一次西南低涡影响下的川渝地区 暴雨个例分析

利用常规观测资料、NCEP再分析资料、卫星以及雷达资料对2015年8月16—18日影响川渝地区的一次持续性大暴雨过程进行了分析。结果表明:在亚洲中高纬和低纬相对稳定的环流背景下,两次高原涡东移、两次冷空气南下侵入四川盆地共同促进了西南低涡生成发展,造成此次大暴雨过程。西南低涡"初生形成"阶段,地面热低压东北侧有冷锋侵入,中心偏北形成暖锋,低涡近于正压;"稳定持续发展"阶段,冷锋南段移至地面热低压南侧,北段与暖锋结合形成准静止锋,低涡斜压性明显且呈近圆形,持续性暴雨主要出现在西南低涡的暖切变线附近和冷槽东侧;"东移变形减弱"阶段,冷空气第二次侵入,冷锋持续增强,西南低涡东移变形减弱。低层辐合、高层辐散、充沛的水汽输送以及不稳定能量的累积为西南低涡的加深、发展和强降水的维持提供了重要条件。西南低涡暖切变线和南侧冷槽附近发展起来的对流云团是暴雨产生的直接原因,强降水主要发生在云团上风方TBB梯度相对较大的区域。此次强降水过程的局地环流有低空急流和低空辐合线或切变线配合,雷达体积速度处理(velocity volume processing,VVP)法反演的风矢图可更直观地判断风向风速、天气系统所处的发展阶段以及判识辐合线或切变线,低空辐合线或切变线的演变以及低空急流的强度和移向对强降水天气产生的动力条件、维持时间和回波外推预报具有重要的指导意义。     

济南地区小时强降水变化特征

利用济南地区2008—2017年3—11月50个区域自动站逐时降水数据,研究该区域雨强超过10.0、20.0、30.0 mm·h~(-1)的降水量时空变化特征。结果表明:济南全区小时强降水受城市化、地形和盛行风的影响显著,济南城区、南部山区、长清山前地带、商河等地降水偏多,济南市区下风向近郊、章丘、济阳、平阴一带强降水偏少。7、8月济南地区小时强降水最多,雨强≥20.0 mm·h~(-1)的月平均降水量均超过40.0 mm,贡献率均超过25.0%。小时强降水日变化呈双峰双谷特征,11:00和23:00前后为强降水最少时段,04:00—05:00和14:00—21:00是强降水较多时段。大部分站点强降水峰值出现在午夜至凌晨和下午至傍晚时段。     

内蒙古东北部地区一次极端降雪过程的水汽输送特征

利用内蒙古呼伦贝尔市常规观测资料和GDAS、NCEP/NCAR再分析资料,采用欧拉方法分析了2016年春季内蒙古东北部地区一次极端暴雪过程的水汽输送及收支特征,利用HYSPLIT模式和聚类分析模拟计算了此次暴雪天气过程的水汽源地、主要水汽输送通道及其对水汽输送的贡献,并与传统的欧拉方法结果进行对比。结果表明:(1)有3支不同源地的水汽流在内蒙古东北部地区交汇,对呼伦贝尔地区暴雪的发生与维持有重要影响;(2)经向和纬向输送为此次暴雪天气的发生提供了充足的水汽,暴雪区水汽主要源于中高层的南边界和随西风气流的西边界;(3)利用HYSPLIT模式模拟发现,在此次暴雪天气过程中水汽主要来源于新地岛以西洋面、日本海以及巴尔喀什湖,且三者贡献率大致相当。     

