2025年第53卷第3期文章目次
2025, 53(3):301-313.
DOI: 10.19517/j.1671-6345.20240237
摘要:
雷達(dá)故障等因素常常導(dǎo)致異常回波出現(xiàn)，直接影響數(shù)據(jù)質(zhì)量。目前，氣象部門已開展了基于雷達(dá)徑向數(shù)據(jù)的流傳輸、數(shù)據(jù)共享和業(yè)務(wù)監(jiān)控，然而，在數(shù)據(jù)質(zhì)量控制方面還主要基于體掃數(shù)據(jù)，對異常回波識別和數(shù)據(jù)處理不夠精細(xì)高效。本文通過對新一代天氣雷達(dá)異常回波的徑向回波個數(shù)、徑向回波最大距離、徑向回波平均強(qiáng)度、徑向反射率因子相關(guān)性等徑向數(shù)據(jù)特征進(jìn)行分析，給出了一種基于模糊邏輯識別雷達(dá)異常徑向數(shù)據(jù)的方法，并利用石家莊雷達(dá)站異常回波數(shù)據(jù)進(jìn)行了識別效果檢驗(yàn)，能夠?qū)τ布收蠈?dǎo)致的錯誤數(shù)據(jù)和超折射等非氣象回波進(jìn)行較好的識別，可為雷達(dá)數(shù)據(jù)質(zhì)量控制算法的改進(jìn)提供參考。
雷達(dá)故障等因素常常導(dǎo)致異常回波出現(xiàn)，直接影響數(shù)據(jù)質(zhì)量。目前，氣象部門已開展了基于雷達(dá)徑向數(shù)據(jù)的流傳輸、數(shù)據(jù)共享和業(yè)務(wù)監(jiān)控，然而，在數(shù)據(jù)質(zhì)量控制方面還主要基于體掃數(shù)據(jù)，對異常回波識別和數(shù)據(jù)處理不夠精細(xì)高效。本文通過對新一代天氣雷達(dá)異常回波的徑向回波個數(shù)、徑向回波最大距離、徑向回波平均強(qiáng)度、徑向反射率因子相關(guān)性等徑向數(shù)據(jù)特征進(jìn)行分析，給出了一種基于模糊邏輯識別雷達(dá)異常徑向數(shù)據(jù)的方法，并利用石家莊雷達(dá)站異常回波數(shù)據(jù)進(jìn)行了識別效果檢驗(yàn)，能夠?qū)τ布收蠈?dǎo)致的錯誤數(shù)據(jù)和超折射等非氣象回波進(jìn)行較好的識別，可為雷達(dá)數(shù)據(jù)質(zhì)量控制算法的改進(jìn)提供參考。
2025, 53(3):314-326.
DOI: 10.19517/j.1671-6345.20240253
摘要:
近年來，云南省新建了多部X波段雙偏振天氣雷達(dá)，以補(bǔ)充新一代天氣雷達(dá)觀測網(wǎng)的探測盲區(qū)，提高全省雷達(dá)觀測覆蓋率。為了有效提高多體制雷達(dá)組網(wǎng)觀測的準(zhǔn)確性，選取2023年7月28日發(fā)生在昆明市和德宏州及其周邊的強(qiáng)降水天氣過程，以昆明、呈貢、德宏、盈江4部雷達(dá)同步觀測體掃資料為例，通過對比不同時間和不同仰角組合的雷達(dá)回波強(qiáng)度，分析云南相鄰C波段天氣雷達(dá)與X波段天氣雷達(dá)的回波強(qiáng)度一致性。結(jié)果表明：在同一觀測區(qū)域、同一時刻，X波段天氣雷達(dá)與C波段天氣雷達(dá)均能正確反應(yīng)降水的強(qiáng)弱變化，但回波強(qiáng)度測量值存在一定偏差，前者回波強(qiáng)度整體較后者偏大，因此往后需要進(jìn)行統(tǒng)一系統(tǒng)標(biāo)定和雷達(dá)回波強(qiáng)度衰減訂正，提高雷達(dá)組網(wǎng)觀測的準(zhǔn)確性和一致性。
近年來，云南省新建了多部X波段雙偏振天氣雷達(dá)，以補(bǔ)充新一代天氣雷達(dá)觀測網(wǎng)的探測盲區(qū)，提高全省雷達(dá)觀測覆蓋率。為了有效提高多體制雷達(dá)組網(wǎng)觀測的準(zhǔn)確性，選取2023年7月28日發(fā)生在昆明市和德宏州及其周邊的強(qiáng)降水天氣過程，以昆明、呈貢、德宏、盈江4部雷達(dá)同步觀測體掃資料為例，通過對比不同時間和不同仰角組合的雷達(dá)回波強(qiáng)度，分析云南相鄰C波段天氣雷達(dá)與X波段天氣雷達(dá)的回波強(qiáng)度一致性。結(jié)果表明：在同一觀測區(qū)域、同一時刻，X波段天氣雷達(dá)與C波段天氣雷達(dá)均能正確反應(yīng)降水的強(qiáng)弱變化，但回波強(qiáng)度測量值存在一定偏差，前者回波強(qiáng)度整體較后者偏大，因此往后需要進(jìn)行統(tǒng)一系統(tǒng)標(biāo)定和雷達(dá)回波強(qiáng)度衰減訂正，提高雷達(dá)組網(wǎng)觀測的準(zhǔn)確性和一致性。
2025, 53(3):327-334.
