2022年第50卷第6期文章目次
2022, 50(6):751-758.
DOI: 10.19517/j.1671-6345.20210503
摘要:
風(fēng)云四號A星閃電成像儀是中國首個(gè)采用在軌接收大量遙控指令，進(jìn)而實(shí)現(xiàn)程序上注的高軌氣象衛(wèi)星。FY-4-(01)批地面應(yīng)用系統(tǒng)在建設(shè)中通過設(shè)計(jì)程序上注策略和部署程序自動上注系統(tǒng)，實(shí)現(xiàn)了任務(wù)時(shí)間表生成、指令發(fā)送、上注結(jié)果辨識、錯(cuò)誤指令重發(fā)等全自動化功能。仿真結(jié)果表明該系統(tǒng)能滿足衛(wèi)星在穩(wěn)定性和時(shí)效性上的需求，并有效縮短了上注時(shí)間。程序自動上注系統(tǒng)的研發(fā)與應(yīng)用對未來風(fēng)云系列衛(wèi)星多星統(tǒng)一指揮測控任務(wù)的開展具有重要的意義。
風(fēng)云四號A星閃電成像儀是中國首個(gè)采用在軌接收大量遙控指令，進(jìn)而實(shí)現(xiàn)程序上注的高軌氣象衛(wèi)星。FY-4-(01)批地面應(yīng)用系統(tǒng)在建設(shè)中通過設(shè)計(jì)程序上注策略和部署程序自動上注系統(tǒng)，實(shí)現(xiàn)了任務(wù)時(shí)間表生成、指令發(fā)送、上注結(jié)果辨識、錯(cuò)誤指令重發(fā)等全自動化功能。仿真結(jié)果表明該系統(tǒng)能滿足衛(wèi)星在穩(wěn)定性和時(shí)效性上的需求，并有效縮短了上注時(shí)間。程序自動上注系統(tǒng)的研發(fā)與應(yīng)用對未來風(fēng)云系列衛(wèi)星多星統(tǒng)一指揮測控任務(wù)的開展具有重要的意義。
2022, 50(6):759-765.
DOI: 10.19517/j.1671-6345.20210507
摘要:
地基微波輻射計(jì)因天線罩疏水層老化，在雨天探測時(shí)天線罩上易形成積水從而造成探測性能的不穩(wěn)定，是影響其在科研業(yè)務(wù)中廣泛應(yīng)用的關(guān)鍵問題之一。本研究利用2017—2018年北京地區(qū)6臺微波輻射計(jì)降雨期間的觀測數(shù)據(jù)，分析天線罩疏水層老化對其觀測亮溫的影響，結(jié)果顯示隨著天線罩使用時(shí)間的增長，尤其是使用3個(gè)月以后，降水時(shí)亮溫增大的幅度明顯變大，降水結(jié)束后亮溫增大的持續(xù)時(shí)間也有增長趨勢。同時(shí)，在北京南郊站開展的微波輻射計(jì)天線罩淋雨試驗(yàn)結(jié)果表明，天線罩使用40 d以后，隨著天線罩污染老化，淋雨時(shí)觀測亮溫增大的幅度呈跳躍式增長，且淋雨結(jié)束后亮溫仍然偏高，最長時(shí)間達(dá)2 h以上。因此，為提高微波輻射計(jì)觀測數(shù)據(jù)的可用性，建議在實(shí)際使用過程中每季度更換一次天線罩，對于京津冀等重污染地區(qū)可根據(jù)實(shí)際情況適當(dāng)提高更換頻次。
地基微波輻射計(jì)因天線罩疏水層老化，在雨天探測時(shí)天線罩上易形成積水從而造成探測性能的不穩(wěn)定，是影響其在科研業(yè)務(wù)中廣泛應(yīng)用的關(guān)鍵問題之一。本研究利用2017—2018年北京地區(qū)6臺微波輻射計(jì)降雨期間的觀測數(shù)據(jù)，分析天線罩疏水層老化對其觀測亮溫的影響，結(jié)果顯示隨著天線罩使用時(shí)間的增長，尤其是使用3個(gè)月以后，降水時(shí)亮溫增大的幅度明顯變大，降水結(jié)束后亮溫增大的持續(xù)時(shí)間也有增長趨勢。同時(shí)，在北京南郊站開展的微波輻射計(jì)天線罩淋雨試驗(yàn)結(jié)果表明，天線罩使用40 d以后，隨著天線罩污染老化，淋雨時(shí)觀測亮溫增大的幅度呈跳躍式增長，且淋雨結(jié)束后亮溫仍然偏高，最長時(shí)間達(dá)2 h以上。因此，為提高微波輻射計(jì)觀測數(shù)據(jù)的可用性，建議在實(shí)際使用過程中每季度更換一次天線罩，對于京津冀等重污染地區(qū)可根據(jù)實(shí)際情況適當(dāng)提高更換頻次。
2022, 50(6):766-775.
