排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
城市化引起的气温上升是土地覆盖变化影响区域气候的重要体现.本文采用“观测资料减去再分析”(Observation Minus Reanalysis,OMR)的方法估计四川盆地和周边地区下垫面城市化改变对夏季地面2 m气温变化趋势的影响.设计了不同城市化下垫面扩展变化的WRF模拟试验,对1998—2012年四川盆地及周边区域夏季逐日平均温度和日最高最低气温进行模拟.在检验模式模拟性能的基础上,利用OMR方法类似的思路定量探讨城市化下垫面对地面气温变化趋势的可能影响.结果显示,(1)基于站点观测资料的OMR分布表明成都、重庆地区的城市下垫面对夏季升温的影响可达0.1℃·a^-1;(2)WRF试验模拟的结果与实际观测接近,能较合理刻画出该地区夏季温度的平均分布及时间变化特征,可以用于该地区城市化区域气候效应的研究;(3)不同城市化进程的模式模拟试验中气温变化趋势的差值与基于站点观测的OMR方法计算得到的结果类似,都证明了重庆和成都的城市下垫面对地面2 m温度的升高具有显著影响,其中在日内低温的表现尤为突出. 相似文献
2.
基于搭载在日本新一代静止气象卫星Himawari-8上的先进葵花成像仪(Advanced Himawari Imager,AHI)观测资料,研究了高时空分辨率的、全天气条件的海表温度(Sea Surface Temperature,SST)反演算法。本算法包括两步:第一步,根据云检测算法划分晴空和云区,然后利用非线性SST(NLSST)方程由红外亮温估计晴空SST;第二步,在有云区,先由前5 d同一时刻的晴空SST进行初步补缺,然后再利用Barnes插值完善云区SST估计和进行异常点平滑。最终得到时间分辨率为10 min、空间分辨率为0.05°的全天气条件海温分布。利用移动浮标的观测SST验证,晴空区SST估计的均方根误差(Root Mean Square Error,RMSE)和平均误差(Mean Error,ME)分别为0.857 K和0.017 K。全天气条件SST估计的RMSE和ME分别为0.872 K和-0.005 K。 相似文献
1