DOI: 10.19517/j.1671-6345.20240110
摘要:
高空氣象觀測過程存在探空儀隨氣球漂移現(xiàn)象，漂移數(shù)據(jù)特征對評估地基微波輻射計反演產(chǎn)品精度具有重要意義。通過研究2017年10月31日至2023年12月31日西安涇河國家基本站0～10 km高度區(qū)間探空數(shù)據(jù)的漂移特點(diǎn)，在劃分測站區(qū)域和漂移區(qū)域的基礎(chǔ)上，對比分析不同天氣下漂移對地基微波輻射計溫度評估的影響。結(jié)果顯示：漂移區(qū)域的均方根誤差均大于測站區(qū)域、相關(guān)系數(shù)小于測站區(qū)域，且有明顯的區(qū)間特征。在對流中低層晴空天氣的均方根誤差減小、相關(guān)系數(shù)增大，區(qū)域差值在4.25 km最大，有云天氣的均方根誤差和相關(guān)系數(shù)均增大，相關(guān)系數(shù)的區(qū)域差值在5.25 km最大；高度升高后晴空天氣的均方根誤差和相關(guān)系數(shù)與測站趨于接近，而有云天氣只有相關(guān)系數(shù)趨于接近，并在8 km上下重合。受探空漂移和天氣條件的雙重影響，同區(qū)域不同天氣的評估指標(biāo)也存在差異，在測站區(qū)域，晴空天氣大部分高度層的均方根誤差較有云天氣更大，且相關(guān)系數(shù)較小；而在漂移區(qū)域，晴空有云天氣的均方根誤差接近，但晴空的相關(guān)系數(shù)依然較小。探空遠(yuǎn)距離漂移環(huán)境下，風(fēng)的作用導(dǎo)致動能和熱能變化，特別是在對流層7 km高度區(qū)間，不同天氣條件下的風(fēng)速差異顯著，這些因素是造成地基微波輻射計溫度評估指標(biāo)出現(xiàn)較大偏差的主要原因，本研究可為探空資料評估新型大氣探測設(shè)備數(shù)據(jù)精度和產(chǎn)品應(yīng)用提供參考。
高空氣象觀測過程存在探空儀隨氣球漂移現(xiàn)象，漂移數(shù)據(jù)特征對評估地基微波輻射計反演產(chǎn)品精度具有重要意義。通過研究2017年10月31日至2023年12月31日西安涇河國家基本站0～10 km高度區(qū)間探空數(shù)據(jù)的漂移特點(diǎn)，在劃分測站區(qū)域和漂移區(qū)域的基礎(chǔ)上，對比分析不同天氣下漂移對地基微波輻射計溫度評估的影響。結(jié)果顯示：漂移區(qū)域的均方根誤差均大于測站區(qū)域、相關(guān)系數(shù)小于測站區(qū)域，且有明顯的區(qū)間特征。在對流中低層晴空天氣的均方根誤差減小、相關(guān)系數(shù)增大，區(qū)域差值在4.25 km最大，有云天氣的均方根誤差和相關(guān)系數(shù)均增大，相關(guān)系數(shù)的區(qū)域差值在5.25 km最大；高度升高后晴空天氣的均方根誤差和相關(guān)系數(shù)與測站趨于接近，而有云天氣只有相關(guān)系數(shù)趨于接近，并在8 km上下重合。受探空漂移和天氣條件的雙重影響，同區(qū)域不同天氣的評估指標(biāo)也存在差異，在測站區(qū)域，晴空天氣大部分高度層的均方根誤差較有云天氣更大，且相關(guān)系數(shù)較小；而在漂移區(qū)域，晴空有云天氣的均方根誤差接近，但晴空的相關(guān)系數(shù)依然較小。探空遠(yuǎn)距離漂移環(huán)境下，風(fēng)的作用導(dǎo)致動能和熱能變化，特別是在對流層7 km高度區(qū)間，不同天氣條件下的風(fēng)速差異顯著，這些因素是造成地基微波輻射計溫度評估指標(biāo)出現(xiàn)較大偏差的主要原因，本研究可為探空資料評估新型大氣探測設(shè)備數(shù)據(jù)精度和產(chǎn)品應(yīng)用提供參考。
2025, 53(3):335-346.
