浙江省台州市森林火灾与气象条件关系分析

本文利用1991-2005年台州市发生的全部森林火灾资料和各县(市、区)当时的逐日气象资料,用MATLAB语言进行平行相关分析、作图,找出影响森林火灾发生的关键气象因子,并得出台州市森林火灾发生的规律,具有显著的亚热带东南沿海地区的气候特点和规律:①随最低气温降低,森林火灾次数概率出现极明显的增加;②最小相对湿度能较好地反映天气的干燥情况,可以作为森林火险等级预报的主要依据之一;③风速、降水、日照等与森林火灾次数、过火面积都没有显著的相关性,在风力较小、有降水、无日照的天气条件下,出现了相当数量的火灾个例,本研究旨在为台州市森林火灾的预防提供理论依据。

仙居县台风暴雨气象服务系统研究

台风暴雨是最主要的自然灾害之一,台风(包括热带风暴)在造成工农业生产重大损失的同时,带来的丰沛降雨也能解除或缓和大范围的旱情。准确、及时的台风预报、警报可以提早采取预防措施,最大限度地减少灾害损失,起到趋利避害的作用。本研究通过收集整理所有台风资料、水文站的降水资料、灾害资料、地质灾害资料,使仙居重要流域面的降水、灾害分布与台风路径、强度直观地表现出来,同时提供选择某些条件进行相似台风查找,为台风暴雨的气象服务提供依据。

气象因子对松树蛀干类害虫引诱剂诱捕效果影响的通径分析

为探索气象因子对蛀干类害虫引诱剂林间诱捕马尾松蛀干类昆虫效果的影响,于2006—2008年蛀干类昆虫活动期,在浙江省仙居县官路镇大北地溪林场应用蛀干类害虫引诱剂诱捕马尾松蛀干类昆虫,对诱捕到的昆虫总数及几种主要昆虫数量与15个气象因子分别进行通径分析和典型相关分析。结果表明:影响昆虫总数诱捕效果的气象因子为观察日前12d内的雨日、20:00的平均低云量、平均水汽压、平均气温、平均总云量、平均最低气温;影响松墨天牛诱捕效果的气象因子为观察日前12d内的平均最高气温、平均气压、平均最低气温、平均水汽压。可见,气温与平均水汽压对蛀干类害虫引诱剂林间诱捕蛀干类昆虫的效果影响较大。

冬春季动量下传引发浙江沿海灾害大风过程分析

对浙江沿海一次灾害性大风过程的成因进行分析,并通过相似个例分析,研究了此类突发大风的共性,提出了浙江冬春季动量下传引起的爆发性大风的基本天气模型。结果表明:深厚的强垂直风切变、显著的垂直速度和高低空温度平流的快速更替是造成本次大风的主要原因;另外,高低空辐合辐散场耦合配合冷空气挟卷,促进强对流云团中下沉负浮力增强,有助于强的动量下传引发突发大风。这类大风的天气模型特征为:在冬春多股冷空气活跃时,强冷中心维持,东北亚中高纬呈“一槽一脊”型,高空槽等压线密集;当高空槽槽快速转竖时,槽底可达30°N及其以南,同时配合中心风速达46 m/s以上的高空急流、强度达26 m/s以上的垂直风切变和显著的高低空温度差动平流。

基于GIS的浙江仙居茶叶气候生态区划

引入了GIS等高新科技和信息技术,采用了间距在10km以内的中尺度气象站资料和半理论半经验的散射辐射资料,使评价单元中的气候生态指标更接近于茶区的实际情况,评价单元的分辨率达20 m×20 m,极大地提高了区划成果在实际生产应用中实用性。结果表明:最适宜种植区主要集中在海拔300～800 m东南方向的括苍山区和西南大洋山区,该区温度适宜、热量充足、雨水充沛,茶叶品质好、产量较高;适宜区主要位于海拔300 m以下的低丘缓坡,热量充足、湿度偏小,产量高,但优质茶产量小,以及位于海拔800～1 000 m的高山地区,该地区热量条件较差,产量低,时有冻害发生;海拔1 000 m以上的高山和山顶,土壤贫瘠、冻害严重,不宜发展。

