一次河北大暴雨的华北低涡结构和涡度收支分析

利用Micaps系统下常规资料、云图资料和NCEP全球再分析资料,对2004年7月11-12日发生在河北省中南部的一次局地大暴雨个例进行了诊断分析。结果表明：200hPa西风槽、500hPa华北低涡和中低层偏东风,是这场暴雨的直接影响系统,该过程中的华北低涡为低层冷心、高层暖心结构,具有随高度向西北倾斜的特征,涡度场特征明显。暴雨区对应着深厚的正涡度区,散度场结构零乱,非高层辐散、低层辐合的配置,暴雨区上空上升运动较强。冷空气来源于500hPa以下的东北地区,水汽的源地来自渤海,低层偏东风可能是暴雨区所需水汽的主要携带者。水平涡度平流项和水平涡度辐散项作用相反,水平涡度辐散项对总涡度起直接作用且为正贡献,而垂直平流项对总涡度贡献比较小。     

判断大气要素场相似度的相似面积比方法

目前常用的相似量一般是对样本差异的一个平均意义上的描述,在判断样本相似时难免受到个别过大或过小的样本因子的影响。针对这个问题,提出一种新的相似性度量方法——相似面积比方法,试图从全局的角度来考虑样本相似的选取问题。首先将原始数据标准化,根据对样本间距离的统计分析确定一个判断相似的阈值,然后计算两个样本中距离小于阈值的面积与总面积的比来判定两个样本的相似程度,最后利用2001 2011年冬季00:00(世界时)NCEP FNL温度、高度和风场的全球分析资料对该方法进行了验证。结果表明,数据标准化后可以得到值域范围大致相同的无量纲变量场,有利于多层次多变量的综合性相似判据的建立;与海明距离、相关系数相比,相似面积比选取的相似样本和基准样本在分布形态上较为接近,但相似面积比对高纬地区的相似判断较弱。基于上述三种相似性方法,利用1948 2013年NCEP月平均温度再分析资料进行长期天气预报试验表明,三种方法在相似样本的选取上有一定数量的重合率;从相似预报效果来看,相似面积比方法最好,海明距离方法次之,相关系数方法较差。     

南北极区冬春季节大气平流层CO次峰现象

ACE-FTS（加拿大“大气化学实验”的傅里叶变换光谱仪）和Aura-MLS（美国Aura卫星的微波临边探测器）卫星CO观测资料的分析结果显示,南北半球极区大气平流层中部,于当地冬末春初季节存在明显的CO浓度垂直分布次峰值现象。应用观测密度较大、范围覆盖较广的Aura-MLS卫星资料,通过对冬春季节极区CO浓度的季节内变化进行分析后发现,冬季来自大气中间层富含CO的空气能够逐渐下沉并进入到平流层中部,在冬末春初时节,平流层上部的CO浓度快速下降,而平流层中部的CO浓度变化则较慢,从而使大气平流层中CO浓度呈现悬球状的空间分布结构,卫星观测廓线资料分析结果则呈现出次峰值现象。相应的同化气象数据MERRA的风场资料和Aura-MLS卫星观测OH资料分析结果表明,垂直输送的减弱、水平交换的加强和OH浓度的回升可能是导致平流层上部CO浓度快速减少的原因,而在平流层中部极低的OH浓度以及极弱的水平交换使CO保持较长的化学寿命,并使这一现象得以从晚冬维持到春季。     

南北极区冬春季节大气平流层CO次峰现象

ACE-FTS(加拿大"大气化学实验"的傅里叶变换光谱仪)和Aura-MLS(美国Aura卫星的微波临边探测器)卫星CO观测资料的分析结果显示,南北半球极区大气平流层中部,于当地冬末春初季节存在明显的CO浓度垂直分布次峰值现象。应用观测密度较大、范围覆盖较广的Aura-MLS卫星资料,通过对冬春季节极区CO浓度的季节内变化进行分析后发现,冬季来自大气中间层富含CO的空气能够逐渐下沉并进入到平流层中部,在冬末春初时节,平流层上部的CO浓度快速下降,而平流层中部的CO浓度变化则较慢,从而使大气平流层中CO浓度呈现悬球状的空间分布结构,卫星观测廓线资料分析结果则呈现出次峰值现象。相应的同化气象数据MERRA的风场资料和Aura-MLS卫星观测OH资料分析结果表明,垂直输送的减弱、水平交换的加强和OH浓度的回升可能是导致平流层上部CO浓度快速减少的原因,而在平流层中部极低的OH浓度以及极弱的水平交换使CO保持较长的化学寿命,并使这一现象得以从晚冬维持到春季。     

新一代可移式天气雷达在人工影响天气中的应用研究

在总结“十五”国家科技攻关重大计划项目“人工增雨技术研究及示范”成果的基础上,利用我国可移式新一代天气雷达在青海省河南县和河南省许昌市进行秋(春)季降水系统中尺度结构外场试验观测的方法和技术,对这两个地区云和降水的若干特征进行了分析;另外,使用两步变分方法反演了风场结构,分析了层状云和对流云的中尺度回波强度和动力结构。结果表明:新一代天气雷达可为人工影响天气作业指挥和云物理研究提供更多信息,包括风场中尺度结构、辐合线位置等;青海省河南县及周边地区秋季降水以对流云降水为主,低空辐合是对流云旺盛发展的重要原因;河南省许昌市春季降水既含有对流云降水也含有层状云降水,对流云降水过程伴有低空辐合,层状云内风场比较均匀,但风的垂直切变明显,多为暖平流。     

