2025年第53卷第2期文章目次
2025, 53(2):153-166.
DOI: 10.19517/j.1671-6345.20240135
摘要:
海表溫度是氣候和天氣研究中的一個(gè)重要變量。本文提出了一種基于深度學(xué)習(xí)的FY-4A/AGRI（Advanced Geostationary Radiation Imager）海表溫度反演方法，旨在提高海表溫度的反演精度，并為氣象研究提供更為精確的數(shù)據(jù)支持。該方法利用FY-4A/AGRI衛(wèi)星數(shù)據(jù)、背景場(chǎng)海表溫度和現(xiàn)場(chǎng)實(shí)測(cè)海表溫度構(gòu)建反演數(shù)據(jù)集；通過(guò)非線性海表溫度算法進(jìn)行特征選擇，并采用所選特征數(shù)據(jù)建立一個(gè)基于深度神經(jīng)網(wǎng)絡(luò)的海溫反演模型；最后，利用該模型將衛(wèi)星數(shù)據(jù)反演生成海表溫度產(chǎn)品。本文以現(xiàn)場(chǎng)實(shí)測(cè)海表溫度為基準(zhǔn)，從產(chǎn)品精度和長(zhǎng)時(shí)間序列穩(wěn)定性兩個(gè)維度對(duì)海溫產(chǎn)品進(jìn)行評(píng)價(jià)。結(jié)果表明:本研究反演的海溫產(chǎn)品的平均偏差為-0.19 ℃，均方根誤差為0.67 ℃，相關(guān)系數(shù)達(dá)到0.992，精度比FY-4A/AGRI業(yè)務(wù)海溫產(chǎn)品有所提高。
海表溫度是氣候和天氣研究中的一個(gè)重要變量。本文提出了一種基于深度學(xué)習(xí)的FY-4A/AGRI（Advanced Geostationary Radiation Imager）海表溫度反演方法，旨在提高海表溫度的反演精度，并為氣象研究提供更為精確的數(shù)據(jù)支持。該方法利用FY-4A/AGRI衛(wèi)星數(shù)據(jù)、背景場(chǎng)海表溫度和現(xiàn)場(chǎng)實(shí)測(cè)海表溫度構(gòu)建反演數(shù)據(jù)集；通過(guò)非線性海表溫度算法進(jìn)行特征選擇，并采用所選特征數(shù)據(jù)建立一個(gè)基于深度神經(jīng)網(wǎng)絡(luò)的海溫反演模型；最后，利用該模型將衛(wèi)星數(shù)據(jù)反演生成海表溫度產(chǎn)品。本文以現(xiàn)場(chǎng)實(shí)測(cè)海表溫度為基準(zhǔn)，從產(chǎn)品精度和長(zhǎng)時(shí)間序列穩(wěn)定性兩個(gè)維度對(duì)海溫產(chǎn)品進(jìn)行評(píng)價(jià)。結(jié)果表明:本研究反演的海溫產(chǎn)品的平均偏差為-0.19 ℃，均方根誤差為0.67 ℃，相關(guān)系數(shù)達(dá)到0.992，精度比FY-4A/AGRI業(yè)務(wù)海溫產(chǎn)品有所提高。
2025, 53(2):167-176.
DOI: 10.19517/j.1671-6345.20240161
摘要:
全球大氣溫濕度廓線是研究極端天氣和氣候變化的重要數(shù)據(jù)集。本文利用三源資料誤差評(píng)估方法評(píng)估了2021年風(fēng)云三號(hào)極軌衛(wèi)星（FY-3D）和美國(guó)極軌衛(wèi)星（Suomi National Polar-Orbiting Partnership，NPP）以及掩星探測(cè)系統(tǒng)（Constellation Observing System for Meteorology，Ionosphere and Climate-2，COSMIC2）的溫濕度廓線產(chǎn)品的誤差。結(jié)果表明：①三類溫度廓線均方根誤差垂直分布相似，在對(duì)流層中低層（700～300 hPa）一致性較好，且小于2 K；對(duì)比三類濕度廓線，F(xiàn)Y-3D濕度廓線的均方根誤差最大，NPP的均方根誤差最小。②晴空條件下FY-3D溫濕度廓線均方根誤差較全天空條件減小最顯著；NPP溫濕度廓線誤差有微弱減小；受洋面超折射現(xiàn)象的影響，COSMIC2溫濕度廓線低層反演精度有所降低。③與單一資料評(píng)估法相比，三源數(shù)據(jù)誤差估計(jì)方法考慮了基準(zhǔn)數(shù)據(jù)自身的誤差后，計(jì)算的COSMIC2溫濕度廓線誤差在對(duì)流層低層分別增加了0.4 K和0.3 g·kg-1。
全球大氣溫濕度廓線是研究極端天氣和氣候變化的重要數(shù)據(jù)集。本文利用三源資料誤差評(píng)估方法評(píng)估了2021年風(fēng)云三號(hào)極軌衛(wèi)星（FY-3D）和美國(guó)極軌衛(wèi)星（Suomi National Polar-Orbiting Partnership，NPP）以及掩星探測(cè)系統(tǒng)（Constellation Observing System for Meteorology，Ionosphere and Climate-2，COSMIC2）的溫濕度廓線產(chǎn)品的誤差。結(jié)果表明：①三類溫度廓線均方根誤差垂直分布相似，在對(duì)流層中低層（700～300 hPa）一致性較好，且小于2 K；對(duì)比三類濕度廓線，F(xiàn)Y-3D濕度廓線的均方根誤差最大，NPP的均方根誤差最小。②晴空條件下FY-3D溫濕度廓線均方根誤差較全天空條件減小最顯著；NPP溫濕度廓線誤差有微弱減小；受洋面超折射現(xiàn)象的影響，COSMIC2溫濕度廓線低層反演精度有所降低。③與單一資料評(píng)估法相比，三源數(shù)據(jù)誤差估計(jì)方法考慮了基準(zhǔn)數(shù)據(jù)自身的誤差后，計(jì)算的COSMIC2溫濕度廓線誤差在對(duì)流層低層分別增加了0.4 K和0.3 g·kg-1。
2025, 53(2):177-190.
