表面波浪对海洋上层混合的作用

A new three-dimensional numerical model is derived through a wave average on the primitive N-S equations, in which both the＂Coriolis-Stokes forcing＂ and the＂Stokes-Vortex force＂ are considered. Three ideal experiments are run using the new model applied to the Princeton ocean model （POM）. Numerical results show that surface waves play an important role on the mixing of the upper ocean. The mixed layer is enhanced when wave effect is considered in conjunction with small Langmuir numbers. Both surface wave breaking and Stokes production can strengthen the turbulent mixing near the surface. However, the influence of wave breaking is limited to a thin layer, but Stokes drift can affect the whole mixed layer. Furthermore, the vertical mixing coefficients clearly rise in the mixed layer, and the upper ocean mixed layer is deepened especially in the Antarctic Circumpolar Current when the model is applied to global simulations. It indicates that the surface gravity waves are indispensable in enhancing the mixing in the upper ocean, and should be accounted for in ocean general circulation models.     

两次秸秆焚烧导致辽宁重污染过程的气象条件对比分析

利用环境监测站大气污染物数据、地面自动气象站观测资料、L波段加密探空资料和0.125°×0.125°的EC再分析资料,结合MODIS遥感火点监测和HYSPLIT4后向轨迹模拟结果,对比分析了2015年11月8日和2016年11月5日的两次由于东北地区秸秆焚烧导致辽宁重污染天气过程的大气边界层特征、气象扩散条件和大气污染物输送来源等。结果表明:两次过程地面PM_(2.5)浓度均出现快速上升和下降,其中2015年11月8日重污染过程的污染强度较2016年11月5日强,且持续时间更长。2015年11月8日重污染过程的混合层高度较低,其上层的中性层结转变为逆温层结,抑制混合层高度的发展。同时低层冷平流不断侵入到暖平流下方,使得大气层结稳定性增强,维持时间较2016年11月5日重污染过程更长,低层下沉运动和黑龙江西南部、吉林西部污染物的远距离输送增强使得辽宁地面污染物浓度快速累积。而2016年11月5日重污染天气过程主要受深厚冷空气影响,东北地区西部污染物的区域输送和地面风场辐合是地面污染物浓度快速上升的主要原因。     

四川盆地最大混合层厚度与大气污染物浓度的关系

基于2015～2018年四川盆地温江站、宜宾站、达川站和沙坪坝站的探空和地面观测资料以及同期AQI、6种主要污染物(SO₂、NO₂、CO、O₃、PM_2.5、PM₁₀)质量浓度资料,使用逐步逼近法计算得到了四川盆地成都、宜宾、达州、重庆四城市的每日最大混合层厚度(Maximum mixing depth,MMD),并对其时间变化特征及其与各种污染物浓度之间的关系进行了分析。结果表明,四川盆地年平均MMD约1200m。季节变化明显,春夏高、秋冬低。9月至次年1月MMD相对较小。相关分析显示,剔除降水影响后,MMD与AQI、PM_2.5、PM₁₀、SO₂、NO₂、CO浓度均呈负相关,而与O₃浓度显著正相关。在污染最为严重的冬季,MMD明显低于春夏季节。MMD越小、颗粒物浓度越高。低MMD大大压缩了近地面污染物的扩散空间,污染物在有限的空间内不断累积、浓度增大。      

影响北京的一例沙尘天气过程的起沙沉降及输送路径分析

本文选取2012年4月27-28日影响北京的一次沙尘天气过程进行分析,发现在本次过程中,沙源地区的沙尘暴主要发生在地面冷锋和500 hPa槽后,在近地层强烈的感热加热与中低层冷平流的共同作用下,形成了不稳定层结及深厚的混合层,最高可达600 hPa,是沙尘天气能够影响下游地区的重要条件。本文还通过分析等熵混合层厚度变化及其平流过程来追踪沙尘天气的输送路径和定位沉降地,发现本次过程有两种传输路径,一种是沿辽宁北部向东而后转向东北方向,主要沿等熵混合层平流向下游移动,之后随着等熵混合层的接地沉降到近地层,该路径影响高度较高;另一种是沿辽宁南部向东南方向移动,混合层平流较清楚,但沉降时与东北路径明显不同,在辽东半岛东部地面辐散气流及下沉运动的作用下发生沉降,并随冷锋后冷高压南侧的东风回流向西输送影响北京地区。另外,由于混合层之上的稳定层明显下压,使沙尘输送高度偏低。运用HYSPLIT模式模拟的前、后向轨迹证实了上述两种输送路径,表明北京的扬沙天气是由东风回流造成的。     