一种显式四维变分资料同化方法

提出一种新的资料同化方法——显式变分四维同化方法, 该方法将奇异值分解(SVD)技术用于四维空间的预报集合提取正交基向量, 这些基向量不但能够表现分析变量的空间结构, 也能反映它的时间演变特征. 将分析变量依截断的基向量展开后, 控制变量会显式地出现在代价函数中, 避免了传统的变分四维同化方法所必需的伴随模式的运用, 使同化过程变得简单. 用浅水方程模式和人造资料进行的一系列数值试验对所提方法的有效性作了检验并和传统的变分四维同化方法进行比较. 结果表明, 在观测点很密集, 观测和模式都没有误差的情况下, 它不如传统的变分四维同化方法好. 但是当观测点稀疏时显式方法会好于传统的方法, 它对模式误差及观测误差的敏感性也远远小于传统的方法.     

修正数值天气预报的非系统性误差的变分方法

变分方法被用于根据分析场来估计数值天气预报的非系统性误差,从而对预报作出订正．这一方法中假设预报误差与预报场的某种组合线性相关,奇异值分解（SVD）技术被用于由一系列预报和分析场样本产生的相关矩阵得到预报场和误差场之间的映射关系,同时也降低了问题的维数,并使目标函数中的背景误差协方差矩阵成为简单的对角矩阵．利用两种有不同误差的浅水方程模式和模式资料对连续20次的6h,24h和48h预报进行了误差订正试验．试验采用了3种预报场组合方案：第一种方案是末时刻的预报场;第二种方案是初始场和末时刻预报场的组合;第三种方案是末时刻的预报场以及预报的倾向场的组合．结果表明当预报误差明显超过分析误差时,订正能够明显改进预报,其中第三种方案对预报误差的订正效果最好,而其他两种方案不能保证订正都能改进预报．     

1961-2011年甘肃雷暴气候分布特征及变化趋势

利用1961-2011年甘肃省63个测站的雷暴观测资料,采用气候倾向率趋势系数和小波分析方法,研究了甘肃省雷暴气候变化特征。结果表明:年平均雷暴日数呈东北-西南走向,东北少、西南多,全省平均为24 d,有3个雷暴高发中心,地形是影响甘肃雷暴空间分布的主要因子。近51年中,1961-1990年为多雷暴期,1991-2011年为少雷暴期,雷暴日数总体呈减少趋势,其中甘南高原减少速率最快,每10年约减少4 d,这可能与对流有效位能和700 hPa相对湿度的下降有关。在春、夏、秋三季中,夏季雷暴日数减少的趋势最为明显,每10年减少3.4 d,尤以6月最甚。初、终雷暴日的地区差异较大,甘南高原初雷暴日出现最早,终雷暴日结束最晚,河西走廊初雷暴日出现最晚,终雷暴日结束最早,因此甘南高原是甘肃雷暴期最长的地区,达204 d,河西走廊则最短,为105 d。近51年来甘肃雷暴期的缩短主要是初雷暴日的显著推后和终雷暴日的提前所致。小波分析表明甘肃雷暴日数存在24 a和8 a的周期震荡,当前雷暴的发生正处在一个偏少的周期内。     

一种基于预报集合的降维资料同化方法的数值试验研究

对Qiu和Chou(2006)提出的一种基于预报集合的降维资料同化方法(4DSVD)给出了可行的实施方案，利用中尺度模式MM5产生的模拟资料进行数值试验并将其与MM5/3DVAR的同化结果进行比较，分析了不同的观测误差和观测点密度对同化结果的影响。试验表明:(1)和3DVAR相比该方法能更好地从有观测的变量推断无观测的变量(从温度的观测推测风和比湿)；(2)该方法可以相当有效地滤除观测噪音；(3)该方法具有更好的将观测信息扩展到资料空缺地区的能力。     

使用混合样本的集合四维变分同化试验研究

基于集合和奇异值分解的四维变分同化方法(SVD-En4DVar)的同化效果对采用的预报样本容量有很强的依赖性,其中一个重要原因是在SVD-En4DVar中分析变量被表示为按照扰动预报集合提取的奇异向量作线性展开的形式,这种展开存在截断误差,过少的样本数会造成过大的截断误差。为了在不增加计算量的情况下增加用于同化的样本,从而改善同化效果,本文提出了流依赖的预报样本与定常样本相混合的方法。定常样本有两种生成方法：第一种是按照给定的统计结构给出伪随机扰动场直接叠加到四维背景场上而完全不经过模式积分;第二种是在第一个同化循环时将伪随机扰动场叠加到初始背景场,然后在分析时间窗内积分模式得到扰动预报样本,最后将其中一部分保留不动作为后面同化循环的定常样本。利用浅水方程模式和80个变量的Lorenz-96模式及模拟资料进行数值试验,比较不同样本结构的同化效果。结果表明,在浅水方程模式的同化中,完全采用大容量的定常样本仍然可以得到较好的结果,但对Lorenz-96模式效果不好。采用混合样本后,这两类模式的同化都可以得到较好的结果,在相同的计算时间下,混合样本方法可以明显提高同化精度,其中第二种产生定常样本的方法要好于第一种。