设为首页
加入收藏
用户登录
《应用气象学报》投稿模版
中国气象局2023年 第34卷 第4期
摘要
PDF 907KB
2023, 34(4): 385-399.
DOI: 10.11898/1001-7313.20230401
HTML全文
摘要:
利用常规观测和自动气象站加密观测资料以及ERA5再分析资料分析2022年夏季我国大范围极端高温阶段性特征及其热动力成因，结果表明：此次极端高温存在两个不同阶段：6月高温区集中在华北黄淮地区，7—8月高温区位于四川盆地—长江中下游地区；两个阶段极端高温均发生在异常环流背景条件下，对流层上层为显著偏强的南亚高压控制区，其主导系统分别为500 hPa强烈发展的华北高压脊和异常强盛的副热带高压坝；Rossby波能量自上游向华北地区持续频散和瞬变天气扰动偏弱是华北高压脊增强和维持的主要成因，西北太平洋副热带高压南侧的大气热源增强、赤道附近热带辐合区异常偏强的上升气流在30°N副热带高压脊线附近下沉，有利于西北太平洋副热带高压的西伸加强且稳定维持。对流层低层强烈暖平流和边界层非绝热加热是华北黄淮地区高温形成的主要影响因子，高温的维持主要依靠异常强烈的非绝热加热；四川盆地—长江中下游地区高温的形成受深厚对流层内异常下沉增温和边界层内非绝热加热共同影响，高温长时间维持的影响因子除非绝热加热外，极端强盛的南亚高压控制区内异常绝热加热项(下沉增温)的贡献亦不可忽视。
利用常规观测和自动气象站加密观测资料以及ERA5再分析资料分析2022年夏季我国大范围极端高温阶段性特征及其热动力成因，结果表明：此次极端高温存在两个不同阶段：6月高温区集中在华北黄淮地区，7—8月高温区位于四川盆地—长江中下游地区；两个阶段极端高温均发生在异常环流背景条件下，对流层上层为显著偏强的南亚高压控制区，其主导系统分别为500 hPa强烈发展的华北高压脊和异常强盛的副热带高压坝；Rossby波能量自上游向华北地区持续频散和瞬变天气扰动偏弱是华北高压脊增强和维持的主要成因，西北太平洋副热带高压南侧的大气热源增强、赤道附近热带辐合区异常偏强的上升气流在30°N副热带高压脊线附近下沉，有利于西北太平洋副热带高压的西伸加强且稳定维持。对流层低层强烈暖平流和边界层非绝热加热是华北黄淮地区高温形成的主要影响因子，高温的维持主要依靠异常强烈的非绝热加热；四川盆地—长江中下游地区高温的形成受深厚对流层内异常下沉增温和边界层内非绝热加热共同影响，高温长时间维持的影响因子除非绝热加热外，极端强盛的南亚高压控制区内异常绝热加热项(下沉增温)的贡献亦不可忽视。
2023, 34(4): 400-412.
DOI: 10.11898/1001-7313.20230402
摘要:
为提升北京冬(残)奥会气象服务保障能力，利用2018—2021年1月1日—3月28日欧洲中期天气预报中心(ECMWF)模式预报产品以及冬奥延庆赛区8个自动气象站的2 m气温实况，通过基于地形修正的模式偏差订正和支持向量机算法，构建赛区不同海拔高度站点72 h预报时效内逐3 h的2 m气温集成订正方法。2022年北京冬(残)奥会前夕及赛事期间应用评估表明：集成订正方法对延庆赛区2 m气温的预报准确率为0.856，平均绝对偏差为1.08℃，订正效果较单一订正方法更优，尤其针对海拔高度高出模式地形高度的站点订正性能更为突出，同时，对超阈值及关键过程的气温订正效果也表现较好。对于延庆赛区大多数站点而言，该方法订正的72 h预报时效内逐3 h的2 m气温平均绝对偏差总体上表现出一定的日变化特征，且0~24 h, 24~48 h, 48~72 h预报时效之间偏差变化相对平稳，但不同站点的日变化趋势存在差异。随着预报时效增加，该方法订正的2 m气温平均绝对偏差的变化趋势表现出海拔依赖性。
为提升北京冬(残)奥会气象服务保障能力，利用2018—2021年1月1日—3月28日欧洲中期天气预报中心(ECMWF)模式预报产品以及冬奥延庆赛区8个自动气象站的2 m气温实况，通过基于地形修正的模式偏差订正和支持向量机算法，构建赛区不同海拔高度站点72 h预报时效内逐3 h的2 m气温集成订正方法。2022年北京冬(残)奥会前夕及赛事期间应用评估表明：集成订正方法对延庆赛区2 m气温的预报准确率为0.856，平均绝对偏差为1.08℃，订正效果较单一订正方法更优，尤其针对海拔高度高出模式地形高度的站点订正性能更为突出，同时，对超阈值及关键过程的气温订正效果也表现较好。对于延庆赛区大多数站点而言，该方法订正的72 h预报时效内逐3 h的2 m气温平均绝对偏差总体上表现出一定的日变化特征，且0~24 h, 24~48 h, 48~72 h预报时效之间偏差变化相对平稳，但不同站点的日变化趋势存在差异。随着预报时效增加，该方法订正的2 m气温平均绝对偏差的变化趋势表现出海拔依赖性。
2023, 34(4): 413-425.
