image
Home Journals Chinese Agricultural Science Bulletin
Chinese Agricultural Science Bulletin

Abbreviation (ISO4): Chin Agric Sci Bull      Editor in chief: Yulong YIN

About  /  Aim & scope  /  Editorial board  /  Indexed  /  Contact  / 
Online first  /  Current issue  /  All issues  /  Top access  /  RSS

Chinese Agricultural Science Bulletin >

2020 , Vol. 36 >Issue 10: 114 - 121

DOI: https://doi.org/10.11924/j.issn.1000-6850.casb18120061

Research article

Climatic Characteristics and Forecast Method of Strong Cooling in Eastern Hexi Corridor

  • Zhang Jinxiu , 1 ,
  • Yang Xiaoling , 1, 2 ,
  • Sun Zhanfeng 1 ,
  • Peng Xiangrong 3
Expand
  • (1) Wuwei Meteorological Bureau of Gansu Province, Wuwei Gansu 733099
  • (2) Lanzhou Institute of Arid Meteorology CMA, Lanzhou 730020
  • (3) Minqin Meteorological Bureau of Gansu Province, Minqin Gansu 733300

Received date: 2018-12-16

  Request revised date: 2019-03-18

  Online published: 2020-03-19

Supported by

(41775107)

(41305134)

Copyright

Copyright reserved © 2020. Chinese Agricultural Association. All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Agricultural Association or the Editorial Board, unless this is clearly specified.
Fold

Abstract

Using strong cooling data [the lowest temperature decline rate of 24 (48) h was ≥8 (10)℃ and the lowest temperature was ≤4℃] of five meteorological stations in eastern Hexi corridor during 1961 to 2010, climatic characteristics of temporal and spatial distribution and intensity of strong cooling were analyzed systematically by statistical methods. The results showed that strong cooling times were more obvious in high elevation mountainous and northern desert edge than that in oasis plain area. Strong cooling times of age and year had an overall reducing tendency. Strong cooling weather occurred mainly from January to May and from September to December, mostly in April. The variable rate of strong cooling times of each strength was relatively large, and strong cooling times reduced rapidly with the cooling intensity increased. The strong cooling intensity of 24 h showed an overall weak reducing tendency, and that of 48 h showed a weak increasing tendency. Selecting ECMWF numerical forecast grid field data at 20:00 day by day from January to May and from September to December during 2004 to 2013, forecast factors were selected initially and precisely by Press criterion and stepwise regression method. The monthly lowest temperature forecast equations of each region were built with optimal subset regression, and the overall situation and optimal forecast equations were determined finally with the CSC double grading criterion. The forecast equations passed significance level examination of α=0.01. Forecast marginal value and forecast rank of strong cooling were determined with the biggest approaches principle. Forecast fitting rate of 24 and 48 h was 80.0%-83.3% and 81.3%-86.2%, respectively, and the forecast accuracy rate of 24 and 48 h was 71.4%-75.0% and 73.3%-77.1%, respectively, reaching high fitting and forecast level, and could provide objective and effective guiding products for strong cooling forecast and early warning.

Key words： strong cooling; climate characteristics; ECMWF; numerical forecast

Cite this article

Zhang Jinxiu , Yang Xiaoling , Sun Zhanfeng , Peng Xiangrong . Climatic Characteristics and Forecast Method of Strong Cooling in Eastern Hexi Corridor[J]. Chinese Agricultural Science Bulletin, 2020 , 36(10) : 114 -121 . DOI: 10.11924/j.issn.1000-6850.casb18120061

