浙江天目山背风坡对流触发个例的对比分析

针对夏季副热带高压背景下浙北天目山附近的强对流天气个例,利用中尺度实况资料,分析了天目山对触发对流的作用。结果表明:浙江省夏季位于副热带高压边缘时,低层处于西南背景风时,在低Froude数条件下,气流经过黄山、天目山后在背风侧形成一段辐合线,在有利的热力条件配合下,容易触发对流。山地的热力强迫作用使地形上空新生了很多积云,积云分布基本与地形一致。同时,天目山背风侧出现一条积云线,其形成的原因是天目山背风侧辐合线的辐合抬升作用。背风侧辐合线尺度有几十千米,方向随环境风向转变。对流触发的位置位于这条辐合线上靠近山地的一端。这可能是由于山地热力强迫作用产生的积云移到辐合线上继续发展产生对流云,即山地的动力和热力作用共同触发了对流。     

浙江天目山区台风暴雨特征和成因分析

通过区域自动气象站资料和ERA5资料从台风分型、雨量分布、影响系统、地形特征等方面分析天目山区台风暴雨特征和形成机理，结果表明：①天目山区台风雨量分布呈东北、西北多，中部、南部少的特征，东天目山为主要的降水中心，浙西天池为次中心；②高空槽呈西北—东南走向时，槽后冷空气气旋式地从台风的西北侧向南侧入侵，呈半包围状环绕台风中心，使得台风再次出现了明显的相对暖中心，有利于气旋性涡度的激发，增强雨势；③日平均降温幅度2 ℃左右的弱冷空气侵入到低空，沿着近地面嵌入到暖湿空气的底部，与地形条件一起对暖湿气团起到了有力的抬升作用，最有利于天目山区触发对流性天气；④天目山区台风降水增幅作用主要表现为迎风坡效应、狭管效应以及气流遇山时发生的绕流、反弹现象在山前形成辐合线和辐合中心；登陆北上台风容易在天目山区北侧造成降水中心，而登陆西行台风降水中心在天目山区东侧。     

高原涡诱发西南涡伴行个例的环境场与成因分析

利用NCEP/NCAR 1°×1°再分析资料、历史天气图、青藏高原低涡切变线年鉴,分析了1998-2013年持续高原涡诱发西南涡结伴而行的观测事实,并对一例持续高原涡诱发西南涡的长时间伴行过程进行天气、诊断分析。结果表明,在持续高原涡与西南涡共同活动过程中,两涡移向较一致的多数是由持续高原涡诱发的西南涡过程造成的,它们的移向多为向东或东北移;持续高原涡诱发的西南涡是在500h Pa上东亚环流经向度减弱,在处在切变流场中的高原涡的环流东南部-西南气流下空生成的;伴行的西南涡受高原涡活动影响大,高原涡加强会影响西南涡加强;高原涡对西南涡的诱发作用是由高原涡移出高原,其伴随的正涡度向下伸,与对流层低层盆地内气流的气旋性弯曲所伴的正涡度叠合,使盆地内气旋性涡度加强而诱发西南涡生成的,西南涡区上空正涡度平流随高度增加的强迫上升作用是高原涡诱发西南涡的又一重要因素;高原涡与西南涡伴行是与高原涡区、西南涡区的正涡度平流及高原涡区、盆地涡区上空正涡度平流随高度增加的强迫上升作用密切相关的。     

“15·8”川东西南涡暴雨的Q矢量分析

利用NCEP 1°×1°再分析资料和常规地面观测资料,应用非地转湿Q矢量(Q*)的理论,对2015年8月16~18日一次川东地区持续性暴雨进行了分析。500h Pa高空槽、700h Pa西南低涡(SWV)和850h Pa低空急流为造成此次持续性暴雨的主要系统。结果表明:(1)Q*散度的辐合区与未来6小时雨带相对应,能较好地诊断未来6小时雨带的分布,西南涡中心位于辐合区西偏南侧,强降水中心位于辐合区中心南部;(2)西南涡中心和未来6小时雨带分别位于Q*正涡度区东南侧和西侧,但Q*涡度诊断能力不如Q*散度;(3)在西南涡发展阶段,大尺度强迫占主导地位,在西南涡成熟阶段则是中小尺度强迫占主导地位;(4)Q*散度垂直分布能较好地反映出西南涡的垂直结构,西南涡位于Q*矢量散度辐合垂直带的西南侧。     