DOI: 10.11898/1001-7313.20230403
摘要:
以2020—2021年5—10月副高边缘型明显降水过程作为研究对象，针对黄淮地区太行山南麓、伏牛山东麓、东部平原3个典型区域，采用多种检验方法对CMA-MESO，CMA-SH9两模式降水日变化预报性能进行评估。结果表明：在山区，CMA-MESO预报有效降水时次占比与降水强度均偏小，CMA-SH9则相反，两模式分别在伏牛山东麓的04：00—10：00(北京时，下同)和太行山南麓的10：00—16：00预报有效降水时次占比偏小(大)更为显著；在平原，CMA-MESO对03：00—07：00和17：00—20：00有效降水时次占比显著低估，CMA-SH9对于17：00—20：00降水量的高估则主要来源于降水强度预报明显偏大。FSS(fractional skill score)评分结果显示：CMA-MESO对于伏牛山东麓15：00—17：00及21：00—22：00、东部平原02：00—04：00等时段10 mm·h-1以上降水预报能力优于CMA-SH9，在太行山南麓17：00—23：00则相反。基于STFSS(spatial temporal fractional skill score)评分的评估表明：CMA-SH9对于太行山南麓前一日14：00—当日02：00的降水预报较实况显著偏晚，CMA-MESO对于伏牛山东麓02:00—08:00及平原地区08：00—14：00的降水预报均表现出较实况偏早的特征。
以2020—2021年5—10月副高边缘型明显降水过程作为研究对象，针对黄淮地区太行山南麓、伏牛山东麓、东部平原3个典型区域，采用多种检验方法对CMA-MESO，CMA-SH9两模式降水日变化预报性能进行评估。结果表明：在山区，CMA-MESO预报有效降水时次占比与降水强度均偏小，CMA-SH9则相反，两模式分别在伏牛山东麓的04：00—10：00(北京时，下同)和太行山南麓的10：00—16：00预报有效降水时次占比偏小(大)更为显著；在平原，CMA-MESO对03：00—07：00和17：00—20：00有效降水时次占比显著低估，CMA-SH9对于17：00—20：00降水量的高估则主要来源于降水强度预报明显偏大。FSS(fractional skill score)评分结果显示：CMA-MESO对于伏牛山东麓15：00—17：00及21：00—22：00、东部平原02：00—04：00等时段10 mm·h-1以上降水预报能力优于CMA-SH9，在太行山南麓17：00—23：00则相反。基于STFSS(spatial temporal fractional skill score)评分的评估表明：CMA-SH9对于太行山南麓前一日14：00—当日02：00的降水预报较实况显著偏晚，CMA-MESO对于伏牛山东麓02:00—08:00及平原地区08：00—14：00的降水预报均表现出较实况偏早的特征。
2023, 34(4): 426-437.
