排序方式: 共有37条查询结果,搜索用时 218 毫秒
1.
庐山日本柳杉早材与晚材年轮宽度对气候变化的响应 总被引:1,自引:1,他引:0
2.
[目的]探讨本溪地区一次大到暴雪天气过程的形成和发展。[方法]利用常规资料,从天气形势演变、物理量场特点着手,对2009年12月4~5日本溪地区一次大到暴雪天气过程的形成和发展进行了分析。[结果]此次大雪到暴雪天气过程是由高空槽和华北气旋共同影响产生。此次过程中,本溪地区上空高层辐散、低层辐合,低层暖、高层冷;低层西南急流将渤海水汽向本溪所处的辽东地区输送,为降雪提供了很好的水汽条件,但由于上升动力不足,过程雪量未达到暴雪。乌拉尔山高脊的发展在这次降雪过程中起了重要作用,高脊加强北抬时有利于冷空气的南下和高空槽的加深。物理量场的分析对此次过程的起止时间和强度预报起了很好的参考作用。[结论]该研究为以后此类天气的预报提供一些依据。 相似文献
3.
安徽省参考作物蒸散模型参数化 总被引:1,自引:1,他引:0
模型参数优化是准确估算参考作物蒸散(reference crop evapotranspiration,ET0)的关键问题之一。该研究基于安徽省81个地面气象站点1961—2011年逐日气象数据和合肥、武汉、南京、杭州和南昌5个辐射站1993—2011年的逐日辐射数据,评估日尺度的净长波辐射、气压和水汽压模型在安徽地区的适用性;并结合已有研究获得的最优逐日太阳辐射参数化估算模型,建立安徽省本地化逐日ET0模型的最优参数化方案,探讨模型参数优化对ET0估算的影响。结果表明:7种净长波辐射估算参数化方案中,邓根云法的精度最高,在安徽地区的适用性优于其他方案,建议作为安徽本地化方案使用;FAO56 Penman-Monteith公式中推荐的气压估算模型和基于实测平均气温和相对湿度估算水汽压的模型在安徽省基本适用,但该研究认为在资料能够获取的情况下直接使用实测值为最优。与基于实测资料计算的ET0相比,该研究建立的本地化最优模型估算的ET0在日、月和年尺度上的相对误差分别为15.5%、9.05%和6.12%,能较好地适用于安徽地区。FAO56 Penman-Monteith公式推荐的参数化方案由于高估了安徽地区的太阳辐射,低估了净长波辐射,导致其与基于实测资料计算的ET0值相比,在日、月和年尺度上高估ET0达40.0%以上,不推荐安徽地区直接使用。研究可为安徽省准确估算作物需水量、农业旱涝评估和合理调度水资源等提供依据。 相似文献
4.
为满足现代农业气象业务服务中病虫害发生发展气象等级预报需求,利用安徽省江淮、沿江和皖南3个区域代表站1991—2010年油菜菌核病观测数据和气象资料,通过相关分析,确定影响菌核病发生发展的主要影响时段和气象因子,再通过归一化处理、加权等方法得到影响油菜菌核病发生发展的综合气象条件指数。以综合气象条件指数为自变量,以油菜菌核病加权平均病株率为因变量,采用曲线回归方法,建立不同区域代表站油菜菌核病发生发展气象等级预报模型。模型拟合结果表明:江淮、沿江和皖南地区拟合准确率分别为80%、70%和75%;利用模型对2011—2013年发生情况进行预测,结果显示:江淮地区代表站全部正确,沿江和皖南地区代表站均为2年正确,一年与实际发生情况误差一个等级。建立的模型基本上能满足油菜菌核病气象等级预报业务服务的需求。 相似文献
5.
