1 引言

长期以来，风速概率分布特征一直受到气象学、海洋学、气候学，还有风能气象学等多领域的关注，这主要是因为风速概率分布特征对于估算海-气间动量、热量、水汽交换十分关键[1]，也是用来评估风能密度、风能储量[2-3]的基础。研究结果指出，与正态分布相比，Weibull分布能更好地表征我国内陆地区风速概率分布的偏度和峰度[4]。然而，能否客观地描述风速概率分布是非常重要的，如Weibull分布的尺度参数的影响就对有效风能密度评估结果十分敏感[5]，而且风速的概率分布模型也是卫星遥感海面风场的重要基础[6]。

海面风场的分布特征与众多外界因素有关(如：天气系统[7]，海陆地形分布[8])。为更准确地研究海面风的分布特征，需要尽可能的开展高时空分辨率的海面风直接观测，但无论是浮标、石油平台、海岛观测站等，直接观测站的空间覆盖仍然十分有限(如：利用船舶观测对北半球海面风的粗略观测[9])；随着卫星对海面风观测的应用，卫星数据大大提高了对海面风的空间覆盖率和时间序列长度。Bauer[10]也指出了海面风的概率分布特征可以用一个双参数的Weibull分布函数来近似表述，这与Monahan[11]利用6年的QuikSCAT数据分析所得到的结果是一致的。

然而，对海面风(特别是近岸海域)的分布及其参数化问题的理解还存在不少困难(如：Thompson[12]、Wanninkhof和McGillis[13])，模式预报显露的不足，使得对海陆交界和远离陆地的海域的风的分布特征还没有较完整的认识[14]。这也说明由于离岸距离的不同，对应下垫面特征的差异，海面风的分布也有明显差异，这种差异使得一些融合再分析的数据也无法较真实描述海面风场[15]。通过对比卫星(SeaWinds, SSM/I)观测的海面风和ERA-40、NCEP-NCAR再分析数据的海面风数据，发现4种数据拟合得到的分布特征有时也不符合Weibull分布，这可能是因为遥感反演的风速与实况存在偏差[16]，说明卫星观测和再分析数据对海面小尺度的系统导致的风场变化无法解析[17]，因而卫星观测数据与海面真实风场存在偏差。由于这种初始风场存在的偏差也容易引起模式预报的海面风与真实风场相差较大[18]，因此，Weibull分布并不能完全表述海面风的分布特征[19]。

近些年来，随着我国海岛气象站、浮标站等的增加，人们逐渐加强了利用直接观测资料对近海岸地区海面风的季节分布特征进行研究(如：刁学贤[20]、周兆黎等[21]、何斌等[22]、王静等[23])。不过，这些研究工作多集中在分析风速的时间变化特征，对于我国近海风速分布的概率分布特征，目前国内外相应的研究工作也十分鲜见。自2012年以来，广东省气象局在南海北部海域逐步建设了浮标站、海岛自动站、石油平台自动站等多种海上观测系统。海面直接观测能更好地反映海面风分布，为增进认识南海北部海面风场分布特征提供了第一手观测数据。为此，我们将着重研究南海北部不同离岸距离的海面风统计分布特征，分析风速分布的季节变化，探讨Weibull分布在南海北部海域的适用性，这对了解南海海面风分布特征有着积极的帮助。

2 数据和方法

2.1 数据说明

连续的10 m高度的海面风直接观测资料，目前主要来自海岛自动气象站、浮标站、海上石油平台，观测频率为：次/10 min，资料从2012年1月起至2016年12月止。由于海面风(尤其是靠近海岸线的站点)受海岸线影响明显，因而，依据不同站点的经纬度信息，确定其距离海岸线的距离，并将不同站点划分为：第1类，离岸距离小于10 km；第2类，离岸距离大于10 km但小于100 km；第3类，离岸距离大于100 km 但小于200 km；第4类，离岸距离大于200 km(表1)。

 

表1 广东沿海海上气象观测站点

 

Tab.1 Weather observation stations off the coast of Guangdong Province

  

