“龙舟水”泛滥成百年一遇的特大洪灾

2005年的“龙舟水”泛滥南粤,6月18-25日持续一周的特大致洪暴雨过程,使广东省遭遇了百年一遇的洪水灾害。受高空槽、切变线和西南季风共同影响,广东省出现了较大范围连续性特大暴雨和强降水,其中,龙门县录得的过程累积雨量1300.2 mm。再加上珠江流域各大江河上游洪水的不断涌入和天文大潮的顶托,西江水位急剧上涨,6月23日中午-24日早晨,西江的封开、德庆、高要分别超警戒水位8.92 m、6.58m、2.68 m,流量达到56300m3/S,北江清远超警戒水位2.18 m。暴洪、泥石流、塌方、洪涝等自然灾害,成片出现在广东的河源、韶关、肇庆、惠州、清远、汕尾、珠海等地区的乡镇,17个市89个县(市、区)762个乡(镇)受灾,受灾人口441.6万人,直接经济损失45.2亿元人民币,特大暴雨造成京九铁路多处地段发生土方溜坍,被迫中断行车10多天。受暴雨和天文大潮夹击,广州珠江最高潮位超过基面2 m。江水漫进广州城,市内低洼地多处水浸超过1 m,南岸的铁轨一度被大水淹没,沿江路、滨江路等大马路水深盈尺,风景如画的小岛沙面顿成水泽。暴雨令著名风景区白云山出现20多处塌方,也令白云机场几度关闭。     

当好防洪抗灾参谋 气象服务受好评

遭遇“范围广,时间长,雨势猛,灾种多,影响大”的“05·6”特大致洪暴雨过程,广东气象人显示了积极主动、沉着应对、运作有序,高度负责、善打硬仗的良好精神风貌。以“以人为本,无微不至,无所不在,实现任何人在任何时间以任何可能的方式最及时、最方便地获得所需要的气象信息和服务”为气象服务宗旨,靠前服务,靠前指挥,准确、及时的气象服务为防灾抗灾赢得了先机和主动,得到了中国气象局和广东省委省政府的充分肯定。6月23日,省长签发了《广东省人民政府关于西江和北江抗洪救灾的紧急动员令》,广东各级气象部门即时启动防洪抗灾应急预案,省局余勇局长和杨少杰副局长、许永锞副局长分别带领“突发应急气象服务小组”,奔赴省防总和“广东省北江大堤前线抗洪总指挥部”,靠前指导防洪气象服务。18-25日,广东省气象局向省委、省政府、省防总及时呈送《重大气象信息快报》7期,天气报告《急件》和《特急件》共11份,余勇局长多次率首席预报员等人向张德江书记、黄华华省长、李容根副省长等领导汇报强降水最新动向,并多次打电话汇报降水最新情况。据统计,广东省气象台共发布“暴雨消息”5次、“暴雨警报”9次和“暴雨紧急警报”11次;并及时向政府和公众发布地质灾害气象预报预警产品和珠江流域面雨量预报产品供全省抗洪救灾参考。全省气象部门先后发布黄色暴雨预警信号224次、红色暴雨预警信号75发、黑色暴雨预警信号23次,其中龙门(19-21日)、海丰(21-23日)连续3天发布了黑色暴雨预警信号。     

广西钦州"7.10"特大暴雨天气的中尺度特征分析

受高空槽和低层低涡的共同影响,2004年7月10日凌晨起,广西钦州市普降大暴雨到特大暴雨,9日20时至10日20时,钦州、灵山、浦北日雨量分别为:318、172、17mm,造成了很大的经济损失。暴雨等强对流天气是在稳定的大尺度环流形势和有利的环境条件下,中小尺度系统不断发生、发展作用的结果,在降水时间、强度和空间分布上存在不均匀性,具有明显的中尺度天气系统特征。对经过高通滤波的700hPa高度场和流场分析可知,9日08时,在26.7°N,105.8°E有低涡生成。500hPa有西风槽东移,该高空西风槽与低层的低涡系统恰呈“北槽南涡”的有利配置。对流层中低层流场图上,西南气流与偏南气流在钦州至东兴一带汇合。中低层的水汽通量散度负值区最大值位于云南与广西交界处,钦州的大暴雨可能与西部的辐合区东移有关。通过对7月9日20时θse图的分析可知,700hPa层上有一条呈东北~西南向的低能舌,从梧州伸向钦州一带,低能舌顶在钦州附近,而其下850hPa层是θse高值区即暖湿气流控制的高能区,高层相对干冷的气流叠加在其下暖湿气流之上,上干下湿的中尺度位势不稳定在这一区域建立。对垂直速度场的分析可知,暴雨期间,西南地区一直存在着明显的上升运动和下沉运动偶。暴雨发生区的整个对流层场为上升运动,在上升运动的右侧广东省一带为下沉运动,与最大上升运动区构成了一个强的中尺度垂直环流,为强降水天气的发生提供了动力机制。对700hPa的涡度场的分析可知,钦州沿海一带及北部湾海面,涡度9日08时为负值,到9日20时至10日08时变为正值,到10日20时又变为负值,表明这段时间内钦州沿海一带有中尺度的正涡度扰动,暴雨就发生在这段时间的扰动区内。而在对流层高层对应着负的涡度扰动区,有利于在暴雨区上空形成强的上升运动区,它为暴雨的发生提供了所需的动力条件。10日00时,北部湾北部海面有较强的一小块对流云系(云顶温度≤-72℃)的“先兆云”生成,预示着该地区周围存在不稳定天气条件,钦州未来24h内容易发生强对流天气。     

