2023年第51卷第6期文章目次
2023, 51(6):771-784.
DOI: 10.19517/j.1671-6345.20220476
摘要:
強對流等災害性天氣給人民生活和社會經(jīng)濟發(fā)展造成了嚴重影響，準確理解強對流發(fā)生的機理及提高其預報效果仍然是具有挑戰(zhàn)性的工作。綜合利用我國自主研發(fā)的新一代地球靜止軌道氣象衛(wèi)星風云四號高時空分辨率觀測數(shù)據(jù)和中國氣象局全球數(shù)值預報（China Meteorological Administration- Global Forecast System， CMA-GFS）格點化產(chǎn)品，研究局地對流發(fā)生前大氣環(huán)境場的特征和關(guān)鍵影響因子的變化。分析表明：衛(wèi)星觀測得到的云頂凍結(jié)信息以及表征大氣的不穩(wěn)定性、水汽含量等數(shù)值模式變量是預測局地對流發(fā)生的重要因子。利用面積重疊法和光流法對云團進行連續(xù)追蹤，采用機器學習技術(shù)建立了中國區(qū)域局地對流發(fā)生和強度分級（弱、中、強）預警模型2.0版本(Storm Warning In Pre-convective Environment Version 2.0, SWIPE-V2.0)，實現(xiàn)了局地對流的智能化預警。獨立檢驗結(jié)果表明：模型對6個不同分區(qū)的雨季8 mm/h以下強度降水相關(guān)的對流判識準確率在0.5～0.85，對8 mm/h以上強度降水相關(guān)的對流判識準確率在0.69～0.91之間，具有較好的提前預警效果和實際應用價值。目前，SWIPE-V2.0已投入實時應用。
強對流等災害性天氣給人民生活和社會經(jīng)濟發(fā)展造成了嚴重影響，準確理解強對流發(fā)生的機理及提高其預報效果仍然是具有挑戰(zhàn)性的工作。綜合利用我國自主研發(fā)的新一代地球靜止軌道氣象衛(wèi)星風云四號高時空分辨率觀測數(shù)據(jù)和中國氣象局全球數(shù)值預報（China Meteorological Administration- Global Forecast System， CMA-GFS）格點化產(chǎn)品，研究局地對流發(fā)生前大氣環(huán)境場的特征和關(guān)鍵影響因子的變化。分析表明：衛(wèi)星觀測得到的云頂凍結(jié)信息以及表征大氣的不穩(wěn)定性、水汽含量等數(shù)值模式變量是預測局地對流發(fā)生的重要因子。利用面積重疊法和光流法對云團進行連續(xù)追蹤，采用機器學習技術(shù)建立了中國區(qū)域局地對流發(fā)生和強度分級（弱、中、強）預警模型2.0版本(Storm Warning In Pre-convective Environment Version 2.0, SWIPE-V2.0)，實現(xiàn)了局地對流的智能化預警。獨立檢驗結(jié)果表明：模型對6個不同分區(qū)的雨季8 mm/h以下強度降水相關(guān)的對流判識準確率在0.5～0.85，對8 mm/h以上強度降水相關(guān)的對流判識準確率在0.69～0.91之間，具有較好的提前預警效果和實際應用價值。目前，SWIPE-V2.0已投入實時應用。
2023, 51(6):785-793.
DOI: 10.19517/j.1671-6345.20220389
摘要:
本文提出了一種基于搭載平流層飛行器對平流層大氣風場進行原位探測的探測系統(tǒng)，并詳細介紹了其工作原理、計算公式和風洞實驗結(jié)果。實驗室測試中，該探測系統(tǒng)的理論測量誤差值≤2.5 m/s。在常溫下的風洞試驗中，該系統(tǒng)表現(xiàn)出了良好的工作性能、系統(tǒng)穩(wěn)定性和測量準確度。在和實驗室的風向、風速對比試驗中的相關(guān)性均超過了0.99，風速的平均絕對偏差為0.67 m/s，風向的絕對平均偏差為2.4°。2022年，中國氣象局氣象探測中心利用平流層超壓氣球搭載該系統(tǒng)在海拔19 km的平流層大氣中進行了原位探測試驗，對所搭載平臺周圍的風速和風向進行了探測，并對探測結(jié)果進行了比對分析。與平臺軌跡算法進行比對結(jié)果顯示，該系統(tǒng)具有較好的一致性；與NCEP_FNL再分析數(shù)據(jù)進行比對，顯示出東西向風速的相關(guān)性較好，達到了0.795，而南北風速的相關(guān)性較差，僅為0.33。試驗結(jié)果表明，在平流層飛行器上搭載該探測系統(tǒng)可以有效地探測平流層大氣風場，對于獲得平流層大氣環(huán)境數(shù)據(jù)集、提供大氣環(huán)境預報服務、開發(fā)平流層浮空器、監(jiān)測平流層飛行器周圍的大氣環(huán)境、規(guī)劃飛行路線和區(qū)域停留等方面具有巨大的應用潛力。
本文提出了一種基于搭載平流層飛行器對平流層大氣風場進行原位探測的探測系統(tǒng)，并詳細介紹了其工作原理、計算公式和風洞實驗結(jié)果。實驗室測試中，該探測系統(tǒng)的理論測量誤差值≤2.5 m/s。在常溫下的風洞試驗中，該系統(tǒng)表現(xiàn)出了良好的工作性能、系統(tǒng)穩(wěn)定性和測量準確度。在和實驗室的風向、風速對比試驗中的相關(guān)性均超過了0.99，風速的平均絕對偏差為0.67 m/s，風向的絕對平均偏差為2.4°。2022年，中國氣象局氣象探測中心利用平流層超壓氣球搭載該系統(tǒng)在海拔19 km的平流層大氣中進行了原位探測試驗，對所搭載平臺周圍的風速和風向進行了探測，并對探測結(jié)果進行了比對分析。與平臺軌跡算法進行比對結(jié)果顯示，該系統(tǒng)具有較好的一致性；與NCEP_FNL再分析數(shù)據(jù)進行比對，顯示出東西向風速的相關(guān)性較好，達到了0.795，而南北風速的相關(guān)性較差，僅為0.33。試驗結(jié)果表明，在平流層飛行器上搭載該探測系統(tǒng)可以有效地探測平流層大氣風場，對于獲得平流層大氣環(huán)境數(shù)據(jù)集、提供大氣環(huán)境預報服務、開發(fā)平流層浮空器、監(jiān)測平流層飛行器周圍的大氣環(huán)境、規(guī)劃飛行路線和區(qū)域停留等方面具有巨大的應用潛力。
2023, 51(6):794-804.
