东北地区气温演变的一致性与局地性特征研究

选取中国东北区域162个气象站1961—2015年地面气温资料,采用多种统计方法分析了近55 a东北地区气温的一致性和局地性演变特征。结果表明:东北地区年平均气温存在较为良好的空间一致性,"全区一致型"气候类型为东北地区最主要气候形态;第一旋转载荷向量时间系数呈上升趋势亦存在较明显2—7 a的周期,说明北部地区气温受全球变暖、ENSO等大尺度气候背景影响显著; 1961—2015年北部区域以0. 34℃/10 a的升温率高于南部区域的0. 26℃/10 a,但1980年后增温趋势减慢;年平均气温的概率曲线随年代整体向高值区移动,北部区域冬季增暖较为显著,南部区域冬夏均较为明显,春秋季节可能有缩短趋势。     

CCSM4模式对东北气温和降水的模拟及预估

利用东北地区162个气象观测站逐月气温和降水资料对CCSM4模式的模拟性能进行了评价,并预估了2021—2050年东北地区的气候变化情景。结果表明:CCSM4模式长期历史气候模拟实验模拟的1961—2005年月平均气温、降水量值能较好地再现东北区域年平均气温、降水量的空间分布形态,但气温模拟值比观测偏低,91. 4%站点误差在1. 5℃以内;降水中心比观测略偏北,全区平均偏多35. 18 mm。2021—2050年东北区域年平均气温呈增温趋势,高纬度地区的增温幅度明显大于低纬度地区,与基准年相比,RCP2. 6、RCP4. 5和RCP8. 5情景下全区分别偏高6. 00℃、5. 86℃和6. 42℃。年降水量分布呈东南向西北递减的形态,降水大值中心出现在东南部吉林与辽宁交界处,RCP2. 6、RCP4. 5和RCP8. 5情景下全区分别偏多15. 2%、3. 1%和2. 0%。     

未来东北地区农业气候资源的时空演变特征

研究采用NorESM1-M模式输出的气候情景资料驱动农业生态区模型,分析了21世纪中期在RCP 2.6和RCP8.5典型浓度路径下的东北区域气候资源变化。研究表明:在RCP2.6、RCP8.5两种气候变化情景下,东北区域年平均气温呈现升高趋势,≥10℃积温所反映的热量条件得到显著改善,以黑龙江省和辽中南积温的增加最为明显;受气温升高影响,2050s参考作物蒸散普遍增加。区域内降水总量略有增加,东北西部干旱地区状况略有改善,东部地区更加湿润;趋于暖湿的气候促使作物生长季延长,到21世纪中期,全区最长增加12.4天。     

1961—1987年与1988—2014年辽宁省气候区划界线变化及可能气候成因

基于同一区划方法、指标体系,使用1961—2014年辽宁省52站气象观测资料,分析辽宁省气温、气候区划指标、范围及界线的变动特征。结果表明：辽宁省年均气温在1988年发生一次突变,突变后气温开始显著上升;≥10 ℃积温日数比较显著地响应气温突变,而干燥指数、7月平均气温变化不显著。在空间分布上区划指标值均存在不同程度的变化。① 全省≥10 ℃积温日数均出现增加,但在中西部地区显著增加;② 在盘锦-抚顺一线以北（南）,气候总体呈不显著变湿（干）趋势;③ 7月平均气温呈缓慢上升趋势。区划范围及界线位置出现更加显著地变化：① 暖温带范围主要向北向东扩展,中温带向东收缩;② 半湿润区范围主要向北向西扩展,半干旱区向西北方向收缩,湿润区范围基本不变;③ Tb范围显著向北向东扩展,Ta范围向北向东收缩。在此基础上分析了气候格局变化的可能气候成因,发现突变后≥10 ℃积温日数期间500 hPa高度场增加与4月和10月东亚冬季风减弱,4—10月东北冷涡持续天数增加和7月500 hPa高度场增加,可能分别是温度带,Tb区、Ta区和半湿润区、半干旱区变化的原因。     

近46年来华东及周围地区最高与最低气温时空演变的气候特征

选用华东及周围地区157个气象观测站1960-2005年6~8月逐日最高、 最低气温资料, 利用分段线性突变检验、 EOF分解等方法, 分析了我国华东地区最高, 最低气温的空间分布及时间演变特征。结果表明： 高温主要出现在长江以南; 长江以北夏季气温分布受地形影响显著。最高气温分布具有良好的空间一致性, 主要受大尺度天气系统影响; 最低气温更多表现出局地变化特征; 华东夏季最高、 最低气温分布形态较为类似, 有“全区一致型”和“南北反向型”两种, 1980年是夏季气温的一个突变点。1980年以前, 最高、 最低气温都呈下降趋势; 1980年以后则呈升温趋势; 最高气温的演变以“高温-低温-高温”的年代际振荡为主, 极端高温主要发生在两个时段： 第一次在1960-1965年之间; 第二次在2000年以后, 而极端最低气温以升温趋势为主。     

