原东部和南部是一般低温冷害的高风险区,三江平原西部是严重低温冷害的高风险区。 相似文献
3.
利用热带大气季节内振荡(MJO)指数、向外长波辐射(OLR)资料和NCEP/NCAR全球逐日再分析资料以及中国南方地区降水资料,应用合成分析等探讨了MJO与2008年初南方雪灾的关系,进而从MJO角度研究雪灾过程成因。结果表明：雪灾过程中,MJO存在明显的东传现象,即由西太平洋向东传送至印度洋附近。伴随着MJO的向东传播,中国南方降水强度及集中区也在随之变化,MJO在一定程度上对雪灾过程有调制作用。通过对OLR的分析,表明2008年初中国南方4次异常降水(雪)过程受到了MJO两次东传的影响,第一次导致西太平洋副热带高压持续偏强,第二次导致南支槽活跃;副热带高压西侧偏南风带来的暖湿气流,以及南支槽带来的印度洋和孟加拉湾的暖湿气流不断向中国输送,为中国南方强降水过程提供了水汽条件。 相似文献
4.
5.
采用奇异谱分析(SSA)与自回归向量(AR)预报模型相结合的方法,对热带地区大气季节内振荡(MJO)指数向量作自适应滤波意义下的预报试验。结果表明,通过对MJO原始序列进行SSA的分解重建,无论采用对重建的分量序列进行AR(P)建模的方案,还是利用对重建合成序列进行AR(P)建模的方案,均可得到两周以上的MJO指数预报能力,其提前20天指数预报值与实况之间平均相关系数达到0.5,与直接对MJO原始序列进行AR建模相比较,该方法有较高的预报技巧和超前预报能力,预报效果也较稳定,故将SSA-AR方案进一步完善,可望作为MJO指数业务预报的有效模型。 相似文献
6.
Experiments of forecasting daily bi-variate index of the tropical atmospheric Madden-Julian Oscillation (MJO) are performed in the context of adaptive filtering prediction models by combining the singular spectrum analysis (SSA) with the autoregressive (AR) methods.the MJO index,a pair of empirical orthogonal function (EOF) time series,called RMM1 and RMM2,predicts by the combined statistical SSA and AR models:firstly,according to the index of historic observation decomposed by SSA and then reconstructed by selecting the first several components based on prominent variance contributions;after that,established an AR prediction model from the composite (scheme A) or built the forecast models for each of these selected reconstructed components,separately (Scheme B).Several experimental MJO index forecasts are performed based on the models.The results show that both models have useful skills of the MJO index forecast beyond two weeks.In some cases,the correlation coefficient between the observed and predicted index series stays above 0.5 in 20 leading days.The SSA-AR model,based on the reconstructed composite series,has better performance on MJO forecast than the AR model,especially for the leading time longer than 5 days.Therefore,if we build a real-time forecast system by the SSA-AR model,it might provide an applicable tool for the operational prediction of the MJO index. 相似文献
7.
利用哈尔滨市2014—2016年逐日空气质量指数(AQI)数据,结合同期气象观测资料,分析了哈尔滨市空气质量的变化特征、主要污染物及与主要气象要素之间的关系。结果表明:近3 a间,哈尔滨空气质量为良级别的天数最多,占47%,达到污染级别的天数占31%,2016年空气质量最佳,优良级别的天数达到284 d,占全年78%;春夏季AQI指数较低,秋冬季AQI指数明显偏高,9月空气质量全年最佳,1月空气质量最差; PM_(2. 5)是造成哈尔滨空气污染的最主要污染物,其次是PM10、NO_2和臭氧8 h(O3-8 h); AQI与气压之间以正相关为主,秋冬季最为显著;与风速主要表现为负相关,冬季尤为显著;与气温的关系受到采暖的干扰差异较大,年尺度及秋冬季呈负相关,月尺度呈正相关;与降水日数呈负相关;与相对湿度冬季表现为显著正相关,而5—9月为负相关。 相似文献
8.
利用2008—2018年黑龙江省33个观测站的定时观测气象资料,按照国标《大气自净能力等级》（GB/T34299—2017）,分析了黑龙江省大气自净能力时间、空间的变化特征,并以省会城市哈尔滨为例,结合逐日空气质量指数（AQI）数据,分析了大气自净能力与AQI的关系。结果表明：2008—2018年黑龙江省平均大气自净能力指数为12.6×104 km·a-1,整体呈上升趋势,2015年以来大气自净能力明显增强。春季大气自净能力最高,秋季次之,冬季最低;空间分布大致呈北低南高分布,包含二、三级两个级别,春季全省各地均处于第二级别,有利于对大气污染物的清除,冬季漠河处于第五级别,不利于对大气污染物的清除;哈尔滨市冬季AQI与大气自净力指数呈显著负相关,考虑了通风量和雨洗作用的大气自净能力与AQI关系密切,直接影响着空气质量状况。 相似文献
9.
黑龙江省≥10℃积温时空变化特征 总被引：2，自引：0，他引：2
积温是作物种植界限的重要参考依据, 分析其变化特征可为农业气候区划、合理种植农作物等提供科学依据. 基于黑龙江省62个气象站点1961-2014年的逐日平均气温资料和地理信息数据, 采用多种气候统计方法, 建立多元线性回归模型, 分析了近54年来黑龙江省≥10℃积温的时空变化特征.结果表明: 1961年以来, 黑龙江省≥10℃积温初日明显提前, 终日显著推迟, 持续日数增加,≥10℃ 积温显著上升, 在1994年发生突变;≥10℃积温随着纬度的增加逐渐降低, 随海拔的升高而减少, 低于1 900℃积温区域所占面积有逐年减少的趋势, 2 700℃以上积温区域所占面积呈显著增加趋势; 随着黑龙江省积温的增加, 积温带明显向北、向东移动, 第一和第二积温带面积显著增加, 第六积温带面积显著缩小. 相似文献
10.
利用黑龙江省1961-2014年逐时降水资料,采用线性倾向估计方法分析了汛期（5-9月）降水量、降水频率、降水强度以及不同持续时间降水的时空变化特征.结果表明：汛期逐时累积降水量平均为430.0 mm,高值区集中在松嫩平原东部和南部以及小兴安岭南部;降水频率平均为297.2 h,仅在省西部的齐齐哈尔、大庆和绥化等地以及哈尔滨西部地区偏少,其余地区台站均在300 h以上;降水强度平均在1.2~1.7 mm·h-1之间,增加趋势显著（P<0.01）,空间分布与降水频率分布相反;全省多数台站的汛期降水量、降水频率趋势变化不明显,但却有39%的台站降水强度增加明显.汛期降水量的日变化呈单峰型,超过半数的降水集中在11：00-22：00;降水频率的日变化表现出双峰型,00：00-04：00和13：00-19：00为高值区间;降水强度的日变化也呈单峰型,高值区间集中在13：00-18：00.全省的降水事件中短历时降水优势明显,降水量占总降水量的46.7%,降水历时占全部降水历时的49%;持续5~6 h的降水雨强最强,其次是持续3~4 h降水雨强,最弱的是持续1~2 h的降水雨强. 相似文献