DOI: 10.19517/j.1671-6345.20240181
摘要:
利用2018—2023年貴州高原北側(cè)冬季降雪滴譜數(shù)據(jù)，采用統(tǒng)計方法對比分析雨滴譜和雪滴譜的粒子數(shù)目、粒子直徑和下落速度的分布特征，研究降雪量、積雪深度與粒子相態(tài)、粒子數(shù)目、粒子尺度的變化趨勢一致性，檢驗(yàn)粒子體積反演降雪量、積雪深度算法的適用性。結(jié)果表明：①雪滴譜直徑譜寬分布在5～15 mm之間，平均直徑譜寬＞8 mm，屬于寬譜降水類型；雨滴譜直徑譜寬分布在1～5 mm之間，平均直徑譜寬小于3 mm，屬于窄譜降水類型。②大多數(shù)雪粒子分布在速度譜寬＜5 m·s-1以下的區(qū)域內(nèi)，這是由雪粒子形狀偏平、密度較小、尺度較大而導(dǎo)致。③降雪量反演結(jié)果與實(shí)測結(jié)果的一致性和相關(guān)性均優(yōu)于積雪深度反演，這與環(huán)境溫度作用下的降水相態(tài)轉(zhuǎn)化、積雪融化速率有關(guān)。④把粒子數(shù)占比、粒子速度譜寬作為冬季降雪天氣類型識別具有很好的指示作用，降雪粒子下落至地面的起止時間和粒子數(shù)目可以直觀反映整個降雪天氣過程的演變特征。
利用2018—2023年貴州高原北側(cè)冬季降雪滴譜數(shù)據(jù)，采用統(tǒng)計方法對比分析雨滴譜和雪滴譜的粒子數(shù)目、粒子直徑和下落速度的分布特征，研究降雪量、積雪深度與粒子相態(tài)、粒子數(shù)目、粒子尺度的變化趨勢一致性，檢驗(yàn)粒子體積反演降雪量、積雪深度算法的適用性。結(jié)果表明：①雪滴譜直徑譜寬分布在5～15 mm之間，平均直徑譜寬＞8 mm，屬于寬譜降水類型；雨滴譜直徑譜寬分布在1～5 mm之間，平均直徑譜寬小于3 mm，屬于窄譜降水類型。②大多數(shù)雪粒子分布在速度譜寬＜5 m·s-1以下的區(qū)域內(nèi)，這是由雪粒子形狀偏平、密度較小、尺度較大而導(dǎo)致。③降雪量反演結(jié)果與實(shí)測結(jié)果的一致性和相關(guān)性均優(yōu)于積雪深度反演，這與環(huán)境溫度作用下的降水相態(tài)轉(zhuǎn)化、積雪融化速率有關(guān)。④把粒子數(shù)占比、粒子速度譜寬作為冬季降雪天氣類型識別具有很好的指示作用，降雪粒子下落至地面的起止時間和粒子數(shù)目可以直觀反映整個降雪天氣過程的演變特征。
2025, 53(3):347-361.
DOI: 10.19517/j.1671-6345.20240115
摘要:
本文選取GRAPES_MESO(Global/Regional Assimilation PrEdiction System-Mesoscale version)模式和WRF(Weather Research and Forecasting Model)模式在國產(chǎn)鯤鵬(KUNPENG)平臺上開展數(shù)值模式計算特征分析，并與英特爾(X86)平臺進(jìn)行對比，探討數(shù)值模式在鯤鵬平臺上資源使用、計算瓶頸、熱點(diǎn)函數(shù)等方面的改進(jìn)空間。結(jié)果表明：經(jīng)過適配后，兩個模式在國產(chǎn)KUNPENG平臺上能得到與英特爾X86平臺一致的計算結(jié)果，呈現(xiàn)出較好的并行擴(kuò)展性；兩個模式對CPU的使用率均較高，計算瓶頸主要集中在后端CPU瓶頸，對節(jié)點(diǎn)的整體內(nèi)存使用率適當(dāng)，后續(xù)優(yōu)化主要集中在代碼效率、算法、訪存等方面。在KUNPENG平臺上，可以考慮通過優(yōu)化集合通信的Collective Sync、Allreduce和Wait算法，來改善GRAPES_MESO模式的MPI的通信效率；可通過優(yōu)化GCR算法、以uct、ucg為代表的集合通信熱點(diǎn)、以expf、powf等為代表的數(shù)學(xué)函數(shù)、malloc內(nèi)存操作等熱點(diǎn)函數(shù)對GRAPES_MESO模式進(jìn)行優(yōu)化。
本文選取GRAPES_MESO(Global/Regional Assimilation PrEdiction System-Mesoscale version)模式和WRF(Weather Research and Forecasting Model)模式在國產(chǎn)鯤鵬(KUNPENG)平臺上開展數(shù)值模式計算特征分析，并與英特爾(X86)平臺進(jìn)行對比，探討數(shù)值模式在鯤鵬平臺上資源使用、計算瓶頸、熱點(diǎn)函數(shù)等方面的改進(jìn)空間。結(jié)果表明：經(jīng)過適配后，兩個模式在國產(chǎn)KUNPENG平臺上能得到與英特爾X86平臺一致的計算結(jié)果，呈現(xiàn)出較好的并行擴(kuò)展性；兩個模式對CPU的使用率均較高，計算瓶頸主要集中在后端CPU瓶頸，對節(jié)點(diǎn)的整體內(nèi)存使用率適當(dāng)，后續(xù)優(yōu)化主要集中在代碼效率、算法、訪存等方面。在KUNPENG平臺上，可以考慮通過優(yōu)化集合通信的Collective Sync、Allreduce和Wait算法，來改善GRAPES_MESO模式的MPI的通信效率；可通過優(yōu)化GCR算法、以uct、ucg為代表的集合通信熱點(diǎn)、以expf、powf等為代表的數(shù)學(xué)函數(shù)、malloc內(nèi)存操作等熱點(diǎn)函數(shù)對GRAPES_MESO模式進(jìn)行優(yōu)化。
2025, 53(3):362-377.
