江苏地表湿润状况的变化趋势与区域特征分析

为了了解江苏省地表湿润状况,利用江苏省60个气象站1961-2005年月降水和月平均气温资料,通过构造一个既包含降水变化又考虑温度变化对潜在蒸发影响的干湿指标一地表湿润指数Hf=P/Pe(P为观测的月降水总量,Pe为月最大潜在蒸发),采用M-K法,对比分析了江苏省区域平均地表湿润指数的年代际变化特征及季节性差异,并讨论了它与降水和气温的联系,突出了在全球变暖背景下温度变化对干湿变化的重要影响.最后给出了地表湿润指数各季节变化趋势的地理分布.结果表明:苏北和苏南地区的年际变化趋势基本相反.由于温度的升高苏北苏中地区均出现变干趋势,苏南部分地区降水显著增加却没有呈现显著变湿趋势.江苏地区的干化趋势主要发生在春秋季节.     

江苏省连阴雨过程时空分布特征分析

通过综合各地连阴雨指标因子, 确定了江苏省连阴雨过程的标准, 根据指标体系, 对其时空分布特征进行了分析, 得出江苏省年均连阴雨次数为12.3次, 连阴雨的空间分布存在着明显的北少南多的特征, 可见沿江苏南地区为连阴雨的频发地区。其中从对农作物危害程度来看, 主要是春季连阴雨(3—5月)和秋季连阴雨(9—11月)影响较大, 这两个时段连阴雨过程发生次数较多, 分别为年均3.1和2.7次, 其中春季3月和秋季9月的连阴雨出现次数最多。为了进一步定量评估连阴雨的强度, 我们设计了连阴雨强度指数模型, 对强度指数M_LYY进行了分级, 实施了对连阴雨强度的进一步把握, 更好地为决策部门提供了服务。     

江苏省连阴雨过程时空分布特征分析

通过综合各地连阴雨指标因子,确定了江苏省连阴雨过程的标准,根据指标体系,对其时空分布特征进行了分析,得出江苏省年均连阴雨次数为12.3次,连阴雨的空间分布存在着明显的北少南多的特征,可见沿江苏南地区为连阴雨的频发地区.其中从对农作物危害程度来看,主要是春季连阴雨(3-5月)和秋季连阴雨(9-11月)影响较大,这两个时段连阴雨过程发生次数较多,分别为年均3.1和2.7次,其中春季3月和秋季9月的连阴雨出现次数最多.为了进一步定量评估连阴雨的强度,我们设计了连阴雨强度指数模型,对强度指数MLYY进行了分级,实施了对连阴雨强度的进一步把握,更好地为决策部门提供了服务.     

1961—2019年陕西省极端旱涝事件的时空演变规律

选用陕西省51个地面气象站1961—2019年日降水数据,利用MATLAB2017计算了6个极端降水指数,采用线性趋势分析法、森斜率和改进的非参数Mann-Kendall趋势检验法研究不同时间尺度下极端降水指数的时空演变特征并找出了发生突变的年份。结果表明：各极端降水指数的月际、年际和年代际变化差异较大;夏季（7—9月）容易发生极端湿润事件,而冬季则容易发生极端干旱事件;连续干旱日数（DCD）、连续湿润日数（DCW）、强降水日数（DR10）和最大日降水量（Rd,max）、非常湿润日降水量（R95p）、全年湿润日降水总量（RT）的变化趋势率分别为-014、-013、-020 d/10 a 和108、039、-342 mm/10 a,多年平均值分别为388、58、200 d和607、1678、6443 mm;极端湿润事件发生较频繁的站点主要分布在陕南地区,而陕北地区的站点发生干旱的风险较高;陕北有变湿润的趋势,而关中平原地区的极端降水事件整体有缓解的趋势,陕南地区极端降水事件则表现为区域加剧和缓解并存的趋势。     

罗甸县暴雨的时空分布特征分析

通过对1951—2020年罗甸县逐日降水观测资料、2010—2020年罗甸县各乡镇逐日降水观测资料的统计分析,计算出要素保证率80%的值,采用线性趋势分析、等值线分布、Mann-Kendal检验、Morlet小波方法分析罗甸县境内暴雨的时空分布特征。结果表明：近70 a罗甸县年暴雨日数、近11 a罗甸县各乡镇总年暴雨日数均缓慢增多,区域暴雨次数逐渐减少,在年际变化中,均存在显著的3 a左右周期振荡。暴雨集中发生在5—9月,近70 a占全年暴雨日数91%,各月暴雨日数时空分布差异显著,暴雨发生最多月份为6月,近70 a平均每年1.3 d,占全年暴雨日数的36%。各乡镇年平均暴雨日数分布区域性特征明显,存在2个多值区（西北部、东南部）和1个少值区（西南部）。暴雨多发生在夜间,尤其大暴雨以上量级降水在夜间发生的概率高达93%。降水强度等级从北向南逐级减小,与罗甸县略呈“撮箕口”朝南地形较一致,从西北、北、东北向南逐级减小,在西部、东北部存在较稳定的2个极端暴雨中心。各乡镇连续暴雨次数分布差异明显,呈北多南少分布。总体而言,西部在年暴雨日数、暴雨强度、连续暴雨次数及连续降水量均居全县首位,在天气预报、防汛工作中应重点关注和防范。     