类型站点纬度经度离岸距离/km第1类59506(浮标站)22.61°N115.56°E<10HKHMZ(海岛站)22.45°N114.39°E第2类G5942(浮标站)21.88°N114.83°E10～10059765(浮标站)20.75°N111.66°E第3类G3597(石油平台)21.60°N116.10°E100～20059515(浮标站)22.33°N117.34°E第4类G3598(石油平台)20.20°N114.90°E>200G7426(石油平台)19.26°N112.19°E

另外，由于仪器故障或其他异常原因，可能导致数据的非正常现象，因此需要对各站点的数据进行处理，处理的方法主要包含两个步骤。步骤一，对各站点的时序序列数据进行野点剔除，目前对于野点的剔除比较通用的方法是采用3倍方差法(如：潘小乐等[24]；杜德文等[25])，具体为：滑动对24 h内逐10 min的风速进行计算，得到该滑动窗口内的均方差，若该滑动窗口内的某个时次数据值超过该均方差的3倍，则剔除该时次的数据。步骤二，是对各类站点进行横向比较，从而判断该站点的数据是否可信。即从某个站点日平均风速的时间序列图来看，若其与相邻(间距<50 km)2个或以上的站点的日平均风(24 h的平均)连续存在10 d以上明显的差异(风速>3 m/s，风向>10°)，且这种差异在全年的时间序列中每个月都存在，则该站点作为奇异站点。在图1中，属于第3类的G3599站点与G3597、G3598站点相比，日平均风向连续存在明显的偏差(图略)，而G3597站点与G3598站点的一致性较好，因而判断该站点观测信息有误；属于第4类的58792站点与G3598、G3597站点相比日平均风速经常出现明显偏低2～3级(图略)，而G3598站点与G3597站点的风速一致性较好且差异合理，因而判断59792站点的观测信息有误。故以下分析时剔除了上述两个站点，筛选得到可用于分析的海面风观测站点见表1，其分布位置见图1。

  

图1 广东沿海海上气象观测站的位置分布图Fig.1 Specific locations corresponding to each station圆点为保留的各类站点，三角形点为被剔除的站点Dots are stations reserved for analysis, and triangle means stations are eliminated because of poor data quality

2.2 概率分布的参数计算

2.2.1 基于观测资料的概率分布

基于海面风的实际观测数据，在计算得到相应的风速概率分布，描述分布特征的偏斜度(skew)和峰度(kurt)的计算公式为[26]：

 

(1)

 

(2)

式中，v为风速；std为风速标准差。

因此，在探究内网的安全问题时应该从两个方面入手，一是从外到内的（交界、边界安全），要防范来自互联网的攻击，防范攻击者入侵到内部网络，控制远程接入的访问权限。另一方面是从内到外的，要控制从企业内网到外网的访问，内部移动设备的接入，分发管理等［3］。根据不同来源的安全问题，采取不同的防范措施。可见，内网安全具有一个双向交互的管理特点，仅就一方面的安全问题来维护是不全面的。

2.2.2 Weibull分布函数

通常，风速的概率分布可以用双参数的Weibull分布函数较好的拟合，其拟合函数表达式为：和λ分别代表了形状和尺度参数。基于拟合的Weibull分布，利用k和λ两个参数，可以计算得到其相应的两个参数(偏斜度、峰度)的计算公式为：

甘肃会宁是中国工农红军一、二、四方面军胜利会师的地方，伟大的“会师精神”自然就是我们班级文化建设一个重要组成部分了。

 

(3)

 

(4)

根据公式(1)，利用每天的风速观测数据可以计算得到相应的的偏斜度和比值的分布(图5中黑色散点)。在比值相对较小的时候，偏斜度与比值的关系显得更加的陡峭(即：相同的比值时，观测对应的偏斜度往往要小于Weibull的偏斜度)；但是，当比值逐步增大后，偏斜度与比值的关系变得更为平直(即：相同的比值时，观测对应的偏斜度要大于Weibull的偏斜度)。无论是比值较小时观测得到的这种“陡峭”，还是比值较大时观测得到的“平直”现象的明显，都是意味着对应的风速概率分布曲线的偏斜度存在起伏变化。

 

(5)

