1979-2021年哈尔滨市降水量及环流特征分析

基于哈尔滨市站点资料、NCEP再分析资料,运用线性回归、Mann-Kendall检验、Morlet小波分析、合成分析等方法,分析了哈尔滨市年降雨量的变化特征和相应的环流形势特点。研究表明:哈尔滨市年降雨量呈递增趋势,平均每10年增加1.44 mm。1979-1988年呈上升趋势;1989-2020年呈现显著的下降趋势;2020年以后又呈现增加趋势,但总体上变化趋势均不显著。降雨量存在10~15年、5~9年和2~4年的周期,其中,前3个主周期分别为15年、8年和33年。当乌拉尔山阻高、鄂海阻塞高压、东北冷涡均偏强、副高偏弱时,哈尔滨市降雨量偏多;反之,哈尔滨市降雨量偏少。850 hPa高度哈尔滨市有明显的偏南风异常,处于偏暖地区。

基于多元线性回归的哈尔滨重污染天气预报

利用2013-2017年的哈尔滨气象和环境实况资料,通过对14个可能与重污染相关的气象因子做相关分析,筛选出12月-3月边界层高度、地面风速、925 hPa风速、850 hPa风速、925 hPa与地面温差和850 hPa与地面温差等共6项与AQI相关度较大的气象因子;10-11月、4-7月的边界层高度、地面风向、地面风速、925 hPa风向、925 hPa风速、850 hPa风向、850 hPa风速、925 hPa与地面温差、850 hPa与地面温差等共9个与AQI相关度较大的气象因素。对筛选出的气象因子与AQI指数数据,建立多元线性回归方程,并对2018年1-3月及10-12月哈尔滨重污染天气进行了预报与检验。

哈尔滨极寒天气特征和一次极寒天气成因分析

通过分析哈尔滨市1961-2023年日最低气温数据,筛选出日最低气温低于-40℃的极寒天气个例,总结哈尔滨市极寒天气征势。结果表明:(1)近63 a哈尔滨市极寒天气出现次数减少,且发生日数的年际变化显著;(2)极寒天气的时空分布特征:极寒天气主要出现在20世纪60-70年代,且时间分布均匀,21世纪初极寒天气出现一次激增,且集中出现在2001年;空间分布上极寒天气主要出现在哈尔滨市北部和东南部区域。本文以2023年哈尔滨市一次持续时间长、强度大、极端性强的极寒天气过程进行分析,得出极寒天气的成因包括:乌拉尔山高脊强烈发展导致极涡分裂南下,深厚强大的东北冷涡系统受东部阻塞高压的阻挡,长时间影响哈尔滨市造成强降温出现,且夜间风力小、辐射降温增强,共同影响造成极寒天气。

哈尔滨市着装厚度气象指数、晨练气象指数预报

根据环境温度、风力及湿度和人体热量散失的关系,建立适合哈尔滨市气候特点的理论公式,得到在不同的环境条件下的着装厚度及服装款式。编制的软件可自动输出着装指数的等级、服装厚度和着装建议。

利用欧洲数值预报产品制作哈尔滨市七日天气预报

阐述了利用已有数值预报产品和NCEP历史资料通过相似方法制作哈尔滨市24～168h的七日天气预报(包括降水、最高气温、最低气温)。根据高空形势场、地面形势场和物理量场相同条件下,其天气现象一般相同的天气学原理,将高空预报形势场与历史形势场作形、值相似比较,筛选出关系较好的相似个例,导出相似个例的要素,以其作为预报日的要素预报参考,并结合T639降水量预报和日本降水数值预报作出降水的综合预报。

哈尔滨市城市内涝监测预警系统建设

简要介绍了哈尔滨市城市内涝监测预警系统的主要组成部分、核心技术及理论基础、重要应用价值及意义,并通过在一次强降水实例中的检验,证明该系统具有较高的精确度。在系统核心环节——积水仿真模型的建立中,该项目突破了传统规则网格的划分法,而是根据城市地形地貌特点独创了无结构不规则网格技术。此外,仿真模型中对排水工程设施进行了数字概化,首次实现了地面积水与管道水体模拟之间的结合;初步解决了哈尔滨特有的陆地泵排水模拟问题;将监测雨量信息和数值天气预报信息带入仿真模型,实现了气象学与水文学的结合。通过运行该系统,可以提高对积水预报的准确度。