DOI: 10.19517/j.1671-6345.20240187
摘要:
為評(píng)估風(fēng)云4號(hào)A星（FY-4A）地表溫度（LST）產(chǎn)品在廣西地區(qū)的精度和適用性，將FY-4A LST產(chǎn)品與中分辨率成像光譜儀（MODIS）LST產(chǎn)品以及基于臺(tái)站溫度計(jì)和熱紅外輻射計(jì)實(shí)測(cè)的地表溫度進(jìn)行比較。評(píng)價(jià)兩套遙感LST產(chǎn)品的差異程度及其與地表狀況的潛在關(guān)系；分析FY-4A LST產(chǎn)品與地面觀測(cè)地表溫度的一致性；利用標(biāo)準(zhǔn)化距平評(píng)估FY-4A LST產(chǎn)品和站點(diǎn)地溫對(duì)高溫、寒潮過(guò)程的監(jiān)測(cè)能力。結(jié)果表明：FY-4A LST與MODIS LST平均差異在2 ℃左右，較大差異出現(xiàn)在海拔較高和樹木覆蓋稀疏的區(qū)域，兩者之間的時(shí)間序列相關(guān)系數(shù)在大部分區(qū)域超過(guò)0.9。FY-4A LST產(chǎn)品同時(shí)也與兩種地面觀測(cè)的LST在時(shí)間變化上具有較好的一致性，但由于觀測(cè)方法的差異導(dǎo)致FY-4A LST產(chǎn)品較地面觀測(cè)的LST存在系統(tǒng)性的低估偏差，特別是在日間下午。在極端天氣過(guò)程中，F(xiàn)Y-4A LST產(chǎn)品與站點(diǎn)地溫的標(biāo)準(zhǔn)化距平具有密切的時(shí)空關(guān)系，能夠監(jiān)測(cè)到異常的溫度信號(hào)。
為評(píng)估風(fēng)云4號(hào)A星（FY-4A）地表溫度（LST）產(chǎn)品在廣西地區(qū)的精度和適用性，將FY-4A LST產(chǎn)品與中分辨率成像光譜儀（MODIS）LST產(chǎn)品以及基于臺(tái)站溫度計(jì)和熱紅外輻射計(jì)實(shí)測(cè)的地表溫度進(jìn)行比較。評(píng)價(jià)兩套遙感LST產(chǎn)品的差異程度及其與地表狀況的潛在關(guān)系；分析FY-4A LST產(chǎn)品與地面觀測(cè)地表溫度的一致性；利用標(biāo)準(zhǔn)化距平評(píng)估FY-4A LST產(chǎn)品和站點(diǎn)地溫對(duì)高溫、寒潮過(guò)程的監(jiān)測(cè)能力。結(jié)果表明：FY-4A LST與MODIS LST平均差異在2 ℃左右，較大差異出現(xiàn)在海拔較高和樹木覆蓋稀疏的區(qū)域，兩者之間的時(shí)間序列相關(guān)系數(shù)在大部分區(qū)域超過(guò)0.9。FY-4A LST產(chǎn)品同時(shí)也與兩種地面觀測(cè)的LST在時(shí)間變化上具有較好的一致性，但由于觀測(cè)方法的差異導(dǎo)致FY-4A LST產(chǎn)品較地面觀測(cè)的LST存在系統(tǒng)性的低估偏差，特別是在日間下午。在極端天氣過(guò)程中，F(xiàn)Y-4A LST產(chǎn)品與站點(diǎn)地溫的標(biāo)準(zhǔn)化距平具有密切的時(shí)空關(guān)系，能夠監(jiān)測(cè)到異常的溫度信號(hào)。
2025, 53(2):191-200.
DOI: 10.19517/j.1671-6345.20240255
摘要:
現(xiàn)行氣象觀測(cè)業(yè)務(wù)中尚缺乏對(duì)凍雨天氣現(xiàn)象的自動(dòng)監(jiān)測(cè)，研究引入隨機(jī)森林機(jī)器學(xué)習(xí)方法，利用Ka波段毫米波云雷達(dá)的觀測(cè)數(shù)據(jù)，建立了凍雨現(xiàn)象的自動(dòng)識(shí)別方法，為彌補(bǔ)觀測(cè)業(yè)務(wù)中凍雨的自動(dòng)識(shí)別和連續(xù)觀測(cè)的缺乏提供一種可能。研究首先分析了2024年2月武漢地區(qū)的2次雨雪冰凍天氣過(guò)程中不同降水現(xiàn)象（雨、凍雨、雪和雨夾雪）的Ka波段毫米波云雷達(dá)的回波強(qiáng)度、偏度值的分布特征，發(fā)現(xiàn)在數(shù)值范圍和垂直高度分布上存在顯著差異，由此確定回波強(qiáng)度、偏度及近地面氣溫作為識(shí)別變量。針對(duì)武漢地區(qū)、貴州地區(qū)多個(gè)雨雪冰凍過(guò)程分別建立RF機(jī)器學(xué)習(xí)方法的凍雨現(xiàn)象自動(dòng)識(shí)別模型，經(jīng)訓(xùn)練和驗(yàn)證計(jì)算，測(cè)試識(shí)別準(zhǔn)確率（Acc）均超90%、凍雨命中率均超80%，使用獨(dú)立的凍雨實(shí)例進(jìn)行檢驗(yàn)，檢驗(yàn)Acc可達(dá)到80%。與現(xiàn)行觀測(cè)業(yè)務(wù)中電線積冰人工觀測(cè)比較，該方法可以自動(dòng)連續(xù)地識(shí)別分鐘級(jí)凍雨現(xiàn)象，具備業(yè)務(wù)應(yīng)用可行性。由于凍雨發(fā)生時(shí)的毫米波云雷達(dá)回波強(qiáng)度和偏度的地域特征明顯，需要使用不同地區(qū)的凍雨樣本數(shù)據(jù)建立針對(duì)不同地區(qū)的識(shí)別模型，擴(kuò)充樣本和優(yōu)化模型參數(shù)及指標(biāo)，可以進(jìn)一步提升該方法的識(shí)別準(zhǔn)確率，降低虛警率。
