青藏高原雪灾频数对海温异常强迫的响应研究

青藏高原雪灾是该地区破坏力最大的气象灾害,其变化成因一直备受关注。利用青藏高原72个台站逐日积雪资料及Hadley中心海温月平均资料,采用广义平衡反馈分析与主成分分析相结合的最优反馈模分析方法,研究了青藏高原雪灾频数对关键区海温异常模态的响应关系,探讨了海温异常对雪灾频数的贡献度及产生的可能机制。结果表明:青藏高原雪灾频数对赤道中东太平洋海温异常的El Ni?o型模态和热带印度洋海温偶极子模态响应显著,两个模态对雪灾频数的贡献为45.9%。雪灾频数对海温异常的响应主要通过与之相联系的大气环流异常实现,热带太平洋第一模态(TP1)海温强迫时,500 hPa高度场上亚欧大陆中高纬自西到东呈现"+-+"形势,形成典型的两脊一槽型;热带印度洋第二模态(TI2)强迫时,主要引起中低层水汽异常,阿拉伯海暖湿气流进入高原南部,西北太平洋湿润气流进入高原北部,为降雪提供了水汽条件,在此高低层配置下易出现多雪灾年。     

论IPCC-AR4模式对影响西北太平洋热带气旋的大气动力环境场的气候特征模拟性能

评估了23个IPCC-AR4模式在低纬地区1948—1999年7—9月大尺度环流场的模拟性能,重点关注西北太平洋区域的西太副高、季风槽以及台风活动海域的垂直风切变。结果显示,绝大多数模式的7—9月低纬地区500hPa平均高度场、850hPa风场空间分布与NCEP都具有很高的相似性,但大多模式500hPa高度场存在系统性偏低,而850hPa风场偏强。所有模式模拟的西北太平洋副高脊线与NCEP都有一致的西南-东北走向,但有些模式的脊线位置偏离NCEP的较远。有4个模式没有模拟出类似于NCEP的季风槽线。综合模式对夏季热带环流场、西北太平洋副热带高压、季风槽以及西北太平洋热带气旋活动关键区域垂直风切变气候特征的模拟性能,按性能优劣,排在前10的模式依次是mpi_echam5、cccma_t63、gfdl_cm2_1、cnrm_cm3、cccma_t47、ukmo_hadgem1、ingv_echam4、ncar_ccsm3_0、csiro_mk3_5、mri_cgcm2_3_2a;排在后6位的模式是inmcm3_0、iap_fgoals1_0_g、ipsl_cm4、miroc3_2_medres、giss_eh、giss_er。     

环境场对西北太平洋热带气旋快速增强过程的影响

利用美国联合台风预警中心整编的西北太平洋1970—2012年热带气旋(TC)最佳路径数据集及ERA-Interim再分析资料,利用极端天气法确定TC快速增强(RI)的阈值为30 kn,分析了快速增强(RI)TC的时空分布特征;从RI的样本中选取9个个例,采用动态合成分析法,对TCRI过程的环境场进行比分析。研究表明:(1)菲律宾群岛以东(10~15°N,130°E)海域为RI发生频数最多的区域,南海地区发生RI的情况明显偏少。(2)RI在1972年发生的概率最大,而在2005年发生的概率最小,1997年后,RI发生的概率波动性较大。(3)西风与西南风水汽输送结合150h Pa附近的反气旋强辐散作用,有利于TCRI过程的进行。(4)RI发生前24 h至RI发生后的6 h,TC中心附近区域平均东风切变较快增大,其值由0.5 m·s~(-1)增加到2.5 m·s~(-1)左右,之后保持在2.0~3.0 m·s~(-1),使TC处于一个有利于其RI过程的纬向风切变环境。     

四川盆地短历时强降水极值分布的研究

运用广义帕雷托分布(GPD)和广义极值分布(GEV),借助于L-矩的参数估计方法,对四川盆地12站的小时极端降水量进行拟合,并对两种模型的拟合效果进行比较。运用Hill图,结合统计量D*来确定GPD的最佳门限值是合适的,选出的样本是独立的。各站的小时极端降水概率分布均符合GPD和GEV,但GPD模型的拟合精度要优于GEV模型。利用两种模型推算出各站给定重现期的最大小时降水量,其中泸州50 a一遇和100 a一遇的降水极值分位数都超过了100 mm,除了遂宁站外,两种模型估计出的极值分位数的相对误差基本都在10%以下。通过分析,GPD推算的结果更加可靠。     

K-均值聚类法用于西北太平洋热带气旋路径分类

热带气旋(Tropical Cyclone,简称TC)路径分类是获得TC特征和影响评估的重要途径。采用联合台风警报中心(Joint Typhoon Warning Center,简称JTWC)近45年最佳台风路径资料,基于TC位置、强度、路径长度和方向等主要信息的特征参数,利用K-均值聚类法建立了西北太平洋TC路径的客观分类方法,并对分类得到的7个路径类型TC在生命史、能量、活动季节和登陆概率等方面进行了对比分析。结果表明各类TC的这些特征量具有明显的差异。从近20年的变化趋势看,西转向类(占总样本的21.3%)的频数为增加趋势,其生命史呈小幅增长趋势,和其余各类(或全部TC)的减小趋势或变化很小不一致。各类TC的年PDI(能量耗散指数)变化趋势主要取决于强度和频数的变化,多数类别的年PDI和强度的变化趋势一致,但西北行转向类和远海西-西北行类的年PDI变化趋势主要取决于频数的变化。      

