基于内涝模型的西安市区强降水内涝成因分析

利用西安市近10～40年降水资料、市政信息资料,采用统计学方法,分析了强降水内涝的成因.结果表明:短时强降水或过程量偏大的降水天气过程是引发西安市内涝的直接气象因素;排水能力的强弱是发生内涝关键因素;随着城市化的发展,极端雨强的强度及大于10 mm/h降水的总时次数均有上升趋势,强降水发生概率的提高加强了内涝灾害发生频率及强度,城市效应是内涝加强的主要原因.用西安市强降水内涝仿真模型来进行模拟试验表明:西安是一个内涝发生降水雨强临界值偏低的城市,小时雨强3 mm/h、13 mm/h是发生内涝、严重内涝的临界值,天气预报、雨情监测重点及市政防御关键部位是西北区.总体上缩小井距效果好一些.     

热带大气运动的Rossby孤波

广东热带海洋气象研究所     

网络时代气象影视节目的创意与制作

对网络时代气象影视节目的发展方向、节目定位、主持风格等问题进行探讨，并以一档以网络信息为切入点的气象资讯节目为例，详细介绍了其在播报方式、场景设置、节目内容、表现手法等方面做的一些新创意和新尝试。     

风云卫星数据服务评价指标的验证分析

简述了目前我国风云卫星数据服务以及气象服务效益评估业务的现状,利用层次分析法提出风云卫星数据服务评价的6个1级指标和19个2级指标。设计了风云卫星数据服务评测量表,并采用分半信度、因子分析等方法对量表作信度和效度分析,结果表明所设计的评测量表具有良好的信度和效度,确定了包括服务平台易用性、服务流程规范性、服务响应及时性、服务内容完整性、服务工作主动性、服务宣传广泛性等6个方面的风云卫星数据服务评价指标。     

Recent advances in monsoon studies in China

This review provides a synopsis of the major progress that has been made in monsoon studies in China and to further bridge the gap between the Chinese and international meteorological community. It consists of seven major sections. After the introduction, the second section begins with the global monsoon systems and their seasonal variation, based on some new methods proposed in recent years. Besides, some major intraseasonal features of East Asian monsoon, including the onset of South China Sea summer monsoon are discussed. In the third section, we review the interactions between ENSO and the East Asian monsoon, focusing in particular on the results of Chinese meteorologists that indicate the influence of ENSO on the East Asian summer monsoon(EASM) is obviously different from that on the tropical monsoon. Besides the tropical Pacific,other ocean basins, such as the Indian Ocean and the Atlantic Ocean, are also important to the East Asian monsoon, and this topic is discussed in the fourth section. In the fifth section, we address the role of land surface processes in East Asian monsoon. For example, we describe work that has shown more snow cover in spring on the Tibetan Plateau is followed by a weakened EASM and more summer rainfall in the Yangtze River valleys. The sixth section focuses on the influence of atmospheric circulation in the Southern Hemisphere(SH) on EASM, demonstrating how the signal from the SH is likely to provide new clues for the seasonal forecasting of summer rainfall in China. Finally, in the seventh section, we concentrate on the interdecadal variations of EASM. In particular, we look at a significant interdecadal variation that occurred at the end of the 1970 s, and how our understanding of this feature could affect forecasting ability.     

中-β尺度对流云团造成特大暴雨过程的分析

通过对发生于长江中下游地区两个中－β尺度对流云团引起的特大暴雨过程的分析，探讨中－β尺度对流云团产生强降水的条件，研究其变化规律，从而为暴雨预报提供一定的物理依据。     

大气季节内振荡：其全球同步性及其与ENSO的关系

利用美国国家环境预报中心和大气研究中心的大气再分析资料，分析研究了大气季节内振荡的年际变化及其与ＥＮＳＯ的关系。揭示了全球不同纬度带之间存在着的大气季节内振荡年际变化的同步性，以及大气季节内振荡与海温和大气向外长波辐射之关系的复杂性。我们还发现大气季节内振荡与Ｎｉｎｏ３指数的关系存在年代际尺度的变化，即，这种关系有时强时弱的现象。     

CCSM4模式对东北气温和降水的模拟及预估

利用东北地区162个气象观测站逐月气温和降水资料对CCSM4模式的模拟性能进行了评价,并预估了2021—2050年东北地区的气候变化情景。结果表明:CCSM4模式长期历史气候模拟实验模拟的1961—2005年月平均气温、降水量值能较好地再现东北区域年平均气温、降水量的空间分布形态,但气温模拟值比观测偏低,91. 4%站点误差在1. 5℃以内;降水中心比观测略偏北,全区平均偏多35. 18 mm。2021—2050年东北区域年平均气温呈增温趋势,高纬度地区的增温幅度明显大于低纬度地区,与基准年相比,RCP2. 6、RCP4. 5和RCP8. 5情景下全区分别偏高6. 00℃、5. 86℃和6. 42℃。年降水量分布呈东南向西北递减的形态,降水大值中心出现在东南部吉林与辽宁交界处,RCP2. 6、RCP4. 5和RCP8. 5情景下全区分别偏多15. 2%、3. 1%和2. 0%。     

1981~2018年青海夏季极端降水时空演变及成因分析

采用青海省41个国家地面气象站6~8月逐日降水资料和ERA-Interim0.5°×0.5°逐月再分析资料,分析了1981~2018年青海夏季极端降水的时空变化特征及天气学成因。结果表明：8月和夏季极端降水频次均呈显著增加趋势,75%以上站次的最大日降水量、极端降水阈值和极端降水频次均呈增加趋势;极端降水频次与海拔高度之间、最大日降水量与500hPa比湿、500hPa位势高度、近地面温度之间均存在显著的正相关;以极端降水高发年8月的大气环流场为例,200hPa高空急流扩展到70°~100°E,100hPa高度正距平超过3.2hPa,高层冷高压发展异常偏强,500hPa青藏高原温度和高度距平异常偏高,上游区域扰动能量辐合强度达−1×10⁻⁶m/s²,高发年水汽异常增强,比湿最大正距平超过0.4g/kg,上升运动异常扰动和正涡度异常扰动强度均明显偏强,其特征有利于极端降水的产生。     

GRAPES_GFS 2.0模式系统误差评估

通过选取2014年1月、4月、7月、10月的GRAPES_GFS 2.0预报产品和NCEP FNL分析资料进行对比分析,发现GRAPES_GFS 2.0的系统误差具有以下特性:位势高度场误差的空间分布具有纬向条带状或波列状特征,误差大值集中在中高纬度地区,低纬度地区误差较小。误差在南北半球各自的冬季最大、夏季最小,并呈现明显的季节变化特征。误差随预报时效的增速略低于线性增速且不同预报时效下误差随高度变化的曲线趋势相似。温度场误差的空间分布相对均匀,误差大值位于30°S~30°N附近地区。纬向风场误差没有十分明显的分布规律,与纬度变化、海陆分布和地形的关系均不密切,西风误差和东风误差交替出现。结果表明:模式对冬季中高纬度地区和边界层及对流层顶的模拟技巧尚需提高。明确GRAPES_GFS 2.0的系统误差分布特性,有助于有针对性地进行模式订正,改善误差大值区域的模式预报方法。