气象要素时间分辨率对参考作物蒸散估算的影响 总被引:2,自引:1,他引:2
参考作物蒸散(reference evapotranspiration,ET0)的准确估算是农业水资源合理利用的重要环节。为了明确气象要素不同时间分辨率对参考作物蒸散估算的影响,该文基于寿县国家气候观象台2007-2013年观测资料,将1min时间分辨率数据平均值作为真实值,分析了10、20、30、40、60 min、4次/d(02:00、08:00、14:00、20:00)和3次/d(08:00、14:00、20:00)这7种不同时间分辨率对逐日气温、风速、太阳辐射、相对湿度和日、月及年参考作物蒸散(ET0)估算的误差情况。结果表明:ET0和气象要素的误差整体上随时间分辨率降低而增大。4个气象因子中,日平均风速估算受时间分辨率变化的影响最显著,误差最大;其次是太阳辐射。逐日ET0估算在7种时间分辨率的平均绝对相对误差(mean absolute relative error,MAPE)依次为0.53%、1.01%、1.38%、1.72%、2.46%、4.72%和6.14%,表明10至60min时间分辨率的估算效果相较3次/d和4次/d有明显改善。10至40 min的绝对误差超过95%都在-0.20~0.20 mm/d区间内,误差较小且集中度高;太阳辐射时间分辨率变化对ET0估算误差贡献最大,其次是风速,这主要是由于两个要素本身对分辨率较敏感且分别是ET0辐射项和动力项的主要组成因子。时间分辨率的变化对累计后长时间尺度ET0的影响较小,月和年ET0的误差明显小于逐日ET0,月ET0在7种时间分辨率的MAPE值依次为0.13%、0.21%、0.27%、0.40%、0.50%、1.18%和1.48%;各年ET0相对误差(relative error,PE)的绝对值多数均小于0.50%。 相似文献
6.
7.
8.
对国外引进的两个苜蓿品种和当地品种草木樨在新开的沙漠地上进行适应性的研究比较,结果表明,德国苜蓿、加拿大苜蓿、草木樨在大田管理条件下,除产草量相对较低外,在充足水分供应条件下都能够较好的生长,表现出较强的适应性。但以草木樨当年产草量最大,德国苜蓿次之,加拿大苜蓿最差。同时,对改善土壤状况,改善生态环境有很好的效果,为防风固沙.治理沙漠提供了理论依据。 相似文献
9.
生物技术在我国药用植物研究中的应用 总被引:7,自引:0,他引:7
综述了近年来生物技术在我国药用植物研究中的应用进展,包括组织培养技术在药用植物中的应用;植物组织、细胞培养生产次生代谢产物的研究概况;基因工程和分子生物学在药用植物中的应用,并提出了该领域存在的问题和发展方向。 相似文献
10.
基于BCC_CPSv2模式的淮河流域月参考作物蒸散概率订正预报 总被引:1,自引:1,他引:0
参考作物蒸散预报(Reference Evapotranspiration,ET0)在农业水资源配置、区域干湿演变评估方面有着重要作用。该研究基于国家气候中心第二代气候预测系统(Beijing Climate Center second-Generation Climate Prediction System,BCC_CPSv2)模式预报数据和1991-2020年淮河流域地面气象观测数据,利用分位数映射法对模式预报的气象要素进行概率订正,采用Penman-Monteith公式计算ET0,并评估了订正前后BCC_CPSv2模式对淮河流域月ET0和气象要素的预报性能。结果表明:1)模式对平均气温、净辐射和相对湿度的预报值较观测值偏小,风速预报值在3-6月偏小,其他月份偏大,4个气象要素预报的均方根误差(Root Mean Square Error,RMSE)分别为1.84℃、1.70 MJ/m2d、15.8%和1.39 m/s;气象要素预报偏差导致2-6月ET0预报值较计算值偏小,1月和7-12月偏大,区域平均RMSE为0.59 mm/d,绝对百分比误差(Mean Absolute Percentage Error,MAPE)为21.9%。2)概率订正有效降低了气象要素和ET0的预报误差。气温、净辐射、相对湿度和风速预报订正值的RMSE比订正前减小了0.52℃、0.96 MJ/m2d、8.4%和0.86 m/s;80%月份ET0预报订正值的RMSE小于订正前,区域平均RMSE减小了0.23 mm/d,MAPE减小了11.2%。3)夏半年和冬半年ET0预报误差的首要来源分别是净辐射和相对湿度,主要是由于模式对这2个要素的预报精度较低且ET0对其敏感,误差容易传递。4)基于模式概率订正的月尺度ET0预报方法精度较高,可以为水资源优化管理、灌溉制度制定和农业中长期需水决策提供科学参考。 相似文献