中国泛华北地区冷季高架对流特征气候统计分析

本文利用常规地面、高空、区域自动站观测资料、灾害性强对流天气监测记录资料以及NCEP分析数据,对2000—2015年泛华北地区(32.5°~53.5°N、105°~135°E)冷季(除6、7、8月以外)高架对流时空分布特征、锋面环境特征以及不稳定机制进行统计分析。研究发现,泛华北地区冷季高架对流多发生于河南中北部、山东西部及河北中南部。从季节分布来看,2和11月是冷季高架对流发生最多的月份,呈"双峰型"分布特征。冷锋是引发泛华北地区冷季高架对流的主要锋面系统,约占高架对流事件总数的60%。高架对流发生时常伴随有较强的冷垫及锋面逆温,有超过半数的高架对流发生在温差超过6℃的逆温层之上。逆温层顶高多位于850hPa之上甚至能达到700hPa。高架对流发生时多伴随有20~30m·s~(-1)的0~6km强垂直风切变,这一强斜压特征有利于条件对称不稳定及其导致的高架倾斜对流的发生。经过分类与统计发现,条件对称不稳定和弱条件稳定度或近湿中性大气层结下的锋生强迫引发的较强上升运动是造成华北冷季高架对流的主要不稳定机制。     

基于数值预报和随机森林算法的强对流天气分类预报技术

随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势。本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,基于2005—2016年NCEP 1°×1°再分析资料计算的对流指数和物理量,开展强对流天气的分类训练、0～12 h预报和检验,经2015—2016年独立测试样本检验表明,针对强对流发生站点的点对点检验,整体误判率为21. 9%,85次强对流过程基本无漏报,模型尤其适用于较大范围强对流天气。随机森林算法筛选的因子物理意义较为明确,和主观预报经验基本相符,模型准确率高,可用于日常业务。     

基于葵花8卫星的上海市夏季对流初生预报研究

参考Mecikalski et al(2010a;2010b)提出的基于GOES系列卫星的对流初生预报方法,针对上海市夏季对流天气特征建立了基于高时空分辨率的静止气象卫星数据的上海市对流初生判识及预报方法。利用该方法对上海市的一次对流初生个例进行了分析,并对2016年7-8月的12次对流初生事件进行了预报试验,结果表明:方法提取的各个指标能够很好地体现对流初生过程中云团的发展变化特征并能剔除掉成熟对流云团边缘像元的干扰;在12次对流初生事件中,成功地预报了其中的11次,预报时间较对流初生时间平均提前了约30 min,但是对于局地弱对流过程该方法仍有一定的缺陷。     

一次强冰雹天气成因分析

利用常规观测资料,河南郑州、濮阳和商丘新一代天气雷达产品,加密自动站及邢台探空资料等,对2016年6月13日河南濮阳东部地区的强冰雹天气进行分析。结果表明,这次强冰雹天气是在东北冷涡后部西西北气流携带冷空气东移南压过程中出现的。高空急流和中低层切变线的存在、上干冷下暖湿的不稳定层结及高空冷平流共同作用,产生了这次强对流天气;强冰雹天气出现在暖低压与冷空气交汇的区域,地面辐合线是这次强冰雹天气的触发机制;较大的对流有效位能、中等强度垂直风切变、合适的0 ℃层和－20 ℃层高度等有利于强冰雹天气的发生;强冰雹天气是在对流单体发展为超级单体时发生的。径向速度图上,当监测到中气旋、大风区和辐合系统时,为监测预警强风暴天气提供可靠依据;较大的垂直累积液态水含量出现与维持预示大冰雹出现的潜势,大冰雹落区与垂直累积液态水含量大值区有较好的对应关系;当冰雹发生概率为100％,且可降最大冰雹直径在10 mm以上,并呈增大趋势时,对出现冰雹甚至出现大冰雹有预警意义。     

庐山一次积冰天气过程冻雨滴谱及下落末速度物理特征个例研究

利用PARSIVEL激光雨滴谱仪和自动气象站观测资料及MICAPS数据,对2014年2月7~15日庐山地区积冰天气期间持续时间在5 h以上的2次冻雨过程[2月10日（个例1）和2月13日（个例2）]降水谱分布特征及下落末速度粒径分布进行研究。所观测到的两次个例均是以冻雨为主体的混合相态降水,下落末速度粒径分布偏离G-K曲线,与常规液态降水存在差异,低落速的冻雨滴随降水过程会逐渐向冰粒和干雪转化。结果表明:（1）个例1总降水粒子谱谱宽大于个例2,但峰值数密度比个例2小:个例1谱宽为10 mm,个例2谱宽为4.25 mm,两者峰值粒径均为0.5 mm;个例1降水粒子谱宽为干雪>冻雨>冰粒,个例2降水粒子谱宽为冻雨>干雪>冰粒。（2）Gamma分布更适合描述混合相态降水粒子谱以及冻雨滴谱,个例1中总降水粒子谱Gamma分布为:N（D）=20D-3.61exp（-0.08D）,冻雨Gamma分布:N（D）=76D-2.18exp（-1.11D）;个例2中总降水粒子谱Gamma分布为:N（D）=30D-4.68exp（-0.75D）,冻雨Gamma分布:N（D）=30D-4.67exp（-0.75D）。（3）混合相态降水因混有干雪或冰粒而使得下落末速度粒径谱分布表现出不同程度地向大粒径小落速方向或小粒径大落速方向延展的趋势,这为今后依据下落末速度粒径谱区分同时期降水类型提供了新的思路。     