2008年7月黄淮暴雨过程中西南涡结构特征分析

对西南涡暴雨的预报不仅取决于对西南涡移动路径的把握,也与西南涡的结构及其演变密切相关。利用NCEP/NCAR 1°×1°逐6 h再分析资料,对2008年7月一次东移影响黄淮的西南涡的结构特征和暴雨机理进行分析,结果表明:西南涡的生成过程包含高原涡的耦合诱发,西南涡的生成、发展与干位涡向对流层低层扰动下传有关;中高纬冷空气与副热带高压边缘暖湿气流对峙加强了系统的斜压性,使西南涡中心向上伸展的位涡柱和正涡度柱具有向西倾斜的结构;成熟的西南涡具有中尺度非对称的显著斜压结构特征;对流层中层正涡度平流是西南涡发展和引导西南涡移动的重要因素;凝结释放大量潜热促使低层西南低涡发展,使降水增强。     

一次高原东移MCS与下游西南低涡作用并产生强降水事件的研究

基于加密自动站降水、葵花8卫星和ECMWF ERA5再分析等多种资料,本文对2018年6月17日08时至18日22时（协调世界时,下同）一次青藏高原（简称高原）中尺度对流系统（Mesoscale Convective System,简称MCS）东移与下游西南低涡作用并引起四川盆地强降水的典型事件进行了研究（四川盆地附近最大6小时降水量高达88.5 mm）。研究表明,本次事件四川盆地的强降水主要由高原东移MCS与西南低涡作用引起,高原MCS与西南低涡的耦合期是本次降水的强盛时段,暴雨区主要集中在高原东移MCS的冷云区。高原东移MCS整个生命史长达33 h,在其生命史中,它经历了强度起伏变化的数个阶段,总体而言,移出高原前后,高原MCS对流的重心显著降低,但对流强度大大增强。在高原MCS的演变过程中,四川盆地有西南低涡发展,该涡旋生命史约为21h,所在层次比较浅薄,主要位于对流层低层。西南低涡与高原MCS存在显著的作用,在高原MCS与西南低涡耦合阶段,两者的上升运动区相叠加直接造成了强降水。此后,由于高原MCS系统东移而西南低涡维持准静止,高原MCS与西南低涡解耦,西南低涡由此减弱消亡,东移高原MCS所伴随的降水也随之减弱。涡度收支表明,散度项是西南低涡发展和维持的最主导因子,此外,倾斜项是800 hPa以下正涡度制造的第二贡献项,而垂直输送项则是西南低涡800hPa以上正涡度增长的另一个主导项,这两项分别有利于西南低涡向下和向上的伸展。相关分析表明,在西南低涡发展期间,高原MCS中冷云面积（相当黑体亮度温度TBB≤?52°C）可以有效地指示西南低涡强度（涡度）的变化,超前两小时的相关最显著,相关系数可达0.83。     

高原涡与西南涡相互作用暴雨天气过程的诊断分析

利用动力诊断方法,对2008年7月20~22日高原低涡与低层西南低涡相互作用引发西南低涡强烈发展和四川大面积特大暴雨天气发生机理进行了诊断分析。分析表明：高原涡与西南涡涡心之间的纬向距离在5个纬度的时候,两者上升气流都在500 hPa以下,当两者继续东移,在经向上耦合的时候,二者同时得到发展,西南涡中心的上升气流达到300 hPa,而高原涡中心的上升气流突破200 hPa;西南涡在低层出现初期,在一定程度上制约了高原涡的发展,随着两者在经向方向发生耦合,上下涡度平流不同造成垂直差动,将激发500 hPa以下的上升运动与气旋性涡度加强,使得500 hPa与700 hPa涡心正涡度值的增大近1倍。并且涡前的正涡度变率使得高原涡发展并东移,待垂直耦合后,高原涡与盆地涡相互强迫作用促使气流上升运动加强也是导致高原低涡与西南低涡共同发展的一种机制。     

