山西沙尘天气的相关气候因子分析及预测模型的建立
气候预测方法

气候预测是指根据目前的气候系统状态和预报驱动因子,利用气象和气候模型以及统计方法进行推算和预测未来气候的变化趋势。
下面是一些常用的气候预测方法:
气象模型:气象模型是通过对大气物理过程以及陆地和海洋的相互作用进行数学建模来模拟天气和气候系统。
通过模拟特定区域或全球的气候变化,可以预测未来的气候情况。
统计方法:统计方法是根据历史气象观测数据和相关的预测指标,通过统计分析建立数学模型,从而推测未来气候的变化趋势。
常用的统计方法包括回归分析、时间序列分析等。
数值预报:数值预报是通过将地球的大气系统分割成一系列离散的计算网格,利用数值方法求解大气中的物理和动力学方程,模拟未来数天到数周的天气变化。
根据短期天气预报的情况,也可以间接推测出未来的气候趋势。
气候指数和气候模态:气候指数是通过对气象要素进行综合分析和统计得到的特定的气候指标,如太平洋海温指数(ENSO)、北大西洋涛动指数(NAO)等。
这些指标可以提供有关未来气候的关键信息。
气候模态是指气候系统中常见的波动模式或模态,如北极涛动(AO)、南方涛动(SAM)等。
根据这些模态的变化,也可以推测未来气候的变化趋势。
数据同化技术:数据同化是将地面、卫星观测数据与气象模型模拟结果进行有效融合的技术。
通过对观测数据和模拟结果进行交互作用和优化,可以改善气候预测的准确性和可靠性。
这些方法可以单独或结合使用,根据不同的预测对象和预测范围选择适合的方法。
同时,气候预测也存在着一定的不确定性,因为气候系统的复杂性和不可预测性使得准确的长期气候预测仍然是一个挑战。
大气工程中降水量预测模型的建立与应用

大气工程中降水量预测模型的建立与应用随着气候变化的日益明显,降水对于社会经济的影响越来越大。
在大气工程中,降水量的预测成为了一项重要的任务。
只有准确预测降水量,才能做好防洪、抗旱等工作,为社会经济的发展提供参考依据。
而建立降水量预测模型是实现准确预测的关键。
在过去的几十年中,人们通过观测历史降水数据以及分析气象因素,建立了一系列降水量预测模型。
这些模型包括统计模型、数值模型以及机器学习模型等。
首先,统计模型是降水量预测模型中最早也是最简单的模型之一。
它通过分析历史降水量数据的统计规律来预测未来的降水量。
这种模型适用于某一地区相对稳定的气候条件下,但在复杂多变的气候环境中预测效果有限。
其次,数值模型是一种基于大气物理学原理和数值计算方法建立的降水量预测模型。
它通过对大气运动、热力学和湿物理等过程进行数值模拟,来推测未来一段时间内的降水情况。
数值模型利用计算机技术,将地球大气系统分为格点,利用数值方法求解方程组,模拟出大气运动与变化的过程。
然而,数值模型需要大量观测数据来初始化模型,而且计算量也非常大,并不适用于所有的预测需求。
最后,机器学习模型是近年来兴起的降水量预测模型。
它通过对大量的历史数据进行学习,建立出降水量与气象因素之间的关系,并利用该关系来预测未来的降水量。
机器学习模型具有自动学习能力,可以通过反复迭代提高预测准确性。
而且,机器学习模型可以较好地适应复杂多变的气候环境,具有较强的预测能力。
在大气工程中,降水量预测模型的应用广泛而深远。
首先,它可以帮助农业调控灌溉水源,为农作物生长提供合适的水分供应。
预测到降水量较多的情况下,农民可以适当减少灌溉量,以充分利用自然降水;而在降水量较少的情况下,农民则可以增加灌溉量,确保农作物正常生长。
其次,降水量预测模型还可以为防洪工程提供参考依据。
通过预测降水量的变化趋势,可以提前做好防洪准备工作,保护人民生命财产安全。
在降水量预测准确的情况下,防洪工程的管控措施可更加精细化,减少过度的防洪投入。
气象因素对大气污染物影响的季节差异分析及预测模型对比—— 以深圳为例