河南省冬小麦灌浆期连阴雨灾害风险评估

基于河南省24个农业气象观测站1981—2020年冬小麦发育期资料和91个气象观测站1961—2020年逐日气象观测资料、冬小麦产量资料,统计了河南省冬小麦灌浆期连阴雨过程均日数、过程均雨量、过程均日照时数、年均过程次数及多年发生频率,利用主成分分析法构建了连阴雨风险强度指数,从发生频率、风险强度指数、产量损失率对河南省冬小麦灌浆期连阴雨开展风险评估。结果表明：河南省冬小麦灌浆期连阴雨过程均日数、过程均日照时数、年均过程次数空间上均呈带状分布;构建的连阴雨风险强度指数对连阴雨灾害有较高的识别能力;连阴雨灾害发生频率、风险强度指数均呈纬向型分布,南部偏高、北部偏低;河南省冬小麦灌浆期连阴雨中、低风险区占比90.3%,高风险区主要分布在南阳东部地区。     

江苏四类低温事件致灾因子与基于影响的低温风险时空分布对比研究

利用1961—2020年江苏省70个气象观测站数据,分析了4类低温事件（寒潮、霜冻、低温阴雨寡照和冰冻）的时、空分布特征,建立4类低温灾害危险性评估指标和综合危险性指标,结合人口、经济（GDP）两类承灾体的暴露度和脆弱性指数,建立了低温灾害风险评估模型,评估了江苏省低温灾害影响人口和GDP的风险等级及其空间分布。结果表明：（1)1961—2020年江苏省寒潮、霜冻和低温阴雨寡照事件发生较多,冰冻事件发生较少;研究时段内4种低温事件发生日数呈交替出现或多灾种同期多发的特征,1961—1980年寒潮和霜冻事件发生日均较多,2001—2020年低温阴雨寡照和冰冻事件同期多发。（2）江苏省中、南部寒潮频次较多,年平均累计降温幅度较大;霜冻日数北多南少,极端最低气温北部明显较低;低温阴雨寡照日数从西南到东北递减,南部降水偏多,北部过程平均温度较低;江苏西北、西南地区冰冻日数均较多,与降水空间分布一致。（3）江苏北部为寒潮和霜冻灾害高危险区,霜冻危险性呈纬向带状分布,低温阴雨寡照高危险区域集中在西南部;冰冻高危险区在南部和北部均有出现。低温综合危险性在北部和西南部较高,中部和东南部较低。（4）低温...     

黄山地区冬季连阴雨气候特征及异常个例分析

利用常规气象观测资料和NCEP/NCAR再分析资料,对黄山地区1961—2019年冬季(上年12月至2月)连阴雨气候特征以及2019年异常个例进行分析.结果表明:1)黄山地区冬季连阴雨期间多年平均降水量184 mm,连阴雨日数28d,降水日数24 d,日照时数15 h;冬季连阴雨降水量、连阴雨日数和降水日数的年代际分布特征具有较好一致性;冬季连阴雨降水量西南部多、东北部少,连阴雨日数和降水日数中南部多、西北部及东部少,日照时数均较少.2)2019年冬季连阴雨过程的降水量、连阴雨日数和降水日数均为1962年以来最多,单站相关要素以2月7日—3月6日过程为最多,屯溪和歙县连阴雨日数破历史极值,各区县降水日数破历史极值;日照时数以2018年12月30日—2019年1月12日过程为最少,各区县破历史极值.黄山地区连阴雨平均强度指数为1962年以来第二高值,各区县均达冬季连阴雨的最强等级.3)乌拉尔山阻塞高压维持,欧亚中高纬度地区大气环流经向度大,不断南下的冷空气为连阴雨天气提供了温度条件;西太平洋副热带高压强度异常偏强,位置偏西、偏北,以及青藏高原南缘的南支低槽系统活跃,来自南海和孟加拉湾的暖湿气流为连阴雨天气提供了水汽条件.冷暖空气在长江中下游持续交绥,从而导致黄山地区2019年冬季多次出现异常连阴雨天气过程.     