基于遗传神经网络混合模型预测仙居县马尾松毛虫的发生量

针对BP算法易陷入局部极小、遗传算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的新算法——GA-BP算法。用均生函数法提取前期虫情信息,根据相关系数法和逐步回归法选择与仙居县马尾松毛虫有虫面积、虫口密度、虫株率相关关系密切的延拓均生函数序列和气象因子作为各预测模型的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、虫株率与气象因子的GA-BP混合模型。结果表明:所建立的各GA-BP混合预测模型,具有令人满意的拟合精度和预测精度。当预报因子数为6个时,隐含层神经元个数为13个,3组预留有虫面积的平均预测误差为4.41%;虫口密度GA-BP混合模型的预报因子数为4个时,隐层神经元个数为9个,3组预留样本的平均预测误差为2.17%;虫株率GA-BP混合模型的预报因子数为4个时,隐层神经元个数为9个,3组预留样本的平均预测误差为4.25%。

影响协优914制种的气象因素初探

协优 914具有产量高、米质优、白叶枯病抗性强等特点 ,但制种产量一直没有突破。本文利用 1999年分期播种、定穗观察试验资料 ,得出制约协优

森林火灾与气象因素的关系初探

森林火灾的发生绝大多数是在不利的天气条件下，如烧田坎、上坟等违章用火人为引起的，加强防火宣传、提高全民森林防火意识，在高火险天气有针对性地加强野外火源管理乃是当务之急，也是有效地预防火灾发生，减少森林资源损失的根本途径。

森林火灾与气象因素的关系初探

森林火灾的发生绝大多数是人为引起的 ,特别是在不利的天气条件下 ,烧田坎、上坟等活动用火更易引起火灾。加强防火宣传、提高全民森林防火意识 ,在高火险天气有针对性地加强野外火源管理乃是当务之急 ,也是有效地预防火灾发生 。

2017年8月17日仙居县强降雨天气过程分析

本文基于常规资料等对仙居县2017年8月17日强降雨天气过程的天气概况、环流形势、水汽条件、动力条件和不稳定能量进行分析,以期为暴雨预报服务工作提供参考。

仙居县雷暴大风时空分布及雷达回波特征研究

选取2005-2020年仙居县大风数据等,对仙居县雷暴大风时空分布特征以及雷达回波特征进行分析。结果表明:(1)雷暴大风年际变化明显,呈波动性增长。雷暴大风年站次与自动站总站数之比呈现4~6 a的周期性波动。月际分布呈明显的单峰型,峰值出现在7月,其中以夏季次数最多,春季、秋季次之。日分布高频时段为14-20时,峰值出现在下午。夜间和上午为雷暴大风低频时段;(2)雷暴大风高频区分布在永安溪两侧较为开阔、与南北部的山地存在较明显海拔梯度的河谷地区。峡谷或喇叭口地形,有利于气流的汇流和辐合;(3)雷暴大风过程雷达回波移向以自西向东移动的过程为最多,自西北向东南的过程次之。回波形态上,块状回波发展增强的过程最多;弓状回波次之,但强度普遍更强,影响范围更广。雷达回波进入仙居境内后强度普遍增强或维持,离境后减弱或维持。

森林火灾与气象因素的关系初探

森林火灾的发生绝大多数是在不利的天气条件下，如烧田坎、上坟等违章用火人为引起的，加强防火宣传、提高全民森林防火意识，在高火险天气有针对性地加强野外火源管理乃是当务之急，也是有效地预防火灾发生，减少森林资源损失的根本途径。

山区月平均气温的短序列订正方法研究

山区气象台站稀少,气象哨资料的时间序列较短,一般通过延长气象哨的时间序列来研究山区气候状况.本文以仙居县气象站为基本站,收集9个气象哨的气温资料,采用一元回归订正法和差值订正法对浙江省仙居县内9个气象哨的月平均气温进行订正,并从统计学和订正误差的角度分别对它们进行了比较分析.结果表明:采用一元回归订正法和差值订正法来订正误差无显著性差异,两者均可以用于山区月平均气温的短序列订正.