在计算式(3)和式(4)时，需要用到k和λ两个参数，一般可以采用两种方法进行计算。第1种是近似直接估算的方法[27]，具体公式为：k≃第2种方法是间接估算方法，由于平均风速和标准差可以用式(6)和式(7)估算，因而，首先利用观测资料计算得到和std(v)；其次，将公式(7)除以公式(6)，并结合公式(5)，通过迭代逼近的方法，可计算得到参数k；最后，根据公式(6)计算得到参数λ。

这是富商之家，在胡人包围桂州前，富商就见过梨友，献上金银珠宝，还把城中哪些人家有钱、哪些人家在朝中当官，都详尽地写在单子上，交给了梨友。梨友看他忠诚，许破城之日，让他做桂州县令。

 

(6)

 

(7)

3 海面风的概率分布特征

3.1 参数特征

图2和图3给出了基于各站点观测的风速，计算得到全年每日平均值、标准差、概率分布偏斜度和峰度的分布(例如：选取2012—2016年每年的1月1日，计算其逐10 min风速的平均值，得到这5年间1月1日的日平均风速，以此类推计算得到1月2日、3日等日平均风速，进而得到全年的日平均风速时间演变)。从各物理量场的分布可以看出，平均风速的变化呈现出明显的季节变化特征，平均风速一般冬季(11月至翌1月)出现最大，最小值出现在夏季(7月前后)；离岸距离的不同平均风速也有相应的变化，通常离岸距离越远，冬季的平均风速值也越大(图略)，且持续的时间也越久，相应的夏季平均风速也相对较大。离岸较近的站点，风速标准差变化幅度相对较小(图2a,图2b)；离岸较远的站点，风速标准差较大，且起伏幅度也相对较大，较大的风速标准差对应的是相对较小的平均风速，这说明离岸较远的站点夏季受天气系统影响较明显，风速的起伏幅度明显。

通过式(1)、式(2)计算得到风速概率分布参数。偏斜度的分布在各个季节都会出现正值或负值，出现概率相当，不过离岸较远的站点(图3d)，夏季以正值为主、冬季以负值为主。而对应的峰度主要是负值，但Monahan[16]利用再分析资料和卫星遥感资料的统计分析结果显示，在热带地区峰度基本是正值。可见，在南海的北部海岸带地区，靠近海岸线地区，海面风速概率分布是有其自身特点的。

  

图2 各站点的风速标准差的时间变化Fig.2 Changes in wind speed standard deviation over time for each station

  

图3 各站点风速概率分布的偏斜度(a-d)和峰度(e-h)的时间变化(红色实线为0值线，用以突显各物理量的正负)Fig.3 Changes in wind speed probability distribution skewness (a-d) and kurtosis value (e-h) over time (red solid line is zero value line)

  

图4 观测和拟合的风速概率分布Fig.4 Observed and fitted wind speed probability distributions

3.2 风速概率分布特征

用Weibull分布来拟合实际风速的概率分布时，由于其分布参数季节变化，因而实际风速概率分布与Weibull分布之间是有差异的。拟合的Weibull分布，通常峰度会比实际分布要大，偏斜度也会更大。从各类台站的分布来看，随着离岸距离的增大，观测到的风速概率分布变得越来越不符合Weibull分布，离岸距离超过100 km后，风速概率分布变得复杂，表现出多峰型的分布，分布谱的宽度也明显扩展到超过20 m/s。相比于第1、2类站点，第3、4类站点的这种分布，对应最大概率的风速值也由6 m/s增大到10 m/s，谱宽的增大使得对应的峰值概率有所降低(图4)。如果仍然用Weibull分布来近似拟合，主要体现在最大峰值的右侧部分偏差较大，即对于大风速时，其用Weibull分布来拟合概率分布将存在较大偏差。

扫描电子显微镜（EVO18型），德国ZEISS公司；场发射透射电子显微镜（JEM-2100F型），日本电子株式会社；冷冻超薄切片机（UC6-FC6型），德国Leica公司；X-射线衍射仪（X’Pert PRO型），荷兰Panlytical公司；小角X射线散射系统（SAXSess型），奥利地Anton Paar公司；分子磷屏成像系统（Cyclone型），美国Perkin Elmer公司；同步热分析仪（STA449 F3型），德国NETZSCH/耐驰公司。

