海口市重污染天气潜在源分析研究

在进入冬半年后,海口市受弱冷空气或较强下沉气流控制时,易出现污染天气,对2013—2015年当年10月至翌年1月的气团轨迹进行了聚类分析、潜在源贡献因子分析(Potential Source Contribution Function,PSCF)和重轨迹分析(Concentration Weighted trajectory,CWT),结果表明:在污染时段内,海口大多受到来自中国华南和华东的东北向气流影响。PSCF和CWT分析表明,广东、福建、江西的大部分地区,以及湖南东部、广西东部等地区,是对海口地区污染天气污染物浓度的潜在贡献大值区。在进行预报时,可参考主要天气影响系统,和一些关键区域的外源影响以及本地污染的堆积情况。     

An Assessment of ENSO Stability in CAMS Climate System Model Simulations

We present an overview of the El Ni?o–Southern Oscillation(ENSO) stability simulation using the Chinese Academy of Meteorological Sciences climate system model(CAMS-CSM). The ENSO stability was quantified based on the Bjerknes(BJ) stability index. Generally speaking, CAMS-CSM has the capacity of reasonably representing the BJ index and ENSO-related air–sea feedback processes. The major simulation biases exist in the underestimated thermodynamic damping and thermocline feedbacks. Further diagnostic analysis reveals that the underestimated thermodynamic feedback is due to the underestimation of the shortwave radiation feedback, which arises from the cold bias in mean sea surface temperature(SST) over central–eastern equatorial Pacific(CEEP). The underestimated thermocline feedback is attributed to the weakened mean upwelling and weakened wind–SST feedback(μ_a) in the model simulation compared to observation. We found that the weakened μ_a is also due to the cold mean SST over the CEEP.The study highlights the essential role of reasonably representing the climatological mean state in ENSO simulations.     

冷空气强风在大型城市中的精细结构和形成机制

地面强风可直接造成人员伤亡和经济损失,严重影响出行安全、工农业生产等社会秩序。强风的发生与天气系统和复杂下垫面的共同作用密切相关,在城市区域尤为明显。受数值模拟技术和计算资源的限制,对实际天气条件下大范围城区的强风现象进行建筑物分辨率的大规模数值模拟研究仍是一个挑战。本研究利用中尺度气象模式嵌套流体计算动力模式的超高分辨率局地气象预报系统,对强冷空气过程造成广州市区的一次强风事件进行数值模拟,深入探讨强风的精细结构和形成机制。结果表明,伴随着强冷空气入侵,广州市区的平均风速和风场高频扰动均明显增强,且在城市冠层顶尤为明显,呈现区域不均匀的三维结构,数值模拟与地面观测相一致。较大范围的强风速和阵风主要出现在建筑物较为低矮的老城区上空,并持续影响下游河道等开阔区域。在高层建筑密集的新城区,虽然整体风速明显减弱,但能在平行风向的街道狭管和下游区域形成局地强风。特别是,超高层建筑群引起显著的垂直环流,导致强风扰动向下传播,造成最大风速达8 m s?1的地面局地强风,阵风指数接近2。上游建筑群引起的风场扰动呈现大尺度湍流结构,能沿着平均气流传播影响数公里之远的下游地区。当风场扰动经过广州塔等单体超高层建筑时,可在其两侧绕流区再次加强,形成局地强风。局地强风和阵风还出现在垂直于风向排列的沿江高层建筑群的侧边,与建筑屏风的阻挡效应和缺口溢出有关。研究结果促进认识城市强风的时空特征和物理机制,有助于提升城市气象的精细化预报水平。     

NUMERICAL PREDICTION OF AN EXTREME RAINSTORM OVER THE PEARL RIVER DELTA REGION ON 7 MAY 2017 BASED ON WRF-ENKF

An ensemble Kalman filter based on the Weather Research and Forecasting Model (WRF-EnKF) is used to explore the effectiveness of the assimilation of surface observation data in an extreme local rainstorm over the Pearl River Delta region on 7 May 2017. Before the occurrence of rainstorm, the signals of weather forecasts in this case are too weak to be predicted by numerical weather model, but the surface temperature over the urban area are high. The results of this study show that the wind field, temperature, and water vapor are obviously adjusted by assimilating surface data of 10-m wind, 2-m temperature, and 2-m water vapor mixing ratio at 2300 BST 6 May, especially below the height of 2 km. The southerly wind over the Pearl River Delta region is enhanced, and the convergence of wind over the northern Guangzhou city is also enhanced. Additionally, temperature, water vapor mixing ratio and pseudoequivalent potential temperature are obviously increased over the urban region, providing favorable conditions for the occurrence of heavy precipitation. After assimilation, the predictions of 12-h rainfall amount, temperature, and relative humidity are significantly improved, and the rainfall intensity and distribution in this case can be successfully reproduced. Moreover, sensitivity tests suggest that the assimilation of 2-m temperature is the key to predict this extreme rainfall and just assimilating data of surface wind or water vapor is not workable, implying that urban heat island effect may be an important factor in this extreme rainstorm.     

