基于加密雨量站资料的邯郸市夏季短时强降水精细化特征分析

利用邯郸市257个加密雨量站2016—2021年夏季逐时降水资料,基于排序法确定短时强降水(雨强大于20.0 mm/h)的阈值,分析邯郸市夏季短时强降水时空分布特征。结果表明:邯郸市夏季短时强降水站均出现16.3次,山区站均出现17.5次,平原地区站均出现15.6次,短时强降水集中发生在7月中旬至8月中旬;雨强大值区出现在山区中南部及平原地区的北部、西南部区域,平原地区雨强极值为125.2 mm/h(鸡泽县风正乡),山区为123.1 mm/h(磁县陶泉乡);小时雨强的50%、75%、95%、99%、99.5%分位数对应的降水量分别为27.8、36.1、56.5、80.4、94.9 mm;全市短时强降水站均次数的日内变化呈“双峰型”特征,高峰时段在17:00-21:00时,次高峰时段在5:00—9:00时;单站发生短时强降水的概率最高。

基于小时数据的西安市汛期降水的精细化特征分析

利用西安市91个国家站和区域自动站2016—2021年5—10月小时降水数据,分析了西安市汛期降水变化特征和短时强降水时空分布特征。结果表明:(1)降水量、降水频次空间分布主要表现为东、西两头高,中间从南到北递减的特征,降水强度则呈现几乎相反的分布特征;西安市8月降水强度最大,9月降水量和降水频次最大。(2)降水量、降水频次呈现出清晨至上午的单峰型峰值位相日变化特征;降水强度表现为夜间和清晨的双峰型峰值位相日变化特征;降水量峰值与降水频次相关度更高。(3)临潼、西安市主城区、鄠邑、周至具有较一致的降水量和降水频次峰值位相,降水量峰值主要来自降水频次的贡献;阎良、高陵降水量和雨强的峰值位相一致,降水量峰值主要来自雨强的贡献;位于北部区域的阎良、高陵、临潼的站点雨强峰值位相基本出现在夜间到凌晨,数量明显多于南部区县。(4)蓝田、临潼东部、鄠邑等地短时强降水偏多,周至、长安、西安市主城区、高陵、阎良短时强降水偏少;西安市短时强降水主要出现在7—8月,其中又以7月下旬至8月上旬为最多;14:00至22:00、05:00至06:00是短时强降水发生的活跃时段,其中20:00—22:00、06:00是短时强降水高发时段,最大雨强达到97.8 mm/h。

云南台风降雨精细化特征及其对农业生产的影响

利用2012—2021年影响云南省的台风降雨资料以及登录信息,研究台风降雨精细化特征及其对农业生产的影响。结果表明,每年均有2~4个西行台风影响云南省,其中7—8月为高集中期;小时雨强80%以上在中雨及以下,暴雨以上占比较小,大暴雨和特大暴雨发生为极小概率事件,小时雨强不强,无明显小时暴雨特征;72 h累积降雨50.0 mm以下居多,仅2个台风有20%以上站次超过100.0 mm,1个台风超过150.0 mm;降雨持续时间长,平均超过10 h,5个超30 h。台风降雨对云南省农业生产利弊兼存,台风降雨满足作物生长的水分需求,缓解前期的气象干旱,但局地强降水会造成暴雨洪涝灾害,10—11月台风降雨对成熟期作物的成熟收晒有不利影响。

基于小时降水资料研究北京地区降水的精细化特征

根据北京全区2007~2014年117个自动气象站逐小时降水资料,在揭示降水总体时空特征的基础上,进一步研究了北京地区各季(以春、夏、秋为主)降水的精细化特征。研究发现:北京全区年均降水量存在两个高值中心(城区和下风方向的降水高值中心),城市热岛效应可能是城区高值中心形成的重要影响因素之一;北京全区降水的季节分布不均,日分布也不均匀;城市化对北京地区降水的影响具有季节差异,夏季短历时和中历时降水在城区和东北部存在显著的大值区,受到城市热岛效应的影响可能较为明显,长历时降水在城区反而相对偏低,而春季城区短、中历时降水并未偏多,长历时降水却在城区出现明显的高值中心;降水日变化季节差异明显,春、秋两季呈现双峰型变化,而夏季呈现单峰型变化,该日变化的特征与全区降水的空间分布格局关系紧密。