描述Weibull分布的尺度参数季节分布与平均风速的分布十分相似，呈现出尺度参数在冬季值最大，在夏季值最小。形状参数则表现为随季节变化基本为平稳，但在11、12月会出现较大的起伏，说明冬季风变化较明显。

 

表2 Weibull分布的参数及相应计算得到的物理量

 

Tab.2 Weibull distribution parameters and corresponding calculated physical quantities

  

站点k(形状参数)λ(尺度参数)平均值标准差偏斜度峰度1_595061.9407.7556.8723.7000.667-50.6211_HKHMZ2.0908.9687.9373.9980.567-51.7072_G59422.2538.1917.2493.4140.472-53.1222_597652.1897.4486.5913.1850.508-52.5433_G35972.0409.7778.6554.4550.599-51.3173_595152.1619.4108.3274.0710.524-52.2994_G35982.02710.7949.5564.9470.608-51.2204_G74261.7708.3307.4094.3320.800-49.776

表2给出了利用各站点观测的风速计算得到的Weibull分布的参数及相应计算得到的物理量。不同离岸距离的站点，拟合得到的Weibull分布，其形状参数差异较小，尺度参数变化明显。拟合的各站点形状参数变化幅度在1.770～2.253，平均值为2.06，变化幅度大致在10%以内；各站点尺度参数的平均值为8.83，起伏变化幅度在±22%，因而拟合的Weibull分布主要受尺度参数的影响表现出明显差异，这一特征在偏斜度和峰度上也是有体现的，Weibull分布的差异在偏斜度上的体现更为明显(起伏变化约±34%)，而峰度则相差不大(起伏变化约±4%)。总体上，表现为离岸距离较远的站点，平均风速较大，标准偏差也较大，当标准偏差超过4 m/s时，对应的Weibull分布与实际风速概率分布存在较大差异。

选取HKHMZ(第1类站点)、G5942(第2类站点)、G3597(第3类站点)、G3598(第4类站点)作为对比分析的站点，并选取3月、6月、9月、12月作为每个季节的代表月份，图5给出相应的风速概率分布、以及平均值与标准偏差比值(简称比值)与偏斜度的散点分布。虽然4个观测站离岸距离不同，但Weibull变量分布曲线均表现出相似的特点，即：当比值相对较小时(小于3)，偏斜度值为正值，并且分布比Weibull曲线更为陡峭，当比值较大时，曲线变为相对平直，但偏斜度值也逐步转为负值。

式中，函数的近似计算公式为：

3.3 风速概率分布的季节特征

3.3.1 分布特征比较

由于离岸距离的不同，站点的风速概率分布有着不同特征(图4)，总体表现为离岸距离越远，越不符合Weibull分布。与离岸较近的站点相比，冬季平均风速会明显偏大，风速标准偏差在夏季也出现较大的离散性，这说明风速的分布存在一定的季节性差异。冬季，各站点的中心风速值向大值区偏移，虽然分布的风速区间缩小，但中心风速明显比其他季节时要偏大，且出现频率更大，表现出冬季持续性大风特征。其他季节期间，Weibull分布对应的中心风速相对较小，5～10 m/s的风速出现最为频繁，且离岸距离越远的站点，风速区间扩大，大风速情况增多，且对应的中心风速也逐步增大。

在4类站点中，第1类站点各月的风速概率分布与拟合的Weibull分布都十分接近，而第2类站点在3月的风速概率分布与拟合的Weibull分布存在较为明显的差异(图5e)，第3类站点秋冬季的风速频率与拟合的Weibull分布较为一致(图5k、图5l)，而第4类站点只有秋季的风速分布与拟合的Weibull分布一致(图5o)。不难看出，除第1类站点外，春季(3月)各站点都表现出风速概率分布不符合Weibull分布；夏季风速概率分布随着离岸距离的增大，各站点的分布越来越偏离Weibull特征，离岸较远的第3、4类站点偏差十分明显；冬季时仅第4类站点的风速概率分布与Weibull分布不一致；上述特征表明，第1类站点常年符合Weibull分布，第2类站点除春季外，其他季节基本都符合Weibull分布，第3类站点只有秋、冬季节符合Weibull分布，第4类站点仅秋季符合Weibull分布。

