摘要再分析基于物理模式对观测空白区域进行时间和空间插值,并提供未观测变量的估计,解决了观测站点稀疏且分布不规则的问题。为了提高精度,目前主流的全球大气再分析都同化尽可能多的观测数据,即全输入大气再分析。虽然模式和同化方法固定不变,但是观测系统一直在变,主要变化有现代探空观测的引用(20世纪50年代以来)以及卫星观测(1979年以来),以及地基和卫星观测仪器的更新换代。这些都会对大气再分析产品造成不均一性误差。因此,有关再分析能否用于气候变化研究的争议不断,也催生了稀疏输入再分析,比如20世纪再分析。为了降低观测系统演变的影响,稀疏输入再分析仅同化气压等少量地面观测,可使再分析延伸至19世纪中期。全球大气再分析地表分析产品是应用最为广泛的数据,但现有全球大气再分析系统在进行地表分析时差异显著。欧洲中期天气预报中心和日本气象厅再分析同化了地面站气温和湿度观测,后者进一步同化了陆面风速观测,美国的再分析系列都没有同化地面气温、湿度和风速观测,这使得美国的再分析与地面观测相比,一致性更低,而欧洲和日本再分析一致性更高。现在所有全球大气再分析都没有包含陆面地表覆盖和土地利用以及植被生长的年际变化,限制了其对地表变量的估计精度。本文梳理了欧洲、美国、日本和中国全球大气再分析的历史演进以及它们的地表分析产品在中国的适用性。
摘要最近几十年欧亚大陆夏季存在明显的非均匀增暖现象,在欧洲-西亚和东北亚地区增温显著,而中亚的增温幅度较小。欧亚陆面的非均匀增暖,也伴随着该区夏季极端温度事件频发。因此,理解欧亚夏季非均匀增暖的形成机制,是目前气候变化研究领域的热点问题。本文针对该科学问题,分别从气候系统内部变率和外强迫影响两个方面,回顾了有关欧亚夏季非均匀增暖的形成机制和原因,也讨论了欧亚大陆陆面增暖的相关研究要点和存在问题。
摘要基于NCEP/NCAR全球大气再分析资料和NOAA全球海表温度资料,利用多变量经验正交函数分解、滑动相关和回归分析等方法,探讨了厄尔尼诺/南方涛动(El Nino-SouthernOscillation,ENSO)与前冬(11—12月)和后冬(1—3月)东亚冬季风年际关系的年代际变化,并对太平洋年代际涛动(PacificDecadalOscillation,PDO)和大西洋多年代际振荡(AtlanticMultidecadalOscillation,AMO)的年代际调制影响进行了分析。研究结果表明:1)ENSO对前、后冬东亚冬季风均会产生影响,但厄尔尼诺引起的偏南风异常在前冬时期更加深入到东亚北部地区,对东亚冬季风的削弱作用更强,即ENSO对前冬时期东亚冬季风的影响比后冬更加显著。2)ENSO与前、后冬东亚冬季风关系在20世纪80年代初后均发生了年代际减弱。3)由于PDO不同位相阶段正的异常高度场向副热带西太平洋发展及太平洋-北美遥相关(Pacific-NorthAmerican tele-connection,PNA)模态的建立,所以在前冬与后冬时期PDO负位相时ENSO对东亚冬季风的影响更加显著。4)AMO对ENSO与东亚冬季风关系的影响仅在后冬显著,且影响局限于热带地区;相比于AMO正位相,在AMO负位相时,ENSO对后冬东亚冬季风的影响更加显著。
摘要北极气旋是影响北极的重要天气系统,与温带气旋不同,一些气旋发展与维持过程受到对流层顶极涡(tropopause polar vortex,TPV)作用,其增强、维持以及垂直结构存在明显差异。本文选取不同气旋过程,利用数值天气预报(weatherresearchand forecas-ting,WRF)模式数值模拟方法,设计模拟试验,分析平流层热力异常对夏季不同类别北极气旋及对应降水的影响。通过分析研究发现,与TPV联系紧密的气旋个例,其发展和维持受平流层高位涡(potential vorticity,PV)向下侵入到对流层的影响,具有明显的准正压以及上暖下冷结构的特征。敏感性试验中,减弱对流层上部及以上水平热力差异后,对流层顶的折叠特征明显减弱,与之对应气旋中心区域的平流层下侵位涡以及绝对涡度明显减弱,导致气旋中心强度及对应降水均发生显著的降低。与之相反,在另一个与TPV活动无关的北极气旋过程中,其形成发展主要受到斜压不稳定的作用,平流层的水平热力差异对气旋强度、降水量均未表现出显著的变化特征。
