2024年第52卷第2期文章目次
2024, 52(2):151-162.
DOI: 10.19517/j.1671-6345.20230146
摘要:
測風(fēng)激光雷達(dá)和風(fēng)廓線雷達(dá)作為L波段探空測風(fēng)的有效補(bǔ)充，均可以提供高時(shí)空分辨率的大氣風(fēng)場信息，然而由于工作原理和適用條件存在明顯差異，在探測性能上各有優(yōu)缺點(diǎn)，單一設(shè)備的探測數(shù)據(jù)已不能滿足精細(xì)化預(yù)報(bào)的要求。本研究使用2020年1—5月北京南郊觀象臺的L波段探空資料對同址觀測的測風(fēng)激光雷達(dá)和風(fēng)廓線雷達(dá)進(jìn)行了數(shù)據(jù)質(zhì)量評估，結(jié)果表明測風(fēng)激光雷達(dá)與探空的一致性較高，U、V分量的相關(guān)系數(shù)分別為0.97和0.98，均方根誤差分別為1.1和0.95 m·s-1，然而在2 km以上數(shù)據(jù)獲取率較低且偏差較大；風(fēng)廓線雷達(dá)與探空相比，U、V分量的相關(guān)系數(shù)分別為0.94和0.93，均方根誤差分別為2.94和2.91 m·s-1，風(fēng)廓線雷達(dá)的探測距離雖然更遠(yuǎn)，但在0.5 km以下和6 km以上的測量偏差較大。考慮到兩種測風(fēng)雷達(dá)在不同探測高度上的性能優(yōu)缺點(diǎn)，提出分段曲面擬合法對兩者的水平風(fēng)資料進(jìn)行融合處理，并選取個(gè)例對融合效果進(jìn)行驗(yàn)證，結(jié)果表明，融合后的風(fēng)廓線與融合前相比，風(fēng)向和風(fēng)速的一致性均得到明顯提升。
測風(fēng)激光雷達(dá)和風(fēng)廓線雷達(dá)作為L波段探空測風(fēng)的有效補(bǔ)充，均可以提供高時(shí)空分辨率的大氣風(fēng)場信息，然而由于工作原理和適用條件存在明顯差異，在探測性能上各有優(yōu)缺點(diǎn)，單一設(shè)備的探測數(shù)據(jù)已不能滿足精細(xì)化預(yù)報(bào)的要求。本研究使用2020年1—5月北京南郊觀象臺的L波段探空資料對同址觀測的測風(fēng)激光雷達(dá)和風(fēng)廓線雷達(dá)進(jìn)行了數(shù)據(jù)質(zhì)量評估，結(jié)果表明測風(fēng)激光雷達(dá)與探空的一致性較高，U、V分量的相關(guān)系數(shù)分別為0.97和0.98，均方根誤差分別為1.1和0.95 m·s-1，然而在2 km以上數(shù)據(jù)獲取率較低且偏差較大；風(fēng)廓線雷達(dá)與探空相比，U、V分量的相關(guān)系數(shù)分別為0.94和0.93，均方根誤差分別為2.94和2.91 m·s-1，風(fēng)廓線雷達(dá)的探測距離雖然更遠(yuǎn)，但在0.5 km以下和6 km以上的測量偏差較大。考慮到兩種測風(fēng)雷達(dá)在不同探測高度上的性能優(yōu)缺點(diǎn)，提出分段曲面擬合法對兩者的水平風(fēng)資料進(jìn)行融合處理，并選取個(gè)例對融合效果進(jìn)行驗(yàn)證，結(jié)果表明，融合后的風(fēng)廓線與融合前相比，風(fēng)向和風(fēng)速的一致性均得到明顯提升。
2024, 52(2):163-172.
DOI: 10.19517/j.1671-6345.20230053
摘要:
為了研究ERA5再分析資料在微波輻射計(jì)數(shù)據(jù)反演中的應(yīng)用效果，利用探空和ERA5作為訓(xùn)練樣本分別訓(xùn)練得到兩個(gè)神經(jīng)網(wǎng)絡(luò)，對微波輻射計(jì)觀測數(shù)據(jù)進(jìn)行反演。并以探空資料作為參考分別統(tǒng)計(jì)基于探空和ERA5再分析資料反演得到的數(shù)據(jù)的相關(guān)系數(shù)、絕對偏差和均方根誤差，用于評估ERA5再分析資料在微波輻射計(jì)數(shù)據(jù)反演中的應(yīng)用效果。結(jié)果表明：基于ERA5和探空反演的溫度廓線與探空的相關(guān)系數(shù)分別為0.988、0.99，絕對偏差分別為2.402 ℃、2.607 ℃。反演水汽與探空的相關(guān)系數(shù)分別為0.975、0.979，絕對偏差分別為0.412 g/m3、0.369 g/m3。反演的相對濕度相關(guān)系數(shù)分別為0.663、0.696，絕對偏差分別為15.587%、13.976%。反演的積分水汽總量相關(guān)系數(shù)分別為0.959、0.968，絕對偏差分別為0.258 cm、0.227 cm。從結(jié)果來看，基于ERA5資料反演的溫度、水汽資料與利用探空反演的結(jié)果相差較小，溫度廓線反演效果優(yōu)于相對濕度廓線。
為了研究ERA5再分析資料在微波輻射計(jì)數(shù)據(jù)反演中的應(yīng)用效果，利用探空和ERA5作為訓(xùn)練樣本分別訓(xùn)練得到兩個(gè)神經(jīng)網(wǎng)絡(luò)，對微波輻射計(jì)觀測數(shù)據(jù)進(jìn)行反演。并以探空資料作為參考分別統(tǒng)計(jì)基于探空和ERA5再分析資料反演得到的數(shù)據(jù)的相關(guān)系數(shù)、絕對偏差和均方根誤差，用于評估ERA5再分析資料在微波輻射計(jì)數(shù)據(jù)反演中的應(yīng)用效果。結(jié)果表明：基于ERA5和探空反演的溫度廓線與探空的相關(guān)系數(shù)分別為0.988、0.99，絕對偏差分別為2.402 ℃、2.607 ℃。反演水汽與探空的相關(guān)系數(shù)分別為0.975、0.979，絕對偏差分別為0.412 g/m3、0.369 g/m3。反演的相對濕度相關(guān)系數(shù)分別為0.663、0.696，絕對偏差分別為15.587%、13.976%。反演的積分水汽總量相關(guān)系數(shù)分別為0.959、0.968，絕對偏差分別為0.258 cm、0.227 cm。從結(jié)果來看，基于ERA5資料反演的溫度、水汽資料與利用探空反演的結(jié)果相差較小，溫度廓線反演效果優(yōu)于相對濕度廓線。
2024, 52(2):173-185.