不同升温情景下中国东北地区平均气候和极端气候事件变化预估

利用区域气候模式RegCM4的逐日气温和降水资料,预估1.5℃和2.0℃升温情景下,东北地区平均气候和极端气候事件的变化。结果表明：RCP4.5排放情景下,模式预计在2030年和2044年左右稳定达到1.5℃和2.0℃升温;两种升温情景下,东北地区气温、积温、生长季长度均呈增加趋势,且增幅随着升温阈值的升高而增加;1.5℃升温情景下,年平均气温增幅为1.19℃,年平均降水距平百分率增幅为5.78%,积温增加247.1℃·d,生长季长度延长7.0 d;2.0℃升温情景下气温、积温、生长季长度增幅较1.5℃升温情景下显著,但是年和四季降水普遍减少,年降水距平百分率减小1.96%。两种升温情景下,极端高温事件显著增加,极端低温事件显著减少,极端降水事件普遍增加。霜冻日数、结冰日数均呈显著减少趋势,热浪持续指数呈显著增加趋势;未来东北地区降水极端性增强,不仅单次降水过程的量级增大,极端降水过程的量级也明显增大,随着升温阈值的增大,极端降水的强度也逐渐增大。     

DIURNAL VARIATIONS OF SUMMER PRECIPITATION IN SHANGHAI

This paper investigates the diurnal variations of summer precipitation in Shanghai by using the city''s hourly precipitation data over a span of 35 years. The result shows that the precipitation peaks twice, in the morning and in the afternoon. Precipitation in the morning is characterized by light to moderate rain, and that in the afternoon by heavy to super heavy rain. The peak of short-duration precipitation is mostly found in the afternoon and at dusk, and that of long-duration precipitation in the morning. Most of the precipitation events in Shanghai are of a short duration of 2-3 hours. Basically, the precipitation is spatially distributed in three areas: the eastern coastal and central urban area, where the precipitation peaks mostly in the afternoon, the southern coastal area, where the precipitation peaks both in the afternoon and during the night, and the western area, where long-duration precipitation accounts for a much larger proportion than the other two areas.     

50 a来我国东北及邻近地区年降水量的年代际异常变化

利用中国东北地区195个和蒙古国6个气象台站的年降水量资料, 利用EOF、 REOF和分段线性拟合等方法, 分析了50 a来东北及其邻近地区年降水量的年代际异常变化. 结果表明: 1)50 a来的降水变化, 东北演变过程为多-少-多; 华北的演变过程为多-少. 自1980年代起, 东北地区由干变湿, 而华北地区则由湿变干. 2)降水主要呈3种分布形式: 全区一致型; 南北反向型; 南北部一致与中部相反分布型. 3)降水量总体呈下降趋势, 但近30 a来东北北部有增湿趋势, 而南部的干旱化一直在加剧. 4)大部分地区的降水量在1970年代中期和1980年代初期经历了一次突变, 但是变化的方向、范围及时间各地不尽一致.     

基于机器学习方法的辽宁省初霜冻日期预测模型研究

基于前期ERA5逐月再分析数据, 应用3种机器学习算法(Lasso回归、随机森林和神经网络)对辽宁省初霜冻日期进行预测评估。Lasso回归算法提取对初霜冻日期预测有重要指示意义的气象要素特征集, 通过交叉验证和超参数调优建立初霜冻日期预测模型, 利用均方根误差(RMSE)和距平同号率方法定量定性地评估模型的预测效果。结果表明: 特征选择后的气象要素特征集建模提升了模型的泛化能力、可解释性和稳定性; Lasso回归模型在4月起报的预测效果最好(RMSE为6—8 d), 神经网络模型在5月起报性能最好(RMSE为6—9 d), 随机森林模型在3月起报性能最好(RMSE为8—9 d); 辽宁全省大部分站点距平同号率为50%—70%, 其中Lasso回归和神经网络模型为5月起报最高(约为68%), 随机森林算法为3月起报最高(约为62%)。特征选择和敏感性实验结果发现, 低植被覆盖比例是初霜冻日期预测关键预测因子, 植被覆盖率越高越有利于地表含水量保持, 降温容易产生霜冻, 初霜冻日期也就越易提前, 去掉低植被覆盖比例因子后模型预测效果显著下降, 也表明该因子是模型建模的前期关键因子。     

基于WRF张弛方法的辽宁地区动力降尺度研究

动力降尺度被广泛的应用于区域气候降尺度工作中,用来制作高时空分辨率的区域气候场。本文采用WRF模式的张弛方法对美国第三代再分析资料(CFSR)进行了动力降尺度,使用观测张弛法同化自动气象站观测资料的同时,采用分析张弛法同化了大尺度再分析资料。选取辽宁省7月和10月作为夏季和秋季代表月份,分析不同降尺度方案对地面要素的模拟能力,发现使用张弛方法在区域气候降尺度过程中,可以明显提高地面2 m温度、10 m风速和2 m相对湿度的模拟能力,其中使用张弛算法同化大尺度的再分析资料和观测资料的准确度最高,相较于控制试验,7月和10月温度、风速和相对湿度的平均均方根误差分别减少了25%、39%和30%。