连年干旱背景下洱海流域降水的精细化特征

利用2010-2015年洱海流域22个自动气象站资料,分析了连年干旱背景下洱海流域降水的精细化时空分布特征。结果显示,(1)洱海流域降水在时间上分布不均匀,年内降水主要集中于夏、秋两季,而且夜雨特征明显;日内降水量、降水强度和降水小时数分别在06:00(北京时,下同),04:00和06:00出现峰值,分别在13:00,23:00和11:00出现谷值;长历时降水事件对累计降水量的贡献率最大,中历时的贡献率次之,短历时的贡献率最小。(2)在空间上分布差异比较显著,洱海湖区年均降水量西部多东部少,沿着点苍山山脚一线,春、夏、秋、冬四季和全年的降水量、降水小时数以及不同量级的降雨日数均偏多,一般在银桥镇双阳出现大值中心,此大值区域处于盛行风(东风)、次盛行风(东东南风)的上风向和第三盛行风(西西北风)的下风向。(3)洱海流域降水分布与低纬高原季风气候、洱海流域复杂地形以及盛行风效应等因素紧密联系。

基于区域自动站数据的兰州地区降水精细化特征

基于2012—2019年兰州地区146个区域自动气象站小时降水数据,从不同时间尺度分析兰州地区近8 a降水精细化特征。结论如下:(1)2012—2019年,兰州地区年均降水量总体呈"北少南多、外多内少"的空间分布特征;年降水量具有明显的年际变化,2018年降水异常偏多46%,而2015、2017年降水异常偏少,尤其2015年偏少30%。(2)兰州地区降水主要集中在7—8月,受环流形势影响,7—8月南部降水明显多于北部,其余月份南北降水差异不明显。(3)兰州地区降水量和降水范围分别表现为"朝少夕多"、"夜大日小"的日变化特征;受海拔高度影响,城区降水量总体比山区小,且因热岛效应,城区降水主要集中在午后至傍晚前后,多为对流性降水,而山区降水日分布较为均匀,整体日波动较小。(4)安宁区短时强降水发生频次最高,但短时强降水频发的站点出现在皋兰县六合站和永登县徐家磨村站,永登县是兰州地区短时强降水预报需重点关注的地区。

新疆夏季暴雨精细化特征分析

使用2013—2019年901个自动气象站逐小时降水资料,分析了新疆夏季暴雨的精细化特征,得到以下结论:新疆的暴雨日数总体呈北疆多,南疆少,山区多,平原少的特征;除天山山区中段外,南疆东南部昆仑山北坡的部分区域也是新疆暴雨高发区。7月(8月)新疆暴雨日数最多(少),短时强降水事件在暴雨中出现的比例也最高(低),以局地对流性暴雨(区域系统性暴雨)为主。新疆75.3%的站点在暴雨日中都出现过短时强降水事件,短时强降水事件在年平均暴雨日数不足1天的区域高发,在暴雨日数较多的区域出现的比例反而较低。短时强降水事件在暴雨日中出现的比例还随海拔高度的降低而增加,海拔低于500 m的站点在暴雨日中出现短时强降水事件的比例超过85%。北疆博尔塔拉州、克拉玛依市、塔城地区北部、阿勒泰地区西部暴雨的“日雨”特征显著,暴雨日的平均降水时数短,短时强降水事件的发生比例高,区域平均的累计降水量、降水频次和平均降水强度的峰值时段均出现在下午至傍晚前后,以对流性暴雨为主;伊犁河谷至北疆沿天山一带和天山山区暴雨日的平均降水时数长,短时强降水事件的发生比例低,累计降水量和降水频次的峰值时段出现在夜间至上午;平均降水强度的峰值出现在傍晚至前半夜,以系统性暴雨为主;南疆暴雨的日变化特征比北疆复杂,暴雨的降水性质也更为复杂。

2020年新疆南部区域干热风精细化特征分析

利用2020年5—7月中国气象局陆面数据同化系统(CLDAS)的5 km×5 km小时再分析数据,结合2020年新疆南部小麦种植区的作物发育期资料,细化了基于小时气象要素的干热风定义,整理出区域内每个格点精确到小时的干热风数据,分析了新疆南部区域的轻、中、重度高温低湿型和旱风型干热风精细化特征。结果表明:(1)新疆南部区域的轻、中、重度高温低湿型和旱风型干热风的格点平均日数分别为31.0 d、13.8 d、10.7 d和3.6 d;格点平均小时数分别为151.2 h、54.6 h、41.2 h和11.3 h。若羌、哈密和吐鲁番盆地是干热风日数、小时数和干热风综合强度等指标高值区。(2)区域高温低湿型干热风平均时数≥6.5 h的高发日集中在6月下旬、7月上旬和中旬。区域旱风型干热风平均时数≥4.0 h高发日主要出现在5月、6月中旬和7月上旬。在每天的18:00高温低湿型干热风落区面积最大,19:00旱风型干热风落区面积最大。(3)新疆南部区域,轻、中、重度高温低湿型和旱风型干热风过程平均次数分别为12.7次、7.9次、5.7次和2.5次,干热风过程最长持续日数平均值分别为8.4 d、3.5 d、2.7 d和1.2 d。该区域的干热风范围广、过程次数多、过程持续日数长,干热风防御需引起足够重视。

