海南岛冬季瓜菜寒害气象指标及发生规律研究

利用海南岛18个气象站的1971—2020年冬季(12月至翌年2月)气象数据和灾情资料,构建考虑阴雨寡照影响、能量化寒害过程影响程度且具备生物学特征的冬季瓜菜寒害气象指标。在此基础上结合Mann-Kendall趋势检验法和ArcGIS技术,得出海南岛冬季瓜菜寒害时空变化规律。结果表明:冬季各月及各月轻至重度瓜菜寒害发生概率较高的地区主要分布在海南岛西北部和中部,出现概率较低的地区主要分布在西部、南部、东部沿海一带。冬季各月瓜菜寒害均主要以轻、中度等级为主,二者占比高达88.3%。3个月中,1月瓜菜寒害发生次数最多(占比达48.6%),瓜菜轻至重度寒害亦均在1月出现最多(占比分别为50.2%、43.4%和40.2%)。近50年海南岛冬季各月瓜菜寒害年发生次数不显著减少的站点占多数(占比分别为83.3%、94.4%和72.2%),各月不同等级瓜菜寒害中除2月重度瓜菜寒害年发生次数呈增加趋势的站点较多(占比38.9%)外,其余等级瓜菜寒害年发生次数不显著减少的站点亦占多数(占比61.1%~88.9%)。冬季各月不同等级瓜菜寒害的影响范围均按寒害轻至重顺序明显缩小。3个月之间相比,12月和2月瓜菜寒害影响范围接近且明显小于1月,轻度和中度寒害影响范围月之间亦表现出类似规律,重度寒害影响范围12月和1月接近且明显大于2月。近50年海南岛冬季各月及各月所有等级瓜菜寒害影响范围均在缩小。总体而言,近50年海南岛冬季瓜菜寒害年发生次数减少、影响范围缩小,对海南岛冬季瓜菜种植有利。但2月东、中、西部地区瓜菜重度寒害年发生次数在增加,需加以关注。

海南岛气象灾害预警信号时空分布特征

选取2019年1月1日—2022年12月31日海南岛18个市县发布的气象灾害预警信号作为研究对象,分析海南岛气象灾害预警信号发布的时空分布特征,结果表明:海南岛气象灾害预警信号发布次数有逐年增加趋势,发布最频繁的6类灾害性天气预警信号依次为雷电、雷雨大风、高温、暴雨、台风和大雾。暴雨红色预警信号占所有红色预警信号的80.1%;不同类型气象灾害预警信号发布在月尺度、日变化上都有明显差异;在空间分布上,暴雨预警信号发布主要集中在北部、东部地区,台风预警信号发布主要在东部地区,大风预警信号发布主要集中在东部和西部地区,寒冷预警信号发布主要集中在北部、西部和中部山区,高温预警信号发布主要集中在西北地区,大雾预警信号发布主要集中在北部的定安和澄迈县、中西部的琼中、白沙县。

海南气象灾害预警信号有效性评价系统设计与实现

气象灾害预警信号是各地气象台站发布的重要气象信息,在防御和减轻气象灾害影响中发挥重要作用,开展预警信号评价是提升预警信号发布的质量,提高气象服务水平的关键所在。为科学评价预警信号发布的有效性,本文根据海南预警信号发布标准和有效性评价办法,采用C/S架构,以SQL Server数据库、VS.net C#语言,开发设计基于面向对象的技术方法、UML语言抽象描述的海南气象灾害预警信号有效性评价系统,实现对预警信号发布有效性的快速定量化评价,为进一步提升气象灾害预警信号发布的现代化水平和服务效益提供技术支撑。系统可为预警业务管理部门和预报预警发布人员提供快捷方便的技术支撑,有效提升气象预警业务的现代化水平。