DOI: 10.19517/j.1671-6345.20230261
摘要:
上海青浦CINRAD/SAD雷達(dá)和南匯WSR88D雷達(dá)型號不同，并且采用不同的雙偏振技術(shù)升級方案，實(shí)際業(yè)務(wù)運(yùn)行中2部雷達(dá)存在一定的數(shù)據(jù)偏差。為了對雷達(dá)的探測性能進(jìn)行定量評估，在共同探測區(qū)域遴選2022年7—9月及2023年6月共30個(gè)過程3933個(gè)時(shí)次數(shù)據(jù)，以穩(wěn)定性降水與對流性降水分類并按強(qiáng)度分級進(jìn)行對比，評估了反射率因子ZH，差分反射率ZDR，相關(guān)系數(shù)CC和差分傳播相移ΦDP的水平分布特征及隨方位變化趨勢，雷達(dá)靈敏度隨仰角變化趨勢以及ZH和ZDR偏差的定量統(tǒng)計(jì)。結(jié)果表明：2部雷達(dá)ZH的觀測結(jié)果接近，青浦CINRAD/SAD雷達(dá)的ZH,CC和ΦDP受地物及避雷針影響較大，隨方位變化不穩(wěn)定，青浦CINRAD/SAD雷達(dá)在低層的非氣象回波濾除效果較南匯WSR88D雷達(dá)差。2部雷達(dá)ZH和ZDR的偏差在ZH大于40 dBz的區(qū)域較大，ZH平均偏差為0.9 dB，ZDR為-0.14 dB。本文基于臺風(fēng)、冰雹、短時(shí)強(qiáng)降水和梅雨降水?dāng)?shù)據(jù)，定量化評估了上海2部S波段雙偏振天氣雷達(dá)數(shù)據(jù)之間的差異，為后續(xù)算法改進(jìn)以及數(shù)據(jù)訂正提供參考。
上海青浦CINRAD/SAD雷達(dá)和南匯WSR88D雷達(dá)型號不同，并且采用不同的雙偏振技術(shù)升級方案，實(shí)際業(yè)務(wù)運(yùn)行中2部雷達(dá)存在一定的數(shù)據(jù)偏差。為了對雷達(dá)的探測性能進(jìn)行定量評估，在共同探測區(qū)域遴選2022年7—9月及2023年6月共30個(gè)過程3933個(gè)時(shí)次數(shù)據(jù)，以穩(wěn)定性降水與對流性降水分類并按強(qiáng)度分級進(jìn)行對比，評估了反射率因子ZH，差分反射率ZDR，相關(guān)系數(shù)CC和差分傳播相移ΦDP的水平分布特征及隨方位變化趨勢，雷達(dá)靈敏度隨仰角變化趨勢以及ZH和ZDR偏差的定量統(tǒng)計(jì)。結(jié)果表明：2部雷達(dá)ZH的觀測結(jié)果接近，青浦CINRAD/SAD雷達(dá)的ZH,CC和ΦDP受地物及避雷針影響較大，隨方位變化不穩(wěn)定，青浦CINRAD/SAD雷達(dá)在低層的非氣象回波濾除效果較南匯WSR88D雷達(dá)差。2部雷達(dá)ZH和ZDR的偏差在ZH大于40 dBz的區(qū)域較大，ZH平均偏差為0.9 dB，ZDR為-0.14 dB。本文基于臺風(fēng)、冰雹、短時(shí)強(qiáng)降水和梅雨降水?dāng)?shù)據(jù)，定量化評估了上海2部S波段雙偏振天氣雷達(dá)數(shù)據(jù)之間的差異，為后續(xù)算法改進(jìn)以及數(shù)據(jù)訂正提供參考。
2024, 52(2):186-194.
DOI: 10.19517/j.1671-6345.20230062
摘要:
中國氣象局衛(wèi)星廣播系統(tǒng)（CMACast）是全球?qū)Φ赜^測廣播系統(tǒng)（GEONETCast）框架下三大對地廣播系統(tǒng)之一，在世界氣象組織信息系統(tǒng)（WIS）和綜合衛(wèi)星數(shù)據(jù)分發(fā)服務(wù)系統(tǒng)(IGDDS)框架下，承擔(dān)亞太地區(qū)氣象數(shù)據(jù)廣播分發(fā)的職責(zé)。隨著氣象業(yè)務(wù)的發(fā)展，廣播系統(tǒng)數(shù)據(jù)量由180 GB/天增長至460 GB/天，在廣播帶寬資源有限而廣播數(shù)據(jù)種類和大小各異的情況下，系統(tǒng)管理員越來越難以通過經(jīng)驗(yàn)對廣播通道參數(shù)調(diào)整以保持廣播系統(tǒng)播發(fā)效率，造成部分通道數(shù)據(jù)播發(fā)時(shí)效下降嚴(yán)重，不能滿足業(yè)務(wù)時(shí)效要求。通過對不同氣象數(shù)據(jù)傳輸特性的定量分析，獲得各類數(shù)據(jù)的精細(xì)化數(shù)據(jù)傳輸樣本，在此基礎(chǔ)上對各類數(shù)據(jù)廣播通道參數(shù)進(jìn)行科學(xué)、定量的計(jì)算和優(yōu)化，使數(shù)據(jù)播發(fā)時(shí)效明顯提升，應(yīng)用到實(shí)際廣播業(yè)務(wù)中效果明顯。
中國氣象局衛(wèi)星廣播系統(tǒng)（CMACast）是全球?qū)Φ赜^測廣播系統(tǒng)（GEONETCast）框架下三大對地廣播系統(tǒng)之一，在世界氣象組織信息系統(tǒng)（WIS）和綜合衛(wèi)星數(shù)據(jù)分發(fā)服務(wù)系統(tǒng)(IGDDS)框架下，承擔(dān)亞太地區(qū)氣象數(shù)據(jù)廣播分發(fā)的職責(zé)。隨著氣象業(yè)務(wù)的發(fā)展，廣播系統(tǒng)數(shù)據(jù)量由180 GB/天增長至460 GB/天，在廣播帶寬資源有限而廣播數(shù)據(jù)種類和大小各異的情況下，系統(tǒng)管理員越來越難以通過經(jīng)驗(yàn)對廣播通道參數(shù)調(diào)整以保持廣播系統(tǒng)播發(fā)效率，造成部分通道數(shù)據(jù)播發(fā)時(shí)效下降嚴(yán)重，不能滿足業(yè)務(wù)時(shí)效要求。通過對不同氣象數(shù)據(jù)傳輸特性的定量分析，獲得各類數(shù)據(jù)的精細(xì)化數(shù)據(jù)傳輸樣本，在此基礎(chǔ)上對各類數(shù)據(jù)廣播通道參數(shù)進(jìn)行科學(xué)、定量的計(jì)算和優(yōu)化，使數(shù)據(jù)播發(fā)時(shí)效明顯提升，應(yīng)用到實(shí)際廣播業(yè)務(wù)中效果明顯。
2024, 52(2):195-204.