T213产品在东亚中纬度地区预报精度检验

利用分型求预报场与实况场绝对误差和相关系数,对T213物理量场资料进行预报精度检验,结果表明:物理量场预报效果近期比远期好,绝对误差随预报时效延长而加大,相关系数随预报时效延长而减小;冬半年比夏半年预报精度高。物理量预报最好的是假相当位温,所有各型各时次各层次相关系数都>0.6;最差的是垂直速度,除冬半年西北气流型24h外,所有各时次各层次相关系数均<0.6。环流型预报最好的是冬半年西北气流型,最差的是夏半年台风型。     

非绝热条件下的波流相互作用与大气能量循环

在传统的波与流相互作用理论的基础上, 推导了准地转框架下包含非绝热效应的E-P通量, 证明了由Eliassen和Palm导得的波动能量关系与由Lorenz导得的大气能量循环关系的一致性. 大尺度定常波的波动能量传播过程实质上是大气能量循环过程的一部分, 大气中的平均流能量向波动能量的转换就是局地波能通量散度的全球质量积分, 也即是局地波动能源的全球积分.利用NCEP/NCAR资料对北半球各纬带不同季节大气波动能源和E-P通量的诊断分析表明传统的绝热条件下的E-P通量仅能表征冬季的波能输送情况, 其他季节必须要考虑非绝热加热的影响.     

“三圈环流”的教学设想

“三圈环流”是在热力环流的基础上，根据风的形成原理而形成的。“三圈环流”既是“大气运动”内容的进一步深化，又是学习“气候的形成和变化”的基础，所以它是本单元的重点和关键。但由于这部分内容的学习，要依赖学生较强的空间概念以及物理知识，而学生的空间想象能力较差，跨学科的知识迁移能力较弱，所以学生对教材内容的理解和掌握存在一定难度。     

渤海平均海平面及多年一遇极值水位的计算

利用区域大气模拟系统(RAMS)大气模式给出的30 a风场资料作为上边界风应力强迫,用普林斯顿大洋模式(POM)对渤海的潮流和潮位进行了30 a数值计算.给出了M2,S2,O1,K1四个分潮的同潮时线和等振幅线,与环渤海19个验潮站观测的调和常数对比发现,M2分潮振幅的平均误差为4.5 cm,迟角的平均误差为4.2°.分析了渤海海域环流、风海流和潮流的基本特征,并与前人的结果进行比较,两者基本一致.计算了渤海1 000多个网格点的平均海平面高度,比较结果表明,其准确度较高.最后给出了渤海各点的最高和最低天文潮位以及百年一遇极值水位,比较结果表明,虽没有进行单独的风暴潮计算,但计算结果较好地反映了渤海各种水位的特征.     

个性化大地测量报表服务的实现

报表服务是大地测量信息系统的一项基本功能,但往往会因为格式的微小调整而导致系统的整体重构。首先分析了当前报表生成方法的缺点,提出了基于XML相关技术生成报表的新思路;然后介绍了以XML为基本语法的统一数据交换接口,屏蔽了各种报表数据源的差异;重点讨论了如何运用XSL技术将接口文件变换成通用的HTML,并对报表中的图形信息用SVG进行描述,从而将报表转换成通用浏览器可以识别的信息模型;最后对此技术进行了实践。通过在系统外部更改报表样式文件,能够实现报表服务的个性化,增强系统的扩展性。     

大气中CO2含量的控制因素及其对气候的影响

碳是地球上最重要的生命元素,以不同的物质形态在各个圈层循环,引起大气中CO2含量的变化,百万年级别的CO2变化属于构造尺度,其主要控制因素是大陆化学风化对于CO2的消耗速率;次级时间尺度为10万a及以下,大气CO2通过生物泵作用从碳源到碳汇循环往复,调节着地球上的气候环境演化.人类出现以后,特别是工业革命以来,人为排放的CO2破坏了原有的自然碳循环,同时也成为新的碳循环的重要制衡因素.     

基于SHAP值机器学习的江西暖季暴雨预报因子重要性分析

机器学习模型（Machine Learning,ML）的不可解释性给其在气象业务中的应用带来了挑战。模型解释和可视化是解决这一问题的有效途径。文中将SHAP值应用于天气预报ML模型解释,研究了江西省暖季暴雨模型的预报因子对预报结果的影响。分别选取2016—2020年、2021—2022年4—9月ECWMF（European Centre for Medium-Range Weather Forecasts）高分辨率数值模式物理量及国家站降水观测数据进行XGBoost 建模与模型解释。结果表明,全局重要性排名前4位依次是总降水（重要性42.70%）、850 hPa比湿（重要性11.17%）、925 hPa相对湿度（重要性10.44%）、500 hPa相对湿度（重要性 9.16%）。个例分析表明,命中个例中高重要性物理因子在暴雨区的 SHAP 值较大,漏报（空报）个例在漏报（空报）区域高重要性物理因子的SHAP值偏小（偏大）。SHAP值从全局和局部可定量给出ML模型有物理意义的解释,解释结果与天气学原理和业务经验较一致,有利于ML在气象业务中的深入应用。