DOI: 10.19517/j.1671-6345.20240153
摘要:
利用中國氣象局整編的西北太平洋1953—2023年熱帶氣旋最佳路徑數(shù)據(jù)集、廈門站逐日和1980—2023年逐小時及廈門市區(qū)域自動站逐小時觀測資料，揭示了登陸和影響廈門的臺風(fēng)頻數(shù)、生成源地、強(qiáng)度變化特點(diǎn)和風(fēng)雨致災(zāi)危險規(guī)律。結(jié)果表明：①71 a共259個臺風(fēng)登陸和影響廈門，影響時間近8成集中在7—9月；赤道中東太平洋冷海溫、副高偏弱偏北有利于臺風(fēng)頻數(shù)偏多；最大強(qiáng)度以超強(qiáng)臺風(fēng)級居多，不同等級臺風(fēng)頻數(shù)年際波動和年代際振蕩特征顯著， 1990年以來影響臺風(fēng)平均生成位置明顯向西向北偏移。②直接登陸廈門及漳州、且廈門在臺風(fēng)前進(jìn)方向右側(cè)時，容易出現(xiàn)嚴(yán)重風(fēng)雨災(zāi)害，單個臺風(fēng)過程降水極值509.5 mm、極大風(fēng)速極值為60.0 m·s-1，1614號超強(qiáng)臺風(fēng)“莫蘭蒂”綜合致災(zāi)位列第一；2023年“杜蘇芮”和“海葵”臺風(fēng)風(fēng)雨危險呈現(xiàn)典型空間差異。
利用中國氣象局整編的西北太平洋1953—2023年熱帶氣旋最佳路徑數(shù)據(jù)集、廈門站逐日和1980—2023年逐小時及廈門市區(qū)域自動站逐小時觀測資料，揭示了登陸和影響廈門的臺風(fēng)頻數(shù)、生成源地、強(qiáng)度變化特點(diǎn)和風(fēng)雨致災(zāi)危險規(guī)律。結(jié)果表明：①71 a共259個臺風(fēng)登陸和影響廈門，影響時間近8成集中在7—9月；赤道中東太平洋冷海溫、副高偏弱偏北有利于臺風(fēng)頻數(shù)偏多；最大強(qiáng)度以超強(qiáng)臺風(fēng)級居多，不同等級臺風(fēng)頻數(shù)年際波動和年代際振蕩特征顯著， 1990年以來影響臺風(fēng)平均生成位置明顯向西向北偏移。②直接登陸廈門及漳州、且廈門在臺風(fēng)前進(jìn)方向右側(cè)時，容易出現(xiàn)嚴(yán)重風(fēng)雨災(zāi)害，單個臺風(fēng)過程降水極值509.5 mm、極大風(fēng)速極值為60.0 m·s-1，1614號超強(qiáng)臺風(fēng)“莫蘭蒂”綜合致災(zāi)位列第一；2023年“杜蘇芮”和“海葵”臺風(fēng)風(fēng)雨危險呈現(xiàn)典型空間差異。
2025, 53(3):378-390.
DOI: 10.19517/j.1671-6345.20240207
摘要:
利用歐洲中心ERA5再分析資料、GPM(Global Precipitation Measurement)地面降水資料以及FY-2G云頂相當(dāng)黑體溫度資料，采用天氣學(xué)診斷方法和渦度收支方程，對2023年7月26—28日引發(fā)四川盆地大暴雨過程的西南渦特征及其演變進(jìn)行分析，結(jié)果表明:①本次西南渦屬于源地生消型，除了受到高原渦的誘發(fā)并與之耦合外，臺風(fēng)通過遠(yuǎn)距離輸送水汽和改變風(fēng)壓場結(jié)構(gòu)等促進(jìn)了西南渦發(fā)展加強(qiáng)；②中尺度系統(tǒng)活動經(jīng)歷了中尺度輻合擾動—西南渦生成發(fā)展—強(qiáng)度減弱—西南渦再次發(fā)展增強(qiáng)—減弱填塞5個階段，且再次增強(qiáng)時刻對降水的范圍和強(qiáng)度均超過初次；③再次發(fā)展階段西南渦系統(tǒng)更加深厚，正渦度柱高度增加至400 hPa，沿高度向西北方向傾斜，范圍擴(kuò)大，“低層輻合〖CD*2〗高層輻散”特征顯著增強(qiáng)；④初次發(fā)展時期水汽主要由來自孟加拉灣的濕潤氣流貢獻(xiàn)；再次發(fā)展時期由南海偏西路徑經(jīng)臺風(fēng)向西輸送至四川盆地，西南渦區(qū)域維持高濕狀態(tài)，暖濕結(jié)構(gòu)非對稱性加強(qiáng)，大氣斜壓性較強(qiáng)；且水汽的輻合輻散程度與西南渦位置和降水強(qiáng)度相對應(yīng)；⑤兩次發(fā)展階段的低層正渦度收支主要由水平散度項(xiàng)，垂直輸送項(xiàng)和渦度扭轉(zhuǎn)項(xiàng)貢獻(xiàn)。
利用歐洲中心ERA5再分析資料、GPM(Global Precipitation Measurement)地面降水資料以及FY-2G云頂相當(dāng)黑體溫度資料，采用天氣學(xué)診斷方法和渦度收支方程，對2023年7月26—28日引發(fā)四川盆地大暴雨過程的西南渦特征及其演變進(jìn)行分析，結(jié)果表明:①本次西南渦屬于源地生消型，除了受到高原渦的誘發(fā)并與之耦合外，臺風(fēng)通過遠(yuǎn)距離輸送水汽和改變風(fēng)壓場結(jié)構(gòu)等促進(jìn)了西南渦發(fā)展加強(qiáng)；②中尺度系統(tǒng)活動經(jīng)歷了中尺度輻合擾動—西南渦生成發(fā)展—強(qiáng)度減弱—西南渦再次發(fā)展增強(qiáng)—減弱填塞5個階段，且再次增強(qiáng)時刻對降水的范圍和強(qiáng)度均超過初次；③再次發(fā)展階段西南渦系統(tǒng)更加深厚，正渦度柱高度增加至400 hPa，沿高度向西北方向傾斜，范圍擴(kuò)大，“低層輻合〖CD*2〗高層輻散”特征顯著增強(qiáng)；④初次發(fā)展時期水汽主要由來自孟加拉灣的濕潤氣流貢獻(xiàn)；再次發(fā)展時期由南海偏西路徑經(jīng)臺風(fēng)向西輸送至四川盆地，西南渦區(qū)域維持高濕狀態(tài)，暖濕結(jié)構(gòu)非對稱性加強(qiáng)，大氣斜壓性較強(qiáng)；且水汽的輻合輻散程度與西南渦位置和降水強(qiáng)度相對應(yīng)；⑤兩次發(fā)展階段的低層正渦度收支主要由水平散度項(xiàng)，垂直輸送項(xiàng)和渦度扭轉(zhuǎn)項(xiàng)貢獻(xiàn)。
2025, 53(3):391-404.