2008—2017年登陆海南岛台风引发陆地及其近海闪电特征分析

利用2008—2017年海南闪电定位监测网资料,统计登陆海南岛的台风,分析其引发的闪电活动特征,探讨海南岛岛上和近海台风闪电活动时空分布特征及其与台风强度和路径突变的关系,并对比台风登陆前后闪电活动变化。结果表明:南海夏季风与登陆海南台风闪电活动关系密切,冷空气活动越强闪电活动越弱,海温越强闪电活动越强。登陆台风闪电活动在夏季偏强,秋季逐渐减弱,春季最弱。闪电活动空间分布为台风中心的西北象限最多,东北象限其次,东南象限最少;台风中心北部多于南部,而北部中又以西北部多于东北部,东南部最少。闪电活动总体为台风移动方向左侧多于右侧,左侧中以左后方明显偏多。大部分台风中心在海上时的平均闪电频次大于陆地,少部分台风在登陆和出海阶段伴随闪电的爆发,部分台风登陆前后会产生闪电活动空间分布转换。登陆海南岛台风引发的在陆地及其近海的闪电活动强度与台风强度间无明显相关关系,闪电的爆发对台风登陆前的强度持续增强或维持有一定的指示作用。

海南岛近20年植被覆盖时空变化特征及其对气候的响应研究

基于2001-2020年海南岛MODIS NDVI数据及18个市县气温、降水数据,采用Mann-Kendall突变检验、一元线性拟合、相关分析等方法,研究了海南岛近20年植被覆盖时空变化特征及其对气候的响应。结果表明:海南岛县(市)域2001-2020年平均NDVI最大值位于白沙,最小值位于海口,各地区域NDVI值以增长趋势为主,全岛平均NDVI增长趋势在2012年前后发生突变,而后增长速度明显加快。季节平均NDVI值以琼中、五指山、白沙的较高,海口、文昌、东方的较低,全岛平均NDVI值夏季的最高;近20年来各季节NDVI值呈增长趋势,冬季的增幅最大,秋季的增幅最小。全岛月NDVI值8月的最大,2月的最小;近20年来各月NDVI值都呈增长趋势,12月的增长趋势最大,11月的最小。全岛平均NDVI的年际变化主要受气温的影响,与降水无显著相关;全岛平均NDVI的月际变化同时受气温和降水的影响,且气温的影响更为显著,NDVI值对前1个月气温的响应最强,与当月降水的相关性最高,大多数地区NDVI值与前1个月气温、当前月降水呈显著正相关。

基于区域自动气象站的海南岛暴雨气候特征分析

基于2011―2020年海南岛18个国家气象观测站和300个区域自动气象站的逐日降水资料,对区域站不同等级暴雨的时空分布特征进行了分析,并与国家站进行若干对比。结果表明:(1)区域站的降水量与国家站均呈正相关关系,并通过α=0.01显著性检验,区域站各等级暴雨主要发生在汛期5―10月,发生频率占全年的85.3%~89.1%;各等级暴雨频率均为双峰型分布,其中暴雨和大暴雨的主峰月出现在10月,特大暴雨在8月,次峰月分别出现在8、7和4月。(2)区域站各等级暴雨均以局地为主,占各等级暴雨总数的88.4%~90.0%,小范围各等级暴雨占9.4%~10.2%,区域性以上各等级暴雨极少发生;不同范围的暴雨、大暴雨主要发生在汛期,特大暴雨只在7―11月的局地或小范围出现。(3)区域站一年四季均有持续1 d的暴雨和大暴雨发生,持续3 d的特大暴雨及持续3 d以上的大暴雨和特大暴雨全年未出现过。(4)区域站汛期各月各等级暴雨日数和日最大降水量均具有不同的空间分布特征,其中暴雨和大暴雨日数次多和最多的9、10月,基本表现为东多西少的分布;特大暴雨在8月范围最大,主要出现在西北部地区。(5)区域站在时间和空间上均能观测到更多、更强的极端强降水。

