基于区域自动站数据的兰州地区降水精细化特征

基于2012—2019年兰州地区146个区域自动气象站小时降水数据,从不同时间尺度分析兰州地区近8 a降水精细化特征。结论如下:(1)2012—2019年,兰州地区年均降水量总体呈"北少南多、外多内少"的空间分布特征;年降水量具有明显的年际变化,2018年降水异常偏多46%,而2015、2017年降水异常偏少,尤其2015年偏少30%。(2)兰州地区降水主要集中在7—8月,受环流形势影响,7—8月南部降水明显多于北部,其余月份南北降水差异不明显。(3)兰州地区降水量和降水范围分别表现为"朝少夕多"、"夜大日小"的日变化特征;受海拔高度影响,城区降水量总体比山区小,且因热岛效应,城区降水主要集中在午后至傍晚前后,多为对流性降水,而山区降水日分布较为均匀,整体日波动较小。(4)安宁区短时强降水发生频次最高,但短时强降水频发的站点出现在皋兰县六合站和永登县徐家磨村站,永登县是兰州地区短时强降水预报需重点关注的地区。     

基于区域自动站数据的兰州地区降水精细化特征

基于2012—2019年兰州地区146个区域自动气象站小时降水数据,从不同时间尺度分析兰州地区近8 a降水精细化特征。结论如下:(1)2012—2019年,兰州地区年均降水量总体呈"北少南多、外多内少"的空间分布特征;年降水量具有明显的年际变化,2018年降水异常偏多46%,而2015、2017年降水异常偏少,尤其2015年偏少30%。(2)兰州地区降水主要集中在7—8月,受环流形势影响,7—8月南部降水明显多于北部,其余月份南北降水差异不明显。(3)兰州地区降水量和降水范围分别表现为"朝少夕多"、"夜大日小"的日变化特征;受海拔高度影响,城区降水量总体比山区小,且因热岛效应,城区降水主要集中在午后至傍晚前后,多为对流性降水,而山区降水日分布较为均匀,整体日波动较小。(4)安宁区短时强降水发生频次最高,但短时强降水频发的站点出现在皋兰县六合站和永登县徐家磨村站,永登县是兰州地区短时强降水预报需重点关注的地区。     

2010年7月甘肃一次区域性暴雨分析

利用甘肃省自动站降水、NCEP/NCAR 1°×1°再分析资料、FY-2C卫星云图等资料,对2010年7月22～24日甘肃东部发生的区域性暴雨天气过程进行分析。通过对高空天气形势、多种物理量场以及卫星云图等数据从不同角度对此次暴雨过程进行分析。研究表明：此次暴雨天气过程是由于大陆高压的快速发展西进,切断高原东部的短波槽...     

2011年春季中国北方沙尘天气过程及其成因

2011年春季,中国共出现了7次沙尘天气过程,其中沙尘暴4次,强沙尘暴2次,沙尘天气频次总体偏少、强沙尘暴偏多,影响范围较广。通过对2010/2011年冬季及2011年春季天气气候特征的分析表明:①2010/2011年冬季,冷空气偏强,气温偏低,有利于土壤冻结,同时新疆大部、内蒙古西部及东北部分地区降水偏少,使得前期地面植被状况偏差,进入2011年春季,中国北方大部地区降水仍偏少,地面植被状况虽未得到改善,但气温仍偏低,土壤解冻较晚,而2011年春季冷空气较常年偏弱,使得2011年沙尘暴发生时间较常年偏晚,且沙尘天气过程偏少;②中国北方沙尘天气常发区域土壤湿度较常年偏高,土壤状况良好,土质不够疏松,是2011年春季沙尘天气偏少的一个重要因素;③2011年春季蒙古国及内蒙古大部地区纬向风为偏西风的负距平区,不利于起沙及沙尘粒子向东输送。     

高空急流对一次强沙尘暴过程沙尘传输的影响

使用GRAPES_SDM沙尘暴数值模式,对2011年4月28-30日中国北方强沙尘暴天气进行分析,讨论高空急流在此次过程中对沙尘传输的影响,得出以下结论:（1）GRAPES_SDM沙尘暴模式较好地模拟了此次沙尘暴过程的范围和强沙尘暴中心,整体模拟效果较好;（2）沙尘天气发生时间及移动路径与200 hPa高空急流的加强、移动发展有很好的对应关系;（3）高空强纬向风速的加强能够促使中低层形成垂直环流圈,其下沉支流使高空动量有效下传到近地面,进而在地面形成大风及扬沙和沙尘暴天气,强沙尘暴中心位于此垂直环流圈的下沉支;（4）等熵位涡与高空急流及地面沙尘浓度分布演变有很好的对应关系,等熵位涡位于高空急流北侧,地面沙尘浓度中心位于高空急流出口区、等熵位涡中心西南侧、等值线密集带;高层高值位涡区向下延伸的路径与高空急流北侧纬向风速等值线密集带有非常好的对应关系。本文还通过对高空急流轴线动力、热力结构垂直剖面的分析,探讨了高空急流对大范围沙尘天气影响的可能机制。     

