20世纪科技道德问题的历史回顾与反思

20世纪科技的发展 ,极大地推动了社会变革和进步。同时 ,也给人类留下了难以忘怀的伤痛。 2 1世纪 ,人类应当自觉构建扬善抑恶的科技道德观 ,使科技更好地造福人类。     

远程天气会商的研究

为了适应现代战争对联合军事气象保障的需要,提高气象保障的实时性和准确性,提出了军事气象保障的新模型——远程天气会商系统,详细介绍了系统的层次结构,以及在局域网上实现该系统的设计。     

光流法在强对流天气临近预报中的应用

针对强对流降水的情况,提出了使用光流法计算得到的光流场来代替交叉相关法得到的运动矢量场。与简单的交叉相关法相比,光流法从偏微分方程的角度来求解光流场,在计算过程中使用了严格的约束条件,运用递归法进行求解。试验及评价的结果表明,对变化较快的强对流降水天气过程,光流法明显优于交叉相关法。     

北京地区一次强降水过程的多种观测资料四维变分同化试验

采用MM5非静力预报模式及其伴随模式系统,对2005年汛期北京地区的一次局地强对流降水过程进行了包括地面每3小时一次的湿度观测资料、北京地区自动站逐小时降水资料、北京地区逐30分钟GPS可降水量观测在内的多种观测资料的四维变分同化试验。结果表明,采用四维变分方法同化多种非常规中尺度观测资料后,模式成功地模拟出此次降水过程,不仅很好地修正了变分同化窗内的降水预报,同时也使同化窗口以后的降水预报获得了较为明显的改善,并且发现同化了多种观测资料后获得的最优初始场较原模式初始场对流不稳定能量显著增加,具有更利于降水形成的动力及热力条件。还对各种观测资料在四维变分同化中的相对重要性进行了分析。     

天体对偶矩阵周期序列制作长期强天气过程的预报方法

依据现代电子力学的对偶性理论,应用天体半年运行周期对应的原理,把天体运行（指在太阳系范畴）设想为一种对偶性矩阵周期序列,导出了一个地球在太阳,月亮,行星对偶性引力控制下的3个天体对偶矩阵周期组合表达式,运用这一表达式计算出来的级数序列模式指标制作春,夏,秋,冬强天气过程的预报方法。从1959－1987年的历史统计强天气过程预报准确率为18／20;中等强度天气过程为43／43。从1987－1998年利用该方法预报比利用其他预报制作同类天气过程,预报准确率提高了15％－20％。     

对NWS中资源性能预报算法的一个改进

提出一种新的预报算法——动态指数平滑算法, 该算法 是对传统的指数平滑算法的改进. 为了使指数平滑算法能够更好地适应NWS系统对精确度和系统开销的要求, 增加了对参数的调整. 但这种调整不同于已有的参数调整算法, 并且在时间复杂性、 空间复杂性和预报准确性方面均得到了有效的提高. 通过实验和比较, 本算法更适用于NWS中的时间序列以及有着相似统计学特性的时间序列.     

基于RBF人工神经网络的X级以上太阳耀斑预报研究

采用第23太阳活动周X级以上耀斑的数据,通过回归分析、Gauss拟合和RBF人工神经网络等方法对X级以上耀斑进行预报研究.结果表明,将黑子群的位置、卡灵顿经度、耀斑爆发时间与黑子群达到最大面积的时间关系、每7d黑子群的最大面积、太阳耀斑流量的积分值、CME速度和F10.7射电流量7个预报因子作为参量对RBF人工神经网络预报模型进行训练,训练后建立的RBF模型的输出结果和训练数据的相关系数高达98%,对耀斑强度的预报结果与观测结果的误差在0.5以内,预报模型符合耀斑短期预报的要求.     

关于雾霾天气对太阳辐射量的影响研究实验

本实验主要通过对不同天内太阳辐射量和PM2.5的数值关系的定性分析来研究雾霾天气对太阳辐射量的影响.就上海市松江地区而言,我们对日照计测得的太阳辐射量以及上海松江气象局采集到的PM2.5数据进行分析,为了排除其他因素的影响,选取相同温度和天气条件下的两天的数据对比,最后得出结论:雾霾天气对太阳能辐射量有负面影响.     

2008年4月8日开封市大～暴雨过程分析

通过对2008年4月8日开封市的一次降水过程的天气形势、物理量场的演变以及前期气候变化的影响分析,得出结果:这次降雨主要成因是受低槽东移形成的,还与短期大气环流、前期气候的异常变化有关.     

基于激光雷达数据对混合层高度与细颗粒物浓度关系的研究

利用微脉冲激光雷达观测资料, 运用人工辅助算法, 获得2016―2019年白天混合层高度(MLH), 并分析其变化特征及其与空气污染物PM_2.5浓度的关系。结果表明, 混合层高度表现出明显的季节变化和日变化, 春季高度明显大于其他季节, 最大值均发生在 5月。混合层高度在08:00―15:00 BJT的变化趋势与PM_2.5浓度负相关。线性拟合结果表明, 当考虑风速的影响时, 通风指数与 PM_2.5具有更强的负相关关系; 当考虑风向的影响时, 西南风情况下, 混合层高度与PM_2.5具有更强的负相关关系。对天气分型后, 每个天气类型的PM_2.5浓度与混合层高度的相关性更加显著。