DOI: 10.11898/1001-7313.20230404
摘要:
为了提高模式对于7~15 d温度格点预报准确性，基于U-Net模型以及U-Net残差连接模型，采用2018年12月25日—2022年7月5日多种组合气象数据作为输入数据特征，针对TIGGE数据中心提供的全球集合预报CMA-GEPS 2 m气温控制预报，开展168 ~360 h时效的格点预报误差订正试验。结果表明：对于240 h预报时效，两种深度学习模型中，U-Net模型表现较好；对于不同输入数据特征，加入起报时刻ERA5 2 m气温产品的U-Net模型表现最佳，在多个预报时效上有较好的订正效果，均方根误差减小率为10%~25%，可有效改善模式对于15.75°~55.25°N，73°~136.5°E区域北部的蒙古高原、西部的青藏高原及部分山地的预报误差较大的不足；而加入CMA-GEPS控制预报10 m风预报产品后改进不明显。总体上，基于U-Net模型构建的模式格点预报偏差订正模型可有效降低7~15 d温度格点预报误差，进一步提升复杂地形下格点预报的准确性。
为了提高模式对于7~15 d温度格点预报准确性，基于U-Net模型以及U-Net残差连接模型，采用2018年12月25日—2022年7月5日多种组合气象数据作为输入数据特征，针对TIGGE数据中心提供的全球集合预报CMA-GEPS 2 m气温控制预报，开展168 ~360 h时效的格点预报误差订正试验。结果表明：对于240 h预报时效，两种深度学习模型中，U-Net模型表现较好；对于不同输入数据特征，加入起报时刻ERA5 2 m气温产品的U-Net模型表现最佳，在多个预报时效上有较好的订正效果，均方根误差减小率为10%~25%，可有效改善模式对于15.75°~55.25°N，73°~136.5°E区域北部的蒙古高原、西部的青藏高原及部分山地的预报误差较大的不足；而加入CMA-GEPS控制预报10 m风预报产品后改进不明显。总体上，基于U-Net模型构建的模式格点预报偏差订正模型可有效降低7~15 d温度格点预报误差，进一步提升复杂地形下格点预报的准确性。
2023, 34(4): 438-450.
DOI: 10.11898/1001-7313.20230405
摘要:
为了增强对微型（一体式）智能气象站（简称微智站）测雨性能的认识，2021年6—11月河北雄安新区气象局开展了不同测雨原理微智站的对比试验。分析表明：过程雨量不低于10 mm时，翻斗式微智站相对于标准站能够满足观测误差的控制要求，雷达式微智站测值偏大，光电式和压电式微智站测值偏小；过程雨量小于10 mm时，翻斗式微智站和压电式微智站相对于标准站能够满足观测误差的控制要求，雷达式微智站测值偏大，光电式微智站测值偏小。在雨强方面，双翻斗式微智站适合降雨极大值观测，光电式微智站和压电式微智站降雨极大值测值偏小；微智站雨强累积占比大于95%的雨强为[0.3 mm·min-1，0.6 mm·min-1]，雨量累积占比大于50%的雨强为[0.1 mm·min-1，0.4 mm·min-1]。雷达式微智站对降雨响应比较快。微智站雨量传感器的分辨力越精细，对细微降雨观测越有效，有效降雨率也越大。
为了增强对微型（一体式）智能气象站（简称微智站）测雨性能的认识，2021年6—11月河北雄安新区气象局开展了不同测雨原理微智站的对比试验。分析表明：过程雨量不低于10 mm时，翻斗式微智站相对于标准站能够满足观测误差的控制要求，雷达式微智站测值偏大，光电式和压电式微智站测值偏小；过程雨量小于10 mm时，翻斗式微智站和压电式微智站相对于标准站能够满足观测误差的控制要求，雷达式微智站测值偏大，光电式微智站测值偏小。在雨强方面，双翻斗式微智站适合降雨极大值观测，光电式微智站和压电式微智站降雨极大值测值偏小；微智站雨强累积占比大于95%的雨强为[0.3 mm·min-1，0.6 mm·min-1]，雨量累积占比大于50%的雨强为[0.1 mm·min-1，0.4 mm·min-1]。雷达式微智站对降雨响应比较快。微智站雨量传感器的分辨力越精细，对细微降雨观测越有效，有效降雨率也越大。
2023, 34(4): 451-462.
