干旱区绿洲诱发的中尺度运动的模拟及其关键因子的敏感性实验

利用一个非静力平衡的、高分辨的、二维中尺度大气数值模式，并在仅考虑简单过程的情况下，模拟了干旱区中绿洲所诱发的中尺度运动，并进行了这种中尺度大气运动的强度对绿洲水平尺度、绿洲与周围环境的水平热力差异、大尺度背景场水平风速和大尺度地表加热率等一些重要物理参数关系的敏感性实验研究。研究发现：中尺度大气运动强度随水平热力差异的增大而加强，随背景场水平风速和大尺度地表加热率增强而分别减弱。但随绿洲水平尺度的变化并不像前三个因子一样为单调函数，而是在绿洲水平尺度为20km时中尺度大气运动最强，绿洲水平尺度更大或更小时中尺度大气运动强度均会减弱。通过统计甘肃省河西地区的绿洲水平尺度分布规律，发现绿洲分布最集中的尺度在15－25km，与模拟所得到的能源发最强中尺度运动的绿洲水平尺度基本一致。     

河北省南部回流暴雪天气结构特征

利用常规气象观测资料、降雪加密观测资料和NCEP的1°×1°再分析资料,对2009年11月10—12日和2011年11月29—30日河北省南部两次回流暴雪天气过程进行对比分析。结果表明：河北省南部两次回流暴雪的时空分布具有中尺度特征。两次回流暴雪的典型天气形势为500 hPa高空河套地区有低压槽东移,700 hPa有切变线影响,地面蒙古冷高压东移至东北地区南下,河套倒槽发展,华北地面为东高西低形势。回流暴雪过程中高低空急流有非常重要的作用,冷空气自850 hPa以下随强劲的东北风回流至河北省南部形成冷垫,700 hPa暖湿气流随西南急流输送至河北省南部叠加在冷垫上辐合抬升,高空200 hPa急流右后侧的辐散抽吸作用使上升运动加强。华北平原高空存在一支垂直环流,边界层东北风到达太行山东麓,在迎风坡抬升至对流层中高层转为西南风,到达东北地区转为下沉气流,再与低层东北风构成一个完整的垂直环流。θse密集区由地面向上向北伸展至700 hPa,锋面结构特征明显,锋面的前沿从北向南推进,地面锋面附近850 hPa以下等θse线与地面垂直,具有对流中性层结。回流强降雪发生在地面锋后冷气团中。     

MM5模式中不同对流参数化方案的数值模拟

MM5模式中有多种积云参数化方案可供选择,不同参数化方案及分辨率对降水预报有很大影响。本文利用4种积云参数化方案(GR,KF,BM,AK)对辽东半岛一次大暴雨过程进行试验,结果表明,不同的参数化方案,对强降水落点及强度的模拟,结果差别较大。模拟较好的是GR方案,最差的是AK方案;4种积云对流参数化方案模拟的海平面气压场差别较大,其中GR方案模拟出造成2005年第5号台风暴雨的高低压系统和中尺度气旋;粗网格采用一定的积云对流参数化后,可在一定程度再现一些中尺度特征;4种方案由于闭合假设不同,模拟的云物理特征存在很大差别,这种差别对各种天气要素的准确预报会产生一定的影响。     

鲁东南地区“2004．07”大暴雨中尺度分析与数值模拟

对2004年7月16、17日出现在临沂市的大暴雨过程的进行中尺度分析，应用MM5v3．6非静力中尺度模式，用美国NCEP再分析资料作初始场，采用双向三重嵌套模式，进行高分辨的数值模拟。分析揭示了这次大暴雨的天气尺度背景和中尺度系统的发生和发展的结构及演变，结果表明：高低空急流的有利配合为暴雨过程提供环境条件，大暴雨出现在高空西风急流轴线出口区与低空西南风急流轴向出口区北侧之间；数值模拟看出：在强降水产生时，雨区上空存在较强的中-β尺度系统，该系统有强而窄的垂直上升运动、上下垂直的辐散辐合结构，强烈的对流不稳定，在对流层低层还存在对称性不稳定。低空急流提供充沛的水汽，并通过强而窄的上升运动向高层输送。     

华北回流强降水天气过程的中尺度分析

使用华北地区加密自动站资料、 多普勒雷达资料和NCEP（1°×1°）再分析资料, 应用中尺度滤波方法、 诊断分析方法等, 对2003年10月华北回流暴雨天气过程进行了中尺度分析。结果表明： 在回流冷空气与西南暖湿气流相遇产生的辐合带中存在中尺度低压和切变; 中尺度低压和切变主要在600 hPa以下, 中尺度低压随高度向西、 向北倾斜, 东西向中尺度切变随高度向北倾斜。此次回流暴雨过程中有5个中尺度雨团活动, 其中3个中尺度雨团与中尺度低压和切变配合且随低压和切变移动, 暴雨期间多普勒雷达速度图上出现了持续2 h以上的逆风区。     