DOI: 10.19517/j.1671-6345.20210530
摘要:
數(shù)值模式已經(jīng)成為天氣預(yù)報(bào)業(yè)務(wù)發(fā)展的主要方向，數(shù)值模式計(jì)算產(chǎn)生各種氣象網(wǎng)格產(chǎn)品。氣象網(wǎng)格產(chǎn)品具有數(shù)據(jù)量大、更新頻次快、專業(yè)性強(qiáng)等特點(diǎn)，需要借助專業(yè)工具軟件進(jìn)行處理，不能很好滿足企業(yè)和社會用戶使用的需求，應(yīng)用范圍受到極大的限制。面對氣象網(wǎng)格產(chǎn)品專業(yè)化與氣象數(shù)據(jù)應(yīng)用需求簡單化之間的矛盾，文章提出針對氣象網(wǎng)格產(chǎn)品，尤其是實(shí)況網(wǎng)格產(chǎn)品和預(yù)報(bào)網(wǎng)格產(chǎn)品，采用互聯(lián)網(wǎng)服務(wù)手段，通過對網(wǎng)格數(shù)據(jù)離散化處理的方法，空間化管理的方式，將WebGIS技術(shù)應(yīng)用到氣象網(wǎng)格產(chǎn)品服務(wù)中。用戶在客戶端只需要進(jìn)行簡單文字檢索或者GIS圖形檢索，系統(tǒng)便可以實(shí)現(xiàn)對氣象網(wǎng)格產(chǎn)品中的有效數(shù)據(jù)進(jìn)行精細(xì)化抽取，最終實(shí)現(xiàn)服務(wù)精細(xì)。文中提出的數(shù)據(jù)處理方法，對不同行業(yè)間氣象網(wǎng)格產(chǎn)品的應(yīng)用起到指導(dǎo)作用。
數(shù)值模式已經(jīng)成為天氣預(yù)報(bào)業(yè)務(wù)發(fā)展的主要方向，數(shù)值模式計(jì)算產(chǎn)生各種氣象網(wǎng)格產(chǎn)品。氣象網(wǎng)格產(chǎn)品具有數(shù)據(jù)量大、更新頻次快、專業(yè)性強(qiáng)等特點(diǎn)，需要借助專業(yè)工具軟件進(jìn)行處理，不能很好滿足企業(yè)和社會用戶使用的需求，應(yīng)用范圍受到極大的限制。面對氣象網(wǎng)格產(chǎn)品專業(yè)化與氣象數(shù)據(jù)應(yīng)用需求簡單化之間的矛盾，文章提出針對氣象網(wǎng)格產(chǎn)品，尤其是實(shí)況網(wǎng)格產(chǎn)品和預(yù)報(bào)網(wǎng)格產(chǎn)品，采用互聯(lián)網(wǎng)服務(wù)手段，通過對網(wǎng)格數(shù)據(jù)離散化處理的方法，空間化管理的方式，將WebGIS技術(shù)應(yīng)用到氣象網(wǎng)格產(chǎn)品服務(wù)中。用戶在客戶端只需要進(jìn)行簡單文字檢索或者GIS圖形檢索，系統(tǒng)便可以實(shí)現(xiàn)對氣象網(wǎng)格產(chǎn)品中的有效數(shù)據(jù)進(jìn)行精細(xì)化抽取，最終實(shí)現(xiàn)服務(wù)精細(xì)。文中提出的數(shù)據(jù)處理方法，對不同行業(yè)間氣象網(wǎng)格產(chǎn)品的應(yīng)用起到指導(dǎo)作用。
2022, 50(6):776-782.
DOI: 10.19517/j.1671-6345.20220018
摘要:
以高頻海量氣象格點(diǎn)數(shù)據(jù)為研究對象，針對傳統(tǒng)實(shí)時(shí)處理系統(tǒng)數(shù)據(jù)處理效率不高的問題，設(shè)計(jì)并實(shí)現(xiàn)了高頻精細(xì)化氣象格點(diǎn)數(shù)據(jù)實(shí)時(shí)處理系統(tǒng)的總體架構(gòu)和業(yè)務(wù)流程，在分析海量高頻次氣象格點(diǎn)數(shù)據(jù)特點(diǎn)的基礎(chǔ)上，設(shè)計(jì)和實(shí)現(xiàn)了符合氣象業(yè)務(wù)需求的分布式存儲模型；利用多通道動態(tài)感知技術(shù)實(shí)現(xiàn)了動態(tài)多通道的文件處理和文件到達(dá)的快速感知觸發(fā)；利用實(shí)時(shí)數(shù)據(jù)快速處理技術(shù)實(shí)現(xiàn)基于精準(zhǔn)位置尋址的快速數(shù)據(jù)塊定位算法，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)塊的精準(zhǔn)定位；利用數(shù)據(jù)按需實(shí)時(shí)截取技術(shù)實(shí)現(xiàn)了在空間范圍內(nèi)按需進(jìn)行裁剪的截取算法，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)按需抽取；實(shí)際業(yè)務(wù)應(yīng)用表明，系統(tǒng)有效地提升了半結(jié)構(gòu)氣象數(shù)值預(yù)報(bào)產(chǎn)品數(shù)據(jù)的實(shí)時(shí)處理效率。
以高頻海量氣象格點(diǎn)數(shù)據(jù)為研究對象，針對傳統(tǒng)實(shí)時(shí)處理系統(tǒng)數(shù)據(jù)處理效率不高的問題，設(shè)計(jì)并實(shí)現(xiàn)了高頻精細(xì)化氣象格點(diǎn)數(shù)據(jù)實(shí)時(shí)處理系統(tǒng)的總體架構(gòu)和業(yè)務(wù)流程，在分析海量高頻次氣象格點(diǎn)數(shù)據(jù)特點(diǎn)的基礎(chǔ)上，設(shè)計(jì)和實(shí)現(xiàn)了符合氣象業(yè)務(wù)需求的分布式存儲模型；利用多通道動態(tài)感知技術(shù)實(shí)現(xiàn)了動態(tài)多通道的文件處理和文件到達(dá)的快速感知觸發(fā)；利用實(shí)時(shí)數(shù)據(jù)快速處理技術(shù)實(shí)現(xiàn)基于精準(zhǔn)位置尋址的快速數(shù)據(jù)塊定位算法，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)塊的精準(zhǔn)定位；利用數(shù)據(jù)按需實(shí)時(shí)截取技術(shù)實(shí)現(xiàn)了在空間范圍內(nèi)按需進(jìn)行裁剪的截取算法，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)按需抽取；實(shí)際業(yè)務(wù)應(yīng)用表明，系統(tǒng)有效地提升了半結(jié)構(gòu)氣象數(shù)值預(yù)報(bào)產(chǎn)品數(shù)據(jù)的實(shí)時(shí)處理效率。
2022, 50(6):783-792.