气象因素对大气污染物影响的季节差异分析及预测模型对比——以深圳为例方晓婷;段华波;胡明伟;蔡家思【摘要】以深圳为例,通过收集其2014年9月至2017年8月的地面气象观测数据、大气污染物PM 2.5和PM 10浓度数据及空气质量指数(AQI),利用SPSS软件分别构建线性回归模型与非线性多层神经网络(M LP)模型,探讨了气象因素对PM 10、PM 2.5及AQI影响的季节性差异,并利用构建的两种模型对PM 2.5、PM 10和AQI进行预测和对比.结果表明,气温、湿度、风速及风向均对深圳PM 2.5、PM 10及AQI有较大影响,且影响因素存在季节差异性;两种模型中,MLP模型在对复杂多变的空气质量预测上更具优越性.研究结果可为深圳空气质量优化以及城市局部和整体规划提供科学依据,并为其他城市空气质量模拟分析提供参考.【期刊名称】《环境污染与防治》【年(卷),期】2019(041)005【总页数】6页(P541-546)【关键词】气象因素;PM2.5;PM10;空气质量指数;预测【作者】方晓婷;段华波;胡明伟;蔡家思【作者单位】深圳大学土木与交通工程学院 ,广东深圳 518060;深圳大学土木与交通工程学院 ,广东深圳 518060;深圳大学土木与交通工程学院 ,广东深圳 518060;深圳前海数据服务有限公司 ,广东深圳 518067【正文语种】中文2017年深圳灰霾天数为22 d,为近10年最少,空气质量综合指数在全国74个重点城市中排名第7。
深圳政府提出于2020年达到世界卫生组织空气质量第二阶段的目标值:PM2.5年均值由2015年的30 μg/m3减少到25 μg/m3。
随着环保目标的不断提高,减排难度愈来愈大。
大气环境十分复杂,大气中污染物的浓度不仅与排放源有关,还受当地气象条件等因素影响。
吴昊旻等[1]利用时间序列数据对大气污染物的时空分布特征进行研究,并考察其与各气象要素的相关关系;范天藤等[2]建立了污染物浓度和气象因素之间的回归模型。
气象预测模型建立与应用教程

气象预测模型建立与应用教程气象预测是指通过收集、分析气象数据,利用数学和物理模型来预测未来的天气变化情况。
在现代科技的支持下,气象预测模型的建立和应用变得更加精准和高效。
本篇文章将介绍气象预测模型的建立与应用教程,帮助读者更好地了解和使用气象预测模型。
一、气象预测模型建立1. 收集气象数据气象预测模型的建立首先需要收集大量的气象数据,包括温度、湿度、气压、风速等等。
这些数据可以通过气象观测站、卫星遥感等手段获取。
建立一个全面而准确的数据集对于模型的训练和预测结果的准确性至关重要。
2. 数据预处理在收集到气象数据后,我们需要对其进行预处理。
预处理的目的是去除噪声和异常值,平滑数据,并将其转换为模型可接受的形式。
常用的预处理方法包括平滑滤波、缺失值处理、标准化等。
3. 特征提取与选择在预处理后,我们需要从数据中提取出能够反映气象变化规律的特征。
特征可以是单个气象参数,也可以是多个气象参数的组合。
同时,根据特征的相关性和对模型预测的影响,我们还需要对特征进行选择,排除冗余的特征,以减少模型的复杂度和提高预测准确性。
4. 模型选择与训练目前常用的气象预测模型包括物理模型和统计模型两种。
物理模型基于气象学原理和数学物理方程,通过求解模型方程组得到预测结果。
而统计模型则是根据历史气象数据的统计规律建立的回归模型或时间序列模型。
根据不同的需求和应用场景,我们可以选择合适的模型进行训练。
模型训练需要将数据集划分为训练集和验证集,用训练集来拟合模型的参数,并通过验证集来评估模型的性能。
常用的训练算法包括线性回归、支持向量机、神经网络等。
通过不断优化模型的参数和结构,我们可以得到更准确和稳定的气象预测模型。
