2024年第52卷第5期文章目次
2024, 52(5):619-629.
DOI: 10.19517/j.1671-6345.20230291
摘要:
本文利用2020年5—9月山東省青島市S波段天氣雷達(dá)和地面雨量站數(shù)據(jù)，開展了基于最優(yōu)插值的天氣雷達(dá)定量降水估測訂正方法的優(yōu)化研究。根據(jù)青島地區(qū)地面雨量站的空間分布，確定了用于訂正格點(diǎn)估測降水的雨量站的搜索范圍。通過分析用于訂正的雨量站個數(shù)與分析誤差的關(guān)系，確定了參與訂正的最佳雨量站數(shù)量。采用隨機(jī)抽樣和交叉檢驗的方法，分析了不同相關(guān)函數(shù)模型對降水訂正結(jié)果的影響，最終得到適合青島地區(qū)的相關(guān)函數(shù)優(yōu)化參數(shù)。進(jìn)一步檢驗優(yōu)化參數(shù)的訂正結(jié)果發(fā)現(xiàn)，訂正后估測降水的統(tǒng)計評分有明顯的提升，估測降水的強(qiáng)度和空間分布與實況更加一致。
本文利用2020年5—9月山東省青島市S波段天氣雷達(dá)和地面雨量站數(shù)據(jù)，開展了基于最優(yōu)插值的天氣雷達(dá)定量降水估測訂正方法的優(yōu)化研究。根據(jù)青島地區(qū)地面雨量站的空間分布，確定了用于訂正格點(diǎn)估測降水的雨量站的搜索范圍。通過分析用于訂正的雨量站個數(shù)與分析誤差的關(guān)系，確定了參與訂正的最佳雨量站數(shù)量。采用隨機(jī)抽樣和交叉檢驗的方法，分析了不同相關(guān)函數(shù)模型對降水訂正結(jié)果的影響，最終得到適合青島地區(qū)的相關(guān)函數(shù)優(yōu)化參數(shù)。進(jìn)一步檢驗優(yōu)化參數(shù)的訂正結(jié)果發(fā)現(xiàn)，訂正后估測降水的統(tǒng)計評分有明顯的提升，估測降水的強(qiáng)度和空間分布與實況更加一致。
2024, 52(5):630-643.
DOI: 10.19517/j.1671-6345.20230345
摘要:
在測站稀疏的海島地區(qū)，如何科學(xué)選擇插值方案以合理體現(xiàn)氣象要素的空間分布特征是精細(xì)化監(jiān)測面臨的重要問題。以舟山群島為例，挑選了有中尺度站觀測以來（2014—2021 年）影響舟山的8 次寒潮過程，對比檢驗了普通克里格（Ordinary Kriging，OK）、反距離權(quán)重（Inverse Distance Weighing，IDW）、ANUSPLIN（以下簡稱ANU）三種方案的插值效果。針對8 次過程的過程最低氣溫、日最低氣溫降幅和日平均氣溫降幅，在53 個測站中隨機(jī)選取11 個檢驗站點(diǎn)，發(fā)現(xiàn)ANU的插值誤差高于OK和IDW。進(jìn)一步設(shè)計了周邊站點(diǎn)密集、周邊站點(diǎn)稀疏、檢驗站點(diǎn)脫離本島三組插值試驗，分析表明，ANU的插值表現(xiàn)與周邊站點(diǎn)的密集程度息息相關(guān)：當(dāng)周邊站點(diǎn)密集時，ANU的插值誤差小于OK和IDW；當(dāng)周邊站點(diǎn)稀疏時，ANU的插值誤差明顯高于OK和IDW。在周邊站點(diǎn)密集分布的情形下，無論檢驗站點(diǎn)位于舟山本島還是零散小島上，ANU均能取得最優(yōu)插值效果，說明在氣溫插值中ANU對地形的依賴相對較小，插值精度對插值效果的影響亦較小。
在測站稀疏的海島地區(qū)，如何科學(xué)選擇插值方案以合理體現(xiàn)氣象要素的空間分布特征是精細(xì)化監(jiān)測面臨的重要問題。以舟山群島為例，挑選了有中尺度站觀測以來（2014—2021 年）影響舟山的8 次寒潮過程，對比檢驗了普通克里格（Ordinary Kriging，OK）、反距離權(quán)重（Inverse Distance Weighing，IDW）、ANUSPLIN（以下簡稱ANU）三種方案的插值效果。針對8 次過程的過程最低氣溫、日最低氣溫降幅和日平均氣溫降幅，在53 個測站中隨機(jī)選取11 個檢驗站點(diǎn)，發(fā)現(xiàn)ANU的插值誤差高于OK和IDW。進(jìn)一步設(shè)計了周邊站點(diǎn)密集、周邊站點(diǎn)稀疏、檢驗站點(diǎn)脫離本島三組插值試驗，分析表明，ANU的插值表現(xiàn)與周邊站點(diǎn)的密集程度息息相關(guān)：當(dāng)周邊站點(diǎn)密集時，ANU的插值誤差小于OK和IDW；當(dāng)周邊站點(diǎn)稀疏時，ANU的插值誤差明顯高于OK和IDW。在周邊站點(diǎn)密集分布的情形下，無論檢驗站點(diǎn)位于舟山本島還是零散小島上，ANU均能取得最優(yōu)插值效果，說明在氣溫插值中ANU對地形的依賴相對較小，插值精度對插值效果的影響亦較小。
2024, 52(5):644-651.