現(xiàn)行氣象觀測(cè)業(yè)務(wù)中尚缺乏對(duì)凍雨天氣現(xiàn)象的自動(dòng)監(jiān)測(cè)，研究引入隨機(jī)森林機(jī)器學(xué)習(xí)方法，利用Ka波段毫米波云雷達(dá)的觀測(cè)數(shù)據(jù)，建立了凍雨現(xiàn)象的自動(dòng)識(shí)別方法，為彌補(bǔ)觀測(cè)業(yè)務(wù)中凍雨的自動(dòng)識(shí)別和連續(xù)觀測(cè)的缺乏提供一種可能。研究首先分析了2024年2月武漢地區(qū)的2次雨雪冰凍天氣過(guò)程中不同降水現(xiàn)象（雨、凍雨、雪和雨夾雪）的Ka波段毫米波云雷達(dá)的回波強(qiáng)度、偏度值的分布特征，發(fā)現(xiàn)在數(shù)值范圍和垂直高度分布上存在顯著差異，由此確定回波強(qiáng)度、偏度及近地面氣溫作為識(shí)別變量。針對(duì)武漢地區(qū)、貴州地區(qū)多個(gè)雨雪冰凍過(guò)程分別建立RF機(jī)器學(xué)習(xí)方法的凍雨現(xiàn)象自動(dòng)識(shí)別模型，經(jīng)訓(xùn)練和驗(yàn)證計(jì)算，測(cè)試識(shí)別準(zhǔn)確率（Acc）均超90%、凍雨命中率均超80%，使用獨(dú)立的凍雨實(shí)例進(jìn)行檢驗(yàn)，檢驗(yàn)Acc可達(dá)到80%。與現(xiàn)行觀測(cè)業(yè)務(wù)中電線積冰人工觀測(cè)比較，該方法可以自動(dòng)連續(xù)地識(shí)別分鐘級(jí)凍雨現(xiàn)象，具備業(yè)務(wù)應(yīng)用可行性。由于凍雨發(fā)生時(shí)的毫米波云雷達(dá)回波強(qiáng)度和偏度的地域特征明顯，需要使用不同地區(qū)的凍雨樣本數(shù)據(jù)建立針對(duì)不同地區(qū)的識(shí)別模型，擴(kuò)充樣本和優(yōu)化模型參數(shù)及指標(biāo)，可以進(jìn)一步提升該方法的識(shí)別準(zhǔn)確率，降低虛警率。
2025, 53(2):201-210.
DOI: 10.19517/j.1671-6345.20240102
摘要:
利用閃電與雷達(dá)回波資料，通過(guò)箱線圖分析和對(duì)數(shù)擬合方法，為四川省不同地貌區(qū)域建立了閃電代理雷達(dá)回波的擬合方程，并進(jìn)行了個(gè)例檢驗(yàn)。結(jié)果表明：四川盆地、川西高原及攀西地區(qū)的閃電頻次與雷達(dá)回波強(qiáng)度間存在顯著關(guān)系，隨著閃電頻次的增加，雷達(dá)回波強(qiáng)度離散度減小，但樣本格點(diǎn)數(shù)也急劇減少。三個(gè)區(qū)域的代理回波強(qiáng)度與擬合閃電密度頻次大小呈正比關(guān)系，盆地的擬合效果是三個(gè)區(qū)域中最優(yōu)的，盆地的回波中位數(shù)和均值與閃電的擬合優(yōu)度均達(dá)到了0.909，其回波值與閃電頻次緊密相關(guān)，數(shù)據(jù)分布集中；川西高原次之，攀西地區(qū)因離散度大、頻次跨度廣而擬合較差。不同區(qū)域的擬合結(jié)果均整體偏弱，但是代理回波仍然能準(zhǔn)確反映高值中心信息，而不同時(shí)刻的代理回波能夠展現(xiàn)出回波的動(dòng)態(tài)變化趨勢(shì)，對(duì)雷暴預(yù)報(bào)預(yù)警具有重要價(jià)值。
利用閃電與雷達(dá)回波資料，通過(guò)箱線圖分析和對(duì)數(shù)擬合方法，為四川省不同地貌區(qū)域建立了閃電代理雷達(dá)回波的擬合方程，并進(jìn)行了個(gè)例檢驗(yàn)。結(jié)果表明：四川盆地、川西高原及攀西地區(qū)的閃電頻次與雷達(dá)回波強(qiáng)度間存在顯著關(guān)系，隨著閃電頻次的增加，雷達(dá)回波強(qiáng)度離散度減小，但樣本格點(diǎn)數(shù)也急劇減少。三個(gè)區(qū)域的代理回波強(qiáng)度與擬合閃電密度頻次大小呈正比關(guān)系，盆地的擬合效果是三個(gè)區(qū)域中最優(yōu)的，盆地的回波中位數(shù)和均值與閃電的擬合優(yōu)度均達(dá)到了0.909，其回波值與閃電頻次緊密相關(guān)，數(shù)據(jù)分布集中；川西高原次之，攀西地區(qū)因離散度大、頻次跨度廣而擬合較差。不同區(qū)域的擬合結(jié)果均整體偏弱，但是代理回波仍然能準(zhǔn)確反映高值中心信息，而不同時(shí)刻的代理回波能夠展現(xiàn)出回波的動(dòng)態(tài)變化趨勢(shì)，對(duì)雷暴預(yù)報(bào)預(yù)警具有重要價(jià)值。
2025, 53(2):211-221.