DOI: 10.19517/j.1671-6345.20210525
摘要:
基于2020年上半年我國東部近海站點(diǎn)觀測資料和葵花8衛(wèi)星反演海霧產(chǎn)品對我國自主研發(fā)的GRAPES-TYM模式進(jìn)行了海霧預(yù)報(bào)性能評估。點(diǎn)、面檢驗(yàn)結(jié)果表明：模式48 h和72 h TS分別為0.40和0.36，黃海海霧預(yù)報(bào)性能最優(yōu)，34°～37°N海域內(nèi)大部分站點(diǎn)TS高于0.50。黃海海霧落區(qū)預(yù)報(bào)檢驗(yàn)顯示均壓場形勢下預(yù)報(bào)最準(zhǔn)確，平均臨界成功指數(shù)為0.35；氣旋后部海霧多空報(bào)。2 m相對濕度預(yù)報(bào)偏差具有局地性特征，相對濕度低估的站海霧預(yù)報(bào)擊中率、TS相對低，反之亦然。另外，模式對成霧相關(guān)氣象要素預(yù)報(bào)誤差相對小且對成霧有利時(shí)海霧預(yù)報(bào)基本正確；模式預(yù)報(bào)風(fēng)向較實(shí)際風(fēng)向偏東南，易出現(xiàn)冷偏差和濕偏差，虛假的有利溫濕條件導(dǎo)致海霧空報(bào)。
基于2020年上半年我國東部近海站點(diǎn)觀測資料和葵花8衛(wèi)星反演海霧產(chǎn)品對我國自主研發(fā)的GRAPES-TYM模式進(jìn)行了海霧預(yù)報(bào)性能評估。點(diǎn)、面檢驗(yàn)結(jié)果表明：模式48 h和72 h TS分別為0.40和0.36，黃海海霧預(yù)報(bào)性能最優(yōu)，34°～37°N海域內(nèi)大部分站點(diǎn)TS高于0.50。黃海海霧落區(qū)預(yù)報(bào)檢驗(yàn)顯示均壓場形勢下預(yù)報(bào)最準(zhǔn)確，平均臨界成功指數(shù)為0.35；氣旋后部海霧多空報(bào)。2 m相對濕度預(yù)報(bào)偏差具有局地性特征，相對濕度低估的站海霧預(yù)報(bào)擊中率、TS相對低，反之亦然。另外，模式對成霧相關(guān)氣象要素預(yù)報(bào)誤差相對小且對成霧有利時(shí)海霧預(yù)報(bào)基本正確；模式預(yù)報(bào)風(fēng)向較實(shí)際風(fēng)向偏東南，易出現(xiàn)冷偏差和濕偏差，虛假的有利溫濕條件導(dǎo)致海霧空報(bào)。
2022, 50(6):793-801.
DOI: 10.19517/j.1671-6345.20220075
摘要:
海洋邊界層高度是表征海洋上空大氣的水汽、熱量、物質(zhì)等垂直分布的重要特征量，同時(shí)在氣候、污染、模式預(yù)報(bào)上有關(guān)鍵作用。然而，利用海洋邊界層高度觀測對數(shù)值天氣預(yù)報(bào)模式進(jìn)行診斷的研究很少。因此，本文利用2019—2020年GPS掩星資料計(jì)算出的海洋邊界層高度的分布特征，對CMAGFS全球模式的預(yù)報(bào)性能進(jìn)行分析，同時(shí)借助ERA5再分析資料對CMA-GFS模式的偏差進(jìn)行討論。主要結(jié)論如下：①CMA-GFS全球模式在西太平洋、南太平洋、南大西洋絕大部分海域預(yù)報(bào)的邊界層高度比較合理;②模式在熱帶輻合帶海域和南太平洋輻合帶存在高估預(yù)報(bào)，初步分析與模式對熱帶深對流的抬升凝結(jié)高度的預(yù)報(bào)偏高有關(guān)。③模式和ERA5在南半球?qū)臃e云所在區(qū)域均存在邊界層高度預(yù)報(bào)偏低，初步分析可能是模式對南半球?qū)臃e云頂輻射冷卻驅(qū)動的湍流擴(kuò)散偏小造成。④模式在有云的大氣下主要呈現(xiàn)為預(yù)報(bào)偏高，中心值在200 m左右，而在晴空區(qū)域模式預(yù)報(bào)較為合理，偏差值范圍較小，ERA5也存在類似的特點(diǎn)。
海洋邊界層高度是表征海洋上空大氣的水汽、熱量、物質(zhì)等垂直分布的重要特征量，同時(shí)在氣候、污染、模式預(yù)報(bào)上有關(guān)鍵作用。然而，利用海洋邊界層高度觀測對數(shù)值天氣預(yù)報(bào)模式進(jìn)行診斷的研究很少。因此，本文利用2019—2020年GPS掩星資料計(jì)算出的海洋邊界層高度的分布特征，對CMAGFS全球模式的預(yù)報(bào)性能進(jìn)行分析，同時(shí)借助ERA5再分析資料對CMA-GFS模式的偏差進(jìn)行討論。主要結(jié)論如下：①CMA-GFS全球模式在西太平洋、南太平洋、南大西洋絕大部分海域預(yù)報(bào)的邊界層高度比較合理;②模式在熱帶輻合帶海域和南太平洋輻合帶存在高估預(yù)報(bào)，初步分析與模式對熱帶深對流的抬升凝結(jié)高度的預(yù)報(bào)偏高有關(guān)。③模式和ERA5在南半球?qū)臃e云所在區(qū)域均存在邊界層高度預(yù)報(bào)偏低，初步分析可能是模式對南半球?qū)臃e云頂輻射冷卻驅(qū)動的湍流擴(kuò)散偏小造成。④模式在有云的大氣下主要呈現(xiàn)為預(yù)報(bào)偏高，中心值在200 m左右，而在晴空區(qū)域模式預(yù)報(bào)較為合理，偏差值范圍較小，ERA5也存在類似的特點(diǎn)。
2022, 50(6):802-811.