二、气象预测模型应用1. 短期气象预测短期气象预测主要是对未来几小时到几天的天气进行预测。
这种预测需要考虑到短期的天气系统变化和局地现象,如冷暖锋的移动、降水的分布等。
常用的短期气象预测模型包括数值天气预报模型、统计回归模型等。
计及气象因素和风速空间相关性的风电功率预测模型

计及气象因素和风速空间相关性的风电功率预测模型计及气象因素和风速空间相关性的风电功率预测模型引言:随着能源需求的增长和可再生能源的重要性,风能作为一种清洁、可再生的能源以其巨大的潜力受到了广泛关注。
风力发电是一种利用风能转化为电能的方式,而风力发电的效率很大程度上取决于对风速变化的预测准确性。
由于气象因素的复杂性以及风速在空间上的不均匀分布,风电功率预测一直是一个挑战性问题。
本文将介绍一种新的风电功率预测模型,该模型能够考虑气象因素和风速空间相关性,以提高风力发电的效率。
一、相关性分析在构建风电功率预测模型之前,首先需要进行相关性分析。
我们需要确定与风速变化相关的气象因素,以及各个气象因素之间的相关性。
常见的气象因素包括风向、气温、湿度等。
通过对历史气象数据的分析,可以得到这些气象因素与风速之间的相关性系数。
进一步,可以通过对不同地点的风速数据进行分析,得出不同地点之间风速变化的空间相关性。
二、模型构建基于相关性分析的结果,我们可以构建一个多元线性回归模型。
以风速为目标变量,气象因素为解释变量,通过回归分析来预测未来风速的变化。
为了考虑风速在空间上的相关性,我们引入空间统计模型。
该模型可以将不同地点之间的风速数据联系起来,建立空间相关性关系。
例如,可以使用克里金插值法来构建反距离权重矩阵,以表征不同地点之间的风速空间相关性。
三、数据收集与处理在构建风电功率预测模型之前,需要收集大量的气象和风速数据。
这些数据可以来自气象站、风力发电场等。
同时需要注意数据的质量和准确性,对不符合要求的数据进行去噪和修复。
另外,还需要对数据进行预处理,如标准化和归一化处理,以便于后续的建模和分析。
四、模型验证与优化建立好风电功率预测模型后,需要对模型进行验证和优化。
可以使用历史数据进行模型验证,对模型的预测结果与实际风速进行比较,评估模型的准确性。
如果模型存在误差或偏差,可以通过调整模型参数、改进模型结构等方式进行优化。
东亚沙尘循环及其气候效应的数值模拟研究的开题报告

东亚沙尘循环及其气候效应的数值模拟研究的开题报告初步题目:东亚沙尘循环及其气候效应的数值模拟研究论文概述:沙尘暴作为一种严重的环境和气候问题,影响着全球的健康、生态和经济发展。
而东亚气候条件下的沙尘暴活动是世界上最为频繁和剧烈的之一,其中沙尘源区主要是我国的内陆干旱区和蒙古国的戈壁滩,其沙尘物质通过东亚季风气流传输至邻近国家和全球各地。
沙尘暴的产生和传输受到多种因素的影响,而气候因素则是其中最为重要的一个因素。
因此,通过数值模拟研究东亚沙尘循环及其气候效应,对于深入探究沙尘暴形成机制、预测环境变化和提高区域气候预测水平具有重要的科学和实践意义。
论文目标:1. 综述东亚沙尘循环及其气候效应研究的国内外现状;2. 分析东亚沙尘暴的时空分布特征和主要成因;3. 基于过去几十年气象观测数据,再现东亚沙尘暴的强度、频率和年际变化的历史演变;4. 利用数值模拟方法,模拟东亚沙尘暴的形成、传输和沉降规律,探究其气候因素驱动与调控机制;5. 分析东亚沙尘暴的环境和气候效应,探讨其对区域生态、经济、健康等方面的影响。
