简介：地震宏观异常信息越来越多地以网络为媒介进行传播.通过对地震宏观异常的分析,确定地震宏观异常主题的描述方式,选取特征关键词,构建特征向量空间,利用向量空间模型计算主题相关度,从而实现面向地震宏观异常的主题爬虫.在实验中分别进行了主题爬虫与传统爬虫的信息采集工作,结果表明,主题爬虫在单位时间内可获取更多地震宏观异常信息,这也验证了主题爬虫在地震宏观异常网络信息的获取与传统爬虫相比具有更大优势.

简介：根据1981～2010年NCEP／DOE再分析资料与中国160站降水资料，利用统计学、物理量诊断等方法，探讨夏季东亚季风环流系统重要成员——东亚高空西风急流位置、强度逐月变化与我国降水的关系。分析表明：6～8月东亚高空西风急流比各自气候态位置偏南（北）时，易造成6月华南、江南地区降水、7月江淮流域降水以及8月长江中上游地区降水偏多（少）。本文重点分析2010年6月、2007年7月及2006年8月东亚高空西风急流位置异常时东亚高、低纬度环流特征及其对我国降水影响的物理成因。研究发现：2010年6月东亚高空西风急流稳定在35。N以南。急流轴南侧（北侧）为强辐散（辐合）距平，相应低层辐合（辐散），造成江南、华南地区从低层至高层的强上升运动，配合整层偏西水汽通量距平，为该地区持续性降水提供了有利的动力和水汽条件；2007年7月东亚高空急流位置偏南、强度偏弱，急流月内尺度扰动偏强，使得东亚中高纬度冷空气活动频繁，造成淮河流域出现持续性暴雨；2006年8月东亚高空西风急流位置持续偏北、强度偏强，有利西太平洋副高西伸、北抬，我国四川一重庆地区受副高控制，出现了极端高温干旱天气。

简介：本文针对目前地震知识培训缺乏互动和沟通的问题,以本体化的地震宏观异常信息知识库为基础,将以目标为驱动的体验式认知方法应用于系统设计中,实现了面向公众的地震宏观异常信息认知培训游戏系统.该游戏系统将知识融入到以目标为导向的体验场景和体验任务中,以心流体验激发用户的学习动机,使公众在游戏中自主地解决问题,高效地完成对地震宏观异常知识的认知,更好地协助有关部门做好群测群防工作.

简介：作者于2013年6月底,前往芦山、雅安和成都等在“4·20”芦山地震中震感强烈的村镇,对地震前宏观异常信息开展了采集与调研.通过设计宏观异常调研问卷,与当地居民进行了一对一的访谈、共收集134份问卷,其中含有地震前宏观异常信息88条,包括动物、气象、地声、地磁、地下流体、地雾、人体7种类型.通过调研以及对调研问卷的分析表明,芦山地震前确实存在着一定数量和范围的宏观异常现象,芦山地震和汶川地震前宏观异常特征具有较大相似性.调研中还发现与城市相比,农村因动植物资源丰富,自然景观与自然现象相对少受人为干扰,是地震前宏观异常的主要发生地,因此,应该加强广大农村地区地震的认知培训和宏观异常上报信息平台建设,发挥专群结合在地震预测预报中的作用.

简介：本成果由河北省地球物理勘查院承担完成，成果简要介绍了河北省区域地质及全省地层、岩浆岩、主要岩矿石的磁性特征及规律；着重总结了航磁异常在河北省的找矿效果；研究了河北省与航磁异常有关的七类矿产的异常特征、规律，并分别建立了矿致异常模型；

简介：随着海温观测资料的增多和资料同化技术的发展，南太平洋海温资料质量有了显著提高，这使得南太平洋逐渐成为科学家在研究海气相互作用及影响气候变化的因子时所关注的重点区域。文章系统地介绍了国内外对南太平洋海温（表层和次表层海温）异常变化特征的研究，涉及南太平洋海温异常年际和年代际变化的主要模态及特征，南太平洋海温异常与E1Nifio-SouthemOscillation、南极环状模的关系，以及南太平洋海温异常变化对大气环流和天气气候的影响（包括南太平洋对南美、东亚及中国地区天气气候的影响）等。在回顾已有研究成果的基础上，提出了一些需要深入研究解决的主要问题，以期引起大家对南太平洋海温异常变化研究的关注，促进对南太平洋海温异常及其气候影响的研究和深刻认识。

简介：柬埔寨全国大部分地区被森林所覆盖，在这样的一个特殊的自然景观条件下开展土壤地球化学测量，可以为相同或相似的自然景观条件下，开展土壤地球化学测量起到借鉴作用。

简介：自动气象站运行以后有效避免了人工观测方式下地温的误读现象，提高了地温数据质量。由于自动观测模式对仪器质量及维护方法提出了更高的要求，因此观测人员应不断提高理论水平和责任心。维护不当，自动采集的数据可能发生系统性错误。本文通过地温数据质量控制的一个实例，警醒一线观测人员。

简介：地震宏观异常是指地震前后人的感觉能直接察觉到的自然界异常现象,本研究在芦山地震后,针对公众通过微博发布的异常信息进行搜集,提出从真实性、完整性、信誉度和关联度四方面对公众提供的微博宏观异常信息进行筛选的方法,并根据筛选后的信息从时间角度、空间分布等方面进行芦山地震前后宏观异常信息的分析研究.结果表明,芦山地震前后是有宏观异常出现的,公众关注的异常种类主要为动物异常与天气异常;震前发生宏观异常占宏观异常总数的67％,但仅有30％被发布;微博发布的宏观异常信息中,大多位于距离震中较远的成都市,而非震中地区.微博信息可以作为宏观异常信息的一个主要的及时信息来源,有助于发挥群测群防在防震减灾工作中的作用.