BCC气候模式对中国近50a极端气候事件的模拟评估

利用中国区域437站1958—2005年逐日气温和降水资料,评估了国家气候中心（BeijingCli-mateCenter,BCC）气候模式对中国近50a极端气候事件空间分布、时间演变等方面的模拟能力。结果表明：1）模式对极端温度和降水多年平均的空间分布具有一定的模拟能力,但尚存在系统性的偏差。暖昼日数的模拟优于冷夜日数,全年冷夜日数的模拟优于冬季和夏季的模拟,而全年和夏季暖昼日数的模拟优于冬季的模拟。极端降水频次的模拟优于极端降水量的模拟;夏季和全年的模拟优于冬季的模拟。夏季极端降水频次的模拟较好,但冬季的模拟在长江中下游和华南偏小、北方偏大,而全年的模拟在长江下游及南部沿海地区系统性偏大;夏季和全年极端降水量的模拟系统性偏低,而冬季在北方偏高、南方偏低。2）模式较好地模拟出了夏季和全年冷夜日数的全国较为一致的减少趋势,再现东北和东南沿海地区冬季冷夜日数的减少趋势,但模拟的趋势较实测偏弱。模式对暖昼日数长期趋势的模拟效果较理想,较好地反映出了大部分地区暖昼事件发生频率显著增加的特征,但冬季的模拟尚有待改进。模式较好地模拟出了夏季和全年极端降水频次的长期趋势,较好地刻画了极端降水频次＂南增北减＂的特征;模式对冬季极端降水频次的变化趋势几乎无模拟能力。同样,模式也较好地模拟出了极端降水量夏季南增北减的分布形势和冬季的总体增加趋势,但对全年的模拟不理想。3）模式能较好地模拟出冷夜日数和暖昼日数异常变化的主要空间型,对EOF第一模态的时间演变特征具有一定模拟能力;但模式对第二模态时间演变特征的刻画能力较差。模式对极端降水指标的年际变化具有一定的模拟能力,对部分区域极端降水事件的年际变化具有较好的模拟能力;但模拟能力表现出了明显的区域性差异,部分区域极端降水年际变化的模拟结果与实况甚至相反,模式对极端降水年际变化的模拟能力还有待提高。所得结果可为BCC气候模式的改进及极端气候模拟、预估提供一定的参考。     

土壤湿度年际变化对中国区域极端气候事件模拟的影响研究Ⅱ.敏感性试验分析

利用NCARCAM3.1大气环流模式,设计了有、无土壤湿度年际异常的两组数值试验,探讨了土壤湿度年际异常对极端气候事件模拟的可能影响。结果表明,模式模拟的极端气候事件对土壤湿度异常十分敏感,土壤湿度异常对极端气候指标的多年平均空间分布、年际变率以及年际变化均具有重要影响。当不考虑土壤湿度的年际异常时:(1)模拟的暖夜日数、暖昼日数和热浪持续指数的发生频次在全国范围内均明显减少,而霜冻日数则明显增加。极端降水指标的响应表现出明显的空间差异,极端降水频次在江淮流域明显减小,而极端降水强度则表现为东北减弱、长江流域增强;中雨日数和持续湿期在我国大部分地区减少。(2)极端气温指标的年际变率在我国大部分地区呈减小趋势;而极端降水事件的变化则较为复杂,极端降水频次和极端降水强度的年际变率在长江以南有所增强,而北方地区则有所减弱。中雨日数和持续湿期的年际变率在我国呈现出较为一致的减少趋势。(3)模式对暖夜日数、霜冻日数的年际变化的模拟能力明显下降,并对4个极端降水指标的年际变化的模拟能力在全国多数区域均有不同程度的下降。     

江苏省近45a极端气候的变化特征

利用江苏省35个测站1960—2004年45 a的逐日最高温度、最低温度、日降水量资料集,分析了近45 a江苏省极端高温、极端低温以及极端降水的基本变化特征。结果表明:(1)多年平均年极端高温的空间分布表现为西高东低,而极端低温则表现为自北向南的显著增加,极端降水的发生频次自南向北逐渐减少;(2)极端高温在江苏中部以及南部大部分地区有上升趋势,而西北地区则有弱的下降趋势;全省极端低温表现为显著的升高趋势;极端降水频次在南部地区有增加的趋势,北部减少趋势,中部则无变化趋势。(3)江苏极端高温、低温和极端降水的年际和年代际变化具有区域性差异,其中极端降水频次变化的区域性差异最为明显。     