DOI: 10.11898/1001-7313.20230406
摘要:
青藏高原低涡（简称高原低涡）和西南涡是影响我国降水的重要天气系统，两者同步变化是引发我国西南和东部地区强降水的重要方式，而两低涡同步变化的物理过程和机理目前尚不清晰。为探究高原低涡和西南涡同步变化的物理机制，选取2020年超强超长梅雨期间一次高原低涡与西南涡同步变化过程，利用ERA5逐小时再分析资料及降水观测资料，分析两涡共存时特殊时间节点所对应的强度、结构等演变特征及位涡收支。结果显示：水平位置不重叠的高原低涡和西南涡也可发生同步变化，即强度变化特征大致相似。两低涡在同步变化之前各自的演变机理不同，但同步变化时两者的演变机理基本一致。具体地，未发生同步变化时，高原低涡主要依靠加热场作用维持东移，西南涡则依靠水平位涡通量散度作用得以维持；两涡同步变化时，两者强度变化相似，演变机理一致，两涡维持主要依靠水平位涡通量散度作用，加热场作用次之。
青藏高原低涡（简称高原低涡）和西南涡是影响我国降水的重要天气系统，两者同步变化是引发我国西南和东部地区强降水的重要方式，而两低涡同步变化的物理过程和机理目前尚不清晰。为探究高原低涡和西南涡同步变化的物理机制，选取2020年超强超长梅雨期间一次高原低涡与西南涡同步变化过程，利用ERA5逐小时再分析资料及降水观测资料，分析两涡共存时特殊时间节点所对应的强度、结构等演变特征及位涡收支。结果显示：水平位置不重叠的高原低涡和西南涡也可发生同步变化，即强度变化特征大致相似。两低涡在同步变化之前各自的演变机理不同，但同步变化时两者的演变机理基本一致。具体地，未发生同步变化时，高原低涡主要依靠加热场作用维持东移，西南涡则依靠水平位涡通量散度作用得以维持；两涡同步变化时，两者强度变化相似，演变机理一致，两涡维持主要依靠水平位涡通量散度作用，加热场作用次之。
2023, 34(4): 463-474.
DOI: 10.11898/1001-7313.20230407
摘要:
热带气旋强度和尺度是衡量其破坏性的重要指标。利用美国联合热带气旋警报中心（JTWC）最佳路径数据集和全球飓风强度统计预测计划（SHIPS）再分析数据集，对2004—2020年7—11月西北太平洋热带气旋的强度和尺度（26 m·s-1大风平均半径）时空变化及协同变化特征统计分析发现，热带气旋强度与尺度在10月均达到峰值，主要表现为大而强且海上生命史长的热带气旋占比高于其他月份。热带气旋尺度伴随着强度增强（减弱）而增大（收缩），达到生命史最大尺度的时间平均滞后于最大强度时间40 h，且尺度快速膨胀及达到最大尺度的平均位置比发生快速增强和最大强度的位置更接近陆地。热带气旋初始尺度影响其最大尺度。71%大尺度涡旋在后期发展为大涡旋，其中发展为强热带气旋（不小于59 m·s-1）的占比为59%。热带气旋26 m·s-1大风平均半径对后期尺度的影响可达66 h，说明尺度预报中不能忽略初始尺度的影响。热带气旋最大尺度增长率发生在中等强度条件下（25~50 m·s-1），而最大强度增长率发生在中小尺度26 m·s-1大风平均半径（50~100 km）范围。在高空辐散强、相对湿度高、海洋热含量大，且中等及较弱环境垂直风切变条件下，尺度更易向外扩展，甚至发生快速膨胀。
热带气旋强度和尺度是衡量其破坏性的重要指标。利用美国联合热带气旋警报中心（JTWC）最佳路径数据集和全球飓风强度统计预测计划（SHIPS）再分析数据集，对2004—2020年7—11月西北太平洋热带气旋的强度和尺度（26 m·s-1大风平均半径）时空变化及协同变化特征统计分析发现，热带气旋强度与尺度在10月均达到峰值，主要表现为大而强且海上生命史长的热带气旋占比高于其他月份。热带气旋尺度伴随着强度增强（减弱）而增大（收缩），达到生命史最大尺度的时间平均滞后于最大强度时间40 h，且尺度快速膨胀及达到最大尺度的平均位置比发生快速增强和最大强度的位置更接近陆地。热带气旋初始尺度影响其最大尺度。71%大尺度涡旋在后期发展为大涡旋，其中发展为强热带气旋（不小于59 m·s-1）的占比为59%。热带气旋26 m·s-1大风平均半径对后期尺度的影响可达66 h，说明尺度预报中不能忽略初始尺度的影响。热带气旋最大尺度增长率发生在中等强度条件下（25~50 m·s-1），而最大强度增长率发生在中小尺度26 m·s-1大风平均半径（50~100 km）范围。在高空辐散强、相对湿度高、海洋热含量大，且中等及较弱环境垂直风切变条件下，尺度更易向外扩展，甚至发生快速膨胀。
2023, 34(4): 475-488.
