顾及周期性误差修正的加权平均温度模型构建

针对目前多数大气加权平均温度(Tm)模型没有考虑季节性影响这一问题,该文首先利用IGRA 2005-2010年全球探空数据,分别建立了各探空站点与地表温度有关的线性Tm模型、与地表水汽压有关的指数Tm模型以及与地表温度和水汽压均有关的混合Tm模型。然后以探空站积分Tm值为参考,对上述3类模型的误差时间序列进行了分析,发现这3种模型均存在周期性误差,并在此基础上构建了考虑周期性误差修正的3类Tm新模型。利用2011-2014年全球探空数据对3类新模型进行精度验证,结果表明:3类Tm新模型的精度相比于原模型均有所提升,模型的周期性误差影响基本得以消除,且3类Tm新模型的精度基本一致。     

人工冻土观测的冻点对应的土壤温度研究

基于2018年12月至2020年3月喀左、沈阳、辽阳、满洲里4个国家级地面气象站人工冻土器与测温式冻土自动观测仪观测的资料,对人工冻土观测获得的冻点与测温式冻土自动观测仪获得的相应深度的温度进行对比分析.结果表明:人工冻土器获取的冻点对应的土壤温度与0℃总体一致,又不完全重合;0—35 cm深度范围,冻点对应的温度变化...     

我国南方西南和中东部区域两次持续性低温雨雪过程与关键环流系统的关系研究

利用NCEP再分析资料和国家气象信息中心提供的753站逐日气温和降水资料,对比分析了我国南方西南和中东部区域两次持续10 d以上的低温雨雪过程,结果表明:(1)两次过程中欧亚大陆中高纬东亚大槽均加深,但环流形势有差异。西南过程呈现"北高南低"形势,关键脊区在贝加尔湖,而中东部区域过程"北高南低"和"西高东低"形势共存,关键脊区从乌拉尔山延伸至贝加尔湖。两次过程异常的环流与北大西洋向东传播的波列有关。(2)西南过程关键脊区提前过程3 d发展并东移至贝加尔湖,形成稳定形势;而中东部区域过程关键脊区提前过程一周发展,在开始日达最强。两次过程均伴随蒙古高压东移南压使地面降温,500 hPa关键脊区超前蒙古高压2 d变化。西南过程降温主要受到冷平流和绝热冷却影响,而中东部区域过程主要受到冷平流的影响。(3)西南过程水汽来自孟加拉湾,只受南支槽支配。中东部区域过程水汽来自孟加拉湾、南海和西太平洋,由南支槽和西太平副热带高压的共同影响。两次过程水汽正收支主要来自南边界。     

船载海水温度观测研究

通过研究国家相关海洋观测标准对海水温度观测的规约,结合当前船载水温观测的现状,提出了基于总线的船载磁吸附温度链式观测方法,并对其在结构设计、理论模型、算法等多方面进行了阐述.通过多个竖直分布的温度传感器实时观测,采用自适应参数化算法,有效减少了风浪、海流、热辐射等方面的影响,具有观测层深相对固定、精度高等特点,可实现船...     

河南省气温资料均一化前后气温变化趋势对比分析

基于河南省111个气象站1961—2017年均一化前后逐日平均气温数据,采用统计分析方法,分析均一化前后河南省年、四季和月的平均气温变化规律及其空间分布,以期明确非自然因素对河南省平均气温变化趋势的影响.结果表明:1961—2017年,均一化前后河南省年平均气温均呈显著上升,均一化后增温速率为0.21℃/10 a,较均...     

江苏省夏季最高温度定量预报方法

以江苏省徐州、南京、射阳3个探空站2002～2006年7～8月逐日观测资料为基础,选取了影响最高温度变化的因子,利用逐步回归方法建立了以徐州、南京、射阳3地为中心的区域预报模型,并对模型的回归效果和预报情况进行分析.剖析了其用于实际预报的合理性和可信度,同时与欧洲中期天气预报中心动力数值预报结果相结合,利用高斯权重插值方法将预报场的格点资料捕值到江苏各站点,通过PP法,完成了江苏省最高温度的定量预报.预报当天最高温度误差在1℃以下的概率为5O%左右,2℃以下概率在8O%左右,该方法可用于最高温度预报.     

夏季通风气象指数预报

随着人们生活水平的提高,对室内污染越来越关注,应"中国室内环境监测委员会"提出的需求,通风气象指数于2006年6月首次向北京公众发布,文章就首先研发并投入业务使用的夏季通风指数给出了详细论述.通过对2005年夏季(6～8月)的各气象要素(气压、温、湿、风、能见度、天空状况等)资料共1790个数据做检验分析,最终选取体感温度为主要预报因子并综合考虑夏季特殊天气条件和风力以及污染的影响,得出夏季通风指数在一天中7个时段的预报公式,并划分出相应的指数等级.     

青藏高原西部阿汝冰芯记录的近100 a气温变化研究

以2017年9月钻取自青藏高原西部阿汝冰崩区长度55.29 m的阿汝冰芯为研究对象,通过冰芯δ18O记录与Nye模型重建了冰芯上部17.87 m的时间序列是1917—2016年.结合冰芯邻近的改则、狮泉河气象站1973—2016年夏季平均气温数据,通过相关性分析及线性回归法、Mann-Kendall(M-K)检验分析,...     

ECMWF业务预报模式地面气温预报的不一致性特征研究

为探讨ECMWF业务预报模式(以下简称ECMWF)的地面气温预报不一致性问题,本文利用2015年12月1日—2016年11月30日业务预报中常用的地面气温预报数据,研究ECMWF地面气温预报产品在不同季节里的不一致性指数分布及变化特征。结果表明:各个季节不一致性指数有不同的特点,冬季不一致性指数最大,大值区主要分布在除华南和青藏高原外的大部分区域;而夏季不一致性指数最小,在青藏高原地区不一致性指数相对较大;春、秋两季不一致性指数大小均处于冬、夏季之间。此外,研究还发现冬季地面气温预报不一致性指数单日变化较大,而夏季较小。夏季不同起报时间的地面气温预报比较稳定。     

前期土壤湿度、海表面温度对中国夏季极端气温的预测能力评估

基于中国587站日最高、最低气温观测资料、月平均的ERA_interim土壤湿度（Soil Moisture,SM）再分析资料及扩展重建的海表面温度（Sea Surface Temperature,SST）资料（ERSST）,对极端气温指数进行了定义,利用变形的典型相关分析和集合典型相关分析方法（Ensemble Canonical Correlation,ECC）,分析了1979-2009年我国夏季极端气温与前期（春、前冬）SM、SST间的线性联系,建立了中国夏季极端气温预测模型,并对独立样本检验的效果进行了评估。结果表明：1）与中国夏季极端气温联系密切的前期SST异常的空间分布为类PDO（Pacific Decadal Oscillation）型,前期土壤湿度异常的区域为华南、青藏高原、东北和西北地区。2）交叉检验结果表明基于前冬预测因子的极端气温预测模型技巧高于春季,基于SM的极端气温预测模型技巧高于SST。3）独立样本检验表明基于前期SM、SST的ECC模型对中国东部夏季极端气温有一定的预测能力。因此,可以在夏季极端气温的预测业务中考虑前期SM、SST的影响。