DOI: 10.19517/j.1671-6345.20240199
摘要:
本文利用中國(guó)目前空間覆蓋度最高的站點(diǎn)均一化逐日氣溫?cái)?shù)據(jù)集，考慮時(shí)間序列自相關(guān)對(duì)長(zhǎng)期趨勢(shì)分析的影響，研究了1961—2021年中國(guó)極端氣溫的趨勢(shì)變化特征。結(jié)果表明，中國(guó)區(qū)域平均而言，全年暖夜（冷夜）數(shù)、暖日（冷日）數(shù)的增加（減小）趨勢(shì)分別為10.3（-7.8）、5.9（-3.6）d/10a，極冷夜、極暖夜、極冷日、極暖日的增溫速度分別為0.52、0.30、0.30、0.21 ℃/10a，與未考慮自相關(guān)的趨勢(shì)差值百分比均低于5%；對(duì)于單站而言，時(shí)間序列自相關(guān)對(duì)趨勢(shì)大小的影響，大部分臺(tái)站都在10%以內(nèi)，但也有部分臺(tái)站超過(guò)了50%。極端氣溫與平均氣溫的變化存在諸多不同，例如，雖然中國(guó)區(qū)域平均最低氣溫、最高氣溫的夏季升溫趨勢(shì)最弱，但是暖夜數(shù)、暖日數(shù)的夏季增加趨勢(shì)卻最強(qiáng)，冬季增加趨勢(shì)反而最弱。空間覆蓋度高的均一化資料揭示出中國(guó)極端氣溫變化更多的細(xì)節(jié)特征，例如，極暖日在長(zhǎng)江、三角洲、珠江三角洲、京津冀、成渝等城市群所在的區(qū)域內(nèi)增溫趨勢(shì)尤其顯著，是否與城市化發(fā)展有關(guān)還有待進(jìn)一步研究。
本文利用中國(guó)目前空間覆蓋度最高的站點(diǎn)均一化逐日氣溫?cái)?shù)據(jù)集，考慮時(shí)間序列自相關(guān)對(duì)長(zhǎng)期趨勢(shì)分析的影響，研究了1961—2021年中國(guó)極端氣溫的趨勢(shì)變化特征。結(jié)果表明，中國(guó)區(qū)域平均而言，全年暖夜（冷夜）數(shù)、暖日（冷日）數(shù)的增加（減小）趨勢(shì)分別為10.3（-7.8）、5.9（-3.6）d/10a，極冷夜、極暖夜、極冷日、極暖日的增溫速度分別為0.52、0.30、0.30、0.21 ℃/10a，與未考慮自相關(guān)的趨勢(shì)差值百分比均低于5%；對(duì)于單站而言，時(shí)間序列自相關(guān)對(duì)趨勢(shì)大小的影響，大部分臺(tái)站都在10%以內(nèi)，但也有部分臺(tái)站超過(guò)了50%。極端氣溫與平均氣溫的變化存在諸多不同，例如，雖然中國(guó)區(qū)域平均最低氣溫、最高氣溫的夏季升溫趨勢(shì)最弱，但是暖夜數(shù)、暖日數(shù)的夏季增加趨勢(shì)卻最強(qiáng)，冬季增加趨勢(shì)反而最弱。空間覆蓋度高的均一化資料揭示出中國(guó)極端氣溫變化更多的細(xì)節(jié)特征，例如，極暖日在長(zhǎng)江、三角洲、珠江三角洲、京津冀、成渝等城市群所在的區(qū)域內(nèi)增溫趨勢(shì)尤其顯著，是否與城市化發(fā)展有關(guān)還有待進(jìn)一步研究。
2025, 53(2):222-234.
DOI: 10.19517/j.1671-6345.20240143
摘要:
2023年7月24日河北中部出現(xiàn)一次雷暴大風(fēng)強(qiáng)對(duì)流天氣過(guò)程，過(guò)程極端性強(qiáng)，6個(gè)國(guó)家站的極大風(fēng)速突破歷史極值或位居歷史前兩名，其中元氏最大達(dá)30.6 m/s。此過(guò)程大尺度天氣背景為高空弱西北氣流，天氣系統(tǒng)不明顯，導(dǎo)致中、短期天氣預(yù)報(bào)出現(xiàn)漏報(bào)。利用ERA5再分析、雙偏振天氣雷達(dá)、風(fēng)廓線雷達(dá)、L波段探空和分鐘級(jí)地面觀測(cè)等多源高分辨率觀測(cè)資料，對(duì)此次極端雷暴大風(fēng)過(guò)程的演變特征及其成因進(jìn)行分析，結(jié)果表明：①雷暴大風(fēng)過(guò)程屬于高空干冷平流弱強(qiáng)迫型，存在低層暖、高空弱冷的不穩(wěn)定大氣層結(jié)，對(duì)流有效位能1544.8 J/kg，沙氏指數(shù)-4.31 ℃，850 hPa與500 hPa溫度差超30 ℃，垂直風(fēng)切變中等略偏弱。②單峰值型和雙峰值型前階段大風(fēng)具有突發(fā)性強(qiáng)、瞬時(shí)風(fēng)速大、持續(xù)時(shí)間短等特征，對(duì)應(yīng)雷達(dá)回波分為風(fēng)暴單體、弓形回波、陣風(fēng)鋒3類，表現(xiàn)為差分反射率因子（ZDR）柱、差分相移率（KDP）柱、相關(guān)系數(shù)（CC）小值和17 m/s以上的大風(fēng)速核、速度模糊和中層徑向輻合等特征；地面氣象要素表現(xiàn)為中心氣壓≥1006 hPa的雷暴高壓和1 h變溫≤-3.5 ℃的地面冷池，對(duì)應(yīng)氣壓陡升、氣溫驟降、零度層高度谷值和弱降水。雙峰值型后階段大風(fēng)強(qiáng)度弱、影響范圍小且持續(xù)時(shí)間短，不伴有降水或僅有微弱降水，對(duì)應(yīng)弱雷達(dá)回波型，是由主體雷達(dá)回波后的再生弱回波和冷池密度流共同造成的。③極端大風(fēng)也與觀測(cè)站遷站有一定關(guān)系。
2023年7月24日河北中部出現(xiàn)一次雷暴大風(fēng)強(qiáng)對(duì)流天氣過(guò)程，過(guò)程極端性強(qiáng)，6個(gè)國(guó)家站的極大風(fēng)速突破歷史極值或位居歷史前兩名，其中元氏最大達(dá)30.6 m/s。此過(guò)程大尺度天氣背景為高空弱西北氣流，天氣系統(tǒng)不明顯，導(dǎo)致中、短期天氣預(yù)報(bào)出現(xiàn)漏報(bào)。利用ERA5再分析、雙偏振天氣雷達(dá)、風(fēng)廓線雷達(dá)、L波段探空和分鐘級(jí)地面觀測(cè)等多源高分辨率觀測(cè)資料，對(duì)此次極端雷暴大風(fēng)過(guò)程的演變特征及其成因進(jìn)行分析，結(jié)果表明：①雷暴大風(fēng)過(guò)程屬于高空干冷平流弱強(qiáng)迫型，存在低層暖、高空弱冷的不穩(wěn)定大氣層結(jié)，對(duì)流有效位能1544.8 J/kg，沙氏指數(shù)-4.31 ℃，850 hPa與500 hPa溫度差超30 ℃，垂直風(fēng)切變中等略偏弱。②單峰值型和雙峰值型前階段大風(fēng)具有突發(fā)性強(qiáng)、瞬時(shí)風(fēng)速大、持續(xù)時(shí)間短等特征，對(duì)應(yīng)雷達(dá)回波分為風(fēng)暴單體、弓形回波、陣風(fēng)鋒3類，表現(xiàn)為差分反射率因子（ZDR）柱、差分相移率（KDP）柱、相關(guān)系數(shù)（CC）小值和17 m/s以上的大風(fēng)速核、速度模糊和中層徑向輻合等特征；地面氣象要素表現(xiàn)為中心氣壓≥1006 hPa的雷暴高壓和1 h變溫≤-3.5 ℃的地面冷池，對(duì)應(yīng)氣壓陡升、氣溫驟降、零度層高度谷值和弱降水。雙峰值型后階段大風(fēng)強(qiáng)度弱、影響范圍小且持續(xù)時(shí)間短，不伴有降水或僅有微弱降水，對(duì)應(yīng)弱雷達(dá)回波型，是由主體雷達(dá)回波后的再生弱回波和冷池密度流共同造成的。③極端大風(fēng)也與觀測(cè)站遷站有一定關(guān)系。
2025, 53(2):235-246.