DOI: 10.19517/j.1671-6345.20230093
摘要:
為提升大數(shù)據(jù)云平臺與移動互聯(lián)網(wǎng)的耦合氣象服務(wù)質(zhì)量，滿足氣象防災(zāi)減災(zāi)移動可視化需求，推進(jìn)新疆氣象信息化事業(yè)高質(zhì)量發(fā)展，亟需開發(fā)一款專業(yè)氣象服務(wù)APP。該APP在“云+端”業(yè)務(wù)模式下充分利用氣象業(yè)務(wù)現(xiàn)有數(shù)字化成果，采取多源存儲、接口調(diào)用、控制反轉(zhuǎn)和數(shù)據(jù)交互技術(shù)，對全疆天氣自動站的地面觀測、格點(diǎn)實(shí)況融合、雷達(dá)回波、災(zāi)害預(yù)警等氣象資料進(jìn)行加工處理和移動展示。天山氣象APP可按用戶需求提供疆內(nèi)基于實(shí)時(shí)位置的天氣實(shí)況、精細(xì)化預(yù)報(bào)、預(yù)警詳情、雷達(dá)拼圖、實(shí)況要素產(chǎn)品和統(tǒng)計(jì)值要素產(chǎn)品，同時(shí)繼承大數(shù)據(jù)云平臺服務(wù)接口高額承載能力，實(shí)現(xiàn)毫秒級響應(yīng)，在全疆天氣自動站應(yīng)急保障與氣象防災(zāi)減災(zāi)服務(wù)中應(yīng)用成效顯著。
為提升大數(shù)據(jù)云平臺與移動互聯(lián)網(wǎng)的耦合氣象服務(wù)質(zhì)量，滿足氣象防災(zāi)減災(zāi)移動可視化需求，推進(jìn)新疆氣象信息化事業(yè)高質(zhì)量發(fā)展，亟需開發(fā)一款專業(yè)氣象服務(wù)APP。該APP在“云+端”業(yè)務(wù)模式下充分利用氣象業(yè)務(wù)現(xiàn)有數(shù)字化成果，采取多源存儲、接口調(diào)用、控制反轉(zhuǎn)和數(shù)據(jù)交互技術(shù)，對全疆天氣自動站的地面觀測、格點(diǎn)實(shí)況融合、雷達(dá)回波、災(zāi)害預(yù)警等氣象資料進(jìn)行加工處理和移動展示。天山氣象APP可按用戶需求提供疆內(nèi)基于實(shí)時(shí)位置的天氣實(shí)況、精細(xì)化預(yù)報(bào)、預(yù)警詳情、雷達(dá)拼圖、實(shí)況要素產(chǎn)品和統(tǒng)計(jì)值要素產(chǎn)品，同時(shí)繼承大數(shù)據(jù)云平臺服務(wù)接口高額承載能力，實(shí)現(xiàn)毫秒級響應(yīng)，在全疆天氣自動站應(yīng)急保障與氣象防災(zāi)減災(zāi)服務(wù)中應(yīng)用成效顯著。
2024, 52(2):205-217.
DOI: 10.19517/j.1671-6345.20230100
摘要:
為了深入認(rèn)識同時(shí)段內(nèi)發(fā)生的兩場森林火災(zāi)蔓延特征以及大氣、地形等對不同林火行為的影響，進(jìn)而為多起林火撲滅火工作提供科學(xué)支撐，選取 2022年8月17日發(fā)生在涪陵兩場森林火災(zāi)，利用高分辨率地理信息、植被數(shù)據(jù)和氣象數(shù)據(jù)對兩場林火行為進(jìn)行分析研究，同時(shí)運(yùn)用林火-大氣耦合WRFFire（Weather Research and Forecasting Model with Fire Module）模式進(jìn)行數(shù)值模擬。研究發(fā)現(xiàn)：①受深厚高壓控制，兩場林火是在持續(xù)高溫、干燥背景下發(fā)生的，氣象干旱等級達(dá)到重旱，火險(xiǎn)氣象等級高。②模式模擬風(fēng)向風(fēng)速變化與實(shí)況較為一致，基本體現(xiàn)出火場風(fēng)向和風(fēng)速突變，表明WRFFire模式可以較準(zhǔn)確地再現(xiàn)火場蔓延情況。③基于林火蔓延特征時(shí)間和空間變化可將大梁山林火發(fā)展分為6個(gè)階段、北山坪林火分為4個(gè)階段，造成直線距離相隔4.4 km兩個(gè)火場蔓延發(fā)展程度不同的原因在于地形差異造成的局地風(fēng)場差異。
為了深入認(rèn)識同時(shí)段內(nèi)發(fā)生的兩場森林火災(zāi)蔓延特征以及大氣、地形等對不同林火行為的影響，進(jìn)而為多起林火撲滅火工作提供科學(xué)支撐，選取 2022年8月17日發(fā)生在涪陵兩場森林火災(zāi)，利用高分辨率地理信息、植被數(shù)據(jù)和氣象數(shù)據(jù)對兩場林火行為進(jìn)行分析研究，同時(shí)運(yùn)用林火-大氣耦合WRFFire（Weather Research and Forecasting Model with Fire Module）模式進(jìn)行數(shù)值模擬。研究發(fā)現(xiàn)：①受深厚高壓控制，兩場林火是在持續(xù)高溫、干燥背景下發(fā)生的，氣象干旱等級達(dá)到重旱，火險(xiǎn)氣象等級高。②模式模擬風(fēng)向風(fēng)速變化與實(shí)況較為一致，基本體現(xiàn)出火場風(fēng)向和風(fēng)速突變，表明WRFFire模式可以較準(zhǔn)確地再現(xiàn)火場蔓延情況。③基于林火蔓延特征時(shí)間和空間變化可將大梁山林火發(fā)展分為6個(gè)階段、北山坪林火分為4個(gè)階段，造成直線距離相隔4.4 km兩個(gè)火場蔓延發(fā)展程度不同的原因在于地形差異造成的局地風(fēng)場差異。
2024, 52(2):218-227.