DOI: 10.19517/j.1671-6345.20230264
摘要:
有效的數(shù)據(jù)清洗手段可提高風(fēng)電機(jī)組測風(fēng)資料的質(zhì)量，而風(fēng)機(jī)數(shù)據(jù)質(zhì)量對風(fēng)資源評估、風(fēng)功率發(fā)電有重要意義。本文提出了風(fēng)功率區(qū)間識別風(fēng)速、功率的異常值，再基于風(fēng)機(jī)高相關(guān)片區(qū)修正風(fēng)速的方法。資料選用2020—2022年內(nèi)蒙古烏蘭察布市北部某風(fēng)電場的風(fēng)機(jī)測風(fēng)數(shù)據(jù)進(jìn)行分析。結(jié)果表明：風(fēng)功率區(qū)間修正后的風(fēng)機(jī)數(shù)據(jù)完整率提高至90%以上，利用風(fēng)機(jī)高相關(guān)片區(qū)，修正了部分異常風(fēng)速。該方法提高了風(fēng)電場風(fēng)電機(jī)組測風(fēng)風(fēng)速的數(shù)據(jù)質(zhì)量，實現(xiàn)了風(fēng)速和功率互相校準(zhǔn)，為風(fēng)電場發(fā)電量預(yù)測、調(diào)控提供基礎(chǔ)性支撐數(shù)據(jù)。
有效的數(shù)據(jù)清洗手段可提高風(fēng)電機(jī)組測風(fēng)資料的質(zhì)量，而風(fēng)機(jī)數(shù)據(jù)質(zhì)量對風(fēng)資源評估、風(fēng)功率發(fā)電有重要意義。本文提出了風(fēng)功率區(qū)間識別風(fēng)速、功率的異常值，再基于風(fēng)機(jī)高相關(guān)片區(qū)修正風(fēng)速的方法。資料選用2020—2022年內(nèi)蒙古烏蘭察布市北部某風(fēng)電場的風(fēng)機(jī)測風(fēng)數(shù)據(jù)進(jìn)行分析。結(jié)果表明：風(fēng)功率區(qū)間修正后的風(fēng)機(jī)數(shù)據(jù)完整率提高至90%以上，利用風(fēng)機(jī)高相關(guān)片區(qū)，修正了部分異常風(fēng)速。該方法提高了風(fēng)電場風(fēng)電機(jī)組測風(fēng)風(fēng)速的數(shù)據(jù)質(zhì)量，實現(xiàn)了風(fēng)速和功率互相校準(zhǔn)，為風(fēng)電場發(fā)電量預(yù)測、調(diào)控提供基礎(chǔ)性支撐數(shù)據(jù)。
2024, 52(5):652-667.
DOI: 10.19517/j.1671-6345.20230310
摘要:
大范圍的持續(xù)性暴雨事件會影響水文條件，造成洪水影響。本文針對20世紀(jì)60年代以來長江中下游致洪大暴雨事件個例，基于隨機(jī)分化模擬退火聚類方法和擾動集合相似方法，研究致洪大暴雨事件的關(guān)鍵環(huán)流型及其對大暴雨的定量貢獻(xiàn)。結(jié)果表明，長江中下游致洪大暴雨事件多發(fā)生在梅雨集中降水期，多個事件平均的日峰值降水強(qiáng)度達(dá)暴雨量級。致洪暴雨的500 hPa環(huán)流形勢可聚類為4類，分別為：東亞南高北低型（1型）、東亞三明治型（2型）、南支槽型（3型）和高緯雙阻型（4型）。4個聚類下的西太平洋副高和南支槽對致洪大暴雨的貢獻(xiàn)較為穩(wěn)定，約占3成和1.5成；而中高緯系統(tǒng)影響較不穩(wěn)定，東北亞環(huán)流異常對聚類1、3和4型的貢獻(xiàn)平均近2成，貝加爾湖阻塞異常對聚類2型有微弱貢獻(xiàn)；中緯度西風(fēng)槽異常對聚類4型的貢獻(xiàn)約為2成。4個聚類下的10～30 d和30～60 d低頻環(huán)流顯著異常區(qū)和原始觀測的環(huán)流異常關(guān)鍵區(qū)基本一致。西太平洋副高區(qū)的低頻環(huán)流對所有事件均有正貢獻(xiàn)，占比約2～7成；其中，除30～60 d低頻環(huán)流對所有事件有影響外，其10～30 d低頻活動對聚類1～2型事件也有明顯影響。南支槽區(qū)的30～60 d低頻環(huán)流對聚類3和4型事件的貢獻(xiàn)占比為27%和16%。大暴雨事件相聯(lián)系的高緯低頻環(huán)流關(guān)鍵區(qū)分別位于貝加爾湖和鄂霍茨克海（1型）、烏拉爾山和西風(fēng)槽區(qū)（2型）、東北冷渦（3型），且貢獻(xiàn)各不相同（12%～31%）。上述關(guān)鍵環(huán)流型及其定量貢獻(xiàn)評估結(jié)果可為加深對致洪大暴雨事件的形成認(rèn)識和預(yù)報預(yù)測提供依據(jù)。