DOI: 10.19517/j.1671-6345.20240208
摘要:
利用常規(guī)觀測(cè)資料、高速公路災(zāi)情數(shù)據(jù)與NCEP再分析資料，對(duì)湖南省2021年12月31日發(fā)生的平流霧和2022年1月19日發(fā)生的輻射霧環(huán)流背景、氣象要素、物理量場(chǎng)、對(duì)高速公路的影響及HYSPLIT后向軌跡模擬的水汽來(lái)源進(jìn)行對(duì)比分析。結(jié)果表明：①2次大霧過(guò)程高空都出現(xiàn)了多層逆溫，大氣層結(jié)穩(wěn)定，地面相對(duì)濕度大于98%。②2次大霧過(guò)的天氣形勢(shì)差異明顯，平流霧700～600 hPa有強(qiáng)烈的暖平流發(fā)展，地面為弱冷高壓控制，輻射霧500 hPa為槽后偏北氣流控制，地面為均壓場(chǎng)，大霧發(fā)生期間整層轉(zhuǎn)為冷平流；平流霧過(guò)程期間氣溫較輻射霧低。③兩類大霧水汽來(lái)源和水汽輸送高度存在明顯差異，輻射霧水汽全部來(lái)自鄂西山地、江淮地區(qū)、青海高原和準(zhǔn)噶爾盆地4條內(nèi)陸通道，其中青海高原和準(zhǔn)噶爾盆地高層通道快速輸送干冷空氣，鄂西山地、江淮地區(qū)低層通道的緩慢輸送濕冷空氣；平流霧水汽分別來(lái)自重慶北部、青海高原2條內(nèi)陸通道和孟加拉灣、印度半島2條低緯度洋面通道，其中低緯度洋面中高層通道快速輸送暖濕空氣，內(nèi)陸低層通道緩慢輸送冷空氣。分析和研究結(jié)果有助于預(yù)報(bào)員提高湖南這兩類大霧天氣的預(yù)報(bào)預(yù)警準(zhǔn)確率，同時(shí)為交通部門大霧天氣精準(zhǔn)管控提供參考依據(jù)。
利用常規(guī)觀測(cè)資料、高速公路災(zāi)情數(shù)據(jù)與NCEP再分析資料，對(duì)湖南省2021年12月31日發(fā)生的平流霧和2022年1月19日發(fā)生的輻射霧環(huán)流背景、氣象要素、物理量場(chǎng)、對(duì)高速公路的影響及HYSPLIT后向軌跡模擬的水汽來(lái)源進(jìn)行對(duì)比分析。結(jié)果表明：①2次大霧過(guò)程高空都出現(xiàn)了多層逆溫，大氣層結(jié)穩(wěn)定，地面相對(duì)濕度大于98%。②2次大霧過(guò)的天氣形勢(shì)差異明顯，平流霧700～600 hPa有強(qiáng)烈的暖平流發(fā)展，地面為弱冷高壓控制，輻射霧500 hPa為槽后偏北氣流控制，地面為均壓場(chǎng)，大霧發(fā)生期間整層轉(zhuǎn)為冷平流；平流霧過(guò)程期間氣溫較輻射霧低。③兩類大霧水汽來(lái)源和水汽輸送高度存在明顯差異，輻射霧水汽全部來(lái)自鄂西山地、江淮地區(qū)、青海高原和準(zhǔn)噶爾盆地4條內(nèi)陸通道，其中青海高原和準(zhǔn)噶爾盆地高層通道快速輸送干冷空氣，鄂西山地、江淮地區(qū)低層通道的緩慢輸送濕冷空氣；平流霧水汽分別來(lái)自重慶北部、青海高原2條內(nèi)陸通道和孟加拉灣、印度半島2條低緯度洋面通道，其中低緯度洋面中高層通道快速輸送暖濕空氣，內(nèi)陸低層通道緩慢輸送冷空氣。分析和研究結(jié)果有助于預(yù)報(bào)員提高湖南這兩類大霧天氣的預(yù)報(bào)預(yù)警準(zhǔn)確率，同時(shí)為交通部門大霧天氣精準(zhǔn)管控提供參考依據(jù)。
2025, 53(2):247-258.
