2000年以来黑龙江省浓雾气候特征及秋季浓雾天气异常环流特征

探讨了黑龙江省2000年以来浓雾时空分布特征以及秋季浓雾异常环流特征和环流分型。结果表明：黑龙江省浓雾春季和冬季少,夏季最多,但多发生在山区,持续时间短,局地性强;范围大、持续时间长、灾害重的浓雾天气主要出现在秋季,其中10—11月持续性浓雾天气过程均发生在2010年以后。黑龙江省秋季浓雾多发生在暖湿空气较强的环境条件下,根据500 hPa高度场和距平场特征把秋季偏暖背景下浓雾发生的主要环流型分为西低东高型和纬向型,黑龙江省中低层正高度距平、850 hPa距平风场上反气旋环流以及西北太平洋副热带高压常偏北偏强等异常环流特征对浓雾中短期预报有较好的指示意义。     

近50年河南省连阴雨灾害气候特点

利用郑州、安阳等５０站１９５１～１９９８年降水资料,对全省连阴雨的时空分布及主要环流特征进行了分析。结果表明：连阴雨次数豫南最多,中部次之,北部最少,且山区多于同纬度平原地区;连阴雨季节分布特点是夏季最多,秋季次之,春季最少。在典型连阴雨过程中,中高纬度向环流较强,东亚大槽集团偏东且较深,有利于冷空气扩散南下;西太平洋副热带高压强而稳定,脊线位置偏东且来回摆动,副高西侧较强暖温气流与冷空气交汇于黄     

2010年11月大气环流和天气分析

2010年11月大气环流主要特征是:北半球高纬度地区为单一极涡,极涡中心位于新地岛以北,强度比常年略偏强.中高纬环流呈三波型分布,其中欧洲大槽较常年同期偏强,东亚大槽强度接近常年同期.亚洲以正高度距平为主,只有西伯利亚地区呈现负距平,表明冷空气势力较常年同期偏弱.西北太平洋副热带高压面积接近常年同期,强度略偏弱,脊线位...     

黑潮区海温对中国北方初霜冻日期的影响研究

利用站点观测和再分析资料研究了黑潮海温（SST）与中国北方初霜冻日期的关系。结果表明,前期夏季各月及初秋黑潮区SST异常变化和中国北方秋季初霜冻日期的关系十分显著。当黑潮区SST偏高（低）时,华北大部、黄淮北部、河套北部、内蒙古中部和东北部、环渤海区域初霜冻日期偏晚（早）。进一步分析显示,夏末和初秋黑潮区SST异常主要通过影响其上空初秋及秋季局地大气环流系统,对华北、黄淮北部等地区初霜冻造成影响。当黑潮区SST偏高（低）时,我国华北至日本以东区域上空500 hPa高度场偏高（低）,低层风场则出现东南（西北）风,从而导致东亚大槽偏弱（强）,来自北方的冷空气活动势力被削弱（增强）,从而导致上述区域初霜冻发生较常年偏晚（早）。     

重庆2017年秋季降水异常成因分析

2017年秋季,重庆降水出现前期异常偏多而后期异常偏少的特征。为分析造成降水季节内极端异常原因,使用1961年以来重庆34个气象台站秋季（9月上旬至11月下旬）逐日降水数据、NCEP/NECA和NOAA逐日高度场、风场、水汽场、海温场等再分析资料,采用相关、合成等统计诊断方法,分析了2017年重庆地区秋季降水出现季节内异常变化的主要原因。环流的诊断分析表明：2017年重庆地区秋季降水出现明显旱涝转折、降水前多后少,其成因是由于副热带高压长时间维持在重庆长江沿线及长江中下游一线,中高纬度维持双阻型,即乌拉尔山高压脊发展,同时鄂霍茨克海阻塞高压的建立和维持,使其西部低槽东移缓慢,导致了重庆地区9月至10月上中旬强降水频发、降水异常偏多。10月下旬西太平洋副热带高压异常减弱南退,尤其在11月其闭合单体完全退出大陆,低纬度地区的高压坝切断了水汽的向北输送;中高纬度呈现西正东负的距平分布型,贝加尔湖以东至鄂霍茨克海以西的大范围地区为负高度距平分布,负距平南界位于我国河套北部地区,冷空气路径偏东偏北,不利于降水继续偏多,发生由异常多向异常少的转折。此外海温强迫场的分析表明：初秋中高纬度出现的双阻型环流异常可能与前期和同期西北太平洋海温的偏暖有关;而前期热带印度洋海温的全区一致增暖模态和后期赤道东太平洋海温的异常可能是导致副热带地区大气环流（西太平洋副热带高压）异常的主要原因和外强迫因子。     

