气候模式中云的垂直重叠及其辐射传输问题研究进展

概述了全球气候模式中云的垂直重叠的处理方法及其辐射物理过程的最新研究进展。从云垂直重叠模型的构造、模型在气候模式中的实现方式,得到与观测一致的云重叠结构所采用的数据和方法、重叠云的辐射传输等方面,给出了针对这一国际研究难点问题的最新研究进展。关于气候模式中云的垂直重叠问题的研究至今已取得了许多成果,表现在:重叠模型上有了更为科学的描述形式(如指数衰减重叠);重叠云的辐射传输也有了更快速的处理方法(如蒙特卡洛独立柱近似)并被广泛应用;连续的三维云遥感观测(如CloudSat/CALIPSO)和云分辨尺度的三维云模式的发展为在气候模式中精确描述云的垂直结构提供了丰富的观测资料和模式数据。但是,气候模式中现有的云重叠结构处理及其辐射传输方法还远不够完善,仍然存在很多没有解决的问题需要在未来进行探索。     

Recent significant tornadoes in China

正1.Introduction Compared with the United States,whose annual number of tornadoes can exceed 1000,the average number of tornadoes per year in China over the past half a century is estimated to be fewer than 100(Fan and Yu,2015),even though both countries are located in a similar latitudinal zone of the Northern Hemisphere.The annual average recorded number of F1(Fujita scale)or EF1(enhanced Fujita scale)intensity or higher tornadoes in China between 1961 and 2010 is about     

A timescale decomposed threshold regression downscaling approach to forecasting South China early summer rainfall

A timescale decomposed threshold regression(TSDTR) downscaling approach to forecasting South China early summer rainfall(SCESR) is described by using long-term observed station rainfall data and NOAA ERSST data. It makes use of two distinct regression downscaling models corresponding to the interannual and interdecadal rainfall variability of SCESR.The two models are developed based on the partial least squares(PLS) regression technique, linking SCESR to SST modes in preceding months on both interannual and interdecadal timescales. Specifically, using the datasets in the calibration period 1915–84, the variability of SCESR and SST are decomposed into interannual and interdecadal components. On the interannual timescale, a threshold PLS regression model is fitted to interannual components of SCESR and March SST patterns by taking account of the modulation of negative and positive phases of the Pacific Decadal Oscillation(PDO). On the interdecadal timescale, a standard PLS regression model is fitted to the relationship between SCESR and preceding November SST patterns. The total rainfall prediction is obtained by the sum of the outputs from both the interannual and interdecadal models. Results show that the TSDTR downscaling approach achieves reasonable skill in predicting the observed rainfall in the validation period 1985–2006, compared to other simpler approaches. This study suggests that the TSDTR approach,considering different interannual SCESR-SST relationships under the modulation of PDO phases, as well as the interdecadal variability of SCESR associated with SST patterns, may provide a new perspective to improve climate predictions.     

Changes in the boreal summer intraseasonal oscillation projected by the CNRM-CM5 model under the RCP 8.5 scenario

Climate Dynamics - The 30–60-day boreal summer intraseasonal oscillation (BSISO) is the predominant intraseasonal variability in the Asian summer monsoon (ASM) region, representing the...     

江苏沿海高速公路低能见度浓雾的气候特征和影响因子研究

文章对2012年6月至2014年6月期间发生于江苏省沿海高速公路的浓雾过程(能见度0.5 km)进行统计分析,探讨了低能见度浓雾的气候特征、气象要素变化以及主要环流形势背景。研究结果表明:(1)低能见度浓雾月分布次数有显著差异,3-6月、12月至次年2月雾发生次数最高,春、冬季高于夏、秋季;03:00-05:00为低能见度生成的高峰时段,08:00左右为消散峰值时段。(2)能见度低于0.5 km后,如果相对湿度继续增大到97%左右、温度处于0~4℃、风速在0~2 m·s~(-1)、风向在ENE-SSE,能见度可能继续下降到0.2 km以下。(3)对150366个样本的环流背景统计分析表明,中北部路段的低能见度天气大多数是由锋前雾引起的,主要出现在中低层暖区域内,地面为冷锋前部弱气压场的环流条件下。全路段大面积低能见度天气由辐射雾和平流雾造成,辐射雾天气形势主要是高层为下沉气流,配合地面受弱高压或高压南下;平流雾出现在中低层暖性系统,地面位于入海高压后部或低压倒槽东侧,低层盛行偏东风或东南风。(4)"象鼻型"先期振荡现象适用于沿海高速公路低能见度预报过程,尤其对能见度稳定维持0.2 km以下的浓雾过程有很好的预警和监测作用。     

内蒙古河套灌区春玉米作物系数试验研究

作物系数曲线是估算作物生长季耗水量变化的重要参数。基于2013年4—9月内蒙古巴彦淖尔市临河区田间水分试验和1994—2013年气象站观测资料,利用水量平衡法反求春玉米作物系数,分析生长季内的变化规律, 建立动态模拟方程,并与联合国粮农组织 (FAO) 分段直线法结果进行比较, 提出胁迫条件下作物系数的叶面积修正方法。结果表明:玉米作物系数随发育进程可用三项式曲线描述,变化趋势与产量水平无关, 但随产量增高而变幅增大;以出苗后相对积温为时间变量建立模拟方程效果较好,决定系数 (R2) 均在0.92以上;模拟计算出各站点最大 (1.30~1.48) 和平均 (0.831~0.919) 作物系数,与FAO分段直线法计算的典型值和区间值基本一致,生长中期平均相对误差为3.4%~7.2%;提出利用相对叶面积指数修正作物系数的计算方法;通过2014年实例检验,土壤水分模拟值与实测值的平均相对误差为6.3%,相对误差小于15%的占95.8%。     

高性能计算技术在气象领域的应用

高性能计算通过应用超级计算机与并行处理技术解决复杂的计算问题,是信息技术发展比较迅猛的领域之一。气象应用始终是高性能计算的重要领域,高性能计算技术有效地解决了高分辨率、高精度气象数值预报模式发展限制,在气象预报预测业务中发挥着核心支撑作用。数十年以来,由于数值天气模式研究和业务运行对计算资源的强烈需求,国内外气象领域高性能计算机及应用迅速发展起来。气象领域对高性能计算能力及系统的可靠性需求日益提升。高性能计算技术将与气象预报应用日益融合,相互影响促进,不断创新发展。为满足气象预报预测业务和科研工作需求,中国气象部门将进一步提升高性能计算能力,并致力于优化集约高性能计算系统布局,高效管理计算资源,发挥最大效益。