DOI: 10.19517/j.1671-6345.20240122
摘要:
利用多源觀測資料和ERA5再分析資料，通過分析2020年6月19—22日引發(fā)綦江流域破紀(jì)錄洪水的暴雨過程，研究了此次西南渦暴雨的夜間增強(qiáng)機(jī)制，結(jié)果表明：①降水在夜間至清晨加強(qiáng)，具有顯著的日變化特征。過程分為3個階段，第3階段云頂亮溫更低、云團(tuán)移動傳播更慢，致使降水和對流更強(qiáng)、持續(xù)時間更長。②暴雨發(fā)生在西太平洋副熱帶高壓北側(cè)的淺槽背景下，由深厚西南渦、穩(wěn)定維持的低空急流和地面輻合線導(dǎo)致。對流初生時，輻合線附近為高溫高濕的強(qiáng)不穩(wěn)定環(huán)境，地面偏北風(fēng)經(jīng)地形抬升后匯入盆地-高原次級環(huán)流的上升支，觸發(fā)對流。③四川盆地和云貴高原北部的低空非地轉(zhuǎn)風(fēng)每日順時針偏轉(zhuǎn)，均在夜間轉(zhuǎn)為偏南風(fēng)并加強(qiáng)，在高原上強(qiáng)于盆地。夜間低空風(fēng)場在盆地為次地轉(zhuǎn)、高原為超地轉(zhuǎn)，形成暖式切變和風(fēng)速輻合。非地轉(zhuǎn)風(fēng)水汽通量晝負(fù)夜正，而地轉(zhuǎn)風(fēng)水汽通量總體為正值，使實(shí)際風(fēng)水汽通量在夜間顯著增大。以上日變化有利于水汽積聚和輻合抬升，造成夜雨增幅。④動量平衡方程的平流項(xiàng)和非地轉(zhuǎn)項(xiàng)在夜間轉(zhuǎn)為正值或正值增大，且在高原上強(qiáng)于盆地，使前者水平風(fēng)在夜間增幅更大，形成風(fēng)速梯度和輻合。非地轉(zhuǎn)效應(yīng)對此次夜雨增強(qiáng)有重要作用。
利用多源觀測資料和ERA5再分析資料，通過分析2020年6月19—22日引發(fā)綦江流域破紀(jì)錄洪水的暴雨過程，研究了此次西南渦暴雨的夜間增強(qiáng)機(jī)制，結(jié)果表明：①降水在夜間至清晨加強(qiáng)，具有顯著的日變化特征。過程分為3個階段，第3階段云頂亮溫更低、云團(tuán)移動傳播更慢，致使降水和對流更強(qiáng)、持續(xù)時間更長。②暴雨發(fā)生在西太平洋副熱帶高壓北側(cè)的淺槽背景下，由深厚西南渦、穩(wěn)定維持的低空急流和地面輻合線導(dǎo)致。對流初生時，輻合線附近為高溫高濕的強(qiáng)不穩(wěn)定環(huán)境，地面偏北風(fēng)經(jīng)地形抬升后匯入盆地-高原次級環(huán)流的上升支，觸發(fā)對流。③四川盆地和云貴高原北部的低空非地轉(zhuǎn)風(fēng)每日順時針偏轉(zhuǎn)，均在夜間轉(zhuǎn)為偏南風(fēng)并加強(qiáng)，在高原上強(qiáng)于盆地。夜間低空風(fēng)場在盆地為次地轉(zhuǎn)、高原為超地轉(zhuǎn)，形成暖式切變和風(fēng)速輻合。非地轉(zhuǎn)風(fēng)水汽通量晝負(fù)夜正，而地轉(zhuǎn)風(fēng)水汽通量總體為正值，使實(shí)際風(fēng)水汽通量在夜間顯著增大。以上日變化有利于水汽積聚和輻合抬升，造成夜雨增幅。④動量平衡方程的平流項(xiàng)和非地轉(zhuǎn)項(xiàng)在夜間轉(zhuǎn)為正值或正值增大，且在高原上強(qiáng)于盆地，使前者水平風(fēng)在夜間增幅更大，形成風(fēng)速梯度和輻合。非地轉(zhuǎn)效應(yīng)對此次夜雨增強(qiáng)有重要作用。
2025, 53(3):405-416.