0 引言

强降温（寒潮）天气是一种大规模的强冷空气活动过程,强降温的主要特点是剧烈降温和大风[1]。强降温引发的大风、霜冻、雪灾、雨凇等灾害对农业、交通、电力、航海以及人们健康都有很大的影响[2]。随着全球气候的变暖,强降温逐渐减少,但其来势猛、范围广、危害重,是天气预报工作的重点和难点[3,4],一旦出现特强降温等冻害,将造成不可估量的损失。如2004年5月1—2日河西走廊出现大范围强降温引发了3—5日的强霜冻灾害,造成经济损失1.039×105万元[5];2008年1月中下旬到2月上旬中国经历了罕见的大范围强降温、雨雪和冰冻灾害,造成了巨大经济损失[6,7]。因此,强降温的准确预报和防御不容忽视。据中国气象局令（2007年第16号）规定,气象部门应向社会公众发布蓝、黄、橙、红4个级别强降温预警信号,并提出合理的防御措施。从已有的文献来看,强降温的研究大多停留在时空变化特征以及天气过程诊断分析上[8,9,10,11,12],笔者除分析当地强降温的时空变化、强度特征外,还运用数值预报产品对其进行客观定量的预报,以期为强降温预报和预警以及地方政府决策提供可靠科学依据,且对为农服务、防灾减灾、促进地方经济发展具有重要实意义。

1 数据来源及研究方法

1.1 强降温标准

据中国气象局《（气发〔2005〕109号）文关于转发<中短期天气预报质量检验办法>的通知》规定,强降温标准为24 (48) h最低气温下降≥8 (10)℃,最低气温降至≤4℃。根据日常对强降温的分析及强降温冻害造成的灾害程度规定,有一站24 (48) h最低气温下降8~10 (10~12)℃,最低气温降至≤4℃,为一次一般性强降温过程;24 (48) h最低气温下降10~12 (12~14)℃,最低气温降至≤4℃,为一次较强降温过程;24 (48) h最低气温下降≥12 (14)℃,最低气温降至≤4℃,为一次特强降温过程;同时有2站或以上达到上述标准为一次区域性强降温过程。

1.2 资料选取及研究方法

资料来源于河西走廊东部永昌、凉州（武威站）、民勤、天祝（乌鞘岭站）5个气象站1961—2017年逐日最低气温。计算当日与次日或第三日最低气温的差值,根据强降温的标准划分出强降温,对强降温求其月、年及年代次数,用线性拟合方法分析其变化趋势。分析各量级强降温次数及其强度特征。
选取2004—2013年1—5月和9—12月逐日20时ECMWF数值预报格点场资料作为预报因子,选取范围为90°—110°E、35°—45°N,网格距为2.5°×2.5°经纬距,层次为850、700、500、200 hPa,基本要素为位势高度(h)、温度(t)、相对湿度(rh)以及风速分量(u、v)等。选取2004—2013年1—5月和9—12月河西走廊东部5个气象站逐日最低气温作为预报对象。采用线性插值将2.5°×2.5°经纬距格点插值到1°×1°经纬距上;采用诊断方法、因子组合和日常的预报经验等手段建立预报因子库;使用Press准则和逐步回归方法进行因子初选和精选,运用最优子集回归建立最低气温预报方程;采用最大靠近原则确定强降温预报的临界值、预报和预警级别。

2 结果与分析

2.1 强降温气候特征

2.1.1 强降温空间分布 河西走廊东部地处祁连山东麓,境内地形复杂,海拔较高,山区平原并存,强降温是当地主要灾害天气之一[13],且强降温分布存在明显地域差异。分析1961—2010年强降温次数发现（图1）：24 h强降温次数民勤最多184次,占总站次数的28.6%;其次为永昌136次,占21.1%;古浪118次,占18.2%;天祝110次,占17.1%;凉州最少96次,占14.9%。48 h强降温次数古浪最多165次,占总站次数的24.4%;其次为天祝153次,占22.6%;民勤151次,占22.3%;永昌114次,占16.8%;凉州最少94次,占13.9%。24 h民勤强降温次数最多,是由于民勤与巴丹吉林沙漠和腾格里沙漠接壤,沙漠气候显著,冷空气过境时,除平流降温,夜间辐射降温明显,强降温次数多;凉州处于中部绿洲平原区,地势低,植被茂密,以平流降温为主,强降温次数少;永昌、古浪、天祝地处山区,海拔较高,辐射降温比较明显。但古浪、天祝48 h强降温次数多于民勤,这主要是受祁连山脉的阻挡作用,冷空气在山区堆积滞留时间长[14],故48 h更容易达到强降温。
图1 河西走廊东部24 h和48 h年强降温次数的空间分布