DOI: 10.19517/j.1671-6345.20220450
摘要:
為了更好地將全球共享的飛機氣象觀測資料（AMDAR資料）應用于本地氣象業(yè)務，解決由AMDAR資料時空分布不均勻帶來的應用不便的問題，利用2019年4月至2020年5月杭州地區(qū)獲取的AMDAR資料，在質(zhì)量控制處理基礎上提出一種新的提取AMDAR廓線數(shù)據(jù)的處理方法，將機場周邊一定時間和空間范圍內(nèi)的飛機探測資料視作探空氣球漂移至不同位置的觀測，垂直方向采用插值算法實現(xiàn)廓線數(shù)據(jù)均勻分布，并利用中值濾波算法對廓線做進一步質(zhì)控。最終提取的AMDAR廓線數(shù)據(jù)與杭州探空數(shù)據(jù)進行了對比誤差分析。結(jié)果表明：溫度、風速和風向的總體平均偏差分別為-0.83 ℃、0.02 m/s、0.47°，均方根誤差分別為1.93 ℃、2.02 m/s、25.05°，AMDAR溫度廓線數(shù)據(jù)整體偏小，且相對暖濕的季節(jié)比相對干冷的季節(jié)偏小更加明顯，AMDAR風廓線數(shù)據(jù)無明顯系統(tǒng)誤差，數(shù)據(jù)質(zhì)量較好；溫度和風速對比誤差在2000 m及以上高度范圍隨高度增加而增大，但風向的對比誤差相反；環(huán)境風速越大，風速的對比誤差越大，風向的對比誤差卻越小；AMDAR廓線數(shù)據(jù)與探空數(shù)據(jù)具有較好的一致性，但在02:00—06:00以及5000 m以上高度缺測較多。總體來看，本文提出的AMDAR廓線提取方法具有一定的應用價值，能夠為AMDAR資料在不同地區(qū)的應用提供參考。
為了更好地將全球共享的飛機氣象觀測資料（AMDAR資料）應用于本地氣象業(yè)務，解決由AMDAR資料時空分布不均勻帶來的應用不便的問題，利用2019年4月至2020年5月杭州地區(qū)獲取的AMDAR資料，在質(zhì)量控制處理基礎上提出一種新的提取AMDAR廓線數(shù)據(jù)的處理方法，將機場周邊一定時間和空間范圍內(nèi)的飛機探測資料視作探空氣球漂移至不同位置的觀測，垂直方向采用插值算法實現(xiàn)廓線數(shù)據(jù)均勻分布，并利用中值濾波算法對廓線做進一步質(zhì)控。最終提取的AMDAR廓線數(shù)據(jù)與杭州探空數(shù)據(jù)進行了對比誤差分析。結(jié)果表明：溫度、風速和風向的總體平均偏差分別為-0.83 ℃、0.02 m/s、0.47°，均方根誤差分別為1.93 ℃、2.02 m/s、25.05°，AMDAR溫度廓線數(shù)據(jù)整體偏小，且相對暖濕的季節(jié)比相對干冷的季節(jié)偏小更加明顯，AMDAR風廓線數(shù)據(jù)無明顯系統(tǒng)誤差，數(shù)據(jù)質(zhì)量較好；溫度和風速對比誤差在2000 m及以上高度范圍隨高度增加而增大，但風向的對比誤差相反；環(huán)境風速越大，風速的對比誤差越大，風向的對比誤差卻越小；AMDAR廓線數(shù)據(jù)與探空數(shù)據(jù)具有較好的一致性，但在02:00—06:00以及5000 m以上高度缺測較多。總體來看，本文提出的AMDAR廓線提取方法具有一定的應用價值，能夠為AMDAR資料在不同地區(qū)的應用提供參考。
2023, 51(6):805-814.