DOI: 10.11898/1001-7313.20230408
摘要:
利用多普勒天气雷达产品、降水天气现象仪观测资料和热带气象最佳路径数据集，针对2018—2021年6次影响山东的台风暴雨过程的降水特征，分析台风影响代表站暴雨雨滴谱和积分参数的变化特征。结果表明：不同台风进入山东之初的微物理特征不同，台风安比（1810）、台风温比亚（1818）、台风巴威（2008）和台风烟花（2106）偏海洋性，台风摩羯（1814）和台风利奇马（1909）偏大陆性。经过不同距离、受不同环境影响后，台风暴雨的微物理特征出现变化。参数间的统计关系显示，大陆性和海洋性对流云降水存在差异，如μ-λ统计关系等。Z-R关系较复杂，大陆性和海洋性对流云降水过程，Z-R关系无明显差异。平衡雨滴谱占比为0.8%~29.3%，较高占比（大于7.0%）平衡雨滴谱既可出现在海洋性对流云降水过程，也可以出现在大陆性对流云降水过程；过渡雨滴谱占比为22.8%~77.8%，高比例（大于50.0%）过渡谱主要出现在大陆性对流云降水过程。
利用多普勒天气雷达产品、降水天气现象仪观测资料和热带气象最佳路径数据集，针对2018—2021年6次影响山东的台风暴雨过程的降水特征，分析台风影响代表站暴雨雨滴谱和积分参数的变化特征。结果表明：不同台风进入山东之初的微物理特征不同，台风安比（1810）、台风温比亚（1818）、台风巴威（2008）和台风烟花（2106）偏海洋性，台风摩羯（1814）和台风利奇马（1909）偏大陆性。经过不同距离、受不同环境影响后，台风暴雨的微物理特征出现变化。参数间的统计关系显示，大陆性和海洋性对流云降水存在差异，如μ-λ统计关系等。Z-R关系较复杂，大陆性和海洋性对流云降水过程，Z-R关系无明显差异。平衡雨滴谱占比为0.8%~29.3%，较高占比（大于7.0%）平衡雨滴谱既可出现在海洋性对流云降水过程，也可以出现在大陆性对流云降水过程；过渡雨滴谱占比为22.8%~77.8%，高比例（大于50.0%）过渡谱主要出现在大陆性对流云降水过程。
2023, 34(4): 489-502.