2019年秋季我国气候异常及成因分析

2019年秋季,我国大部地区气温较常年同期偏高,全国平均气温为1961年以来同期第三高;降水空间分布非常不均匀,呈“西多东少、北多南少”的特征。异常成因分析表明,秋季欧亚中高纬度槽脊活动频繁,冷空气势力接近常年同期,西太平洋副热带高压较常年同期偏强偏西偏北,副热带高压西段位于南海西侧上空,有利于西南暖湿水汽向我国西部地区输送,菲律宾东北部为较强的气旋距平环流控制,导致我国南方地区受偏北气流控制,水汽条件偏差。进一步研究表明,海温异常是影响2019年秋季我国气候异常的最主要外强迫因子,2019年7月弱的中部型El Ni〖AKn~D〗o事件结束,秋季海温分布偏向于中部型El Ni〖AKn~D〗o。东亚副热带环流显示出清晰的响应。     

海南雷暴气候特征及大气环流背景分析

利用1966～2005年海南地区18个市、县逐日雷暴观测资料及NECP再分析资料和EOF分析方法,分析了海南地区雷暴天气的气候特征及其气候变化的可能影响因素.结果表明:海南雷暴的年际变化呈较明显的下降趋势;空间分布丰要旱现北部内陆地区多、南部沿海地区少的特点;全省雷暴集中发牛在4～10月,盛发期在5～9月;雷暴异常年5～9月平均大气环流与同期500 hPa大气环流特征的关系表现在雷暴频繁年低纬地区的位势高度距平场出现大范围的负距平.当年夏季西太平洋副热带高压较弱,位置偏东,雷暴偏少年则副高较强,脊线偏西.不稳定凶子K指数和TT指数对海南的雷暴有一定预报能力.     

2016年和1998年长江中下游梅雨季风环流异同点及物理机制对比分析

对比强厄尔尼诺次年2016年和1998年长江中下游梅雨季风环流异同点,并探讨其物理机制,结果表明:（1）2016年梅雨集中期和1998年两段梅雨期季风环流有诸多相似特征:西北太平洋副热带高压（副高）偏强偏西、南亚高压偏强偏东、孟加拉湾到南海西南季风偏弱;此外,华北东部到江淮均有冷槽维持;副高持续稳定地将西南季风引导至长江中下游形成强西南暖湿气流,并与来自冷槽的北方南下干冷空气辐合,在高层辐散形势配合下形成强降雨。（2）三段梅雨期,青藏高原附近均为高压脊控制,受暖平流及高原热源、梅雨凝结潜热等因素影响,青藏高原到江南、华南一带大气中高层呈大范围强温度正距平;印度尼西亚群岛附近洋面为海温正距平,对流和热源偏强;这是季风环流相似特征形成的两个重要因素。（3）2016年梅雨集中期,青藏高原暖脊最强,东部冷槽最浅,海温正距平范围最大最北,因而南亚高压和副高位置最北,梅雨雨带也最北;梅雨集中期的结束与冷空气减弱以及台湾以东洋面等海域海温正距平显著增强引起超强台风“尼伯特”登陆有关;7月第4候之后,菲律宾以东洋面、南海及东海海域海温正距平增强,对流活跃,导致7月21日之后副高显著偏北;因而没能出现第2段梅雨集中期。（4）1998年7月中旬至8月初,青藏高原上空高压脊较浅,北部呈位势高度负距平,冷空气势力较强,温度偏低,东部冷槽深,西北太平洋海温正距平区域维持不变,故南亚高压和副高异常偏南,从而出现第2段梅雨。     

2019年2月大气环流和天气分析

2019年2月大气环流的主要特征是北半球极涡较常年同期偏强,中心偏向东半球,位置偏北;欧亚中高纬环流呈4波型,环流经向度总体较小。西太平洋副热带高压偏强;南支槽较常年偏弱、偏西。2月,我国冷空气活动较弱,仅出现一次大范围强冷空气和一次中等强度冷空气过程;全国平均气温为-1.3℃,较常年同期偏高0.4℃;东北地区北部气温异常偏高。月内,全国平均降水量为23.2 mm,较常年同期偏多33.3%;南方出现持续阴雨天气,青藏高原降雪明显偏多,青海东南部出现雪灾。另外,下旬我国中东部地区出现持续雾 霾天气。     