论文内容:1. 绪论1.1 研究背景和意义1.2 研究现状和进展1.3 研究内容和方法1.4 论文结构2. 东亚沙尘暴的形成和传输机制2.1 沙尘暴的定义和分类2.2 东亚沙尘源区及其形成机制2.3 东亚季风环流及其沙尘传输特征2.4 其他影响沙尘暴形成和传输的因素3. 东亚沙尘暴历史演变与气候因素的关系3.1 东亚沙尘暴的时空变化特征3.2 气象观测数据的收集和处理3.3 使用现代气候学方法,再现东亚沙尘暴的历史演变3.4 分析东亚沙尘暴变化与环流和气候因素的关系4. 东亚沙尘暴的数值模拟研究4.1 模型简介4.2 模型构建和参数调整4.3 模拟实验设计和结果分析4.4 模拟实验结果的验证和评估5. 东亚沙尘暴的环境和气候效应分析5.1 沙尘暴的环境和气候效应概述5.2 沙尘暴对大气、陆地和海洋环境的影响5.3 沙尘暴对生态、经济和健康的影响5.4 沙尘暴对区域气候模拟和预测的影响6. 结论与展望6.1 论文主要结论6.2 研究成果的意义和应用前景6.3 研究不足和未来发展方向预计创新点:1. 对东亚沙尘暴的历史演变进行了系统性分析和再现,为研究其形成机制提供了重要的资料基础;2. 利用数值模拟方法,从气候因素角度探究东亚沙尘暴的形成和传输规律,在揭示其驱动因素的基础上,对区域气候预测和管理等方面具有一定参考意义;3. 结合现代气候学方法,对东亚沙尘暴的环境和气候效应进行了全面分析,揭示了其对区域生态、经济和健康等方面的影响和反馈机制。
动态建立短期气候预测模型

将每个月、季 、年 的不同降水类型 ( 即降水量和 降水距平 )与北太平洋月平均海温场资料 S T S、
7 4项特征因子、50 P 和 10P 0ha 0h a月平均高度场 格点 资料 4种预报因子及它们合在一起 的综合因 子计算相关系数,再利用滚动式相关分析方法【 l 】 滚动 5年,将相关系数绝对值大于或等于 0 5的. 3
.
2 . 0
维普资讯
因子存 入 备选 因子 库 。 2 . 重建预 测模 型 3
42 新 旧模 型 的转换 .
由于种 种 原 因 ,新 的预测 模 型 运 算 结果 不 一
分别对每个月、季 、年的不 同降水类型 ( 降 水类型为降水量和 降水距平两种类型 )与上述备
选 因子 库 中不 同类 型 的预 报 因子 进 行 建模 ,得 到
定令人满意。如果每次新计算的模型都覆盖原有
的 旧模 型 ,那 么在 新 模 型 调 整好 之 前 ,系 统 将 不 能正 常 使用 。 因此 新计 算 的模 型暂 时 先存 放在 一
新 的预报方程。对于本系统 ,预报方法有 4个 ,
2 动态建 立 预测模 型 的思路
程的预报准确率就会逐渐下降 。当预报期 间的天 气特征与样本的气候特征有较大差异时,预报误 差增大。为 了克服常规统计方法这方面 的不足 , 使预报 系统能长期准确有效地做 出预报结论,动 态建立预测模型是一个切实可行 的好办法。所谓 动态建立预测模型就是当原预测模型预报结果不 理想时 , 利用新 的数据资料,重新建立预测模型, 使最新 的气候特征能随时融入到预测模型中,提 高降水预报的准确率。 1 短期气候预测系统简介
正交化均生函数预测、逐步回归、最优子集 回归、
B P人工神经元网络、 多因子 E F迭代 、 O 概念模型
忻州市近50年沙尘暴时空分布特征分析及防御对策探讨

计 ,94~ 0 3 15 20 年忻州市共 发生 沙尘暴 天气 209次 ) 5 。沙尘
暴 的频繁发 生 , 给忻州市农林业 、 畜牧业 、 电力 、 通信 、 通和 交
人 民生命财 产安 全等都 造成 了严重 危害 。据 报道 ,9 8年 4 18 月1 1日, 忻州市 大部 分县市遭受 沙尘暴 侵袭 ,忻州市 1 4 2O 年近 5 年 的沙尘暴资料 , 沙尘暴的 时空分布特征进行 分析 , 9 ~ O3 5 o 对 阐述 了沙尘暴的形成机 制及 影响 因素, 并提
出 了相 关预 防 方 法 和 策 略 。 关键词 沙尘暴 ; 时空分布 ; 防御 策略 ; 州市 忻 中图分类号 S 6 文献标识码 A 16 文章 编号