DOI: 10.19517/j.1671-6345.20230114
摘要:
基于對象的診斷檢驗(yàn)方法（MODE）受降水臨界值、卷積半徑、屬性權(quán)重等參數(shù)的影響，合理選取卷積半徑并準(zhǔn)確表征預(yù)報(bào)場與觀測場之間的空間相似度決定了MODE的應(yīng)用效果。本文基于2020年夏季貴州54個(gè)降水個(gè)例，以多源融合降水（CMPA）作為實(shí)況，使用MODE和FSS評分（Fractions Skill Score）對中國氣象局廣東快速更新同化數(shù)值預(yù)報(bào)系統(tǒng)（CMAGD）24 h日降水預(yù)報(bào)進(jìn)行空間檢驗(yàn)。結(jié)果表明：卷積半徑過小易造成MODE提取降水對象過多,而卷積半徑過大則導(dǎo)致局部降水信息丟失，無法從降水場中提取到降水對象。不同卷積半徑下計(jì)算的最大相似度中值（MMI）存在突變。在MMI基礎(chǔ)上引入面積權(quán)重構(gòu)造面積平均最大相似度（AMMI）。AMMI不受提取降水對象個(gè)數(shù)的影響，較MMI更具有穩(wěn)定性，用于表征降水場之間的整體空間相似程度更為合理。根據(jù)對象總面積隨卷積半徑的變化將降水分為大范圍降水和局部降水2類。大范圍降水平均總面積隨著卷積半徑的增加而增加，AMMI隨卷積半徑變化不大。隨著卷積半徑的增加，局部降水平均總面積減小，平均AMMI有所減小。局部降水對卷積半徑選取較為敏感，以觀測場對象面積變化不超過10%的最大半徑作為卷積半徑有助于保留降水場大部分信息。
基于對象的診斷檢驗(yàn)方法（MODE）受降水臨界值、卷積半徑、屬性權(quán)重等參數(shù)的影響，合理選取卷積半徑并準(zhǔn)確表征預(yù)報(bào)場與觀測場之間的空間相似度決定了MODE的應(yīng)用效果。本文基于2020年夏季貴州54個(gè)降水個(gè)例，以多源融合降水（CMPA）作為實(shí)況，使用MODE和FSS評分（Fractions Skill Score）對中國氣象局廣東快速更新同化數(shù)值預(yù)報(bào)系統(tǒng)（CMAGD）24 h日降水預(yù)報(bào)進(jìn)行空間檢驗(yàn)。結(jié)果表明：卷積半徑過小易造成MODE提取降水對象過多,而卷積半徑過大則導(dǎo)致局部降水信息丟失，無法從降水場中提取到降水對象。不同卷積半徑下計(jì)算的最大相似度中值（MMI）存在突變。在MMI基礎(chǔ)上引入面積權(quán)重構(gòu)造面積平均最大相似度（AMMI）。AMMI不受提取降水對象個(gè)數(shù)的影響，較MMI更具有穩(wěn)定性，用于表征降水場之間的整體空間相似程度更為合理。根據(jù)對象總面積隨卷積半徑的變化將降水分為大范圍降水和局部降水2類。大范圍降水平均總面積隨著卷積半徑的增加而增加，AMMI隨卷積半徑變化不大。隨著卷積半徑的增加，局部降水平均總面積減小，平均AMMI有所減小。局部降水對卷積半徑選取較為敏感，以觀測場對象面積變化不超過10%的最大半徑作為卷積半徑有助于保留降水場大部分信息。
2024, 52(2):228-242.