大范圍的持續(xù)性暴雨事件會影響水文條件，造成洪水影響。本文針對20世紀(jì)60年代以來長江中下游致洪大暴雨事件個例，基于隨機(jī)分化模擬退火聚類方法和擾動集合相似方法，研究致洪大暴雨事件的關(guān)鍵環(huán)流型及其對大暴雨的定量貢獻(xiàn)。結(jié)果表明，長江中下游致洪大暴雨事件多發(fā)生在梅雨集中降水期，多個事件平均的日峰值降水強(qiáng)度達(dá)暴雨量級。致洪暴雨的500 hPa環(huán)流形勢可聚類為4類，分別為：東亞南高北低型（1型）、東亞三明治型（2型）、南支槽型（3型）和高緯雙阻型（4型）。4個聚類下的西太平洋副高和南支槽對致洪大暴雨的貢獻(xiàn)較為穩(wěn)定，約占3成和1.5成；而中高緯系統(tǒng)影響較不穩(wěn)定，東北亞環(huán)流異常對聚類1、3和4型的貢獻(xiàn)平均近2成，貝加爾湖阻塞異常對聚類2型有微弱貢獻(xiàn)；中緯度西風(fēng)槽異常對聚類4型的貢獻(xiàn)約為2成。4個聚類下的10～30 d和30～60 d低頻環(huán)流顯著異常區(qū)和原始觀測的環(huán)流異常關(guān)鍵區(qū)基本一致。西太平洋副高區(qū)的低頻環(huán)流對所有事件均有正貢獻(xiàn)，占比約2～7成；其中，除30～60 d低頻環(huán)流對所有事件有影響外，其10～30 d低頻活動對聚類1～2型事件也有明顯影響。南支槽區(qū)的30～60 d低頻環(huán)流對聚類3和4型事件的貢獻(xiàn)占比為27%和16%。大暴雨事件相聯(lián)系的高緯低頻環(huán)流關(guān)鍵區(qū)分別位于貝加爾湖和鄂霍茨克海（1型）、烏拉爾山和西風(fēng)槽區(qū)（2型）、東北冷渦（3型），且貢獻(xiàn)各不相同（12%～31%）。上述關(guān)鍵環(huán)流型及其定量貢獻(xiàn)評估結(jié)果可為加深對致洪大暴雨事件的形成認(rèn)識和預(yù)報預(yù)測提供依據(jù)。
2024, 52(5):668-680.
DOI: 10.19517/j.1671-6345.20230324
摘要:
利用常規(guī)氣象觀測資料、ERA5再分析資料和數(shù)值模式資料，對2022年7月4—5日臺風(fēng)“暹芭”深入內(nèi)陸引發(fā)的鄂北暴雨不同階段降水中尺度特征及環(huán)流背景、物理量環(huán)境場、可預(yù)報性等進(jìn)行分析。結(jié)果表明：①此次過程是發(fā)生在臺風(fēng)北上與西風(fēng)槽結(jié)合的環(huán)流背景下，中低層700～925 hPa“暹芭”東側(cè)強(qiáng)盛的偏南急流配合高空臺風(fēng)低壓環(huán)流為強(qiáng)降水提供了動力抬升條件和水汽供應(yīng)條件。按照系統(tǒng)影響可將此次過程分為螺旋云帶和低壓主體兩個降水階段，兩個階段都有明顯的對流性暖云降水特征，小時雨強(qiáng)大，但螺旋云帶降水持續(xù)時間短，范圍分散，而低壓主體降水持續(xù)時間長，范圍廣，累計雨量大。②螺旋云帶階段雨團(tuán)出現(xiàn)前向傳播特征，導(dǎo)致雨團(tuán)加速西移；低壓主體階段MCS(Mesoscale Convective System)快速高度組織化，東移速度緩慢，并出現(xiàn)“列車效應(yīng)”。導(dǎo)致兩個階段雨團(tuán)演變差異的主要原因是螺旋云帶階段具有強(qiáng)對流性不穩(wěn)定和潛勢能量，但中低層的垂直運(yùn)動和水汽輻合弱，對流觸發(fā)相對分散，維持時間短，主要以環(huán)境風(fēng)場配合降水冷區(qū)形成的冷出流觸發(fā)為主；而低壓主體階段也有較強(qiáng)的對流不穩(wěn)定，低層輻合高層輻散形成的上升運(yùn)動、中低層水汽輸送及輻合均較螺旋云帶階段顯著增強(qiáng)，同時北方冷空氣侵入形成能量鋒區(qū)，為大范圍較長時間的強(qiáng)對流提供了有利的熱力、動力和水汽條件。地形阻擋作用使MCS出現(xiàn)后向傳播，與天氣尺度系統(tǒng)共同影響形成“列車效應(yīng)”。③此次過程暴雨的短期可預(yù)報性高，但降水極值及強(qiáng)中心落區(qū)可預(yù)報性低。相較而言，全球模式對于低壓主體降水預(yù)報更有優(yōu)勢，其中ECMWF效果最優(yōu)，而中尺度模式對于螺旋云帶階段降水預(yù)報更有優(yōu)勢。