南疆夏季不同类型暴雨精细化特征对比分析

南疆暴雨是小概率事件,其预报预警的难度较大。南疆一些暴雨过程的历时短,降水强度大,并伴有短时强降水事件(即"短时强降水暴雨");而另一些暴雨过程的降水时间相对较长,未伴有短时强降水事件(即"非短时强降水暴雨")。为探究南疆上述两类暴雨的差异,利用2013-2019年426个自动气象站逐小时降水资料,对比分析了南疆夏季短时强降水暴雨和非短时强降水暴雨的差异,结果表明:(1)南疆夏季以短时强降水暴雨为主,超过70%的站点在暴雨日中出现过短时强降水事件;短时强降水暴雨主要发生在7月,该月约95%的暴雨日中都出现过短时强降水事件。(2)南疆海拔在2000~2500 m的站点出现暴雨的比例最高,海拔低于1000 m的站点最低。南疆短时强降水暴雨主要发生在海拔低于2000 m的区域,非短时强降水暴雨则主要发生在海拔高于2000 m的区域,上述两类暴雨均具有明显的夜雨特征。(3)南疆总暴雨与短时强降水暴雨的累计降水量、降水频次和平均降水强度的日变化特征相似,二者与非短时强降水暴雨的差异较大。非短时强降水暴雨的累计降水量、降水频次和平均降水强度的峰值时段均出现在上午;短时强降水暴雨的累计降水量和平均降水强度的峰值时段出现在傍晚前后和前半夜,累计降水频次的峰值时段则主要出现在后半夜至清晨,短时强降水暴雨的降水强度与累计降水量的关系比降水频次更密切。南疆短时强降水暴雨和非短时强降水暴雨的观测特征存在显著差异,二者的降水形成机制也不相同。

冷湖赛什腾山天文台址降水精细化特征分析

根据2020年6月至2022年5月连续两年赛什腾山天文台和冷湖国家气象站气象观测数据,详细对比分析了降水量的精细化特征。结果表明:(1)赛什腾山天文台由于地形抬升使得水汽凝结,形成了较多的降水,年降水量为103.6 mm,降水日数达到50 d,远多于冷湖国家气象站,且昼间降水量大于夜间;(2)赛什腾山天文台各时次均有可能发生降水,但主要集中于6:00~18:00,较强的降水容易导致山体和地表冲刷,有造成地质灾害可能性;(3)赛什腾山天文台夏季以小到中雨量级降水为主,冬季则可发生大到暴雪过程,对天文观测的影响不大,但仍需注意大到暴雪的影响。

基于特征重聚焦和精细化的遥感显著性目标检测

为了提升网络对特征的表征,提出一种基于特征重聚焦和精细化的光学遥感显著目标检测算法。利用相邻层特征交互捕获上下文语义互补信息,并通过膨胀卷积调节感受野提取信息的范围,完成初次特征聚焦。再将注意机制作用于深层特征,组成位置引导模块,增强对显著性特征的关注,完成特征重聚焦。最后,通过浅层特征获得显著特征注意图和反注意图,引导网络进一步挖掘高置信度显著区域和低置信度背景区域的信息,精细化优化后的特征。采用EORSSD和ORSSD 2个公开数据集进行实验与评估,以证明算法的有效性。

基于大涡模拟的小区气候态精细化风环境模拟试验

对具有复杂下垫面的小区精细化风环境进行数值模拟是当前城市气象研究的热点,而针对具有复杂地形的山地型城市(如重庆)的研究还比较匮乏。本文采用能显式分辨下垫面陡峭地形和复杂建筑物的计算流体力学(CFD)模式对重庆市渝北区龙湖社区气候态下的精细化风环境进行高分辨率的数值模拟。结果表明,下垫面能显著调节小区内风场的分布,风速大值区主要出现在九龙湖等开阔区域以及与中尺度背景入流方向一致的街道中。在夏季,小区整体风场以东南风为主,而其他3个季节则以偏东风为主。4个季节中,夏季小区内的风速最大,平均风速为0.3 m/s左右,局地能出现大于背景风的风速,可达0.8 m/s;其他3个季节的风速则较弱,区域平均的风速在0.2 m/s左右。不同的建筑物布局对局地风环境的影响也不同:单个孤立高层建筑迎风面的近地面存在明显地绕流,局地风速有所增加,而在背风面则形成尾流区,水平风速较低;在低矮分散的建筑群,建筑物的整体高度不高,区域内流场相对来说比较一致,风速较大,有利于小区的通风;在密集高层建筑群内,由于建筑物群本身的布局比较封闭,加之不同建筑物的环流场存在相互干扰及影响,使得小区近地面风速几乎为零,不利于小区通风和污染物扩散。建筑物的这些影响在城市冠层内尤为明显,高度越高这种影响越弱。