DOI: 10.19517/j.1671-6345.20240167
摘要:
過(guò)冷水是層狀云人工增雨潛力的重要判定指標(biāo)，利用2017—2022年共32架次的飛機(jī)探測(cè)資料，統(tǒng)計(jì)研究不同大氣環(huán)境下過(guò)冷水的分布特征，并基于這些特征探索山西地區(qū)云中過(guò)冷水含量的診斷預(yù)報(bào)方法。結(jié)果表明：①過(guò)冷水含量大部分值集中在0.06～0.22 g·m-3，平均值為0.18 g·m-3，其概率密度分布為明顯的單峰正偏態(tài)分布，隨著過(guò)冷水含量的增加累積分布函數(shù)的增長(zhǎng)速率不斷減小。②過(guò)冷水區(qū)主要出現(xiàn)在3589～4667 m，距0 ℃層大約1011～2316 m，溫度區(qū)間是-8.52～-3.52 ℃，濕度在86.68%～100%范圍內(nèi)，且過(guò)冷水區(qū)以上升氣流為主，這些區(qū)域內(nèi)過(guò)冷水含量也都相對(duì)較大。③過(guò)冷水含量隨著距0 ℃層高度的減小、溫度的增加、濕度的增大以及云中上升氣流的增強(qiáng)，呈現(xiàn)增長(zhǎng)的趨勢(shì)。④利用多項(xiàng)式擬合的方法獲得了過(guò)冷水含量與溫度、濕度、距0 ℃層高度以及垂直風(fēng)速的關(guān)系，對(duì)比顯示，過(guò)冷水含量較小時(shí)反演結(jié)果偏大，而過(guò)冷水含量較大時(shí)反演結(jié)果偏小，但是從兩者的整體分布上來(lái)看，存在明顯的正相關(guān)。個(gè)例反演結(jié)果顯示預(yù)報(bào)過(guò)冷水區(qū)域的準(zhǔn)確率均大于65%，預(yù)報(bào)值略大于觀測(cè)值。這一診斷預(yù)報(bào)過(guò)冷水的方法一定程度可以定性的判斷某些條件下過(guò)冷水含量的大小，尋找過(guò)冷水及豐沛區(qū)域，為科學(xué)開展人工影響天氣作業(yè)提供指導(dǎo)。
過(guò)冷水是層狀云人工增雨潛力的重要判定指標(biāo)，利用2017—2022年共32架次的飛機(jī)探測(cè)資料，統(tǒng)計(jì)研究不同大氣環(huán)境下過(guò)冷水的分布特征，并基于這些特征探索山西地區(qū)云中過(guò)冷水含量的診斷預(yù)報(bào)方法。結(jié)果表明：①過(guò)冷水含量大部分值集中在0.06～0.22 g·m-3，平均值為0.18 g·m-3，其概率密度分布為明顯的單峰正偏態(tài)分布，隨著過(guò)冷水含量的增加累積分布函數(shù)的增長(zhǎng)速率不斷減小。②過(guò)冷水區(qū)主要出現(xiàn)在3589～4667 m，距0 ℃層大約1011～2316 m，溫度區(qū)間是-8.52～-3.52 ℃，濕度在86.68%～100%范圍內(nèi)，且過(guò)冷水區(qū)以上升氣流為主，這些區(qū)域內(nèi)過(guò)冷水含量也都相對(duì)較大。③過(guò)冷水含量隨著距0 ℃層高度的減小、溫度的增加、濕度的增大以及云中上升氣流的增強(qiáng)，呈現(xiàn)增長(zhǎng)的趨勢(shì)。④利用多項(xiàng)式擬合的方法獲得了過(guò)冷水含量與溫度、濕度、距0 ℃層高度以及垂直風(fēng)速的關(guān)系，對(duì)比顯示，過(guò)冷水含量較小時(shí)反演結(jié)果偏大，而過(guò)冷水含量較大時(shí)反演結(jié)果偏小，但是從兩者的整體分布上來(lái)看，存在明顯的正相關(guān)。個(gè)例反演結(jié)果顯示預(yù)報(bào)過(guò)冷水區(qū)域的準(zhǔn)確率均大于65%，預(yù)報(bào)值略大于觀測(cè)值。這一診斷預(yù)報(bào)過(guò)冷水的方法一定程度可以定性的判斷某些條件下過(guò)冷水含量的大小，尋找過(guò)冷水及豐沛區(qū)域，為科學(xué)開展人工影響天氣作業(yè)提供指導(dǎo)。
2025, 53(2):259-270.
DOI: 10.19517/j.1671-6345.20240074
摘要:
采用多種統(tǒng)計(jì)方法對(duì)云南及周邊地區(qū)土壤水分變化特征進(jìn)行系統(tǒng)分析，探討土壤水分與環(huán)境變化的相關(guān)性。結(jié)果表明：①研究區(qū)1950—2000年土壤水分干濕交替，21世紀(jì)后土壤變干明顯。②研究區(qū)大部土壤水分變化較小，整體呈弱的變干趨勢(shì)，變濕區(qū)域約為20%，變干區(qū)占21.4%～26.2%，多以（0.4，0.45］區(qū)間轉(zhuǎn)為（0.35，0.4］區(qū)間為主。③土壤水分經(jīng)（緯）向平均高值中心在時(shí)間—緯（經(jīng)）度上隨深度增加時(shí)段延長(zhǎng)，且向北（東）擴(kuò)張；隨緯（經(jīng)）度變高，土壤水分值變大，且季節(jié)差異隨深度和緯（經(jīng)）度增加而減小。④土壤水分對(duì)蒸散發(fā)、降水、土壤溫度和歸一化植被指數(shù)（NDVI）的響應(yīng)存在1～5個(gè)月的滯后性；除與NDVI存在負(fù)相關(guān)關(guān)系外，與其余3種氣候因子存在正相關(guān)關(guān)系；土壤水分受環(huán)境因子協(xié)同影響，其中降水量對(duì)土壤水分影響最強(qiáng)。
采用多種統(tǒng)計(jì)方法對(duì)云南及周邊地區(qū)土壤水分變化特征進(jìn)行系統(tǒng)分析，探討土壤水分與環(huán)境變化的相關(guān)性。結(jié)果表明：①研究區(qū)1950—2000年土壤水分干濕交替，21世紀(jì)后土壤變干明顯。②研究區(qū)大部土壤水分變化較小，整體呈弱的變干趨勢(shì)，變濕區(qū)域約為20%，變干區(qū)占21.4%～26.2%，多以（0.4，0.45］區(qū)間轉(zhuǎn)為（0.35，0.4］區(qū)間為主。③土壤水分經(jīng)（緯）向平均高值中心在時(shí)間—緯（經(jīng)）度上隨深度增加時(shí)段延長(zhǎng)，且向北（東）擴(kuò)張；隨緯（經(jīng)）度變高，土壤水分值變大，且季節(jié)差異隨深度和緯（經(jīng)）度增加而減小。④土壤水分對(duì)蒸散發(fā)、降水、土壤溫度和歸一化植被指數(shù)（NDVI）的響應(yīng)存在1～5個(gè)月的滯后性；除與NDVI存在負(fù)相關(guān)關(guān)系外，與其余3種氣候因子存在正相關(guān)關(guān)系；土壤水分受環(huán)境因子協(xié)同影響，其中降水量對(duì)土壤水分影響最強(qiáng)。
2025, 53(2):271-284.