图中数字上为24 h次数、下为48 h次数,单位：次

2.1.2 强降温时间变化
（1）年代际变化。由表1可知,河西走廊东部各地24 h和48 h强降温次数随年代的变化步调很不一致。24 h强降温永昌、凉州20世纪60—70年代增加,70—80年代减少,80—90年代增加,90年代到21世纪00年代减少;民勤呈逐年代减少;古浪60—80年代减少,80年代到21世纪00年代增加;天祝60—70年代增加,70年代到21世纪00年代减少。48 h强降温永昌、民勤20世纪60—80年代减少,80—90年代增加,90年代到21世纪00年代减少;凉州60—80年代减少,80年代到21世纪00年代增加;古浪60—90年代减少,90年代到21世纪00年代迅速增加;天祝60—70年代增加,70—90年代减少,90年代到21世纪00年代增加。总体来看,强降温次数随年代呈减少趋势。
（2）年际变化。河西走廊东部24 h和48 h年强降温次数总体呈弱减少趋势（图2a、b）。用线性拟合方法计算了1961—2010年年强降温次数气候倾向率和气候趋势系数（表2）,24 h气候倾向率的绝对值为民勤>凉州>永昌>天祝>古浪,48 h气候倾向率的绝对值为民勤>凉州>永昌>古浪>天祝,均为民勤的减少趋势最明显,其中,民勤24 h和48 h气候趋势系数分别通过了α=0.001、α=0.5的显著性水平检验,24 h减少趋势很显著,48 h减少趋势较显著;凉州24 h通过了α=0.1的显著性水平检验,减少趋势显著;其他各地24、48 h气候趋势系数没有通过显著性检验,减少趋势不显著（凉州48 h呈弱增多趋势）。
表1 河西走廊东部逐年代24 h和48 h强降温次数距平 次
时段 24 h 48 h
永昌 凉州 民勤 古浪 天祝 永昌 凉州 民勤 古浪 天祝
20世纪60年代 -1.2 1.8 29.2 4.4 -4.0 2.2 1.2 6.8 9.0 -2.6
20世纪70年代 2.8 7.8 1.2 2.4 7.0 0.2 0.2 5.8 1.0 4.4
20世纪80年代 -0.2 -4.2 -8.8 -8.6 1.0 -2.8 -4.8 -8.2 -10.0 2.4
20世纪90年代 3.8 2.8 -9.8 -3.6 -2.0 3.2 0.2 -1.2 -12.0 -5.6
21世纪00年代 -5.2 -8.2 -11.8 5.4 -2.0 -2.8 3.2 -3.2 12.0 1.4
图2 河西走廊东部24 h和48 h强降温次数年变化
表2 河西走廊东部24 h和48 h强降温次数气候倾向率和趋势系数
项目 永昌 凉州 民勤 古浪 天祝
24 h 倾向率/(次/10 a) -0.084 -0.272 -0.947 -0.032 -0.036
趋势系数 -0.071 -0.270 -0.536 -0.034 -0.043
48 h 倾向率/(次/10 a) -0.092 0.057 -0.205 -0.016 -0.003
趋势系数 -0.093 0.062 -0.149 -0.010 -0.002
河西走廊东部24 h年强降温最多次数永昌7次（1967、1998年）、凉州6次（1971年）、民勤12次（1965年）、古浪5次（1963、1969、1971、1982、2005、2010年）、天祝5次（1971、2010年）;48 h年强降温最多次数永昌6次（1967、1995年）、凉州5次（1962年）、民勤9次（1972年）、古浪9次（2010年）、天祝9次（1981年）;24、48 h各地均有个别年份未出现强降温。