江苏降水长期趋势及年代际变化空间差异分析

根据江苏省60个气象站1961~2001年的逐月降水量资料，计算了逐月、季和年降水量距平百分率（RAP），以此研究了江苏降水的长期趋势和年代际变化特征及其空间差异。结果表明:全省平均降水量1、3、6月有显著的增多趋势，而4、9两月有显著的减少趋势；年降水量，南部增多，而北部减少；春季降水量大部分地区减少，夏季降水量主要是南部增多，北部减少，秋季大部分地区降水量减少，冬季全省降水量增多。4个年代年RAP符号变化，在江苏南部呈“--++”型，北部为“++--”型，中部则呈“+--+”、“+-+-”等过渡型。春季则在北方呈“-+-+”型，中部呈“+--+”型，南部呈“+---”型，徐州和盐城地区主要为“++-+”型。夏季RAP符号，主要分布型由北到南依次为“++--”、“+-+-”、“+--+”、“-+-+”和“--++”。秋季RAP符号全省绝大多数台站为“+-+-”型。冬季RAP符号在东部和南部大片地区为“-+-+”型，而西部则主要为“-+++”、“--++”、“-+-+”和“---+”型混杂。     

陕西降水季节及季节内振荡的气候特征

利用谐波分析、功率谱分析的方法,对陕西82个站点1962~2006年逐日降水资料进行气候平均分析,研究气候平均态下陕西降水季节及季节内振荡的时空分布特征。结果表明,陕西大部分地区降水主要以季节变化(年循环)为主,降水准双周振荡在全省范围都比较显著,降水30~60 d季节内振荡的显著分布区域主要集中在关中和陕南,这种地域分布与副热带高压随东亚夏季风南北移动有很大关系;气候平均态下降水的准双周振荡幅度于4月中旬开始逐渐加强,7~9月振幅最强,10~11月开始逐渐减弱;降水准双周振荡显著时期主要在夏季,而30~60 d季节内振荡在全省全年都存在,夏季比冬季振幅大,陕南和关中地区最大振幅出现在7月初。     

云南小时降水的时空分布变化研究

利用2005—2018年125个国家级台站小时降水观测数据研究云南小时降水时空分布特征。结果表明:云南年总降水量、不同持续时间降水量、极端强降水量及降水日变化空间分布差异很大。年降水量自西北向南增加,雨强自北向南增强,降水时长西部大于东部、南部略大于北部,年降水量受降水时长和雨强共同影响,降水时长影响最强,雨强影响较弱,这种特征在滇西北最突出,但滇东北的降水量与雨强相关更好。云南大部夜雨量多于昼雨量,滇东北和北部边缘夜雨特征最显著;降水日变化特征在云南北部为夜间单峰,西部边缘为清晨单峰,中部为夜间与午后峰值相当的双峰,南部也为夜间和午后双峰,但南部不同区域间主峰和次峰出现时间不同。云南南部降水贡献以短、中历时降水为主,北部则以长、超长历时降水为主。云南短时强降水发生次数的空间分布表现为自西北向东南增加;年发生站次数具有增加趋势,日变化特征为显著单峰,多在傍晚至入夜出现,且极端短时强降水更易在凌晨出现。这些小时降水时空分布特征很大程度上代表了低纬高原地区的降水特征。由于低值天气系统多影响低纬高原中北部,热带天气系统多影响南部,且低纬高原地形复杂,局地热力条件差异明显,这些因素造成该区域小时降水时空分布特征差异显著。     

基于EOF的江西省秋季降水时空分布特征

基于1980—2020年秋季江西省83个气象观测站逐月降水数据,利用EOF方法分析了该地区秋季降水的时空分布特征。结果表明,江西省秋季降水场主要有4种类型,分别为全区型、北湿(干)南干(湿)型、西湿(干)东干(湿)型、中心湿(干)南北干(湿)型,累计贡献率为86.7%。1980—2020年,全区型和中心湿(干)南北干(湿)型降水呈增加趋势,而北湿(干)南干(湿)型和西湿(干)东干(湿)型降水呈下降趋势。其中全区型降水分布的年份占比75.6%,主要受大尺度大气环流的影响。北湿（干）南干（湿）型降水分布的年份占比17.1%,这是由于赣北地区受地形抬升作用,降水较多,而中南部在背风坡,降水较少,同时秋季赣北处于副热带高压边缘,且受到台风外围的影响,易发生降水,使得南北降水呈反相位变化。     

The Extraordinary Rainfall over the Eastern Periphery of the Tibetan Plateau in August 2020※

