公路路面热效应对环境气温的影响分析

为定量研究公路对气温观测的影响,本文使用2014年1—5月在陕西省开展的两组公路观测试验的逐分钟温度、风向、风速等气象资料,对比分析了合阳县国道和渭蒲高速公路在不同季节、不同天空状况以及不同背景风速条件下对周围环境气温观测的影响程度和影响距离。试验结果表明:公路对周围的环境温度有一定的增温影响,合阳国道对环境温度的增温影响至75m,增温效应达0.25~0.4℃。高速公路的增温影响至125m,增温效应达0.2~0.4℃。冬季,两条公路白天增温效应较夜间明显,春季,高速公路夜间增温更明显。晴天、多云天气比阴天、降雨天气增温程度大。公路对气温的增温影响存在风速阈值,当风速小于对应阈值时,增温效应明显。公路上来往车流量对气温有一定的叠加增温影响,合阳国道白天车流量150~350辆,叠加增温效应0.05~0.1℃,蒲渭高速白天车流量2000~3500辆,叠加增温效应0.16℃。     

ECMWF业务预报模式地面气温预报的不一致性特征研究

为探讨ECMWF业务预报模式(以下简称ECMWF)的地面气温预报不一致性问题,本文利用2015年12月1日—2016年11月30日业务预报中常用的地面气温预报数据,研究ECMWF地面气温预报产品在不同季节里的不一致性指数分布及变化特征。结果表明:各个季节不一致性指数有不同的特点,冬季不一致性指数最大,大值区主要分布在除华南和青藏高原外的大部分区域;而夏季不一致性指数最小,在青藏高原地区不一致性指数相对较大;春、秋两季不一致性指数大小均处于冬、夏季之间。此外,研究还发现冬季地面气温预报不一致性指数单日变化较大,而夏季较小。夏季不同起报时间的地面气温预报比较稳定。     

青藏高原春季土壤湿度异常与我国夏季降水的联系

利用 197-2014年 GLDAS-CLM(Global Land Data Assimilation System-the Community Land Mod-el)地表参量数据集、中国区域逐日观测资料格点化数据集(CN05.1)和ERA-nterim大气环流再分析数据,研究青藏高原5月(春季)土壤湿度的异常变化...     

2019—2020年1—3月降水和气温的多源数据融合产品检验评估及对比分析

对2020年1-3月CLDAS多源降水融合实况、多源气温融合实况采用平均绝对误差分析、均方根误差分析及相关系数分析等方法进行检验评估,并与2019年同时段多源降水融合实况、多源气温融合实况进行对比分析.结果表明:2月降水多源融合实况较观测实况偏多;3月多源气温融合实况最接近观测实况;西部地区的日最低气温多源融合实况较为接近观测实况.     

基于地形因素的吉林省ECMWF气温预报订正方法研究

利用2016年1月1日—2018年12月31日吉林省381个站的逐日最高气温、最低气温和定时气温的观测数据,对ECMWF高分辨率模式的2 m最高、最低气温和定时气温预报进行检验分析.结果表明,ECMWF模式对吉林省的气温预报与实况存在一定偏差;从空间上看,自西向东气温预报准确率逐渐递减,预报误差逐渐增大;从时间上看,随预报时效的增长,预报准确率逐渐下降.对ECMWF的气温预报进行高度差订正后,模式最高气温24 h、48 h、72 h的预报准确率分别从52％、51％、50％提高至58％、56％、54％;最低气温准确率分别从58％、56％、54％提高至64％、62％、59％;定时气温准确率分别从63％、60％、58％,提高至67％、63％、61％.高度差订正的方法有效提高了模式气温预报的准确率,减小了模式预报误差,提高了模式预报释用能力,订正后的气温预报TS评分得到明显的提高.该方法已应用在吉林省客观预报的订正算法中.     

5月南极涛动对青藏高原西部夏季气温影响的诊断分析

青藏高原是全球气候变暖最敏感的地区之一,是北半球夏季最大的热源,其气候响应受到广泛关注。然而,有关南极涛动与青藏高原夏季气温的关系和机理知之甚少。为了研究南极涛动与青藏高原夏季气温的关系,基于1979—2020年英国东安哥拉大学气候研究中心（CRU）的逐月气温、美国国家海洋和大气管理局（NOAA）的逐月海表面温度和大气环流再分析数据以及南极涛动指数等数据,采用相关、回归、合成分析等方法进行研究。结果表明,北半球夏季青藏高原西部气温与5月南极涛动存在显著负相关,即当5月南极涛动异常偏弱时,夏季青藏高原西部气温异常偏高。其影响过程为,南极涛动为正位相时,在南印度洋中高纬地区出现“负-正-负”的经向“三极子”海温模态,该模态可持续到夏季,在印度洋形成异常的纬向-垂直环流,相应在热带西印度洋和东印度洋-海洋性大陆之间的降水异常导致热带正“偶极子”降水模态,通过该降水模态在青藏高原西部引起异常反气旋环流和下沉运动,有利于高原西部气温偏高。研究结果显示,海洋的热惯性在“延长”南极涛动影响过程中起着重要的桥梁作用,可为青藏高原夏季气温预测提供科学依据。     

基于机器学习的格点气温预报订正方法

使用2017年9月至2021年3月国家级业务化运行的智能网格实况分析产品和欧洲中期天气预报中心全球模式(EC)产品,根据湖北省的地理分布特征构建6个分区,采用基于LightGBM机器学习算法建立的气温预报方法,生成湖北省0.05°×0.05°格点气温预报产品。利用2021年4—9月的预报产品和格点实况资料进行检验,结果表明:基于机器学习的气温预报方法(MLT)取得了较好的预报效果,其在0～72 h时效内优于中央气象台下发的气温精细化指导预报(SCMOC)和EC产品;MLT在山区的误差较平原大,但山区的订正幅度大于平原,日最高气温的订正幅度大于日最低气温的订正幅度;4—9月MLT、SCMOC、EC产品的平均绝对误差(MAE)日变化都呈现了白天偏高、夜间偏低、午后凸起的单峰特征,MLT的MAE值较SCMOC和EC产品的更低,并且在转折性天气中仍具有优势;站点检验与格点检验结论一致,基于格点建模的气温预报产品对站点预报同样得到了订正。机器学习在格点气温的模式订正方面可以作为一个行之有效的手段。