文摘

水蒸气是大气系统的重要组成部分,起着关键作用在全球水循环,能量平衡,极端的天气,和长期的气候研究。具有重要意义完全掌握水蒸气的时空分布特征研究各种气候模型。传统的水蒸气检测技术主要有低时空分辨率的问题和糟糕的捕获的更改。近几十年来,智能传感器技术的快速发展和Walktrap算法使其可靠的手段获取和分析水蒸气的特点。然而,收购大气水蒸气需要两个关键的参数:压力(PS)和加权平均温度(TM)。因为大多数传统站主要用于大地测量研究,很少有配备气象智能传感器。因此,基于传统的气象站,本文改进了设备传统的电台,赋予传统的站与精确的和敏感的智能传感器设备获取区域水汽特征数据的厄尔尼诺现象和中国东部的一个省,结合先进的Walktrap算法,为了使用上述设备和技术实现相关分析厄尔尼诺和地区水汽的特点。结果表明,通过12个沿海水汽信息计算,每月平均采集和海水表面温度之间的关系进行了研究,以及相关特性之间的相关程度高达94.6%。

1。介绍

大气水汽,也被称为大气可降水,是一个非常重要的活性成分的大气中大气系统,虽然它的内容是非常小的(1- - - - - -3]。大气中的水蒸气是复杂多变的,并且有许多州等雨,雪,雾、云、露水、霜。它的内容在一个大范围波动(0 - 4%),这是一个重要的因素影响天气。水蒸气含量的变化密切相关,自然灾害的形成,厄尔尼诺现象,暴雨等极端天气(4- - - - - -6]。一方面,温度变化引起的相变的水蒸气可以改变大气的运动,影响大气的稳定;另一方面,水蒸气与降水直接相关,影响水面蒸发和大气环流(7]。相关研究表明,大气中水汽的作用是非常明显的。它是一种气体,可以直接反映了温室效应。一旦水蒸气太多,它将加速全球变暖,导致冰川融化8- - - - - -10]。水汽监测内容和活动状态是天气预报和全球气候预测具有重要意义[11,12]。由于水蒸气在对流层大气水蒸气约占总数的99%,在对流层水汽信息的准确采集具有重大影响监测和极端天气暴雨警告信号(13]。

太平洋ENSO是热带太平洋之间的强相互作用现象和大气年际时间尺度。它被定义为大规模的持续变暖海温在赤道中东太平洋表面,具有显著影响大气水汽的分布在全球范围内(14]。它已经被学者们研究的热点问题之一,在很长一段时间。厄尔尼诺现象的形态自1990年代以来已经发生了很大的改变。在典型eastern-type厄尔尼诺现象,即太平洋热带地区气候变暖的地区主要位于热带东太平洋地区,和厄尔尼诺事件的可能性变得越来越小,而另一种变暖的地区主要位于赤道附近的太平洋中部的太阳线,但全球变暖现象是越来越频繁地发生15]。许多学者已经注意到厄尔尼诺现象的变化,变暖区,称为厄尔尼诺事件位于赤道太平洋中部地区中央厄尔尼诺事件(16),或太阳能的厄尔尼诺事件边界17),或E1尼诺Modoki [15),或暖池厄尔尼诺事件18]。

因为有明显差异的海洋表面温度变暖地区两种类型的厄尔尼诺事件,热带海洋的变暖地区大气中也发生了变化,和热带大气环流条件将明显不同,导致不同的气候影响。这种现象也吸引了科学家的广泛关注。因为翁et al。17)指出,中央厄尔尼诺事件的频率显著增加1990年代后,越来越多的国际研究的影响不同分布类型的厄尔尼诺气候异常事件。例如,一些科学家们认为中央厄尔尼诺事件的影响气候的北美西海岸,南美,甚至日本和新西兰东部可能完全相反的影响厄尔尼诺事件(19- - - - - -21]。铁路公司那样厄尔尼诺事件还将导致“跷跷板”气候分布特征北部和南部湿干燥的冬天在美国西部。当eastern-type厄尔尼诺现象发生时,美国西部的大部分地区主要是湿在冬天22]。也有很多研究气候异常在东亚,特别是在中国,由不同类型的厄尔尼诺事件引起的。例如,两种类型的厄尔尼诺事件可以有不同的影响今年秋季降水在中国发展(23- - - - - -25)和中国的春季和夏季降水在明年(26- - - - - -28)通过不同的大海和空气之间的相互作用在热带西太平洋。