DOI: 10.19517/j.1671-6345.20240195
摘要:
基于廣西全州地區(qū)1979—2023年褐飛虱資料及溫度、降水要素，利用Sen’s斜率、小波分析、曼-肯德爾(M-K)趨勢(shì)及突變檢驗(yàn)等方法，分析該地區(qū)45 a來(lái)褐飛虱物候期的變化特征及對(duì)氣候變化的響應(yīng)。結(jié)果顯示：①始見期以0.43 d·a-1（p<0.05）呈提前趨勢(shì)，終見期及停留時(shí)間分別以0.42 d·a-1、0.85 d·a-1（p<0.01）呈推遲或延長(zhǎng)趨勢(shì)，各物候期未發(fā)生變異，隨時(shí)間變化穩(wěn)定。②始見期、終見期及停留時(shí)間分別于2009年、2003年及2007年發(fā)生突變，并存在多個(gè)周期變化特征，始見期變化的第一主周期為26 a，而終見期與停留時(shí)間的第一主周期為28 a。③春、夏、秋季平均氣溫增溫極顯著，并分別于2001年、2021年及2012年發(fā)生突變。季節(jié)性降水年際波動(dòng)大，變化趨勢(shì)不明顯。④始見期對(duì)春季溫度響應(yīng)顯著，暖春會(huì)使始見期提前；終見期與秋季溫度要素呈正相關(guān)，暖秋會(huì)使褐飛虱終見期推遲；暖春及暖秋都會(huì)延長(zhǎng)褐飛虱的停留時(shí)間。始見期與3月降水量呈負(fù)相關(guān)；終見期與11月降水量及日數(shù)則呈正相關(guān)。
基于廣西全州地區(qū)1979—2023年褐飛虱資料及溫度、降水要素，利用Sen’s斜率、小波分析、曼-肯德爾(M-K)趨勢(shì)及突變檢驗(yàn)等方法，分析該地區(qū)45 a來(lái)褐飛虱物候期的變化特征及對(duì)氣候變化的響應(yīng)。結(jié)果顯示：①始見期以0.43 d·a-1（p<0.05）呈提前趨勢(shì)，終見期及停留時(shí)間分別以0.42 d·a-1、0.85 d·a-1（p<0.01）呈推遲或延長(zhǎng)趨勢(shì)，各物候期未發(fā)生變異，隨時(shí)間變化穩(wěn)定。②始見期、終見期及停留時(shí)間分別于2009年、2003年及2007年發(fā)生突變，并存在多個(gè)周期變化特征，始見期變化的第一主周期為26 a，而終見期與停留時(shí)間的第一主周期為28 a。③春、夏、秋季平均氣溫增溫極顯著，并分別于2001年、2021年及2012年發(fā)生突變。季節(jié)性降水年際波動(dòng)大，變化趨勢(shì)不明顯。④始見期對(duì)春季溫度響應(yīng)顯著，暖春會(huì)使始見期提前；終見期與秋季溫度要素呈正相關(guān)，暖秋會(huì)使褐飛虱終見期推遲；暖春及暖秋都會(huì)延長(zhǎng)褐飛虱的停留時(shí)間。始見期與3月降水量呈負(fù)相關(guān)；終見期與11月降水量及日數(shù)則呈正相關(guān)。
2025, 53(2):285-292.
DOI: 10.19517/j.1671-6345.20240178
摘要:
為真實(shí)模擬人工影響天氣機(jī)載探測(cè)設(shè)備動(dòng)態(tài)工作環(huán)境，提高機(jī)載探測(cè)設(shè)備檢測(cè)水平，推動(dòng)國(guó)產(chǎn)機(jī)載探測(cè)設(shè)備研發(fā)，本文設(shè)計(jì)一種回流式閉口風(fēng)洞。風(fēng)洞主體包括試驗(yàn)段、擴(kuò)散段、拐角段、動(dòng)力段、換熱段、穩(wěn)定段、收縮段、預(yù)留段等部分。風(fēng)洞最大外形尺寸為31.33 m×10.18 m×5.436 m（長(zhǎng)×寬×高），試驗(yàn)段截面尺寸為1.2 m×1.2 m，穩(wěn)定風(fēng)速范圍為30～150 m/s。經(jīng)流場(chǎng)校測(cè)，風(fēng)洞流場(chǎng)品質(zhì)指標(biāo)：風(fēng)速范圍、動(dòng)壓穩(wěn)定性、落差系數(shù)、湍流度、氣流溫度、軸向靜壓梯度、方向場(chǎng)及動(dòng)壓場(chǎng)等均達(dá)到GJB1179A-2012合格要求，能夠滿足機(jī)載設(shè)備的檢測(cè)需求。風(fēng)洞的氣動(dòng)和結(jié)構(gòu)設(shè)計(jì)合理，可為今后類似風(fēng)洞的設(shè)計(jì)和建造提供參考。
為真實(shí)模擬人工影響天氣機(jī)載探測(cè)設(shè)備動(dòng)態(tài)工作環(huán)境，提高機(jī)載探測(cè)設(shè)備檢測(cè)水平，推動(dòng)國(guó)產(chǎn)機(jī)載探測(cè)設(shè)備研發(fā)，本文設(shè)計(jì)一種回流式閉口風(fēng)洞。風(fēng)洞主體包括試驗(yàn)段、擴(kuò)散段、拐角段、動(dòng)力段、換熱段、穩(wěn)定段、收縮段、預(yù)留段等部分。風(fēng)洞最大外形尺寸為31.33 m×10.18 m×5.436 m（長(zhǎng)×寬×高），試驗(yàn)段截面尺寸為1.2 m×1.2 m，穩(wěn)定風(fēng)速范圍為30～150 m/s。經(jīng)流場(chǎng)校測(cè)，風(fēng)洞流場(chǎng)品質(zhì)指標(biāo)：風(fēng)速范圍、動(dòng)壓穩(wěn)定性、落差系數(shù)、湍流度、氣流溫度、軸向靜壓梯度、方向場(chǎng)及動(dòng)壓場(chǎng)等均達(dá)到GJB1179A-2012合格要求，能夠滿足機(jī)載設(shè)備的檢測(cè)需求。風(fēng)洞的氣動(dòng)和結(jié)構(gòu)設(shè)計(jì)合理，可為今后類似風(fēng)洞的設(shè)計(jì)和建造提供參考。
2025, 53(2):293-300.
