基于ERA5资料的广西地区云水资源评估

利用欧洲中期数值预报中心(ECMWF)发布的第5代全球大气再分析资料(ERA5),结合中国气象局人工影响天气中心发布的CWR-MEM方案云水资源监测评估方法,对广西区域2009—2018年云水资源进行评估研究,结果表明:广西年均云水资源总量约5107.8×10^(8)t,其中年均空中留存云水总量约1422.2×10^(8)t,云水以区域内生成为主,年均约净输出197.1×10^(8)t云水资源。广西云水资源存在明显的季节变化特征,呈单峰分布,夏季6月最高,冬季2月最低,空中留存云水无明显季节变化。广西云水水平分布总体呈东北部高,向西和向南逐渐降低的分布特征。广西秋、冬和春季云水主要分布在低层925~600hPa,是以液相水滴构成的暖性层状云云水为主,夏季云水则主要分布在中层600~400hPa,是以过冷液水滴和冰相粒子构成的混合态云水为主,低层云水显著减少。     

ERA5-Land降水再分析资料在中国西南地区的适用性评估

为了探究欧洲中期天气预报中心第五代陆面再分析ERA5-Land(ERA5L)降水资料在中国西南的四川、重庆、贵州、云南及西藏5省(区、市)的适用性。以2018-2020年中国气象局441个国家级地面站雨量器自动观测数据为参考基准,使用Pearson相关系数、平均相对误差、均方根误差、命中率、空报率以及临界成功指数评分,对ERA5L降水资料在评估时段内各区域和站点的整体精度、不同海拔、不同时间尺度(月、季),以及不同量级降水的特征和偏差进行分析。结果表明：(1)ERA5L降水资料能较好反映西南区域的降水变化特征,但相对站点观测存在不同程度的偏高,以西藏地区最为明显。(2)在四川盆地,ERA5L降水与站点观测相关性高、误差较小,在西藏、云南、贵州及四川西部的地形复杂山区,误差相对较大。(3)ERA5L降水的误差存在明显的月变化特征,从7月开始到次年的2月,平均相对误差随降水总量的降低而增加,命中率减小、空报率增大,随后从2-7月,平均相对误差又随着降水量的增大而减小,命中率增加、空报率减少;各省(区、市)在不同季节质量表现不一,春季和秋季重庆相对表现最优,夏季贵州最优,冬季四川最优。(4)...     

基于ERA5资料的陕西地区云水资源评估

利用1981—2020年欧洲中心高分辨率ERA5再分析资料及站点实测降水资料,通过中国气象局人工影响天气中心发布的云水资源监测评估方法,对陕西云水资源进行了评估。结果表明：陕西年均水汽总量28 6702×108 t,水凝物总量1 9384×108 t,降水总量1 3907×108 t,云水资源总量5477×108 t,“南多北少”的纬向分布特征明显;近40 a陕西全域云水资源呈下降趋势,含量丰沛的南部地区下降最为明显;液态水凝物主要位于低层850~600 hPa,固态水凝物主要位于中层650~350 hPa,根据水凝物垂直分布,春、秋两季人工影响天气的适宜催化高度约为3~5 km,冬季2~4 km,夏季4~8 km;陕西西、南边界水汽和水凝物净流入,东、北边界净流出,区域整体净收支为正,多年气候倾向率为负,呈下降趋势。     

基于小时降水资料的贵州降水精细特征分析

摘要：利用2010—2019年贵州地区2683个自动气象站逐时降水观测资料,在结合地形特征分析了贵州降水总体时空特征的基础上,从平均雨强和降水概率方面进一步研究了贵州各季日内降水的精细化特征。结果表明：（1）贵州年降水时长和年降水量空间分布有所差异,其中位于大娄山脉北侧的遵义赤水和习水地区则仅为降水时长的大值区;（2）四季降水时长分布主要受当季主要降水系统位置的影响,而平均降水强度则兼受地理条件的影响,偏向山脉的南麓;（3）在日内降水分布上,贵州四季都存在明显的夜雨现象,其中下半夜到凌晨（00—06 时）降水发生概率更大且强度更强,其中心有明显自西向东传播的特征;（4）短时强降水主要出现在春夏两季且向东传播明显,并主要在夜间到早晨。     

ERA5和ERA5-Land地面风速资料在中国陆地区域的适用性对比初步研究

利用全国40个地面台站的观测资料对ERA5及ERA5-Land两种不同空间分辨率的再分析资料开展了地面风速误差评估研究,结果表明：ERA5和ERA5-Land资料多年平均风速偏差的平均值分别为0.08 ms^-1、-0.06 ms^-1,偏差的最大值分别为0.46 ms^-1、-0.19 ms^-1,相对偏差的平均值为4.4%、-2.0%,相对偏差的最大值分别为33.0%、-10.1%;月平均风速线性拟合方程的斜率分别为0.93、0.97,截距分别为0.29 ms^-1、0.02 ms^-1,相关系数分别为0.98、0.99;月平均风速均方根误差的平均值分别为0.17 ms^-1、0.14 ms^-1,均方根误差的最大值分别为0.49 ms^-1、0.22 ms^-1,相对均方根误差的平均值为7.4%、5.7%,相对均方根误差的最大值分别为35.2%、13.3%。ERA5-Land高分辨率...     

