慧眼-HXMT观测到的黑洞双星系统中的W-K 关系

通过几十年的观测研究, 黑洞X射线双星(X-Ray Binary, XRB)部分特征被揭示. 然而, 吸积盘结构尚不确定. 黑洞XRB功率密度谱的截断频率与准周期振荡(Quasi Periodic Oscillation, QPO)的相关性质(W-K关系)可以限制吸积盘结构. 利用慧眼-HXMT (Hard X-ray Modulation Telescope)观测到的5个黑洞XRB的数据, 对黑洞XRB的W-K关系进行了研究, 结果表明在慧眼-HXMT观测的3个探测器能段中W-K关系成立. 此外在MAXI J1535-571之中存在截断频率和吸积盘内半径的相关关系, 这和截断的吸积盘结构一致. 如果观测到的功率密度谱来自质量吸积率的扰动传播, 可以推测吸积盘内半径接近最内圆形稳定轨道, 此黑洞可能是高自旋系统.     

气候系统预测:基础创新和集成应用

随着全球变暖,极端天气气候事件增强,天气气候灾害造成的损失也愈发严重。当前气候预测的准确性远远不能满足社会需要,气候系统预测理论和方法面临着众多挑战性问题。为提档气候预测科学水平和准确率,由南京信息工程大学和中山大学承担的“气候系统预测研究中心”获得国家自然科学基金基础科学中心项目支持(2021年1月—2025年12月)。在该项目执行的前三年,项目团队开展了大量深入系统的研究,并取得了若干重要进展:1)揭示了气候系统的若干关键变化、驱动力和机制;2)剖析了海-陆-冰-气相互作用对我国重大极端气候事件的影响;3)在气候系统数值模式研发和预测系统集成方面取得重要进展;4)发展了延伸期-S2S-年代际的气候系统预测理论和方法。本文对这些进展作了扼要介绍,并针对气候与环境变化归因、古今气候环境研究融合、跨时空气候系统变异和极端气候、人工智能与气候科学、年代际预测和风险应对体系等关键科学问题做了展望。     

梅雨降水季节预测的多方法比较

基于1961—2000年逐月降水观测资料和全球大气再分析资料,分析了6—7月长江中下游(108°～123°E,27°～33°N)梅雨的时空分布特征。通过观测诊断和数值试验确定了影响梅雨异常偏多的3个前期因子:4—5月平均的西北太平洋海平面气压正异常;3月至5月北大西洋海平面气压负变压倾向;1月至4月西伯利亚的2 m温度负倾向。利用这3个具有物理意义的影响因子构建了梅雨季节预测模型,该模型在训练期(1961—2000年)和独立预测期(2001—2022年)均具有显著的预测技巧(相关系数分别为0.79和0.77,均方根误差分别为0.59和0.68)。同时,基于相似的潜在预测因子,对比了利用偏最小二乘回归方法和5种机器学习方法(随机森林、轻量级梯度提升机、自适应提升、类别型特征提升、极端梯度提升)建立的预测模型的技巧。虽然训练期(1961—2000年)偏最小二乘回归和机器学习建模拟合效果更高,但在独立预测期(2001—2022年)上述模型的预测技巧显著降低(相关系数均低于0.44,均方根误差均大于0.93),出现了明显的过拟合问题。本研究强调梅雨的短期气候预测应建立在物理机制基础之上,而使用机器学习方法需谨慎。     

我国南方西南和中东部区域两次持续性低温雨雪过程与关键环流系统的关系研究

利用NCEP再分析资料和国家气象信息中心提供的753站逐日气温和降水资料,对比分析了我国南方西南和中东部区域两次持续10 d以上的低温雨雪过程,结果表明:(1)两次过程中欧亚大陆中高纬东亚大槽均加深,但环流形势有差异。西南过程呈现"北高南低"形势,关键脊区在贝加尔湖,而中东部区域过程"北高南低"和"西高东低"形势共存,关键脊区从乌拉尔山延伸至贝加尔湖。两次过程异常的环流与北大西洋向东传播的波列有关。(2)西南过程关键脊区提前过程3 d发展并东移至贝加尔湖,形成稳定形势;而中东部区域过程关键脊区提前过程一周发展,在开始日达最强。两次过程均伴随蒙古高压东移南压使地面降温,500 hPa关键脊区超前蒙古高压2 d变化。西南过程降温主要受到冷平流和绝热冷却影响,而中东部区域过程主要受到冷平流的影响。(3)西南过程水汽来自孟加拉湾,只受南支槽支配。中东部区域过程水汽来自孟加拉湾、南海和西太平洋,由南支槽和西太平副热带高压的共同影响。两次过程水汽正收支主要来自南边界。     

