一次大暴雨过程的湿Q矢量比较分析

结合2005年7月18～19口出现在青藏高原东侧的一次大暴雨天气过程,对改进前（Q^＊）后（Q^q）两种非地转湿Q矢量的散度和锋生函数进行了比较诊断分析。结果表明：①改进后的掣矢量散度辐合场在位置、强度及走向上对暴雨区的反映都较改进前的Q^＊矢量更为准确。低层大气强迫为产生暴雨区上升运动的主要强迫作用,在不稳定的层结下使大气加速上升而产生强对流。②包含了所有非绝热效应的湿Q矢量锋生函数对暴雨中心和雨区走向的反映更准确,锋生作用更强。当出现一定程度降水后,由于大量不稳定能量的释放,锋消作用明显。     

淮河流域暴雨过程模拟分析

以2003年7月3～4日发生在淮河流域特别是安徽省北部的强降水过程为例,利用全物理过程的中尺度气象模式MM5对此次暴雨过程进行数值模拟,通过对暴雨过程中、低层的环境背景、降水量、降水生命期和降水总体分布随时间演变的趋势以及中尺度对流系统的雷达回波特征等方面的检验,发现MM5模式对此次大暴雨过程具有一定的模拟能力,模式基本可以模拟出中α尺度和100km左右的中β尺度天气系统,但对于时空尺度更小的且发展比较强盛的中β（γ）尺度系统,则有较大的局限性。利用高分辨率模式输出结果验证了低层中β尺度辐合线是造成此次大暴雨的中尺度影响系统,并通过对物理量场特征的分析得到该辐合线的三维结构特征。     

北京地区暴雨个例的观测敏感区研究

利用基于集合预报的相关方法对2009年7月23日发生在北京及周边地区的暴雨过程的观测敏感区进行了分析。通过WRF(Weather Research Forecast)三维变分方法对初始场进行随机扰动,形成30个初始集合样本,做了预报时效为12 h的集合预报。利用该方法分析检验区(北京及周边地区)累积降水[14:00(北京时间,下同)至20:00]相对于初始时刻(08:00)各基本要素的敏感性,确定感性要素及其对应的区域。研究发现初步确定的敏感性要素为水汽和温度,对应的敏感区分别位于北京的西南侧和北京的东北侧,且通过实况分析可知初步确定的敏感性要素和对应的敏感区具有明确的物理意义。还进一步通过观测系统模拟试验(OSSE)的资料同化验证所确定的敏感区,结果表明在水汽对应的敏感区内同化水汽对降水的预报结果有明显的改进;在温度对应的敏感区内同化温度,降水的预报准确率有了明显的提高,说明了初步确定的敏感性要素和敏感区的正确性。在水汽对应的敏感区内同化水汽的同时在温度对应的敏感区内同化温度,使降水预报的技巧有大幅度的提高,说明了温度和水汽的共同作用对提高降水预报准确率贡献最大。因此,通过基于集合预报的相关方法能够快速的确定敏感区。研究结果将为确定北京暴雨的观测敏感区提供参考。     

2010年6月大气环流和天气分析

2010年6月大气环流主要特征如下:极涡呈两个中心分布并偏离极地;北支锋区偏北,冷空气偏北偏弱;欧亚中高纬度位势高度偏高;低纬度地区多波动;副热带高压偏西,强度偏强。2010年6月,全国平均降水量为95.0 mm接近常年同期,全国平均气温为20.5℃,较常年同期偏高1.0℃。月内南方地区出现持续性强降水过程,共有7次暴雨过程。东北、新疆部分地区出现罕见高温天气。河北、辽宁、山东、江苏等地遭受风雹灾害。     

一次积层混合云降水过程增雨条件分析

基于中尺度数值模式MM5,新一代天气雷达、静止气象卫星和雨量等观测资料,对安徽省秋季旱期一次降水过程的增雨条件进行了分析。首先,模式预报的云降水结构与实况在总降水量及分布、云系回波特征、移动趋势方面基本一致,模式产品具有一定可信度,对云降水结构的分析表明,云中含有一定过冷云水且配合有上升气流的存在,这是有利的增雨条件。在此基础上,基于MM5模式结果计算了冰面过饱和度,散度差,K指数和850 hPa水汽含量,并由此得到综合增雨潜力指标,将指标与云结构、降水和卫星雷达资料进行对比,结果表明这些指标揭示了云系中有利于增雨作业的动力、热力、微物理条件,对云系发展和降水过程有良好指示意义,与雷达卫星的观测结果较一致。最后,卫星反演产品、雷达回波以及雷达反演产品如垂直积分液态水含量、回波顶高等特征与模式描述的云系结构特征一致,可判断作业的具体位置和时间,数值模式产品与观测资料结合为人工增雨作业提供了及时精确的指导。     