（3）月际变化。在月际分布上（表3）,河西走廊东部24、48 h强降温次数均为4月最多,7—8月未出现强降温,6月只有个别年有强降温,9月强降温次数相对较少,其他月份强降温次数较多。其中,24 h强降温次数4月占强降温总次数的10.3%~20.8%;1—5月共占61.0%~68.6%;10—12月共占26.3%~33.6%;6月和9月共占3.8%~12.5%。48 h强降温次数4月占强降温总次数的14.0%~20.3%;1—5月共占57.0%~67.0%;10—12月共占27.2%~44.4%;6月和9月共占2.7%~13.2%。由此可知,强降温主要出现在春、秋、冬3个季节。
2.1.3 强降温强度特征 河西走廊东部各强度强降温次数的变率较大（表4）,随着降温强度的增大,强降温次数迅速减少。其中,24 h一般性强降温次数占强降温总次数的71.2%~82.4%,较强降温次数占15.4%~22.0%,特强降温次数占2.2%~10.4%;48 h一般性强降温次数占强降温总次数的61.7%~68.4%,较强降温次数占21.1%~28.5%,特强降温次数占7.9%~13.8%。
河西走廊东部24 h强降温强度总体呈弱减弱趋势（除天祝外）（图3a）,20世纪60—70年代前期强降温强度较强,较强的年份有1962、1969、1970、1971、1979年;80年代强降温强度总体较弱,较强的年份只有1984;20世纪90年代—21世纪00年代强降温强度有所增强,较强的年份有1991、1997、1998、2008、2009、2010年。48 h强降温强度总体呈弱增强趋势（除民勤外）（图3b）,60—70年代前期强降温强度较弱,较强的年份有1962、1963、1971、1978、1980年,20世纪80年代—21世纪00年代强降温强度有所增强,较强的年份有1981、1986、1987、1991、1994、1998、1999、2004、2010年。
表3 河西走廊东部24 h和48 h月强降温次数 次
站点 24 h 48 h
1 2 3 4 5 6 9 10 11 12 1 2 3 4 5 6 9 10 11 12
永昌 11 20 20 14 18 4 13 12 11 13 5 20 16 16 10 1 7 9 19 11
凉州 11 10 11 20 12 1 4 8 8 11 14 11 8 21 9 0 5 6 10 10
民勤 25 25 19 36 14 0 7 27 17 14 15 14 14 26 14 1 19 20 17 11
古浪 12 12 21 20 16 2 4 12 11 8 16 15 24 31 16 3 7 13 23 17
天祝 17 4 14 20 13 2 3 8 15 14 16 9 18 31 13 2 2 22 17 23
表4 河西走廊东部24 h和48 h各强度强降温次数 次
站点 24 h 48 h
8℃≤△T24<10℃ 10℃≤△T24<12℃ △T24≥12℃ 10℃≤△T48<12℃ 12℃≤△T48<14℃ △T48≥14℃
永昌 112 21 3 78 24 12
凉州 72 14 10 58 23 13
民勤 143 34 7 96 43 12
古浪 84 26 8 102 43 20
天祝 79 23 8 102 33 18
图3 河西走廊东部24 h和48 h各地强降温强度年变化

