ECHAM4/OPYC3海气耦合模式对东亚季风年循环及其未来变化的模拟

德国马普研究所海气耦合摸式ECHAM4/OPYC3对东亚地区2 m温度年循环的模拟尽管有一些偏差,但还是相当成功的.其模拟的东亚夏季风偏弱,而冬季风偏强,此偏差可能与2 m温度以及西太平洋副热带高压模拟偏差有关.该模式模拟的东亚季风区夏季降水量偏弱,这与上述夏季风环流的模拟结果是一致的.该模式较好地抓住了华北地区经向环流和降水量的年循环特征.利用最新的温室气体和SO2排放方案,即政府间气候变化委员会(IPCC)排放方案特别报告(SRES)的A2和B2方案,通过该模式111年的积分结果讨论了东亚季风气候在21世纪后30年中的变化,其主要结果为:全球变暖导致夏季海陆温差增大和冬季海陆温差减弱,进而使东亚季风环流在夏季加强,冬季减弱.长江流域和华北地区的夏季降水量显著增强,而后者的增强更为显著,使得东亚季风区的夏季多雨区向北延伸;东亚季风区9月份的降水量在两个方案中都显著增加,说明在全球变暖条件下东亚季风区的多雨季节将延迟一个月.     

0308号强热带风暴天鹅影响过程分析

利用天气图、卫星云图等资料,分析了0308号强热带风暴天鹅的高空环流形势及演变、双热带气旋的影响、日本24小时地面预报图和降水预报图以及FY-2云图,探讨了如何预报热带气旋的移动路径、登陆地点和时段,切实提高热带气旋活动的预报准确率.     

EOF迭代方案恢复夏季大气环流场的试验

本文设计了一种恢复夏季大气环流场的EOF(经验正交函数)迭代方案,并利用1951～1984年中国夏季降水距平场和北半球500hPa夏季高度距平场作镢复试验,数值试验效果较好.此项工作表明:利用某些长时间序列的资料通过EOF迭代方案恢复历史时期大气环流是可行的.     

综合评估环境场影响的热带气旋路径客观相似预报模式

提出一个综合评估环境场影响的热带气旋路径客观相似预报模式。模式应用热带气旋参数、初始和未来环境场,构造客观的相似判据。通过定义非线性的相似指数综合评估历史热带气旋样本在多元判据下的相似程度,从而找到相似样本。应用相似样本的历史路径进行坐标变换和相似指数的权重综合,得到预报路径。模式检验和预报试验表明该模式具有预报技巧。     

南海到西太平洋地区水汽输送和山东夏季降水量奇异值分解分析

利用奇异值分解(SVD)方法和山东省26个代表站1951～2000年6～8月降水量、NCEP／NCAR再分析1958～1998年1～12月925～300hPa5层月平均比湿和风场资料,分析了山东夏季降水与前期(冬季、春季)及同期(夏季)南海到西太平洋地区水汽输送之间相关场的分布型,从中找出了遥相关的“关键区”,并对找到的“关键区”的可靠性进行了验证。研究表明,山东夏季降水与前期(冬季、春季)和同期(夏季)南海到西太平洋地区水汽输送相关较好,春季的相关程度最高,冬季次之,夏季最小。     

热带气旋路径预报的MCE客观综合决策方法研究

采用MCE(Multi-Criteria Evaluation)方法,在台风路径客观综合预报方法研究与业务实验中,根据多家预报的主要结果进行综合评估分析,提出最佳客观综合预报结果以供决策者及预报员参照。取得初步结果：(1)对9711号台风进行了MCE客观综合决策方法的预报试验。结果表明,对于9711号台风生命史中几个关键点的预报,即登陆预报、台风转向北上预报及出海转向预报等以及全程预报,MCE方法取得较佳预报结果。(2)在综合平台上对近10年的疑难路径台风和2000年全年台风进行了MCE方法试验及多种预报结论的对比分析研究。MCE方法预报误差检验结果较好。(3)所提出的模拟预报员预报思维的联想智能模拟方法,以及可操作综合预警平台,为台风路径预报,包括分析、学习、回忆、对比、推理、联想直到形成综合预报结论提供了一个十分有用的工具。(4)讨论的自反馈函数对形成和推演多规则评估决策有一定的实用性。     