利用常規(guī)氣象觀測資料、ERA5再分析資料和數(shù)值模式資料，對2022年7月4—5日臺風(fēng)“暹芭”深入內(nèi)陸引發(fā)的鄂北暴雨不同階段降水中尺度特征及環(huán)流背景、物理量環(huán)境場、可預(yù)報性等進(jìn)行分析。結(jié)果表明：①此次過程是發(fā)生在臺風(fēng)北上與西風(fēng)槽結(jié)合的環(huán)流背景下，中低層700～925 hPa“暹芭”東側(cè)強(qiáng)盛的偏南急流配合高空臺風(fēng)低壓環(huán)流為強(qiáng)降水提供了動力抬升條件和水汽供應(yīng)條件。按照系統(tǒng)影響可將此次過程分為螺旋云帶和低壓主體兩個降水階段，兩個階段都有明顯的對流性暖云降水特征，小時雨強(qiáng)大，但螺旋云帶降水持續(xù)時間短，范圍分散，而低壓主體降水持續(xù)時間長，范圍廣，累計雨量大。②螺旋云帶階段雨團(tuán)出現(xiàn)前向傳播特征，導(dǎo)致雨團(tuán)加速西移；低壓主體階段MCS(Mesoscale Convective System)快速高度組織化，東移速度緩慢，并出現(xiàn)“列車效應(yīng)”。導(dǎo)致兩個階段雨團(tuán)演變差異的主要原因是螺旋云帶階段具有強(qiáng)對流性不穩(wěn)定和潛勢能量，但中低層的垂直運(yùn)動和水汽輻合弱，對流觸發(fā)相對分散，維持時間短，主要以環(huán)境風(fēng)場配合降水冷區(qū)形成的冷出流觸發(fā)為主；而低壓主體階段也有較強(qiáng)的對流不穩(wěn)定，低層輻合高層輻散形成的上升運(yùn)動、中低層水汽輸送及輻合均較螺旋云帶階段顯著增強(qiáng)，同時北方冷空氣侵入形成能量鋒區(qū)，為大范圍較長時間的強(qiáng)對流提供了有利的熱力、動力和水汽條件。地形阻擋作用使MCS出現(xiàn)后向傳播，與天氣尺度系統(tǒng)共同影響形成“列車效應(yīng)”。③此次過程暴雨的短期可預(yù)報性高，但降水極值及強(qiáng)中心落區(qū)可預(yù)報性低。相較而言，全球模式對于低壓主體降水預(yù)報更有優(yōu)勢，其中ECMWF效果最優(yōu)，而中尺度模式對于螺旋云帶階段降水預(yù)報更有優(yōu)勢。
2024, 52(5):681-691.
DOI: 10.19517/j.1671-6345.20230367
摘要:
本文利用S波段雙偏振雷達(dá)、X波段相控陣?yán)走_(dá)數(shù)據(jù)及其反演風(fēng)場、閃電定位、ERA5再分析資料等,對2022年7月21日發(fā)生在浙江中北部一次颮線的特征進(jìn)行了分析。結(jié)果表明: 颮線發(fā)生在副高控制下，高空冷渦底部干冷空氣侵入造成不穩(wěn)定層結(jié)以及較高的能量和充足的邊界層水汽，是颮線發(fā)生的有利環(huán)境條件。颮線初始對流形成于杭州東部和西北部南北風(fēng)的輻合線中，強(qiáng)風(fēng)暴合并后風(fēng)暴尺度出現(xiàn)明顯增長并形成颮線，杭州灣南岸的輻合中心、垂直風(fēng)速差的增強(qiáng)有利于颮線迅速發(fā)展，當(dāng)垂直風(fēng)速差與冷池傳播速度相當(dāng)時，颮線發(fā)展成熟；大風(fēng)主要出現(xiàn)在云閃密集區(qū)。X波段相控陣?yán)走_(dá)可以精細(xì)探測極端大風(fēng)發(fā)生前后颮線強(qiáng)單體的垂直結(jié)構(gòu)：成熟階段強(qiáng)單體中差分反射率和差分相移率柱的發(fā)展代表風(fēng)暴加強(qiáng)，回波質(zhì)心迅速下降可指示地面大風(fēng)，降水粒子下落拖拽進(jìn)一步加強(qiáng)地面風(fēng)力。
本文利用S波段雙偏振雷達(dá)、X波段相控陣?yán)走_(dá)數(shù)據(jù)及其反演風(fēng)場、閃電定位、ERA5再分析資料等,對2022年7月21日發(fā)生在浙江中北部一次颮線的特征進(jìn)行了分析。結(jié)果表明: 颮線發(fā)生在副高控制下，高空冷渦底部干冷空氣侵入造成不穩(wěn)定層結(jié)以及較高的能量和充足的邊界層水汽，是颮線發(fā)生的有利環(huán)境條件。颮線初始對流形成于杭州東部和西北部南北風(fēng)的輻合線中，強(qiáng)風(fēng)暴合并后風(fēng)暴尺度出現(xiàn)明顯增長并形成颮線，杭州灣南岸的輻合中心、垂直風(fēng)速差的增強(qiáng)有利于颮線迅速發(fā)展，當(dāng)垂直風(fēng)速差與冷池傳播速度相當(dāng)時，颮線發(fā)展成熟；大風(fēng)主要出現(xiàn)在云閃密集區(qū)。X波段相控陣?yán)走_(dá)可以精細(xì)探測極端大風(fēng)發(fā)生前后颮線強(qiáng)單體的垂直結(jié)構(gòu)：成熟階段強(qiáng)單體中差分反射率和差分相移率柱的發(fā)展代表風(fēng)暴加強(qiáng)，回波質(zhì)心迅速下降可指示地面大風(fēng)，降水粒子下落拖拽進(jìn)一步加強(qiáng)地面風(fēng)力。
2024, 52(5):692-703.