NCAR CAM3全球气候模式对亚洲中部干旱区气候变化的模拟检验

以英国气象局哈德来环流中心提供的连续变化的海温和海冰资料为边界场,用NCAR CAM3全球气候模式对近百年来亚洲中部干旱区气候变化进行模拟,然后利用NCEP再分析资料、英国东安哥拉大学近100 a的CRUTEM2v气温格点序列资料及距平均方根误差、相关系数等方法对模拟的亚洲中部干旱区气候平均场进行检验,结果表明:CAM3.0对亚洲中部干旱区的高度场模拟较好,均方根误差均较小,相关系数较大,相关性较强;温度场除低层700 hPa均方根误差稍大外,其余对流层均较小,并且相关系数比较大;无论对经向风速还是纬向风速,模式模拟的均方差均较大、相关系数较小,模拟的效果较差,其原因尚待进一步研究;地面加热场模拟均方根误差分布具有明显的纬向性,局域和季节差异明显;数值实验模拟出了近百年来亚洲中部干旱区地面气温的变化趋势,但模拟的增温幅度更大,同时对季节变化的模拟存在差异。     

西北干旱区夏季大气边界层逆温强度和高度的频率密度研究

利用敦煌干旱区陆气相互作用外场加强观测试验数据,分析了夏季干旱区边界层高度、逆温层逆温强度以及频率密度的特征.结果表明,虚位温垂直变化的极值可以确定对流边界层(CBL)、稳定边界层(SBL)和残留层顶(RLT)的高度.夏季敦煌干旱区CBL、SBL和RLT的高度平均为2.09 km、594 m和3.53 km,三者逆温层强度(△θv,zi)平均为0.084～0.088 K·(10 m)-1.CBL高度基本遵从均匀分布,SBL和RLT高度分别遵从显著的伽玛分布和极值分布,三者的△θv,zi均遵从显著的伽玛分布.CBL高度与△θv,zi的联合频率密度在0.05≤△θv,zi≤0.1 K·(10 m)-1的线状区域中最大,SBL高度与△θv,z.的联合频率密度在SBL高度＜1 km、△θv,zi=0.1 K·(10 m)-1和0.025 K· (10 m)-1附近的两区域中较大,RLT高度与△θv,zi的联合频率密度则在RLT高度等于3.5 km附近且△θv,zi=0.11或△θv,zi=0.06～0.08 K· (10 m)-1的区域中较大.     

2014年秋季全国干旱状况及其影响与成因

2014年秋季（9~11月）,我国内蒙古中东部、东北中南部、华北东部、黄淮北部、江南、华南以及西南地区西部等地存在不同程度的旱情。其中,主要有3个明显的干旱区,分别是内蒙古中东部、东北中南部、华北东部以及黄淮北部组成的东北和华北旱区、华南和江南组成的南方旱区以及四川和云南组成的西南旱区。旱区农业、人畜饮水等受到不同程度的影响。大气环流异常仍是导致各地干旱少雨的主要原因。     

基于LPSC算法的逐小时格点气温客观预报及检验评估

基于中国气象局陆面数据同化系统(Land surface Data Assimilation System of China Meteorological Administration,CLDAS)逐小时气温实况融合数据,检验评估了ECMWF、CMA-MESO-3km不同尺度模式对甘肃省逐小时气温的预报性能,并利用低频滑动平均订正算法(LPSC)对模式的系统性误差进行订正;同时对SCMOC和订正后两种模式的逐小时气温预报效果进行了统计对比。结果表明:1)ECMWF、CMA-MESO-3km模式对甘肃省逐小时气温的预报具有相对稳定的系统性误差,夜间预报准确率明显低于白天,主要表现为夜间预报显著偏高,白天为小的负偏差。2)LPSC算法能够有效改善ECMWF和CMA-MESO-3km对甘肃省逐小时气温预报的系统性误差,订正效果显著。订正后ECMWF、CMA-MESO-3km的预报准确率分别较模式本身提高了20.24％、20.25％,平均误差减小至±0.3 ℃之内;空间分布亦表明,订正后全省平均误差均明显降低至±2 ℃之内。3)同类产品对比检验表明:订正后ECMWF、CMA-MESO-3km两种逐小时气温预报产品的预报效果整体上均优于SCMOC,预报准确率分别较SCMOC高20.65％、13.55％,平均绝对误差在各个时次也明显低于SCMOC。技巧评分的空间分布表明,订正后ECMWF在全省大部分地方均为正技巧,其中酒泉南部山区可达80％以上;而订正后CMA-MESO-3km的预报效果各个季节分布存在差异,主要体现在陇中和陇东南地区,冬春季以弱的正技巧为主,夏秋季基本为负技巧。另外,业务应用结果表明,对于转折性天气过程,使用该方法需要特别注意。     

近70a来中亚极端高温事件时空分布

基于NCEP/NCAR 1948—2017年逐日平均气温资料,利用百分位阈值法确定中亚地区极端高温事件的阈值,进而分析该地区近70 a极端高温事件强度、频次时空分布特征。结果表明:中亚地区暖季平均气温的空间分布受地形影响显著,从西南向东北逐渐降低。极端高温事件的强度和频次在1967年前后发生年代际转折,其中强度在转折后要显著高于转折前,频次在转折前呈现负趋势、转折后转变为正趋势。极端高温事件发生的区域也存在显著的年代际变化特征。极端高温事件强度趋势增加最显著的地区位于乌兹别克斯坦西部,负趋势最显著的区域位于中国南疆;频次趋势增加最显著区域位于哈萨克斯坦西部的乌拉尔地区,负趋势显著区域则位于帕米尔高原。