DOI: 10.19517/j.1671-6345.20220012
摘要:
基于區(qū)域性高溫天氣過程等級劃分標(biāo)準(zhǔn)，利用逐日最高氣溫資料，客觀識別山東省區(qū)域性高溫事件，并分析其時(shí)空分布和變化特征及其對氣候增暖的響應(yīng)。結(jié)果表明：1961—2020年山東省共發(fā)生了區(qū)域性高溫154次，平均每年約2.6次，主要出現(xiàn)在6—7月；西部地區(qū)多，山區(qū)和沿海地區(qū)少；年際和年代際變化明顯，發(fā)生了減少到增多的趨勢變化，20世紀(jì)60年代至80年代顯著減少，90年代中期之后開始增多，21世紀(jì)明顯增多，持續(xù)時(shí)間、影響范圍和過程強(qiáng)度明顯增加增強(qiáng)。區(qū)域性高溫對氣候增暖響應(yīng)顯著，隨著增暖加劇，年最晚出現(xiàn)時(shí)間明顯推遲，頻次也更多，持續(xù)時(shí)間更長，影響范圍更大，強(qiáng)度更強(qiáng)，且更長更強(qiáng)的區(qū)域性高溫事件也更容易發(fā)生。
基于區(qū)域性高溫天氣過程等級劃分標(biāo)準(zhǔn)，利用逐日最高氣溫資料，客觀識別山東省區(qū)域性高溫事件，并分析其時(shí)空分布和變化特征及其對氣候增暖的響應(yīng)。結(jié)果表明：1961—2020年山東省共發(fā)生了區(qū)域性高溫154次，平均每年約2.6次，主要出現(xiàn)在6—7月；西部地區(qū)多，山區(qū)和沿海地區(qū)少；年際和年代際變化明顯，發(fā)生了減少到增多的趨勢變化，20世紀(jì)60年代至80年代顯著減少，90年代中期之后開始增多，21世紀(jì)明顯增多，持續(xù)時(shí)間、影響范圍和過程強(qiáng)度明顯增加增強(qiáng)。區(qū)域性高溫對氣候增暖響應(yīng)顯著，隨著增暖加劇，年最晚出現(xiàn)時(shí)間明顯推遲，頻次也更多，持續(xù)時(shí)間更長，影響范圍更大，強(qiáng)度更強(qiáng)，且更長更強(qiáng)的區(qū)域性高溫事件也更容易發(fā)生。
2022, 50(6):812-821.
DOI: 10.19517/j.1671-6345.20210387
摘要:
通過區(qū)域自動氣象站資料和ERA5資料從臺風(fēng)分型、雨量分布、影響系統(tǒng)、地形特征等方面分析天目山區(qū)臺風(fēng)暴雨特征和形成機(jī)理，結(jié)果表明：①天目山區(qū)臺風(fēng)雨量分布呈東北、西北多，中部、南部少的特征，東天目山為主要的降水中心，浙西天池為次中心；②高空槽呈西北—東南走向時(shí)，槽后冷空氣氣旋式地從臺風(fēng)的西北側(cè)向南側(cè)入侵，呈半包圍狀環(huán)繞臺風(fēng)中心，使得臺風(fēng)再次出現(xiàn)了明顯的相對暖中心，有利于氣旋性渦度的激發(fā)，增強(qiáng)雨勢；③日平均降溫幅度2 ℃左右的弱冷空氣侵入到低空，沿著近地面嵌入到暖濕空氣的底部，與地形條件一起對暖濕氣團(tuán)起到了有力的抬升作用，最有利于天目山區(qū)觸發(fā)對流性天氣；④天目山區(qū)臺風(fēng)降水增幅作用主要表現(xiàn)為迎風(fēng)坡效應(yīng)、狹管效應(yīng)以及氣流遇山時(shí)發(fā)生的繞流、反彈現(xiàn)象在山前形成輻合線和輻合中心；登陸北上臺風(fēng)容易在天目山區(qū)北側(cè)造成降水中心，而登陸西行臺風(fēng)降水中心在天目山區(qū)東側(cè)。
通過區(qū)域自動氣象站資料和ERA5資料從臺風(fēng)分型、雨量分布、影響系統(tǒng)、地形特征等方面分析天目山區(qū)臺風(fēng)暴雨特征和形成機(jī)理，結(jié)果表明：①天目山區(qū)臺風(fēng)雨量分布呈東北、西北多，中部、南部少的特征，東天目山為主要的降水中心，浙西天池為次中心；②高空槽呈西北—東南走向時(shí)，槽后冷空氣氣旋式地從臺風(fēng)的西北側(cè)向南側(cè)入侵，呈半包圍狀環(huán)繞臺風(fēng)中心，使得臺風(fēng)再次出現(xiàn)了明顯的相對暖中心，有利于氣旋性渦度的激發(fā)，增強(qiáng)雨勢；③日平均降溫幅度2 ℃左右的弱冷空氣侵入到低空，沿著近地面嵌入到暖濕空氣的底部，與地形條件一起對暖濕氣團(tuán)起到了有力的抬升作用，最有利于天目山區(qū)觸發(fā)對流性天氣；④天目山區(qū)臺風(fēng)降水增幅作用主要表現(xiàn)為迎風(fēng)坡效應(yīng)、狹管效應(yīng)以及氣流遇山時(shí)發(fā)生的繞流、反彈現(xiàn)象在山前形成輻合線和輻合中心；登陸北上臺風(fēng)容易在天目山區(qū)北側(cè)造成降水中心，而登陸西行臺風(fēng)降水中心在天目山區(qū)東側(cè)。
2022, 50(6):822-829.