哈尔滨市冬半年污染传输特征及潜在源区分析

利用逐小时PM2.5实况资料、NCEP全球资料同化系统数据及Trajstat软件,分析了哈尔滨20142017年冬半年大气污染特征,模拟计算了逐6 h气团后向轨迹。此外,应用聚类分析法、潜在源区贡献法分析了气流轨迹特征,找出影响哈尔滨空气质量的潜在贡献源区,计算传输指数。结果表明:哈尔滨冬半年清洁天气和轻度污染天气占主导地位,重污染时次和重度污染轨迹仅分别占15.1%和15.9%,11月、12月和1月空气质量较其他月份偏差。影响哈尔滨冬半年空气质量的传输路径有4条,其中偏东路径和西南路径为主要污染路径,偏北路径和西北偏西路径为相对清洁路径。松嫩平原和辽河平原是影响哈尔滨的主要污染物潜在贡献源区。哈尔滨冬半年逐6 h间隔的传输指数与PM2.5浓度存在一定的正相关关系。当传输指数≥2.5时,80%时次的PM2.5浓度≥150μg/m3;当传输指数≤0.2时,只有1%时次的PM2.5≥150μg/m3。传输指数可以在一定程度上描述哈尔滨污染物浓度变化,解释污染成因。

基于类卡尔曼滤波的哈尔滨智能网格气温预报检验及偏差订正

应用滑动平均(5 d、7 d)、类卡尔曼滤波递减平均两种订正方法对哈尔滨地区国家级指导预报最高(最低)气温产品进行预报能力初步检验及偏差订正。结果表明:两种订正方法对最高气温与最低气温预报产品24-240 h预报时效大部分时段均有正的订正效果,最高(最低)气温预报准确率提高1-2%,平均绝对误差0.1-0.2℃,其中24-96 h预报时效预报能力稍好,120 h之后预报能力较差,订正后预报准确率也不足60%。气温预报偏差还表现为明显的季节变化特征,7-9月最高气温的预报效果优于冬春季,冬半年的订正幅度较夏季稍大。另外,不同天气状况下降水天气对气温预报有一定的影响,如果能进一步改进模式预报中降水带来的偏差,将进一步提高模式订正效果。

2014年哈尔滨市中央台精细化指导预报检验报告

对中央气象台2014年1-9月下发的精细化温度指导预报产品,各市(地)上传的县级以上城市24 h晴雨预报、高温、低温TS评分相对中央气象台指导预报订正技巧进行了检验分析,结果发现:总体上最高温度预报好于最低温度预报,中部偏西北地区好于其他部地区。预报最大误差出现在2-3月份的温度转折期间。预报质量最好的月份为7月。经过简单订正后,此精细预报可以作为哈尔滨市温度预报的主要参考依据。

哈尔滨市大风天气分型及其在MICAPS系统上的自动化预报

对哈尔滨市所属１２个市（县）１９６０～１９９６年３～５月所有大风分析后发现：地面最大风速出现在午后２时左右；沿江各县处在小兴安岭与张广才岭之间，多出现偏西大风；其它各县多处在山区，风向不易确定。经过概率统计后得出３种典型的大风类型。１７００ｈＰａ强锋...

用小波方法分析哈尔滨市近百年的冷暖变化

利用墨西哥帽子波分析了哈尔滨市近百年的冷暖变化 ,揭示了年平均气温及四季的气候演变规律。

基于慢特征分析的哈尔滨市气温预测研究

慢特征分析方法(Slow Feature Analysis,SFA)是从已知的非平稳时间序列中提取缓变信息的有效方法。本文首先通过Logistic非平稳时间序列模型对SFA方法提取慢特征信息的能力进行了检验,然后以哈尔滨市为黑龙江省代表站,对月气温距平序列进行慢特征信号提取及预测研究。结果表明:慢特征分析方法可以有效地提取哈尔滨市气温距平序列中的慢特征信号。提取的慢特征信号能够反映原序列的变化趋势、极值等信息。拟合和预测试验表明,与平稳性模型相比,引入SFA信号后的气温预测模型可以在一定程度上提高预测能力,改善预测效果。对近48个月独立样本预测也得到相同结论。

哈尔滨市初春一次雨夹雪天气过程的分析

对哈 尔 滨市 初春 季 节雨 夹雪 天 气的 成因 、环 流 形势 及相 关 物理 量作 了 一定 的分 析 ,提 出在 日常预报 工作 中 应用 数值 预 报产 品 提高 预报 降水 确 率的 重 要性 。