DOI: 10.19517/j.1671-6345.20240150
摘要:
利用多源觀測資料、再分析資料，對2024年2月22—24日蘇南地區(qū)的罕見冰粒天氣進(jìn)行了分析，并對冰粒、凍雨、雪三種相態(tài)進(jìn)行了比較。結(jié)果表明：700 hPa西南暖濕急流強(qiáng)盛且穩(wěn)定維持，為冰粒天氣的形成提供了有利的動力、水汽和溫度層結(jié)條件，中層暖濕氣流的發(fā)展具有顯著的極端性，蘇南地區(qū)700 hPa高度場較常年氣候平均值偏高10～30 gpm（標(biāo)準(zhǔn)差倍數(shù)達(dá)0.5～1個標(biāo)準(zhǔn)差σ），西南風(fēng)偏強(qiáng)10 m·s-1，溫度偏高4～5 ℃（標(biāo)準(zhǔn)差倍數(shù)≥1.5 σ），中層異常偏暖是蘇南地區(qū)出現(xiàn)罕見的長時間冰粒天氣的重要條件之一。逆溫層穩(wěn)定存在，位于939.8～729.9 hPa之間，平均厚度為1540 m，平均強(qiáng)度為10.2 ℃。穩(wěn)定維持的中層暖層和低層冷層為冰粒天氣的出現(xiàn)提供了有利的溫度層結(jié)條件：暖層的平均厚度為709 m，高度位于779.3～683 hPa之間，暖層溫度≤2.9 ℃；冷層基本位于779.3 hPa以下，最低溫度為-8.7～-7.6 ℃，有利于被暖層部分融化的冰相粒子在下降過程中再次被凍結(jié)，最后以冰粒相態(tài)降落至地面。冰粒、凍雨、雪三種相態(tài)的雷達(dá)特征存在差異，對降水相態(tài)的識別和相態(tài)臨近預(yù)報有一定指示意義：雪的反射率因子在30 dBz以下，而冰粒和凍雨的反射率因子較強(qiáng)，一般在45 dBz以下；差分反射率因子（ZDR）大小為冰粒>凍雨>雪，其中冰粒的ZDR最大達(dá)4 dB；從相關(guān)系數(shù)看，冰粒最小，而凍雨和雪接近于1。
利用多源觀測資料、再分析資料，對2024年2月22—24日蘇南地區(qū)的罕見冰粒天氣進(jìn)行了分析，并對冰粒、凍雨、雪三種相態(tài)進(jìn)行了比較。結(jié)果表明：700 hPa西南暖濕急流強(qiáng)盛且穩(wěn)定維持，為冰粒天氣的形成提供了有利的動力、水汽和溫度層結(jié)條件，中層暖濕氣流的發(fā)展具有顯著的極端性，蘇南地區(qū)700 hPa高度場較常年氣候平均值偏高10～30 gpm（標(biāo)準(zhǔn)差倍數(shù)達(dá)0.5～1個標(biāo)準(zhǔn)差σ），西南風(fēng)偏強(qiáng)10 m·s-1，溫度偏高4～5 ℃（標(biāo)準(zhǔn)差倍數(shù)≥1.5 σ），中層異常偏暖是蘇南地區(qū)出現(xiàn)罕見的長時間冰粒天氣的重要條件之一。逆溫層穩(wěn)定存在，位于939.8～729.9 hPa之間，平均厚度為1540 m，平均強(qiáng)度為10.2 ℃。穩(wěn)定維持的中層暖層和低層冷層為冰粒天氣的出現(xiàn)提供了有利的溫度層結(jié)條件：暖層的平均厚度為709 m，高度位于779.3～683 hPa之間，暖層溫度≤2.9 ℃；冷層基本位于779.3 hPa以下，最低溫度為-8.7～-7.6 ℃，有利于被暖層部分融化的冰相粒子在下降過程中再次被凍結(jié)，最后以冰粒相態(tài)降落至地面。冰粒、凍雨、雪三種相態(tài)的雷達(dá)特征存在差異，對降水相態(tài)的識別和相態(tài)臨近預(yù)報有一定指示意義：雪的反射率因子在30 dBz以下，而冰粒和凍雨的反射率因子較強(qiáng)，一般在45 dBz以下；差分反射率因子（ZDR）大小為冰粒>凍雨>雪，其中冰粒的ZDR最大達(dá)4 dB；從相關(guān)系數(shù)看，冰粒最小，而凍雨和雪接近于1。
2025, 53(3):417-426.
