中国东部夏季降水与气温的联合EOF分析

采用JEOF等方法分析中国东部夏季降水和气温的协同变化时空分布特征,结果表明:当时间系数为正时,第1典型场降水型态从北向南(下同)呈"++-"分布,气温表现为冷异常,500 hPa回归场在中纬度地区呈显著低压异常,SST回归场表现为太平洋海域呈西北-东南的分布;第2典型场降水呈"+-"分布,气温则呈"-+"分布;第3典型场降水分布呈中间型,气温场呈"-+"分布。     

六个气候系统模式对西南地区2 m温度的预报检验分析

通过分析BCC_CSM1.1m、ECMWF_SYSTEM5、NCEP_CFSv2、FGOALS_f、FGOALS_s2、PCCSM4气候模式的模式初始误差、空间相关系数和时间距平相关系数,评估国内外6种气候预测模式在西南地区的预测能力.结果表明:FGOALS_s2和ECMWF_SYSTEM5模式的初始误差最大,FGOA...     

基于NCEP-GEFS回算资料的我国极端温度变化特征研究

利用美国NCEP全球集合预报系统(GEFS)历史回算资料和中国均一化格点观测数据,分析了我国近30 a来极端温度变化特征,重点考察了该模式预报系统对这一变化特征的刻画性能。通过估算格点观测和模式资料中2 m温度的历史气候百分位,分析了我国冬夏两季极端温度的气候特征以及极端温度日数的气候分布和多年变化趋势。结果表明,我国冬季极端低温和夏季极端高温的空间分布表现出较强区域性特征:东北、华北和青藏高原区域冬季极端低温的百分位阈值对应的温度较低,而华南、西北和长江流域夏季极端高温的阈值温度则较高;近30 a来我国夏季平均温度和极端高温日数几乎都呈现上升趋势,冬季平均温度则在我国大部分区域呈上升趋势、西北和东北部分地区呈下降趋势,相应地冬季极端低温日数在大部分区域呈下降趋势、仅在西北、东北和华南部分地区略有上升。NCEP-GEFS回算资料能较好地再现我国冬夏两季平均气温、冬季极端低温和夏季极端高温日数的气候趋势和年际变化,但在各区域都有不同程度的冷偏差,冬季偏差明显大于夏季,并随着预报时长的增加,冬季冷偏差逐渐增强,而夏季冷偏差则逐渐减弱。因此,本文建议采用基于百分位阈值的相对极端性定义,可自动修正模式分析场和预报场中的系统性偏差。     

1964-2013年河源地区雷暴日特征分析

选取河源市1964—2013年共50年的人工观测雷暴日资料以及2012—2013年的闪电定位数据分析河源地区的雷暴日特征,结果表明:河源市雷暴日数具有明显的年代际变化特征,总体呈现缓慢震荡减少的趋势;由M-K检验结果发现市区雷暴日数在1988年前后发生突变,河源市4个县的年际突变时间在1982—1992年范围间。在2012—2013年时间段内,由闪电定位仪数据得到的雷电日与人工观测雷暴日的月变化趋势基本一致,但雷电日数远大于雷暴日数,可能与人工记录的缺失或闪电定位仪误记有关。     

三个气候系统模式对500hPa高度场预报的检验对比分析

基于BCC_CSM1.1m,NCEP_CFSv2和ECMWF_System5模式的历史回报和中国全球大气再分析系统资料,对500hPa位势高度和西太平洋副热带高压进行预报性能评估和可预报性分析。结果表明:三个模式在热带地区均具有较高的预报能力,BCC模式表现最为突出,EC模式预报稳定性最好,NCEP模式预报技巧最低;三个模式预报的距平相关系数均表现出明显的年际变化,并且在超过中等强度的厄尔尼诺事件后,预报技巧有所提高,进一步证实ENSO是各模式对500hPa位势高度季节性尺度的可预测源;模式对西太副高脊线指数的预报技巧最高,其次是强度指数,再次是面积指数,对脊点指数的预报表现最差。      

基于T639集合预报的我国2016年极端温度预报检验

基于我国T639集合预报系统的2 m温度模式实时预报和分析场资料,对历史气候百分位分布进行了估算,并对2016年我国极端高温和极端低温集合预报进行了检验评估。分析表明,对于某一区域代表站点,不同超前时间对应的气候百分位分布变化趋势均与分析场的基本一致,但不同区域代表站点之间以及同一站点不同季节之间的气候百分位分布则存在差异。Talagrand分布检验结果显示,T639集合系统对哈尔滨和长沙站的预报存在暖偏差,而对北京和拉萨站的预报则存在冷偏差,其余典型站表现出预报离散度偏小的特点。基于历史气候百分位定义,对2016年极端温度进行识别、预报和检验。TS评分结果表明,T639集合系统对于我国极端温度总体上具有一定预报性能,预报技巧在各个区域有较大差别,极端高温在江南和东北区域技巧相对较高、极端低温在华北和南方技巧较高。对于不同预报方法技巧比较显示,集合平均法对极端信号有平滑效果,总体技巧偏低,集合众数法对低温技巧增加明显,而采用集合最大值和最小值法对极端信号则有放大效果,对高温技巧增加明显,但对低温技巧则不明显。由此可见,采用合适的方法对集合预报中极端信息的正确提取至关重要。