海南岛土地覆盖变化对海风锋结构演变影响的数值模拟

本文利用WRF-Noah陆气耦合中尺度模式,针对海南岛一次典型的海风锋事件进行了高分辨率的数值模拟,研究了海南岛土地覆盖(下垫面)变化对海风锋结构演变的影响及其机制。结果表明,海南岛土地覆盖变化对海风锋的作用是通过多种地表和植被属性的综合影响决定的。森林化试验中动力和热力作用分别抑制和促进海风锋的发展,对海风锋的影响是两者共同作用的结果;反照率的减小引起净辐射的增大,从而使感热通量小幅增加,使低层大气增温而增加海陆温度梯度,这在一定程度上增强了海风驱动力,但地表粗糙度的增大减弱了海风风速,进一步减弱了海风锋传播距离和上升速度。然而,由于海南岛森林覆盖面积较大,导致森林化试验与控制试验中海风锋的整体差异较小。相比之下,荒漠化试验中热力和动力作用均有利于海风锋的发展;反照率的增大和叶面积指数的降低,改变了地表能量分配,造成潜热通量显著减小,感热通量先减少后增大,对低层大气的增温效应非常明显,从而加大了海陆温度梯度。另一方面,地表粗糙度显著减小,下垫面对海风的阻挡作用减弱,海风风速增大。因此,荒漠化试验海风锋传播距离、上升速度以及海风厚度都显著增大。

海南岛沿海城镇化对海风锋推进影响的数值模拟

本文利用中尺度模式WRF-ARW(Weather Research and Forecasting Model-Advanced Research WRF)(Version 4.0)对海南岛不同天气条件下的典型海风锋个例进行了高分辨率数值模拟,通过设计局地城镇化的敏感性试验,重点分析了海南岛沿海城镇化对海风锋推进的影响及其可能机制。研究结果表明:海南岛沿海城镇化造成的海风锋结构差异是热力作用和动力作用共同影响的结果;城镇下垫面的摩擦效应与城市热岛的增强阻碍海风向内陆推进,减弱了海风锋途经地区的降温增湿效应,造成海风锋位置相对滞后;而城镇化所引起的高海陆热力差异增强了海风风速及海风辐合,同时导致海风锋前的垂直上升气流和海风环流厚度也明显增强。海风锋发展不同时期,城镇化对海风锋的推进影响有所不同。海风锋发展初期,海陆热力差异引起的推动作用与摩擦效应的阻碍作用相抵消,导致海风锋的推进无明显影响;海风锋发展强盛阶段,城镇化条件下内陆城市与非城市之间的热力差异有所增强,阻碍了海风锋向内陆推进,导致海风锋内陆渗透距离减小。不同天气条件下城市化对海风锋推进的影响有所不同,相比于晴空天气,多云天气下城市与非城市的热力差异稍强,加强了城市热岛效应对海风推进的阻碍作用,导致海风锋滞后距离稍远。此外,当土地利用类型更换为城镇后,净辐射与陆气间交换能量减少,导致其潜热通量显著减小,感热通量值变大,从而升高了下垫面温度,增强了海风的垂直上升运动,进而造成边界层高度的升高。

海南保亭黎族苗族自治县康养气候宜居资源分析评价

为摸清和利用海南保亭黎族苗族自治县(简称保亭县)优质气候宜居资源,依据气象行业标准《气候资源评价气候宜居城镇》从气候宜居的气候宜居禀赋、气候不利条件、气候生态环境、气候舒适性和气候景观5个方面选取指标,对其进行综合分析评价。结果表明,保亭县全年温暖,气候舒适度评价适宜等级日数超过235 d,大气含氧量高,气候舒适宜人。年空气质量优良天数比例达99.2%;负氧离子浓度为1 508~2 553个/cm^(3),森林覆盖率稳定在84.9%及以上;地表水水质状况优良率达97.1%,气候生态环境优良。自然地理条件优越,拥有云雾、日出、彩虹等多种气象景观以及山地、热带雨林、温泉、湖泊、瀑布等地形地貌景观。无低温、霾和沙尘天气,强风日数少;易出现强降水和强对流天气,干旱风险低;台风影响有利有弊,存在一定的气候风险,但影响总体偏轻。