利用ERA5资料进行桂林地区GNSS水汽反演精度分析

由于桂林地区地基GNSS站并未配置气象传感器，致使大量GNSS观测数据无法在大气水汽（PWV）监测中发挥作用.针对这一情况，本文将欧洲中期天气预报中心（ECMWF）最新发布的ERA5再分析资料中测站处的气压和温度气象数据加入到GNSS水汽反演中，并将反演结果与利用地面气象站反演的GNSS水汽做对比，以此评估ERA5在桂林地区反演GNSS水汽的精度和适用性.结果表明：1）以桂林地区2017年10个地面气象站的实测气压和温度数据为参考值，ERA5地表气压和温度的年均偏差分别为-0.35 hPa和0.86 K，年均均方根误差（RMSE）分别为0.65 hPa和1.66 K，该精度可用于GNSS水汽反演；2）以2017年6—7月GNSS利用地面气象站反演的PWV为参考值，ERA5反演的GNSS PWV的偏差和RMSE分别为0.17 mm和0.35 mm，且两者具较好的相关性和一致性.由此表明，ERA5地表温压产品可应用于桂林地区GNSS水汽反演，这些研究结果可为桂林地区的GNSS水汽反演及数据源的选用提供重要的参考依据.     

ERA5-Land、MERRA2气温、降水数据在呼伦贝尔地区的适用性研究

利用1981—2019年呼伦贝尔地区16个气象站观测数据,结合相关系数、均方根误差、散点斜率等方法,对ERA5-Land和MERRA2再分析月气温、降水数据的区域适用性进行评估。研究表明：ERA5-Land、MERRA2两套再分析气温、降水数据与观测数据对比,整体相关性较高、误差较低、本地适用性较高,但也均存在低观测值时再分析数据的高估和高观测值时再分析数据的低估现象。ERA5-Land的月气温数据略优于MERRA2,而月降水数据差于MERRA2。ERA5-Land的年降水量在2005年之后出现明显的低估,降水量被低估的月份主要为6—8月,建议在再分析数据使用前对其进行系统偏差订正,以提高数据的适用性。     

基于10年GPCP降水资料的全球极端降水分布分析

利用GPCP的1997-2006年全球1°×1°格点降水日资料,对全球年平均的降水,以及夏季极端降水高值区域频次和强度进行了分析,并比较了其与ENSO的ONI指数的关系。取得了以下结果:赤道附近是全年多雨区,极端降水高值区域多分布于此。赤道东太平洋夏季极端降水的频次和强度变化基本是一致的,西太平洋暖池也有相同的特点,但是两者最强最弱年份却刚好相反,且都发生在ENSO冷暖年,但无明显的正负对应关系。我国中东部夏季极端降水最强年(1998年)发生在极强EL Ni觡o年-1997年的次年,最弱年(2001年)也发生在持续24个月的极强的La Ni觡a事件之后,但两者没有明显的正负对应关系。孟加拉湾夏季极端降水频次和强度的年际振荡强弱有相反的特点。长江中下游(6,7月)极端降水频次和赤道东太平洋(7,8月)极端降水频次有一定的滞后相关性,置信度为95%。     

ERA5再分析数据适用性初步评估

利用山东省及周边地区10个站点的地面和高空观测资料对ERA5再分析资料的适用性进行了初步评估。结果表明：再分析的海平面气压和2 m温度与实况资料的相关性明显优于2 m相对湿度和10 m风场;高空温度和相对湿度在对流层中低层的适用性要好于高层,而位势高度和风场在中高层适用性较好;海平面气压再分析与实况的相关有着最明显的季节变化,2 m温度、2 m相对湿度和10 m风速则在部分站点有较明显的季节变化,而10 m风向的相关系数更多地表现出站点之间的差异,高空要素的适用性,季节和区域差异不明显。另外,对比发现,ERA5的适用性总体上要优于ERA-Interim再分析资料,地面和对流层低层的相对湿度、风场提高更为明显。     