01 6 120 )4— 10 — 3 57—6 1(0 80 0 5 0 5
沙尘暴是 由天气 系统诱 发 的一 种小 概率 大危 害 的灾 害 性 天气 , 不仅 对人类 生存 环境造 成危 害 , 会加 剧生 态环境 还 恶 化 , 危 害方 式 主要 有强 风 、 埋 、 蚀 、 境 污染 4种 。 其 沙 风 环 忻州市 位于晋西北黄土高原 , 内山地 丘陵 面积 占总 面积 的 域 8 .% ,十 年九旱” 87 “ 是其 主要气 候 特点 。其 西部 上游 紧靠 内 蒙古 毛乌素沙漠 , 再加上 当地土壤植被 差 、 土流失严 重 , 水 特
广告牌 被大风刮倒 , 砸伤行人 , 砸坏 车辆 ; 武县 因大 风导致 宁
曼
全县大面积停 电, 造成 直接 经济 损失 8 0万元 。2 I 1 17年 5~ X 1 6日, 州市 1 忻 4个县均出现不 同程度 的沙尘 天气 , 致使全 市 的蔬菜生产损失惨重 。对 忻州市 近 5 0年沙尘 暴资料 以及 造 成该天 气现象的天气 系统 、 地理 条件 、 沙尘 因子进 行分析 , 研 究沙尘 天气 的空 间分布特 征和 其成 因 , 为防 沙 、 沙和 沙 可 治 尘暴的预测预报提供科学 依据。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
可见,虽然蒙古国前一年全区平均降水量的多 少对山西省年沙尘天气无明显的指示性,但个别站 点如:MONGOLIAN、OMNOGOV、HOVDO、BARUUN· TURUUN的前一年降水量与山西省的沙尘天气的 负相关性比较显著,尤其是1961—1982年MONGo· LIAN站相关系数通过了a=0.05信度水平的检验。 当这些站前一年降水量多时,山西省少沙尘;反之, 多沙尘。而且这些点均分布在100。E以西蒙古国的 西部,比较集中的一块是47.5。N一50.0。N,90.00E
摘要:对山西沙尘天气与蒙古国的降水、我国北方积雪日数、青藏高原积雪日数和表征气候异常变
化信号的大气一海洋环流因子SO!指数的关系进行了分析,揭示了全球准周期性变化对沙尘天气趋
势的主导性作用。得出蒙古国西部前一年降水对山西省的沙尘天气具有较好的指示性;青藏高原前
一年冬季积雪日数和山西省的年沙尘日数呈较好的负相关性;当前冬青藏高原积雪日数多时,山西省
The distribution of meterological stations in,tudy area
万方数据
第2期
刘瑞兰等:山西沙尘天气的相关气候因子分析及预测模型的建立
113
3影响山西省沙尘天气的相关气候因 子分析
我国沙尘暴的发生是复杂的多因子综合作用的 结果,沙尘天气与降水、温度、风、湿度、蒸发量等的 关系密切。由于篇幅有限,山西省沙尘日数与上述 气候因子的关系这里不作讨论。仅就以下几个相关 气候因子作了较为详细的分析。 3.1蒙古国降水
再将1961—2001年蒙古国区域45个站的平均 降水量与山西省18个单站次年的年沙尘日数求相 关,能通过95%信度水平检验的站点仅五台山l 站。
并求得1961—2001年山西省平均沙尘日数的 逐年序列与再分析蒙古国单站前一年降水量的相关 系数,能通过检验的站点有MONGOLIAN STATION、 ULGII、OMNOGOV、HOVDO、BARUUNTURUUN和 TAMSAGBULAG。挑选出这6个台站实测降水量在 无缺测值的年份与相应次年山西省的沙尘日数求相 关加以验证,见表2。
1961—2003年山西省18个站的扬沙、沙尘暴的逐 年逐月资料;记录有沙尘暴发生初始时刻的日值资 料;对于序列中存在缺测的部分,根据需要进行了处 理(用平均值取代)和剔除。