1996年南宁地区春播期长低温过程分析

1996年的低温阴雨过程是南宁地区各县均持续9天以上的长低温过程。本文从长低温出现当月的500hPa环流特征及前期环流演变等方面，分析其特点．若对比分析了长低温出现年份（1957、1959、1964、1968、1969年）及编暖年份（1960、1966、1987、1989年）的环流特征及演变规律，得出以下结论：（1）同期环流对比：偏暧年2月欧洲暖性高压偏弱，西太平洋、中国中部、南海高度场为正距平，1996年2月（长低温阴雨年）则相反，欧洲暖快高压们强，南方暖空气势力偏弱，这有利于冷空气大学南侵。（2）前期环流对比：偏轻年三月阿拉斯加、大西洋、欧洲地…     

我国近30年龙卷风研究进展

从3方面总结了龙卷风研究成果:①研究概况,最初的龙卷风灾后调查到开展天气气候特征分析至近年来开展龙卷风本体结构、产生机制的探讨,获得了丰硕成果;②研究方法提高,从事实调查到利用统计方法,从利用台站常规观测资料到运用卫星、多普勒雷达、风廓线仪等非常规资料开展分析,近年数值模式WRF、ARPS等也被用来研究龙卷风,研究的方法手段不断得到改进;③龙卷风研究、预报面临的困难和未来展望。     

2006年中国气候概况

2006年，全国年平均气温较常年偏高1.09℃，为1951年以来最暖的一年；与此同时，全国平均年降水量较常年略偏少。2006年，我国气象灾害频发，各类气象灾害中，热带气旋所造成的直接经济损失和死亡失踪人数最多，干旱造成的受灾人口和农作物受灾面积最多。总的来看，2006年我国气象灾害造成的经济损失为1999年以来最重。     

河西走廊农业区春季气溶胶光学特性

为研究干旱农业区农耕季节气溶胶的基本光学特性,2014年4月利用地面气溶胶移动集成系统在甘肃武威黄羊镇农场开展气溶胶综合观测试验。结果表明,河西走廊黄羊镇农场PM2.5和PM1.0的散射系数以及PM2.5的吸收系数分别为98.2±38.3、74.6±29和8.8±6.3 Mm-1,均小于中东部地区观测值。气溶胶单次散射反照率为0.90±0.03,PM2.5和PM1.0的Angstrom指数分别为1.31±0.29和2.10±0.24。散射系数和吸收系数的日变化具有明显的双峰特征,单次散射反照率在散射系数出现峰值的时间段出现谷值。黄羊镇农场受人为气溶胶影响较大,西、西南和东南方向来的气溶胶散射系数和吸收系数值较大,西北方向传输过来的气溶胶主要是农业生产活动产生的。     

城市气象研究进展

中国数十年来在城市气象研究这一新兴学科领域开展了大量研究并获得了多方面的丰硕成果。文中从城市气象观测网与观测试验、城市气象多尺度模式、城市气象与大气环境相互影响、城市化对天气气候的影响等4个方面论述了城市气象的主要研究进展:中国各大城市已建立或正在完善具有多平台、多变量、多尺度、多重链接、多功能等特点的城市气象综合观测网;北京、南京、上海等地开展了大型城市气象观测科学试验,被世界气象组织列入研究示范项目;成功开展了风洞实验、缩尺度外场实验研究;建立了多尺度城市气象和空气质量预报数值模式,并应用于业务;在城市热岛效应、城市对降水影响、城市气象与城市规划、城市化对区域气候及空气质量的影响、城市气象与大气环境相互作用等研究领域取得长足进展。最后指出,未来需要重点从新观测技术及观测资料同化应用、城市系统模式研究、城市化对天气气候的影响机理、城市化对大气环境和人体健康的影响、城市水文气象气候与环境综合服务等方面开展科学研究与应用,为中国城市化、生态文明建设、防灾减灾和应对气候变化等国家需求提供科技支撑。      