DOI: 10.19517/j.1671-6345.20240218
摘要:
為獲取復(fù)雜山區(qū)地形下可靠的精細(xì)化預(yù)報氣溫產(chǎn)品，以地形復(fù)雜的重慶地區(qū)為試驗(yàn)區(qū)，利用高空間分辨率的高程數(shù)據(jù)，基于神經(jīng)網(wǎng)絡(luò)的氣溫降尺度方法，將GFS(Global Forecast System)預(yù)報氣溫從0.25 °×0.25 °降尺度到200 m×200 m。使用2020年重慶市35個氣象站點(diǎn)、逐3 h的氣溫數(shù)據(jù)進(jìn)行模型訓(xùn)練及驗(yàn)證，并將其應(yīng)用于2022年GFS 3 h的預(yù)報氣溫，生成200 m×200 m氣溫柵格數(shù)據(jù)。經(jīng)驗(yàn)證，降尺度后的模型氣溫總體誤差更小，均方根誤差為1.65 ℃，相關(guān)系數(shù)為0.98，平均偏差為0.02 ℃；誤差時空特征分析表明，降尺度后的氣溫在不同月、日、時、預(yù)報時效和臺站位置下都更加穩(wěn)定可靠；對比降尺度前后的氣溫空間分布，降尺度后的氣溫空間分辨率明顯提高，能展示更多的空間細(xì)節(jié)，特別是在海拔差異明顯的山區(qū)。
為獲取復(fù)雜山區(qū)地形下可靠的精細(xì)化預(yù)報氣溫產(chǎn)品，以地形復(fù)雜的重慶地區(qū)為試驗(yàn)區(qū)，利用高空間分辨率的高程數(shù)據(jù)，基于神經(jīng)網(wǎng)絡(luò)的氣溫降尺度方法，將GFS(Global Forecast System)預(yù)報氣溫從0.25 °×0.25 °降尺度到200 m×200 m。使用2020年重慶市35個氣象站點(diǎn)、逐3 h的氣溫數(shù)據(jù)進(jìn)行模型訓(xùn)練及驗(yàn)證，并將其應(yīng)用于2022年GFS 3 h的預(yù)報氣溫，生成200 m×200 m氣溫柵格數(shù)據(jù)。經(jīng)驗(yàn)證，降尺度后的模型氣溫總體誤差更小，均方根誤差為1.65 ℃，相關(guān)系數(shù)為0.98，平均偏差為0.02 ℃；誤差時空特征分析表明，降尺度后的氣溫在不同月、日、時、預(yù)報時效和臺站位置下都更加穩(wěn)定可靠；對比降尺度前后的氣溫空間分布，降尺度后的氣溫空間分辨率明顯提高，能展示更多的空間細(xì)節(jié)，特別是在海拔差異明顯的山區(qū)。
2025, 53(3):427-437.
DOI: 10.19517/j.1671-6345.20240117
摘要:
利用1961—2023年河北省72個國家地面氣象觀測站夏季逐日平均、最高和最低氣溫資料，對比分析了河北省不同時段及不同城市化水平地區(qū)平均、最高和最低氣溫及氣溫日較差的分布特征。結(jié)果表明：相較于前30年（1961—1990年），后30年（1994—2023年）河北省夏季平均、最高和最低氣溫的概率密度分布均向高溫方向偏移，其中最低氣溫的偏移尤其明顯；1961—2023年，利用站點(diǎn)對比得出的氣溫城市化貢獻(xiàn)率多超過30%，且后30年河北省夏季氣溫變化趨勢增幅及范圍均有所加大，較強(qiáng)溫升區(qū)域多集中在廊坊、唐山及河北中南部等城市化水平相對較高的地區(qū)，日較差減少趨勢在河北中南部有所減緩。不同程度的城市化發(fā)展對站點(diǎn)氣溫分布特征的影響有所差異，城市化水平較高和中等城市化水平地區(qū)選定城市站點(diǎn)增溫幅度較郊區(qū)站明顯偏大，且城市站氣溫，尤其是最低氣溫的概率分布向高溫的偏移較郊區(qū)站點(diǎn)更為明顯，使得日較差減小；城市化水平較低地區(qū)城市站與郊區(qū)站，最高氣溫的增幅及概率密度分布向高溫方向的偏移有所加大，使得日較差增大。
利用1961—2023年河北省72個國家地面氣象觀測站夏季逐日平均、最高和最低氣溫資料，對比分析了河北省不同時段及不同城市化水平地區(qū)平均、最高和最低氣溫及氣溫日較差的分布特征。結(jié)果表明：相較于前30年（1961—1990年），后30年（1994—2023年）河北省夏季平均、最高和最低氣溫的概率密度分布均向高溫方向偏移，其中最低氣溫的偏移尤其明顯；1961—2023年，利用站點(diǎn)對比得出的氣溫城市化貢獻(xiàn)率多超過30%，且后30年河北省夏季氣溫變化趨勢增幅及范圍均有所加大，較強(qiáng)溫升區(qū)域多集中在廊坊、唐山及河北中南部等城市化水平相對較高的地區(qū)，日較差減少趨勢在河北中南部有所減緩。不同程度的城市化發(fā)展對站點(diǎn)氣溫分布特征的影響有所差異，城市化水平較高和中等城市化水平地區(qū)選定城市站點(diǎn)增溫幅度較郊區(qū)站明顯偏大，且城市站氣溫，尤其是最低氣溫的概率分布向高溫的偏移較郊區(qū)站點(diǎn)更為明顯，使得日較差減小；城市化水平較低地區(qū)城市站與郊區(qū)站，最高氣溫的增幅及概率密度分布向高溫方向的偏移有所加大，使得日較差增大。
2025, 53(3):438-447.