副热带北太平洋SST在ENSO冷暖位相转变中的作用

2015/2016年发生的极端El Ni?o事件,与1997/1998年El Ni?o事件具有可比拟的强度,但是2016年事件转变为弱La Ni?a,而1998年事件则为强La Ni?a。本文通过对比这两次极端El Ni?o事件,揭示其转变为不同强度La Ni?a事件的物理机制。混合层热收支分析的结果表明,在El Ni?o衰减年的4~11月,2016年平流反馈和温跃层反馈相对较弱,混合层温度衰减速率慢,其产生的主要原因是赤道中西太平洋的东风异常较弱。进一步分析表明,赤道中西太平洋的东风异常与副热带东北太平洋的海表温度异常（SSTA）有关,该地区的SST在1998年表现为冷异常,2016年为暖异常。副热带东北太平洋冷的SSTA有利于信风加强,从而加强中西太平洋的东风异常;而暖的SSTA使得赤道以北出现西南风异常,从而削弱中西太平洋的东风异常。此外,合成分析也表明,副热带东北太平洋SSTA与转变的La Ni?a的强度具有关联,El Ni?o转变为强La Ni?a的情况在位相转变期伴随着副热带北太平洋冷的SSTA,而El Ni?o转变为弱La Ni?a的情况没有明显的冷SSTA。     

江西省一次冷空气过程中的灰霾天气过程分析

利用江西省常规气象观测资料、探空站资料和空气污染资料,对2008年12月12～13日江西省的一次大范围灰霾天气过程进行了综合分析研究。结果表明:横槽转竖引导冷空气南下和中层高度的干燥暖舌共同影响,是这次灰霾天气过程发生的天气形势背景;冷空气受到700hPa干暖舌的抑制作用,形成低层偏冷,中层偏暖的"逆温"结构,导致了大范围的灰霾天气过程出现、维持;空气相对湿度较低,受昼夜温差和冷空气的共同影响,造成轻雾和灰霾天气之间频繁转换;较低的混合层高度导致近地面污染物以水平运动为主,在遇到较高海拔的山脉阻挡后,沿山脉边缘向东西方向扩展,汇集到平原、河谷地区,降低这些地区的能见度,导致灰霾区域由"南北向型"演变成了"东西向型"。     

青藏高原东部大气探空廓线的气候特征分析

通过对青藏高原东部地区近几年部分探空资料的分析,得出了一些有意义的结论。结果表明:冬季,青藏高原东侧地区在对流层下部存在明显的逆温现象,在逆温层之下,大气相对湿度大,水汽随高度减小的幅度小,大气处于中性层结状况;在此逆温层之上,大气相对湿度小。在逆温层底部有大量的水汽堆积,在空中形成明显的逆湿层,而在高原主体上并没有此逆温层的存在,高原东侧各站逆温层底的高度差别不大。夏季,青藏高原东侧地区20时可以存在明显的混合层,混合层的高度在成都站最小,重庆站最大,而高原主体混合层高度大于东侧地区。旱年混合层高度大于涝年。8时和20时,冬季大气温、湿垂直特性变化不明显,而夏季具有明显的变化。夏季,降水过程明显抑制混合层的发展,在暴雨过程及其前后,混合层有明显的成熟、消亡、重新建立的特征。     

一η模式中高分辨边界层方案及对降水影响的数值试验

利用16层垂直不等距中尺度η模式,引入高分辨边界层湍流闭合方案,且将垂直分层加密至21层。将改进后的模式用于边界层过程的模拟,结果表明,改进后的模式能较好地模拟出边界层的日变化过程及边界层结构;通过对暴雨个例的数值模拟,发现改进后的模式对降水预报的TS评分,特别是暴雨TS评分有明显提高;最后对边界层过程影响暴雨的机制进行了简单的探讨。试验表明,地表潜热通量结合低空急流的水平输送是夏季切变线和准静止锋这一类强降水形成的主要原因之一。     

一种海洋混合层深度的智能识别方法研究

文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型, 并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布, 在一个自海表向下移动的窗口内通过贝叶斯链式法则和最小描述长度原理学习新数据, 得到系数均值的最大后验概率估计。用F-检验识别系数发生突变的位置, 以此确定混合层的存在性及其深度。通过2017年2月太平洋海域的地转海洋学实时观测阵(Array for Real-time Geostrophic Oceanography, ARGO)数据进行测试, 并且以质量因子(Quality Index, QI)值作为判断识别混合层深度结果准确性的依据, 发现该方法相比于梯度法、阈值法、混合法、相对变化法、最大角度法和最优线性插值法在识别结果上具备更大的QI值。表明该方法能够准确识别混合层深度。