DOI: 10.19517/j.1671-6345.20220426
摘要:
雨量監(jiān)測的準確性對天氣預報、氣候變化、服務決策、防災減災等有著重要的影響和意義，而雨量站網(wǎng)布設直接影響雨量監(jiān)測的準確性。選取四川省雅安市作為研究對象，在現(xiàn)有站網(wǎng)布設的基礎上，采用相關(guān)性分析，提出基于抽站的站網(wǎng)布設優(yōu)化方法，并對抽站后的站網(wǎng)布設合理性進行評價。結(jié)果表明：①雅安雨量站有265站，各站點的控制面積為2.64～510.78 km2，鄰近站間距離為0.3～12.28 km，鄰近站間降水相關(guān)系數(shù)為0.62～0.993；②逐次抽站后，雨量站控制面積和鄰近站間距離逐漸增大，鄰近站點間降水相關(guān)系數(shù)逐漸減小；③抽站后站網(wǎng)面雨量與原站網(wǎng)面雨量較一致，誤差較小，泰森多邊形法面雨量變化幅度小于算術(shù)平均法；④從降水過程來看，各次抽站后，降水落區(qū)和各量級降水范圍基本一致，站網(wǎng)對降水極值的捕捉能力較好，誤差較小，但隨著站點數(shù)的減少，對于降水形態(tài)刻畫的精細程度有所下降。
雨量監(jiān)測的準確性對天氣預報、氣候變化、服務決策、防災減災等有著重要的影響和意義，而雨量站網(wǎng)布設直接影響雨量監(jiān)測的準確性。選取四川省雅安市作為研究對象，在現(xiàn)有站網(wǎng)布設的基礎上，采用相關(guān)性分析，提出基于抽站的站網(wǎng)布設優(yōu)化方法，并對抽站后的站網(wǎng)布設合理性進行評價。結(jié)果表明：①雅安雨量站有265站，各站點的控制面積為2.64～510.78 km2，鄰近站間距離為0.3～12.28 km，鄰近站間降水相關(guān)系數(shù)為0.62～0.993；②逐次抽站后，雨量站控制面積和鄰近站間距離逐漸增大，鄰近站點間降水相關(guān)系數(shù)逐漸減小；③抽站后站網(wǎng)面雨量與原站網(wǎng)面雨量較一致，誤差較小，泰森多邊形法面雨量變化幅度小于算術(shù)平均法；④從降水過程來看，各次抽站后，降水落區(qū)和各量級降水范圍基本一致，站網(wǎng)對降水極值的捕捉能力較好，誤差較小，但隨著站點數(shù)的減少，對于降水形態(tài)刻畫的精細程度有所下降。
2023, 51(6):815-823.
DOI: 10.19517/j.1671-6345.20220261
摘要:
使用均值生成函數(shù)、標準正態(tài)均一性檢驗方法和相關(guān)分析等方法對我國東部地區(qū)96個觀測站1931—2020年夏季降水量長年代資料進行了一系列插補、檢驗、訂正及效果分析等工作。結(jié)果表明：①均值生成函數(shù)擬合的1931—2020年各站夏季降水量資料的整體趨勢和極值與觀測值均有較好的一致性，其中無缺測資料的6個站點觀測值和擬合值在距平符號一致率上達到了86.1%，可以滿足插補工作的需要。②對1931—1950年和1951—2020年2個時段的夏季降水量資料，用平均值和方差2個統(tǒng)計量對插補后的資料進行差異性檢驗，共有8站具有顯著性差異。③對插補后的1931—2020年夏季降水量資料進行了均一性檢驗和均一化訂正，其中13站存在非均一性。④將訂正后的站點資料與CRU_TS4.05(University of East Anglia Climatic Research Unit Global 0.5° Monthly Time Series)數(shù)據(jù)庫的格點資料進行空間分布相似度分析，2套資料在1931—1950、1951—2020和1931—2020年這3個時段的空間相關(guān)系數(shù)分別達到了0.90，0.92和0.92，空間分布較一致，訂正后的資料具有一定的可靠性。
使用均值生成函數(shù)、標準正態(tài)均一性檢驗方法和相關(guān)分析等方法對我國東部地區(qū)96個觀測站1931—2020年夏季降水量長年代資料進行了一系列插補、檢驗、訂正及效果分析等工作。結(jié)果表明：①均值生成函數(shù)擬合的1931—2020年各站夏季降水量資料的整體趨勢和極值與觀測值均有較好的一致性，其中無缺測資料的6個站點觀測值和擬合值在距平符號一致率上達到了86.1%，可以滿足插補工作的需要。②對1931—1950年和1951—2020年2個時段的夏季降水量資料，用平均值和方差2個統(tǒng)計量對插補后的資料進行差異性檢驗，共有8站具有顯著性差異。③對插補后的1931—2020年夏季降水量資料進行了均一性檢驗和均一化訂正，其中13站存在非均一性。④將訂正后的站點資料與CRU_TS4.05(University of East Anglia Climatic Research Unit Global 0.5° Monthly Time Series)數(shù)據(jù)庫的格點資料進行空間分布相似度分析，2套資料在1931—1950、1951—2020和1931—2020年這3個時段的空間相關(guān)系數(shù)分別達到了0.90，0.92和0.92，空間分布較一致，訂正后的資料具有一定的可靠性。
2023, 51(6):824-834.