DOI: 10.11898/1001-7313.20230409
摘要:
利用2017年12月—2022年11月太原雨滴谱数据，研究太原地区不同雨强和不同降水类型雨滴谱季节分布特征。结果表明：太原地区四季谱分布均呈单峰结构且均以雨滴直径D＜1 mm的小雨滴为主，但对雨强R贡献最大的是D为1~2 mm的雨滴。各季节R＜1 mm·h-1的降雨均占比最大，但夏季超过50%雨量来自R≥5 mm·h-1雨滴的贡献；R＜2 mm·h-1时，冬季大雨滴浓度更高，而小雨滴浓度相对较低；R≥5 mm·h-1时，夏季雨滴浓度更高。四季均以层状云降水为主，标准化截距参数lgNw和质量加权直径Dm差异较小；对流云降水多发生在夏季且更接近海洋性对流，春、秋季既非大陆性也非海洋性对流。采用最小二乘法得到形状因子与斜率参数的μ-λ、降水动能以及反射率因子与雨强的Z-R关系曲线，其中μ-λ季节变化小，但地域性差异显著；幂函数和二项式函数分别对于降水动能参数关系Et-R和Ed-Dm拟合效果更优；Z-R关系系数与指数成反比，对于层状云降水，春、秋季经典关系均高估降雨，冬、夏季存在经典关系由高估转为低估的情况；对于对流云降水，夏、秋季经典关系略高估降雨。
利用2017年12月—2022年11月太原雨滴谱数据，研究太原地区不同雨强和不同降水类型雨滴谱季节分布特征。结果表明：太原地区四季谱分布均呈单峰结构且均以雨滴直径D＜1 mm的小雨滴为主，但对雨强R贡献最大的是D为1~2 mm的雨滴。各季节R＜1 mm·h-1的降雨均占比最大，但夏季超过50%雨量来自R≥5 mm·h-1雨滴的贡献；R＜2 mm·h-1时，冬季大雨滴浓度更高，而小雨滴浓度相对较低；R≥5 mm·h-1时，夏季雨滴浓度更高。四季均以层状云降水为主，标准化截距参数lgNw和质量加权直径Dm差异较小；对流云降水多发生在夏季且更接近海洋性对流，春、秋季既非大陆性也非海洋性对流。采用最小二乘法得到形状因子与斜率参数的μ-λ、降水动能以及反射率因子与雨强的Z-R关系曲线，其中μ-λ季节变化小，但地域性差异显著；幂函数和二项式函数分别对于降水动能参数关系Et-R和Ed-Dm拟合效果更优；Z-R关系系数与指数成反比，对于层状云降水，春、秋季经典关系均高估降雨，冬、夏季存在经典关系由高估转为低估的情况；对于对流云降水，夏、秋季经典关系略高估降雨。
2023, 34(4): 503-512.
DOI: 10.11898/1001-7313.20230410
摘要:
利用2019—2020年风云四号气象卫星A星（FY-4A）多通道扫描成像辐射计（AGRI）提供的云顶数据和地基全球闪电定位网（WWLLN）提供的闪电数据，结合MICAPS气象观测站和海洋浮标记录的极大风数据，研究南海区域（5°~30°N，105°~125°E）71次雷暴大风过程的时空分布及其闪电和对流活动特征。结果表明：观测站记录的雷暴大风主要分布在南海北部；雷暴大风主要发生在5—9月，峰值出现在8月，3月发生次数最少；雷暴大风主要发生在07：00—12：00（北京时，下同），10：00频次最高，午后频次减少。雷暴大风闪电密度的极大值分布在广东南部近海区域，且闪电集中发生在距离观测站40~80 km半径范围内；孤立雷暴大风过程首次闪电跃变的发生时刻相对大风峰值时刻超前30 min至2 min。在对流特征方面，在雷暴大风风速峰值时刻，观测站处的云顶亮温为200~220 K，云顶高度为12.5~15 km。孤立雷暴大风云团云顶亮温最低值（即最强对流发生位置）与大风观测站点的距离平均为77.2 km，云顶亮温平均相差2.6 K。
利用2019—2020年风云四号气象卫星A星（FY-4A）多通道扫描成像辐射计（AGRI）提供的云顶数据和地基全球闪电定位网（WWLLN）提供的闪电数据，结合MICAPS气象观测站和海洋浮标记录的极大风数据，研究南海区域（5°~30°N，105°~125°E）71次雷暴大风过程的时空分布及其闪电和对流活动特征。结果表明：观测站记录的雷暴大风主要分布在南海北部；雷暴大风主要发生在5—9月，峰值出现在8月，3月发生次数最少；雷暴大风主要发生在07：00—12：00（北京时，下同），10：00频次最高，午后频次减少。雷暴大风闪电密度的极大值分布在广东南部近海区域，且闪电集中发生在距离观测站40~80 km半径范围内；孤立雷暴大风过程首次闪电跃变的发生时刻相对大风峰值时刻超前30 min至2 min。在对流特征方面，在雷暴大风风速峰值时刻，观测站处的云顶亮温为200~220 K，云顶高度为12.5~15 km。孤立雷暴大风云团云顶亮温最低值（即最强对流发生位置）与大风观测站点的距离平均为77.2 km，云顶亮温平均相差2.6 K。
浏览排行
下载排行
引用排行
