2002年7月30—31日盆地西部局地持续强暴雨过程分析

本文对2002年7月30日凌晨到8月1日上午，发生在盆地西部的一次局地性很强、强度大、演变特殊的持续性大暴雨过程的天气学条件进行了较详细的分析，对局地暴雨最大难点——落区进行中尺度滤波探讨，并对造成降雨的次天气尺度影响系统进行了追踪。事实说明，目前数值预报水平已有了较大提高。利用数值预报场进行中尺度波波已经成为可能，对中尺度分析的成功率已经高于其它方法。     

西南地区区域洪涝的概念模型

通过对1991 2001年5～9月寸滩(寸滩位于重庆市区以东,长江干流北岸)逐日08时流量分析和区域洪涝暴雨的成因分析,得到几点认识(1)西南地区区域洪涝主要发生在四川盆地,造成区域洪涝的主要因素是流域底水条件和由暴雨造成的面雨量,两者缺一不可.(2)西南地区区域洪涝的概念模型可以以不同的寸滩流量条件与不同的间隔天数、不同的流域性降水条件表示,也可以以第一次区域洪涝出现前、后,不同的间隔天数与不同的流域性降水条件表示.     

四川地区短时强降水事件时空演变特征研究

利用四川地区自动气象站逐小时降水观测资料,分析了2010~2019年5~9月短时强降水事件24h累计降水量、频次和强度的时空分布特征,探讨了短时强降水事件发生的频次、极值分布及其与地形、海拔高度等的关系。结果表明:四川地区平均24h累计降雨量基本在50mm以上,盆地东北部、西南部、南部及阿坝州东部甚至超过100mm,最大值出现在广安,达175mm。四川地区短时强降水事件开始时间的日变化特征表现为“V”型结构的夜间峰值位相,事件持续时段多为傍晚至凌晨,时长可达10h以上,最长甚至可持续22h。在强降水事件极值的日变化上,极大值频次和降水量呈单峰结构,在03时达到最大,其后逐渐减小至15时达到谷值,而后再次增大;降水强度呈弱双峰结构,分别在04时和16时达到谷值,13时和18时达到峰值,其日变化呈“增-减-增-减”的特征。四川短时强降水事件与复杂地形有密切的关系,5~6月事件活跃区在四川盆地中部,7月在盆地西部的龙门山脉一带,8月在雅安、乐山附近,9月在盆地北部且频次明显减少;短时强降水事件的最大小时雨强可达80mm以上,出现在7~8月的盆地西部龙门山一带和南部地区。短时强降水事件随着海拔高度的增加,发生频次和日数逐渐减少,海拔2000m以上地区基本无强降水发生日出现( 峨眉山气象站例外)。      

四川地区多模式2m温度预报性能分析及集成方法研究

本文通过分析2017年9~12月四川地区ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式、GRAPES_GFS(Global and Regional Assimilation and Prediction System)全球模式和西南区域模式(South West Center-WRF ADAS Real-time Modeling System, SWCWARMS)2m温度168h预报时效内的系统性偏差特征,采用滑动双权重平均法分别对三种模式温度预报产品进行偏差订正,并集成得到各时效2m温度的订正场,结果表明:(1)三种模式的预报存在明显的日变化,整体上EC模式的预报最优。(2)三种模式对于低温和高温的预报,在全省均大致呈现负的系统性误差,特别在高原及过渡区表现的尤为明显。(3)订正后三种模式的预报准确率显著提高,均方根误差减小1.4~2.5℃,大部分地区平均误差维持在±0.5℃之间,在系统性偏差较大的地区,订正效果更好。(4)两种集成方案预报结果接近,且均优于三种模式的订正预报。     

SWCWARMS模式小时降水量时间滞后集合预报研究

基于SWCWARMS模式9km×9km分辨率逐小时降水预报,通过时间滞后集合预报方法构建多个集合成员,使用SAL评分值计算相应集合成员的权重系数,进行不等权集合平均,从而得到新的逐小时降水预报。利用SAL、TS和BIAS检验方法对四川省2019年8月的逐小时降水量时间滞后集合预报及相应的SWCWARMS模式最新时次预报进行对比分析,结果表明:(1)时间滞后集合预报SAL检验的L值和A值都较模式预报更接近于0,较好地改善了降水位置和强度的整体预报水平;(2)时间滞后集合预报对逐小时降水晴雨TS评分提升明显,评分提高百分率在10%左右,有效地减小了模式在晴雨方面的空报;(3)临近预报时效,时间滞后集合预报方法对于大量级降水预报也有较好的订正效果。     