(2)南方涛动指数(SOI) 来自于澳大利亚国家气候中心(NCC),取1961 —2003年的逐年逐月SOl指数值。 (3)蒙古国降水资料 来源于NOAA/NCEP地面降水量再分析格点场 资料,空间分辨率为2.50×2.50经纬度以及国家气 象中心气候资料室提供的蒙古国45个台站地面降 水量的逐年逐月资料。 (4)青藏高原及我国北方积雪资料 来源于国家气象中心气候资料室,包括青藏高 原60个站点及我国北方340个站点的地面积雪日 数的逐年逐月值。 2.2方法 文中主要采用了气象统计学[131上的相关分析 方法。 (1)计算区域平均的方法 根据1996年Jones等¨41提供的用经纬度网格 面积加权平均来计算某一气候要素区域平均值的方 法,建立了多要素的平均时间序列,计算了多组相关 性。这种方法的基本思路是:以逐年序列为例,首先 将某区域按一定的经纬度划分为n个网格,再将每 个格点内某年某气候要素值求算术平均,然后根据 网格面积做加权平均,得到此年此气候要素的区域 平均值,同样再求出其它年份的平均值,就可以建立 起此气候要素区域平均值的时间序列。计算公式如 下:
(3)逐步回归方法 为了从多个因子中择优以增加预报方程的稳定 性,文中采用了统计上的逐步回归方法,即逐步剔除 因子,进行回归系数F检验,最后选出最优因子来 建立我国北方沙尘气候的预测方程。 2.3研究范围内站点的选定 本文的研究范围为山西省区域内的18个站点, 如图1所示。
~i砉(cos㈠)×矗吩)
因为蒙古国台站降水资料缺测值较多,故文中 采用了NOAA/NCEP地面降水量再分析格点资料, 站点数共45个,时间为1961—2001年。同植被指 数资料的处理方法相似,将离台站最近的格点资料 插值至台站,并根据经纬度网格面积加权的方法求
得蒙古国降水的区域平均值。然后将山西省沙尘分 离出当年、当年春季的沙尘,蒙古国降水分离出前一 年、前冬、当年、当年春季的降水,得到各组合的相关 系数值见表1。
万方数据
114
干旱 气象
27卷
系ⅢJ。青藏高原作为影响我国气候变化乃至大尺 度环流背景中的一个热源因子,其对沙尘天气的影 响也是间接的,因此这里主要分析一下青藏高原前 一年冬季积雪日数与山西沙尘日数的关系。
青藏高原的站数共60个,包括西藏26个台站 和青海34个台站,在保证序列长度的前提下,并考 虑到资料的精确性,剔除掉了缺测值较多或在序列 所规定的年份中无3 a以上观测值的站点,最后筛 选到48个站点1961—2001年共41 a的积雪日数资 料进行分析。考虑到站点资料序列长度的不一致 性,分别对每年有记录站点的冬季积雪日数求区域 平均,首先利用区域平均的方法计算出青藏高原 1961—2000年冬季平均的积雪日数的逐年值,与次 年山西省平均沙尘日数的逐年序列求相关,相关系 数值达到一0.365,通过了95%信度水平的检验。 再与18个单站求相关的结果显示,均呈负相关,有 7个站点通过了d=0.05的负相关检验,分别是右 玉、大同、河曲、原平、兴县、运城、阳城。另外,青藏 高原冬季积雪日数与山西省春季沙尘13数的相关系 数值为一0.246。
表2 蒙古国6个台站的前一年降水量与次年山西省沙尘日数的相关系数
Tab.2 The correlation coefficients between previous precipitation at six stations in Mongolia and dust storm¥days in Shanxi Province
表1 蒙古国前期降水与山西省 沙尘日数的相关系数
T且b.1 The correlation coefficients between previous precipitation in Mongolia and dust storms days in Shanxi Province
