库区蓄水型人工增雨效果评估及其应用

通过对降水影响系统分型,给出了以同一影响天气系统下的降水时段为评估单元,对降水前后目标区和控制区的流域面雨量、入库流量和作业前后雷达回波参量进行评估,并对2005年夏季增雨作业个例进行了计算,结果表明,雷达回波参量在作业前后有明显的变化,平均增雨率为19.61%,投入产出比为1:37,经济效益显著。     

2015—2019年甘肃平凉地区夏季短时强降水时空分布及天气形势特征

选取了甘肃平凉地区2015-2019年6-8月发生的27次短时强降水事件。利用自动站逐小时降水资料和高空探测资料,按照短时强降水阈值分类统计法和常规天气分析方法对甘肃平凉地区夏季短时强降水时空分布、影响天气系统及大气环境背景进行了统计分析。结果表明：6月短时强降水频次少,强降水高发区为六盘山山区;7月频次明显增多,活跃地区为静宁、崇信、泾川一带;8月频次及强度达到峰值,密集区为平凉北部的崆峒山区、崇信南部河谷地带。6月短时强降水日变化呈现单峰型特征,以午后居多,1 h降水量在20-30 mm段发生频次最高,占6月频次的80%以上;7月和8月日变化呈多峰型结构,夜间短时强降水频次增多,1 h降水量大于30 mm的频次显著增加,约占7月和8月总频次的40%。分析总结了平凉地区短时强降水天气类型,即高空低槽类、副热带高压类、西北气流类。另外,对表征动力、水汽、不稳定条件的环境参数统计分析,结果显示K指数、CAPE、T₈₅₀-T₅₀₀、Q₈₅₀、θ_se-850等物理量平均特征值对平凉地区强降水预报有较好的指示意义。     

基于长短期记忆神经网络的风速超短期快速滚动预报技术

利用甘肃省某风电场2017—2020年测风数据,基于长短期记忆神经网络(LSTM)模型,通过评估不同输入数据和模型时间窗口长度下的预报精度,设计一套适用于风电场的风速超短期快速滚动预报方案。结果表明：通过输入不同的特征变量,在风速的超短期(未来4 h内)预报中,风速自身变化起主导作用,模型输入变量中只加入各高度层的风速能得到更好的模拟效果。通过评估LSTM模拟时间窗口长度L对模拟效果的影响,当时间窗口长度L≤24 h时,模拟效果较好,说明超短期风速变化主要和风速自身临近时刻的变化有关;当L>24 h时,模拟效果快速下降,说明过长的L会削弱模拟能力,降低模拟精度。通过分析LSTM在未来4 h内的风速模拟能力,发现随着预报时长的增加,模拟精度逐步下降,但在未来2 h内的风速均方根误差RMSE均小于2 m·s^-1,结果较为理想,且该方法对计算资源要求不高,经济实用性强,在业务中具有较高的应用潜力。     

大规模植被恢复对东亚气候的可能影响

利用动态植被模型CLM4-CNDV、区域气候模式RegCM4.6-CLM3.5和全球气候模式CAM4探究了当前气候状态下东亚区域可能的自然植被分布以及自然植被恢复对东亚区域气候产生的可能影响。结果表明,当前气候条件下,农作物区可能分布的自然植被为:蒙古高原以北、东北、华北平原和四川盆地的部分地区为裸土;东亚东南部及蒙古高原以北地区主要为林地;四川盆地及山东半岛主要为灌木;东北地区、东南沿海和长江中下游地区主要为草地。将农作物区恢复为自然植被后将对区域气候产生显著影响。其中,东亚东部大部分地区由于植被叶面积指数增加引起的蒸散发增强,使得夏季降水增加且温度降低显著;华北、四川盆地和广东中部平原地区植被叶面积指数减小,伴随区域内夏季降水显著减少且温度升高。而蒙古高原地区的气候变化不仅受区域内植被覆盖变化影响,还可能与印度地区和我国东南部植被变化引起的大气环流调整有关,使得蒙古高原西部冬季温度降低,而其东部夏季温度升高,同时夏季降水减少显著。研究所采用的试验方案是在相对理想的情况下进行的,但其结果为进一步区分不同地区植被覆盖变化的影响提供一定的参考。     