宜昌小时极端降水长期变化特征分析

利用宜昌1956—2020年4—10月逐分钟降水资料分析了宜昌小时极端降水的长期变化特征,对极端降水分布较为集中的6月下旬—8月下旬极端降水强度进行主分量分析。结果表明：宜昌极端降水频次及强度均呈弱增加趋势,在1975年前后出现了1次由强到弱的突变,在1985年前后出现了1次由弱到强的突变,此外还呈现出接近3 a的周期性变化特征。极端降水频次旬变化呈单峰型分布,主要集中在6月下旬—8月下旬,峰值出现在7月下旬。其日变化呈“V字型”分布,主要集中在17时—次日03时之间,峰值出现在22—23时之间。极端降水持续时间多集中在2～4 h之间,其中以2 h居多,数学期望值是2.4 h。旬降水强度在6月下旬—8月下旬表现出3种主要特征：(1)各旬极端降水强度呈现整体一致特性,即同时增大或同时减小;(2)极端降水强度在7月下旬和其他各旬呈反向分布;(3)极端降水强度在7月下旬—8月上旬与其他各旬呈反向分布。     

华东地区主要地形因子对极端小时降水峰型的影响研究

在全球持续增温的背景下,极端降水事件频发,给人民的生产生活和社会的经济发展造成了严重威胁。本文利用华东315个气象台站2011—2018年的小时观测数据,按照降水日峰值特征将华东地区极端小时降水分为单峰型和多峰型,基于多尺度地理加权回归模型,探讨了两种峰型极端小时降水空间分布与地形因子的关系。研究表明两种峰型极端降水分别对应常规年份和厄尔尼诺年,地形起伏度在两类峰型的降水中都为最重要的地形因子,主导区域主要为浙江北部及浙闽山脉北部;其他地形因子在两类峰型的降水中作用存在显著差异。单峰型降水中,第二重要的地形因子为地形坡度,主导区域位于浙闽山脉东南侧;而在多峰型降水中,第二重要的地形因子为离海岸线距离,且主导区域位于沿海地区。对二者差异的机理分析发现,单峰型降水以午后对流为主,浙闽山脉东南侧地形坡度较大处的对流有效位能值较大,容易促发对流;而在多峰型降水中清晨降水以平流为主,水汽输送明显较单峰型降水大,因此,离海岸线距离对该类型降水有重要影响。     

GPM IMERG和ERA5降水数据精度在云南复杂地形区域的评估检验

为评估和对比GPM IMERG、ERA5降水数据在云南的适用性,利用2014年4月至2018年6月的地面气象观测数据、GPM IMERG卫星遥感降水产品和ERA5再分析降水数据,采用定量和分类评分7项指标评估GPM IMERG和ERA5日降水产品在云南的适用性.结果表明:2种数据存在小雨日雨量高估,中雨及以上量级雨日雨...     

四川省CLDAS和ECMWF再分析数据风速产品评估

利用2019年1月1日00时～12月31日23时(世界时)四川156个国家站和1768个区域站的观测数据,评估全国智能网格实况分析产品(CLDAS)和ECMWF再分析数据(ERA5-Land)的10m风产品。采用双线性插值方法,将两种分析产品插值到气象站点,与观测值对比,通过平均误差,平均绝对误差,均方根误差和相关系数等指标对以上两种产品进行评估比较。结果表明：两种分析产品对于四川省国家站和高原地区区域站风速都以低估为主,但盆地区域站高估。风速在高原地区所有评估指标都比盆地内差,高原地区需谨慎使用格点风产品。CLDAS对于国家站的各项评估指标都优于ERA5-Land。两种产品与区域站的平均误差,平均绝对误差,均方根误差结果整体相近,但CLDAS对非独立区域站的误差相对更小。ERA5-Land相关性较差,与四川地区实际观测的地面风速变化趋势相反, 不适用于四川。     

中国大陆地区小时极端降水阈值的计算与分析

利用广义极值分布和百分位两种阈值确定方法,对我国465个气象站点不同极端程度的小时降水强度阈值进行了分析。广义极值分布结果表明,重现期为2、5、10、50a的降水强度阈值具有一致的空间分布特征：华南沿海阈值最高,长江中下游地区北部、四川盆地西部、华北地区东部次之,云南中西部、华北西部和东北西部阈值相对更低,最小值出现在我国西部地区。百分位法得到的阈值空间分布呈现出与广义极值分布结果较为一致的东南大、西北小的整体特征。考察465站中位数发现,第99．9百分位的强度阈值与二年一遇降水的阈值接近。具体分析各站第99．9百分位降水阈值对应的重现期发现,长江流域及其以南地区重现期大多低于2a;35°N一带重现期长于4a;我国北方和西北部分地区重现期长于8a。     

基于TIGGE资料的地面气温和降水的多模式集成预报

利用TIGGE资料集下中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24 h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96 h延长至192 h,且除个别时效外,小雨、中雨的TS评分得到明显提高。     

Assessment of ERA5 and ERA-Interim in Reproducing Mean and Extreme Climates over West Africa

In situ data in West Africa are scarce, and reanalysis datasets could be an alternative source to alleviate the problem of data availability. Nevertheless, because of uncertainties in numerical prediction models and assimilation methods, among other things, existing reanalysis datasets can perform with various degrees of quality and accuracy. Therefore, a proper assessment of their shortcomings and strengths should be performed prior to their usage. In this study, we examine the performance of E...     

