排序方式： 共有14条查询结果，搜索用时 15 毫秒
1.
利用NCEP再分析资料、L波段雷达探空资料、常规气象资料及自动气象站资料和空气污染资料,对2005年12月25-28日重庆主城区一次重度霾天气过程进行了分析.结果表明:此次重度霾天气过程发生在一定天气背景下,500 hPa青藏高原南侧南支槽槽区宽广,槽前西南气流较为强盛,850 hPa重庆地区持续处于均压场控制,气压梯度小,水平风速弱,且影响重庆地区的冷空气活动少、强度弱,有利于重度霾的形成和维持;低层风速较小、中低层逆温层的持续存在、气温较低也是此次重度霾形成和维持的重要条件;在未达到饱和的情况下,适当增加湿度有利于霾的加强,霾天气过程中,气溶胶粒子的吸湿增长会使能见度更加恶化. 相似文献
2.
研究重庆主城区紫外线辐射强度的变化规律,为业务预报和客观预报方法的研究提供基础。利用2004年3月—2008年2月的实况观测资料,分析主城区紫外线辐射强度的日、月、季和年变化规律。结果表明：重庆主城区日平均最大辐射量出现在中午13时—14时。7月和8月的辐射强度为全年最强,出现辐射等级四级的概率最大;而1月和12月为全年最弱,没有出现过辐射等级高于三级的样本。季节平均辐射强度夏、春、秋、冬依次减弱。2004年和2006—2007年平均辐射强度相当,2005年较弱。 相似文献
3.
为了了解重庆秋冬季节空气污染天气的环流特征,利用NCEP再分析资料对污染天气过程地面气压场应用自组织神经网络算法(SOM)进行天气分型,并经过主观对比分析,总结出3类典型天气型:均压型、低压型、高压底部型;其中均压型分为2小类:两冷锋间的均压场、弱高压区的均压场;高压底部型按冷高压中心位置分为3小类:北方高压型、西北高压型、东北高压型。比较分析发现高压底部型大气污染物浓度最高,空气污染最为严重。应用常规观测资料和L波段探空资料分析发现:各类污染天气型表现为地面静风频率高,近地层水平风速小;逆温出现概率高,大气层结稳定,大气边界层高度低等特点。从大尺度环流背景、动力、热力气象条件及后向轨迹模拟分析了3类典型污染天气过程形成原因,为重庆地区空气污染潜势预报及浓度预报提供参考依据。 相似文献
4.
重庆市森林火险变化特征及气象条件分析 总被引：1，自引：0，他引：1
利用重庆市34个气象站1961-2007年逐日气象观测资料以及同期NECP/NCAR逐月再分析数据,根据森林火险环境气象指数的定义,研究了重庆市森林火灾变化特征,并对春季和盛夏高森林火险等级下的典型年份的大气环流特征进行了分析。结果表明：重庆林火次数具有明显的年、季、月、日变化特征,盛夏（7-9月）和春季（2-4月）为2个高峰期,其林火次数占全年林火总数的78%,其中8月最多（占全年林火总数的18%）,午后是森林火灾多发时段;春季重庆市高森林火险的大气环流特征表现为：乌拉尔山、贝加尔湖和鄂霍茨克海地区500 hPa位势高度偏低,四川盆地高度场偏高,冷空气在中高纬地区堆积,天气活动主锋区偏北;盛夏重庆市高森林火险的环流特征为：巴尔喀什湖和鄂霍茨克海地区500 hPa位势高度显著偏低,朝鲜半岛位势高度显著偏高,西太平洋副热带高压位置偏北。 相似文献
5.
在分析西南地区东部旱涝转换特点基础上,利用北半球500hPa 候平均高度场和ECMWF数值预报场资料,经过不同尺度的相似过滤和集成,得到未来若干候的降水分布,推断出旱涝转换开始期.试验结果令人满意. 相似文献
7.
8.
重庆市空气污染扩散气象条件指标研究 总被引：2，自引：1，他引：1
根据地面常规要素、L波段雷达探测资料风速和温度与污染指数（API：Air Pollution Index）的相关性,建立空气污染扩散条件的综合气象指数（A）,按指数大小分类确定潜势预报指标,并应用历史同期气候概率作空气污染潜势预报。通过相关分析发现：与API关系密切的不是20：00的气象要素而是08：00的气象要素;地面要素中,对污染物浓度影响最大的是08：00的24 h变压,而温度的高低对API影响因季节而不同;L波段雷达资料中,150 m风速3、00 m和地面温差与API相关性较好。由相关性好的上述3个要素构造的综合气象指数及确定的扩散条件预报指标是合理的,在实际业务预报中,预报效果较好。 相似文献
9.
通过重庆城区2013—2016年空气质量指数AQI与气象要素的相关分析,引入表征大气温湿状态的物理量总温度、比湿、近地层风速、24h变压及大气低层总温度差,构建新的空气污染气象条件指数IBAM(Index Between Air pollution and Meteorology)。应用2013年4月1日至2016年12月31日欧洲中心预报产品计算重庆地区历史IBAM指数,通过K均值聚类分析,引入极端天气事件概念确定空气污染气象条件阈值,建立预报模型。利用IBAM指数与滞后1天AQI建立拟合曲线方程,计算出AQI预报值,计算预报准确率,经过2017年1月1日至2018年9月1日样本检验,72h内预报准确率在70%左右。通过误差分析发现:当气象条件为大气污染物浓度主要影响因素且在大气污染源变化不明显时,预报误差较小;而当大气污染源变化明显时,预报误差较大。该预报方法已在重庆市气象台业务应用,对预防和处理重污染事件,改善重庆地区空气质量有较好参考价值。 相似文献
10.
本文应用均生函数模型及其改进模型对重庆地区 主汛期(6～8月 )降水进行预测试验，结果表明：针对均生函数固有的缺点提出的改进方案所建立的数学预 报模型具有更好的预测效果，是一种具有较高使用价值的长期预报方法。 相似文献