不同同化方案在一次梅雨锋暴雨预报中的应用研究

基于ATOVS辐射率资料和GTS常规观测资料融合,通过不同化任何观测资料的控制试验、3DVAR同化试验和ETKF-3DVAR混合同化试验,对2013年7月4—5日一次梅雨锋暴雨天气过程进行模拟分析。结果表明:混合同化方案能够明显地提高暴雨预报准确率,且有效改善了风场、温度场和相对湿度场等各个气象要素的初始场结构,而这些气象要素对于暴雨的预报准确性具有重要作用。且混合同化方案对于中低层大气改进效果较为明显。在数值积分过程中,随着时间的推移,混合同化方案的优势逐渐减弱。     

江西强雷电天气形势场及雷达回波特征分析

利用常规天气资料、地面观测资料、江西WebGIS雷达拼图和雷电监测资料,对2014—2016年江西出现的22次强雷电天气过程进行统计和对比分析。结果表明:江西强雷电天气易出现在赣北北部、南昌附近、上饶地区和吉安西部等区域;强雷电天气出现的环境背景场可分为副热带高压边缘型、副热带高压控制型、低涡切变型和台风外围型,最显著的特征是中高空经常伴有干冷舌侵入低层暖湿区;多项对流指数可以预测出现强雷电天气的可能性;雷达回波和雷电强度关系密切,回波类型以带状和块状为主;雷电强度和雷达回波强度有很好的对应关系,但产生强雷电的回波要具备强度大于50 dBz、强回波中心密实、强回波边缘梯度大等条件。     

鲁西北连续两次强降水过程对比分析

利用各种观测资料和NCEP/NCAR 1×1°再分析资料,对2012年7月30日夜间和31日夜间鲁西北连续两天强降雨天气进行诊断和对比分析。结果表明:强降水产生在西风槽前和副热带高压边缘的偏南暖湿气流中,西风槽稳定少动,台风在东南沿海北上,副高加强北抬,为鲁西北连续两天的强降水提供了天气尺度背景。925hPa及以下的低层,来自于渤海的偏东气流和来自于华东沿海的东南气流同时向鲁西北强降水区输送水汽,低层比湿大,CAPE和K指数较高。第1次强降水产生在偏南气流的暖区中,降水强度大,维持时间短。第2次强降水期间,低层有冷空气锲入,把暖湿气流抬升,前期为对流性降水,中后期转为稳定性降水,降水强度小,维持时间较长。850hPa及以下倒槽式切变线和中尺度低涡环流是造成强降水的中尺度影响系统,近地面层来自于渤海的东北气流与来自于东南沿海的东南暖湿气流形成中尺度涡旋,产生气旋式辐合上升,触发对流不稳定能量释放。对流云团在鲁西北形成长形的中尺度对流系统(MCS),稳定少动,有明显的列车效应和后向传播特征。强降水具有较强的日变化,夜间发展增强,白天减弱。     

江苏近海岸夏季两类海风锋特征及其对强对流的激发

利用观测资料、ECMWF Era-interim资料、江苏风塔资料、降水融合资料等,对江苏沿海区域夏季海风锋进行统计与诊断分析,并对海风锋激发强对流过程进行数值模拟。结果显示,海风锋主要显现在较稳定的高压系统边缘地带,可分为两类:Ⅰ类为海上西伸副高控制下的海风锋;Ⅱ类为大陆高压入海环流下的海风锋,Ⅱ类海风锋环流具有更多局地系统,常有强对流天气伴随。海风锋垂直剖面要素结构显示,来自海上的低层偏东风u分量构成海风锋前缘,影响锋面垂直抬升运动位置及强度。锋面附近二级环流,影响海风锋系统的环境不稳定性。海风锋在近海岸地区相遇内陆对流系统时,沿岸风塔资料在风的时序上出现突然的风向转变和迅速的风速增大。同时区域对流有效位能CAPE(convective available potential energy)的高值区显著增强。配合水汽通量辐合中心,构成有利于强对流系统激发及加强的环境条件。数值模拟显示,CAPE的水平分布指示了内陆强对流系统与海风锋的相对移动,CAPE的垂直分布显示海风锋激发强对流时能量增强与释放,强中心在2 h内迅速减弱。     

南京及周边地区雷达气候学分析

为了研究南京及周边地区暖季（6-9月）对流风暴的活动分布规律,利用2009-2013年6-9月长时间序列的南京多普勒天气雷达数据识别对流回波并格点化,统计并分析了南京及周边地区对流风暴的气候学分布特征,结果表明:（1）在暖季,南京及周边地区对流风暴具有明显的区域分布特征,其中7与8月为对流风暴活动高峰期,对流风暴频数分布大值中心位于南京东部沿江地区;（2）不同尺度和伸展高度对流风暴的分布特征各不相同,较大较深对流的分布大值中心更加明显;（3）对流风暴的垂直结构因月份不同而有所差异,7与8月对流风暴强度最大;（4）不同尺度和伸展高度对流风暴频数存在明显的日变化特征,呈多峰分布,主峰值区位于午后,同样,各月份对流风暴频数的日变化特征也非常明显,呈单峰或者多峰分布。