DOI: 10.19517/j.1671-6345.20210518
摘要:
利用冬奧張家口賽區(qū)云頂和古楊樹兩個(gè)賽場的地面加密站網(wǎng)觀測資料和高空探測資料、ERA5的0.25°×0.25°高分辨率再分析資料，從降雪時(shí)空分布特征、高低空環(huán)流形勢配置等對2019年和2020年冬季（11月至次年2月）張家口賽區(qū)的降雪過程進(jìn)行天氣學(xué)統(tǒng)計(jì)分析。結(jié)果表明：降雪天氣的環(huán)流背景主要?dú)w納為3個(gè)類型，分別是低渦氣旋型、冷鋒型和西北氣流型。不同天氣模型下降雪量時(shí)空分布具有典型特點(diǎn)，低渦氣旋型過程平均降雪量最大，降雪持續(xù)時(shí)間長，云頂賽場比古楊樹賽場降雪量多16.9%；冷鋒型過程平均降雪量次之，云頂賽場比古楊樹賽場降雪量多44.4%；西北氣流型過程平均降雪量最少，持續(xù)時(shí)間短，但是兩個(gè)賽場差異最大，云頂賽場比古楊樹賽場降雪量多140%。
利用冬奧張家口賽區(qū)云頂和古楊樹兩個(gè)賽場的地面加密站網(wǎng)觀測資料和高空探測資料、ERA5的0.25°×0.25°高分辨率再分析資料，從降雪時(shí)空分布特征、高低空環(huán)流形勢配置等對2019年和2020年冬季（11月至次年2月）張家口賽區(qū)的降雪過程進(jìn)行天氣學(xué)統(tǒng)計(jì)分析。結(jié)果表明：降雪天氣的環(huán)流背景主要?dú)w納為3個(gè)類型，分別是低渦氣旋型、冷鋒型和西北氣流型。不同天氣模型下降雪量時(shí)空分布具有典型特點(diǎn)，低渦氣旋型過程平均降雪量最大，降雪持續(xù)時(shí)間長，云頂賽場比古楊樹賽場降雪量多16.9%；冷鋒型過程平均降雪量次之，云頂賽場比古楊樹賽場降雪量多44.4%；西北氣流型過程平均降雪量最少，持續(xù)時(shí)間短，但是兩個(gè)賽場差異最大，云頂賽場比古楊樹賽場降雪量多140%。
2022, 50(6):830-841.
DOI: 10.19517/j.1671-6345.20220040
摘要:
利用青島雙偏振多普勒天氣雷達(dá)資料和探空及自動氣象站觀測資料，對2020年8月3日發(fā)生在山東高密的一次強(qiáng)降水超級單體風(fēng)暴雙偏振特征進(jìn)行了分析。結(jié)果表明：①強(qiáng)的對流有效位能（CAPE）、低層強(qiáng)垂直風(fēng)切變、高空強(qiáng)輻散及高濕是強(qiáng)降水風(fēng)暴發(fā)展維持的關(guān)鍵環(huán)境因素。②風(fēng)暴低層存在差分反射率因子ZDR弧和差分相移率KDP高值區(qū)，ZDR弧與入流缺口一側(cè)反射率因子梯度高值區(qū)相匹配，對應(yīng)偏小的KDP和相關(guān)系數(shù)，以少量大粒子為主；KDP高值區(qū)為強(qiáng)降雨區(qū)，對應(yīng)小于3 dB的ZDR和大的相關(guān)系數(shù)，以高濃度、大小適中的液態(tài)粒子為主。③有界弱回波區(qū)BWER外圍存在ZDR環(huán)，對應(yīng)偏小的KDP，而BWER上方存在深厚寬闊的ZDR柱和KDP柱，KDP柱高于ZDR柱的高度，氣旋性旋轉(zhuǎn)上升氣流區(qū)內(nèi)中層以下分布有少量大的粒子，而中層之上分布有較高濃度的大粒子。④-20 ℃層高度之下含有豐富的液態(tài)粒子，-20 ℃層高度之上含有豐富的霰粒子和冰晶粒子，是高密強(qiáng)降水超級單體風(fēng)暴典型的微物理垂直結(jié)構(gòu)特征。
利用青島雙偏振多普勒天氣雷達(dá)資料和探空及自動氣象站觀測資料，對2020年8月3日發(fā)生在山東高密的一次強(qiáng)降水超級單體風(fēng)暴雙偏振特征進(jìn)行了分析。結(jié)果表明：①強(qiáng)的對流有效位能（CAPE）、低層強(qiáng)垂直風(fēng)切變、高空強(qiáng)輻散及高濕是強(qiáng)降水風(fēng)暴發(fā)展維持的關(guān)鍵環(huán)境因素。②風(fēng)暴低層存在差分反射率因子ZDR弧和差分相移率KDP高值區(qū)，ZDR弧與入流缺口一側(cè)反射率因子梯度高值區(qū)相匹配，對應(yīng)偏小的KDP和相關(guān)系數(shù)，以少量大粒子為主；KDP高值區(qū)為強(qiáng)降雨區(qū)，對應(yīng)小于3 dB的ZDR和大的相關(guān)系數(shù)，以高濃度、大小適中的液態(tài)粒子為主。③有界弱回波區(qū)BWER外圍存在ZDR環(huán)，對應(yīng)偏小的KDP，而BWER上方存在深厚寬闊的ZDR柱和KDP柱，KDP柱高于ZDR柱的高度，氣旋性旋轉(zhuǎn)上升氣流區(qū)內(nèi)中層以下分布有少量大的粒子，而中層之上分布有較高濃度的大粒子。④-20 ℃層高度之下含有豐富的液態(tài)粒子，-20 ℃層高度之上含有豐富的霰粒子和冰晶粒子，是高密強(qiáng)降水超級單體風(fēng)暴典型的微物理垂直結(jié)構(gòu)特征。
2022, 50(6):842-850.