四川盆地一次暖性西南低涡大暴雨的中尺度分析

2021年8月7—8日,四川盆地中东部出现大暴雨、局地特大暴雨,是重庆2021年度社会影响最大的一次暴雨过程。采用多源观测及ERA5再分析资料,对此次大暴雨过程进行诊断分析。结果表明：大暴雨发生在低槽移入四川盆地诱发暖性西南低涡背景下,具有显著的阶段性、跳跃性和极端性特征。大暴雨先后形成于西南低涡中心东南部、西南低涡东侧和西南低涡南侧暖湿的边界层辐合线附近。各阶段大暴雨均由移动缓慢、维持时间达3～6 h的β中尺度对流系统影响形成,暖湿不稳定和弱垂直风切变为β中尺度对流系统的形成提供了有利的环境条件。涡度分析表明,西南低涡的发展主要源于低空辐合及垂直涡度输送效应,但暴雨区的正涡度发展与西南低涡并不完全相同,水平涡度倾侧效应较为显著。第一阶段暴雨区正涡度主要源于对流层中低层西南低涡中心附近显著的低空辐合、涡度垂直输送及水平涡度倾侧效应;第二阶段和第三阶段暴雨区正涡度主要源于边界层辐合及边界层以上的水平涡度倾侧效应,边界层辐合触发暖湿大气中的中尺度对流活动促进了第二阶段和第三阶段大暴雨的形成。     

“81.7”四川暴雨期西南涡生成和发展的涡源诊断

分析表明,1981年7月11—15日发生在四川的特大暴雨与在该区持续强烈发展的中尺度涡旋(西南涡)直接相关。 涡度分析指出,该西南涡初生于700hpa青藏高原的东南角,高、低空气旋性涡度中心在四川盆地附近上空的迭加和耦合是西南涡在成熟阶段强烈发展的一种主要物理机制。 总涡源的诊断表明,该涡源的供给和发展及其垂直结构是与西南涡的结构及其演变相一致的。事实证明,该西南涡的生成和发展是直接受控于该总涡源的。 总涡源的区分结果指出,平均涡源和地形强迫对西南涡的初生和维持是很重要的;相互作用涡源对西南涡的持续发展起着决定作用;而纯扰动涡源在西南涡强烈发展的后期有其重要贡献。     

两类动力因子对四川盆地一次低涡暴雨的应用研究

利用常规观测资料、FY-2E卫星云顶黑体亮度温度(TBB)资料、欧洲中心0. 25°×0. 25°资料,选取质量散度、垂直螺旋度、质量垂直螺旋度、水汽垂直螺旋度、散度垂直通量、密度散度垂直通量、水汽散度通量等7个动力因子对2015年8月16-18日四川盆地一次暴雨过程进行诊断分析。结果表明:(1)此次降雨过程是由高原低涡、高原切变线、西南低涡等多个天气系统共同作用造成。(2)随着高原低值系统的东移、减弱,西南低涡的生成、发展,伴随的对流云团经历了连续生消的过程。(3)动力因子对此次暴雨过程的发展和演变有较好指示意义。动力因子大值区基本覆盖强降水区。西南低涡形成初期,动力因子大值区和高原切变线分布一致,降雨中心位于动力因子大值区和高原切变线右侧,与西南低涡中心对应。西南低涡强盛时期,动力因子大值中心、西南低涡中心、降雨中心趋于重合。降雨区上空存在质量散度辐合、气旋性涡度和水汽通量涡度的垂直向上输送及辐合上升运动。     

基于小时降水资料的贵州降水精细特征分析

摘要：利用2010—2019年贵州地区2683个自动气象站逐时降水观测资料,在结合地形特征分析了贵州降水总体时空特征的基础上,从平均雨强和降水概率方面进一步研究了贵州各季日内降水的精细化特征。结果表明：（1）贵州年降水时长和年降水量空间分布有所差异,其中位于大娄山脉北侧的遵义赤水和习水地区则仅为降水时长的大值区;（2）四季降水时长分布主要受当季主要降水系统位置的影响,而平均降水强度则兼受地理条件的影响,偏向山脉的南麓;（3）在日内降水分布上,贵州四季都存在明显的夜雨现象,其中下半夜到凌晨（00—06 时）降水发生概率更大且强度更强,其中心有明显自西向东传播的特征;（4）短时强降水主要出现在春夏两季且向东传播明显,并主要在夜间到早晨。     