海南岛4—9月短时强降水的天气型和环境参数特征

利用海南岛加密自动站逐小时降水资料、ERA5再分析资料,对海南岛短时强降水日环流配置进行了天气学分型,并进一步探讨了各天气型下海南岛短时强降水的时空分布、环流形势和关键环境参数特征。结果表明:(1)海南岛短时强降水有明显的日变化特征,呈单峰型,主要出现在15:00—19:00。(2)海南岛短时强降水的天气型主要有南海低压槽、华南沿海槽、西南低压槽和冷锋型。(3)南海低压槽、华南沿海槽、西南低压槽和冷锋型短时强降水分别占37%,31%,16%和16%。南海低压槽和华南沿海槽型主要出现在7、8和9月;西南低压槽型除9月外,其余各月份均可能出现;冷锋型绝大多数出现在4、5月。(4)南海低压槽和华南沿海槽型整层湿度条件都较好,不稳定能量较大,垂直风切变较弱。西南低压槽型不稳定能量较大,湿度条件一般,垂直风切变较弱。冷锋型存在明显的上干下湿特征,垂直风切变最大,0~6 km风速差75%分位大于10 m/s,不稳定能量最小。

海南两系杂交稻制种适宜区域与时段选择

掌握两系杂交稻在海南制种的气象灾害风险,是科学合理安排两系杂交稻制种生长期的重要依据。针对两系杂交水稻制种过程中的3个关键阶段(育性敏感安全期、抽穗扬花授粉安全期和灌浆安全期)的气象灾害概率进行分析,通过数据分析和实例验证得出各地区制种的安全时段,以及需重点考虑的气象灾害。海南两系杂交水稻育性敏感安全期可安排在3月上旬至4月中旬,三亚、陵水地区从3月上旬开始;乐东、东方、昌江从3月下旬至4月上旬开始;临高在4月中旬至下旬左右,不同界限温度变化略有先后。各地花期的阴雨天气较为随机且概率较小;临高、昌江地区制种重点关注灌浆安全期干热风等危害,提早播种。目前海南水稻制种区域和时段合理,可根据不育系材料不育起点温度阈值和耐受低温时间长短,适当调整播种时段。

基于MODIS数据的三种植被指数在海南岛植被监测中的适用性研究

在大力推进生态文明建设背景下,开展植被指数在海南岛植被监测中的适用性研究具有重要参考价值。基于海南岛2001—2020年中分辨率成像光谱仪(Moderate-Resolution Imaging Spectroradiometer,MODIS)提取的归一化植被指数(Normalized Differnce Vegetation Index,NDVI)、增强型植被指数(Enhanced Vegetation Index,EVI)、差值植被指数(Difference Vegetation Index,DVI)数据,海南岛18个国家气象观测站逐月平均气温和降水量数据,以及2015、2017年海南省地表覆盖数据,利用一元线性拟合、均方根误差分析、相关分析等方法开展了NDVI、EVI、DVI 3种植被指数在海南岛植被监测中的适用性研究。结果表明:(1)3种植被指数中,EVI对基于海南岛地表覆盖数据提取的植被覆盖面积的拟合效果最好,均方根误差占实际均值的9.57%。(2)3种植被指数中,EVI最能反映海南岛植被的季节变化特征,2月开始缓慢增加,8月达到峰值后缓慢下降,次年2月降至最低;EVI值域分布最广,最能反映不同茂密程度植被的覆盖状况,能更好克服NDVI在高植被区易饱和的问题;EVI与气候因子的相关性最大,最能反映植被对气候的响应特征。(3)综合评估3种植被指数对海南岛植被覆盖面积的拟合效果,对植被季节变化、茂密程度的表征能力,确定最适合表征海南岛植被特征的植被指数为EVI。

