未来东北地区农业气候资源的时空演变特征

研究采用NorESM1-M模式输出的气候情景资料驱动农业生态区模型,分析了21世纪中期在RCP 2.6和RCP8.5典型浓度路径下的东北区域气候资源变化。研究表明:在RCP2.6、RCP8.5两种气候变化情景下,东北区域年平均气温呈现升高趋势,≥10℃积温所反映的热量条件得到显著改善,以黑龙江省和辽中南积温的增加最为明显;受气温升高影响,2050s参考作物蒸散普遍增加。区域内降水总量略有增加,东北西部干旱地区状况略有改善,东部地区更加湿润;趋于暖湿的气候促使作物生长季延长,到21世纪中期,全区最长增加12.4天。     

Projection of Future Precipitation Extremes Change (2001-2050) in the Yangtze River Basin

 Daily maximum rainfall (R1D) was higher in the Jialing River basin, the Taihu Lake area and the mid-lower main stream section of the Yangtze River basin in the 1990s, and there was a good relationship between ECHAM5/MPI-OM model simulation and the observed data about extreme precipitation (R1D). Under the IPCC SRES A2, A1B, and B1 scenarios, R1Ds are all projected to be in increasing trends in the upper Yangtze River basin during 2001-2050, and R1D shows a more significant increasing tendency under the A2 scenario when compared with the A1B scenario before 2020. With respect to the middle and lower Yangtze River basin, an increasing tendency is projected before 2025, and since then the increasing tendency will become insignificant. There might be more floods to the south of the Yangtze River and more droughts to the north in the next decades.     

未来气候变化背景下贵州省夏季旅游气候资源的变化预估

利用区域气候模式(RegCM4)1951-2005年历史模拟和2006-2099年RCP8.5(高排放)和RCP4.5(中排放)情景下的逐日平均气温、降水量、10 m风速和入射辐射通量,给出21世纪贵州省夏季与全国其他地区的旅游气候资源时空对比.结果表明:未来贵州省夏季平均气温的增幅在两种排放情景下均小于全国的增幅,且...     

Uncertainty in projections of the South Asian summer monsoon under global warming by CMIP6 models: Role of tropospheric meridional thermal contrast

本文基于第六次国际耦合模式比较计划共18个模式的工业革命前实验和CO₂浓度突然四倍实验,发现在CO₂四倍强迫下,南亚夏季风环流呈显著减弱趋势,但减弱强度存在较大模式间差异.利用Webster-Yang指数和经向哈得莱环流指数的下降趋势表征SASM减弱强度,发现该下降趋势与欧亚大陆-印度洋之间对流层上层经向温度梯度的变化值(EUTT-IUTT)高度相关.进一步利用气候反馈-响应分析方法进行分析,发现EUTT-IUTT变化的模式间差异主要来自于大气动力过程,其次是云的短波辐射效应的贡献.地表潜热通量和云的长波辐射效应缩小了EUTT-IUTT变化的模式间差异.     

基于极坐标投影的多谱勒雷达数据栅格化技术

通过研究球面距离算法、极坐标投影原理及新一代多谱勒天气雷达产品的数据存储格式,实现精度较高的雷达数据栅格化,为雷达回波追踪、降水算法优化、短时临近预报等相关的应用与研究提供经过仰角订正、球面距离订正后的更准确更通用的产品数据.     

21世纪增暖情景下西北太平洋热带气旋频数的预估

利用IPCC发布的5个全球气候模式在高（SRES A2）、低（SRES B1）两种不同排放情景下的预报集成结果,对21世纪大尺度环境进行分析,进而对西北太平洋夏季热带气旋（TC）的频数进行预估。结果表明：两种情景下热带西北太平洋均呈现500 hPa位势高度偏高、太平洋东部海表温度偏高、低层菲律宾以东为异常反气旋性环流控制的特征。这种大尺度环境不利于TC生成,在高排放情景下或21世纪中叶后该环境特征更显著。未来TC频数总体呈减少的趋势,低排放情景下的TC频数变化趋势比高排放情境下平缓,TC频数存在年代际和年际变化。     

