栏目文章信息

    研究论文 栏目所有文章列表
    (按年度、期号倒序)
        一年内发表的文章 |  两年内 |  三年内 |  全部
    Please wait a minute...
    选择: 显示/隐藏图片
    1. 基于ANUSPLIN软件的黑河流域降水空间插值方法研究
    唐娜, 王静, 董国涛, 陈子豪, 孔令林
    干旱气象    2025, 43 (5): 790-798.   DOI: 10.11755/j.issn.1006-7639-2025-05-0790
    摘要230)   HTML11)    PDF(pc) (10574KB)(104)    收藏

    西北内陆河地区地形地貌复杂,气象台站较少,为提高该地区降水量空间化的精确度,支撑区域水文模拟及水资源管理,以西北内陆河黑河流域为研究区,利用19个气象台站与26个水文站点数据,基于ANUSPLIN软件构建局部薄盘光滑样条插值模型,分析模型参数、站点数量与数字高程模型(Digital Elevation Model,DEM)分辨率对降水量空间插值精度的影响。结果表明:1)独立变量为经度与纬度,协变量为海拔,样条次数为3,变量转换方式为平方根时,V2C1S3_RT模型的插值精度最优,其广义交叉验证的平方根(Square Roots of Generalized Cross Validation, RTGCV)和期望真实均方根误差(Square Roots of Mean Square Error, RTMSE)分别为6.10和4.82 mm;2)站点数量影响插值精度,当站点数增加至40个,RTGCV和RTMSE均达到最小值,进一步增加站点数对精度提升有限;3)不同分辨率DEM对降水量插值结果影响不大;4)2019年黑河流域平均降水量为211.39 mm,呈现西南向东北递减趋势,上游西南地区及下游边界地区降水量标准误差较相邻地区大,主要原因是该区域站点数量较少。

    图表 | 参考文献 | 相关文章 | 多维度评价
    2. FY-4A云覆盖率产品在宁夏的检验评估及订正
    袁瑞瑞, 王坤, 高睿娜
    干旱气象    2025, 43 (5): 799-809.   DOI: 10.11755/j.issn.1006-7639-2025-05-0799
    摘要176)   HTML4)    PDF(pc) (16310KB)(88)    收藏

    开展卫星反演云量的准确率评估是业务应用的基础,对于有效发挥卫星遥感高时空分辨率的优势以及弥补地面观测资料的不足具有重要意义。以处于典型干旱半干旱区域的宁夏为研究区,利用2019年08:00、11:00、14:00、17:00、20:00(北京时,下同)5个时次的地面观测总云量资料对风云四号A星(简称“FY-4A”)云覆盖率产品进行检验和评估,并利用归一化混合订正法对逐月云覆盖率产品进行订正,在此基础上分析宁夏日间云覆盖率的时空分布特征。结果表明:1)宁夏区域FY-4A云覆盖率产品与地面人工观测总云量的逐月、逐日变化趋势具有较高的一致性,全区平均及各气象站FY-4A云覆盖率与人工观测总云量的相关系数普遍为0.7~0.9,但总体上低于总云量值。2)从5个时次总云量和云覆盖率一致率来看,11:00、14:00、17:00的一致率高于08:00和20:00;从云量分级检验来看,一致率依次为晴天>阴天>少云>多云。3)归一化混合订正方法能有效降低FY-4A云覆盖率产品与地面人工观测总云量的偏差,订正后各月的平均值与气象站云量基本吻合。4)宁夏年平均日间云覆盖率为30%~70%,贺兰山沿山、引黄灌区(中卫市沙坡头区—银川一带)、中卫市海原县及固原市云覆盖率较高,石嘴山市惠农区、大武口区东部、平罗县东部云覆盖率最低;5—6月全区云覆盖率普遍较高,12月云覆盖率最低。

    图表 | 参考文献 | 相关文章 | 多维度评价
    3. 基于人工和地基器测数据的AI云识别方法
    张德玉, 胡树贞, 秦三杰, 张强, 白明, 庞成, 魏荣妮
    干旱气象    2025, 43 (5): 810-819.   DOI: 10.11755/j.issn.1006-7639-2025-05-0810
    摘要200)   HTML6)    PDF(pc) (12662KB)(125)    收藏

    为弥补“天气现象视频智能观测仪”在云状识别中存在的纯视觉观测局限,以2023年5月1日至2024年4月30日张掖国家气候观象台试验外场的毫米波云雷达、全天空成像仪等器测数据为基础,结合人工观测云状记录及地面自动站气象资料,构建多源融合的人工智能(Artificial Intelligence,AI)云状识别样本库。选取多种类型机器学习算法开展训练与性能评估,结果表明,支持向量机模型在综合识别精度与稳定性方面表现最佳,可实现对卷积云、卷云、高积云、高层云、雨层云、层云、层积云、积雨云、积云9种云状及降水天气的自动识别。通过4个典型日云分类个例的验证显示,模型能精准识别多层云结构,识别结果与人工观测高度一致。本文在数据集构建的多源融合性及算法适配性方面均有明显改进,云状识别种类增加33%,准确率提升15%。

    图表 | 参考文献 | 相关文章 | 多维度评价
    4. 甘肃康县气候康养资源特征评估
    鲍丽丽, 程鹏, 尹春, 张熙, 赵文婧, 郭艺婷, 李晓琴, 张玥
    干旱气象    2025, 43 (5): 820-829.   DOI: 10.11755/j.issn.1006-7639-2025-05-0820
    摘要213)   HTML4)    PDF(pc) (7319KB)(116)    收藏

    为推进甘肃康县气候生态资源的开发和利用,本文以1991—2020年气象资料为核心,结合森林资源、水质情况、空气环境质量等数据,从生态环境特色资源与气候资源两方面来评价康县气候康养资源禀赋。结果表明:康县全域年平均负(氧)离子数浓度为3 338个·cm-3,达到负(氧)离子浓度空气清新标准,对人体健康极为有利,康县空气质量良好,空气优良天数占全年比例为99.2%。康县雨量充沛,温度和湿度适宜,夏季高温日数极少,另外,温度、降水量、相对湿度的年际变化均呈波动缓慢上升趋势,平均气温、平均最高气温和平均最低气温的上升速率分别为0.16、0.32、0.27 ℃·(10 a)-1,降水量上升幅度约为78.2 mm·(10 a)-1,相对湿度增加幅度约为0.9%·(10 a)-1。康县与相邻县(区)相比,降水量最丰沛,干燥度值最小,平均气温、平均最高气温和平均最低气温均为最低,平均相对湿度最大,且灾害性天气较少,气候舒适期长达9个月,与国内部分旅游城市相比气候康养条件具有明显优势,具备“夏令避暑、富氧康养、湿润滋养、度假休养、游赏乐养”等养生气候特征。

    图表 | 参考文献 | 相关文章 | 多维度评价