排序方式： 共有6条查询结果，搜索用时 187 毫秒
1
1.
基于同一区划方法、指标体系,使用1961—2014年辽宁省52站气象观测资料,分析辽宁省气温、气候区划指标、范围及界线的变动特征。结果表明：辽宁省年均气温在1988年发生一次突变,突变后气温开始显著上升;≥10 ℃积温日数比较显著地响应气温突变,而干燥指数、7月平均气温变化不显著。在空间分布上区划指标值均存在不同程度的变化。① 全省≥10 ℃积温日数均出现增加,但在中西部地区显著增加;② 在盘锦-抚顺一线以北（南）,气候总体呈不显著变湿（干）趋势;③ 7月平均气温呈缓慢上升趋势。区划范围及界线位置出现更加显著地变化：① 暖温带范围主要向北向东扩展,中温带向东收缩;② 半湿润区范围主要向北向西扩展,半干旱区向西北方向收缩,湿润区范围基本不变;③ Tb范围显著向北向东扩展,Ta范围向北向东收缩。在此基础上分析了气候格局变化的可能气候成因,发现突变后≥10 ℃积温日数期间500 hPa高度场增加与4月和10月东亚冬季风减弱,4—10月东北冷涡持续天数增加和7月500 hPa高度场增加,可能分别是温度带,Tb区、Ta区和半湿润区、半干旱区变化的原因。 相似文献
2.
利用全球气候模式、多模式集合和辽宁省气象观测数据,评估了不同典型浓度路径下19个全球气候模式和多模式集合对辽宁省气温变化模拟能力和可信度。结果表明:最优模式模拟结果优于多模式集合,具有较高的可信度。随着全球二氧化碳排放浓度增加,气温变化率和可信度呈增加趋势,首次达到2℃年份呈提前趋势,大部分站点出现在2011年之前,且出现年份越晚,升幅往往越高,反之亦然。大部分站点首次稳定到达2℃阈值开始年份在2022年之前,结束年份出现在2019—2026年,持续时间在13 a以下,开始年份均呈西早—东晚分布形势,结束时间和持续时间分布较均匀,且随着全球二氧化碳排放浓度增加,升温幅度呈上升趋势。不同典型浓度路径下各区域最高温、最低温和平均气温出现年份和变化特征均比较一致。 相似文献
3.
采用NCEP/NCAR日平均再分析资料,对冬季热带外低频振荡(大气角动量收支及地形力矩)与AO(Arctic Oscillation)指数进行计算,通过功率谱和统计分析发现,它们都存在30~60 d的周期,大气角动量收支与山脉力矩的变化为正相关,且显著响应AO变化。通过动力学诊断分析初步认为,北半球两大地形的山脉力矩作用于纬向大气角动量,副热带纬向西风发生变化,改变南北西风偶极子结构,使得AO产生变化,而且在两大地形中以喜马拉雅山脉地形作用为主。通过对喜马拉雅山脉地区的动力学诊断发现,在高(低)AO指数阶段,喜马拉雅山脉地区激发准定常行星波并作用于副热带西风,导致副热带西风偏弱(偏强),高纬西风偏强(偏弱),因而AO偏强(偏弱),平流层极涡偏强(偏弱),极涡强(弱)中心偏向东北亚。 相似文献
4.
采用1961~2012年东北三省53站月平均气温资料及NCEP/NCAR再分析资料。分析东北冬季气温变化特征。利用SVD法得出影响东北冬季气温的主要因子。分别从年际和年代际尺度上,用偏相关法分析了各因子对东北冬季气温独立的影响。结果表明:东北冬季气温以全区一致异常为主,气温显著上升;东北冬季气温主要影响因子是北极涛动、西伯利亚高压和东亚冬季风;年际尺度上,北极涛动和东亚冬季风适合描述东北中、北部的冬季气温。西伯利亚高压与东北南部冬季气温关系密切;年代际尺度上,北极涛动适合描述东北冬季气温。 相似文献
5.
基于前期ERA5逐月再分析数据, 应用3种机器学习算法(Lasso回归、随机森林和神经网络)对辽宁省初霜冻日期进行预测评估。Lasso回归算法提取对初霜冻日期预测有重要指示意义的气象要素特征集, 通过交叉验证和超参数调优建立初霜冻日期预测模型, 利用均方根误差(RMSE)和距平同号率方法定量定性地评估模型的预测效果。结果表明: 特征选择后的气象要素特征集建模提升了模型的泛化能力、可解释性和稳定性; Lasso回归模型在4月起报的预测效果最好(RMSE为6—8 d), 神经网络模型在5月起报性能最好(RMSE为6—9 d), 随机森林模型在3月起报性能最好(RMSE为8—9 d); 辽宁全省大部分站点距平同号率为50%—70%, 其中Lasso回归和神经网络模型为5月起报最高(约为68%), 随机森林算法为3月起报最高(约为62%)。特征选择和敏感性实验结果发现, 低植被覆盖比例是初霜冻日期预测关键预测因子, 植被覆盖率越高越有利于地表含水量保持, 降温容易产生霜冻, 初霜冻日期也就越易提前, 去掉低植被覆盖比例因子后模型预测效果显著下降, 也表明该因子是模型建模的前期关键因子。 相似文献
6.
利用2014—2018年辽宁省探空资料分析了水平风速的垂直风廓线分布特征。用2座代表性测风塔逐时梯度风观测分析了采用不同高度组合方案计算出风切变指数的月、日变化特征, 分别用月、小时、年风切变指数推算高层风速和风功率密度, 并与实测对比。结果表明: 沈阳相较于大连地区风速随高度增加较快, 180 m高度以上风速基本保持不变, 而大连因其纬度低且靠近海洋, 300 m以下风速均匀上升。在非复杂地形情况下, 距地面10 m高度以上间隔一定高度设立4层风观测, 基本可以满足近地层风资源评估需求。受太阳辐射、下垫面、海陆热力性质差异等影响, 辽宁省风切变指数日变化特征比月变化更显著。利用小时风切变指数推算高层风速和风功率密度的方案优于采用月、年风切变指数方案。风切变指数日变化越显著, 采用逐时风切变指数推算方案越优于其他计算方案。 相似文献
1