DOI: 10.19517/j.1671-6345.20220409
摘要:
利用2008—2016年5—9月中國氣象局陸面數(shù)據(jù)同化系統(tǒng)(CLDAS)格點融合分析降水資料以及降水觀測資料，在對CLDAS格點降水融合資料進行驗證的基礎上，對賀蘭山區(qū)降水時空分布特征以及與地形的關(guān)系進行了分析。結(jié)果表明：賀蘭山區(qū)降水呈“東多西少、南多北少”的分布特征，賀蘭山主峰偏西0.1° 存在一個超過240 mm的降水高值中心，日降水量極值西側(cè)高于東側(cè)。8月降水量和短時強降水次數(shù)最多，11:00—18:00降水次數(shù)最多，午后到前半夜短時強降水次數(shù)最多。賀蘭山區(qū)降水以小雨為主，其次是中雨，中雨和小雨雨量占區(qū)域總雨量的比例高達85%。賀蘭山區(qū)降水量隨海拔高度的增加而增加，西坡降水隨高度的增加率為5.1 mm/hm，東坡降水隨高度的增加率為2.1 mm/hm，西坡明顯高于東坡。中雨日數(shù)與地形高度的相關(guān)性較好，其它級別降雨日數(shù)與地形相關(guān)性不強。
利用2008—2016年5—9月中國氣象局陸面數(shù)據(jù)同化系統(tǒng)(CLDAS)格點融合分析降水資料以及降水觀測資料，在對CLDAS格點降水融合資料進行驗證的基礎上，對賀蘭山區(qū)降水時空分布特征以及與地形的關(guān)系進行了分析。結(jié)果表明：賀蘭山區(qū)降水呈“東多西少、南多北少”的分布特征，賀蘭山主峰偏西0.1° 存在一個超過240 mm的降水高值中心，日降水量極值西側(cè)高于東側(cè)。8月降水量和短時強降水次數(shù)最多，11:00—18:00降水次數(shù)最多，午后到前半夜短時強降水次數(shù)最多。賀蘭山區(qū)降水以小雨為主，其次是中雨，中雨和小雨雨量占區(qū)域總雨量的比例高達85%。賀蘭山區(qū)降水量隨海拔高度的增加而增加，西坡降水隨高度的增加率為5.1 mm/hm，東坡降水隨高度的增加率為2.1 mm/hm，西坡明顯高于東坡。中雨日數(shù)與地形高度的相關(guān)性較好，其它級別降雨日數(shù)與地形相關(guān)性不強。
2023, 51(6):835-847.
DOI: 10.19517/j.1671-6345.20220232
摘要:
2021年第6號臺風“煙花”在7月28日衰減為熱帶低壓后，臺風外圍螺旋雨帶致使江蘇中部接連出現(xiàn)降水突增現(xiàn)象。本研究利用常規(guī)觀測資料、數(shù)值預報產(chǎn)品和ERA5再分析資料，對強降水過程進行分析。結(jié)果表明：ECMWF-FINE數(shù)值模式產(chǎn)品對于形勢場預報較為準確，但中尺度CMA模式更能體現(xiàn)極端降水的量級和落區(qū)。分析降水增強原因可知，“煙花”移動時受到高空引導氣流作用較小，其在安徽境內(nèi)打轉(zhuǎn)時，西風槽攜帶弱冷空氣南下降低了大氣穩(wěn)定度并強迫暖濕空氣抬升。高低空散度場與渦度場集中在較窄區(qū)域內(nèi)，構(gòu)成了垂直互耦的優(yōu)勢配置，有利于形成強烈且深厚的上升運動，是暴雨產(chǎn)生和持續(xù)的重要動力機制。強降水區(qū)位于濕位渦（MPV）負中心的暖濕氣流中，MPV負值區(qū)可反映暴雨落區(qū)。MPV1和MPV2分布體現(xiàn)了冷空氣入侵所引發(fā)的對流降水特征。此外，江蘇中部位于螺旋云帶右側(cè)高濕高能區(qū)，東北氣流與西南氣流匯合形成了旺盛的線狀對流云團，配合地面輻合線對中尺度系統(tǒng)的觸發(fā)和維持，從而產(chǎn)生極端強降水。
2021年第6號臺風“煙花”在7月28日衰減為熱帶低壓后，臺風外圍螺旋雨帶致使江蘇中部接連出現(xiàn)降水突增現(xiàn)象。本研究利用常規(guī)觀測資料、數(shù)值預報產(chǎn)品和ERA5再分析資料，對強降水過程進行分析。結(jié)果表明：ECMWF-FINE數(shù)值模式產(chǎn)品對于形勢場預報較為準確，但中尺度CMA模式更能體現(xiàn)極端降水的量級和落區(qū)。分析降水增強原因可知，“煙花”移動時受到高空引導氣流作用較小，其在安徽境內(nèi)打轉(zhuǎn)時，西風槽攜帶弱冷空氣南下降低了大氣穩(wěn)定度并強迫暖濕空氣抬升。高低空散度場與渦度場集中在較窄區(qū)域內(nèi)，構(gòu)成了垂直互耦的優(yōu)勢配置，有利于形成強烈且深厚的上升運動，是暴雨產(chǎn)生和持續(xù)的重要動力機制。強降水區(qū)位于濕位渦（MPV）負中心的暖濕氣流中，MPV負值區(qū)可反映暴雨落區(qū)。MPV1和MPV2分布體現(xiàn)了冷空氣入侵所引發(fā)的對流降水特征。此外，江蘇中部位于螺旋云帶右側(cè)高濕高能區(qū)，東北氣流與西南氣流匯合形成了旺盛的線狀對流云團，配合地面輻合線對中尺度系統(tǒng)的觸發(fā)和維持，從而產(chǎn)生極端強降水。
2023, 51(6):848-857.