He等[28]认为，与陆地相比，开阔洋面风速的概率分布应都符合Weibull分布。但从这4类站点的分布特征来看，离岸距离越远的站点与Weibull分布的差异越大。Landberg等[29]指出，海面粗糙度对风速概率分布影响明显，而海面粗糙度受海面波浪、海面大气稳定度、水深、海面风速垂直分布等多种因素的影响，因而海上不同的站点完全可能表现出不同的风速分布特征，这也说明了南海北部不同类别的站点风速概率分布是有着自身的地域特征。

3.3.2 Weibull参数特征比较

图5给出了风速平均值与标准偏差的比值和Weibull分布的偏斜度的关系。通常，比值相对较小时(小于3)，两种方案计算的偏斜度都是正值，比值较大时偏斜度逐步转为负值。由于9月份各站观测到的风速标准偏差都较大(图2)，因而与其他月份相比，比值偏小，表现为比值与偏斜度的分布相对集中在偏斜度正值区，这种分布在第一类站点的其他季节也有相同的特征，但在其他3类的站点中并不相类似。离岸距离越远，比值与偏斜度的分布主要表现为偏斜度基本都为负值，这种特征尤其在冬季(12月)中最为明显。

  

图5 各站点不同月份的风速概率分布特征(黑色实线为观测分布，黑色虚线为拟合的Weibull分布)和平均值/标准偏差与偏斜度的散点分布(黑色圆点为观测数据计算得到，红色方形点为基于拟合的Weibull函数计算得到)Fig.5 Station wind speed probability distributions for different months (black solid lines indicate the observed distribution and black dotted lines indicate the fitted Weibull distribution) as well as mean/std and skew scatter distributions (black dots indicate the observed data and red squares indicate values computed from the corresponding fitted Weibull function)

参考文献：

上述各季节、各站点偏斜度的分布特点主要是由于海上不同稳定度特征所造成，这与Monahan等[30]研究中陆地风速概率分布具有类似的特点。此外，Monahan[16]利用美国沿海的浮标、热带太平洋的浮标、热带大西洋的浮标等3类数据分析指出，开阔大洋的偏斜度是要明显小于对应的Weibull偏斜度，并且相同比值时，热带大西洋的偏斜度要小于热带太平洋的偏斜度，更加偏离Weibull分布。在这4类站点中，均表现出离岸距离越远，偏斜度越加小于相应的Weibull偏斜度，这与Monahan[16]的观测结果是一致的，不过，正如前面所述，其偏斜度分布有着自身的地域特点，这些特征进一步加深了我们对南海北部不同离岸距离的海域风速概率分布特征的认识。

5位老妇人相继拿起剪子和白纸，津村洋介很快发现，唯一左手持剪的，正是那位来自北京的赵碧琰。不到一分钟，她又放下剪子。其他4位赵碧琰剪的或拙或巧，大多是花案剪影。唯有她剪出的，是一大一小两张长方形。法官问道：“请问这是……”“金条。”老太太清晰平静地说，“我和我丈夫藏在成城町168号地下室里的金条，放在一个铸铁箱子里，上面有印记和编号。”说着将两张长方形纸片一叠一拼，呈现出一个长方体的模样。津村洋介法官长出一口气，可以结案了：在造币局东京分局所保管的那些珠宝，其中大部分正是这种形状的金条。这一点，只有藏宝的这对夫妇能够知晓。

4 结论

为了解南海北部海面风速的概率分布特征，选取了4个离岸不同距离的站点，通过分析风速的概率分布特征、Weibull分布特征物理量等信息，得到以下几个主要的结论：

(1)平均风速的变化呈现出明显的季节变化特征，平均风速一般最大值出现在冬季(11日至翌1月)，最小值出现在夏季(7月前后)；离岸距离越远，平均风速值也越大，且持续的时间也越久，风速标准差较大，且起伏幅度也相对较明显。

(2)南海的北部海岸带地区，风速概率分布所对应的参数具有其自身的分布特征，偏斜度的分布在各个季节都会出现正值或负值，出现概率相当，而对应的峰度主要是负值，与Monahan[16]的分析结果有所不同。

(3)100 km以内的沿海地区，风速概率分布较为符合Weibull分布特征，100 km以外的海面风速概率分布与Weibull分布存在明显差异，离岸距离较远的站点，平均风速较大，标准偏差也较大，Weibull分布中的尺度参数起伏变化幅度也较大。