乌鲁木齐区域高分辨率数值预报系统V2.0 预报性能客观检验

数值预报系统检验结果对预报产品的释用和系统的改进有着重要的作用。基于MET（Model Evaluation Tools）检验工具对乌鲁木齐区域高分辨率数值预报系统V2.0 (Rapid-refresh Multi-scale Analysis and Prediction System—Central Asia V2.0,简称RMAPS-CA V2.0）在2021年各季节中的预报性能进行客观检验评估,主要检验了2m温度、10m风速、高空位势高度等要素,并与RMAPS-CA V1.0同期预报性能进行对比分析。（1）2m温度预报偏差在冬季和春季整体为负偏差,在夏季和秋季整体为正偏差;各个季节的平均预报偏差均在2℃以内,预报性能秋季最优,冬季最差。各个季节10m风速预报整体为正偏差且差异不大,平均误差在0.5-1.0 m/s之间,预报性能秋季最优,春季最差。（2）高空位势高度预报偏差在冬季整体为负偏差,在其余季节整体为正偏差,预报性能冬季最优,春季最差。高空风场预报偏差在冬季和春季400hPa以下为正偏差,400hPa以上为负偏差;夏季和秋季整体为负偏差,预报性能春季最优、夏季最差。高空温度场预报偏差在冬季整体为负偏差,其余季节整体为正偏差,预报性能春季最优、夏季最差。（3）降水晴雨预报效果较好,但除夏季外以空报为主;随降水阈值增大、TS评分减小,多以漏报为主,降水评分在冬季最高、夏季最低。从降水个例检验看,24h累计降水为大量和中量的国家站点预报性能有所提升,逐6h累计降水TS评分略有提升。（4）RMAPS-CA V2.0系统各要素预报偏差的变化特征与RMAPS-CA V1.0相似,预报能力整体上要优于RMAPS-CA V1.0。     

青岛沿海地区大风特征及其预警评估

利用2007—2019 年青岛8 个海岛站和 22 个岸基站的观测数据,结合欧洲中期天气预报中心第五代大气再分析资料以及2015—2019 年青岛市气象台发布的大风预警信息,统计分析了青岛沿海地区的大风特征,检验评估了大风预警发布的命中率并由此提出了实况预警参考站点的建议。分析结果表明,青岛沿海地区60. 3%的大风日出现在冬、春季,82. 9%的大风出现在海岛站,青岛环胶州湾地区全年不易受到大风的影响;造成青岛大风的环流型主要由冷高压型、低压槽型、温带气旋型和台风型组成,其中冷高压型是以冬季大风为主,低压槽型以春季大风为主,温带气旋型以春、夏季大风为主;2015—2019 年青岛海岛站大风平均预警准确率为81. 0%,沿海地区大风预警发布提前量平均为12. 1 h,解除预警滞后 20. 8 h;海岛站中的田横岛、长门岩、朝连岛、灵山岛以及岸基站中的胶州营海、红岛休闲渔村、罗家营、奥帆基地和大涧山可作为大风实况参考站点,用以开展青岛沿海地区大风预警服务。     

Experiments with the Improved Dynamical-Statistical-Analog Ensemble Forecast Model for Landfalling Typhoon Precipitation over South China