珠江流域1961-2007年气候变化及2011-2060年预估分析

 根据珠江流域1961-2007年气温、降水量观测资料和ECHAM5/MPI-OM模式2011-2060年预估结果,分析了流域过去47 a的气温和降水量变化,并预估未来50 a变化趋势。结果表明,在全球变暖的背景下,过去47 a温度呈上升趋势,约升高1.8℃。冬季增温最明显,夏季最弱。未来50 a流域温度仍呈上升趋势,A1B情景下升幅约1.9℃,并且年际变化增强。A2和B1两种排放情景下秋季升温最显著,冬季最弱,A1B排放情景与此相反。过去47 a秋季降水量呈减少趋势;春、夏、冬季和年降水量均呈增加趋势。未来50 a降水总体呈增加趋势,A1B排放情景降水增加最多,约为230 mm。A2、A1B和B1情景下降水季节分配未发生显著变化。年降水和冬季降水的年际变率增强,秋季减弱。     

全球气候模式对未来中国风速变化预估

利用世界气候研究计划之第三次耦合模式比较计划 (WCRP/CMIP3) 提供的, 参加IPCC AR4的19个气候模式和国家气候中心为IPCC第五次报告研发的新一代气候模式 (BCC_CSM1.0.1) 及模式集成, 考虑高排放 (A2)、 中等排放 (A1B) 和低排放 (B1) 三种人类排放情景, 预估21世纪中国近地层 (离地10 m) 风速变化。预估结果表明: (1) 21世纪全国平均的年平均风速呈微弱的减小趋势, 且随着预估情景人类排放的增加, 中国年平均风速减小趋势越显著。 (2) 冬季 (夏季) 全国平均风速呈减小 (增大) 趋势, 人类排放量越多, 冬季 (夏季) 风速减小 (增加) 程度越大。21世纪我国风速夏季 (冬季) 增大 (减小) 与全球变暖的背景下未来亚洲夏季风 (冬季风) 增强 (减弱) 有一定关系。 (3) 与20世纪末期 (1980～1999年) 相比, 21世纪初期 (2011～2030年) 中国区域年平均风速A2情景下略偏小, A1B和B1情景下年平均风速无明显变化; 21世纪中期 (2046～2065年) 和后期 (2080～2099年), 三种排放情景下中国年平均风速均比20世纪末期风速小。 (4) 21世纪初期、 中期和后期均表现为冬季 (夏季) 平均风速比20世纪末期冬季 (夏季) 平均小 (大)。 (5) 夏季中国中北部和东北地区风速偏大, 其余地区风速无明显变化或略偏小; 冬季除了东北北部和西藏东南部外, 中国大部地区风速偏小。绝大部分地区超过50%模式一致地预估上述风速变化形式, 具有一定的可信度。     

时空投影模型(STPM)的次季节至季节(S2S)预测应用进展

随着数值天气预报技术和季节动力预报系统的发展,短期天气预报及长期气候预测的能力持续提高,然而介于两者之间的次季节至季节(S2S,两周至三个月)预测技巧偏低,成为当今气象学界和业务服务的难题。南京信息工程大学国家特聘专家李天明教授团队于2012年研发了基于时空投影技术的统计预报模型(STPM),成功地对中国大陆降水和气温距平,以及区域极端降水、夏季高温、冬季低温和西太平洋台风群发事件等高影响天气进行提前10~30 d的预报,并在国家气候中心及多个省份开展了业务应用。STPM也成功应用于台湾春雨预报、南海季风爆发和ENSO预测等季节至年际变化的预测。本文对S2S预测的理论基础、STPM的发展和应用进行了完整的介绍,并讨论了S2S预测业务中所面临的挑战和未来展望。     

2050年前中国雾日变化趋势的预估

 利用1971-2005年中国591个气象台站的雾日资料以及逐日最低气温、相对湿度、平均风速资料,分析了35 a来中国各区域年雾日数与这些因子的相关关系,并利用IPCC第四次评估报告所提供的模式数据资料,针对3种不同的排放情景,对21世纪上半叶各区域年平均雾日进行预估。结果表明：对划分的9个雾区的年雾日数的回归方程的拟合效果较好,可以用来进行预估;未来50 a中国大部分地区雾日呈明显减少的变化趋势,在A1B,A2和B1情景下,雾日减少的平均幅度分别为16.2%,13.4%和12.9%。未来50 a中国雾日预估结果的空间分布显示：3种情景下未来中国大部分雾区雾日数都将减少,个别地区雾日数有增加趋势,其中A1B情景下雾日减少区的减少趋势最明显,而B1情景下雾日增加区的增加趋势最明显。