排序方式： 共有30条查询结果，搜索用时 296 毫秒
1.
近几年,生活在北京市的人们一般不敢对供暖季的空气质量有过高的奢求。但是,在2018年11月,北京开始供暖季,微博、微信圈里“北京蓝”被不时地刷屏。2019年1月20日,周日,大寒,下午2点,某知名品牌客户端显示北京空气质量指数达22,打败全国96%的城市!人们惊喜地感受着、传递着北京市及周边地区近年来空气质量改善的喜悦。 相似文献
2.
2010—2016年江西省暖季短时强降水特征分析 总被引：2，自引：0，他引：2
利用江西省2010—2016年5—9月1597个观测站逐小时降水资料对江西省短时强降水进行统计分析。采用REOF将降水场划分为5个区域：赣北南部（Ⅰ区）,抚州市及赣州中部（Ⅱ区）,赣北北部（Ⅲ区）,赣南南部、北部（Ⅳ区）以及赣中西部（Ⅴ区）。短时强降水高频区主要分布在山地及河谷附近,分别为湘赣交界罗霄山脉东侧、武夷山西侧、信江河谷、乐安河谷和昌江河谷。河谷附近短时强降水频次以昌江河谷最高（16.9次/a）,山地附近最高在罗霄山脉东侧（12.6次/a）,极端短时强降水分别位于上饶市东北部山区（3.7次/a）及九岭山南侧的锦江河谷（3.3次/a）。短时强降水主要发生在5月第3候,6、7月第3~4候以及8月第2~3候。Ⅳ、Ⅴ区具有单峰型的日变化特征;Ⅰ、Ⅱ、Ⅲ区具有双峰型的日变化特征。主峰基本集中在下午17时;次峰在上午08—10时。短时强降水对暴雨贡献率基本在40%以上,Ⅰ、Ⅱ区的暴雨天气过程将近一半是由短时强降水贡献的。信江河谷是暴雨雨量中心,但并不是短时强降水雨量中心;昌江河谷与武夷山西麓既是暴雨中心也是短时强降水中心。 相似文献
3.
利用观测气象数据集（CN05.1）、地表水文数据集（VIC-CN05.1）以及大气再分析数据（JRA55）分析了我国西北地区1961-2016年暖季（5-9月）陆地水分收支的长期和年代际变化特征。通过对陆地水分收支（Land Water Availability，LWA）时间序列作Mann-Kendall突变检验，将1961-2016年划分为3个时段进行进一步分析（P1：1961-1978年；P2：1979-2008年；P3：2009-2016年）。主要结论如下：在1961-2016年间西北地区LWA呈上升趋势，区域平均的LWA时间序列具有明显的年代际特征。三个时段的LWA距平百分率分别为-5.45%、-0.46%和13.99%，总体表现为"减少-不变-增加"的特征，尤其是近些年地表水资源增加明显。三个时段的LWA距平百分率空间分布差异显著，尤其在新疆中部、甘肃东部和陕西。西北地区总体上水汽通量输送和垂直速度与降水年代际变化特征基本一致，且区域特征明显。西北地区蒸发受降水、向下长波辐射通量和风速变化影响显著。 相似文献
4.
我国暖季小时降水的气候概率分布特征分析是开展短时强降水概率预报的重要基础工作。本文使用1991—2009年5月1日至9月30日的小时降水资料,采用最大似然估计方法,对用于描述518个观测站点降水分布的Γ函数的形状参数α和尺度参数β进行了估算,对极端α和β分布情况下大于0.1 mm的暖季小时降水的概率密度分布状况及其累积概率密度分布函数进行了分析,并给出了多个站点基于Γ函数的超过给定阈值的降水累积概率的分布。结果表明:α和β之间的相关性高达0.975,其分布与我国的地势分布有很大的关系。Γ分布可以很好地描述小时降水的分布状况,模拟得到的结果具有更好的连续性,揭示了实况降水中不能观测到的极端降水发生的可能性;华南沿海和海南西北部为最容易出现短时强降水的区域,在有降水的情况下,其小时雨量超过10、20和30 mm的累积概率分别达到了8.0%、2.0%和0.7%,另一个常出现极端降水的区域为鲁苏皖交界处,这是强对流预报中值得注意的区域;95%累积概率密度对应的小时降水阈值分布显示,自西北向东南,极端小时降水的阈值不断增大;α与站点海拔高度之间具有很好的指数相关性,其相关系数达到了0.709,表明地形对我国暖季小时降水量的分布具有重要的影响。 相似文献
5.
基于全国2048个站点1961—2019年逐日降水观测数据,采用10个降水指标刻画暖季降水时空特征,分析了东部厄尔尼诺（EP）、中部厄尔尼诺（CP）和拉尼娜（LN）事件对中国暖季降水时空特征的影响。研究结果表明：（1）过去59年,我国暖季降水总量、降水强度和极端降水等特征总体上均呈增加趋势,主要表现在东南和西北地区,而华北地区呈减少趋势。（2）东南和西北地区暖季可降水量的增加和增强的水汽通量为降水的形成提供了有利的水汽条件;而华北地区暖季可降水量趋于减少和水汽通量减弱均不利于降水的形成。（3）ENSO事件对我国暖季降水时空特征有显著调节作用。位于中国东北的气旋带来干冷空气和水汽通量减少使得在EP起始年份华北地区暖季降水总量、降水强度和极端降水等均趋于减少。东南地区对LN事件较为敏感,在LN起始年份,位于东南地区的反气旋源源不断的将暖湿气流输送到该区域,为降水增加提供了充沛的水汽条件。 相似文献
6.