简介：分析了2012年2—3月异常连阴雨天气的环流背景、副热带西风急流、低层热力场特征及水汽输送，结果表明：1）500hPa在乌拉尔山以东地区为稳定的高压脊区，东西两路冷空气从高压脊两侧的低槽分裂南下交替影响；华西低槽稳定维持，西北太平洋高度场偏高，形成西低东高环流特征。2）200hPa西风急流位置比常年偏北。3）850hPa在西南地区东部有冷温槽，在江南地区有明显的锋区维持。4）低层水汽输送主要来自南海。5）连阴雨期间的区域性暴雨过程中存在一支强劲的西南风低空急流。

简介：利用1954--2010年地面气温、降水观测资料和月环流特征量、NCEP高度场再分析资料等，采用常规气候统计方法，分析了黑龙江省初夏6月气温、降水的气候特点，通过初夏6月气温、降水与北半球500hPa高度场相关分析，建立起与中高纬度环流因子关系。结果表明：黑龙江省初夏气候异常与中高纬度环流异常有关，影响初夏气候异常的中高纬度环流因子主要有亚洲纬向环流指数，阿留申低压指数，亚洲区极涡面积指数，鄂霍次克海的阻塞高压指数等。在此基础上分析大气及中高纬度环流因子的背景，考虑外强迫因子海温的间接作用，掌握中高纬度环流因子的变化，是准确预测黑龙江省初夏气候的关键前提。

简介：基于1958/1959~2009/2010年冬季全球海表温度（HadISST）和中国160站地面月平均温度等资料,利用广义平衡反馈分析方法（GEFA）,分析了中国地区2009/2010年冬季气温异常型态与SST异常的关系。结果表明,热带中东太平洋ElNio型和热带大西洋＂三极型＂对2009/2010年冬季中国地区西南暖东北冷的异常型态（简称LN型）影响显著。为了验证统计结果的可靠性,利用MPI（MaxPlanckInstituteforMeteorology）全球大气环流模式ECHAM5进行气温异常型态对关键海盆SST变化响应的敏感性试验,结果表明西南地区气温异常对热带太平洋ElNio模态强迫的增暖响应在0.5°C左右;对热带大西洋＂三极型＂强迫的增暖响应在0.6°C左右,增暖中心的云贵高原一带最大增温幅度达到1°C。对ElNio模态、热带大西洋＂三极型＂的强迫,东北绝大部分地区表现出冷的响应,气温异常下降分别在0.6°C和0.45°C左右,中国东部地区气温异常型态是热带大西洋＂三极型＂海温异常和热带太平洋ElNio模共同强迫的结果。这两种海温异常型态使中高纬度地区西风加强,阻挡了来至高纬度地区的冷空气向南方输送,导致西南地区较常年偏暖,而东北偏冷。同时,西太平洋地区出现的海平面气压反气旋式环流异常可能削弱了东亚冬季风。

简介：利用1961--2012年6．8月内蒙古自治区100个站各月降水量资料，以降水距平百分率划分了单站和全区各月的多、少雨年份，分析6—8月全区多雨和少雨站点百分率变化特征，针对全区夏季各月异常多雨和异常少雨年份，分析了同期北半球欧亚地区大气环流的分布特征。8月降水存在减少趋势，6月和7月则主要表现为阶段性多（少）雨，且少雨年多于多雨年。结果表明：在多雨月份，100hPa高度场上，欧亚中高纬度呈径向环流分布，极涡较弱。其中，6月为两槽一脊型，内蒙古位于高压脊区前部，7—8月为两脊一槽型，内蒙古位于高压脊区后部；500hPa高度场上，6月亚洲区主要表现为变形场，内蒙古处于锋生区，或是亚洲中高纬度环流为两脊一槽型，内蒙古处于两高之间的宽广低槽中，7—8月欧亚中高纬度环流主要表现为东高西低，内蒙古自治区位于低压槽区中；850hPa流场图上内蒙古为气旋性切变区域或为风场辐合区域控制。在少雨月份，100hPa和500hPa高度场上，欧亚中高纬度呈纬向环流分布，极涡较强，内蒙古位于南亚高压北边的正距平区域；850hPa流场图上表现为弱的风场特征，无明显的水汽输送。

简介：微博平台有用户群大、公众参与性强、实时性等优点,同时微博平台信息又具有信息真伪难辨、地址信息模糊等缺点.本文以芦山地震为例,针对微博内容如何提取和地址如何定位两方面进行了分析研究,对于如何在网络微博平台中及时的提取地震宏观异常信息,提出了聚焦爬虫技术,并对微博地址进行了分类,同时将正向最大匹配和特征词地址分词的中文地址匹配模型应用于地址信息的提取和地址匹配中;最后将不同的地址类别定位为不同的行政级别,使微博平台和微博信息得到了充分的利用.通过研究认识到微博信息在反应震前异常的发生趋势方面有一定的参考价值（动物异常和气象异常所占比例较大）,是不能被忽略的：地址方面可以看出异常随着时间的逼近有向震中聚集的趋势,有一定的参考价值.