DOI: 10.19517/j.1671-6345.20220247
摘要:
利用常規(guī)地面觀測資料、風廓線雷達及微波輻射計資料，對2020年8月4—5日第4號臺風“黑格比”在浦東機場的一次強降水天氣過程統(tǒng)計分析。結(jié)果表明：①副熱帶高壓的強勢穩(wěn)定與臺風擠壓，導致浦東機場維持長時間的強風；②4日中午12:00以后，平均風速穩(wěn)定在10 m/s以上并伴有陣風，約離臺風距離浦東機場同緯度前后 9 h，風向在4日21:00以后由東南風轉(zhuǎn)為偏南風，12 h（4日21:00至5日09:00）累計降水量達57.9 mm；③云系結(jié)構(gòu)在未登錄之前，基本維持“9”字形，“黑格比”的螺旋云帶主體位于臺風的東南象限，北側(cè)云帶邊界清晰，先向西北方向移動，逐漸影響浙江東南部沿海，其后又向正北方向移動，影響上海、江蘇，于4日晚上21:00到達上海同緯度正西側(cè)，且臺風主體結(jié)構(gòu)開始減弱松散；④出現(xiàn)明顯降水過程時，5 km以下高度層垂直速度出現(xiàn)相應的顯著大值區(qū)，垂直速度最大值接近9 m/s且高度可以達5 km以上，其數(shù)值與降水強度成正相關(guān)的關(guān)系；⑤當1 km以下高度層出現(xiàn)大氣折射率結(jié)構(gòu)常數(shù)Cn2高值區(qū)，且在2～6 km高度層出現(xiàn)次高值區(qū)時，對應著強降水，當高值區(qū)逐漸減弱時，表示強降水的減弱或終止；⑥在連續(xù)性強降水時段內(nèi)，信噪比SNR最大值高度層穩(wěn)定的位于5～6 km之間；⑦強降水之前，整層大氣從中層開始增濕，且在降水出現(xiàn)時（21:30）液態(tài)水含量先增后減，液態(tài)水含量出現(xiàn)1.25 g/m3的時段與浦東機場實際出現(xiàn)強降水的時段重合，且出現(xiàn)層次為主要為700～2200 m之間；⑧對流有效勢能CAPE最低值時段與強降水天氣發(fā)生時段重疊, 且 KI值一直穩(wěn)定在37 ℃以上，抬升指數(shù)為負值。
利用常規(guī)地面觀測資料、風廓線雷達及微波輻射計資料，對2020年8月4—5日第4號臺風“黑格比”在浦東機場的一次強降水天氣過程統(tǒng)計分析。結(jié)果表明：①副熱帶高壓的強勢穩(wěn)定與臺風擠壓，導致浦東機場維持長時間的強風；②4日中午12:00以后，平均風速穩(wěn)定在10 m/s以上并伴有陣風，約離臺風距離浦東機場同緯度前后 9 h，風向在4日21:00以后由東南風轉(zhuǎn)為偏南風，12 h（4日21:00至5日09:00）累計降水量達57.9 mm；③云系結(jié)構(gòu)在未登錄之前，基本維持“9”字形，“黑格比”的螺旋云帶主體位于臺風的東南象限，北側(cè)云帶邊界清晰，先向西北方向移動，逐漸影響浙江東南部沿海，其后又向正北方向移動，影響上海、江蘇，于4日晚上21:00到達上海同緯度正西側(cè)，且臺風主體結(jié)構(gòu)開始減弱松散；④出現(xiàn)明顯降水過程時，5 km以下高度層垂直速度出現(xiàn)相應的顯著大值區(qū)，垂直速度最大值接近9 m/s且高度可以達5 km以上，其數(shù)值與降水強度成正相關(guān)的關(guān)系；⑤當1 km以下高度層出現(xiàn)大氣折射率結(jié)構(gòu)常數(shù)Cn2高值區(qū)，且在2～6 km高度層出現(xiàn)次高值區(qū)時，對應著強降水，當高值區(qū)逐漸減弱時，表示強降水的減弱或終止；⑥在連續(xù)性強降水時段內(nèi)，信噪比SNR最大值高度層穩(wěn)定的位于5～6 km之間；⑦強降水之前，整層大氣從中層開始增濕，且在降水出現(xiàn)時（21:30）液態(tài)水含量先增后減，液態(tài)水含量出現(xiàn)1.25 g/m3的時段與浦東機場實際出現(xiàn)強降水的時段重合，且出現(xiàn)層次為主要為700～2200 m之間；⑧對流有效勢能CAPE最低值時段與強降水天氣發(fā)生時段重疊, 且 KI值一直穩(wěn)定在37 ℃以上，抬升指數(shù)為負值。
2023, 51(6):858-866.
DOI: 10.19517/j.1671-6345.20220360
摘要:
利用NCEP-FNL資料、FY-4衛(wèi)星紅外云圖資料、雷達資料和自動站資料，對2021年4月15日渤海西岸由大尺度冷空氣和中尺度對流系統(tǒng)共同作用形成的極端大風進行特征和成因分析。結(jié)果表明：①FY-4衛(wèi)星紅外云圖云頂亮溫表現(xiàn)出指狀特征，雷達反射率因子表現(xiàn)為兩個弱回波帶在渤海西岸合并加強為一條帶狀回波，隨著系統(tǒng)東移由帶狀回波演變?yōu)楣瓲罨夭ā＂谏侠湎屡牟环€(wěn)定層結(jié)為鋒面觸發(fā)對流提供有利環(huán)境條件，在徑向速度圖上出現(xiàn)較大范圍速度模糊和中層徑向輻合。③此次大風過程具有雷暴大風和冷空氣大風混合的大風特征，大風成因是由大尺度冷空氣產(chǎn)生的動量下傳、大尺度變壓風、梯度風以及中尺度雷暴冷池出流共同導致的。
利用NCEP-FNL資料、FY-4衛(wèi)星紅外云圖資料、雷達資料和自動站資料，對2021年4月15日渤海西岸由大尺度冷空氣和中尺度對流系統(tǒng)共同作用形成的極端大風進行特征和成因分析。結(jié)果表明：①FY-4衛(wèi)星紅外云圖云頂亮溫表現(xiàn)出指狀特征，雷達反射率因子表現(xiàn)為兩個弱回波帶在渤海西岸合并加強為一條帶狀回波，隨著系統(tǒng)東移由帶狀回波演變?yōu)楣瓲罨夭ā＂谏侠湎屡牟环€(wěn)定層結(jié)為鋒面觸發(fā)對流提供有利環(huán)境條件，在徑向速度圖上出現(xiàn)較大范圍速度模糊和中層徑向輻合。③此次大風過程具有雷暴大風和冷空氣大風混合的大風特征，大風成因是由大尺度冷空氣產(chǎn)生的動量下傳、大尺度變壓風、梯度風以及中尺度雷暴冷池出流共同導致的。
2023, 51(6):867-878.