2017年6月一次华南沿海强降水的对流性特征及热动力机制研究

在华南北部或长江流域有锋面雨带活动时,华南沿海常常会出现对流性强降水,突发性很强,给预报造成很大的困惑。文章采用多种观测资料、ERA-Interim 0.125°×0.125°逐6 h再分析资料,对2017年6月15～16日华南北部的锋面雨带及沿海强降雨过程开展分析,对比了二者降水特征与环境条件,重点探讨了该次过程华南沿海强降雨的对流触发与维持,揭示了一种由边界层风切变强迫造成涡度持续发展的动力效应。结果表明:（1）锋面雨带与华南沿海强降雨在降水特征上有显著差异,并各有特点。锋面雨带以大尺度层状云降水和弱对流性降水为主,降水强度东段弱西段强。沿海强降雨以对流性降水为主,局地性强、落区集中、强降雨持续时间长、夜发性明显。（2）水汽方程诊断发现沿海强降雨在边界层水平水汽平流项、垂直水汽输送项比锋面雨带东段具有更大量级,大气层结反映出更深厚的暖层、湿层与对流不稳定,是二者降水强度及性质差异的主要原因。（3）莲花山、峨眉嶂造成气流侧向摩擦与正面阻挡促使漯河河谷内垂直涡度发展,暖湿空气堆积上升并达到自由对流高度,触发了华南沿海最初的降水。夜间建立的西南风急流使边界层垂直风速切变增强,水平涡度倾斜部分转化为垂直涡度发展,与风速水平切变造成的垂直涡度叠加,是强降雨持续时间长的动力机制。海陆边界摩擦差异造成水平、垂直两个方向的风切变增强,共同强迫垂直涡度发展是此次强降雨过程对流维持的动力效应。（4）方程诊断表明华南沿海强降雨由对流潜热释放造成的垂直上升速度占总垂直上升速度的39%～75%,持续、稳定的对流潜热释放是强降雨持续时间长的热力驱动因素。     

江淮梅雨期极端对流微物理特征的双偏振雷达观测研究

为研究梅雨期极端对流系统的微物理特征,利用2013—2014年江淮梅雨期间南京溧水S波段双偏振雷达探测资料和地面自动站小时降水资料,统计分析了两类极端对流降水系统的微物理特征及差异。这两类极端对流系统的定义基于地面降水强度和雷达回波顶高,分别为所有对流中降水强度最强的1%（R类:小时降水强度>46.2 mm/h）和对流发展高度最高的1%（H类:20 dBz回波顶高>14.5 km）。结果显示这两类极端对流系统仅有30%的样本重合,显示了二者之间的弱相关性。对于相同的反射率因子Z_H,R类极端对流系统的近地面差分反射率因子Z_DR通常较H类极端对流小约0.2 dB,表明R类极端对流具有较小的平均粒径。结合双偏振雷达反演的粒子大小和相态分布显示,虽然两类极端对流都表现出海洋性对流降水特征,但R类极端对流较H类极端对流的总体雨滴粒径更小而数浓度更高,导致R类极端对流系统的地面降水更强。与R类极端对流系统相比,H类极端对流系统的上升运动更强,将更多的水汽和过冷水输送到0℃层以上,有利于形成更大的冰相粒子（如霰粒子等）,并通过融化形成大雨滴。以上研究表明,梅雨期降水强度和对流发展深度并没有必然的联系,极端降水主要是中等高度的对流引起。      

Main Detrainment Height of Deep Convection Systems over the Tibetan Plateau and Its Southern Slope

Deep convection systems (DCSs) can rapidly lift water vapor and other pollutants from the lower troposphere to the upper troposphere and lower stratosphere. The main detrainment height determines the level to which the air parcel is lifted. We analyzed the main detrainment height over the Tibetan Plateau and its southern slope based on the CloudSat Cloud Profiling Radar 2B_GEOPROF dataset and the Aura Microwave Limb Sounder Level 2 cloud ice product onboard the A-train constellation of Earth-observing satellites. It was found that the DCSs over the Tibetan Plateau and its southern slope have a higher main detrainment height (about 10?16 km) than other regions in the same latitude. The mean main detrainment heights are 12.9 and 13.3 km over the Tibetan Plateau and its southern slope, respectively. The cloud ice water path decreases by 16.8% after excluding the influences of DCSs, and the height with the maximum increase in cloud ice water content is located at 178 hPa (about 13 km). The main detrainment height and outflow horizontal range are higher and larger over the central and eastern Tibetan Plateau, the west of the southern slope, and the southeastern edge of the Tibetan Plateau than that over the northwestern Tibetan Plateau. The main detrainment height and outflow horizontal range are lower and broader at nighttime than during daytime.     