没有强降温的年份24 h以7℃代替、48 h以9℃代替

河西走廊东部24 h最强降温幅度永昌13.2℃,在1967年11月25—26日;凉州15.1℃,在1962年2月24—25日和1991年11月27—28日;民勤13.5℃,在1963年1月19—20日和2008年12月20—21日;古浪15.7℃,在1998年3月17—18日;天祝15.9℃,在1998年3月17—18日。48 h最强降温幅度永昌17.4℃,在2004年11月23—25日;凉州17.0℃,在1971年11月27—29日;民勤16.7℃,在1991年10月25—27日;古浪19.6℃,在1986年10月26—28日;天祝17.7℃,在1998年3月17—19日。

2.2 强降温预报

由于强降温是指24(48) h最低气温下降≥8(10)℃,最低气温降至≤4℃,因此强降温的预报实际是最低气温的预报。
2.2.1 资料处理 强降温主要集中在1—5月和9—12月,因此选取了这9个月份资料建立最低气温预报方程。ECMWF数值预报产品的格距为2.5°×2.5°经纬距,而河西走廊东部各地间距为60~100 km,因此,首先利用线性内插方法[15]将关键区域90°—110°E、35°—45°N内格点资料插值到经纬距为1°×1°格点上,提高了数值预报格点场的分辨率,共得到11×21个格点,其中,经向差分距Δy≈111 km,在赤道附近,纬向差分距Δx≈111 km,Δx随纬度增高而减小,具体公式为Δx=(π×R×cosφ)/180,式中地球半径R约为6370 km,π为3.14,φ为格点纬度（角度）[16]。
采用诊断方法、因子组合和日常的预报经验等手段对不同层次、不同物理量进行因子组合建立预报因子库,构造出多个具有经验性的组合因子[17,18],以2485个预报因子为初选因子库。
2.2.2 预报方程建立 在建立预报方程时,分月分站点建立预报方程,并将每月资料上下各跨10天,这样确保在当月时段内预报方程的稳定性。由于最低气温出现在清晨,距离前一日20时较近,在预报对象和预报因子对应时,预报因子较预报对象提前24 h,这样确保预报方程有较高的准确度。
（1）因子选取。单相关系数只反映x与y之间线性拟合的好坏,而不能完全反映预测能力的好坏。使用Press准则初选的因子能同时反映因子拟合的好坏和预测能力的好坏,可选取预测能力较好的因子[19]。Press准则主要是用rp复相关系数进行因子普查来初选因子,标准为：①预报因子与预报对象的rp≥0.3,显著性检验水平为α=0.001信度;②预报因子物理意义要明确;③同一因子场上至多选取5个因子;④初选的因子数控制在80~100个[16,20]。用逐步回归方法从80~100个初选因子中精选出8~10个最优因子,作为进行最优子集回归的最终预报因子。
（2）方程建立。将逐步回归精选的8~10个因子代入最优子集回归进行优选,最优子集回归穷尽了所有因子搭配,若有p个因子,会得到2p-1个可能的回归方程,再从所有回归方程中优选出CSC双评分最大的方程,当CSC评分接近时,挑选因子较少的作为最终预报方程,CSC最大时相应的回归方程最优,拟合精度最好,预报趋势最准[21,22]。分别确定了各地9个月份最低气温方程。
以天祝为例,列出了9个月份最优子集回归预报方程（表5）,其中,物理量后括号内数字(m,n)为物理量的第m到第n个因子的代数和,如T8(4,9)=∑m=49T8(m)。各方程的复相关系数超过了0.71,均通过了α=0.001显著性水平检验,方程通过了α=0.01的显著性水平检验,说明用最优子集回归建立的预报方程效果显著。
气温是变化非常灵敏的气象要素。由表5可知,方程中入选的因子均为850 hPa的物理量,说明地面气温与低空的气象要素关系较大。其中,温度(T8)是影响最低气温的主导因子,露点(Td8)、水汽压(E8)、比湿(Q8)是影响最低气温的水汽因子（低空云量因子）。各预报因子物理意义明确,在经验预报中也是最低气温的首选因子。由于河西走廊东部海拔高度在1300~3100 m,方程中只入选了850 hPa(1500 m)的因子,进一步说明,地面气温的预报其实是对850 hPa温度的订正。
表5 天祝最低气温预报方程
月份 预报方程
1 Y=-10.3294+1.1743T8(1,2)-0.7524T8(2,2)+0.0428T8(3,6)+0.1689Td8(1,2)-0.5150T8(2,3)
2 Y=-0.8835+0.2457Td8(1,3)+0.6333T8(5,7)+0.1903E8(3,6)-0.6865T8(3,4)-0.0150Q8(3,3)
3 Y=-15.1016+0.7170E8(4,4)+0.0457Td8(2,4)-0.0006T8(2,3)+0.4234T8(1,1)
4 Y=-10.6179-0.1725Td8(8,8)-0.2814T8(2,2)+0.1622T8(3,7)+0.6244Td8(7,7)+0.0533Td8(3,4)
5 Y=-10.5783-0.0028Td8(2,8)+0.5622T8(4,4)+0.4709Td8(7,7)-0.0677E8(4,4)
9 Y=-8.7119+0.2638Td8(3,4)-0.0636E8(6,6)+0.1368Q8(4,6)-0.5344Q8(6,6)+0.2835T8(6,7)
10 Y=-10.3091+0.3080T8(9,9)+0.3773T8(2,9)+0.8478T8(3,3)-0.4518T8(1,9)+0.1288T8(5,9)
11 Y=-4.2383+0.2448T8(4,5)-0.1073Td8(1,3)-0.2544Q8(1,4)+0.2551Td8(1,4)
12 Y=-7.1541-0.0108T8(1,2)+0.4583T8(1,6)+0.9008T8(1,2)-1.5699E8(1,3)+0.5353Q8(1,3)