青藏高原云团东传过程及其中中尺度对流系统的统计特征

利用逐小时风云卫星TBB资料、逐小时中国自动站与CMORPH降水产品融合数据以及国家级地面观测站24小时累积降水量,统计分析2010～2016年夏季,伴随下游地区（104°E以东）降水的青藏高原云团东传过程以及东传过程中镶嵌于云团中的中尺度对流系统（Mesoscale Convective System,简称MCS）特征。结果表明,共出现120次伴随下游降水的高原云团东传过程,6月出现最频繁,但持续时间较长的过程多出现在7月。云团向东传播的主要三条路径是平直东传、沿长江折向东传和复合东传。其中路径二——沿长江折向东传中的过程是高影响过程,因为过程次数较多（46次）,过程平均持续时间较长（62小时）,在下游地区引发的降水日数和暴雨日数最多。属于东传过程的MCS在7月形成最多,集中分布在青藏高原东坡、云贵高原东部、长江沿岸及其以南地区。高原MCS影响长江中下游地区降水主要是通过向东传播的形式实现,因为即使生命史更长的中α尺度对流系统（Meso-α Convective System,简称MαCS）也鲜少直接移动至110°E以东地区。不同区域的中α尺度持续性拉长形对流系统（Permanent Elongated Convective System,简称PECS）的日变化特征显示,东传过程MCS更容易在夜间从高原东坡向东传播至下游地区。在三条路径中,路径二中的东传过程MCS数量最多、在下游地区发展最旺盛并与降水日数和覆盖范围存在更好的对应关系。     

2019年7-8月广东省天气气候特点及其影响评述

2019年7—8月,广东省气温偏高、降水偏多、日照偏少,有6次强降水过程、6次高温过程、2个台风("韦帕"和"白鹿")登陆和严重影响本省。强降水、高温天气对农业、交通运输、民生等造成影响。     

天气、气候影响评述

重要天气过程概述1大雾过程2019年1—3月,江西省区域性大雾(15站以上)共出现31d ,较历史同期显著偏多。全省单日出现40站以上大雾有7d(表1);连续3 d以上出现大雾4次,分别是2月5—7日、24—27日、3月6— 13日、28—31日。     

苏州市一次重霾污染天气过程的数值模拟

本文对苏州地区2015年12月13—15日发生的一次典型的重霾污染天气过程进行了数值模拟,分析了颗粒物及其组分的时空变化特征及其气象影响因子,以期为该区域空气污染治理和预防提供科学依据。结果表明:(1)利用WRF-Chem模式对此次重霾污染天气过程的污染气体成分进行数值模拟后发现,小时平均的PM_(2.5)、PM_(10)、CO、SO_2、NO_2模拟值与实测值的相关系数较高,达到0.68以上,通过了P0.01的显著性检验,且日变化过程对应也较好。(2)通过分析此次污染过程的天气背景,发现污染形成期高空环流比较平直,中层为均匀的弱高压控制,地面受弱高压脊控制,这种形势容易导致颗粒物的堆积。后期地面等压线密集时,风速大,有利于污染物的输送与扩散。(3)通过分析此次污染过程期间气象要素的变化发现,有逆温、风速小、相对湿度大等不利的气象条件是导致此次污染过程发生的重要原因之一。(4)HYSPLIT轨迹分析显示,此次重霾过程主要受北方大范围灰霾颗粒物南下影响,北方污染气团逐步南推,14至15日本地大气扩散条件差、污染物累积,最终导致本地污染加重,从而发生重霾事件。(5)火点图的分布进一步验证了此次重霾污染过程是由外来污染气团输入所导致。     

乌东德水电站开建以来坝区暴雨的统计研究

对乌东德水电站开建以来坝区暴雨及伴随的短时强降水时空分布进行统计研究,并划分出暴雨天气概念模型。结果表明:乌东德水电站开建以来坝区共出现18个暴雨日,平均3.0个/a,暴雨自6月上旬开始出现,到10月上旬结束,出现暴雨最多的季节是夏季,多为范围小的局地性暴雨出现。暴雨日数、年平均降水量、20~30mm h-1及≥20mm h-1的短时强降水的空间分布均呈现“西北多东南少”的特征。20~30mm h-1的短时强降水发生频次最多(占63.6%),其次为30~40mmh-1(占27.3%),40~50mm h-1最少(仅占9.1%)。短时强降水及不同等级短时强降水均表现为夜间高发、白天低发的日变化特征。总结归纳出切变冷锋型8次(占44.4%)、两高辐合型4次(占22.2%)、西南涡型2次(占11.1%)、孟加拉湾风暴型2次(占11.1%)、切变线型1次(占5.6%)和高空槽型1次(占5.6%)六类暴雨天气概念模型。      