GRAPES全球集合预报系统模式扰动随机动能补偿方案初步探究

为了体现次网格尺度能量升尺度转换过程中存在的不确定性, 文中将随机动能补偿(Stochastic Kinetic Energy Backscatter, SKEB)方案应用于GRAPES(Global/Regional Assimilation and Prediction System)全球集合预报系统(GRAPES-GEPS), 以更好地表征模式误差并且增大集合离散度。使用的SKEB方案基于具有一定时、空相关特征的随机型以及由数值扩散导致的局地动能耗散率来构造随机流函数强迫。并根据流函数与水平风速旋转分量的关系, 将SKEB方案中的流函数强迫转化为适用于GRAPES全球模式的水平风速扰动。结果表明, SKEB方案的使用一方面能够提高GRAPES对大气动能谱的模拟能力; 另一方面能够改善GRAPES-GEPS的集合离散度与集合平均误差的关系, 增加了集合离散度, 并在一定程度上减小了集合平均误差, 尤其是在热带地区这种改进更为显著。而且该方案使得热带地区连续分级概率评分(CRPS评分)显著减小。就降水预报而言, 从Brier评分与相对作用特征面积(AROC, Area under the Relative Operating Characteristics)的结果来看, SKEB方案有助于改善中国地区小雨[0.1 mm, 10 mm)、中雨[10 mm, 25 mm)与大雨[25 mm, 50 mm)量级降水的概率预报技巧, 而对暴雨[50 mm, ∞)量级降水预报技巧影响很小(24 h降水量)。总体上, 模式扰动随机动能补偿方案提高了GRAPES-GEPS的概率预报技巧。      

线性化物理过程对GRAPES 4DVAR同化的影响

线性化物理过程能够改善四维变分同化中极小化收敛的稳定性和增加极小化过程中对大气物理过程和动力更加精确的描述,它是四维变分同化中非常重要的一部分。通过在GRAPES全球模式中研究线性化物理过程,尤其是两个湿线性化物理过程,改善切线性模式预报精度,来提高GRAPES全球四维变分同化的分析和预报效果。线性化物理过程的开发首先需要简化原非线性化物理过程中的强非线性项,然后对线性化物理过程进行规约化,以抑制切线性扰动的异常增长。目前GRAEPS全球模式中的线性化物理过程主要包括次网格尺度地形参数化、垂直扩散、积云深对流和大尺度凝结。线性化物理过程预报精度的检验方法是通过选择合适大小的初始扰动（同化分析增量）,来比较非线性模式和切线性模式中的扰动演化的纬向平均误差。然后以绝热版本的切线性模式为基础,通过冬、夏两个个例试验来分别检验4个线性化物理过程的12 h预报效果。试验结果表明,通过添加次网格地形参数化和垂直扩散两个干线性化物理过程方案,可以有效抑制住绝热版本切线性模式低层扰动的异常增长,大幅度改善切线性模式预报效果。通过添加积云深对流和大尺度凝结两个湿线性化物理过程,可以在热带区域和中、高纬度地区提高切线性模式中湿变量和温度变量的近似精度,提高GRAPES全球四维变分同化的分析和预报效果。      

中尺度降水集合预报随机参数扰动方法敏感性试验

中尺度降水模式预报具有很大的不确定性,为更好地描述与模式降水预报密切相关的物理过程关键参数的不确定性,基于中国气象局GRAPES（Global/Regional Assimilation and Prediction System）中尺度区域集合预报模式,从对模式降水预报不确定性有较大影响的积云对流、云微物理、边界层及近地面层等4个参数化方案中选取了18个关键参数,设计了一种随机参数扰动方案（Stochastically Perturbed Parameterization,SPP）,并通过2015年6—7月总计10 d的随机扰动集合预报试验,对比分析了SPP方案对不同物理过程参数扰动敏感性、随机场时、空尺度敏感性、能量变化特征及其集合预报效果。结果显示,对所选择的任一物理过程参数化方案增加SPP扰动后,降水及等压面要素的概率预报技巧优于无SPP扰动的预报,而扰动积云对流和边界层过程中的参数较扰动云微物理过程中的参数影响更显著,且同时扰动积云对流、云微物理、边界层及近地面层参数化方案中的18个参数的集合预报效果优于扰动任何单一物理过程中的部分参数,表明SPP方案能够有效地提高中尺度降水概率预报技巧;从能量变化特征可知,不同物理过程的参数扰动对动能、内能和总能量的影响层次和特征有所不同,但总体而言,扰动前后各项能量基本相同;随机场时、空尺度敏感性试验发现,SPP扰动随机场时间、空间相关尺度对集合预报效果有明显影响,当扰动随机场选用12 h抗相关时间及截断波数20时,集合预报结果最优。上述结果表明,SPP随机参数扰动方案不仅能够有效提高集合概率预报效果,还能够提高集合降水概率预报技巧,具有良好的业务应用与发展前景。