注：方程中下标8表示850 hPa资料。

2.2.3 强降温预报和预警的确定 利用最优子集回归求得5个县区9个月份最低气温的回归方程,以Y1、Y2、Y3分别为当日、次日、第三日最低气温的预报值,则△Y24=Y1-Y2、△Y48=Y1-Y3,采用最大靠近原则确定强降温预报的临界值、预报和预警级别：
（1）当Y2>4℃或Y3>4℃时,不进行△Y 24和△Y48计算,直接给出无强降温出现。
（2）当Y2≤4℃时,△Y24<6℃,24 h内不可能出现强降温;6℃≤△Y24<8℃,24 h内有出现一般性强降温的可能性;8℃≤△Y24<10℃,24 h内会出现一般性强降温;10℃≤△Y24<12℃,24 h内会出现较强降温;△Y24≥12℃,24 h内会出现特强降温。
（3）当Y3≤4℃时,△Y48<8℃,48 h内不可能出现强降温;8℃≤△Y48<10℃,48 h内有出现一般性强降温的可能性;10℃≤△Y48<12℃,48 h内会出现一般性强降温;12℃≤△Y48<14℃,48 h内会出现较强降温;△Y48≥14℃,48 h内会出现特强降温。
根据预报级别发布不同级别的预警。
2.2.4 预报方程效果检验
（1）检验原则及方法。根据中国气象局下发的《中短期天气预报质量检验办法》,结合甘肃省及河西走廊东部气候特点,强降温预报评定按照灾害性天气落区预报检验办法进行评定,若最低气温>4℃,无论降温幅度的大小均不予评定;若最低气温≤4℃,其准确率TS由式(1)计算。
TS=NANA+NB+NC×100%
式中,NA为预报正确次数,NB为空报次数,NC为漏报次数,评定办法见表6。
表6 强降温预报评定办法
时长 预报 实况 评定
24 h △Y24≥8℃ △T24≥8℃ 正确
△Y24≥8℃ △T24<8℃ 空报
△Y24<8℃ △T24≥8℃ 漏报
48 h △Y48≥10℃ △T48≥10℃ 正确
△Y48≥10℃ △T48<10℃ 空报
△Y48<10℃ △T48≥10℃ 漏报
（2）检验结果。按上述强降温预报评定办法,对2004—2013年1—5月和9—12月强降温实况进行预报方程回代检验,预报方程的拟合率24、48 h分别为80.0%~83.3%、81.3%~86.2%;对2014—2017年1—5月和9—12月应用情况进行了强降温预报效果检验,预报方程的准确率24、48 h分别为71.4%~75.0%、73.3%~77.1%,即各预报方程均达到了较好的拟合和预报效果,且拟合率和准确率均为48 h大于24 h。
由此可知,使用最优子集回归建立的最低气温预报方程,采用最大靠近原则确定了强降温预报的临界值、预报和预警级别,进行强降温回代检验和预报应用,拟合率和准确率均较高,超过了以往人工对强降温的预报能力,因此,可为本地强降温预报和预警业务提供客观有效的指导产品。