针对大气水汽的重要价值,气象学家开始尝试各种方法获得水蒸气来研究其时空分布。传统方法检测大气水汽主要包括无线电探空气象卫星探测,水蒸气辐射计,太阳光谱分析仪(29日]。由于它的时空分辨率低,这个传统技术在获取细微的变化有一定的局限性。随着现代气象应用需求的快速增长,这些传统技术的缺陷越来越明显。为了克服这些技术的缺点,分析了厄尔尼诺现象之间的相关性和大气水汽通过智能传感器技术和Walktrap算法特点,为了掌握两种类型的厄尔尼诺事件的影响在中国南部与秋季降水的关系。

2.1。介绍了厄尔尼诺现象

厄尔尼诺南方涛动(ENSO)是一个复杂的海洋大气相互作用事件在低纬度热带太平洋地区。由于海洋和大气之间的相互制约,ENSO显示一定的周期性循环特征。厄尔尼诺现象是ENSO循环的温暖的阶段,而拉尼娜现象是冷阶段的ENSO循环。同时,ENSO也是一种自然现象,打破了正常的天气现象,导致了严重的干旱、洪水、热带气旋、森林火灾和其他极端天气。在厄尔尼诺现象的发生,在东部热带太平洋海平面温度异常高于平均温度,蒸发速度是快,极端降水事件带来了拉丁美洲。在拉尼娜现象,强降雨和风暴事件发生在热带太平洋西部。拉金和哈里森(18)发现,全球变暖将会增加ENSO并导致极端天气的频率。研究大气水汽的不同,结合其他海洋变量的相关性将有助于探索ENSO进化的机制,减少社会和极端天气灾害造成的经济损失。

2.2。两种类型的分工厄尔尼诺事件

目前,有许多研究和方法的两种类型的厄尔尼诺事件。本文利用病房的东部和中部索引(30.区分两种类型的厄尔尼诺事件。该指数被定义为 在哪里

和 ,分别代表nino3平均海表温度异常区域(5°S ~ 5°N, 150°~ 90°W)和nino4区域(5°S ~ 5°N, 160°~ 150°E W),非线性变化的参数。通过这种方式,我们可以每月IEP ICP指标从1951年1月至2015年12月。论述了两种类型的厄尔尼诺事件的影响在秋季降水在南方,和SST在同一时期也被认为是。这个等电位点和ICP索引在秋天是平均IEP ICP指标每年从9月到11月。

2.3。智能传感器技术
2.3.1。智能传感器的概念

智能传感器的概念是一个智能设备,集成了传感器、致动器、电子电路(32- - - - - -34)或一个装置,将传感元素和微处理器,并监控和处理功能。智能传感器的主要功能是为后续的计算和输出数字信号处理。智能传感器的功能包括信号传感、信号处理、数据验证和解释,信号传输和转换。的主要组件包括a / D和D / a转换器、收发器、微控制器和放大器。

目前,传感器的发展经历了三个阶段:1969年以前,它属于第一阶段,主要表现为结构的传感器。1969年20年后属于第二阶段,主要是由固态传感器。从1990年到现在,它属于第三阶段,主要由智能传感器。

智能传感器的组成图如图1。完成数据转换的传感器模块。通过这种方式,微控制器之间的双向连接数字信号,可编程只读存储器(舞会)可用于数字补偿。智能传感器的主要特点是指令和数据的双向通信,数字传输、本地数字处理,自测,用户定义的算法,和补偿算法。


图1
智能传感器的组成图。
2.3.2。智能传感器的特点

智能传感器具有高精度、高分辨率、高可靠性、高适应性、高成本的性能。智能传感器获得高信噪比通过数字处理,以确保精度高。通过数据融合(32)和神经网络技术,它可以确保特定参数的测量和解析能力的多参数状态。通过自动补偿,系统特性漂移引起的工作条件和环境变化是消除,和传输速度进行了优化,使系统工作在最佳的低功耗状态,以提高其可靠性。通过数学处理软件、智能传感器的功能是判断、分析和处理,系统具有较高的适应性。集成电路技术和MEMS技术,可以在大规模生产可以采用,具有高性价比。