DOI: 10.19517/j.1671-6345.20230005
摘要:
利用貴州省84個(gè)氣象站逐日觀測資料以及再分析資料，對4種不同強(qiáng)度區(qū)域性凝凍過程進(jìn)行對比分析。結(jié)果表明：500 hPa位勢高度場上中高緯度的亞洲東部區(qū)域距平場呈現(xiàn)“+-”的分布或有切斷低壓分布，貝加爾湖至中國華北地區(qū)以經(jīng)向環(huán)流為主；850 hPa風(fēng)場上云南南部以南受偏南風(fēng)和西南風(fēng)控制，并且在江南至華南存在西南或西風(fēng)急流，是4種不同強(qiáng)度凝凍過程中形勢場共性特征。500 hPa高度場上中高緯度地區(qū)呈兩槽一脊或一槽一脊分布；風(fēng)場上850 hPa東北風(fēng)回流和700 hPa西南急流形成上暖下冷的形勢場，同時(shí)850 hPa形成穩(wěn)定低層切變線；溫度場上存在冷-暖-冷的夾心結(jié)構(gòu)，近地面層0 ℃線維持在900 hPa以下，均是較強(qiáng)等級以上的區(qū)域性凝凍過程中形勢場共性特征。而對于一般性區(qū)域性凝凍過程，500 hPa位勢高度場上呈多槽脊分布，風(fēng)場上是否存在東北風(fēng)回流和低層切變線，溫度場上是否存在冷-暖-冷的夾心結(jié)構(gòu)以及近地面層0 ℃線位置等特征均不統(tǒng)一。溫度剖面圖上，當(dāng)近地面層0 ℃線位置最低時(shí)或出現(xiàn)冷-暖-冷的夾心結(jié)構(gòu)時(shí)段與凝凍過程影響范圍最廣、災(zāi)情最重的時(shí)間段對應(yīng)。
利用貴州省84個(gè)氣象站逐日觀測資料以及再分析資料，對4種不同強(qiáng)度區(qū)域性凝凍過程進(jìn)行對比分析。結(jié)果表明：500 hPa位勢高度場上中高緯度的亞洲東部區(qū)域距平場呈現(xiàn)“+-”的分布或有切斷低壓分布，貝加爾湖至中國華北地區(qū)以經(jīng)向環(huán)流為主；850 hPa風(fēng)場上云南南部以南受偏南風(fēng)和西南風(fēng)控制，并且在江南至華南存在西南或西風(fēng)急流，是4種不同強(qiáng)度凝凍過程中形勢場共性特征。500 hPa高度場上中高緯度地區(qū)呈兩槽一脊或一槽一脊分布；風(fēng)場上850 hPa東北風(fēng)回流和700 hPa西南急流形成上暖下冷的形勢場，同時(shí)850 hPa形成穩(wěn)定低層切變線；溫度場上存在冷-暖-冷的夾心結(jié)構(gòu)，近地面層0 ℃線維持在900 hPa以下，均是較強(qiáng)等級以上的區(qū)域性凝凍過程中形勢場共性特征。而對于一般性區(qū)域性凝凍過程，500 hPa位勢高度場上呈多槽脊分布，風(fēng)場上是否存在東北風(fēng)回流和低層切變線，溫度場上是否存在冷-暖-冷的夾心結(jié)構(gòu)以及近地面層0 ℃線位置等特征均不統(tǒng)一。溫度剖面圖上，當(dāng)近地面層0 ℃線位置最低時(shí)或出現(xiàn)冷-暖-冷的夾心結(jié)構(gòu)時(shí)段與凝凍過程影響范圍最廣、災(zāi)情最重的時(shí)間段對應(yīng)。
2024, 52(2):243-251.
DOI: 10.19517/j.1671-6345.20230155
摘要:
本文基于2022年8月四川盆地104站逐時(shí)溫度、降水?dāng)?shù)據(jù)和1971—2021年歷史同期數(shù)據(jù)，及EC、CMAGFS、CMAMESO模式的2 m氣溫預(yù)報(bào)等數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)學(xué)相關(guān)方法分析了此次極端高溫過程的特征及預(yù)報(bào)誤差。結(jié)果表明：①2022年8月四川盆地極端高溫過程范圍大、強(qiáng)度強(qiáng)、持續(xù)時(shí)間長，有87.5%站最高氣溫超過該站歷史同期極值，且高溫最強(qiáng)盛時(shí)段較歷史同期明顯推后。②2022年8月最高氣溫分布為東高西低，最高氣溫與歷史同期極值差分布則相反，其中最高氣溫隨站點(diǎn)海拔增大而減小，而極值差則隨站點(diǎn)海拔先增大再減小。另外，受熱島效應(yīng)影響，極值差大值站點(diǎn)主要集中在龍泉山脈附近。③高溫期間，最高、最低氣溫平均值高、距平大，且累計(jì)降水量和雨日數(shù)也明顯低于歷史同期。④相較而言，EC模式的預(yù)報(bào)優(yōu)勢主要在盆地低海拔地區(qū)。而CMAMESO模式在盆地周邊陡峭地形區(qū)域的平均絕對誤差則更小。另外，EC模式預(yù)報(bào)的最高氣溫峰值出現(xiàn)時(shí)間更接近于實(shí)況，而CMAMESO模式預(yù)報(bào)高溫持續(xù)日數(shù)更接近實(shí)況。
本文基于2022年8月四川盆地104站逐時(shí)溫度、降水?dāng)?shù)據(jù)和1971—2021年歷史同期數(shù)據(jù)，及EC、CMAGFS、CMAMESO模式的2 m氣溫預(yù)報(bào)等數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)學(xué)相關(guān)方法分析了此次極端高溫過程的特征及預(yù)報(bào)誤差。結(jié)果表明：①2022年8月四川盆地極端高溫過程范圍大、強(qiáng)度強(qiáng)、持續(xù)時(shí)間長，有87.5%站最高氣溫超過該站歷史同期極值，且高溫最強(qiáng)盛時(shí)段較歷史同期明顯推后。②2022年8月最高氣溫分布為東高西低，最高氣溫與歷史同期極值差分布則相反，其中最高氣溫隨站點(diǎn)海拔增大而減小，而極值差則隨站點(diǎn)海拔先增大再減小。另外，受熱島效應(yīng)影響，極值差大值站點(diǎn)主要集中在龍泉山脈附近。③高溫期間，最高、最低氣溫平均值高、距平大，且累計(jì)降水量和雨日數(shù)也明顯低于歷史同期。④相較而言，EC模式的預(yù)報(bào)優(yōu)勢主要在盆地低海拔地區(qū)。而CMAMESO模式在盆地周邊陡峭地形區(qū)域的平均絕對誤差則更小。另外，EC模式預(yù)報(bào)的最高氣溫峰值出現(xiàn)時(shí)間更接近于實(shí)況，而CMAMESO模式預(yù)報(bào)高溫持續(xù)日數(shù)更接近實(shí)況。
2024, 52(2):252-264.