(4)秋季各站均较好的符合Weibull分布特征，随着离岸距离的增大，出现与Weibull分布不一致的情况越来越多，且与对应的Weibull分布相比，其偏斜度越小，风速概率分布不能用Weibull分布进行较好拟合。

当比值较小时(小于3)，观测到的偏斜度比Weibull分布的偏斜度要更小，并且随着离岸距离的增大，观测的偏斜度都有负值的现象，观测的偏斜度离散性较大，此时观测的风速概率分布与拟合的Weibull分布有较大的差异。随着离岸距离增大，观测的偏斜度基本都小于Weibull分布的偏斜度，但若出现观测的偏斜度明显存在较多的时次是小于Weibull分布的偏斜度，说明观测的风速概率分布起伏变化较大，与拟合的Weibull分布会有较明显差异。

[1] Donelan M, W Drennan, E Saltzman, et al. Gas Transfer at Water Surfaces[M]. American Geophysical Union,2002:383.

教师应及时把握图学科学与图形技术的发展。改变过去将制图传统内容与现代产品设计方法和技术分开学习的方式，体现科学技术的新进展，体现课程的前沿性和时代性。将计算机技术作为支撑环境与制图传统内容的教学有机结合，使学生在制图知识不断丰富的过程中，计算机绘图及辅助设计的能力也同步拓展。同时了解机械制图在现代产品设计制造过程中的作用，为学生构建完整的知识体系，使他们掌握本门课程所涉及的前沿技术。

[2] 郑崇伟, 李崇银. 中国南海岛礁建设：风力发电、海浪发电[J]. 中国海洋大学学报,2015,45(9):7-14.

Zheng Chongwei, Li Chongyin. Development of the islands and reefs in the South China Sea: Wind power and wave power generation[J]. Periodical of Ocean University of China, 2015,45(9):7-14.

[3] 郑崇伟, 李崇银, 杨艳, 等. 巴基斯坦瓜达尔港的风能资源评估[J].厦门大学学报:自然科学版,2016,55(2):210-215.

Zheng Chongwei, Li Chongyin, Yang Yan, et al. Analysis of wind energy resource in the Pakistan’s Gwadar port[J]. Journal of Xiamen University: Natural Science,2016,55(2):210-215.

[4] 陈练,李栋梁,吴洪宝.中国风速概率分布及在风能评估中的应用[J].太阳能学报,2010,31(9):1209-1214.

Chen Lian, Li Dongliang, Wu Hongbao. The probability distribution of wind speed and its application in estimation of wind energy in China[J]. Acta Energlae Solaris Sinica, 2010,31(9):1209-1214.

[5] 唐岚,束洪春,于继来.风能资源估算中的不确定性分析[J].太阳能学报,2011,32(10): 1560-1565.

Tang Lan, Shu Hongchun, Yu Jilai. Uncertainty analysis of wind energy resource estimaition[J]. Acta Energlae Solaris Sinica,2011,32(10): 1560-1565.

[6] Meissner T, Smith D, Wentz F. A 10 year intercomparison between collocated Special Sensor Microwave Imager oceanic surface wind speed retrievals and global analyses[J]. Journal of Geophysical Research, 2001,106: 11731-11742.

[7] 高瑞华,王式功,张孝峰,等.渤海海峡大风的气候特征分析[J].海洋预报,2008,25(3):7-15.

[11] Monahan A H. The probability distribution of sea surface wind speeds. Part Ⅰ: theory and seawinds observations[J]. Journal of Climate, 2006,19:497-520.

（1）听力过程中过分关注每一个听到的语音，单词，短语，句子，争取把每个单词句子都听懂，过分依赖“自下而上”的解码方式，以为单词句子意义就是整体意义的叠加，忽略了“自上而下”的篇章理解模式，无法从整体和语境理解说话者的意图，导致解码失败；

[8] 梁军,张胜军,刘晓初,等.辽东半岛和山东半岛地形对黄、渤海大风影响的数值模拟试验[J].热带气象学报, 2015,31(3):374-384.