武汉市气候变暖与极端天气事件变化的归因分析

根据武汉市1951—2007年间年平均、最高、最低气温与8类年极端天气日数的序列,计算分析其变化趋势及年平均气温与极端天气日数的相关性,引入格兰杰因果性检验法,探讨气候变暖与极端天气事件之间的因果关系。结果发现:(1)近57年来武汉市年平均最低气温增幅为0.45℃/10a,明显高于年平均最高气温0.19℃/10a的增幅,可见气候变暖主要是由夜间气温升高所致;(2)高温和闷热天气事件为增多趋势,其中闷热天气事件最明显,达到2.8 d/10a,而年雷暴、降雪、低温、大风、雾日则均为下降趋势,雷暴、雾和低温事件降幅明显,每10年减少3.0 d、4.0 d和2.1 d。大风和降雪事件,每10年减少1.8 d和1.5 d。暴雨事件波动幅度较小。(3)年平均气温与当年及超前、滞后1～2年的极端天气事件具有高相关性;(4)格兰杰因果性检验结果发现,气候变暖是闷热天气增多和降雪事件减少的原因,同时亦是大风和低温减少的结果。这种因果关系的存在对极端天气事件预测和预估有重要的价值。     

Current activities in aerobiology in Japan

A brief review of the research activities of Japanese scientists in aerobiology, which is one of the interdisciplinary sciences closely related to atmospheric turbulence and diffusion as well as to biology, is presented in order to make contacts with interested scientists in other countries.     

Meteorology in watershed research in Alberta

A preliminary investigation of monthly rainfall patterns analysed from 24‐hour computer forecasts of precipitation was performed. These patterns are compared with the observed precipitation and long‐term normal patterns. Recommendations are made to incorporate the method into a verification program for the computer product.     

我国东部地区冬季模式边界层探空效果评估

应用中尺度气象模式MM5对2006年和2007年12月东部地区进行逐日模拟,并用地面常规观测资料及南京和安庆12h一次的逐日探空资料对模拟的地面及边界层内气象要素进行检验,计算地面和边界层内不同高度的温度、湿度、风向和风速等要素的多种常用统计参数;并分别评估雾发生前和发生时边界层探空的模拟效果。结果表明:(1)MM5模式模拟的地面温度和湿度均较理想,但风速误差较大。温度、相对湿度、风速的观测与模拟的偏差概率分布均呈近正态分布,峰值中心分别为-1.52℃、4.59%和1.92m·s-1,白天模拟效果优于夜间。(2)以南京、安庆两站为例,模拟的08:00(北京时,下同)和20:00边界层内探空基本可靠,但20:00的效果比08:00好;模拟效果均随高度上升而变好;且南京站边界层内温度、湿度的模拟效果优于安庆站,但安庆站风的模拟效果优于南京站。(3)以南京站为例,雾发生前和发生时温度、湿度模拟效果较平均情况差,风速模拟较其他模拟时段无明显变化。(4)南京、安庆冬季近地层逆温发生频率都比较高,常见多层逆温,MM5模式能再现近地层逆温,但有高估的倾向,且对边界层中上部逆温模拟效果不佳。此外,敏感性试验的结果表明,模拟方案中地面负的温度偏差不是由近地层高垂直分辨率所致。     

Trends in Temperature Extremes in Association with Weather-Intraseasonal Fluctuations in Eastern China

Trends in the frequencies of four temperature extremes (the occurrence of warm days, cold days, warm nights and cold nights) with respect to a modulated annual cycle (MAC), and those associated exclusively with weather-intraseasonal fluctuations (WIF) in eastern China were investigated based on an updated homogenized daily maximum and minimum temperature dataset for 1960–2008. The Ensemble Empirical Mode Decomposition (EEMD) method was used to isolate the WIF, MAC, and longer-term components from the temperature series. The annual, winter and summer occurrences of warm (cold) nights were found to have increased (decreased) significantly almost everywhere, while those of warm (cold) days have increased (decreased) in northern China (north of 40°N). However, the four temperature extremes associated exclusively with WIF for winter have decreased almost everywhere, while those for summer have decreased in the north but increased in the south. These characteristics agree with changes in the amplitude of WIF. In particular, winter WIF of maximum temperature tended to weaken almost everywhere, especially in eastern coastal areas (by 10%–20%); summer WIF tended to intensify in southern China by 10%–20%. It is notable that in northern China, the occurrence of warm days has increased, even where that associated with WIF has decreased significantly. This suggests that the recent increasing frequency of warm extremes is due to a considerable rise in the mean temperature level, which surpasses the effect of the weakening weather fluctuations in northern China.