DOI: 10.19517/j.1671-6345.20220064
摘要:
利用甘肅省某風(fēng)電場2017—2020年測風(fēng)數(shù)據(jù)，基于長短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）模型，通過評估不同輸入數(shù)據(jù)和模型時(shí)間窗口長度下的預(yù)報(bào)精度，設(shè)計(jì)一套適用于風(fēng)電場的風(fēng)速超短期快速滾動預(yù)報(bào)方案。結(jié)果表明：通過輸入不同的特征變量，在風(fēng)速的超短期(未來4 h內(nèi))預(yù)報(bào)中，風(fēng)速自身變化起主導(dǎo)作用，模型輸入變量中只加入各高度層的風(fēng)速能得到更好的模擬效果。通過評估LSTM模擬時(shí)間窗口長度L對模擬效果的影響，當(dāng)時(shí)間窗口長度L≤24 h時(shí)，模擬效果較好，說明超短期風(fēng)速變化主要和風(fēng)速自身臨近時(shí)刻的變化有關(guān)；當(dāng)L>24 h時(shí)，模擬效果快速下降，說明過長的L會削弱模擬能力，降低模擬精度。 通過分析LSTM在未來4 h內(nèi)的風(fēng)速模擬能力，發(fā)現(xiàn)隨著預(yù)報(bào)時(shí)長的增加，模擬精度逐步下降，但在未來2 h內(nèi)的風(fēng)速均方根誤差RMSE均小于2 m·s-1，結(jié)果較為理想，且該方法對計(jì)算資源要求不高，經(jīng)濟(jì)實(shí)用性強(qiáng)，在業(yè)務(wù)中具有較高的應(yīng)用潛力。
利用甘肅省某風(fēng)電場2017—2020年測風(fēng)數(shù)據(jù)，基于長短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）模型，通過評估不同輸入數(shù)據(jù)和模型時(shí)間窗口長度下的預(yù)報(bào)精度，設(shè)計(jì)一套適用于風(fēng)電場的風(fēng)速超短期快速滾動預(yù)報(bào)方案。結(jié)果表明：通過輸入不同的特征變量，在風(fēng)速的超短期(未來4 h內(nèi))預(yù)報(bào)中，風(fēng)速自身變化起主導(dǎo)作用，模型輸入變量中只加入各高度層的風(fēng)速能得到更好的模擬效果。通過評估LSTM模擬時(shí)間窗口長度L對模擬效果的影響，當(dāng)時(shí)間窗口長度L≤24 h時(shí)，模擬效果較好，說明超短期風(fēng)速變化主要和風(fēng)速自身臨近時(shí)刻的變化有關(guān)；當(dāng)L>24 h時(shí)，模擬效果快速下降，說明過長的L會削弱模擬能力，降低模擬精度。 通過分析LSTM在未來4 h內(nèi)的風(fēng)速模擬能力，發(fā)現(xiàn)隨著預(yù)報(bào)時(shí)長的增加，模擬精度逐步下降，但在未來2 h內(nèi)的風(fēng)速均方根誤差RMSE均小于2 m·s-1，結(jié)果較為理想，且該方法對計(jì)算資源要求不高，經(jīng)濟(jì)實(shí)用性強(qiáng)，在業(yè)務(wù)中具有較高的應(yīng)用潛力。
2022, 50(6):851-858.
DOI: 10.19517/j.1671-6345.20210312
摘要:
基于氣象歷史觀測資料，將長短期記憶網(wǎng)絡(luò)LSTM方法和Transformer模型結(jié)合提出了混合短期風(fēng)速多步預(yù)測模型BLSTM-TRA。以山東半島南部沿海6個(gè)臺站為研究區(qū)域，通過氣象臺站觀測數(shù)據(jù)構(gòu)建數(shù)據(jù)集。經(jīng)與2018年ECMWF模式6 h預(yù)報(bào)結(jié)果對比分析，得出如下結(jié)論：構(gòu)建的BLSTM-TRA多步預(yù)測模型可大幅度降低風(fēng)速誤差，BLSTM-TRA的1 h單步預(yù)測結(jié)果和ECMWF預(yù)報(bào)模式結(jié)果對比，其RMSE平均降低了58.9%，MAE平均降低了63.2%；風(fēng)速誤差和大風(fēng)統(tǒng)計(jì)過程分析發(fā)現(xiàn)，BLSTM-TRA模型具有一定的抗干擾能力，可以抓住短時(shí)大風(fēng)等敏感信息，對于大風(fēng)預(yù)報(bào)結(jié)果明顯優(yōu)于ECWMF模式和傳統(tǒng)LSTM模型。
基于氣象歷史觀測資料，將長短期記憶網(wǎng)絡(luò)LSTM方法和Transformer模型結(jié)合提出了混合短期風(fēng)速多步預(yù)測模型BLSTM-TRA。以山東半島南部沿海6個(gè)臺站為研究區(qū)域，通過氣象臺站觀測數(shù)據(jù)構(gòu)建數(shù)據(jù)集。經(jīng)與2018年ECMWF模式6 h預(yù)報(bào)結(jié)果對比分析，得出如下結(jié)論：構(gòu)建的BLSTM-TRA多步預(yù)測模型可大幅度降低風(fēng)速誤差，BLSTM-TRA的1 h單步預(yù)測結(jié)果和ECMWF預(yù)報(bào)模式結(jié)果對比，其RMSE平均降低了58.9%，MAE平均降低了63.2%；風(fēng)速誤差和大風(fēng)統(tǒng)計(jì)過程分析發(fā)現(xiàn)，BLSTM-TRA模型具有一定的抗干擾能力，可以抓住短時(shí)大風(fēng)等敏感信息，對于大風(fēng)預(yù)報(bào)結(jié)果明顯優(yōu)于ECWMF模式和傳統(tǒng)LSTM模型。
2022, 50(6):859-869.