DOI: 10.19517/j.1671-6345.20230288
摘要:
利用北部灣沿岸海島站觀測資料和ERA5數(shù)據(jù)，對混合型（高壓后部型轉(zhuǎn)西南倒槽型）海霧出現(xiàn)概率和一次典型過程進(jìn)行了分析。結(jié)果表明：①2015—2020年混合型海霧過程出現(xiàn)概率最高，累計出現(xiàn)15次（58天），占比34.9%（39.5%）。②2016年3月15—23日海霧過程具有持續(xù)時間長、范圍廣的特點(diǎn)。前期北部灣受入海高壓后部偏東氣流影響，后期高原槽發(fā)展東移，北部灣逐漸轉(zhuǎn)為受西南倒槽邊緣偏南氣流控制。③熱力條件上，低空急流的強(qiáng)暖濕輸送，一方面使北部灣上空比濕增大，飽和層從近地面延伸至800 hPa，另一方面使逆溫層建立，逆溫層與其下方高濕區(qū)配合形成穩(wěn)定狀態(tài)。動力條件方面，垂直方向維持一定強(qiáng)度的風(fēng)切變，有利于邊界層的湍流混合，并與斜壓大氣形成有利于低層穩(wěn)定層結(jié)維持的配置。此外800 hPa以下為弱上升運(yùn)動，利于水汽在低層抬升凝結(jié)，促進(jìn)海霧發(fā)展及維持。④海霧發(fā)生期間，前期（后期）氣海溫差大多在0～1.5 ℃（1.5～2.5 ℃）之間。
利用北部灣沿岸海島站觀測資料和ERA5數(shù)據(jù)，對混合型（高壓后部型轉(zhuǎn)西南倒槽型）海霧出現(xiàn)概率和一次典型過程進(jìn)行了分析。結(jié)果表明：①2015—2020年混合型海霧過程出現(xiàn)概率最高，累計出現(xiàn)15次（58天），占比34.9%（39.5%）。②2016年3月15—23日海霧過程具有持續(xù)時間長、范圍廣的特點(diǎn)。前期北部灣受入海高壓后部偏東氣流影響，后期高原槽發(fā)展東移，北部灣逐漸轉(zhuǎn)為受西南倒槽邊緣偏南氣流控制。③熱力條件上，低空急流的強(qiáng)暖濕輸送，一方面使北部灣上空比濕增大，飽和層從近地面延伸至800 hPa，另一方面使逆溫層建立，逆溫層與其下方高濕區(qū)配合形成穩(wěn)定狀態(tài)。動力條件方面，垂直方向維持一定強(qiáng)度的風(fēng)切變，有利于邊界層的湍流混合，并與斜壓大氣形成有利于低層穩(wěn)定層結(jié)維持的配置。此外800 hPa以下為弱上升運(yùn)動，利于水汽在低層抬升凝結(jié)，促進(jìn)海霧發(fā)展及維持。④海霧發(fā)生期間，前期（后期）氣海溫差大多在0～1.5 ℃（1.5～2.5 ℃）之間。
2024, 52(5):704-713.
DOI: 10.19517/j.1671-6345.20230406
摘要:
上海沿岸水域船舶和港口眾多，災(zāi)害性天氣頻繁。利用2016—2022年上海沿岸水域代表站點(diǎn)的逐時自動站和預(yù)警相關(guān)數(shù)據(jù)，選取大風(fēng)為研究對象，分析了大風(fēng)時空分布特征，評估了大風(fēng)分區(qū)預(yù)警預(yù)報質(zhì)量及經(jīng)濟(jì)效益。結(jié)果表明：①距海岸線越遠(yuǎn)，大風(fēng)日數(shù)越多、風(fēng)速越大、持續(xù)時間越長；過程風(fēng)力越大，各海區(qū)的風(fēng)力差異越明顯，臺風(fēng)引起的風(fēng)力差異跨越5個風(fēng)級；②相比統(tǒng)一預(yù)警，各海區(qū)大風(fēng)分區(qū)預(yù)警漏報率明顯降低，最高降幅5%，長江口區(qū)西部海區(qū)空報率降低8%以上，TS評分提高了10%以上；③大風(fēng)分區(qū)預(yù)警時間提前量減少3 h以上，持續(xù)時間最長縮短16 h以上，可減少近1800萬人民幣的損失，大大提高了生產(chǎn)經(jīng)營效益。
上海沿岸水域船舶和港口眾多，災(zāi)害性天氣頻繁。利用2016—2022年上海沿岸水域代表站點(diǎn)的逐時自動站和預(yù)警相關(guān)數(shù)據(jù)，選取大風(fēng)為研究對象，分析了大風(fēng)時空分布特征，評估了大風(fēng)分區(qū)預(yù)警預(yù)報質(zhì)量及經(jīng)濟(jì)效益。結(jié)果表明：①距海岸線越遠(yuǎn)，大風(fēng)日數(shù)越多、風(fēng)速越大、持續(xù)時間越長；過程風(fēng)力越大，各海區(qū)的風(fēng)力差異越明顯，臺風(fēng)引起的風(fēng)力差異跨越5個風(fēng)級；②相比統(tǒng)一預(yù)警，各海區(qū)大風(fēng)分區(qū)預(yù)警漏報率明顯降低，最高降幅5%，長江口區(qū)西部海區(qū)空報率降低8%以上，TS評分提高了10%以上；③大風(fēng)分區(qū)預(yù)警時間提前量減少3 h以上，持續(xù)時間最長縮短16 h以上，可減少近1800萬人民幣的損失，大大提高了生產(chǎn)經(jīng)營效益。
2024, 52(5):714-722.