A large amount of accumulated precipitation was recorded over the Eastern Periphery of the Tibetan Plateau (EPTP) in August 2020. Using hourly rain gauge records and the ERA5 reanalysis dataset, we analyzed the unique characteristics of rainfall in August and the accompanying circulation conditions and conducted a comparison with previous data. This record-breaking amount of accumulated rainfall was centered on the northern slope of the EPTP. This location was in contrast with the historical records of the concentration of rainfall over the middle and southern slopes. The hourly rainfall in August 2020 was both more frequent and more intense than the climatological mean rainfall. An amplification effect of the topography was observed, with the precipitation over the EPTP showing a more significant change with terrain height in August 2020. A circulation analysis showed that cold (warm) anomalies existed over the north (south) of approximately 35°N compared with those in the years when the southern EPTP received more rain. The western Pacific subtropical high was more intense and extended to the west, and the low-level cold air from the north was more active. The enhanced low-level southerly winds on the periphery of the subtropical high injected warm, moist air further north than the climatological mean. These winds became easterly near the northern EPTP and were forced to ascend by the steep terrain.     

TRMM揭示的南海不同回波顶高对流系统的季节变化特征

采用TRMM(Tropical Rainfall Measuring Mission)降水和云特征数据集,对南海2001年1月至2012年3月不同回波顶高对流系统的垂直结构、表面降雨率、数量时空分布的季节变化进行统计分析。结果表明:①浅对流、较深对流、深对流大于20dBz的回波区分别分布在4～8km、4～10km、4～14km之间;浅对流20dBz回波顶高的频率峰值为9km;冬季,较深对流、深对流20dBz回波顶高的频率峰值分别为13km、14.5km,其余季节偏高分别为14.5km、16km。②较深对流和深对流是南海地区面积平均降雨率较强的2种主要的降水系统;夏秋两季,较深对流的降雨率大于深对流;冬春两季,深对流的降雨率大于较深对流。③较深对流、深对流出现频次最少的季节为冬季,浅对流则为春季。④浅对流偏向于出现在12°N以南;深对流偏向于出现在12°N以北;较深对流在冬春季节集中在12°N以南,夏秋季节横贯南海。⑤夏秋两季在南海北部出现气旋性辐合上升的差异中心,南海中南部的西南水汽输送差异与700hPa以下水汽的辐合差异,是较深对流在夏秋两季比冬春两季带来更强降雨率的主要原因。     

安徽省近60年雨日、降水量及雨强的气候变化特征

采用安徽省15站近60年来的降水资料,研究了季节和年雨日、降水量及雨强的气候变化特征.结果表明：1）空间分布上,雨日、降水量"南多北少",雨强中北部地区相当,皆小于南部地区;雨日数南北在冬春季相差较大,降水量夏季最多、冬季最少,雨强上南北在春季相差较大;雨日、降水量及雨强在年和季节上基本呈现显著正相关关系.2）时间演变上,雨日在减少,降水量、雨强在增多（大）,且表现为两阶段的变化特征;小波分析显示约10 a的年代际周期变化,雨日上存在、降水量上在衰减、雨强上则不明显,约5 a、3 a的周期变化存在较多;雨日在春秋季减少明显,降水量春秋季减少,夏冬季增加但不明显,雨强尤以夏冬季增大明显;无论是年还是各季节的时间演变上,降水量与雨日、雨强均呈显著正相关,但雨日与雨强之间相关性则差些.     

新疆香梨花期霜冻灾害风险评估模型构建及适用性分析

全球变暖和极端气候事件频发背景下,人们更加关注农林业生产面临的灾害风险。构建灾害预警指标,开展风险预警并提前防范,对于有效防灾减灾减损具有重要意义。基于新疆1981-2020年霜冻灾情、气象因子、香梨种植面积资料,计算香梨花期霜冻灾害危险性指数、暴露度和脆弱性指数,构建了霜冻灾害风险评估综合模型,并基于格点预报开展了香梨霜冻风险预警,对评估模型的适用性进行了验证。结果表明,过程最低气温、降温幅度、低温持续时间是霜冻灾害的主要致灾因子。春季霜冻危险性空间分布,总体呈现北部高、南部低的特点。香梨遭受春季霜冻的高风险区,主要分布在北疆西部、天山北坡的西部和中部以及南疆巴州北部、阿克苏市及其南部部分区域。基于气象实况和果园灾害调查结果表明,霜冻灾害风险评估模型和格点预报相结合,能较好地预报香梨霜冻风险分区、影响等级,与香梨霜冻灾害实际发生区域、受冻百分率基本一致,霜冻指标和风险预警模型具有合理性和适用性。