IPCC AR6报告解读：未来的全球气候——基于情景的预估和近期信息

依据IPCC第六次评估报告（AR6）第一工作组报告第四章的内容,对未来全球气候的预估结果进行解读。报告对21世纪全球表面气温、降水、大尺度环流和变率模态、冰冻圈和海洋圈的可能变化进行了系统评估,并对2100年以后的气候变化做了合理估计。评估指出全球平均表面气温将在未来20年内达到或超过1.5℃,平均降水也将增加,但随季节和区域而异,同时变率将增大。大尺度环流和变率模态受内部变率影响较大。到21世纪末,北冰洋可能出现无冰期;全球海洋会继续酸化,平均海平面将持续上升,百年内上升幅度依赖不同排放情景,都在2100年后继续升高。在最新的评估中采用多种约束方法,减小了预估不确定性的范围。AR6对于低排放情景以及“小概率高增暖情节”的关注为应对气候变化提供了更多、更完整的信息。综合报告的评估结果指出,未来需要进一步减小区域,特别是季风区气候预估的不确定性,并从科学研究和模式发展两方面加强我国气候预估能力的建设。     

基于TOPMODEL的饮马河流域暴雨洪水模拟研究

将TOPMODEL应用于饮马河流域,选取2013-2019年共6次暴雨洪水过程进行模拟和评估,将饮马河模拟流量与实测流量对比分析,探讨该模型在该流域洪水模拟的可用性.结果表明:TOPMODEL实现了空间产流面积分布的可视化;TOPMODEL在饮马河流域模拟效果较好,可用于该流域流量预报;不同等级降雨量、不同的降雨落区以及前期降雨多寡对饮马河的流量影响较大,即累计雨量越大、雨强越强、强降雨越靠近上游、前期降雨越多,洪峰流量也越大.因此,TOPMODEL可为饮马河流域的防洪调度和防灾减灾提供技术支持.     

基于连续无有效降水日数的吉林省干旱灾害识别与检验

利用吉林省26站逐日降水资料,基于连续无有效降水日数对吉林省1961-2000年作物生长季干旱及春、夏、秋旱进行识别,并检验与实况吻合率.结果表明,DNP识别各级干旱及春、夏、秋旱发生频次均呈由西到东减少的空间分布,重旱多发在西部,与干旱灾害实况一致.春、夏、秋旱占旱灾总频次的60.7％、22.6％、16.7％.不考虑干旱等级的检验结果显示,除通化地区外DNP对实际旱灾吻合率是60％～97％.对阶段性旱灾识别中春旱吻合率较高;夏旱吻合率不高;秋旱在西部有较高吻合率,中东部秋旱识别率低.历史典型旱灾年检验时,若不考虑干旱等级,吻合率达90.9％;若考虑发生时间,吻合率达86.4％;若将中旱等级以上识别为旱灾,则吻合率只有40.9％,此时若增加连续2次轻旱过程且间隔不超过4天同样识别为干旱,吻合率可提升至60％.总之,DNP评定干旱等级较实际偏低,但对阶段性旱灾有较好识别效果,能为干旱监测、旱灾评估业务工作提供参考.     

IPCC AR6报告解读：极端天气气候事件变化

与IPCC第五次评估报告（AR5）相比,在第六次评估报告（AR6）评估中,观测的极端天气气候事件变化证据,特别是归因于人为影响的证据加强。人类活动造成的气候变化已影响到全球每个区域的许多极端天气气候事件。随着未来全球变暖进一步加剧,预估极端热事件、强降水、农业生态干旱的强度和频次以及强台风（飓风）比例等将增加,越罕见的极端天气气候事件,其发生频率的增长百分比越大。这些结论再次凸显了应对气候变化和极端天气气候事件的必要性和紧迫性。     

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.     