In recent work, three physical factors of the Dynamical-Statistical-Analog Ensemble Forecast Model for Landfalling Typhoon Precipitation (DSAEF_LTP model) have been introduced, namely, tropical cyclone (TC) track, TC landfall season, and TC intensity. In the present study, we set out to test the forecasting performance of the improved model with new similarity regions and ensemble forecast schemes added. Four experiments associated with the prediction of accumulated precipitation were conducted based on 47 landfalling TCs that occurred over South China during 2004-2018. The first experiment was designed as the DSAEF_LTP model with TC track, TC landfall season, and intensity (DSAEF_LTP-1). The other three experiments were based on the first experiment, but with new ensemble forecast schemes added (DSAEF_LTP-2), new similarity regions added (DSAEF_LTP-3), and both added (DSAEF_LTP- 4), respectively. Results showed that, after new similarity regions added into the model (DSAEF_LTP-3), the forecasting performance of the DSAEF_LTP model for heavy rainfall (accumulated precipitation ≥250 mm and ≥100 mm) improved, and the sum of the threat score (TS250 + TS100) increased by 4.44%. Although the forecasting performance of DSAEF_LTP-2 was the same as that of DSAEF_LTP-1, the forecasting performance was significantly improved and better than that of DSAEF_LTP-3 when the new ensemble schemes and similarity regions were added simultaneously (DSAEF_LTP-4), with the TS increasing by 25.36%. Moreover, the forecasting performance of the four experiments was compared with four operational numerical weather prediction models, and the comparison indicated that the DSAEF_LTP model showed advantages in predicting heavy rainfall. Finally, some issues associated with the experimental results and future improvements of the DSAEF_LTP model were discussed.     

2020年内蒙古东南部一次特大暴雪伴冻雨灾害天气特征分析

利用常规气象观测资料、NCEP逐6 h和逐日再分析资料、FY 2G卫星云图资料,从环流形势、水汽条件、动力条件及层结特征方面对2020年11月18—19日内蒙古自治区东南部罕见的特大暴雪伴冻雨过程进行分析。结果表明：①大气环流异常是造成此次灾害性天气的主要环流背景,500 hPa西风槽和南支槽、700 hPa西南低空急流及切变线、850 hPa以下东北急流、地面气旋是此次过程的主要影响系统,具有回流暴雪的天气特征;②低空偏南和偏东急流两支水汽输送路径及水汽强烈辐合为极端暴雪提供了充足的水汽,850 hPa和700 hPa比湿最大分别为5 g〖DK〗·kg-1 和4 g〖DK〗·kg-1;③低空偏南急流代表的暖空气与北方的冷空气剧烈交汇,暖湿空气在低层“冷垫”上爬升,加剧上升运动的发展,导致该区域降雪迅速加强;④非绝热加热项〖WTBX〗F〖WTBZ〗3对锋面生消作用最小,水平运动项〖WTBX〗F〖WTBZ〗1是锋生函数变化的主要贡献项,锋生函数〖WTBX〗F〖WTBZ〗变化与降水强度变化一致,在〖WTBX〗F〖WTBZ〗＞10的较强锋生区都出现暴雪,因此锋面的强迫抬升对暴雪的增幅作用不容忽视;⑤锋区的维持使得低层维持低温天气,锋上逆温,暖湿空气沿锋面抬升,900 hPa 以下“冷垫”与之上的“暖盖”长时间存在,导致暴雪发生并持续;⑥锋上逆温且逆温区存在融化层,这种垂直结构变化有利于降水相态转化,高层和低层为低于0 ℃的冷层,中间形成温度高于0 ℃的暖层,符合融化类冻雨的层结特征。     

地面资料在侦测暴雨天气过程中的应用

利用地面常规观测资料和自动站加密温度资料以及卫星云图资料,分析了2005年7月6—7日和7月9—10日发生在江淮流域及其附近的两次暴雨过程的地面要素分布特征,发现强降水带分布在非锋性斜压带和斜压槽附近。然后利用NCEP再分析资料,用第二类热成风螺旋度和非地转湿矢量诊断解释了非锋性斜压带和斜压槽产生强降水的动力机制,结果表明在地面非锋性斜压带和斜压槽处易发生锋生和斜压现象,从而诱发强降水。     

Comparisons of Simulations of Soil Moisture Variations in the Yellow River Basin Driven by Various Atmospheric Forcing Data Sets

Based on station observations, The European Centre for Medium-Range Weather Forecasts reanalysis (ERA40), the National Centers for Environmental Prediction/National Center for Atmospheric Research (NCEP/NCAR) reanalysis and Princeton University's global meteorological forcing data set (Princeton), four atmospheric forcing fields were constructed for use in driving the Community Land Model version 3.5 (CLM3.5). Simulated soil moisture content throughout the period 1951-2000 in the Yellow River basin was vali...