山西2006年雨季天气气候特征分析

2005年6月17～24日,华南地区发生了连续多日的暴雨天气过程,其显著特征是存在着南北两条雨带,北支雨带(福建中北部)由准静止的梅雨锋造成,南支雨带(广东中东部)发生在锋前暖区之中,这种连续多日共存的双雨带现象引起了气象学家的广泛关注.为了探究锋面和锋前暖区暴雨的成因,加深这两类不同性质暴雨的认识,利用NCEP每6 h一次的1°×1°经纬度再分析资料以及华南地区加密观测的逐小时地面降水等资料,以此次连续多日维持的双雨带降水过程为例,详细分析了锋面附近与锋前暖湿区内暴雨系统的主要物理差异.结果发现:梅雨锋暴雨和锋前暖区暴雨不仅在中尺度雨团活动、系统动力结构、大气不稳定机制和大气加热结构等存在明显的差异,而且在水汽输送、中尺度环境以及与暴雨有关的垂直环流之间也存在着不同点,这些差异可能是造成锋前暖区暴雨难以模拟和预报的主要原因.     

网格嵌套技术对一次中尺度对流系统降水过程模拟的影响

利用非静力中尺度模式MM5对2002年7月22日12:00~23日12:00(世界时,下同)长江流域的一次梅雨锋暴雨过程进行数值模拟试验,主要讨论了网格嵌套技术对降水和中尺度对流系统的影响。结果表明:三重嵌套在D1,D2域选用积云参数化方案后,模拟的雨区收缩,虚假降水中心相对减少,降水强度及分布更接近观测值。在模式非线性动力、热力及湿物理过程共同驱动下,通过嵌套网格的双向相互作用,使可分辨云尺度的细网格域D3将其信息通过嵌套边界向次细网格域D2传递,然后再通过D2域边界向粗网格域D1域传递。同样,动力、热力反馈也会反向进行。结果将有助于改进各网格域的预报效果。但对D1网格域系统位置及其发展演变过程的影响相对小些;另外,通过双向多重嵌套,可提高模式预报区域的分辨率,特别是提高模式关键预报区域的分辨率,这也就有可能改进预报的中尺度物理场,使其能够较真实地描写大气实况。     

2018年南京梅雨异常特征及环流分析

利用自动站降水数据和NCEP/NCAR再分析资料,结合江苏入、出梅指标对2018年南京梅雨进行讨论,分析导致当年南京梅雨异常的环流因子特征。结果表明：1）当年入梅偏晚、出梅正常,梅雨分布不均匀,总量偏少,其中南部异常偏少8成;2）前期南支槽活动频繁,副热带高压相比同期偏南,季节北跳偏迟,且南亚高压主体偏强,位置偏东偏北,导致入梅偏迟;3）入梅后,副热带高压大幅度北抬,南亚高压东伸明显,加之东北冷涡活动弱,使得冷暖气流交汇偏北,因此江苏沿江地区梅雨量偏少;4）南京地区的梅雨量与6-7月副热带高压的南北跨度具有显著的负相关;5）东亚夏季风偏强时,南京中北部地区的梅雨量很可能偏少。     

江淮流域极端降水时空变化特征:站点观测和再分析的对比

利用淮河流域1979—2011年260个站点观测、ERA-Interim和NCEP/DOE再分析资料的日降水量数据,选用8个极端降水指数,从空间分布、发展趋势、时间变化等方面对比分析了我国江淮流域极端降水的变化规律,研究了再分析数据的适用性,结果表明:1)持续湿润指数(CWD)、强降水日数(R10mm,R20mm)以及百分位指数(R95p,R99p)具有一致的北少南多的分布特征,而持续干燥指数(CDD)为北多南少,且强度指数(Rx1day,Rx5day)和百分位指数在浙江沿海均有极大值存在。2)大部分地区的强降水日数呈减少趋势,仅在江淮周边地区有弱上升趋势。3)区域平均的降水强度指数具有上升的趋势变化,逐月变化具有先增长后减少的结构特征,5—6月的增长量最大,峰值出现在7月,在夏末、冬季有较明显的随年代增加的趋势,在秋季则随年代减少。4)再分析资料ERA-Interim和NCEP/DOE对不同指数的再现能力有所不同,ERA-Interim对强降水日数(R10mm)、CDD、百分位指数的空间分布以及CDD的变化趋势再现能力较好,与强度指数和百分位指数年际变化的相关性较高,但对CWD变化趋势分布特点的再现能力较弱;NCEP/DOE更善于再现较强降水日数(R20mm)的空间分布以及强度指数和百分位指数的线性变化趋势。5)两种再分析资料能合理地再现强降水日数(R10mm,R20mm)和CDD年际变化特征和强度指数的季节变化特征。     

梅雨降水季节预测的多方法比较

基于1961—2000年逐月降水观测资料和全球大气再分析资料,分析了6—7月长江中下游(108°～123°E,27°～33°N)梅雨的时空分布特征。通过观测诊断和数值试验确定了影响梅雨异常偏多的3个前期因子:4—5月平均的西北太平洋海平面气压正异常;3月至5月北大西洋海平面气压负变压倾向;1月至4月西伯利亚的2 m温度负倾向。利用这3个具有物理意义的影响因子构建了梅雨季节预测模型,该模型在训练期(1961—2000年)和独立预测期(2001—2022年)均具有显著的预测技巧(相关系数分别为0.79和0.77,均方根误差分别为0.59和0.68)。同时,基于相似的潜在预测因子,对比了利用偏最小二乘回归方法和5种机器学习方法(随机森林、轻量级梯度提升机、自适应提升、类别型特征提升、极端梯度提升)建立的预测模型的技巧。虽然训练期(1961—2000年)偏最小二乘回归和机器学习建模拟合效果更高,但在独立预测期(2001—2022年)上述模型的预测技巧显著降低(相关系数均低于0.44,均方根误差均大于0.93),出现了明显的过拟合问题。本研究强调梅雨的短期气候预测应建立在物理机制基础之上,而使用机器学习方法需谨慎。     