DOI: 10.19517/j.1671-6345.20220492
摘要:
針對青藏高原地區(qū)雷電短臨預報缺乏雷達資料的問題，采用FY-4A衛(wèi)星多通道數(shù)據(jù)、歐洲中心第5代再分析資料（ERA5）中的對流指數(shù)、閃電定位儀資料等多源監(jiān)測數(shù)據(jù)，根據(jù)雷電的發(fā)生、發(fā)展機理，提出了18個關(guān)鍵預報因子,利用隨機森林算法建立了適用于西藏山南地區(qū)的雷電短臨預報模型。統(tǒng)計分析各預報因子在有無雷電天氣樣本中的概率密度分布與隨機森林模型得到的特征重要度指標，結(jié)果表明提出的預報因子物理意義明確，建立的模型可信度較高。利用隨機森林算法分別對未來10 min 、20 min、30 min建立雷電預報模型，并與光流外推預報方法進行對比檢驗，結(jié)果表明：隨機森林模型預報效果命中率(POD)、臨界成功指數(shù)(CSI)均高于光流法，空報率(FAR)也相對較低；未來20 min的隨機森林預報模型CSI評分最高，整體預報效果最佳。
針對青藏高原地區(qū)雷電短臨預報缺乏雷達資料的問題，采用FY-4A衛(wèi)星多通道數(shù)據(jù)、歐洲中心第5代再分析資料（ERA5）中的對流指數(shù)、閃電定位儀資料等多源監(jiān)測數(shù)據(jù)，根據(jù)雷電的發(fā)生、發(fā)展機理，提出了18個關(guān)鍵預報因子,利用隨機森林算法建立了適用于西藏山南地區(qū)的雷電短臨預報模型。統(tǒng)計分析各預報因子在有無雷電天氣樣本中的概率密度分布與隨機森林模型得到的特征重要度指標，結(jié)果表明提出的預報因子物理意義明確，建立的模型可信度較高。利用隨機森林算法分別對未來10 min 、20 min、30 min建立雷電預報模型，并與光流外推預報方法進行對比檢驗，結(jié)果表明：隨機森林模型預報效果命中率(POD)、臨界成功指數(shù)(CSI)均高于光流法，空報率(FAR)也相對較低；未來20 min的隨機森林預報模型CSI評分最高，整體預報效果最佳。
2023, 51(6):879-887.
DOI: 10.19517/j.1671-6345.20220428
摘要:
基于GB/T36743—2018森林火險氣象等級國家標準，分析了廣西91個國家氣象站1981—2020年森林火險氣象等級特征，并利用林火實況進行了驗證。廣西高火險區(qū)位于桂西百色市、崇左市和沿海北海市，高火險期是10—12月。影響廣西森林火險氣象等級最主要的氣象要素是降水量，其次為氣溫，風速和相對濕度影響較小。利用NCEP/NCAR再分析資料、NOAA海溫資料和相關(guān)系數(shù)分析方法和合成分析方法，從海溫和對流層中低層位勢高度、風場、垂直速度和海平面氣壓等的異常特征對廣西高火險期高火險日數(shù)差異的分析表明：關(guān)鍵區(qū)海溫不同的海氣相互作用引起的降水量差異造成了廣西高火險日數(shù)的異常。秋季赤道中東太平洋冷（暖）海溫激發(fā)出菲律賓異常氣旋環(huán)流（南海異常反氣旋環(huán)流），東亞冬季風（西南暖濕氣流）偏強，副高偏弱偏東（偏強偏西），廣西處于下沉干燥（上升濕潤）氣流區(qū)，降水偏少（多），高火險期高火險日數(shù)偏多（少）。
基于GB/T36743—2018森林火險氣象等級國家標準，分析了廣西91個國家氣象站1981—2020年森林火險氣象等級特征，并利用林火實況進行了驗證。廣西高火險區(qū)位于桂西百色市、崇左市和沿海北海市，高火險期是10—12月。影響廣西森林火險氣象等級最主要的氣象要素是降水量，其次為氣溫，風速和相對濕度影響較小。利用NCEP/NCAR再分析資料、NOAA海溫資料和相關(guān)系數(shù)分析方法和合成分析方法，從海溫和對流層中低層位勢高度、風場、垂直速度和海平面氣壓等的異常特征對廣西高火險期高火險日數(shù)差異的分析表明：關(guān)鍵區(qū)海溫不同的海氣相互作用引起的降水量差異造成了廣西高火險日數(shù)的異常。秋季赤道中東太平洋冷（暖）海溫激發(fā)出菲律賓異常氣旋環(huán)流（南海異常反氣旋環(huán)流），東亞冬季風（西南暖濕氣流）偏強，副高偏弱偏東（偏強偏西），廣西處于下沉干燥（上升濕潤）氣流區(qū)，降水偏少（多），高火險期高火險日數(shù)偏多（少）。
2023, 51(6):888-897.