DOI: 10.19517/j.1671-6345.20220058
摘要:
基于雙偏振天氣雷達(dá)的相關(guān)研究大部分集中在雷達(dá)如何識別粒子相態(tài)、精細(xì)化探測云系垂直結(jié)構(gòu)方面，專門針對差分反射率因子ZDR柱的識別研究相對較少。通過對海南地區(qū)對流云系特征進(jìn)行分析研究，提出一套基于雙偏振雷達(dá)探測數(shù)據(jù)（2020—2021年）的ZDR柱識別方法，結(jié)合多源資料對發(fā)生在海南地區(qū)的2次對流天氣過程展開分析，驗(yàn)證ZDR柱識別效果。結(jié)果表明：①ZDR柱通常在對流云系前中期較為深厚，最大可達(dá)0 ℃層以上3～5 km，在空間分布上ZDR柱與雷達(dá)徑向速度的輻合有密切關(guān)系，其正負(fù)徑向速度對的差值與ZDR柱的強(qiáng)弱變化規(guī)律呈正相關(guān)，并且深厚的ZDR柱較大概率出現(xiàn)在對流云系運(yùn)動方向的前緣位置，與對流云團(tuán)雷達(dá)反射率因子較大區(qū)域（≥50 dBz）有明顯的對應(yīng)關(guān)系；②ZDR柱最大深度的變化趨勢同雷達(dá)回波頂高和垂直累計(jì)液態(tài)水含量有弱相關(guān)性，雷達(dá)回波頂高和垂直累計(jì)液態(tài)水含量的變化通常滯后于ZDR柱深度的變化（約12～15 min）。該方法具備識別海南島地區(qū)ZDR柱現(xiàn)象的能力，可以在分析強(qiáng)對流天氣過程、人工影響天氣指揮和短臨災(zāi)害天氣預(yù)警等方面發(fā)揮應(yīng)用效益。
基于雙偏振天氣雷達(dá)的相關(guān)研究大部分集中在雷達(dá)如何識別粒子相態(tài)、精細(xì)化探測云系垂直結(jié)構(gòu)方面，專門針對差分反射率因子ZDR柱的識別研究相對較少。通過對海南地區(qū)對流云系特征進(jìn)行分析研究，提出一套基于雙偏振雷達(dá)探測數(shù)據(jù)（2020—2021年）的ZDR柱識別方法，結(jié)合多源資料對發(fā)生在海南地區(qū)的2次對流天氣過程展開分析，驗(yàn)證ZDR柱識別效果。結(jié)果表明：①ZDR柱通常在對流云系前中期較為深厚，最大可達(dá)0 ℃層以上3～5 km，在空間分布上ZDR柱與雷達(dá)徑向速度的輻合有密切關(guān)系，其正負(fù)徑向速度對的差值與ZDR柱的強(qiáng)弱變化規(guī)律呈正相關(guān)，并且深厚的ZDR柱較大概率出現(xiàn)在對流云系運(yùn)動方向的前緣位置，與對流云團(tuán)雷達(dá)反射率因子較大區(qū)域（≥50 dBz）有明顯的對應(yīng)關(guān)系；②ZDR柱最大深度的變化趨勢同雷達(dá)回波頂高和垂直累計(jì)液態(tài)水含量有弱相關(guān)性，雷達(dá)回波頂高和垂直累計(jì)液態(tài)水含量的變化通常滯后于ZDR柱深度的變化（約12～15 min）。該方法具備識別海南島地區(qū)ZDR柱現(xiàn)象的能力，可以在分析強(qiáng)對流天氣過程、人工影響天氣指揮和短臨災(zāi)害天氣預(yù)警等方面發(fā)揮應(yīng)用效益。
2022, 50(6):870-877.
DOI: 10.19517/j.1671-6345.20210393
摘要:
選取2016—2020年朔黃鐵路沿線40套自動氣象站降水資料，結(jié)合周邊國家站區(qū)域站近15年資料、行政區(qū)縣地理信息、社會經(jīng)濟(jì)信息等，基于ArcGis技術(shù)，采用層次分析法等方法，從暴雨災(zāi)害的致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性、承災(zāi)體易損性3類因子構(gòu)建了朔黃鐵路暴雨災(zāi)害風(fēng)險(xiǎn)區(qū)劃模型，并繪制了朔黃鐵路暴雨災(zāi)害綜合風(fēng)險(xiǎn)區(qū)劃圖。結(jié)果表明：朔黃鐵路沿線暴雨災(zāi)害風(fēng)險(xiǎn)劃分為高、次高、中、低4個(gè)等級，整體呈東部高于西部；4個(gè)高風(fēng)險(xiǎn)段與朔黃沿線各工務(wù)段收集的暴雨高發(fā)信息基本一致，該研究成果對于朔黃鐵路暴雨災(zāi)害預(yù)報(bào)預(yù)警具有較好的參考作用。
選取2016—2020年朔黃鐵路沿線40套自動氣象站降水資料，結(jié)合周邊國家站區(qū)域站近15年資料、行政區(qū)縣地理信息、社會經(jīng)濟(jì)信息等，基于ArcGis技術(shù)，采用層次分析法等方法，從暴雨災(zāi)害的致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性、承災(zāi)體易損性3類因子構(gòu)建了朔黃鐵路暴雨災(zāi)害風(fēng)險(xiǎn)區(qū)劃模型，并繪制了朔黃鐵路暴雨災(zāi)害綜合風(fēng)險(xiǎn)區(qū)劃圖。結(jié)果表明：朔黃鐵路沿線暴雨災(zāi)害風(fēng)險(xiǎn)劃分為高、次高、中、低4個(gè)等級，整體呈東部高于西部；4個(gè)高風(fēng)險(xiǎn)段與朔黃沿線各工務(wù)段收集的暴雨高發(fā)信息基本一致，該研究成果對于朔黃鐵路暴雨災(zāi)害預(yù)報(bào)預(yù)警具有較好的參考作用。
2022, 50(6):878-884.