厄尔尼诺事件的类型、强度对海南岛秋汛期降水的影响

利用1961—2018年逐月Ni?o关键区海温指数资料、NCEP/NCAR再分析资料及国家气象观测站降水量资料,在定义了厄尔尼诺事件的类型和强度的基础上,利用相关分析和合成分析方法,分析了近58年厄尔尼诺事件的不同类型和强度对海南岛秋汛期降水的影响及其相应的大气环流和水汽输送场的差异。结果表明,厄尔尼诺事件总体有利于海南岛秋汛期降水偏少,但存在类型和强度上的差别。其中轻度中部型厄尔尼诺事件年全岛平均降水量偏少32.5%,偏少概率较气候概率上升了25.0%,降水异常的空间分布表现为西南局部地区的偏多、其余地区的偏少;中等及以上强度东部型厄尔尼诺事件年降水量平均偏少21.7%,偏少概率上升了11.7%,轻度东部型厄尔尼诺事件年降水量平均偏少15.8%,偏少概率上升了7.5%,两者的降水异常空间分布为一致性偏少。海南岛秋汛期降水异常与大气环流和水汽输送密切相关。不同类型和强度的厄尔尼诺事件年可能主要通过影响沃克环流的位置、强度的不同程度变化,造成风场、位势高度场、海平面气压场、垂直速度场、水汽通量及其散度场响应程度上的差异,最终使海南岛秋汛期降水发生不同程度的减少。

南海海岛自动气象站数据双通道传输系统设计与实现

为解决海南省南沙区无人海岛自动气象站单一GPRS数据上传通道数据到报率不高的问题,文章利用北斗卫星通信的优势,首先在硬件上增加基于北斗卫星的通信终端机和配套的供电系统实现海岛站GPRS和北斗通信双通道并行运行;其次将每个通道定义为1个逻辑站点,2个逻辑站点组成1个观测系统,上传1份数据报文,通过本地终端实现观测数据的本地化应用。文章同时分析了改造前后数据到报率等情况,所得结论可以进一步提升岛礁防灾减灾水平。

多套降水产品在海南岛的适用性评估

使用卫星遥感技术进行全球范围的降水观测已成为当前热点。然而,热带海岛地区因其气候特殊和地形复杂,遥感降水数据的精度评估尚未充分研究。文章以海南岛为研究区,利用小时尺度的站点数据对CMORPH、CHIRPS、GsMAP、GPM、MSWEP、ERA5-Land和PERSIANN进行多尺度系统评估,分析各类产品在该区域的降水探测能力。结果表明:1)相比于其他5种降水产品,GsMAP和GPM在不同时间尺度上均具有更优表现,相关性强,误差小,对各级降水的探测成功率较高。在3 h尺度上,GPM和GsMAP的相关系数分别为0.53和0.52;在日尺度上,GPM和GsMAP的相关系数分别为0.73和0.74。2)在年降水量对比中,过去20年海南岛的年平均降水量呈现波动中变化趋势,平均值为1776.4 mm/a。CMORPH的年平均值为1765.1 mm/a,与CHM-PRE数据集最为接近,误差较小。3)在空间分布格局研究中,GsMAP的降水量范围为1337.9~2287.0 mm,与站点观测数据(996.9~2368.9 mm)最为接近,呈现东部多于西部,西南山区多于东北平原的环状分布格局,尤其在海南岛东南部的高值中心区域,二者较吻合。4)在降水趋势分析中,CMORPH、ERA5-Land、GPM、MSWEP、CHIRPS和PERSIANN在海南岛部分地区呈现增加趋势,而GsMAP呈现较为强烈的增加趋势。5)在极端降水事件分析中,GPM能较好地模拟海南岛台风降水事件的时空演变特征。因此,在开展海南岛降水研究工作时,GsMAP和GPM是比较合适的选择。