中国近50a极端降水事件变化特征的季节性差异

利用中国419个测站1958-2007年逐日降水资料集,分析了近50a中国不同区域年和季节极端降水事件的基本变化特征。结果表明,多年平均极端降水事件的空间分布具有明显的纬向分布特征,并表现出显著的季节性差异。长江以南地区是春、冬季极端降水事件发生频次较高的区域;而年、夏季以及秋季极端降水事件发生频次在西南地区较高,在西北东部较低。年极端降水事件频次的长期变化趋势与夏季相似,华北和东北有增加趋势,其他地区为弱的减少趋势;其他季节的长期变化趋势存在明显的区域和季节性差异。年和季节极端降水事件的发生频次具有显著的年际和年代际变化特征。年极端降水事件时间序列的多项式拟合曲线的变化情况与夏季基本一致;而其他季节的变化则存在较大差异,表现出显著的季节性差异。     

柴达木盆地降水的时空分布特征

利用柴达木盆地11个国家气象站(2017年3月—2018年2月)及28个区域气象站(2017年6—8月)月降水量资料,运用线性回归订正法和比值订正法推算柴达木盆地的年降水量,进一步分析柴达木盆地降水量季节变化及空间分布特征。结果表明:(1)柴达木盆地降水量年内分配极不均匀,呈单峰性,峰值出现在7月,5—9月(汛期)降水量占全年的87.4%。季节差异非常明显,降水主要集中在夏季;(2)年降水量空间分布特征:柴达木盆地年降水量各地差异极为显著,降水量整体表现为从东向西逐渐减少。最大值出现在天峻,最小值出现在冷湖。用2种方法推算的年降水量最大值出现在柴达木盆地东北部祁连山南麓的木里镇,其次在格尔木市南部出现了两个相对的大值中心,中间区域(93°～97°E)由四周山区向盆地中心逐渐减少的形势表现得更加清晰。夏季降水量的空间分布与年降水量的空间分布完全一致。(3)国家气象站模型中降水量分布只受经度和海拔高度的影响,而线性回归法和比值订正法模型中降水量的分布不仅受经度和海拔高度的影响,还受纬度的影响,三者的贡献率由大到小的排序是经度海拔高度纬度。     

基于TRMM数据的秦巴山区降水特征分析

本文利用1998～2015年TRMM卫星3B42的日降水资料，对秦巴山区的年降水量、季降水量、各个等级降雨日数、整个区域降水量的年际变化和季节变化进行了统计，同时还对各个不同降水类型的倾向率进行了统计，再根据他们的时空分布进行分析。结果表明:1)1998～2015年秦巴山区年平均降水量从东南到西北呈现依次递减的变化特征且呈带状分布, 山区南部的降水量明显高于北部，山区东西部降水差别不大；2)四个季节的平均降水均呈现“南高北低”的空间分布特征；3)无雨日数在整个山区呈增大的趋势，小雨日数在整个山区呈减少的趋势，中雨日数除山区东南外呈增大的趋势，大雨日数除重庆、河南、四川北部外基本呈增大的趋势，暴雨日数除山区东西部暴雨日数减少外其他地方都呈增加的趋势；4)整个山区年降水量随着时间的增长在缓慢的增多。      

西太平洋暖池和北京地区大气水特征的地基遥感测量

近十多年来,用地基双波长(0.85、1.35 cm)微波辐射计(和雨强计)分别在西太平洋暖池和北京地区对大气水做了多次高时间分辨率长时间连续监测,本文是这些资料的分析总结.文中定量给出了大气水汽(和云液水)的日、季节内、季、年、年际的变化和变化的地理差异;定量给出了大气三水(水汽、云液水和雨水)的季节统计分布特征和地理差异;得到了大气三水之间的定量比例,并得到了降水概率、降水效率和云中水循环次数等与降水过程有关的参量与多种大气水参量之间的统计关系,在一定程度上揭示了大气水循环特征.     