西岭雪山滑雪场秋冬旅游降雪预报研究

利用大邑、西岭雪山滑雪场及周边区域自动站2005～2017年每年10月～次年2月逐日最低温度资料，通过统计分析区域自动站与大邑站候平均最低温度差值，建立以大邑本站最低温度预报值为基础，加上逐候最低温度差值后得到区域各站的日最低温度预报的候最低温度差值订正方法；用距滑雪场最近的格点温度预报数据代替滑雪场站点温度预报，选出最低温度，以气温预报变化量，建立最低气温预报的模式温度订正方法；建立以候最低温度差值订正和模式温度订正进行加权平均的最低温度集成订正方法。通过对以上三种最低温度预报方法进行检验，发现最低温度集成订正方法预报准确率最高。基于最低温度集成订正方法预报西岭雪山滑雪场的最低温度，结合智能网格降水预报结果和降雪最低温度阈值判别，建立西岭雪山降雪的订正预报方法。      

初夏孟加拉湾低压与云南雨季开始期

通过对46年(1961—2006年)的初夏(4月21日~5月31日)孟加拉湾低压的研究,发现影响云南雨季开始期的初夏孟加拉湾低压系统源地大致位于9°~12°N,88°~91°E之间,较强的低压系统从源地移出后分别沿着两条路径影响云南,这两条路径对应着不同强弱的南亚高压环流。初夏孟加拉湾低压出现频率与云南雨季开始早晚有明显的负相关关系。前期3月中南半岛附近海域的对流强(弱),则有(不)利于初夏孟加拉湾地区产生低压系统。初夏孟加拉湾低压与前期南印度洋海温呈负相关,当南印度洋海温下降(上升)时,有(不)利于孟加拉湾地区对流加强、低压系统生成。     

基于HYSPLIT4的一次四川盆地夏季暴雨水汽路径和源地分析

利用四川省156站气象资料、全球同化系统(GDAS)资料,引入拉格朗日混合单粒子轨道模型(HYSPLIT4),定量分析了2013年7月7—11日四川盆地西部暴雨的水汽输送情况。结果表明：此次暴雨过程的水汽主要来自950和850 hPa,并且两者的水汽路径和来源有着显著差别。后向追踪1天,950和850 hPa的水汽来源大值区都出现在四川盆地区;追踪3天,950 hPa的水汽来源大值区仍然在四川盆地附近,但是850 hPa上则追踪到孟加拉湾东部;追踪到9天时,950 hPa的水汽主要来源出现在阿拉伯海到我国南海地区,850 hPa上则追踪到索马里半岛东部。总体上950 hPa的水汽输送路径有五条,其中两条是北方路径,另外三条为南方路径。850 hPa的水汽输送路径有两条,一条是北方路径,另一条是南方路径。定量分析指出,950 hPa的水汽源地主要有四个,其中阿拉伯海—孟加拉湾地区的水汽输送贡献率最大（44.1%）,中南半岛—南海地区的水汽贡献率次之（33.1%）,巴尔喀什湖地区（15.7%）和贝加尔湖地区（7.1%）的水汽贡献率相对较弱。850 hPa上的水汽源地也有四个,其中从阿拉伯海地区,沿南亚夏季风爆发路径而来的暖湿空气最重要（89.4%）,其次从西北部巴尔喀什湖—贝加尔湖地区而来的干冷空气相对较弱（6.3%）,而来自孟加拉湾（3%）和局地（1.3%）的水汽则非常少。     

2012年成都市PM10污染与地面气象条件的相关性分析

为了解2012年成都市PM10浓度分布情况及其与地面气象条件的相关性,通过分析2012年PM10浓度的分布情况,选取了13次污染过程,并对这些过程中的地面气象要素情况进行分析。结果表明,PM10浓度呈波状分布,其中3月和11月分别达到峰值,7月为全年最低;过程期间各变量具有以下特征:PM10浓度与温度呈正相关,与气压呈负相关,当有降温升压时PM10浓度减小;24小时变压变温都较小,表明天气较稳定;地面风速小,普遍小于2m/s,且主要为弱偏西偏北风,而当风速增大时有利于PM10的扩散;低能见度与较大的相对湿度对应较好,二者有明显的负相关。     

加密探空资料在GRAPES同化系统中的试验结果分析

利用GRAPES₃Dvar系统,分别对2011年发生在四川境内的两次强降水个例进行了加密、常规探空资料的同化对比试验。结果表明,试验的各同化变量的平均、最大调整幅度都随高度增加而增加;通过对两个个例各个同化变量的增量场水平分布的分析可见,试验B主要对四川地区造成影响,试验C的影响区域分布在整个积分区域内,而试验D与试验C的各同化变量增量场分布相似,但它对四川地区各同化变量增量的调整幅度更大;另外B、C、D三组试验的降水预报相对控制预报都有所改善,试验D的预报更优,降水强度与降水落区预报与实况更为接近。