DOI: 10.19517/j.1671-6345.20240112
摘要:
國(guó)家突發(fā)事件預(yù)警信息發(fā)布系統(tǒng)（國(guó)突系統(tǒng)）是國(guó)家應(yīng)急指揮調(diào)度平臺(tái)的重要組成部分, 是連接各部門的關(guān)鍵傳輸樞紐，在傳播預(yù)警信息方面發(fā)揮著非常重要的作用。隨著國(guó)突系統(tǒng)中預(yù)警數(shù)據(jù)種類和數(shù)量的急速增加，系統(tǒng)的承載能力和吞吐量面臨嚴(yán)峻考驗(yàn)，制約了預(yù)警信息傳播的及時(shí)性和可用性。同時(shí)，大量的信息積壓在省級(jí)平臺(tái)，不利于預(yù)警信息的深度挖掘和價(jià)值體現(xiàn)，制約了精細(xì)化應(yīng)急決策服務(wù)能力。為了解決國(guó)突系統(tǒng)傳輸效率的問(wèn)題，本文提出了一種預(yù)警信息分布式傳輸方案：采用兩級(jí)部署四級(jí)應(yīng)用模式，緩解多級(jí)部署導(dǎo)致的系統(tǒng)不穩(wěn)定性；綜合利用消息中間件技術(shù)，添加數(shù)據(jù)傳輸?shù)木彺婺芰Γ收闲迯?fù)后，省級(jí)節(jié)點(diǎn)可以自動(dòng)恢復(fù)傳輸，無(wú)需人工補(bǔ)錄；使用分布式集群技術(shù)，有助于提高系統(tǒng)的可擴(kuò)展性，降低大規(guī)模故障的可能；設(shè)計(jì)傳輸消息的數(shù)據(jù)結(jié)構(gòu)，使得傳輸?shù)臄?shù)據(jù)種類可動(dòng)態(tài)擴(kuò)展；強(qiáng)化了信息交互的安全認(rèn)證和數(shù)據(jù)一致性校驗(yàn)。所有功能使用接口對(duì)其他系統(tǒng)提供服務(wù)，以方便與其他業(yè)務(wù)系統(tǒng)的連接。實(shí)驗(yàn)顯示，典型場(chǎng)景下一個(gè)通用警報(bào)協(xié)議文件寫入服務(wù)大約需要6.7 ms，讀取大約需要11.4 ms。在及時(shí)恢復(fù)響應(yīng)方面，實(shí)驗(yàn)也證明了該模型的有效性。傳播模型在貴州省的試點(diǎn)應(yīng)用中取得了顯著成效。結(jié)果表明，該模型的傳輸效能比現(xiàn)行國(guó)突系統(tǒng)提高94.5倍，證明它是一種可全國(guó)實(shí)施的實(shí)用解決方案，有助于提高國(guó)省之間的預(yù)警信息傳輸效率。
國(guó)家突發(fā)事件預(yù)警信息發(fā)布系統(tǒng)（國(guó)突系統(tǒng)）是國(guó)家應(yīng)急指揮調(diào)度平臺(tái)的重要組成部分, 是連接各部門的關(guān)鍵傳輸樞紐，在傳播預(yù)警信息方面發(fā)揮著非常重要的作用。隨著國(guó)突系統(tǒng)中預(yù)警數(shù)據(jù)種類和數(shù)量的急速增加，系統(tǒng)的承載能力和吞吐量面臨嚴(yán)峻考驗(yàn)，制約了預(yù)警信息傳播的及時(shí)性和可用性。同時(shí)，大量的信息積壓在省級(jí)平臺(tái)，不利于預(yù)警信息的深度挖掘和價(jià)值體現(xiàn)，制約了精細(xì)化應(yīng)急決策服務(wù)能力。為了解決國(guó)突系統(tǒng)傳輸效率的問(wèn)題，本文提出了一種預(yù)警信息分布式傳輸方案：采用兩級(jí)部署四級(jí)應(yīng)用模式，緩解多級(jí)部署導(dǎo)致的系統(tǒng)不穩(wěn)定性；綜合利用消息中間件技術(shù)，添加數(shù)據(jù)傳輸?shù)木彺婺芰Γ收闲迯?fù)后，省級(jí)節(jié)點(diǎn)可以自動(dòng)恢復(fù)傳輸，無(wú)需人工補(bǔ)錄；使用分布式集群技術(shù)，有助于提高系統(tǒng)的可擴(kuò)展性，降低大規(guī)模故障的可能；設(shè)計(jì)傳輸消息的數(shù)據(jù)結(jié)構(gòu)，使得傳輸?shù)臄?shù)據(jù)種類可動(dòng)態(tài)擴(kuò)展；強(qiáng)化了信息交互的安全認(rèn)證和數(shù)據(jù)一致性校驗(yàn)。所有功能使用接口對(duì)其他系統(tǒng)提供服務(wù)，以方便與其他業(yè)務(wù)系統(tǒng)的連接。實(shí)驗(yàn)顯示，典型場(chǎng)景下一個(gè)通用警報(bào)協(xié)議文件寫入服務(wù)大約需要6.7 ms，讀取大約需要11.4 ms。在及時(shí)恢復(fù)響應(yīng)方面，實(shí)驗(yàn)也證明了該模型的有效性。傳播模型在貴州省的試點(diǎn)應(yīng)用中取得了顯著成效。結(jié)果表明，該模型的傳輸效能比現(xiàn)行國(guó)突系統(tǒng)提高94.5倍，證明它是一種可全國(guó)實(shí)施的實(shí)用解決方案，有助于提高國(guó)省之間的預(yù)警信息傳輸效率。
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(guó)氣象局中國(guó)氣象局氣象探測(cè)中心中國(guó)氣象科學(xué)研究院北京市氣象局國(guó)家衛(wèi)星氣象中心及國(guó)家氣象信息中心
您是第位訪問(wèn)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