华南区域高分辨率数值模式前汛期预报初步评估

基于华南地区自动站逐小时观测资料, 采用传统站点评分、邻域法等评估华南区域高分辨率数值模式(包括GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式)对降水、地面温度和风场等要素的预报能力。结果表明: GRAPES_GZ_R 1 km模式的降水预报技巧优于GRAPES_GZ 3 km模式, 模式预报以正偏差为主。对于不同起报时间的预报, 00时(世界时, 下同)起报的预报效果优于12时。GRAPES_GZ_R 1 km模式的TS评分是GRAPES_GZ 3 km模式的两倍以上, 对不同降水阈值的评分均较高。分数技巧评分(FSS)显示GRAPES_GZ_R 1 km模式6 h累计降水预报在0.1 mm、1 mm及5 mm以上的降水均可达到最低预报技巧尺度, 对所检验降水对象的空间位置把握能力更好。2 m气温和10 m风速检验结果表明两个模式均能较好把握广东省温度的分布特征, GRAPES_GZ_R 1 km模式对2 m气温预报结果优于GRAPES_GZ 3 km模式, 预报绝对误差更小; 两个模式对风速的预报整体偏强, 预报偏差在1~4 m/s之间, 但相比之下GRAPES_GZ 3 km模式在风场预报上表现更好。GRAPES_GZ_R 1 km模式的2 m气温和10 m风速预报偏差随降水过程存在明显波动, 强降水过后温度预报整体偏低, 风速预报偏强, 在模式产品订正、使用等需要考虑模式对主要天气系统的预报情况。总的来说, GRAPES_GZ_R 1 km模式的预报产品具有较好的参考价值。      

结合Ka和X波段双偏振雷达对北京一次锋面降雪过程雪带的观测分析

本文设计了中国科学院大气物理研究所位于同一观测站内的一部单发双收Ka波段双偏振雷达和一部双发双收X波段双偏振雷达高效结合观测的方法,并首次将Ka和X波段双偏振雷达结合应用在降雪过程的观测中,对2019年2月14日锋面气旋系统在北京地区降雪过程中雪带的形成、发展、消亡过程的宏微观结构进行了分析。结果表明,雪带的垂直结构符合以往对层状云垂直分层的物理认识,类似但不同于雨带由凝结增长层、丛集层、淞附层、融化层组成的四层结构,雪带只包含由上层“播种”至下层的冰晶形成的凝结增长层、丛集层和淞附层三层。由于各层水平风速不同,雪带的三层结构并非垂直排列。多个雪带不断生成发展维持降雪,直至冰晶凝结生长层变空,云从冰晶凝结生长层分裂为多层云后各自消散。证明了Ka和X波段双偏振雷达结合的必要性和高效性,丰富了对锋面气旋系统雪带的认识,补充了Ka波段和X波段雷达对降雪的观测研究。     

Ka/Ku双波段云雷达反演空气垂直运动速度和雨滴谱方法研究及初步应用

在Ka波段云雷达上升级改造建成的Ka/Ku（Ka和Ku波段波长分别为8.9 mm和2.2 cm）双波段云雷达2019年用于华南云降水垂直结构观测,以改进云内动力和微物理参数探测能力。为了利用该双波段云雷达研究华南降水微物理和动力结构,本文提出了基于双波段云雷达回波强度谱密度（S_Z）数据和最优估计技术的云内空气垂直运动速度（V_air）、雨滴谱（DSD）、含水量（LWC）、雨强（R）的反演方法（DWSZ）,雨区衰减的订正方法。利用2019年在广东龙门观测的一次降水过程数据,对比分析了云雷达反演的微物理参数与雨滴谱直接观测量,并检验了云雷达反演的低层空气垂直运动速度,利用反演结果分析了一次混合云过程的V_air与这些微物理参数的垂直结构和相互关系。结果表明:Ka/Ku双波段云雷达合理反演了微降水微物理和动力参数及其垂直分布,经过衰减订正的Ka和Ku波段回波强度偏差明显减小。该双波段云雷达数据可以用于分析0～30 dBZ回波强度的云降水垂直结构。本次过程为混合云降水,对流单体前部存在明显的上升气流,后部存在下沉气流;从平均垂直结构来看:V_air和粒子平均直径（D_m）在2 km高度层到达最大,粒子数密度（N_w）、LWC和R在2 km以下明显增强,粒子直径却减小,水汽凝结过程、雨滴碰并云滴是本次过程的主要机制。这一工作验证了Ka和Ku波段组合的双波段云雷达的可行性,为Ka/Ku波段云雷达技术的推广,单波段云雷达反演算法进一步改进,云降水精细结构分析等提供了基础。