哈尔滨市降水和气温的分布预报方案

按“前期环流状态决定后期环流状态”的思想，用逐站预报、场展开、分片预报方法，设计了哈尔滨市月、季气温降水的３个预报方案。

哈尔滨市雷电预警指标分析

选取哈尔滨市近三年的雷达资料、闪电定位资料等进行对比分析,得出哈尔滨市主城区雷电预警指标,闪电的发生与雷达回波强度、顶高、速度场、垂直累积液态含水量等特征以及闪电定位数据、大气电场变化、探空资料等都有一定的关系。判断是否有闪电的发生,特别的强雷暴天气,要综合考虑这些因素,多资料融合,通过参数指标总结,针对雷电的预报预警业务,提供技术指导。

1961-2010年哈尔滨市霜冻的气候变化特征

通过对哈尔滨市1961-2010年初霜冻和终霜冻日期的气候特征分析,得出哈尔滨市初霜冻日期明显推迟,且推迟是一个突变现象,具体是从2002年开始;而终霜冻日期随气候变暖略有提前。初霜冻日期在不同年份分别存在准3 a和准30 a的振荡周期;终霜冻则存在准5 a和10-15 a的振荡周期。此外,初霜冻出现极早年,我国东北地区位势高度偏低,气温偏低;而初霜冻极晚年,我国华北及东北地区位势高度场较常年偏高,气温偏高。

哈尔滨市一次暴雪天气过程分析

利用高空观测实况、地面实况及水汽、热力、动力相关物理量对哈尔滨2016年11月30日-12月1日的大到暴雪天气过程进行分析。此次降雪暖锋区持续时间以及位置是产生强降雪的关键。急流是大范围强降雪产生的必要条件,急流不仅提供了动力条件,与水汽源地联通后更成为重要的水汽条件。

哈尔滨的四季与季节划分指标的探讨

详细叙述了哈尔滨四季的物候特征、农事活动、人们衣着变化等特点 ,并据此划分了哈尔滨的四季。提出用 30年月平均气温 T3 0 划分四季的指标 :5 0℃≤ T3 0 ≤ 19 9℃为春秋季 , T3 0 ≥ 2 0 0℃为夏季 , T3 0 <5

哈尔滨秋季一次持续性重污染过程分析

利用气象与环境监测数据,结合后向轨迹和秸秆焚烧火点监测资料,从环流形势、气象要素、污染源和污染传输特征等方面,对哈尔滨2017年10月18—20日持续性重污染天气过程进行分析。结果表明:这次重污染过程连续48h为重度或严重污染,首要颗粒物为PM2.5,PM2.5平均浓度为438μg·m^-3,局地PM2.5浓度高达1487μg·m^-3。重污染过程分为两个阶段,每个阶段主要污染物呈双峰分布。在重污染过程中,高空环流平直,浅槽前暖平流占主导地位,地面为弱低压均压场控制。地面风速小,平均风速仅为1.5m·s^-1,风速≤1.5m·s^-1静小风频率为71%,风场辐合,有利于污染物积聚。在重污染发展的过程中,地面相对湿度(RH)增大有利于颗粒物吸湿增长和污染加剧;在重污染减弱的过程中,PM2.5浓度减少至每阶段谷值时间比RH减小至谷值时间滞后4—5h。在边界层内有逆温层顶高为200m左右、逆温强度>2.0℃·(100m)^-1的贴地逆温层,层结稳定,垂直扩散条件差。污染物主要来源于秸秆焚烧,其次来源于取暖燃煤。静稳气象条件下本地污染物积累叠加远距离较高浓度的秸秆焚烧污染物输送导致哈尔滨这次重污染过程。

哈尔滨春季一次罕见重度霾天气成因分析

利用气象、环境、卫星遥感监测等资料,从环流形势、气象要素、污染物和污染传输特征等方面对哈尔滨2018年4月4日夜间至5日白天罕见重度霾天气成因进行分析。结果表明,此次重度霾天气首要污染物为PM2.5,污染最重时PM2.5浓度高达507μg/m^(3),秸秆焚烧是污染物的主要来源,既有本地源又有外地源,利用HYSPLIT模型模拟出这次重度霾天气污染传输特征。重度霾时段,近地面风速小,为1.5 m/s左右,最小为0.1 m/s,风向呈弱气旋性辐合、湿度增大有利于形成霾。低层存在较强的贴地逆温,逆温层顶高度约为100 m,逆温强度约为1.5℃/100 m,不利于污染物在垂直方向上扩散。地面均压场和高空弱高压脊、暖锋锋区和暖平流为这次重度霾天气提供了有利的大气环流背景条件。