摘要基于1961—2023年甘肃22个国家气象站日降水量及年最大日降水量资料,利用经验正交函数(empirical orthogonal function,EOF)和旋转经验正交函数(rotated em-pirical orthogonal function,REOF)方法将异常空间划分为Ⅰ区、Ⅱ区和Ⅲ区,分析年最大日降水量时空特征;再采用Gumbel函数估算年最大日降水量极值不同重现期。结果表明:1)甘肃中部地区年最大日降水量空间分布表现为西南部高东北部低的分布形势,实测极值最大中心出现在Ⅲ区,最小中心出现在I区;2)年际变化不明显,但21世纪以来呈南北反位相的年代际变化特征,季节变化极值最大出现在夏季,秋季次之、春季最小,Ⅰ区和Ⅱ区月际变化极值最大出现在7月,IⅢ区极值最大出现在8月;3)Ⅰ区和Ⅱ区年最大日降水量变化存在25\~30a长周期、I区存在15\~20a长周期。另外,I区和Ⅱ区年最大日降水量存在8a左右短周期、Ⅲ区存在5a左右的短周期。Gumbel函数分布较好地拟合了100a一遇、50a一遇、30a一遇的年最大日降水量极值,与年降水量、年最大日降水量及实测极值空间分布基本一致,并且极值最大中心和最小中心估值基本吻合,估值通过0.05信度的显著性检验。
摘要本研究旨在提升湖南省盛夏(7、8月)高温过程的延伸期预报技巧。本文利用1999—2022年湖南省97个站点逐日最高气温资料以及次季节-季节(sub-seasonal to sea-sonal prediction,S2S)模式数据中欧洲中期天气预报中心(ECMWF)和美国国家环境预报中心(NCEP)两种模式预报产品,并基于模式温度与环流预报产品提取物理因子,结合卷积神经网络(convolutional neural network,CNN)构建了湖南省盛夏高温过程的预报模型(high temperaturepredictionmodel,HTPM);对订正后的S2S模式和构建的预报模型结果进行集成,以实现对区域高温过程较为稳定的相对高技巧预报。结果表明:S2S模式的原始预报技巧较低,偏差订正能显著提高预报效果,但存在较高的空报率;基于ECMWF的S2S数据训练的高温预报模型(HTPM-ECS2S)和基于NCEP的S2S数据训练的高温预报模型(HTPM-NCEPS2S)能有效捕捉高温事件,在高温预报中具有较高的预报技巧;集成方案有效整合了多模型优点,可提升预报的准确性和可靠性。
摘要土壤冻结深度与路基变形密切相关,准确预测土壤冻结层深度对川藏铁路安全运行极为重要。在综合前期气象风险普查结果的基础上,本文利用机器学习和多因子融合分析方法,并结合数值模式预报气象条件,构建了川藏铁路沿线冻结深度预报系统。该系统采用了随机森林机器学习模型,其输入特征涵盖了多年平均积温、气温、湿度、高程、土壤成分等11个对冻土预测具有显著影响的因子。实际预报业务中,只需将当前冻结深度和未来7d的气象条件输入到模型中,系统就能输出未来7d的 5km 分辨率的网格化冻结深度预报产品。检验结果显示,预报产品与实测数据显示出高度的一致性,土壤冻结的准确率为 96% ,TS评分为 0.96 。相关结果达到实用标准,可为川藏铁路冻土路段的灾害防治提供参考。
摘要基于云微物理量信息熵的因果分析是表征云微物理特征和探索降水云系发展影响机制的有效手段。本文选取中国东北地区的一次云降水过程,分析了总云水含量(totalcloudwatercontent,TWC)信息熵与协变量信息熵的多尺度因果关系。通过TWC信息熵,评估云系发展过程中的自组织情况;利用小波相干,研究TWC信息熵与协变量信息熵在不同时域、频域下的局部相干特征;利用小波分解,将各变量信息熵序列分解成多时间尺度的子序列,基于VAR(vectorautoregression)模型得到各子序列的线性Granger因果关系,并利用Liang-Kleeman信息流量化因果关系的强度。结果表明,TWC信息熵先增后减,与云系的生成和发展阶段相比,在云系成熟阶段呈现出更显著的减熵和自组织;TWC信息熵在 2h 时间尺度上与各个协变量信息熵均呈双向Granger因果。大气可降水量信息熵在多时间尺度上与TWC信息熵存在因果关系,在较大时间尺度 (4h,8h) 上Liang-Kleeman信息流流速最大,是解释TWC信息熵变化的最佳变量;向上长波辐射信息熵,在小时间尺度 (1h.2h) 上信息流流速最大,是TWC 信息熵的主要影响因子;此外,雷达回波信息熵、垂直气流速度信息熵与TWC信息熵也呈现出一定的因果关系。
摘要为研究云降水物理过程对四川盆地东北部暴雨的影响,利用FNL(finaloperational global analysis)全球分析资料和WRF(weather research and forecasting)模式4.3版对2022年10月4—5日发生的一次典型强降水过程进行云微物理方案敏感性试验,并与 CMPAS(China Meteorological Administration multi-source merged precipitationanalysis system)融合降水数据、GPM(globalprecipitationmeasurement)卫星探测产品进行对比分析。结果表明,6种微物理方案对川东北的降水范围模拟较好,雨带呈东北-西南走向,但强度偏弱,Lin和WSM6方案模拟出了强降水中心,空间分布与降水实况大致相同。Lin、WSM6和WDM6方案模拟的云场分布和强度最接近GPM卫星观测值,6种微物理方案对雨水含量的模拟最好,对云水和冰水含量的模拟呈现低估。云水、雨水和冰水在垂直方向上的匹配程度是此次模式预报差异产生的原因;另外,不同方案模拟的云微物理结构上的差异,以及各类水成物粒子的含量和分布是否有利于雪、霰粒子的生成及增长也是预报差异产生的重要原因;WSM6方案模拟的水成物在空间上更加匹配,模拟的降水极值更接近观测值,模拟效果相对较好。