海南岛天然橡胶产量和气候适宜度相关性研究

使用气候适宜度指数方法对海南岛橡胶树气候适宜性进行评价,并选择去趋势互相关分析(DCCA)方法对橡胶树单产和气候适宜度进行相关性分析。结果表明:海南岛橡胶单产在东部和西部较低,最低值出现在文昌,为657.30kg·hm^(-2);最高值为三亚的1376.54kg·hm^(-2)。海南岛中部单产的变化幅度较小,其余地区单产均呈明显增加趋势,线性倾向率普遍超过10 kg·hm^(-2)·a^(-1)。海南岛中部和东部综合适宜度水平较高,适宜度指数超过0.70,西部适宜度水平较低,为0.39;温度和光照适宜度指数空间差异小,整体在0.80和0.70以上;降水适宜度指数在中部和东部较高,西部南部偏低,数值在0.42—0.77之间;风速适宜度在中部和南部超过0.75,在西部和北部适宜度指数偏低,最低达到0.18。DCCA分析结果显示,气候适宜度与橡胶单产存在明显的长程相关关系,降水和产量的相关性最高,风速相关性最低;空间上,东部相关性较低,西部、北部和和南部相关性稍高。

南海POC沉积通量时空变化的遥感分析

基于2009—2018年MODIS(Moderate Resolution Imaging Spectroradiometer,MODIS)反演的真光层逐月POC(Particulate Organic Carbon,POC)通量数据和ETOPO5水深数据,通过POC垂直迁移公式反演结合经验阈值线性拟合,从宏观角度给出了南海POC沉积通量的时空分布特征。利用MATLAB进行合成分析、误差分析和质量控制等预处理,对比马丁曲线开展非近岸区域(水深大于100 m)相关性验证分析,采用经验阈值及线性拟合修正近岸(水深小于100 m)区域后初步得出以下结论:(1)研究区域内POC沉积通量存在明显的季节变化,POC沉积通量季节平均值分别为春季13.03 mg·m^(-2)·d^(-1)(所测数据为C含量,下同)、夏季14.25 mg·m^(-2)·d^(-1)、秋季15.15 mg·m^(-2)·d^(-1)、冬季17.99 mg·m^(-2)·d^(-1),冬秋季高于春夏季。(2)总体分布呈湾内高于湾外,近岸高于海盆,浅海高于深海的趋势。当深度小于等于50 m、大于50 m且小于等于100 m和大于100 m区域的POC沉积通量平均值分别为46.39、14.28和8.04 mg·m^(-2)·d^(-1)。(3)研究区域全年POC总沉积通量约为19.04(15.72~22.36)Tg·a^(-1)(C含量)。研究结果对了解南海储碳潜力具有重要意义,同时为有关蓝碳经济价值核算研究提供一定参考依据。

基于气象因子的海南岛土壤水分预测模型研究

选择能代表海南岛气候特点的4个市县作为研究区,旨在构建海南岛土壤水分长时间序列,为海南岛精细化农业发展和节水灌溉提供数据支撑。采用主成分分析与长短期记忆神经网络,构建基于气象因子的海南岛土壤水分预测模型。结果表明,基于全部站点数据建立的单一LSTM神经网络模型优于单一BP神经网络模型,在训练集和测试集上,单一LSTM神经网络模型的决定系数(R2)均在91%以上,RMSE<2.4%,MAE<1.7%;根据逐个站点分别构建分站点的LSTM神经网络模型,在训练集和测试集上,精度均高于基于全部站点数据构建的单一LSTM神经网络模型;分站点构建的LSTM神经网络模型决定系数(R2)在93%以上,RMSE<1.8%,MAE<1.1%。分站点构建的LSTM神经网络模型能较好地反映当地土壤水分的变化趋势,具有精度高、稳定性强及拟合效果好的优点。