Radar Data Assimilation for the Simulation of Mesoscale Convective Systems

A heavy rainfall case related to Mesoscale Convective Systems (MCSs) over the Korean Peninsula was selected to investigate the impact of radar data assimilation on a heavy rainfall forecast. The Weather Research and Forecasting (WRF) three-dimensional variational (3DVAR) data assimilation system with tuning of the length scale of the background error covariance and observation error parameters was used to assimilate radar radial velocity and reflectivity data. The radar data used in the assimilation experiments were preprocessed using quality-control procedures and interpolated/thinned into Cartesian coordinates by the SPRINT/CEDRIC packages. Sensitivity experiments were carried out in order to determine the optimal values of the assimilation window length and the update frequency used for the rapid update cycle and incremental analysis update experiments. The assimilation of radar data has a positive influence on the heavy rainfall forecast. Quantitative features of the heavy rainfall case, such as the maximum rainfall amount and Root Mean Squared Differences (RMSDs) of zonal/meridional wind components, were improved by tuning of the length scale and observation error parameters. Qualitative features of the case, such as the maximum rainfall position and time series of hourly rainfall, were enhanced by an incremental analysis update technique. The positive effects of the radar data assimilation and the tuning of the length scale and observation error parameters were clearly shown by the 3DVAR increment.     

The Role of Land–sea Distribution and Orography in the Asian Monsoon. Part I： Land–sea Distribution

A number of AGCM simulations were performed by including various land--sea distributions (LSDs), such as meridional LSDs, zonal LSDs, tropical large-scale LSDs, and subcontinental-scale LSDs, to identify their effects on the Asian monsoon. In seven meridional LSD experiments with the continent/ocean located to the north/south of a certain latitude, the LSDs remain identical except the southern coastline is varied from 40^o to 4^oN in intervals of 5.6^o. In the experiments with the coastline located to the north of 21^oN, no monsoon can be found in the subtropical zone. In contrast, a summer monsoon is simulated when the continent extends to the south of 21^oN. Meanwhile, the earlier onset and stronger intensity of the tropical summer monsoon are simulated with the southward extension of the tropical continent. The effects of zonal LSDs were investigated by including the Pacific and Atlantic Ocean into the model based on the meridional LSD run with the coastline located at 21^oN. The results indicate that the presence of a mid-latitude zonal LSD induces a strong zonal pressure gradient between the continent and ocean, which in turn results in the formation of an East Asian subtropical monsoon. The comparison of simulations with and without the Indian Peninsula and Indo-China Peninsula reveals that the presence of two peninsulas remarkably strengthens the southwesterly winds over South Asia due to the tropical asymmetric heating between the tropical land and sea. The tropical zonal LSD plays a crucial role in the formation of cumulus convection.     

2009年飞机人工增雨作业抗春旱效益评估

本文介绍了人工增雨作业效益的一种评估方法——区域雨量对比法,以及该方法在实际业务工作中的应用：统计了2009年春季四川省飞机人工增雨的作业情况,采用区域雨量对比法对每次作业进行效益计算,得出每次作业的影响面积、影响区降水、对比区降水、增雨量、增加的降水量等,根据春旱期间的降水情况与旱情缓解情况,对人工增雨抗春旱的效益进行了分析评估,并尝试计算出缩短春旱的持续时间,给出了评估结论,并对该方法的应用进行了讨论。该评估方法对于人工影响天气业务工作,具有一定的实用性和可操作性。     

SVD分析揭示的澳大利亚高压年际变化对中国夏季降水的可能影响

澳大利亚高压是东亚夏季风系统的重要成员之一,其对中国夏季气候存在显著影响.为了进一步弄清年际时间尺度上的澳大利亚高压变化对中国东部夏季降水的影响,利用澳大利哑海平面气压和中国夏季降水站点资料,使用SVD和线性回归方法揭示了澳大利亚高压的年际变化与中国夏季降水异常的联系,得到:SVD的第1模态的时间系数与通常使用的澳大利亚高压指数相关可达到0.98.在有无考虑ENSO的影响时,SVD的第1模态均反映出澳大利亚高压的年际变化与中国江南地区夏季降水存在密切联系,也即澳大利亚高压增强(减弱)时,江南地区降水增多(减少).澳大利亚高压对中国夏季降水的可能影响途径为:澳大利哑高压通过影响赤道纬向气流和越赤道气流并通过类似PJ波列的方式影响到中国东部地区:澳大利亚高压增强时,造成西太平洋副热带高压偏南、偏西,同时,105°E处越赤道气流显著加强,为江南地区提供充足水汽源,利于中国江南地区降水;澳大利亚高压减弱时,情况相反;在强(弱)澳大利哑高压年,印度尼西亚及热带辐合带海区SSTA负(正)异常使得低层风场的异常辐散(辐合),激发了澳大利哑南部以及西太平洋地区异常反气旋(气旋)环流,同时江南地区出现异常辐合(辐散),引起大气异常上升(下沉)运动,有利于中国江南地区夏季降水异常偏多(偏少).