2.4。Walktrap算法

Walktrap社区检测方法依赖于随机游走网络划分为社区。到目前为止没有接受社区的定义。事实上,社区的具体定义首先取决于特定的系统或我们想应用的场景。主观,必须有更多的节点在社区之间的联系,但不与其他网络连接。这也是最公认的定义最社区问题。然而,从另一个角度来看,社区的形成过程通常是定义的算法。在没有先验信息的情况下,社区的最终产品检测算法的实现。它提出了30.)和已实现igraph库,可以应用到加权网络。它的基本网络结构如图2。


图2
Walktrap算法基本结构图表。

在每一步转移概率从节点 来 是, ; 节点的程度吗 。因此,随机漫步的转移矩阵被定义为 ,在哪里 是一个对角矩阵 的学位。随机漫步的长度 ,节点的概率 来 是 ,这是记录为 。一般来说,在步骤 随机游走,社区的概率 达到节点 可以写成 在哪里 是在社区的节点数量的总和 。

我们可以得到节点之间的距离 和节点 和社区C1和C2之间的距离:

计算所有成对的社区之间的距离后,Walktrap算法采用基于病房方法聚合方法(31日]。最初,一个节点代表一个社区,也就是说,分区: 。然后,对分区重复以下操作。在每一步 ,如果新的分区最小化平均价值 广场的每个节点之间的距离和它的社区,我们将合并两个社区C1和C2得到一个新的分区。 每个节点的距离它的社区:

这两个社区合并成一个新的社区 并得到一个新的分区: 。然后,重复这个过程,直到所有的点都合并成一个社区。每一步都定义了一个分区 网络作为一个社区,使社区的层次结构树视图。最后,选择最优分区根据最大模块化: 在哪里 社区边缘的比例 和 边的比例与社区吗 。

3所示。介绍区域水汽智能传感器平台的特点

信息采集平台的总体设计包括五部分:传感器阵列硬件电路设计,传感器气室和空气回路设计,定制撒开设计、采集系统软件设计和自定义通信协议。如图3框架的,水过滤后进气管进入空气,注入气室通过气泵的传感器阵列。气室是由一个包含气体传感器的电路板和上盖。


图3
系统数据采集框架。
3.1。单片机的选择

在国际上,结合单片机和芯片外罗常被用来设计机枪兵;即设计撒开表存储在扩展内存,由微处理器。与系统芯片(SOC发展概念和成本的提高单片机的性能,撒开表可以存储在芯片上的存储空间。本设计选择一个ATmega128单片机,这是一个8位微处理器高性能和低功耗。它在16兆赫时达到最高的性能,所以16兆赫外部晶体振荡器电路设计中使用。非易失性程序和数据存储器为撒开数据存储已经成为一个理想的空间,包括128 K闪存和4 K字eepm段。处理器有两个可编程USARTs实现串行通信功能。体育针和功能如表所示1下面,第二多路复用功能的端口没有详细描述。

表1
PE港口功能描述。

单片机8通道的10位ADC, PF端口和功能实现,如图4。单片机内部的ADC转换模块连接,销来实现数据的输入电压信号。如图,AVCC AGND,基诺提供工作电压,地面工作,分别与参考电压转换器。


图4
PF端口功能图。
3.2。选择水蒸气传感器

首次提出了中空纤维Worrell et al。34]。中空纤维上涂了一层反射率材料,纤维内的入射光传播纤维内来回反射。早在1992年,Worrell et al。35)测量的吸收乙烯气体通过一个0.5米长的中空纤维作为气藏。实验结果可以检测乙烯气体ppmv的顺序。等与其他传感器相比,光纤布拉格光栅传感器,在同样有效的光路,因为中空纤维的体积远小于传统的气体细胞和它相对柔软,与光传输损耗低,体积小,容易弯曲,和其他特征,理想气体细胞吸收光谱测量系统。波长调制技术,因为二次谐波信号更加明显在低电压下,系统的检测灵敏度也低。因此,在本文中,传感器主要用于实时测量实际大气的水汽场。

水汽测量装置的原理图的中空纤维传感器如图5。露点生成器添加到路径的一部分在大气水汽测量气体浓度校准。在图中,水蒸气过滤器与一个截止阀,关闭在水蒸气校准和测量实际大气水蒸气时打开。光路部分的差异是空气罐取而代之的是中空纤维传感器从单向的坦克。