DOI: 10.19517/j.1671-6345.20230037
摘要:
利用貴陽機(jī)場CFL03型大氣邊界層風(fēng)廓線雷達(dá)（Wind Profile Radar,WPR）資料、貴陽機(jī)場自觀資料等，針對典型降雪和凍雨個(gè)例，以及貴陽近三年發(fā)生的降雪和凍雨過程的特征進(jìn)行統(tǒng)計(jì)分析，結(jié)果表明：①WPR的水平風(fēng)場反應(yīng)出降雪期間冷空氣厚度及強(qiáng)度都超過凍雨，并且中低層主要為冷平流，而凍雨中低層主要為暖平流；②高層大氣折射率結(jié)構(gòu)常數(shù)C2n增大/減小在時(shí)間上超前于降雪的增強(qiáng)/減弱，可以反應(yīng)降雪強(qiáng)度變化的趨勢；③降雪階段的回波強(qiáng)度分布在垂直方向上向左傾斜，高層回波強(qiáng)度的變化對降雪強(qiáng)度的變化具有指示性；凍雨的回波在垂直方向呈現(xiàn)“強(qiáng)-弱-強(qiáng)”的分布，與溫度場在垂直方向上的“冷暖冷”的層結(jié)分布一致；④凍雨天氣下粒子的下落速度小于降雪，雨夾雪的下落速度比純雪更大，小雪下落速度最小。
利用貴陽機(jī)場CFL03型大氣邊界層風(fēng)廓線雷達(dá)（Wind Profile Radar,WPR）資料、貴陽機(jī)場自觀資料等，針對典型降雪和凍雨個(gè)例，以及貴陽近三年發(fā)生的降雪和凍雨過程的特征進(jìn)行統(tǒng)計(jì)分析，結(jié)果表明：①WPR的水平風(fēng)場反應(yīng)出降雪期間冷空氣厚度及強(qiáng)度都超過凍雨，并且中低層主要為冷平流，而凍雨中低層主要為暖平流；②高層大氣折射率結(jié)構(gòu)常數(shù)C2n增大/減小在時(shí)間上超前于降雪的增強(qiáng)/減弱，可以反應(yīng)降雪強(qiáng)度變化的趨勢；③降雪階段的回波強(qiáng)度分布在垂直方向上向左傾斜，高層回波強(qiáng)度的變化對降雪強(qiáng)度的變化具有指示性；凍雨的回波在垂直方向呈現(xiàn)“強(qiáng)-弱-強(qiáng)”的分布，與溫度場在垂直方向上的“冷暖冷”的層結(jié)分布一致；④凍雨天氣下粒子的下落速度小于降雪，雨夾雪的下落速度比純雪更大，小雪下落速度最小。
2024, 52(2):265-276.
DOI: 10.19517/j.1671-6345.20230225
摘要:
本文以成都主城區(qū)為例，運(yùn)用氣象數(shù)據(jù)、地理信息數(shù)據(jù)、社會經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)及內(nèi)澇災(zāi)情資料，通過多種常用分布函數(shù)的對比，選出重現(xiàn)期降水估算的最優(yōu)函數(shù)，采用Pilgrim & Cordery法推求研究區(qū)的小時(shí)雨型，然后結(jié)合改進(jìn)的基于FloodArea內(nèi)澇模型，開展了24 h歷時(shí)20、30、50、100 a一遇降水情景內(nèi)澇模擬，并利用修訂的內(nèi)澇公路風(fēng)險(xiǎn)等級標(biāo)準(zhǔn)和財(cái)產(chǎn)損失曲線，探討100 a一遇降水情景下內(nèi)澇交通風(fēng)險(xiǎn)等級和居民室內(nèi)財(cái)產(chǎn)損失風(fēng)險(xiǎn)。結(jié)果表明：①GEV（Generalized Extreme Value Distribution）分布函數(shù)是成都主城區(qū)重現(xiàn)期降水估算的最優(yōu)函數(shù)；主城區(qū)24 h歷時(shí)小時(shí)雨型呈雙峰型, 且峰值出現(xiàn)在降水過程前部。②基于FloodArea模型，通過對輸入數(shù)據(jù)或參數(shù)的改進(jìn)，能夠較好模擬城市內(nèi)澇空間分布；各降水情景模擬結(jié)果顯示高新南區(qū)、高新西區(qū)、青羊區(qū)內(nèi)澇淹沒范圍占比相較其他地區(qū)偏高。③24 h歷時(shí)100 a一遇降水情景內(nèi)澇可造成成都主城區(qū)86.1%公路長度占比出行困難，其中一級風(fēng)險(xiǎn)公路長度占比為105%，二、三級風(fēng)險(xiǎn)公路長度占比分別為27.5%、28.4%，成華區(qū)內(nèi)澇公路風(fēng)險(xiǎn)最高。④24 h歷時(shí)100 a一遇降水情景內(nèi)澇可造成居民室內(nèi)財(cái)產(chǎn)潛在損失約占主城區(qū)GDP（Gross Domestic Product）的0.8%，其中武侯區(qū)財(cái)產(chǎn)損失風(fēng)險(xiǎn)最大，潛在損失占其GDP的1.6%。
本文以成都主城區(qū)為例，運(yùn)用氣象數(shù)據(jù)、地理信息數(shù)據(jù)、社會經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)及內(nèi)澇災(zāi)情資料，通過多種常用分布函數(shù)的對比，選出重現(xiàn)期降水估算的最優(yōu)函數(shù)，采用Pilgrim & Cordery法推求研究區(qū)的小時(shí)雨型，然后結(jié)合改進(jìn)的基于FloodArea內(nèi)澇模型，開展了24 h歷時(shí)20、30、50、100 a一遇降水情景內(nèi)澇模擬，并利用修訂的內(nèi)澇公路風(fēng)險(xiǎn)等級標(biāo)準(zhǔn)和財(cái)產(chǎn)損失曲線，探討100 a一遇降水情景下內(nèi)澇交通風(fēng)險(xiǎn)等級和居民室內(nèi)財(cái)產(chǎn)損失風(fēng)險(xiǎn)。結(jié)果表明：①GEV（Generalized Extreme Value Distribution）分布函數(shù)是成都主城區(qū)重現(xiàn)期降水估算的最優(yōu)函數(shù)；主城區(qū)24 h歷時(shí)小時(shí)雨型呈雙峰型, 且峰值出現(xiàn)在降水過程前部。②基于FloodArea模型，通過對輸入數(shù)據(jù)或參數(shù)的改進(jìn)，能夠較好模擬城市內(nèi)澇空間分布；各降水情景模擬結(jié)果顯示高新南區(qū)、高新西區(qū)、青羊區(qū)內(nèi)澇淹沒范圍占比相較其他地區(qū)偏高。③24 h歷時(shí)100 a一遇降水情景內(nèi)澇可造成成都主城區(qū)86.1%公路長度占比出行困難，其中一級風(fēng)險(xiǎn)公路長度占比為105%，二、三級風(fēng)險(xiǎn)公路長度占比分別為27.5%、28.4%，成華區(qū)內(nèi)澇公路風(fēng)險(xiǎn)最高。④24 h歷時(shí)100 a一遇降水情景內(nèi)澇可造成居民室內(nèi)財(cái)產(chǎn)潛在損失約占主城區(qū)GDP（Gross Domestic Product）的0.8%，其中武侯區(qū)財(cái)產(chǎn)損失風(fēng)險(xiǎn)最大，潛在損失占其GDP的1.6%。
2024, 52(2):277-287.