摘要云滴谱离散度是量化云微物理过程的参数之一,对气溶胶-云-降水过程研究至关重要。利用2022年4月27日在青藏高原东北部的飞行探测资料,分析了云内微物理量和云滴谱宽度分布特征。结果表明:1)低层夹卷作用和活化过程较弱导致此次过冷层状云云滴谱宽度在云低层较大;中层大量气溶胶活化过程导致云滴竞争水汽限制了云滴尺度增长,云滴谱宽度减小;上层云滴凝结增长过程导致云滴谱宽度变小。2)当云中液态含水量和云滴数浓度分别低于 0.025g?m-3 和30个· cm-3 的阈值时,云滴谱离散度值分散(0.30\~0.85);高于阈值时,云滴谱离散度减小并收敛在很小范围变化(0.3\~0.5)。3)相对于云滴谱标准差,气溶胶变化对云滴平均半径的影响主导了气溶胶浓度与云滴谱离散度负相关程度。4)云雨自动转化率与云滴谱离散度之间存在正相关关系,说明云滴谱离散度越大,云水向雨水转化效率高。
摘要作为天气预报和大气科学研究的基础参数,大气湿度在天气分析和数值模拟领域具有重要的研究意义和价值。如何提供大范围、高精度的湿度廓线已成为提高数值天气预报准确性的关键问题。本研究采用UNet3 + 神经网络,以ERA-5再分析资料为基准,利用微波湿度计(microwave humidity sounder,MHS)观测的微波亮温数据,对中国区域 300~1000hPa 不同高度层的大气比湿进行反演。2021年全年观测数据的测试结果表明:本研究反演的比湿与ERA-5在空间分布上具有较好的一致性。误差主要集中在东南沿海的陆地区域,海洋区域的误差相对较小。各高度层的比湿均方根误差的区域平均值都在 1.53g/kg 以内,相关系数均在0.9以上,整体反演精度较高。对比探空资料,反演结果与探空数据有较好的一致性,反演结果的年际均方根误差在 300~ 1000hPa 高度层上的平均值为 0.91g/kg 。与探空数据相比,反演的比湿整体偏低。
摘要基于T-PCA主成分分析法,分析了2014—2020年4—9月北京地区 O3 重污染( O3 日质量浓度最大8h滑动平均值大于 160μg?m-3 )所对应的大尺度环流特征。结合混合单粒子拉格朗日综合轨迹(hybrid single particle Lagrangian integrated trajectory,HYSPLIT)后向轨迹模式解析不同大尺度环流特征下2014—2017年和2018—2020年两个时段北京地区 O3 区域输送特征和潜在源区的变化。结果显示,北京 O3 重污染期间,主要的大尺度环流形势类型为均压场型和低压控制型。短距离轨迹对北京地区 O3 (2污染的贡献较大,2014—2017年北京地区 O3 重污染主要潜在源区为京津冀、山东、山西和内蒙古部分地区,而2018—2020年的主要潜在源区为京津冀、山东、江苏部分地区。可见,相比前一时段,在2018—2020年,重污染来自西北方向的中长距离轨迹占比显著减少,来自偏南方向的短距离轨迹占比增多。因此,除控制本地排放外,有针对性的区域协同控制策略至关重要。鉴于来自南方的短距离轨迹贡献增加,江苏和安徽部分地区排放上升,应考虑在京津冀南部、山东和江苏加强控制措施。
摘要利用实况资料和再分析资料,结合WRF(weatherresearchand forecasting)模式对南通一次极端大风过程进行诊断分析及数值模拟。分析了该个例发生的天气形势背景和系统的水平、垂直结构,探究大风天气成因,并进一步对比不同参数化方案的模拟效果。结果表明:1)大风过程发生在高空深厚冷涡和地面强暖湿低压的环流背景下,上空存在不稳定层结和不稳定能量的累积;雷暴大风在12—13时经历了发展、成熟、消散3个阶段,咆线以碎块型的方式形成。2)3种微物理方案中,MG方案模拟出更大面积的层云、强回波和极端大风,模拟的最大地面阵风为 44.47m?s-1 。Lin方案较好地模拟出飚线的演变过程和垂直结构特征,模拟的最强上升气流达 23.55m?s-1 ,下沉气流达 -13.21m?s°-13 )水平方向上,雷暴大风附近存在成熟的飚线地面中尺度系统,地面存在深厚冷池出流、变压梯度大值区和冷锋过境,它们共同促进了地面大风的生成。4)垂直方向上,对流单体上空高层辐散、低层辐合,存在强上升气流和水汽潜热释放;后侧的干空气蒸发和粒子的拖曳加强下沉运动,配合地面冷池出流和辐散气流,造成了极端大风天气。