图5
原理图的水蒸气与中空纤维传感器测量装置。

4所示。厄尔尼诺现象之间的相关分析和地区水汽的特点

4.1。数据源

本文使用的数据包括水平风速矢量场( , )和垂直速度场提供的12个月平均水平NCEP / NCAR ( )和特定的湿度场数据的空间分辨率 经度和纬度网格(32,33]。海温场海温扩展重建数据数据来自美国国家海洋和大气管理局气候诊断中心,水平网格间距 经度和纬度网格。此外,在中国12个站的月平均降水数据由国家气候中心也被提供。上面的数据是从1951年1月至2018年12月。秋天在本文中是指三个月的平均值从9月到11月,和气候状态是30年的平均价值从1991年到2021年。本文使用的主要研究方法是综合分析。中国的南部地区包括多个电台的范围内20°~ 32°N和98°~ 122.5°e站的分布如图6。


图6
气象监测站的分布图。
4.2。数据处理

根据获得水蒸气通过智能传感器的原理,车站压力是一个必要的气象参数Saastamoinen模型来计算天顶静态延迟。它是最有效的方法获取站气压通过气象传感器提供的智能传感器。然而,一般来说,大多数智能传感器站主要用于大地测量研究和没有配备相应的气象传感器,这限制了高时空分辨率的收购水蒸气信息。时代中期欧洲中尺度天气预报中心提供的产品可以获得分层气象数据,这使得它可以通过插值获得站压力。

空间分辨率时代过渡的产品用于本文 - - - - - -分层的气象数据;每一层包括潜力,温度、相对湿度和其他相关数据。使用插值法维拉和松本提出的(20.),找到最近的两个压力层 和 根据高度 车站内插,然后,选择四个网格点根据车站的位置。在确定的四个网格点两层的压力 和 靠近车站的位置,进行垂直插值,然后,进行水平垂直插值四个网格点插值的高度 车站,最后,获得的压力。具体的过程如图7在下面。


图7
ERA-interim产品插值气压数据的示意图。

在垂直插值的过程中,需要选择四个相邻的网格节点根据插值站的位置。假设节点数 和四个网格点 , , ,和 ,分别提取空气压力和潜在的两个等压面高度接近的高度 车站,然后计算两层之间的高程。公式如下: 在哪里 海拔高度; 和 是潜在的上下两层的高度吗 网格点,分别;和 和 是上下两层的空气压力值的 网格点。因此,压力值 四个网格点的高度 空间站可以表示为 在哪里 海拔高度, 是潜在的高度两个压力层离站的高度,然后呢 相对应的压力值是潜在的最近的压力层高度。

结合上述两个公式,四个网格点垂直的空气压力值可以计算站的高度,然后,气压值的四个网格点站的高度可以插入水平。特别是,当站的高度低于网格点的高度,底部两层的数据需要在垂直插值外推。

水平插值过程中,电台的气象数据通常通过逆距离权重或双线性插值。本文选择反距离加权法确定权重比例根据之间的角距离车站和网格点的位置。插补原理图所示8,表达式如下: 在哪里 和 分别是四个网格点的纬度和经度在车站的高度; 和 分别是车站的经度和纬度;和 是四个网格点和之间的角距离车站。


图8
反距离加权插值原理。

重量计算公式可以表示为 (10) 地球的平均半径,值为6378.17公里; 是1;和 是网格的加权系数 水平插值。

结合上述公式,最后压力插值插值表达式

4.3。ENSO指数

为了更好地分析水汽的变化特征,研究了ENSO事件的影响。摘要南方涛动指数(SOI)和海洋尼诺指数(oni) nino3.4赤道太平洋地区国家海洋和大气管理局提供的选择是ENSO指数。因为ENSO是大气和海洋之间的相互作用的结果,厄尔尼诺和拉尼娜现象是两个极端的ENSO循环的阶段。大气,ENSO使用南方涛动指数定量监测。如果SOI是消极的,它表明,太平洋东部和西部之间的压力差变小,该指数继续显示负值;这表明,厄尔尼诺现象发生在那一年;相反,拉尼娜现象发生。海洋,ENSO使用海洋尼诺指数定量监测。海洋尼诺指数计算平均海表温度异常的禁区的nino3.4热带太平洋中部和东部[98]。如果oni持续超过5个月,超过+ 0.5°C,厄尔尼诺事件会发生。 If the temperature is lower than -0.5° C for more than five months, La Nina event will occur.