DOI: 10.19517/j.1671-6345.20230103
摘要:
利用少雨旱區(qū)華北冬麥主產(chǎn)區(qū)河北固城站的電動防雨棚，遮去自然降水，通過人工控制灌水形成土壤漬水、高濕、干旱和對照，冬小麥花后通過測定籽粒灌漿進(jìn)程和地上生物量以及產(chǎn)量構(gòu)成要素，解析不受陰雨和低溫脅迫影響下土壤漬水對冬小麥籽粒灌漿速率及產(chǎn)量形成的脅迫效應(yīng)。結(jié)果表明，隨土壤水分的減少，冬小麥灌漿速率降低，灌漿持續(xù)日數(shù)縮短；灌漿期土壤高濕有增產(chǎn)效應(yīng)，理論產(chǎn)量增產(chǎn)5.87%，土壤漬水出現(xiàn)減產(chǎn)，理論產(chǎn)量減產(chǎn)1.50%；高濕和漬水的收獲指數(shù)比對照略有提高，并均高于0.5000；〖JP2〗干旱脅迫下，收獲指數(shù)比對照低0.1130～0.1633。〖JP〗北方旱區(qū)灌溉解除了氣候干旱對作物需水脅迫，晴好天氣光照充足，日較差大，作物產(chǎn)量提高，土壤水分是影響北方冬小麥挖掘光溫生產(chǎn)潛力和提高單產(chǎn)的關(guān)鍵限制因素。研究結(jié)果為應(yīng)對氣候變化引起極端降水事件對農(nóng)業(yè)生產(chǎn)的影響，尤其是科學(xué)評估旱、澇災(zāi)害對北方旱區(qū)農(nóng)作物的影響有一定參考意義。
利用少雨旱區(qū)華北冬麥主產(chǎn)區(qū)河北固城站的電動防雨棚，遮去自然降水，通過人工控制灌水形成土壤漬水、高濕、干旱和對照，冬小麥花后通過測定籽粒灌漿進(jìn)程和地上生物量以及產(chǎn)量構(gòu)成要素，解析不受陰雨和低溫脅迫影響下土壤漬水對冬小麥籽粒灌漿速率及產(chǎn)量形成的脅迫效應(yīng)。結(jié)果表明，隨土壤水分的減少，冬小麥灌漿速率降低，灌漿持續(xù)日數(shù)縮短；灌漿期土壤高濕有增產(chǎn)效應(yīng)，理論產(chǎn)量增產(chǎn)5.87%，土壤漬水出現(xiàn)減產(chǎn)，理論產(chǎn)量減產(chǎn)1.50%；高濕和漬水的收獲指數(shù)比對照略有提高，并均高于0.5000；〖JP2〗干旱脅迫下，收獲指數(shù)比對照低0.1130～0.1633。〖JP〗北方旱區(qū)灌溉解除了氣候干旱對作物需水脅迫，晴好天氣光照充足，日較差大，作物產(chǎn)量提高，土壤水分是影響北方冬小麥挖掘光溫生產(chǎn)潛力和提高單產(chǎn)的關(guān)鍵限制因素。研究結(jié)果為應(yīng)對氣候變化引起極端降水事件對農(nóng)業(yè)生產(chǎn)的影響，尤其是科學(xué)評估旱、澇災(zāi)害對北方旱區(qū)農(nóng)作物的影響有一定參考意義。
2024, 52(2):288-296.
DOI: 10.19517/j.1671-6345.20230027
摘要:
高溫?zé)岷κ情L江流域最主要的氣象災(zāi)害之一，科學(xué)評估熱害風(fēng)險(xiǎn)是防災(zāi)減災(zāi)的基礎(chǔ)。本文利用近60年氣象觀測資料，對湖北高溫?zé)岷Φ臅r(shí)空分布特征進(jìn)行了分析；基于自然災(zāi)害風(fēng)險(xiǎn)基本理論，建立了包括影響水稻結(jié)實(shí)率關(guān)鍵期的熱害強(qiáng)度、災(zāi)害發(fā)生時(shí)承災(zāi)體實(shí)際暴露度、災(zāi)害脆弱性等因素的高溫?zé)岷︼L(fēng)險(xiǎn)評價(jià)模型，并進(jìn)行了風(fēng)險(xiǎn)分析與區(qū)劃。結(jié)果表明：高溫天氣出現(xiàn)概率高的時(shí)段是7月下旬，其中7月第6候?yàn)樽罡摺母邷責(zé)岷︼L(fēng)險(xiǎn)指數(shù)上來看，7月第3候抽穗開花水稻的熱害風(fēng)險(xiǎn)最高，此后隨時(shí)間的推移，熱害風(fēng)險(xiǎn)降低；湖北現(xiàn)行的一季中稻抽穗開花期處于風(fēng)險(xiǎn)較高的時(shí)段，推遲5天其熱害風(fēng)險(xiǎn)指數(shù)可下降20%左右；推遲15天以上熱害風(fēng)險(xiǎn)指數(shù)將降低50%以上。江漢平原稻區(qū)是湖北高溫?zé)岷︼L(fēng)險(xiǎn)低發(fā)地區(qū)，鄂東南及鄂西北地區(qū)是熱害風(fēng)險(xiǎn)高發(fā)地區(qū)；針對各區(qū)熱害特點(diǎn)提出了風(fēng)險(xiǎn)應(yīng)對措施。