玛纳斯河流域积雪变化特征及其与气温、降水的关系

利用MODIS积雪资料以及同期气象资料,分析了2000—2009年玛纳斯河流域积雪面积年内、年际变化及其与同期气温和降水的关系,结果表明:玛纳斯河流域积雪面积在4个不同分带上随季节变化各不相同,其中,带1变化最剧烈,受气候影响最为显著;带2、带3积雪的增加和减少都比较平缓;带4受气候影响最小。从年际波动来看,带1积雪面积随季节变化更为明显,带4在四季变化中均较平稳。对整个流域积雪面积与气候资料的相关分析表明:冬季,流域积雪变化对降水更敏感;而春季,气温是影响流域积雪面积变化的更主要的因素。     

河北省西南部逐时降水气候特征分析及雨量产品色标修订

利用河北省中南部1999～2005年95个气象站4～10月自记雨量资料,初步分析了逐时降水的统计学特征量,得到了逐时降水的空间分布特征和统计学基本规律:河北省中南部逐时降水具有明显的地理和季节分布特征,强度一般在早晨或傍晚最大,上午最弱.根据逐时降水量级分布情况,调整雷达雨量产品色标设置:小值区间间隔小,大值区间间隔大,突出显示小值降水的层次,跟踪降水中心发生、发展及移动,对降水精细化预报有一定的指导意义.     

福建一次强冰雹天气的物理量及雷达回波特征分析

利用MODIS积雪资料以及同期气象资料,分析了2000-2009年玛纳斯河流域积雪面积年内、年际变化及其与同期气温和降水的关系,结果表明:玛纳斯河流域积雪面积在4个不同分带上随季节变化各不相同,其中,带1变化最剧烈,受气候影响最为显著;带2、带3积雪的增加和减少都比较平缓;带4受气候影响最小.从年际波动来看,带1积雪面积随季节变化更为明显,带4在四季变化中均较平稳.对整个流域积雪面积与气候资料的相关分析表明:冬季,流域积雪变化对降水更敏感;而春季,气温是影响流域积雪面积变化的更主要的因素.     

云南地区季降水量和气温的潜在可预报性分析

利用云南地区42年气候资料,使用低频白噪声延伸法和方差分析方法,估计了该地区季节降水量和季节气温的气候噪声方差和潜在可预报性。分析结果表明：（1）云南季降水量的气候噪声方差随着季节降水量的增加而增加,空间上主要是由南往北减小,夏季降水量的气候噪声方差显著大于其他季节,季气温的气候噪声方差则随着季节气温的减小而增加,空间上春、冬季由东往西减小而夏、秋季由南往北增加;冬季气温的气候噪声方差显著大于其他季节;（2）云南季降水量和季气温的潜在可预报性同样具有显著的季节变化和空间变化,云南春季的降水量和气温的潜在可预报性均显著大于其他季节,夏季降水量和气温的潜在可预报性均较其他三个季节小;春、秋季降水量潜在可预报性西部大于东部,夏季北部大于南部,冬季则是南部大于北部,云南季气温除夏季外均是西部大于东部。（3）季风和冷空气活动可能对云南地区的季降水量和气温的潜在可预报性有重要影响。     

Evaluation of East Asian climatology as simulated by seven coupled models

Using observation and reanaiysis data throughout 1961-1990, the East Asian surface air temperature, precipitation and sea level pressure climatology as simulated by seven fully coupled atmosphere-ocean models, namely CCSR/NIES, CGCM2, CSIRO-Mk2, ECHAM4/OPYC3, GFDL-R30, HadCM3, and NCARPCM, axe systematically evaluated in this study. It is indicated that the above models can successfully reproduce the annual and seasonal surface air temperature and precipitation climatology in East Asia, with relatively good performance for boreal autumn and annual mean. The models‘ ability to simulate surface air temperature is more reliable than precipitation. In addition, the models can dependably capture the geographical distribution pattern of annual, boreal winter, spring and autumn sea level pressure in East Asia. In contrast, relatively large simulation errors axe displayed when simulated boreal summer sea level pressure is compaxed with reanalysis data in East Asia. It is revealed that the simulation errors for surface air temperature, precipitation and sea level pressure axe generally large over and around the Tibetan Plateau. No individual model is best in every aspect. As a whole, the ECHAM4/OPYC3 and HadCM3 performances axe much better, whereas the CGCM2 is relatively poorer in East Asia. Additionally, the seven-model ensemble mean usually shows a relatively high reliability.