海南云水资源分布特征和变化趋势的研究

使用云水资源监测评估方法(CWR-MEM)和NCEP/NCAR的FNL再分析数据,对2018~2020年海南空中水资源的分布特征和变化趋势进行研究,分析水汽、水凝物和云水资源的状况,估算云水资源人工增雨潜力。结果表明:1. 海南的年均降水量为1783.7 mm,年均水汽总量22651.0亿吨,年均水凝物总量639.5亿吨,年均云水资源总量31.4亿吨;2. 从各边界净输入的年均水汽总量为−219.0亿吨,年均水凝物总量为−1.3亿吨,水汽和水凝物都从岛内区域向外流出;3. 海南不同区域中,北部和中部水凝物总量较大,中部云系有较高的降水效率,云水资源总量也最为丰富;西部区域水凝物总量为各部区域中最少,降水效率也最低,都有很大一部分云水资源可供开发利用;4. 海南岛水汽分布是北部的水汽总量最多,西部的水汽总量最少,西部少、四周多;5. 水凝物的分布与降水相类似,北部、中部和南部的水凝物总量较为丰富,西部的水凝物总量最小;6. 水凝物明显小于水汽1至2个数量级,且空间分布不均匀;7. 水汽主要位于海南岛的沿海地区,最小值在西部;而水凝物的最大值位于中北部或中南部,依次往本岛四周减少。The distribution characteristics and variation trends of atmospheric water resource are studied in Hainan from 2018 to 2020, employing the Cloud Water Resource Monitoring and Evaluation Method (CWR-MEM) along with NCEP/NCAR FNL reanalysis data. The status of water vapor, hydrometeors, and cloud water resource is analyzed. And the artificial rainfall enhancement potential from cloud water resource is estimated. The results show that: 1. The annual average precipitation in Hainan is 1783.7 mm, the annual average total amount of atmospheric water vapor is 2265.10 billion tons, the annual average total amount of atmospheric hydrometeors is 63.95 billion tons, and the annual average total amount of cloud water resource is 3.14 billion tons. 2. The annual average total amount of atmospheric water vapor input from each boundary is −21.90 billion tons, and the annual average total amount of atmospheric hydrometeors is −0.13 billion tons. Both atmospheric water vapor and atmospheric hydrometeors flow out from the island area. 3. In different regions of Hainan, the total amount of atmospheric hydrometeors in the northern and central regions are relatively large, and the central cloud system has a higher precipitation efficiency, and the total amount of cloud water resource is also the most abundant;The total amount of atmospheric hydrometeors in the western region is the lowest among all regions, and the precipitation efficiency is also the lowest. A large portion of cloud water resources is available for development and utilization. 4. The distribution of atmospheric water vapor in Hainan Island is the highest in the north, the lowest in the west, and less in the west and more around. 5. The distribution of atmospheric hydrometeors is similar to precipitation, with the total amount of atmospheric hydrometeors being relatively abundant in the northern, central, and southern regions, while the total amount of atmospheric hydrometeors in the western region is the smallest. 6. Atmospheric hydrometeors are significantly smaller than atmospheric water vapor by about 1 - 2 orders of magnitude, and their spatial distribution is uneven. 7. Atmospheric water vapor is mainly located in the coastal areas of Hainan Island, with the minimum value in the west. The maximum value of atmospheric hydrometeors is in the central north or central south, and gradually decreases around the island.

基于气象大数据云平台的监控告警应用研究

由于已有气象数据监控系统的业务流程不适用最新的业务发展,结合我省实际气象信息化业务需求,研究和分析气象数据传输的业务流程,采用Model+View+Controller(MVC)开发模式,使用作业调度Quartz、多线程Smart Thread Pool等技术框架,基于气象大数据云平台升级现有气象数据监控告警系统,实现我省常规气象数据的实时监控告警。目前,该系统已投入业务运行,各功能模块运行稳定,可高效地帮助一线值班人员发现数据异常问题,提高了我省气象数据的监控告警能力。