DOI: 10.19517/j.1671-6345.20210519
摘要:
利用青藏高原拉薩(Lhasa)和珠峰(QOMS_CAS)站點(diǎn)地基CE-318太陽光度計(jì)觀測數(shù)據(jù)，研究了2012年4月2日至4月5日一次生物質(zhì)燃燒輸送對青藏高原氣溶膠光學(xué)和輻射特性的影響；并結(jié)合衛(wèi)星遙感產(chǎn)品以及后向軌跡模式分析了本次生物質(zhì)燃燒輸送的可能來源。結(jié)果表明：本次氣溶膠污染期間Lhasa和QOMS_CAS站點(diǎn)的主要?dú)馊苣z類型變?yōu)樯镔|(zhì)燃燒氣溶膠，氣溶膠粒子的消光性增大(氣溶膠光學(xué)厚度(AOD)增大，Lhasa和QOMS_CAS站點(diǎn)AOD最大值分別為0.4和0.29)，尺度減小(消光波長指數(shù)(EAE)>1.5)，吸收性增大(吸收波長指數(shù)(AAE)>1.3)，細(xì)模態(tài)粒子體積濃度增大，而細(xì)模態(tài)粒子峰值半徑減小。氣溶膠輻射強(qiáng)迫表明此次輸送過程使得Lhasa和QOMS_CAS站點(diǎn)的氣溶膠對大氣頂和地表的降溫作用增強(qiáng)，對大氣的增溫作用也增強(qiáng)。生物質(zhì)燃燒輸送的可能來源為南亞的印度東北部，尼泊爾與不丹地區(qū)。
利用青藏高原拉薩(Lhasa)和珠峰(QOMS_CAS)站點(diǎn)地基CE-318太陽光度計(jì)觀測數(shù)據(jù)，研究了2012年4月2日至4月5日一次生物質(zhì)燃燒輸送對青藏高原氣溶膠光學(xué)和輻射特性的影響；并結(jié)合衛(wèi)星遙感產(chǎn)品以及后向軌跡模式分析了本次生物質(zhì)燃燒輸送的可能來源。結(jié)果表明：本次氣溶膠污染期間Lhasa和QOMS_CAS站點(diǎn)的主要?dú)馊苣z類型變?yōu)樯镔|(zhì)燃燒氣溶膠，氣溶膠粒子的消光性增大(氣溶膠光學(xué)厚度(AOD)增大，Lhasa和QOMS_CAS站點(diǎn)AOD最大值分別為0.4和0.29)，尺度減小(消光波長指數(shù)(EAE)>1.5)，吸收性增大(吸收波長指數(shù)(AAE)>1.3)，細(xì)模態(tài)粒子體積濃度增大，而細(xì)模態(tài)粒子峰值半徑減小。氣溶膠輻射強(qiáng)迫表明此次輸送過程使得Lhasa和QOMS_CAS站點(diǎn)的氣溶膠對大氣頂和地表的降溫作用增強(qiáng)，對大氣的增溫作用也增強(qiáng)。生物質(zhì)燃燒輸送的可能來源為南亞的印度東北部，尼泊爾與不丹地區(qū)。
2022, 50(6):885-890.
DOI: 10.19517/j.1671-6345.20210495
摘要:
利用福建省67個(gè)氣象觀測站1971—2020年氣候資料、地理信息資料、茉莉花生育期調(diào)查和查閱文獻(xiàn)資料，構(gòu)建茉莉花氣候適宜性指標(biāo)體系，采用層次分析法確定各區(qū)劃指標(biāo)權(quán)重，運(yùn)用隸屬度函數(shù)和模糊綜合評價(jià)法計(jì)算得到各站點(diǎn)的茉莉花氣候適宜性指數(shù)，開展基于GIS的全省茉莉花氣候適宜性區(qū)劃。結(jié)果表明：茉莉花種植氣候最適宜區(qū)主要分布在福建中部和南部沿海；適宜種植區(qū)主要分布在沿海北部和內(nèi)陸的低海拔地區(qū)；次適宜種植區(qū)分布全省各地；不適宜種植區(qū)主要分布在沿山脈的高海拔地區(qū)。并通過區(qū)劃結(jié)果與福建省歷年茉莉花種植情況比對驗(yàn)證，區(qū)劃結(jié)果與現(xiàn)有種植區(qū)較為吻合，可為福建省茉莉花種植規(guī)劃提供科學(xué)依據(jù)。
利用福建省67個(gè)氣象觀測站1971—2020年氣候資料、地理信息資料、茉莉花生育期調(diào)查和查閱文獻(xiàn)資料，構(gòu)建茉莉花氣候適宜性指標(biāo)體系，采用層次分析法確定各區(qū)劃指標(biāo)權(quán)重，運(yùn)用隸屬度函數(shù)和模糊綜合評價(jià)法計(jì)算得到各站點(diǎn)的茉莉花氣候適宜性指數(shù)，開展基于GIS的全省茉莉花氣候適宜性區(qū)劃。結(jié)果表明：茉莉花種植氣候最適宜區(qū)主要分布在福建中部和南部沿海；適宜種植區(qū)主要分布在沿海北部和內(nèi)陸的低海拔地區(qū)；次適宜種植區(qū)分布全省各地；不適宜種植區(qū)主要分布在沿山脈的高海拔地區(qū)。并通過區(qū)劃結(jié)果與福建省歷年茉莉花種植情況比對驗(yàn)證，區(qū)劃結(jié)果與現(xiàn)有種植區(qū)較為吻合，可為福建省茉莉花種植規(guī)劃提供科學(xué)依據(jù)。
友情鏈接《氣象學(xué)報(bào)》《應(yīng)用氣象學(xué)報(bào)》《氣象》《氣象科學(xué)》中國氣象局中國氣象局氣象探測中心中國氣象科學(xué)研究院北京市氣象局國家衛(wèi)星氣象中心及國家氣象信息中心
您是第位訪問者
技術(shù)支持：北京勤云科技發(fā)展有限公司
技術(shù)支持：北京勤云科技發(fā)展有限公司