DOI: 10.19517/j.1671-6345.20220443
摘要:
利用1980—2021年河北省142個國家氣象站觀測資料以及電力部門提供的導線覆冰個例資料，分析了河北省歷史導線覆冰空間特征，發(fā)現(xiàn)省內(nèi)南部沿海和張家口東北部主要以霧凇覆冰為主，邢臺東北部、滄州東部地區(qū)存在少量雨凇覆冰情況。系統(tǒng)分析2015年11月15次覆冰跳閘事故的天氣環(huán)流形勢，造成此次災害的冷空氣由北向南傳播，中后期疊加來自西部向東傳播的氣流；關(guān)鍵區(qū)對流層低層存在雪水混合物和明顯的風切變，對流層中層存在“負-正-負”的溫度異常層結(jié)分布特征，熱力環(huán)流中上升運動為覆冰提供了有利條件。基于氣象觀測資料，綜合考慮導線覆冰增長、維持、消融過程，建立導線覆冰小時級覆冰厚度預報模型。利用覆冰個例進行檢驗，發(fā)現(xiàn)該模型能夠較好地捕捉氣象條件對導線覆冰過程的影響，能夠客觀地反映覆冰厚度時空分布特征，為覆冰監(jiān)測預警提供精細化數(shù)據(jù)支撐。
利用1980—2021年河北省142個國家氣象站觀測資料以及電力部門提供的導線覆冰個例資料，分析了河北省歷史導線覆冰空間特征，發(fā)現(xiàn)省內(nèi)南部沿海和張家口東北部主要以霧凇覆冰為主，邢臺東北部、滄州東部地區(qū)存在少量雨凇覆冰情況。系統(tǒng)分析2015年11月15次覆冰跳閘事故的天氣環(huán)流形勢，造成此次災害的冷空氣由北向南傳播，中后期疊加來自西部向東傳播的氣流；關(guān)鍵區(qū)對流層低層存在雪水混合物和明顯的風切變，對流層中層存在“負-正-負”的溫度異常層結(jié)分布特征，熱力環(huán)流中上升運動為覆冰提供了有利條件。基于氣象觀測資料，綜合考慮導線覆冰增長、維持、消融過程，建立導線覆冰小時級覆冰厚度預報模型。利用覆冰個例進行檢驗，發(fā)現(xiàn)該模型能夠較好地捕捉氣象條件對導線覆冰過程的影響，能夠客觀地反映覆冰厚度時空分布特征，為覆冰監(jiān)測預警提供精細化數(shù)據(jù)支撐。
2023, 51(6):898-906.
DOI: 10.19517/j.1671-6345.20220456
摘要:
面向多種災害頻發(fā)的應急觀測任務，現(xiàn)有地面應用系統(tǒng)響應能力無法滿足常態(tài)化的高時效性觀測需求。為發(fā)揮風云四號B星(FY-4B)快速成像儀靈活、快速的載荷性能優(yōu)勢，通過設計應急響應與常規(guī)觀測一致的觀測模式及時間表,規(guī)劃中國及全圓盤區(qū)域，建立智能決策觀測任務的自動化星地指揮調(diào)度系統(tǒng)，在保證衛(wèi)星安全前提下實現(xiàn)載荷應急觀測快速部署，全業(yè)務流程響應平均不超過30 min。該系統(tǒng)有效減少頻繁變更觀測任務所引起的星地資源壓力，保證遙感數(shù)據(jù)連貫性，已在汛期服務及各類災害氣象保障中發(fā)揮重要數(shù)據(jù)支撐作用。
面向多種災害頻發(fā)的應急觀測任務，現(xiàn)有地面應用系統(tǒng)響應能力無法滿足常態(tài)化的高時效性觀測需求。為發(fā)揮風云四號B星(FY-4B)快速成像儀靈活、快速的載荷性能優(yōu)勢，通過設計應急響應與常規(guī)觀測一致的觀測模式及時間表,規(guī)劃中國及全圓盤區(qū)域，建立智能決策觀測任務的自動化星地指揮調(diào)度系統(tǒng)，在保證衛(wèi)星安全前提下實現(xiàn)載荷應急觀測快速部署，全業(yè)務流程響應平均不超過30 min。該系統(tǒng)有效減少頻繁變更觀測任務所引起的星地資源壓力，保證遙感數(shù)據(jù)連貫性，已在汛期服務及各類災害氣象保障中發(fā)揮重要數(shù)據(jù)支撐作用。
2023, 51(6):907-916.
