1969—2017年拉萨强降水日数变化特征

根据1969—2017年拉萨站汛期(5—9月)地面和探空观测资料,通过统计诊断方法分析了强降水日数的气候变化特征,并探讨了强降水日数和其他气象要素之间的相互关系。结果表明:(1)拉萨近49a强降水日数存在显著增多趋势(增多率为0.6d/10a),其中在1989年出现了显著的气候突变,普遍存在3a的周期震荡;(2)强降水日数与大气整层水汽含量呈现正相关关系,与两个时次(08:00和20:00)(北京时,下同)大气水汽含量的相关系数分别达到了0.42和0.41,均通过了0.01的显著水平,强降水日数与K指数也呈现正相关关系,其中与20:00K指数之间的相关系数高于08:00且通过了0.05的显著水平;(3)强降水日数与日最低气温呈现显著的正相关关系(相关系数为0.27),与气温日较差呈现显著的负相关关系(相关系数为-0.34),与地面最高气温相关性不明显。

浅析西藏阿里南部3次降雪环流形势及预报经验

利用NCEP可再分析资料对2013年初阿里地区三次降雪过程进行对比分析,结果表明:500hPa南支槽强度和850hpa上印度中西部水汽含量是决定阿里地区南部降雪量的关键性因素。

阿里地区近30年气温与降水变化特征分析

利用阿里地区三个有人值守的气象站1984—2013年的气象资料,包括平均气温和最高、最低气温以及年、季降水,结合当地的实际情况,采用统计和一元线性回归的方法,分析了近30年该地区的气温、降水变化特征。

智能网格预报在拉萨的性能检验和应用技术研究

利用2017~2020年拉萨8个站点的气温、降水实况与智能网格预报和传统基于主观落区的本地站点预报作对比检验分析,结果表明:3年来智能网格降水预报晴雨(雪)准确率呈现上升趋势(其中2020年降水预报准确率已超过本地预报),且西侧格点值的准确率高于东侧格点值;智能网格对于气温预报其准确率最低温度高于最高温度,不同格点准确率排序依次为西南角>东南角>东北角>西北角。

西藏拉萨市供暖季天然气日负荷预测模型研究

利用2018—2019年拉萨市天然气逐日燃气负荷数据以及同期气象要素数据,研究了燃气负荷的季节变化规律及其与气象因子的相关性,并基于多元回归模型与神经网络方法建立了燃气负荷预测模型。结果发现:拉萨市燃气负荷呈现显著的单峰型变化特征,供暖季(10月至次年3月)的燃气日负荷较其它月份显著增多,12月达到峰值,次年4月开始逐渐减少。农历春节和藏历新年的燃气日负荷具有一定的波动性。平均气温、平均气压和平均风速与燃气负荷呈显著的负相关,其中平均气温与燃气日负荷的相关性最高,其次是最低气温和最高气温。选取平均气温、平均气压、平均风速和平均相对湿度以及假日系数6个因子,采用多元线性回归模型和神经网络两种方法建立了拉萨市供暖季燃气日负荷的预测模型。对比分析发现,两种模型对拉萨市燃气日负荷均有较好的预测效果,基于神经网络方法的预测模型更优异。

2018年9月拉萨城区一次强对流天气诊断分析

文章针对2018年9月13日拉萨城区出现的强对流天气过程,利用Micaps常规观测数据和区域站观测数据,运用天气学诊断方法,对此次天气过程的环流背景、云图演变、云顶亮温变化以及气象要素变化等方面进行分析。结果表明:高原切变线在东移的过程中,受副高西伸北抬使得冷暖空气正好交汇在该市造成了此次强降水天气。从云图和TBB演变来看,对流云团主要从高原南部自西南向东北移动过程中影响,要素特征非常明显;从气象要素变化来看,前期的持续高温天气为此次城区强对流天气储备了充足的热量,气压呈明显的逐渐降低的趋势,湿度呈逐渐升高的特征,同时在风速变化上的特征更加确定了此次强对流天气时城区出现了6左右阵性大风。各个气象要素的显著变化都符合了强对流天气发生的特征。

2012年4～7月阿里地区干旱特征研究

文章基于NCEP/NCAR资料,采用自然正交经验(EOF)方法,提取2012年4月～7月北半球500hPa位势高度场,得出其最主要的模态及其时间序列。再利用Morlet小波变换方法对其第一模态时间序列进行小波分析,得出主要影响阿里地区4～7月的大气波动的时间尺度,可分为三个波段(20～30D,30～50D,50～80D),其中,50～80D时间尺度的方差供献值较大。最后利用Butterworth带通滤波器提取出大气中50～80D的波动,得出了主要影响此次干旱过程50～80D的时间尺度波动的振荡信息。主要得出以下结论:影响阿里地区干旱的大气波动以50～80D振荡为主,30～50D和20～30D的波动为辅,在阿里地区表现明显,其次各自又能很好的反映出自身的周期波动。

拉萨市区PM_(10)时空变化特征及其与气象条件关系

利用2016-2018年拉萨市区6个环境监测站点逐日PM_(10)质量浓度数据,分析了拉萨市区PM_(10)时空分布特征。结果表明:2016-2018年拉萨市区PM_(10)质量浓度整体基本在一至二级标准;空间上呈远郊>城区>近郊的分布特点,且各圈层均呈冬春季高、夏秋季低的"U"型分布特征。PM_(10)质量浓度主要受温度、降水、湿度、风、气压和日照等气象要素的影响。其中,汛期(4-9月)受湿度和降水的影响较显著,非汛期(10-3月)受风速的影响较显著。选取相关性较好的6个气象因子,建立了拉萨PM_(10)多元回归方程预报,结果显示预报效果良好。