3 结论与讨论

河西走廊东部强降温海拔较高的山区和北部沙漠边缘较多,绿洲平原区较少;年代和年强降温次数总体呈减少趋势,强降温主要发生在1—5月和9—12月,4月为高峰值;各强度强降温次数的变率较大,随着降温强度的增大,强降温次数迅速减少,24 h强降温强度呈弱减小趋势,48 h强降温强度呈弱增加趋势。
使用ECMWF数值预报产品,采用诊断方法、因子组合等手段建立预报因子库,使用Press准则和逐步回归方法进行因子初选和精选,选取的因子拟合程度好、预测能力强,且具有较好的稳定性。运用最优子集回归建立最低气温预报方程,采用CSC双评分准则确定了全局最优最低气温预报方程,拟合精度好,预报趋势准,方程通过了α=0.01的显著性水平检验,说明预报方程效果显著。采用最大靠近原则确定了强降温预报的临界值、预报和预警级别。强降温预报方程的拟合率和准确率均达到了较高的水平,可为业务预报提供客观有效的指导产品。

次

The authors have declared that no competing interests exist.

作者已声明无竞争性利益关系。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
朱乾根,林锦瑞,寿绍文,等.天气学原理和方法(第四版)[M].北京:气象出版社,2007:266-296.

[2]
罗晓玲,郭良才,兰晓波.河西走廊春季强冻害成因及防御对策[J].新疆气象,2006,29(3):20-21.

[3]
高凤荣,王锡稳,冀兰芝,等.西北区东部寒潮天气短期预报[J].甘肃气象,1996,14(3):3-7.

[4]
朴春兰. 寒潮特征和短期预报方法[J].黑龙江气象,2005(2):4-5.

[5]
钱莉,杨晓玲,丁文魁.一次区域性冻害天气的成因分析[J].干旱气象,2005,23(2):39-43.

[6]
伍东亮,蒋运志,夏小曼.2008年初我国南方低温雨雪冰冻灾害的回顾与反思[J].农技服务,2008,25(10):159-160.

[7]
王遵娅,张强,陈峪,等.2008年初我国低温雨雪冰冻灾害的气候特征[J].气候变化研究进展,2008,4(2):63-67.

[8]
周鸣盛,张廷.一次雪面降温引起的异常寒冷天气分析[J].气象学报,1997,55(2):219-229.

[9]
许爱华,乔林,詹丰兴,等.2005年3月一次寒潮天气过程的诊断分析[J].气象,2006,32(3):49-55.

[10]
杨宝玲,郑鹏徽,顾宁,等.宁夏石嘴山一次强寒潮天气诊断分析[J].宁夏工程技术,2009,8(4):310-312,316.

[11]
孟祥君,吴正方,杜海波,等.1961—2010年东北地区寒潮活动的时空特征分析[J].干旱区资源与环境,2013,27(1):142-147.

[12]
梁旭,丁建军,曹宁.宁夏自然灾害综合分区及多尺度特征分析[J].干旱区资源与环境,2011,25(4):62-68.

[13]
白肇烨,许国昌,孙学筠,等.中国西北天气[M].北京:气象出版社,1988:161.

[14]
马玉芬,张广兴,杨莲梅.天山地形对新疆大风和降温天气作用的数值模拟研究[J].干旱区资源与环境,2012,26(5):113-118.

[15]
中国气象局科教司编.省地气象台短期预报岗位培训教材[M].北京:气象出版社,1998:75-111.

[16]
裴洪芹,邰庆国,吴君,等.临沂中尺度数值预报系统及应用[J].气象科技,2007,35(4):464-469.

[17]
陈百炼. 降水温度分县客观预报方法研究[J].气象,2003,29(8):48-51.

[18]
牛叔超,朱桂林,李燕,等.T106产品夏季降水概率预报自动化系统[J].气象,2000,26(3):37-39.

[19]
俞善贤. 一个着眼于预测能力及稳定性的因子普查方法[J].气象,1991,17(9):40-43.

[20]
谷湘潜,李燕,陈勇,等.省地气象台精细化天气预报系统[J].气象科技,2007,35(2):166-170.

[21]
俞善贤,汪锋.试用最优子集与岭迹分析相结合的方法确定回归方程[J].大气科学,1998,12(4):382-388.

[22]
张万诚,郑建萌,解明恩.最优子集回归模型在低纬高原雨季开始期预报中的应用试验[J].气象,2000,26(11):24-27.

Options
Outlines

/

〈 〉