Liang Jun, Zhang Shengjun, Liu Xiaochu, et al. Numerical simulation of high wind events over the yellow sea and the bohai sea considering topographic effects of liaodong peninsula and shandong peninsula[J]. Journal of Tropical Meteorology, 2015,31(3):374-384.

车体在列车交会过程中的振动响应会通过一系、二系悬挂系统传递至轮轨，影响车辆的运行安全性。根据《铁道车辆动力学性能评定和试验鉴定规范》[9]，车辆运行安全性指标包括轮轨垂向力、轮轴横向力、脱轨系数以及轮重减载率。

[9] Pavia E G, O’Brien J J. Weibull statistics of wind speed over the ocean[J]. Journal of Applied Meteorology and Climatology,1986,25:1324-1332.

[19] Erickson D J, Taylor J A. Non-Weibull behavior observed in a model-generated global surface wind field frequency distribution[J]. Journal of Geophysical Research,1989,94:12693-12698.

Gao Ruihua, Wang Shigong, Zhang Xiaofeng, et al. An analysis of the climatic characteristics of the gale in Bohai Straits[J]. Marine Forecasts, 2008,25(3):7-15.

推荐理由:19世纪以来，新兴的中国知识阶层出了几位学贯中西的巨人，如严复、胡适，而钱钟书可能是这一脉在20世纪最后一位代表人物。钱钟书家学渊源，不但古文根底深厚，不到20岁就替父亲捉刀代笔，为国学大师钱穆作序，而且博闻强记，学贯中西，每习欧洲语言，皆从该语言的经典着手，钱钟书又以《围城》等小说屹立文坛，夏志清教授的《现代中国小说史》并辟专章讨论他的文学创作成就。

[12] Thompson K, Marsden R, Wright D. Estimation of low-frequency wind stress fluctuations over the open ocean[J]. Journal of Physical Oceanography, 1983,13:1003-1011.

[13] Wanninkhof R, McGillis W R. A cubic relationship between air-sea CO2 exchange and wind speed[J]. Geophysical Research Letters, 1999, 26: 1889-1892.

太阳能制冷空调技术方案很多,主要包括光-热和光-电两大技术路线。在光-热技术路线方面,包括吸收式制冷、吸附式制冷、除湿空调、喷射制冷、朗肯循环制冷和化学反应方式制冷等技术方案。以往在我国太阳能制冷空调工程中应用最广泛、技术最成熟的方案是真空管或平板集热器+溴化锂单效吸收式冷水机组方案[1]。本文设计了一个自动化的太阳能空调，通过利用PLC技术控制电机自动跟踪太阳方位和仰角，收集太阳能来驱动制冷机组制冷，实现太阳能制冷。

[14] 陈俊文,蔡扬,白毅平,等.南海冬季一次海面大风天气的WRF模式预报检验[J].海洋预报, 2014,31(4):32-40.

[17] Kelly K A, Dickinson S, Johnson G C. Comparisons of scatterometer and TAO winds reveal time-varying surface currents for the tropical Pacific Ocean[J]. Journal of Atmospheric and Oceanic Technology,2005,22:735-745.

[15] 旷芳芳,张友权,张俊鹏,等.3种海面风场资料在台湾海峡的比较和评估[J].海洋学报, 2015,37(5):44-53.

Kuang Fangfang, Zhang Youquan, Zhang Junpeng, et al. Comparison and evaluation of three sea surface wind products in Taiwan strait[J]. Haiyang Xuebao, 2015,37(5):44-53.

[16] Monahan A H. The probability distribution of sea surface wind speeds. Part Ⅱ: dataset intercomparison and seasonal variability[J]. Journal of Climate, 2006,19:521-534.

Chen Junwen, Cai Yang, Bai Yiping, et al. Simulation of one gale case in winter in the South China Sea[J]. Marine Forecasts, 2014,31(4):32-40.

[18] 薄文波,高山红,王永明.基于WRF模式的渤海海面风的预报与订正[J].海洋湖沼通报, 2013(3):37-44.

Bo Wenbo, Gao Shanhong, Wang Yongming. Forecast and correction of the Bohai Sea surface wind based on WRF model[J]. Transactions of Oceanology and Limnology, 2013(3):37-44.

[10] Bauer E. Characteristic frequency distributions of remotely sensed in situ and modelled wind speeds[J]. International Journal of Climatology, 1996,16:1087-1102.