DOI: 10.19517/j.1671-6345.20230299
摘要:
為了提高日極大風(fēng)風(fēng)速的預(yù)報能力，特別是8級以上風(fēng)力的預(yù)報，本文以歐洲中期天氣預(yù)報中心（European Centre for Medium-Range Weather Forecasts，ECWMF）模式輸出的過去3 h陣風(fēng)風(fēng)速預(yù)報作為輸入因子，同時針對ECWMF模式過去3 h陣風(fēng)風(fēng)速預(yù)報存在的小量級風(fēng)預(yù)報偏大、大量級風(fēng)預(yù)報偏小的預(yù)報特征，利用近5年地面觀測實況以及ECWMF模式過去3 h陣風(fēng)資料，構(gòu)建基于Tabnet的日極大風(fēng)分級訂正預(yù)報模型。其中，模型的輸入設(shè)計包含了前期實況、站點(diǎn)的地理信息、ECWMF模式的預(yù)報場及其前期預(yù)報誤差項。該模型在1年半獨(dú)立檢驗樣本的估測結(jié)果中，其預(yù)報模型的平均絕對誤差相對ECWMF模式插值降低了45.2%，相應(yīng)的均方根誤差也減少了25.7%。進(jìn)一步地，在1~5級和8~9級以上風(fēng)力等級的預(yù)報上，該預(yù)報模型的預(yù)報準(zhǔn)確率較利用ECWMF模式預(yù)報場插值得到的預(yù)報方法均有明顯提高，表明該預(yù)報方法的可行性。
為了提高日極大風(fēng)風(fēng)速的預(yù)報能力，特別是8級以上風(fēng)力的預(yù)報，本文以歐洲中期天氣預(yù)報中心（European Centre for Medium-Range Weather Forecasts，ECWMF）模式輸出的過去3 h陣風(fēng)風(fēng)速預(yù)報作為輸入因子，同時針對ECWMF模式過去3 h陣風(fēng)風(fēng)速預(yù)報存在的小量級風(fēng)預(yù)報偏大、大量級風(fēng)預(yù)報偏小的預(yù)報特征，利用近5年地面觀測實況以及ECWMF模式過去3 h陣風(fēng)資料，構(gòu)建基于Tabnet的日極大風(fēng)分級訂正預(yù)報模型。其中，模型的輸入設(shè)計包含了前期實況、站點(diǎn)的地理信息、ECWMF模式的預(yù)報場及其前期預(yù)報誤差項。該模型在1年半獨(dú)立檢驗樣本的估測結(jié)果中，其預(yù)報模型的平均絕對誤差相對ECWMF模式插值降低了45.2%，相應(yīng)的均方根誤差也減少了25.7%。進(jìn)一步地，在1~5級和8~9級以上風(fēng)力等級的預(yù)報上，該預(yù)報模型的預(yù)報準(zhǔn)確率較利用ECWMF模式預(yù)報場插值得到的預(yù)報方法均有明顯提高，表明該預(yù)報方法的可行性。
2024, 52(5):723-732.
DOI: 10.19517/j.1671-6345.20230327
摘要:
高溫危險性評價是高溫災(zāi)害風(fēng)險評估的基礎(chǔ)工作。本文基于江西省1961—2022年79個氣象站逐日最高氣溫資料，采用最小二乘法和核密度估計方法，分析了江西省近62年高溫日數(shù)、極端最高氣溫和高溫強(qiáng)度等3個致災(zāi)因子的變化趨勢，五年一遇、十年一遇、二十年一遇和五十年一遇4種重現(xiàn)期下各高溫致災(zāi)因子取值；并結(jié)合K-means聚類分析，對江西省高溫綜合危險性進(jìn)行了評估；最后，探討了高溫對農(nóng)業(yè)影響的風(fēng)險等級。結(jié)果表明：①近62年江西省三類高溫致災(zāi)因子整體呈增加趨勢，但存在1997年以前下降的階段性特征；②各致災(zāi)因子的單一危險性均較高，高危險性區(qū)域占全省面積比例達(dá)到41.7%～61.4%；③高溫綜合危險性呈南北低中間高的空間分布格局，高危險區(qū)域主要集中在上饒東部和吉安大部；④高溫對農(nóng)業(yè)影響的中、高風(fēng)險區(qū)與高溫綜合危險性分布一致，而低風(fēng)險區(qū)有所擴(kuò)大，主要集中在贛州南部、新余大部、南昌中北部以及九江東部。本文能夠為氣象災(zāi)害綜合風(fēng)險評估提供一定參考。
高溫危險性評價是高溫災(zāi)害風(fēng)險評估的基礎(chǔ)工作。本文基于江西省1961—2022年79個氣象站逐日最高氣溫資料，采用最小二乘法和核密度估計方法，分析了江西省近62年高溫日數(shù)、極端最高氣溫和高溫強(qiáng)度等3個致災(zāi)因子的變化趨勢，五年一遇、十年一遇、二十年一遇和五十年一遇4種重現(xiàn)期下各高溫致災(zāi)因子取值；并結(jié)合K-means聚類分析，對江西省高溫綜合危險性進(jìn)行了評估；最后，探討了高溫對農(nóng)業(yè)影響的風(fēng)險等級。結(jié)果表明：①近62年江西省三類高溫致災(zāi)因子整體呈增加趨勢，但存在1997年以前下降的階段性特征；②各致災(zāi)因子的單一危險性均較高，高危險性區(qū)域占全省面積比例達(dá)到41.7%～61.4%；③高溫綜合危險性呈南北低中間高的空間分布格局，高危險區(qū)域主要集中在上饒東部和吉安大部；④高溫對農(nóng)業(yè)影響的中、高風(fēng)險區(qū)與高溫綜合危險性分布一致，而低風(fēng)險區(qū)有所擴(kuò)大，主要集中在贛州南部、新余大部、南昌中北部以及九江東部。本文能夠為氣象災(zāi)害綜合風(fēng)險評估提供一定參考。
2024, 52(5):733-742.