DOI: 10.19517/j.1671-6345.20220423
摘要:
本文通過分析“云+端”模式氣候監(jiān)測預測分析系統(tǒng)（簡稱：CIPAS3.0）的監(jiān)控需求，給出基于氣象綜合業(yè)務實時監(jiān)控系統(tǒng)（簡稱：天鏡）CIPAS3.0監(jiān)控應用架構(gòu)和流程設計，詳細描述了產(chǎn)品監(jiān)視流程和數(shù)據(jù)源異常追溯算法，為下一步建設融入氣象大數(shù)據(jù)云平臺（簡稱：天擎）的業(yè)務系統(tǒng)通用監(jiān)控提供了技術(shù)思路。CIPAS3.0監(jiān)控應用實現(xiàn)了數(shù)據(jù)源、產(chǎn)品和基礎資源的實時監(jiān)視與告警，并提供數(shù)據(jù)源異常追溯、產(chǎn)品一鍵補算等功能，解決了數(shù)據(jù)源下載傳輸情況不透明、產(chǎn)品手工補算不方便等問題，減輕了運維人員定位和解決故障的工作量，提高了運維效率。本應用于2021年12月通過專家評審并投入業(yè)務化運行，截止目前已實現(xiàn)87種數(shù)據(jù)源和125種定時產(chǎn)品實時監(jiān)控，為CIPAS3.0的穩(wěn)定運行提供了保障。
本文通過分析“云+端”模式氣候監(jiān)測預測分析系統(tǒng)（簡稱：CIPAS3.0）的監(jiān)控需求，給出基于氣象綜合業(yè)務實時監(jiān)控系統(tǒng)（簡稱：天鏡）CIPAS3.0監(jiān)控應用架構(gòu)和流程設計，詳細描述了產(chǎn)品監(jiān)視流程和數(shù)據(jù)源異常追溯算法，為下一步建設融入氣象大數(shù)據(jù)云平臺（簡稱：天擎）的業(yè)務系統(tǒng)通用監(jiān)控提供了技術(shù)思路。CIPAS3.0監(jiān)控應用實現(xiàn)了數(shù)據(jù)源、產(chǎn)品和基礎資源的實時監(jiān)視與告警，并提供數(shù)據(jù)源異常追溯、產(chǎn)品一鍵補算等功能，解決了數(shù)據(jù)源下載傳輸情況不透明、產(chǎn)品手工補算不方便等問題，減輕了運維人員定位和解決故障的工作量，提高了運維效率。本應用于2021年12月通過專家評審并投入業(yè)務化運行，截止目前已實現(xiàn)87種數(shù)據(jù)源和125種定時產(chǎn)品實時監(jiān)控，為CIPAS3.0的穩(wěn)定運行提供了保障。
2023, 51(6):917-926.
DOI: 10.19517/j.1671-6345.20220305
摘要:
本文針對氣候監(jiān)測預測分析系統(tǒng)（CIPAS3.0）數(shù)據(jù)環(huán)境的系統(tǒng)架構(gòu)、總體設計，提出系統(tǒng)實現(xiàn)的若干關(guān)鍵技術(shù)并進行深入分析。CIPAS3.0作為國家氣候中心面向氣候監(jiān)測、預測、診斷業(yè)務的核心業(yè)務系統(tǒng)，其數(shù)據(jù)支撐環(huán)境已全面融入氣象大數(shù)據(jù)云平臺“天擎”，針對不同存儲格式的數(shù)據(jù)源，建立了以GBASE和PostgreSQL底層存儲架構(gòu)為基礎的氣候?qū)ｎ}數(shù)據(jù)庫，采用基于配置文件的可插拔數(shù)據(jù)加工處理框架，并提供了具有數(shù)算一體能力的數(shù)據(jù)訪問接口。CIPAS數(shù)據(jù)環(huán)境設計采用OBS（Object Storage Service）對象存儲進行產(chǎn)品的管理，同時針對數(shù)據(jù)產(chǎn)品完整性和分布式集群管理建立了全流程的監(jiān)控系統(tǒng)，實現(xiàn)了數(shù)據(jù)從采集、入庫、存儲、加工處理、訪問、監(jiān)控等各環(huán)節(jié)的支撐作用。目前，CIPAS3.0數(shù)據(jù)環(huán)境已投入業(yè)務使用，其建設成果在國家級業(yè)務單位和試點省份的試用顯示出其在支撐業(yè)務應用能力與發(fā)展前景方面具備較好的基礎。
本文針對氣候監(jiān)測預測分析系統(tǒng)（CIPAS3.0）數(shù)據(jù)環(huán)境的系統(tǒng)架構(gòu)、總體設計，提出系統(tǒng)實現(xiàn)的若干關(guān)鍵技術(shù)并進行深入分析。CIPAS3.0作為國家氣候中心面向氣候監(jiān)測、預測、診斷業(yè)務的核心業(yè)務系統(tǒng)，其數(shù)據(jù)支撐環(huán)境已全面融入氣象大數(shù)據(jù)云平臺“天擎”，針對不同存儲格式的數(shù)據(jù)源，建立了以GBASE和PostgreSQL底層存儲架構(gòu)為基礎的氣候?qū)ｎ}數(shù)據(jù)庫，采用基于配置文件的可插拔數(shù)據(jù)加工處理框架，并提供了具有數(shù)算一體能力的數(shù)據(jù)訪問接口。CIPAS數(shù)據(jù)環(huán)境設計采用OBS（Object Storage Service）對象存儲進行產(chǎn)品的管理，同時針對數(shù)據(jù)產(chǎn)品完整性和分布式集群管理建立了全流程的監(jiān)控系統(tǒng)，實現(xiàn)了數(shù)據(jù)從采集、入庫、存儲、加工處理、訪問、監(jiān)控等各環(huán)節(jié)的支撐作用。目前，CIPAS3.0數(shù)據(jù)環(huán)境已投入業(yè)務使用，其建設成果在國家級業(yè)務單位和試點省份的試用顯示出其在支撐業(yè)務應用能力與發(fā)展前景方面具備較好的基礎。
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