基于新型探测资料对西安一次弱降水预报失误的原因分析

利用微波辐射计、激光测风雷达、多普勒雷达、相控阵雷达等新型探测资料、地面加密观测资料、ERA5再分析及多模式数值预报结果对2022年4月24日西安城区一次弱降水预报出现明显失误的原因进行分析,结果表明：(1)全球数值预报模式和中尺度数值预报模式对本次过程西安城区均报有明显降水,主要原因为模式对低层相对湿度预报明显偏大;(2)多种新型探测数据分析认为近地层湿度条件较差及中层的绝对水汽含量低,中层的干暖空气不利于成云致雨,垂直上升运动不强,且由于低层非常干燥,使水滴在下沉过程中蒸发,从而无法形成雨滴下落,这些原因共同造成西安城区无降水,低层相对湿度预报偏大是造成这次西安城区降水预报失误的主要原因之一;(3)造成西安城区近地层湿度条件差的原因是城市干热岛效应和低层干暖平流输送,且降水云团翻越秦岭后其湿空气绝热下沉至城区后出现增温降湿,使得城区形成较为深厚的干层,即使有雨滴在下落过程中也会造成更强的蒸发,这也是城区没有降水的重要原因之一;(4)预报员主观预报订正出现空报主要是源于对边界层水汽、抬升条件等关键降水要素缺乏订正能力,且对大城市的干热岛效应和秦岭山区地形影响研究不足。     

Characteristics and evolution of lacustrine turbidite of Chang-7 Member of Yanchang Formation in northern Shaanxi

Lacustrine turbidite of Chang-7 Member in the studied area consists of sihstone and fine sandstone with respect to grain size, which is feldspathic lithie sandstone, syrosem arkose and arkose with respect to mineral constitution affected by provenance. There are such apparent signatures as lithology, sedimentary structure, sedimentary sequence and well logs, to recognize turbidite. During the paleogeographic evolution of Chang-7 Member, lake basin and deep lake are both at their maximum extent during Chang-73 stage, resulting in the deposition of Zhangjiatan shale with widespread extent and of turbidite with fragmental-like. Deep lake line is gradually moving toward lake center and turbidite sand bodies are gradually turning better with better lateral continuity, connectivity and more thickness, from stages of Chang-73, Chang-72 and Chang-7t, which can be favorable reservoir in deep-water.     

雨滴谱数据在S波段双偏振天气雷达数据质量评估中的应用

结合T-Matrix方法和雨滴谱仪数据反演双偏振参量,设计了一种雨滴谱反演评估方法(雨滴谱法),利用其反演结果可对双偏振天气雷达数据进行评估。将此方法应用于不同类型降水过程的雷达偏振参量数据质量评估,结果表明:满足微雨条件时,雨滴谱法与传统的微雨滴法均能有效监测由雷达系统误差导致的观测偏差,且评估结果十分接近;不满足微雨条件时,雨滴谱法评估的不同类型降水过程的雷达数据质量与满足微雨条件下的评估结果十分接近,客观证明了系统调整后雷达运行良好、数据质量稳定;不同雨强(R)情况下,雨滴谱法的评估结果具有一致性。10 mm·h^-1≤R<20 mm·h^-1时,雷达观测的数据质量最为稳定。该雨滴谱法适用范围广,可动态评估双偏振雷达偏振参量质量,有助于雷达调整和数据校正。     

集成学习和动态融合算法在福建省短时强降水预报中的应用

为了提高短时强降水预报准确性,在2019—2020年4—9月福建省逐时降水实况观测资料与中国气象局广东快速更新同化数值预报系统(CMA-GD)模式预报产品的基础上,应用LightGBM集成学习算法框架,建立以30 mm·h^-1为阈值的逐时降水预报模型。通过特征处理、自助聚合及超参数搜索等技术对模型进行优化,结合AUC、AUPR与传统分类指标,设计了包括业务模拟测试在内的多项试验,通过对比各建模方案验证了模型对于较长时效的短时强降水预报的适用性。结果表明:模式预报本身的命中率和空报率均较高,各建模方案具有不同程度的改善作用。自助聚合可以增强模型预测稳定性,轻微不平衡子训练集能降低模型预测空报率而取得更高的综合评分,在验证集中最佳TS评分可达17.5%;对分类信息增益贡献最大的特征变量为K指数,其次为500 hPa露点温度和时间参数特征;试验指标从优到劣依次为:随机交叉验证、小时划分的随机交叉验证、业务模拟测试,可见模型有效性主要来自相同或相邻时刻的样本信息;设计基于逻辑回归的异质模型动态融合方案以改善静态同质模型表现,各项指标均有小幅提升,在命中率接近50%时削减空...