巴西陆稻在亚热带丘陵山区的生态气候适应性

通过对１９９８ 年巴西陆稻的分期播种试验，不同海拔高度和不同土壤条件下的品种对比试验，结合气象条件进行分析，得出巴西陆稻具有较强的抗旱、耐贫瘠能力，在本地区种植高度以４００～８００ｍ 为宜；分蘖力弱，保证基本苗是提高产量的关键。

基于GIS的台州杨梅气候生态区划

根据杨梅的生物学特性,结合试验研究,筛选出影响杨梅种植的气候生态区划指标,并建立各区划指标与经度、纬度和海拔高度的空间分析模型。借助浙江省1∶25万地形数据、数字高程模型(DEM)和数字化土壤图,采用了近年建立的间距在10km以内的中尺度气象站资料,使评价单元中的气候生态指标更接近于杨梅园的实际情况。评价单元的分辨率达100m×100m,极大地提高了区划成果在实际生产应用中的实用性。最适宜种植区主要集中在中西部的仙居、临海、黄岩、天台等丘陵地带;适宜区主要分布在西部海拔高度为500-800m的半高山区;不适宜区主要在海拔800m以上的高山地区和海岛及其它平原水稻田地区。本研究以期能为台州特色作物的规划和杨梅产业的持续发展提供科学依据。

基于人工神经网络的马尾松毛虫发生量预测模型的研究

运用人工神经网络的原理和方法,根据相关系数法和逐步回归法分别选取与马尾松毛虫有虫面积、虫口密度、虫株率相关关系密切的气象因子作为样本的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、虫株率与气象因子的BP网络模型。结果表明:所建立的各BP模型,具有令人满意的拟合精度和预测精度。当隐含层神经元个数为15个,预报因子数为8个时,2组预留有虫面积的2a平均预测误差为3 15%;虫口密度BP模型的隐层神经元个数为8个,预报因子数为6个时,预留样本的平均预测误差为5 91%;虫株率BP模型的隐层神经元个数为4个,预报因子数为5个时,预留样本的平均预测误差为10 65%。

马尾松毛虫发生量灰色系统模型的建立及其预报

运用灰色系统理论的原理和方法 ,根据相关系数法和逐步回归法 ,分别选取与马尾松毛虫有虫面积、虫口密度、有虫株率相关关系密切的气象因子作为样本的因子变量 ,分别建立马尾松毛虫有虫面积、虫口密度、有虫株率与气象因子的灰色系统预测模型。结果表明 :所建立的各预测模型具有令人满意的预测效果。有虫面积模型预报因子数为 8个时 ,预留样本的平均预测误差为 7.4 7% ;虫口密度模型预报因子数为 6个时 ,预留样本的第 1年预测不准 ,第 2年的预测误差为 2 .2 1% ;有虫株率模型预报因子数为 5个时 ,预留样本的平均预测误差为 3.6 0 %。总预测成功率为 83.33%。

应用人工神经网络预测马尾松毛虫的有虫面积

运用人工神经网络的原理和方法,选取与马尾松毛虫发生量相关关系密切的8个气象因子作为样本的输入特征,建立马尾松毛虫有虫面积与气象因子的BP网络模型,结果表明:所建立的BP模型,具有令人满意的拟合精度和预测精度。当隐含层神经元个数为15个,输入因子数为8个时,18组有虫面积的平均拟合精度为1000％,相关系数为1.0000,2组预留有虫面积的平均预测精度为96.85％,预测准确率为100％。

秋季低温对杂交稻结实率的影响

通过对１９９７年秋季低温对杂交稻影响的分析，得出秋季低温对杂交稻空壳率影响有３个时段：（１）孕穗时的低温敏感期；（２）花粉发育时的危害低温叠加效应期；（３）开花受精的高温满足期。并利用这３个时段的气象指标对当地主栽品种和引进试种品种进行比较分析。