对流凝结加热对华北夏季锋面影响的数值模拟研究

本文利用改进的ＭＭ２模式，用干、湿过程模拟了一次夏季华北锋面结构。干模式仅能模拟出大尺度特征和明显偏弱的锋面环流，而湿模式可模拟出某些重要的中尺度流场特征。表明只要具有合理的模式物理过程，使用大尺度资料，也可以在一定程度上模拟出中尺度系统。对流参数化的试验表明，系统演变和降水预报对湿润因子ｂ和增温廓线很敏感。在此工作基础上，设计了考虑下沉气流的积云参数化方案。初步结果表明，这种方案使降水量预报有改进。     

应用气象卫星识别薄云覆盖下的水体

本文根据地物光谱特性和卫星的信号接收原理，提出了一种利用气象卫星识别水体的简单而有效的方法，使得薄云覆盖下的水体和云影中的水体得到较好的识别效果。在洪水监测中使用该方法，可以充分利用气象卫星数据获取丰富的洪水动态信息．并以１９９１年江淮洪涝灾害为背景，对试验结果进行了分析．     

台风暴雨积云参数化试验

本文使用半预报方法检验了五种积云参数化方案，并讨论了它们在台风暴雨中的适用性，结果表明:Arakawa-Schubert方案能最好地描述台风暴雨过程Q1和Q２的垂直结构，该方案所要求的云功函数准平衡假设在台风暴雨过程中能够成立；而Kuo-type方案由于假设了加热和增温分别线性正比于Ｔs-Ｔavg-和qs－q(avg)，不能很好地描绘实际Q1和Q２的垂直结构，但当改进云温的求取法后，参数化结果会得到较大改善。计算还表明多元回归方案显示出比Kuo(1974)方案更好些的结果，这种具有简便计算优点的参数化方案如果能作些相适性改进，可望能应用于台风暴雨过程。另外，我们还分析了台风暴雨过程不同阶段的积云演变特征。     

智能矿产地质调查方法——以甘肃大桥-崖湾地区为例

在矿产地质调查理论与实践的基础上,提出一种智能矿产地质调查方法,指出智能矿产地质调查生态系统是与智能矿产地质调查相关的智能数据采集设备、应用、用户、标准、规范、智能地质调查云平台等组成部分及相互关系构成的完整系统。智能矿产地质调查的主要步骤包括：智能数据分析、重点工作区圈定、矿产地质数据采集、重点区野外工作、智能找矿预测等。提出了数据驱动与知识驱动相结合的找矿预测方法,集成了采用深度学习技术进行特征匹配找矿预测的方法和基于知识图谱的找矿预测方法。设计和基本实现了智能矿产地质调查云平台的架构与功能。应用特征匹配找矿预测方法在甘肃大桥-崖湾地区圈定了5个找矿预测区。     

大陆性积云不同发展阶段宏观和微观物理特性的飞机观测研究

2014年7月3日,山西省人工降雨防雹办公室在该省忻州地区开展了国内首次大陆性积云飞机穿云探测。本文利用机载云物理探测资料,分析研究了不同发展阶段的积云宏、微观物理特性,主要结论有:（1）初生发展阶段的积云水平尺度约为8.2 km×5.5 km（经向×纬向,下同）,云厚约2 km;云中以小云粒子为主,云滴凝结增长;水平方向上,云液水含量（LWC）和粒子浓度（N_c）的最大值均位于云体中心位置;垂直方向上,云水分布相对均匀,但随着高度增加,云粒子浓度变小,粒子尺度增大;粒子谱符合伽马分布,峰值量级为102 cm-3 μm-1,谱宽在100 μm以下。（2）成熟阶段的积云水平尺度约为4.6 km×10 km,云厚约4 km;云内可以观测到积冰和雨线;小云粒子浓度随高度增加起伏变化,3600 m、4100 m和4900 m高度处存在峰值;大云粒子浓度随高度先增加后减小,最大值出现云底以上1.6 km高度,云底以上1.3 km高度附近有降水粒子形成;粒子谱呈多峰分布,暖区符合伽马分布,冷区为伽马分布和M-P分布相结合,且随着高度的增加拓宽,4400 m高度以下的谱宽小于200 μm。（3）消散阶段积云尺度约为11 km×5.6 km,云厚约2 km,云下有降水粒子存在。     

北京一次短时局地大暴雨过程的特征及对云物理方案的敏感性数值模拟试验

云物理过程是云和降水形成的重要环节。本文针对2011年6月23日发生在北京地区的一次大暴雨过程进行了云降水与天气特征分析,并开展了WRF模式中10种不同云微物理方案对此次暴雨强度、落区和发生时间的敏感性数值模拟试验。研究结果表明,此次大暴雨是由多单体组织、合并形成深厚的中尺度对流系统,并具有明显的短时局地特征和有利的高低空、高低纬度大中尺度天气环流形势及强烈的水汽输送条件。暴雨强度、落区和发生时间的数值模拟结果对云物理方案非常敏感。不同云物理方案对累积降水量≥50 mm和≥100 mm的暴雨模拟的ETS评分显示,只有Thompson方案对此暴雨量级的评分均为正,其他方案的ETS评分均不理想,特别是对累积降水量≥100 mm的大暴雨模拟。在小时暴雨强度和发生时间方面,Thompson方案模拟效果也较好,其次是Lin方案和WSM6方案;对区域累积最大降水量和落区的模拟方面,Thompson方案和Morrison方案模拟的最大累积降水量更接近观测值,但在落区方面,一些具有完整云物理过程的单参数方案（Lin方案、WSM6方案）模拟效果较好,但模拟的最大降水量偏小。针对暖雨的双参数方案WDM6对区域平均降水模拟较好,但对暴雨极端降水模拟较差。对造成差异的原因分析表明,不同云物理方案的差异主要体现在雪和霰的参数化方面,由于采用的粒子谱分布、密度和末速度不同,导致云中粒子间的碰并和形成过程不同,大部分云物理方案模拟的霰含量高,雪含量低。这种云微物理过程的差异会导致云动力过程的反馈作用出现明显不同,但这种反馈作用的差异主要体现在降水粒子对上升气流的拖曳作用不同。尽管云中相变潜热过程对云动力过程具有很重要的影响,但不同云物理方案在相变潜热过程和温度廓线分布方面造成的差异并不明显。因此,云物理方案中考虑合理的粒子谱分布、形态和密度变化,有利于提高暴雨的模拟效果。     