DOGRAFS逐小时气温和降水预报的释用

采用2016—2018年DOGRAFS(沙漠绿洲戈壁区域分析预报系统)的气温、降水逐小时预报资料,在检验的基础上开展释用方法研究,并用2019年资料进行试验测试,结果表明:DOGRAFS气温预报,08时起报的准确率要高于20时起报的;北疆好于南疆,准确率为50%,平均绝对误差为2.5℃,采用最高、最低气温建模方案,预报准确率提高到64%,平均绝对误差为1.9℃,预报的离散度降低。DOGRAFS降水预报,08时起报的T_S评分略高,20时起报的晴雨准确率略高,南疆好于北疆;晴雨预报准确率可达95%,但降水T_S评分仅有20%,空报率超过50%;采用消空订正方案,晴雨预报准确率提高1%,T_S评分提高2%,空报率大大降低,但漏报率较大。释用方案对模式气温预报有较好的提升效果,降水预报仍有较大的改进空间。     

小时和日值降水数据对河南省暴雨日数和暴雨日变化特征的影响北大核心

利用1961—2018年河南省111个气象站逐日和逐小时降水数据,分析了暴雨日数的时空变化规律及暴雨日变化特征,并通过统计对比分析,评估了小时和日值降水数据对暴雨日数及暴雨日变化的影响。结果表明:(1)1961—2018年,河南省年平均暴雨日数变化呈显著上升趋势,速率为0.34 d·(10 a)^(-1);94.6%的气象站点年平均暴雨日数的气候倾向率为正,显著增加的站点数占总站数的73.0%;年平均暴雨日数为1.4 d,以7月最多,平均值为0.52 d,占年平均暴雨日数的37.1%。(2)1961—2018年,河南省暴雨总降水的日变化呈现单峰结构,主峰值出现在05时,为4.5 mm;暴雨日变化峰值呈波动下降趋势,速率为0.16 mm·(10 a)^(-1);日变化峰值大部分出现在00—08时,共42个年份,占79.3%;从空间分布看,各气象站点的暴雨日变化峰值大都出现在00—06时,占总站数的73.5%。(3)2014—2018年,河南省小时和日值降水数据吻合度为100%;吻合暴雨总降水的日变化的主峰值和次峰值出现在04时和17时,分别为4.3 mm和3.4 mm;日变化峰值出现在13—18时的气象站点最多,占总站数的33.9%。(4)小时和日值数据对暴雨日数及暴雨日变化造成了影响,主要表现在年平均暴雨日数及其变化趋势不一致和暴雨日变化的差异。     

Intercomparison of CRA-Interim Precipitation Products with ERA5 and JRA-55

By using the hourly data from surface meteorological stations in China, the 3-hour precipitation data from CRA-Interim (Chinese Reanalysis-Interim), ERA5 (ECMWF Reanalysis 5) and JRA-55 (Japanese Reanalysis-55) are compared, both on the spatial-temporal distributions and on bias with observation precipitation in China. The results show that: (1) The three sets of reanalysis datasets can all reflect the basic spatial distribution characteristics of annual average precipitation in China. The simulation of topographic forced precipitation in complex terrain by CRA-interim is more detailed, while CRA-interim has larger negative bias in central and East China, and larger positive bias in southwest China. (2) In terms of seasonal precipitation, the three sets of reanalysis datasets overestimate the precipitation in the heavy rainfall zone of spring and summer, especially in southwest China. CRA interim’s location of the rain belt in the First Rainy Season in South China is west by south, the summer precipitation has positive bias in southwest and South China. (3) All of the reanalysis datasets can basically reflect the distribution difference of inter-annual variation of drought and flood, but the overall the CRA-Interim generally shows negative bias, while the ERA5 and JRA-55 exhibit positive bias. (4) For the diurnal variation of precipitation in summer, all the reanalysis datasets perform better in simulating the daytime precipitation than in the night, and bias of CRA-interim is less in southeast and northeast than elsewhere. (5) ERA5 generally performs the best on the evaluation of quantitative precipitation forecast, the JRA-55 is the next, followed by the CRA-Interim. CRA-Interim has higher missing rate and lower threat score for heavy rains; however, at the level of downpour, the CRA-Interim performs slightly better.