由表l可以看出,山西省沙尘与蒙古国降水没 有明显的相关关系。
文中使用了1。×1。经纬度的网格点。 (2)相关分析方法 相关分析是用相关系数(r)来表示2个变量间 相互的直线关系,为了判定沙尘与其它气候因子之 间关系的密切程度,文中主要采用了相关系数值的 统计计算及t检验方法。 相关系数的计算公式如下:
2■亍=====_i==== 互(石1i一石1)(茗2f一髫2)
我国北方春季的沙尘天气常与冷空气活动产生 的大风相伴出现,而蒙古国是影响我国的冷空气主 要路径之一。杨民等¨纠通过对2000年春季发生的 大风、沙尘暴的统计分析,指出2000年春季沙尘的 3种传输路径主要在西、北方向上。矫梅燕等¨钊通 过对54例影响我国的沙尘天气过程分析,指出影响 我国的沙尘暴主要起源于蒙古国。邱新法等Ⅲ1根 据沙尘天气的起源,指出每年冬春影响我国的境外 源区主要位于与我国内蒙古自治区相邻的蒙古国东 南部戈壁荒漠区。那么蒙古国作为我国北方沙尘的 主要外源地,其降水条件是否与山西省沙尘天气的 多少有关系?下面作一简单分析。
一92.5。E范围内的MONGOUAN、OMNOGOV、 HOVDO 3个站。因此,蒙古国西部的前一年降水对 山西省的沙尘天气具有较好的指示性。 3.2 青藏高原前冬积雪日数
研究表明,青藏高原冬季地面感热通量的增强 (减弱)影响着我国北方东部(西部)春季沙尘暴的 减少(增多)u 8I,青藏高原的积雪多少和我国西北 部的降水呈弱的、复杂的相关关系【l9】,青藏高原积 雪和ENSO事件及东亚大气环流存在着较好的关
气质量模拟系统,该模式对沙尘传输和沙尘浓度 分布有较好的模拟能力。张瑞军等[91从沙尘暴的 成因、特征、输送、影响和防治等方面总结了近年 来国内的研究进展。张志刚等¨叫选出了浑善达克 沙地、巴丹吉林沙漠附近的20多个气象站的气 温、降水资料进行分析,总结了沙尘源地的气候特 征,并指出了北京浮尘沙尘暴天气与源地春季降 水呈显著负相关性。史培军等、叶笃正等【11-12]分 析了我国北方地区沙尘源区的分布规律和成因, 指出沙尘暴的发生、发展是下垫面地形地貌、水 文、土壤、植被等多种环境要素相互作用、长期发 展的结果,并提出了相应对策。
712
E=1
(2)
√i善(%一X一1)2 4i善(%一互,)2
其中,r。:为2组变量的相关系数,/1,为样本数, 石,为变量l,石:为变量2,互,、it检验方法来判断相关 是否在某一水平下显著,相关系数的临界值计算如 下:
(3)
其中,rc为相关系数的临界值,/7,为样本数,t。 为自由度n一2和显著水平d下的t检验值。
少沙尘,反之,多沙尘。就我国北方特别是山西省上游地区的积雪日数而言,指示性比较强的区域分
布在内蒙古、甘肃、新疆。这些区域内某些站点前一年冬季的平均积雪日数多时,山西省少沙尘,反
之,多沙尘。此外,山西沙尘还与SOI指数有显著的滞后2 a的正响应关系,与SOl有滞后两年正相关
的站点主要分布在中东部和东北部。在要素相关分析的基础上,综合各类因子制作了山西省沙尘预
以往对沙尘天气与降水、温度、风、湿度、蒸发量 等关系密切的气候因子影响研究较多,而对其它相 关因子的研究较少,而本文在分析了山西省沙尘日 数与蒙古国降水、青藏高原前冬积雪日数、北方区域 积雪日数及表征大气一海洋环流异常变化信号的多 种因子相关性的基础上,建立了沙尘天气气候预测 的概念模型,并进一步挑选出相关性比较好的前期 因子进行逐步回归,初步制作了山西省沙尘天气的 统计预测模式。
收稿日期:2009—05—04;改回日期:2009—06—03
作者简介:刘瑞兰(1969一),女,山西朔州人,工程师,主要从事短期气候预测和天气气候研究工作.E—mail:liurl691113@163.哪
万方数据
112