河北省一次降水云系云物理结构的飞机探测研究

利用机载粒子测量系统资料、天气雷达和Ka波段云雷达资料,分析了2017年5月22日河北省一次低槽冷锋降水过程积层混合云的微物理结构。结果表明:降水云系出现在低槽槽前西南气流中,积层混合云为大范围的层状云系中镶嵌大量对流云核结构,0℃层高度位于3577—4004m,随降水过程发展0℃层高度降低,嵌入的对流加强将抬升云顶高度。云内粒子浓度随云内对流的发生和加强而提高,云粒子浓度从1.8×10^5L^-1上升至5.0×10^5L^-1;云内过冷水含量大幅提高,从0.05g·m^-3上升至0.60g·m^-3,冷云中上层过冷水含量可长时间维持在0.20g·m^-3,中上层过冷水占比达60%。对流发生和加强可提高冰晶粒子增长速度,弱对流区冷云低层出现冰晶粒子浓度爆发增长区,强对流区冷云中上层成为冰晶粒子浓度快速增长区;最大降水粒子直径从8000μm增长至10000μm以上,直径在10000μm以上降水粒子谱分布区域从云底向中上层拓展。     

基于深度学习的FY3D/MERSI和EOS/MODIS云检测模型研究

针对FY3D/MERSI和EOS/MODIS的云检测问题,提出了一种基于深度学习技术的全自动云检测算法,首次将深度学习引入到卫星影像云检测领域。本算法使用深度全卷积神经网络(Deep Convolutional Neural Networks)作为核心结构,基于EOS/MODIS基本云检测原理选择合适的通道作为特性向量参数,针对不同的场景进行分类和网络模型的训练,最终得到基于深度学习的云检测模型。经过EOS/MODIS数据和FY3D/MERSI数据的测试,云检测的精度达到98%以上,可以看出基于深度学习的云检测算法能够用于云检测,该算法具有效率高、精度高等特点,云检测效果理想。     

Dominant east-west pattern of diurnal temperature range observed across Zambia

Diurnal temperature range (DTR) is an important index for climate because of its statistical relationships to greenhouse gases, urban heat, cloud cover, land use change, and aerosol haze layers. This study examines DTR trends across Zambia for the period 1930–2016 using the latest version of high-resolution monthly data (CRU TS v4.01) from the Climatic Research Unit. Non-parametric trend analyses were extensively employed at different spatial and temporal scales to quantify DTR changes. Taken together, results show a dominant east-west pattern with higher DTR values being observed in the western half of the country. Although there are noticeable differences in the magnitude from one month to the other, this east-west pattern is persistent throughout all the months. It is also found that mean annual DTR is negatively correlated with mean annual cloud cover with a strong and statistically significant coefficient of -0.8 but its correlation with precipitation weakens to -0.5 at the α 0.05. Results from the Mann-Kendall trend test shows marginal increments in DTR during all the seasons and they are all statistically significant at the α 0.05. The observed increments can be attributed to a general decrease in cloud cover over Zambia.     

云辐射效应在华北持续性大雾维持和发展中的作用

观测研究发现华北地区的持续性大雾天气通常伴随高层云的存在,具有云-雾共存结构特征,为揭示云在持续性大雾维持和发展中的作用,利用中尺度数值模式WRF,结合华北雾霾观测试验期间的卫星、探空、地面观测、系留气艇、微波辐射计等观测资料,研究了2011年12月3—6日和2013年1月28—31日两次华北持续性大雾天气形成和发展演变过程。在模拟与观测对比检验研究的基础上,重点开展了云辐射效应在大雾维持和发展中作用的探讨。研究结果表明:两次大雾过程持续时间超过48 h,近地面具有偏南暖湿平流,在持续性大雾发展过程中,均出现了由单层雾发展为云-雾共存结构,一般是雾形成24 h以后有中高云移到雾层之上,云底高度在3 km以上,云厚超过3.5 km,云中以冰晶和雪晶为主。白天云-雾共存结构出现后,云-雾的反照率效应使地表接收的短波辐射减少71%—84%,地面增温效应显著减小,从而阻碍了大雾的消散过程,使大雾天气得以维持,同时由于云-雾产生的温室效应,湍流过程加强,使地面雾向上扩展,雾在稳定层内维持;夜晚云-雾共存时,由于云-雾温室效应使地表净长波辐射增大超过70 W/m2,导致地面长波辐射冷却过程减弱,并不利于雾的加强,但云对雾的增温效应有利于混合层内的湍流扩散过程,促使雾在更高的空间内得以维持。可见,在云-雾共存结构中,云辐射效应有利于低层大雾的长时间维持,对持续性大雾的形成和发展产生了重要作用。