“十四运”关键场馆气象要素特征及客观预报检验

气象要素特征的定点精细化分析和预报评估对重大体育赛事气象保障有重要意义。利用国家气象信息中心三源融合降水分析产品和欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)ERA5再分析资料,分析第十四届全国运动会(简称“十四运”)西安、延安、安康关键场馆的气象要素特征,并检验ECMWF、中国气象局中尺度数值预报系统(China Meteorologi⁃cal Administration Mesoscale Model,CMA-MESO)预报产品和国家气象中心网格指导预报产品(SCMOC)对3个关键场馆降水、气温和风的预报表现。主要结论如下:(1)十四运历史同期3个关键场馆发生降水的概率较高,开、闭幕日举行地西安场馆历史上出现降水的概率分别为46%和44%,平均降水量分别为24.6、9.8 mm,且降水量和降水概率峰值多出现在午后至傍晚。(2)十四运历史同期3个场馆夜间气温相对较低,白天快速升温,日平均气温大多为12~18℃,适宜赛事活动;3个场馆盛行偏东风或偏南风,西安、安康场馆风速小,适宜赛事活动,而延安场馆出现4级以上风的频次较高,对赛事有不利影响。(3)整体而言,十四运历史同期SCMOC在3个场馆的晴雨预报准确率最高,但降水频次预报较实况明显偏低,有漏报的风险;SCMOC对阻塞型和两槽一脊型降水过程的晴雨预报有明显优势,而ECMWF对低涡底部型降水过程预报表现较好,且TS值最稳定。ECMWF的气温预报准确率优于SCMOC和CMA-MESO,而SCMOC的风速预报具有绝对优势。(4)十四运期间3种产品的预报性能差异与历史同期基本一致,但整体预报评分高于历史同期。

通过细粒度的语义特征与Transformer丰富图像描述

传统的图像描述模型通常基于使用卷积神经网络(Convolutional Neural Network, CNN)和循环神经网络(Recurrent Neural Network, RNN)的编码器-解码器结构,面临着遗失大量图像细节信息以及训练时间成本过高的问题.提出了一个新颖的模型,该模型包含紧凑的双线性编码器(Compact Bilinear Encoder)和紧凑的多模态解码器(Compact Multi-modal Decoder),可通过细粒度的区域目标实体特征来改善图像描述.在编码器中,紧凑的双线性池化(Compact Bilinear Pooling, CBP)用于编码细粒度的语义图像区域特征,该模块使用多层Transformer编码图像全局语义特征,并将所有编码的特征通过门结构融合在一起,作为图像的整体编码特征.在解码器中,从细粒度的区域目标实体特征和目标实体类别特征中提取多模态特征,并将其与整体编码后的特征融合用于解码语义信息生成描述.该模型在Microsoft COCO公开数据集上进行了广泛的实验,实验结果显示,与现有的模型相比,该模型取得了更好的图像描述效果.

跨模态行人再识别的协同学习方法

跨模态行人再识别是实现全天候智能视频监控系统的一项关键技术。该技术旨在匹配某一特定身份行人在不重叠摄像头场景下的可见光图像和红外图像,因而面临着巨大的类内变化和模态差异。现有方法难以较好地解决这两大困难,很大程度上是由于欠缺了对特征判别能力的有效挖掘和对多源异质信息的充分利用。鉴于以上不足,使用协同学习方法设计了一个精细化多源特征协同网络,提取多种互补性特征进行信息融合,以提升网络的学习能力。从骨干卷积网络中提取多尺度和多层次特征,实现精细化特征协同学习,以增强特征的判别能力来应对类内变化。设计了模态共有与特有特征协同模块和跨模态人体语义自监督模块,达到多源特征协同学习的目的,以提高多源异质图像信息的利用率,进而解决模态差异。在SYSU-MM01和RegDB数据集上验证了该方法的有效性和先进性。