江淮入梅异常的强信号及其对入梅的影响

江淮入梅具有显著的年际变化特征。利用NCEP/NCAR再分析数据集以及NOAA提供的全球射出长波辐射(OLR)和扩展重建海温(ERSST)等资料,采用相关分析和合成分析等方法研究了江淮入梅异常的前兆强信号,并初步分析了其影响入梅的可能机制。结果表明,ENSO事件是影响江淮入梅早晚较强的前兆信号。前期冬春季出现ENSO暖位相时有利于入梅开始偏晚,ENSO冷位相出现时入梅往往偏早。前期冬季2月和春季Nino4区的海温异常能较好地预测入梅早晚,具有短期气候预测的指示意义和实用性。ENSO暖位相年,亚澳"大陆桥"、菲律宾、西太平洋暖池以及印度半岛附近对流偏弱,不利于西太平洋副热带高压北跳和印度夏季风爆发,东亚地区大气环流季节转换偏晚,入梅因而偏晚;ENSO冷位相年情况则相反。

华北地区干旱的气候背景及其前兆强信号

将华北地区春、夏季出现异常干旱和多雨典型年份的 5 0 0hPa高度和北太平洋海温的距平进行合成 ,讨论了干旱期和多雨期大气环流和海洋变化的气候背景特征。结果表明 ,华北地区的干旱期和多雨期间的大气环流和海温变化存在趋势性差异。以 3个特旱年为例 ,使用信噪比的方法识别发生特别干旱的前期大气、海洋的强信号。虽然 3个特旱年的前期大气和海洋表现出的强信号的位置和强度并不完全一致 ,但是乌拉尔山脉附近和贝加尔湖附近高度的异常变化及黑潮、暖池及Nino

遵义地区降水型滑坡和泥石流前兆强信号研究

该文针对贵州省68个土壤湿度站和降水资料做相关性分析,结果表明土壤湿度与降水的相关性体现在集中降水的同步对应关系和持续性降水的滞后相关关系上,土壤湿度与前期降水的正相关关系随前期降水日数的累积而增加,且在4~6 d左右达到稳定。基于遵义地区28例降水型滑坡泥石流灾害个例,分型讨论了土壤湿度增量的垂直分布和水平分布特征,说明在引入模型时应该主要考虑表层(10~20 cm)的土壤湿度的变量累计,根据降水类型的不同需要分型讨论变量引入模型的统计时段。在以上研究基础上,建立了能够同时反映降水和土壤湿度中短期变化特征的降水型滑坡泥石流前兆“强信号”指标模型。模型分集中降水型和分散降水型两种情况,并包括降水变量和土壤湿度变量两项,分散型模型的统计时段为灾害日前两日内,集中型模型的统计时段为灾害日前6日内,权重系数是根据研究地区的降水类型、土壤类型和田间持水量等相关因素的配置综合考虑和调整后确定的经验系数。对遵义地区23个个例建立模型并检验的结果较好。