华北地区大气水汽含量特征及其变化趋势

使用美国国家环境保护委员会/国家大气研究中心(NCEP/NCAR)1948-2003年再分析格点资料,研究了华北地区大气中水汽含量的时空分布特征、沿375°N不同经度和沿115°E不同纬度大气中水汽含量的年变化、大气中水汽含量的变化趋势。分析结果表明:①华北地区大气中水汽含量主要集中在东部和南部,西部和北部水汽含量较少;②华北地区大气中水汽含量夏季最多,冬季最少;③华北地区大气中水汽含量自20世纪50年代末至80年代中期呈持续下降趋势。大气水汽含量高值期出现在20世纪40年代末至70年代中期。70年代中期至21世纪初期,大气水汽含量距平基本处于0线以下,为低值期;④华北地区大气水汽含量的年际波动变化与厄尔尼诺(ElNino)与南方涛动(ENSO)事件有很好的相关性。     

华北汛期降水与青藏高原地表温度的相关分析探讨

利用1980～2002年青藏高原月平均地表温度、1957～2002年我国华北地区104站月降水,分析了青藏高原地表温度与华北以及各分区汛期(7、8月)降水的可能联系,结果表明,青藏高原5月地表温度与华北地区汛期降水具有显著的正相关,高相关区域位于高原的东北部和西南部。华北地区汛期降水偏少年,青藏高原5月地温以负距平为主；降水偏多年,青藏高原5月地温为大范围的正距平,距平中心也位于高原的东北和西南部。SVD的分析表明,青藏高原5月地表温度和华北地区汛期降水的第一典型场表现出一致的变化特点,前者的分布型态与华北地区干旱或洪涝对应的合成分布以及相关系数场相似,高值区域分别位于高原的东北部和西南部地区,后者的高值区域,位于华北中部和东部地区。华北不同区域汛期降水与青藏高原地表温度的相关有明显的差异,华北中部和东部与5月高原地温的正相关最显著,其它地区与上年10～12月地温的负相关最显著,同时,影响各分区夏季降水的高原地温关键区也有所不同。     

近49年来河北省干旱时空变化特征研究

基于河北省及邻近地区73个气象站1961—2009年逐季、年降水资料,应用降水Z指数、经验正交函数分解、小波分析等方法分析了河北省干旱的时空变化特征.结果表明:近49年来河北省年、各季的干旱空间分布特征,最常见的是全省一致的干旱(雨涝)型,其次是南涝(旱)北旱(涝)的南北相反分布型;小波分析方法得出年、各季干旱的出现不仅存在明显的年代际尺度变化,而且年际变化也显著;河北省年干旱指数呈下降趋势,1979年后,年干旱指数发生突变,该区域进入干旱期.     

区域性极端骤发干旱与传统干旱事件形成过程的对比

2009/2010年云贵地区（YGR）和2013年夏季中南地区（CSC）发生了近几十年以来最严重的干旱事件。文中对比了两次干旱事件的发展速度,基于水分收支原理,诊断影响干旱发展的物理过程。结果显示,CSC干旱发展前,温度升高,蒸散发增加,土壤湿度减少,高温和降水减少对干旱有触发作用;而YGR的降水减少使干旱开始发展。CSC干旱事件发展迅速,YGR干旱事件发展缓慢,同时前者干旱的维持和恢复时间也短于后者,这些差异与蒸散发过程强弱有关。CSC干旱事件发展阶段,蒸散发过程强,平均为4.7 mm/d,8 d时间,土壤湿度从45%减少到20%,促使干旱快速形成（典型骤发干旱）。YGR干旱发展阶段,蒸散发过程弱,平均为1.7 mm/d,土壤湿度从45%减少到20%历时2个多月（传统干旱）。蒸散发的强弱主要与区域大气柱的水汽净辐散有关。CSC干旱发展阶段,其大气柱水汽净辐散达每天3.1 kg/m²,增强了陆气水分交换,使蒸散发远大于降水,土壤湿度快速下降,加快干旱发展速度。YGR的区域大气柱水汽净辐散为每天1.1 kg/m²,只有CSC的1/3,使干旱发展缓慢。两个干旱事件的大气柱水汽净辐散主要发生在经向方向,即由区域北界相对较强的经向水汽输送引起。     

烟台市蒸发量变化趋势及影响因子

利用烟台市1971—2010年蒸发量、气温、日照、降水和总云量资料,采用线性回归、相关分析、小波分析、逐步回归方法,对蒸发量变化趋势及其影响因子进行分析。结果表明,烟台年蒸发量存在2～3年的主周期和4～8、8～12年的次周期变化,春季、夏季、秋季和冬季蒸发量分别存在3～5、5～7、7～11和2～4年的周期变化。平均相对湿度的增加和日照时数的减少是蒸发量减少的主要原因,而影响各季节蒸发量变化的气象因子各有不同。日照时数和总云量是影响夏秋季节蒸发量变化的最主要因子,秋冬季节的蒸发量主要受平均相对湿度、日照时数和总云量的共同影响。