DOI: 10.19517/j.1671-6345.20230390
摘要:
以2018年9月至2022年8月為研究時段，采用多種統(tǒng)計方法對滇西南及周邊生物質(zhì)燃燒高發(fā)區(qū)（A區(qū)）、滇中人類活動強(qiáng)度較大的城市群區(qū)（B區(qū)）2—4月和6—8月閃電活動及其他干擾因素對NO2的影響進(jìn)行對比分析。結(jié)果表明：①2—4月A、B區(qū)NO2柱濃度分別與火點(diǎn)數(shù)和人為CO2排放在空間上存在顯著正相關(guān)，但與閃電次數(shù)呈顯著負(fù)相關(guān)。②閃電活動多伴有明顯降雨（R≥1 mm），閃電活動較弱時，降雨對地面NO2的濕沉降作用明顯，較強(qiáng)的閃電活動下降雨的濕沉降仍無法完全抵消閃電對地面NO2濃度增長的貢獻(xiàn)。③6—8月初次出現(xiàn)閃電時A、B區(qū)地面NO2濃度前6 h逐時增加，之后3 h則逐時緩慢減小。④閃電日A、B區(qū)地面NO2濃度整體高于無閃電日，生物質(zhì)燃燒強(qiáng)度、降雨強(qiáng)度和大氣邊界層高度等變化均會對其產(chǎn)生明顯影響。
以2018年9月至2022年8月為研究時段，采用多種統(tǒng)計方法對滇西南及周邊生物質(zhì)燃燒高發(fā)區(qū)（A區(qū)）、滇中人類活動強(qiáng)度較大的城市群區(qū)（B區(qū)）2—4月和6—8月閃電活動及其他干擾因素對NO2的影響進(jìn)行對比分析。結(jié)果表明：①2—4月A、B區(qū)NO2柱濃度分別與火點(diǎn)數(shù)和人為CO2排放在空間上存在顯著正相關(guān)，但與閃電次數(shù)呈顯著負(fù)相關(guān)。②閃電活動多伴有明顯降雨（R≥1 mm），閃電活動較弱時，降雨對地面NO2的濕沉降作用明顯，較強(qiáng)的閃電活動下降雨的濕沉降仍無法完全抵消閃電對地面NO2濃度增長的貢獻(xiàn)。③6—8月初次出現(xiàn)閃電時A、B區(qū)地面NO2濃度前6 h逐時增加，之后3 h則逐時緩慢減小。④閃電日A、B區(qū)地面NO2濃度整體高于無閃電日，生物質(zhì)燃燒強(qiáng)度、降雨強(qiáng)度和大氣邊界層高度等變化均會對其產(chǎn)生明顯影響。
2024, 52(5):743-752.