利用MICAPS地面观测资料和中央气象台历史天气图资料,对1979—2018年的585个江淮气旋进行了时空分布特征的研究,发现江淮气旋的发生次数年变化有长、中、短多周期共存,月分布在4—6月（暖季）最多,10—12月（冷季）最少;江淮气旋发生的最集中区域为鄱阳湖盆地和洞庭湖盆地,其次在淮河上游和大别山东北侧,空间分布大值区随环流的季节变化出现一定的南北偏移。利用ERA-Interim月平均再分析资料分析冷、暖季天气背景发现,暖季孟加拉湾存在深厚南支槽,低空西南急流输送暖湿气流,使水汽通量在江淮流域及上游辐合;江淮流域处于暖季锋生正值中心,且位于高空急流入口区右侧,有利于暖季江淮气旋生成。冷季仅在700 hPa的孟加拉湾北侧有浅槽,850 hPa为高压脊,江淮地区为冷平流控制,低空急流不明显,对水汽的输送弱;江淮流域锋生正值区不连续且上游为锋消区,高空急流轴偏南,气象条件不利于江淮气旋生成。从动力和水汽条件上,暖季均比冷季更有利于江淮气旋的发生。 相似文献
7.
应用面向降水过程的时空检验方法,评估了中国气象局广东快速更新同化数值预报系统(CMA-GD)、上海数值预报系统(CMA-SH9)和中尺度天气数值预报系统(CMA-MESO)的海南岛暖季(2019—2020年的4—9月)非台风降水日小时降水预报效果,结果表明:三家模式均能捕捉不同流场条件下的降水空间分布形态及降水日变化特征,但CMA-GD和CMASH9的降水频率和强度总体偏多偏强,其中CMA-GD降水频率偏多近10%,CMA-SH9平均小时雨强偏强近4 mm·h-1,CMA-MESO雨强在5 mm·h-1以上的降水多分布在西南部和中部山区,与实况空间分布差异较大。三家模式降水预报最易开始和降水峰值时间平均偏早1～3 h,而降水最易结束时间偏晚1～3 h;模式的大气层高层露点温度和不稳定能量预报值偏大,不稳定能量出现时间偏早,近地层逆温层特征预报失真,降水预报的开始时间倾向于提前、降水持续时间偏长。三家模式的昼间海南岛北部沿海的海陆风辐合带预报偏强,其中CMA-SH9尤为明显,与该模式降水强度明显偏强特征相一致;CMAGD的夜间南部沿海的海陆风辐... 相似文献
8.
利用江苏近10 a(2005—2014年)暖季(5—9月)69站逐时降水资料,详细分析了短时强降水的空间分布、年际变化、季节内演变以及日变化特征。分析结果表明:短时强降水空间分布不均,整体上北部比南部活跃,最活跃区均位于沿淮西部,高强度短时强降水多发生在淮北东部,且空间分布集中。近10 a来江苏短时强降水整体呈减少趋势,主要表现为北部地区减少最为显著。短时强降水季节内分布不均匀,以7月最为活跃,高强度短时强降水在8月最为频繁;其逐候分布显示,梅期短时强降水骤增,于7月第2候达到峰值,盛夏期间高强度短时强降水增多,8月第3候达到峰值。江苏短时强降水的日变化整体呈双峰结构,主峰和次峰分别出现在傍晚17时(北京时间,下同)和清晨07时,高强度短时强降水多发于午后;短时强降水日变化存在季节内演变的阶段性特征和地域性差异,其中梅期和盛夏两个高发阶段均呈单峰结构,但梅期峰值出现在清晨,盛夏阶段峰值则出现在傍晚;由南向北,日变化特征由单峰向双峰、多峰演变,在淮河以南地区日峰值大多出现在午后至傍晚,而淮河以北地区多出现在夜间至清晨。 相似文献
9.
10.
使用2007—2017年京津冀地区156个气象站暖季（5—9月）逐小时降水观测数据,根据地形将研究区域分为6个分区,分析各分区降水量季节内变化和日变化特征,结果表明：1）京津冀的多雨区主要位于沿燕山南麓到太行山,存在多个降雨中心。2）各分区降水量季节内特征总体表现为单峰型,即7月降水量最大,7月第3候至8月第4候是主汛期,8月降水量次之,5月最少。3）降水呈夜间多,白天少的特点,7月初之前的前汛期降水多发生在16—21时;主汛期降水呈双峰型,峰值在17—22时,次峰值出现在00—07时;8月中旬以后的后汛期多夜间降水,峰值多出现在00—08时。4）高原山区多短历时降水,长历时累计降水对季节降水贡献率大值区位于平原地区,而持续性降水贡献率大值位于太行山区和燕山迎风坡的西部。 相似文献