Impact of 4DVAR assimilation of rainfall data on the simulation of mesoscale precipitation systems in a mei-yu heavy rainfall event

The multi-scale weather systems associated with a mei-yu front and the corresponding heavy precipitation during a particular heavy rainfall event that occurred on 4 5 July 2003 in east China were successfully simulated through rainfall assimilation using the PSU/NCAR non-hydrostatic, mesoscale, numerical model （MM5） and its four-dimensional, variational, data assimilation （4DVAR） system. For this case, the improvement of the process via the 4DVAR rainfall assimilation into the simulation of mesoscale precipitation systems is investigated. With the rainfall assimilation, the convection is triggered at the right location and time, and the evolution and spatial distribution of the mesoscale convective systems （MCSs） are also more correctly simulated. Through the interactions between MCSs and the weather systems at different scales, including the low-level jet and mei-yu front, the simulation of the entire mei-yu weather system is significantly improved, both during the data assimilation window and the subsequent 12-h period. The results suggest that the rainfall assimilation first provides positive impact at the convective scale and the influences are then propagated upscale to the meso- and sub-synoptic scales.
Through a set of sensitive experiments designed to evaluate the impact of different initial variables on the simulation of mei-yu heavy rainfall, it was found that the moisture field and meridional wind had the strongest effect during the convection initialization stage, however, after the convection was fully triggered, all of the variables at the initial condition seemed to have comparable importance.     

1999年6月长江中下游梅雨暴雨的环流特征分析

利用客观分析资料和加强观测期资料,对1999年6月发生在我国长江流域的持续性梅雨期降水过程的大尺度环流特征进行了分析,结果表明:(1)1999年梅雨期,我国长江中下游强降水带状分布非常明显,强降水主要发生在长江中下游地区,强降水带呈东西向分布,并且雨带的南北边界非常清楚。(2)在对流层低层,从孟加拉湾来的西风气流和西太平洋副热带高压前缘的东南气流在长江流域维持,为此次强暴雨过程产生和发展提供了有利的大尺度条件。高空急流和低空急流的存在和维持为此次梅雨锋暴雨过程的发生提供了有利的抬升机制,而对流层中低层的中性对流不稳定特征则为持续性暴雨过程的发生提供了有利的不稳定机制。(3)梅雨锋区对流层低层的水汽辐合非常明显,水汽输送主要来自孟加拉湾和西太平洋,同时南海季风槽在向梅雨锋区输送水汽的过程中起到了非常重要的作用,它是热带海洋地区向我国内陆输送水汽的通道。(4)平均纬向风速u对流层高层出现了与高空西风急流与高空东风急流相对应的两个强风速核;径向平均风速v在400 hPa以下层次盛行南风,而在400 hPa以上的高层盛行北风;受两侧下沉气流的制约,梅雨锋降水带南北两侧存在位势不稳定层结中的不稳定能量无法释放,因此没有出现明显的降水。     

"99.6"梅雨锋暴雨模拟资料的诊断分析

利用非静力中尺度模式MM5V3的模拟资料对"99.6"梅雨锋暴雨过程进行了对流动量输送(CMT)和视热源视水汽汇分析。CMT诊断分析表明,水平动量残差在切变低涡发展的不同阶段的作用是不同的,在中尺度低涡发生初期对流层低层动量残差X主要是加速西南气流的北上;在对流层中层动量残差在槽后加速冷空气南下,在槽前加速西南暖湿气流北上,非常有利于东亚大槽的发展。在低涡切变线强烈发展时,850hPa的X方向与发生阶段相反,此时西南气流受到了强烈的减速作用,同时500hPa东亚大槽的前部和后部出现了减速气流的动量残差,槽后冷空气和槽前的暖湿气流都已经受到减速作用,此后低涡切变线逐渐衰减。低涡切变线发展到最强的阶段,强X矢量几乎总是与强烈上升运动区相对应,能量转换E的水平分布表明,大尺度系统与中尺度系统之间的能量转换非常复杂,并不是简单的能量串级过程,但能量主要是从大尺度向次网格尺度转换。200hPa动能转换E的带状分布非常清楚,E的正负大值中心分布在高空急流的2侧,表明高空急流在能量转换的过程中起到非常重要的作用。视热源和视水汽汇的诊断分析显示,强凝结潜热的释放与低涡的发展相伴随,但视热源只与β中尺度系统有明显的对应关系,视水汽汇有和视热源非常相似的分布特征。     

1988年7月江淮流域酷热天气分析

1988年7月,我国长江中下游和淮河流域出现了持续20多天的大范围酷热天气。西风带超长波的异常分布,200hPa南亚高压的北抬东移,高原暖脊的活动等,以及与之相伴的西太平洋副高提前北跳,并且在东海北部上空长时间稳定,势力特别强盛,是造成这次江淮流域持续性酷热天气的主要原因。     

北极海冰对我国梅雨及气候预报的指示意义

分析了北极海冰面积和长江中下游地区梅雨各特征量之间的相关关系，发现北极海冰对未来３－５年的梅雨预测有指示意义，而梅雨对下一年北极海冰有显著的遥相关，这反映了北极海冰与东亚大气环流间的交互作用。