4.4。水蒸气和月平均海温之间的关系

因为海洋ENSO海温变化,分析通常使用ECMWF 6 h提供的时间分辨率和空间分辨率 海水表面温度网格数据。然后,海水表面温度数据(图129)在中国的东部沿海地区通过双线性插值研究水蒸气和月平均海温之间的关系在中国的沿海地区。图10显示了月平均的散点图采集和海温的四站从2018年到2021年,中国沿海地区,红色代表拟合曲线。


图9
原理图12气象观测的点。

图10
散点图的水蒸气与月度平均SST在四个代表站。

从图可以看出10之间,有一个非常明显的正相关、采集和海温和他们的波动有一定的关系。因此,我们在所有站更详细的观察。图11显示采集的相关系数和海温在12站更全面;采集增加价值是由1 K增加SST(媒介)。采集的相对增长率是由1 K的增加引起海温(低)。图11能体现以下内容:10站的相关系数大于0.6,7站大于0.8,6台高于0.85,0.9和4台。同时,车站的平均相关系数的测量面积约82.13%,和非常高的相关性。根据图11,增加1 K的SST将导致增加4.17毫米在中国的一些地区采集,将导致增加1 K海温增加2.98毫米的范围内采集22.46°N ~ 25.09°N和北部地区增加1.82毫米25.09°N .与此同时,根据图11,增加1 K海温会导致增加了9.74%在12智能传感器的采集站在中国沿海地区。可以看出,ENSO事件对采集有重大影响。厄尔尼诺现象和拉尼娜现象会严重影响洪水和干旱事件引起的降水的增加或减少。然而,不同的ENSO事件有不同的对气候的影响。因此,除了风场,有必要使用水蒸气研究ENSO事件在当地规模。根据水蒸气之间的相关性和12个月平均海温智能传感器站在中国的沿海地区,它可以发现,ENSO事件可以显著影响大气中的水汽,同时,水蒸气可以用来跟踪ENSO的进化。


图11
散点图的水蒸气和月平均海温12站。

总之,每月平均采集和海水表面温度之间的关系研究利用计算出的水蒸气信息12沿海智能传感器。发现的相关系数站位于中国的沿海地区,约为82.13%。增加1 K SST将导致增加4.17毫米在中国的一些地区采集,与增加1 K SST将导致增加2.98毫米的范围内采集22.46°N ~ 25.09°N中国广东省。增加1 K SST将导致增加了9.74%在12智能传感器采集站在中国沿海地区。可以看出,ENSO事件采集上产生重大影响,这也证明了厄尔尼诺现象在中国与降水变化有显著相关;也就是说,厄尔尼诺现象有很大的相关性与区域水汽。

5。结论

在最近十年,随着智能传感器技术的发展和Walktrap算法和智能传感器的增加,智能传感器的优势站获得水蒸气更明显。与其他水蒸气检测技术相比,智能传感器站可以获得水蒸气高精度、高时空分辨率的信息,这将提供一个重要保障研究水蒸气的时空分布和变化的各种气候模型(厄尔尼诺现象)。因此,本文进一步的研究这个,下面的结论:

通过分析,发现大多数传统传感器站主要用于大地测量研究和没有配备相应的气象传感器,严重阻碍了收购水蒸气与高时空分辨率信息。

本文不解决上述信息采集问题,改善了传统测量站,只介绍了传感器技术来获取信息。通过实际的信息来获得反馈,这个传感器具有优越的信息采集能力。

基于传感器技术和Walktrap算法,厄尔尼诺现象之间的相关分析和区域水汽在中国。通过分析结果的12个气象站在广东沿海地区,发现车站的相关系数位于中国的沿海地区,约为82.13%。增加1 K SST将导致增加4.17毫米在中国的一些地区采集,与增加1 K SST将导致增加2.98毫米的范围内采集22.46°N ~ 25.09°N中国广东省。增加1 K SST将导致增加了9.74%在12 GNSS采集站在中国沿海地区。

综上所述,可以发现,ENSO事件采集上产生重大影响,这也证明了厄尔尼诺现象与中国降水的变化有显著相关性。

数据可用性

本文中使用的数据集可以从相应的作者。

的利益冲突

作者宣称,关于这项工作他们没有利益冲突。

确认

这项工作得到了中国国家重点研发项目(2019 yfc1510003)。