高溫?zé)岷κ情L江流域最主要的氣象災(zāi)害之一，科學(xué)評估熱害風(fēng)險(xiǎn)是防災(zāi)減災(zāi)的基礎(chǔ)。本文利用近60年氣象觀測資料，對湖北高溫?zé)岷Φ臅r(shí)空分布特征進(jìn)行了分析；基于自然災(zāi)害風(fēng)險(xiǎn)基本理論，建立了包括影響水稻結(jié)實(shí)率關(guān)鍵期的熱害強(qiáng)度、災(zāi)害發(fā)生時(shí)承災(zāi)體實(shí)際暴露度、災(zāi)害脆弱性等因素的高溫?zé)岷︼L(fēng)險(xiǎn)評價(jià)模型，并進(jìn)行了風(fēng)險(xiǎn)分析與區(qū)劃。結(jié)果表明：高溫天氣出現(xiàn)概率高的時(shí)段是7月下旬，其中7月第6候?yàn)樽罡摺母邷責(zé)岷︼L(fēng)險(xiǎn)指數(shù)上來看，7月第3候抽穗開花水稻的熱害風(fēng)險(xiǎn)最高，此后隨時(shí)間的推移，熱害風(fēng)險(xiǎn)降低；湖北現(xiàn)行的一季中稻抽穗開花期處于風(fēng)險(xiǎn)較高的時(shí)段，推遲5天其熱害風(fēng)險(xiǎn)指數(shù)可下降20%左右；推遲15天以上熱害風(fēng)險(xiǎn)指數(shù)將降低50%以上。江漢平原稻區(qū)是湖北高溫?zé)岷︼L(fēng)險(xiǎn)低發(fā)地區(qū)，鄂東南及鄂西北地區(qū)是熱害風(fēng)險(xiǎn)高發(fā)地區(qū)；針對各區(qū)熱害特點(diǎn)提出了風(fēng)險(xiǎn)應(yīng)對措施。
2024, 52(2):297-308.
DOI: 10.19517/j.1671-6345.20230014
摘要:
依據(jù)藍(lán)莓生物學(xué)特性和環(huán)境要求，建立起包含地形、土壤、氣候三方面共11個(gè)指標(biāo)的遼寧省藍(lán)莓潛在適生區(qū)評價(jià)指標(biāo)體系，綜合運(yùn)用層次分析法、地理信息系統(tǒng)空間分析技術(shù)、系統(tǒng)聚類分析法，開展遼寧省藍(lán)莓潛在適生區(qū)劃研究。結(jié)果表明：①基于地形、土壤、氣候條件的遼寧省藍(lán)莓種植適生區(qū)面積分別占遼寧省總面積的81.68%、60.86%、78.16%，土壤條件對藍(lán)莓潛在分布具有明顯的限制作用；②從綜合區(qū)劃來看，遼寧省藍(lán)莓適生區(qū)面積約為7.628×104km2，占遼寧省總面積的51.54%，主要分布于遼東半島、遼河平原大部地區(qū)以及遼東灣西部沿海地區(qū)，其中遼河平原地區(qū)作為糧食主產(chǎn)區(qū)，不建議大規(guī)模發(fā)展藍(lán)莓產(chǎn)業(yè)，建議將遼東半島和遼東灣西部沿海地區(qū)作為遼寧省藍(lán)莓產(chǎn)業(yè)發(fā)展的重點(diǎn)地區(qū)；③運(yùn)用系統(tǒng)聚類法，將遼寧省59個(gè)縣（市）區(qū)進(jìn)行了二級區(qū)劃，分為潛在適生區(qū)3個(gè)亞區(qū)和非適生區(qū)2個(gè)亞區(qū)，其中潛在適生區(qū)第1亞區(qū)在自然條件上具備明顯的種植優(yōu)勢，非適生區(qū)第2亞區(qū)藍(lán)莓種植條件最不理想。區(qū)劃結(jié)果與現(xiàn)有藍(lán)莓種植區(qū)較為吻合，可為遼寧省藍(lán)莓產(chǎn)業(yè)規(guī)劃提供科學(xué)依據(jù)。
依據(jù)藍(lán)莓生物學(xué)特性和環(huán)境要求，建立起包含地形、土壤、氣候三方面共11個(gè)指標(biāo)的遼寧省藍(lán)莓潛在適生區(qū)評價(jià)指標(biāo)體系，綜合運(yùn)用層次分析法、地理信息系統(tǒng)空間分析技術(shù)、系統(tǒng)聚類分析法，開展遼寧省藍(lán)莓潛在適生區(qū)劃研究。結(jié)果表明：①基于地形、土壤、氣候條件的遼寧省藍(lán)莓種植適生區(qū)面積分別占遼寧省總面積的81.68%、60.86%、78.16%，土壤條件對藍(lán)莓潛在分布具有明顯的限制作用；②從綜合區(qū)劃來看，遼寧省藍(lán)莓適生區(qū)面積約為7.628×104km2，占遼寧省總面積的51.54%，主要分布于遼東半島、遼河平原大部地區(qū)以及遼東灣西部沿海地區(qū)，其中遼河平原地區(qū)作為糧食主產(chǎn)區(qū)，不建議大規(guī)模發(fā)展藍(lán)莓產(chǎn)業(yè)，建議將遼東半島和遼東灣西部沿海地區(qū)作為遼寧省藍(lán)莓產(chǎn)業(yè)發(fā)展的重點(diǎn)地區(qū)；③運(yùn)用系統(tǒng)聚類法，將遼寧省59個(gè)縣（市）區(qū)進(jìn)行了二級區(qū)劃，分為潛在適生區(qū)3個(gè)亞區(qū)和非適生區(qū)2個(gè)亞區(qū)，其中潛在適生區(qū)第1亞區(qū)在自然條件上具備明顯的種植優(yōu)勢，非適生區(qū)第2亞區(qū)藍(lán)莓種植條件最不理想。區(qū)劃結(jié)果與現(xiàn)有藍(lán)莓種植區(qū)較為吻合，可為遼寧省藍(lán)莓產(chǎn)業(yè)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