DOI: 10.19517/j.1671-6345.20240185
摘要:
本研究利用2017—2023年陜西VLF/LF閃電定位系統(tǒng)地閃數(shù)據(jù)，基于GIS（Geographic Information System）核密度場模型，建立了基于強(qiáng)度權(quán)重的地閃核密度表面;應(yīng)用熱點(diǎn)探測模型對地閃密度熱點(diǎn)進(jìn)行提取和等級分類;分析了地閃核密度及其熱點(diǎn)的分布與地形地貌、植被覆蓋等環(huán)境因素的關(guān)系。研究結(jié)果顯示：①利用GIS核密度場模型和熱點(diǎn)探測模型可以準(zhǔn)確識別閃電活動密集區(qū)域，并深入揭示地閃空間分布特征。②陜西地閃活動存在明顯的時空差異，地閃在夏季發(fā)生次數(shù)多強(qiáng)度大，春秋季次之，冬季最少；空間分布總體表現(xiàn)為南北高—中間低的空間格局。③核密度在海拔高度1 km以下與海拔高度正相關(guān)，在海拔高度1 km以上與海拔高度負(fù)相關(guān)；地形地貌、植被及兩者交叉項(xiàng)均對核密度產(chǎn)生顯著性差異影響。地形地貌影響的差異超過植被。④中海拔黃土梁峁和中海拔中起伏山地的草地和林區(qū)是大型及中大型熱點(diǎn)的主要分布區(qū)。
本研究利用2017—2023年陜西VLF/LF閃電定位系統(tǒng)地閃數(shù)據(jù)，基于GIS（Geographic Information System）核密度場模型，建立了基于強(qiáng)度權(quán)重的地閃核密度表面;應(yīng)用熱點(diǎn)探測模型對地閃密度熱點(diǎn)進(jìn)行提取和等級分類;分析了地閃核密度及其熱點(diǎn)的分布與地形地貌、植被覆蓋等環(huán)境因素的關(guān)系。研究結(jié)果顯示：①利用GIS核密度場模型和熱點(diǎn)探測模型可以準(zhǔn)確識別閃電活動密集區(qū)域，并深入揭示地閃空間分布特征。②陜西地閃活動存在明顯的時空差異，地閃在夏季發(fā)生次數(shù)多強(qiáng)度大，春秋季次之，冬季最少；空間分布總體表現(xiàn)為南北高—中間低的空間格局。③核密度在海拔高度1 km以下與海拔高度正相關(guān)，在海拔高度1 km以上與海拔高度負(fù)相關(guān)；地形地貌、植被及兩者交叉項(xiàng)均對核密度產(chǎn)生顯著性差異影響。地形地貌影響的差異超過植被。④中海拔黃土梁峁和中海拔中起伏山地的草地和林區(qū)是大型及中大型熱點(diǎn)的主要分布區(qū)。
2025, 53(3):448-456.
DOI: 10.19517/j.1671-6345.20240156
摘要:
本文在自然災(zāi)害綜合風(fēng)險普查數(shù)據(jù)的基礎(chǔ)上，細(xì)化并構(gòu)建文物保護(hù)單位面對暴雨災(zāi)害的脆弱性指標(biāo)，綜合考慮暴雨災(zāi)害危險性、孕災(zāi)環(huán)境敏感性和文物脆弱性三個要素，建立了文物保護(hù)單位暴雨災(zāi)害風(fēng)險評估指標(biāo)體系。暴雨災(zāi)害危險性、孕災(zāi)環(huán)境敏感性指標(biāo)選取普查獲得的暴雨危險性等級，其包含暴雨危險性以及孕災(zāi)環(huán)境敏感性；文物保護(hù)單位脆弱性包括重要性、暴露性和易損性三個方面，分別是保護(hù)級別、附屬文物、面積/規(guī)模、臺基/地宮、文物類型、材料類型、變形損傷和歷史災(zāi)害等8個指標(biāo)。依據(jù)指標(biāo)體系對山西省晉城市全國重點(diǎn)文物保護(hù)單位暴雨災(zāi)害風(fēng)險進(jìn)行了評估與驗(yàn)證。研究成果可為文物保護(hù)單位的暴雨災(zāi)害風(fēng)險評估與保護(hù)提供一定的參考，同時提升了自然災(zāi)害綜合風(fēng)險普查成果的應(yīng)用范圍。
本文在自然災(zāi)害綜合風(fēng)險普查數(shù)據(jù)的基礎(chǔ)上，細(xì)化并構(gòu)建文物保護(hù)單位面對暴雨災(zāi)害的脆弱性指標(biāo)，綜合考慮暴雨災(zāi)害危險性、孕災(zāi)環(huán)境敏感性和文物脆弱性三個要素，建立了文物保護(hù)單位暴雨災(zāi)害風(fēng)險評估指標(biāo)體系。暴雨災(zāi)害危險性、孕災(zāi)環(huán)境敏感性指標(biāo)選取普查獲得的暴雨危險性等級，其包含暴雨危險性以及孕災(zāi)環(huán)境敏感性；文物保護(hù)單位脆弱性包括重要性、暴露性和易損性三個方面，分別是保護(hù)級別、附屬文物、面積/規(guī)模、臺基/地宮、文物類型、材料類型、變形損傷和歷史災(zāi)害等8個指標(biāo)。依據(jù)指標(biāo)體系對山西省晉城市全國重點(diǎn)文物保護(hù)單位暴雨災(zāi)害風(fēng)險進(jìn)行了評估與驗(yàn)證。研究成果可為文物保護(hù)單位的暴雨災(zāi)害風(fēng)險評估與保護(hù)提供一定的參考，同時提升了自然災(zāi)害綜合風(fēng)險普查成果的應(yīng)用范圍。
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