高原季风强弱对南亚高压活动的影响

分析了高原季风强弱对夏季南亚高压活动和三峡库区旱涝的影响,揭示了如高原夏季风偏强(弱),育藏高原上空及其以东地区100hPa南亚高压也偏强(弱),位置偏北偏东(偏南偏西)。高原季风强年,南亚高压脊线6月北跳比多年平均早1候,8月南撤晚1～2侯;高原季风弱年。脊线北跳晚1～2候,南撤早1候。同时显示了高原夏季风强年,5～6月三峡库区降水随着南亚高压脊线北移而增多,7～8月三峡库区降水减少;高原夏季风弱年,主汛期前期库区降水少,后期降水略有增多。     

印度季风的年际变化与高原夏季旱涝

根据NCEP／NCAR再分析资料和海表面温度距平资料,分析了西藏高原夏季降水5个多、少雨年春、夏季印度洋850hPa、200hPa合成风场和合成海温场,发现多、少雨年前期与同期印度洋高、低空风场和海温场均存在明显差异,主要表现为高原夏季降水偏多(少)年印度夏季风偏强(弱),在850hPa合成风场上印度半岛维持西(东)风距平,西印度洋—东非沿岸为南(北)风距平,夏季阿拉伯海区和孟加拉湾出现反气旋(气旋)距平环流;200hPa合成风场上印度半岛维持东(西)风距平,南亚高压偏强(弱),索马里沿岸为南(北)风距平。印度夏季风异常与夏季印度洋海温距平的纬向分布型有密切联系。当夏季海温场出现西冷(暖)东暖(冷)的分布型时,季风偏强(弱),高原降水普遍偏多(少)。相关分析指出,索马里赤道海区的风场异常与高原夏季降水的关系最为密切,在此基础上我们定义了一个索马里急流越赤道气流指数,用它识别高原夏季旱涝的能力较之目前普遍使用的印度季风指数有了明显的提高。     

中国夏季降水异常空间模与副热带高压的关系

本文用1959～1994年6、7、8月全国范围47个5°×5°经纬度网格降水资料分析了夏季降水异常空间模的月际差异，并在此基础上用西太平洋副高指数及青藏高原指数#FKB#FS分析降水异常空间模与环流的关系，为检验环流指数与降水相关场的整体信度，还对8月份降水资料进行了Monte-Carlo检验。结果表明，夏季总降水异常的空间模在每一月份中并非表现得同样清楚，江淮流域与河套及华南的反相关在8月份表现得最清楚。而青藏高原中东部南北两侧的负相关在6月及8月很清楚，7月份次之。8月份西太平洋副高北界异常对江淮流域与河套及华南地区降水异常反相关的产生有很大作用。副高稳定偏北时，河套、华南易涝，江淮易旱。反之亦然。青藏高原指数#FKB#FS与逐月降水的相关分析表明，青藏高原上高压及低涡活动对高原中东部南北两侧负相关的产生有一定作用。当高压活动偏多时，北侧易旱、南侧易涝。并且6月及8月的作用较大，7月较小。另外，8月份副高活动对这一降水异常空间模的产生也有一定影响。     

基于年际增量法的卷积神经网络模型对中国夏季降水的预测研究

将前冬的500 hPa位势高度、向外长波辐射和海表温度的年际增量作为预测因子,建立基于卷积神经网络(Convolutional Neural Network, CNN)的非线性预测模型,对中国160个测站夏季降水展开预测研究,并与基于线性奇异值分解(Singular Value Decomposition, SVD)的预测模型进行效果对比。结果表明：CNN在1981—2020年的交叉检验中所回报的降水平均PS评分和距平相关系数(ACC)分别为74.33和0.12,比SVD高2.15和0.06,说明CNN比SVD在整体上对夏季降水具有更好的预测能力。其中,CNN对SVD预测较好年份的预测效果提升较为明显,对SVD预测较差的年份则改进不大。CNN对中国降水预测存在一定的系统性偏差,订正后CNN对拉尼娜年的降水预测改进较大。结果表明,基于年际增量法的CNN预测模型展示出较好的潜在应用价值。