DOI: 10.19517/j.1671-6345.20230339
摘要:
利用2022年1月1日至12月31日成都市西部沿山和東部平原地區(qū)的風(fēng)廓線雷達(dá)資料，分析大氣邊界層水平風(fēng)場垂直結(jié)構(gòu)及日變化趨勢的區(qū)域差異。結(jié)果表明：①成都市邊界層低層盛行風(fēng)向存在東西區(qū)域差異，西部山區(qū)盛行北東北風(fēng)，東部平原盛行東北風(fēng)，且不存在季節(jié)差異；邊界層中高層盛行風(fēng)向不存在東西區(qū)域差異，表現(xiàn)為與西側(cè)山脈走向一致的東北風(fēng)和西南風(fēng)交替出現(xiàn)。②成都市東西部的邊界層平均風(fēng)速廓線變化趨勢一致，相同探測高度東部平原的水平風(fēng)速大于西部沿山。③邊界層低層西部沿山地區(qū)受局地山谷風(fēng)影響，在四季均存在顯著的水平風(fēng)向日變化，白天盛行東南風(fēng)，夜間盛行西北風(fēng)。④相同探測高度水平風(fēng)速的日變化特征沒有區(qū)域差異，在四季基本一致，為單峰單谷型，最小值在白天，最大值在夜間。⑤成都市東西區(qū)域的低層大氣邊界層風(fēng)場特征的差異主要由西部沿山地區(qū)局地復(fù)雜地形造成。
利用2022年1月1日至12月31日成都市西部沿山和東部平原地區(qū)的風(fēng)廓線雷達(dá)資料，分析大氣邊界層水平風(fēng)場垂直結(jié)構(gòu)及日變化趨勢的區(qū)域差異。結(jié)果表明：①成都市邊界層低層盛行風(fēng)向存在東西區(qū)域差異，西部山區(qū)盛行北東北風(fēng)，東部平原盛行東北風(fēng)，且不存在季節(jié)差異；邊界層中高層盛行風(fēng)向不存在東西區(qū)域差異，表現(xiàn)為與西側(cè)山脈走向一致的東北風(fēng)和西南風(fēng)交替出現(xiàn)。②成都市東西部的邊界層平均風(fēng)速廓線變化趨勢一致，相同探測高度東部平原的水平風(fēng)速大于西部沿山。③邊界層低層西部沿山地區(qū)受局地山谷風(fēng)影響，在四季均存在顯著的水平風(fēng)向日變化，白天盛行東南風(fēng)，夜間盛行西北風(fēng)。④相同探測高度水平風(fēng)速的日變化特征沒有區(qū)域差異，在四季基本一致，為單峰單谷型，最小值在白天，最大值在夜間。⑤成都市東西區(qū)域的低層大氣邊界層風(fēng)場特征的差異主要由西部沿山地區(qū)局地復(fù)雜地形造成。
2024, 52(5):753-761.
DOI: 10.19517/j.1671-6345.20230228
摘要:
以廣州從化和增城地區(qū)的荔枝作為保險標(biāo)的物，結(jié)合荔枝全生育期的氣象災(zāi)害，設(shè)計荔枝氣象指數(shù)保險產(chǎn)品，并進(jìn)行保險賠付率驗證。基于荔枝產(chǎn)量數(shù)據(jù)和歷史氣象資料，構(gòu)建荔枝氣象指數(shù)，擬合氣象指數(shù)的分布情況，厘定觸發(fā)賠付的不同氣象指數(shù)的保險純費(fèi)率和單位面積保險金額，設(shè)置不同等級的賠付金額。研究表明，從化荔枝花期降水指數(shù)R1，增城荔枝抽穗期低溫指數(shù)Tmin、果熟期降水指數(shù)R100 d是導(dǎo)致荔枝減產(chǎn)的關(guān)鍵氣象指數(shù)。當(dāng)從化荔枝花期累積降水量達(dá)350 mm，增城荔枝抽穗期最低氣溫為3.3 ℃、果熟期日雨量≥100 mm的累積天數(shù)為2 d時觸發(fā)理賠。對應(yīng)氣象指數(shù)不同等級的保費(fèi)金額分別在448～2582元/hm2、522～2567元/hm2、1403～3284元/hm2之間，不同氣象指數(shù)各等級的賠付比例分別在7%～10%、7%～10%、10%～12%之間，兩區(qū)10年、20年和30年3個時間尺度的平均賠付率分別為77.0%、69.6%和63.7%，與保險公司賠付率65%～75%的要求較為一致。研發(fā)的荔枝氣象指數(shù)保險產(chǎn)品可為廣州新一輪政策性農(nóng)業(yè)保險提供參考，為荔枝果農(nóng)分散轉(zhuǎn)移氣象災(zāi)害風(fēng)險提供技術(shù)支持。
以廣州從化和增城地區(qū)的荔枝作為保險標(biāo)的物，結(jié)合荔枝全生育期的氣象災(zāi)害，設(shè)計荔枝氣象指數(shù)保險產(chǎn)品，并進(jìn)行保險賠付率驗證。基于荔枝產(chǎn)量數(shù)據(jù)和歷史氣象資料，構(gòu)建荔枝氣象指數(shù)，擬合氣象指數(shù)的分布情況，厘定觸發(fā)賠付的不同氣象指數(shù)的保險純費(fèi)率和單位面積保險金額，設(shè)置不同等級的賠付金額。研究表明，從化荔枝花期降水指數(shù)R1，增城荔枝抽穗期低溫指數(shù)Tmin、果熟期降水指數(shù)R100 d是導(dǎo)致荔枝減產(chǎn)的關(guān)鍵氣象指數(shù)。當(dāng)從化荔枝花期累積降水量達(dá)350 mm，增城荔枝抽穗期最低氣溫為3.3 ℃、果熟期日雨量≥100 mm的累積天數(shù)為2 d時觸發(fā)理賠。對應(yīng)氣象指數(shù)不同等級的保費(fèi)金額分別在448～2582元/hm2、522～2567元/hm2、1403～3284元/hm2之間，不同氣象指數(shù)各等級的賠付比例分別在7%～10%、7%～10%、10%～12%之間，兩區(qū)10年、20年和30年3個時間尺度的平均賠付率分別為77.0%、69.6%和63.7%，與保險公司賠付率65%～75%的要求較為一致。研發(fā)的荔枝氣象指數(shù)保險產(chǎn)品可為廣州新一輪政策性農(nóng)業(yè)保險提供參考，為荔枝果農(nóng)分散轉(zhuǎn)移氣象災(zāi)害風(fēng)險提供技術(shù)支持。
友情鏈接《氣象學(xué)報》《應(yīng)用氣象學(xué)報》《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