[20] 刁学贤.青岛海滨和近海各季海面风的基本特征[J].海洋预报, 1998,15(1):51-58.

1.2 材料 选择山东威海洁瑞医用有限公司提供的24G×19 mm针管回缩式静脉留置针，6 cm×7 cm 3M含碘敷贴。

Diao Xuexian. Basic seasonal characteristics of sea surface wind along coast of Qingdao[J]. Marine Forecasts,1998,15(1):51-58.

[21] 周兆黎,李淑君,梁广建.南沙永暑礁近海面风的特征分析[J].广东气象,2012,34(4):14-17.

Zhou Zhaoli, Li Shujun, Liang Guangjian. Characteristic analysis of near surface wind around fiery cross reef of Nansha islands[J]. Guangdong Meteorology,2012,34(4):14-17.

师傅告诉他，原始记录是总结经验、摸清操作规律的依据，记录过程千万草率不得。董松江把这句话牢牢地记在了心里。他每填写一个数据，都要核对仪表多次，以防出错。每班456个数据，四五年间，他记录了近76万个数据，没有一次漏记错记。

[22] 何斌,潘士雄,李海军,等.浙北沿岸海域海面风场反演方法的研究[J].气象,2016,42(7):875-884.

He Bin, Pan Shixiong, Li Haijun, et al. Research of the method for retrieving winds on sea surface along coast of north Zhejiang[J]. Meteorological Monthly,2016,42(7):875-884.

[23] 王静,苗峻峰,冯文.海南岛沿海近地面风时空分布特征的观测分析[J].南京信息工程大学学报:自然科学版, 2016,8(3):226-238.

Wang Jing, Miao Junfeng, Feng Wen. An observational analysis of spatial and temporal characteristics of near-surface wind over the coastal area of the Hainan Island[J]. Journal of Nanjing University of Information Science and Technology:Natural Science Edition, 2016,8(3):226-238.

[24] 潘小乐,王自发,王喜全,等.秋季在北京城郊草地下垫面上的一次臭氧干沉降观测试验[J].大气科学, 2010,34(1):120-130.

Pan Xiaole, Wang Zifa , Wang Xiquan, et al. An observation study of ozone dry deposition over grassland in the suburban area of Beijing[J]. Chinese Journal of Atmospheric Sciences, 2010,34 (1):120 -130.

分时度假不同于共时度假，要求更长时间的度假体验，时间成本较高。基于其“分时”的属性，分时度假一般以时间段为单位，这就要求消费者在享有不定期的至少三天以上的时间的基础上才有进行分时度假的可能性。而纵观我国现有的115天的节假日，其中80%的假期集中在周末双休，不具备分时度假的条件，剩余的23天休假时间中，除春节和国庆节放假7天以外，元旦、清明节、劳动节、端午节、中秋节的休假均不超过三天，集中的假期制度就导致了分时度假对国人来说成为“奢侈品”。

[25] 杜德文,孟宪伟,石学法,等.CC西区多金属资源评价的协同区域化理论和方法[J].海洋学报,2005,27(2):98-105.

Du Dewen, Meng Xianwei, Shi Xuefa, et al. Co-Kriging model of manganese nucleus mineral resource evoluation in the CC region of the Pacific Ocean[J]. Haiyang Xuebao, 2005,27(2):98-105.

[26] Monahan A H. Empirical models of the probability distribution of sea surface wind speeds[J]. Journal of Climate, 2007,20:5798-5814.

[27] Pang W K, Forster J J, Troutt M D. Estimation of wind speed distribution using Markov chain Monte Carlo techniques[J]. Journal of Applied Meteorology and Climatology,2001, 40:1476-1484.

[28] He Y, Monahan A H, Jones C G, et al. Probability distributions of land surface wind speeds over North America[J]. Journal of Geophysical Research,2010,115:D04103.

[29] Landberg L, Myllerup L, Rathmann O, et al. Wind resource estimation—An overview[J]. Wind Energy, 2003(6):261-271.

[30] Monahan A H, He Y, Mcfarlane N, et al. The probability distribution of land surface wind speeds[J]. Journal of Climate, 2011, 24:3892-3909.