双雷达风场反演拼图在登陆台风“莫兰蒂”(1614)强降水精细预报中的同化应用试验

利用福建龙岩、漳州、泉州新一代多普勒天气雷达和厦门海沧双偏振雷达探测资料,采用动态地球坐标系下双雷达三维风场反演与拼图技术,基于天气研究和预报模式（Weather Research and Forecasting,WRF）及其资料同化系统,对登陆台风“莫兰蒂”（1614）引起的2016年9月14—15日福建强降水过程进行了双雷达风场反演拼图资料检验及其三维变分同化对强降水精细预报影响的数值试验,结果发现:（1）动态地球坐标系下双雷达反演风场能合理反映实际风场分布状况,其误差相对较小。相较厦门翔安风廓线雷达及厦门探空秒级测风数据,反演风风向（风速）平均绝对误差分别为7.8°（2.6 m/s）及3.4°（1.1 m/s）;（2）反演风场水平方向稀疏化对同化及预报结果极为重要,过密的反演风场资料会给同化及预报结果带来负效果。文中采用18、6、2 km 3重嵌套,在3重嵌套区域均进行同化以及仅在2 km区域进行同化两种情况下,均表现为当反演风场资料水平分辨率提高到0.1°时,同化分析及预报的台风环流开始受到负影响;且当反演风场资料水平分辨率越高时,负效果越明显。敏感性试验结果显示,分辨率取0.2°时数值预报效果最好;（3）以美国国家环境预报中心全球预报系统（National Centers for Environmental Prediction/Global Forecast System,NCEP/GFS）0.5°×0.5°分析场为初值,基于3个不同起报时刻（2016年9月14日14时、20时及15日02时）（北京时,下同）模拟的福建省境内台风内核雨带和螺旋雨带逐时演变、台风路径与强度、逐时降水TS评分和空间相关差异显著,其中14日14时起报试验效果最好;而14日20时起报试验效果最差,这与该试验初始台风大风轴风速明显偏大有关;（4）在上述3个不同起报时刻试验基础上,分别增加双雷达反演风场资料的三维变分同化后,福建境内地面风场和台风内核雨带、螺旋雨带逐时分布、逐时降水TS评分和空间相关、台风环流结构以及U、V风垂直廓线分布均有明显改善,最大正影响时效可达24 h;但仅对1—6 h时效内台风路径有改善。      

线性化物理过程对GRAPES 4DVAR同化的影响

线性化物理过程能够改善四维变分同化中极小化收敛的稳定性和增加极小化过程中对大气物理过程和动力更加精确的描述,它是四维变分同化中非常重要的一部分。通过在GRAPES全球模式中研究线性化物理过程,尤其是两个湿线性化物理过程,改善切线性模式预报精度,来提高GRAPES全球四维变分同化的分析和预报效果。线性化物理过程的开发首先需要简化原非线性化物理过程中的强非线性项,然后对线性化物理过程进行规约化,以抑制切线性扰动的异常增长。目前GRAEPS全球模式中的线性化物理过程主要包括次网格尺度地形参数化、垂直扩散、积云深对流和大尺度凝结。线性化物理过程预报精度的检验方法是通过选择合适大小的初始扰动（同化分析增量）,来比较非线性模式和切线性模式中的扰动演化的纬向平均误差。然后以绝热版本的切线性模式为基础,通过冬、夏两个个例试验来分别检验4个线性化物理过程的12 h预报效果。试验结果表明,通过添加次网格地形参数化和垂直扩散两个干线性化物理过程方案,可以有效抑制住绝热版本切线性模式低层扰动的异常增长,大幅度改善切线性模式预报效果。通过添加积云深对流和大尺度凝结两个湿线性化物理过程,可以在热带区域和中、高纬度地区提高切线性模式中湿变量和温度变量的近似精度,提高GRAPES全球四维变分同化的分析和预报效果。