基于雷达组合反射率拼图和深度学习的中尺度对流系统识别、追踪与分类方法

中尺度对流系统（Mesoscale Convective System,MCS）是很多对流性天气的主要致灾体,可导致严重的气象和水文灾害,如雷暴大风、冰雹、龙卷风和山洪。对MCS进行准确的识别和追踪,并根据追踪轨迹及获得的MCS特征实现MCS的分类,对灾害天气的分析和预报有重要意义。基于京津冀地区2010—2019年的雷达组合反射率拼图资料,分别使用支持向量机（SVM）、随机森林（RF）、极度梯度提升决策树（XGBoost）和深度神经网络（DNN）4种机器学习方法,研发了京津冀地区MCS的自动识别算法。使用时、空重叠追踪法对识别的MCS进行追踪匹配,得到包含强度、时间和空间信息的MCS追踪数据资料。在区分线状对流系统和非线状对流系统的基础上,进一步从经典的尾随层云（Trailing Stratiform,TS）、前导层云（Leading Stratiform,LS）和平行层云（Parallel Stratiform,PS）三类准线性MCS的概念模型和结构特征出发,根据追踪轨迹计算MCS的运动方向和MCS近似长轴两侧层状云和强对流云的面积占比,建立准线性MCS的分类算法。MCS的识别属于二分分类问题,以命中率（POD）、虚警率（FAR）、临界成功指数（CSI）和准确率（ACC）为评价指标,综合对比各项指标发现DNN模型较SVM、RF和XGBoost模型对MCS的识别效果更好。使用时、空重叠追踪法对DNN模型识别的MCS进行追踪,结合对两个追踪实例的分析,发现本研究所用的算法取得了很好的追踪结果,也进一步说明了深度学习方法识别MCS的准确性和优势。根据追踪轨迹计算某时刻MCS的运动方向,结合识别的层状云和强对流云的分布位置,准确实现了TS、LS和PS型准线性MCS的分类,为准线性MCS的生命史预测及其致灾天气特别是短时强降水的强度、位置和持续时间的客观预报提供了一种技术思路。      

具有变分同化的η中尺度模式对2002年云南汛期降水的预报检验

三维变分同化系统由于能够正确反映多变量间的相互作用,分析结果合理,将变分同化系统与η坐标中尺度模式结合,对模式初始场进行同化前后对比试验,研究η坐标中尺度模式对云南降水的预报能力,并用2002年6-8月云南汛期降雨进行模拟试验。试验结果表明,η坐标数值模式采用变分同化后,对云南汛期降水的24 h预报评分提高明显,对小雨的预报评分提高辐度在2.1～5.0%间,对大雨的预报评分提高辐度在0.3～14.9%间,无论是对小雨还是大雨的预报,同化后模式对5区的预报最好。     

江苏一次大暴雨过程的诊断与中尺度分析

利用FY-2E卫星TBB资料、加密自动气象站资料、多普勒雷达产品、NECP格点资料,对2010年7月12—13日发生在江苏沿江地区的一次大暴雨过程进行了诊断和中尺度分析。结果表明:此次大暴雨过程是在有利的大尺度环流形势稳定维持下发生的,强度大、中尺度特征非常明显;高空辐散低空辐合的有利配置和垂直螺旋度是此次暴雨过程的动力机制;非地转风和垂直环流圈的上升支气流触发了不稳定能量释放,激发了暴雨过程;正反环流圈不断地加强和补充暴雨所需的水汽和能量,使暴雨得以维持;10个中尺度雨团的频繁活动直接造成了此次暴雨。其中,起重要作用的是合并而成的A、B雨团,雨团的合并使雨区扩大、雨势更强、生命史更长;3个β-MCS是造成此次暴雨的中尺度对流系统,与雨团发展直接相联系的是≤-62℃,甚至≤-72℃的冷云盖。1号β-MCS影响时段内,由多个对流单体回波合并形成的块状对流回波。3号β-MCS影响时段内,对流单体回波合并后形成一条东西向带状回波,在径向速度场上则出现了逆风区特征。地面中尺度辐合系统与雨团的发生发展关系十分密切,且对雨团的发生发展具有一定的预示作用。     

自动气象站观测资料的中尺度分析及业务应用

介绍了采用Barnes逐步订正客观分析、带通滤波等方法,建立的基于自动气象站高时空分辨率观测资料的精细天气分析和业务应用系统.系统提供了地面风、压、温、湿等气象要素分布及反映大气近地面层动力、热力和湿度条件的物理量产品,并通过MICAPS系统显示,可为灾害天气的监测预警提供精细分析资料.以2006年4月28日影响山东的一次强飑线过程为例,检验了系统分析结果的可靠性和业务应用价值,对业务使用的自动气象站观测资料质量控制、短时预报思路进行了探讨.     

GPS观测资料应用于中尺度数值预报模式的初步研究

利用建立在长江三角洲地区GPS观测网中 11个站点的可降水量资料 ,对 2 0 0 2年 6月 2 3～ 2 4日影响长江三角洲地区的降水过程进行了MM5模式初始湿度场调整和Nudging同化试验。试验表明 :利用GPS测量的可降水量对模式初始湿度场进行调整能明显增强模式初始场描述水汽分布的能力 ,从而有效地控制模式积分初期对可降水量预报的误差 ,并对模式 6h累积降水量预报有较明显的改善作用。利用Nudging技术同化GPS可降水量资料对MM5预报效果改善较小 ,并且Nudging系数的增加对预报效果的影响不大。总体上 ,利用GPS可降水量资料调整模式初始湿度场对模式 6h累积降水预报效果的改善明显好于连续Nudging同化。试验还表明 :GPS资料对模式初始湿度场调整改善模式对累积降水量的预报主要是通过改善网格降水预报来实现的 ,而Nudging同化主要是通过改善次网格降水而提高模式降水预报能力的。