环渤海区域再分析资料地面风速场的适用性对比分析

利用环渤海区域的气象站资料和NCEP/NCAR、NCEP/DOE、CFSR、ERA Interim、JRA-55共5种再分析资料,讨论了再分析资料近地面10 m平均风速场在环渤海区域的适用性问题。结果表明：JRA资料与观测站的相关系数最大,ERA资料与23站均方根误差的平均最小;再分析资料与气象站观测资料的相关系数在山东半岛和辽东半岛高于其他地区、冬半年大于夏半年。环渤海区域地面10 m平均风速场JRA和ERA两套资料的适用性较好。由于ERA-Interim的水平分辨率更高,所以在强风过程分析中确定使用ERA Interim再分析资料。     

广州白云机场一次罕见的降水相态变化天气特征分析

利用常规气象观测资料和NCEP2再分析资料,对2016年1月24日广州白云机场出现的一次强冷空气过程的环流背景、主要影响系统以及期间降水多相态转换的天气特征进行了分析。结果表明:本次天气过程来源于一次横槽转竖型寒潮,冷锋、中低空切变线和低空急流给华南地区带来了较长时间的降水天气;白云机场上空存在多条0℃等温线和逆温层,探空廓线多次穿过0℃等温线,使得地面出现了雨和冰粒的相态转换;降水相态变化时暖层温度、0℃层高度、位势厚度、边界层高度、气柱云水量和地表抬升指数等指数均发生较大变化;当降水相态为雨时,暖层温度≥2℃,0℃层高度≤975 h Pa;当降水相态为冰粒时,暖层温度≤0℃,0℃层高度≌1000 h Pa。     

环渤海区域强风过程的气候特征模拟分析

采用欧洲中期天气预报中心ERA-interim再分析资料驱动WRF模式,对环渤海区域1981—2012年123次强风过程进行了模拟,并对不同天气系统形势下环渤海区域强风过程的气候特征进行了分析,得到以下结论：1）WRF数值模式可以较好地模拟环渤海区域强风过程的发展演变特征。2）西北路冷锋过程引起的环渤海区域强风强度较其他过程偏强,强风集中在辽东半岛西部、渤海海峡和山东半岛东部。黄河气旋引起的强风过程与冷锋相比,分布特征有着明显的不同,强风主要集中在山东半岛东部及黄海海域,渤海海域的强风相对偏弱。3）强风过程存在明显的季节变化,秋冬季强风持续时间长,风速大,春季次之,夏季最弱。4）强风过程在渤海海域的最大风速呈增加趋势,而在渤海海峡以东海域和山东半岛南部呈减小趋势。     

2006—2015年山东短时强降水时空分布特征

利用山东2006—2015年5—9月123个国家级气象观测站10 a逐小时降水量资料,统计分析了山东短时强降水的时空分布特征,结果表明：1）站次时空分布不均。鲁南易出现短时强降水,2013年最多,达到了564站次,7月最多,平均207站次,多出现在傍晚前后和凌晨。2）极值时空分布差异较大。10 a单站极值大值区分布在鲁西北、鲁南和半岛东部,2009年最多,为17站,且多夜间发生;10 a中年度极值均出现在13:00—次日02:00,8月最多,为7次。3）5、6、9月局地和小范围短时强降水天气过程所占比例较大,7—8月大范围短时强降水过程明显增加。     

低频图在贵州汛期延伸期强降水预测中的应用

本文基于低频图方法对贵州省2011—2015年59次区域性强降水过程对应的500hPa低频流场进行EOF统计分析,建立贵州省强降水过程的统计预测模型,通过外推试验开展贵州2016年汛期延伸期强降水过程预测,利用回算试验的预测准确率评估该方法的本地适用性。结果表明:影响贵州强降水的6个低频关键区分别为贝加尔湖以西地区(40°~70°N,80°~110°E,1区)、贝加尔湖以东地区(40°~70°N,110°~150°E,2区)、中国西南地区东部至华中地区(25°~40°N,100°~120°E,3区)、西太平洋地区(10°~40°N,120°~140°E,4区)、孟加拉湾地区(0°~25°N,70°~100°E,5区)和中国南海地区(0°~25°N,100°~120°E,6区)。当1、4区出现低频反气旋,3、5区出现低频气旋,2、6区有配合其它关键区的低频系统活动的环流配置为贵州省强降水过程预测模型。2016年汛期强降水过程进行预测试验的预测准确率为39.2%,表明低频图方法在贵州省强降水过程预测中的应用效果较好。     

风云三号C星微波全球地表温度产品精度评估

地表温度是衡量地表水热平衡的关键参数,微波地表温度因其范围大、全天候等独特的优势,在气候、农业和环境等领域得到广泛应用。基于经质量控制的MODIS地表温度产品对风云三号卫星C星的微波地表温度日产品和月平均产品进行验证评估,结果显示:FY-3C卫星升轨(夜晚)和降轨(白天)微波地表温度日产品平均分别高估8. 7 K、低估13. 2 K,月平均产品平均分别高估7. 9 K、低估12. 0 K,日产品和月平均产品的反演误差都在15K以内。在全球空间分布上,升轨(夜晚)和降轨(白天)月产品误差分别呈现高估和低估,热带雨林区和沙漠、荒漠区域在夜晚分别高估5 K以内和30 K以内,白天则分别低估10 K以内和10～30 K。不同土地覆盖类型间FY-3C微波地表温度反演精度存在差异,总体上升轨(夜晚)比降轨(白天)的精度高,反演精度最高和最低的土地类型分别是常绿阔叶林和荒漠、稀疏植被,不同土地覆盖类型间的地表温度反演精度在季节上存在明显差异。根据分析结果,改进FY-3C微波地表温度的反演算法,可进一步提高微波地表温度的反演精度。     

基于FY-2D的新疆强对流云的识别

利用2007-2013年新疆的十场强对流天气过程以及与之相应的FY-2D静止气象卫星数据,分析了强对流云红外一通道、红外二通道、水汽通道及通道差的光谱特征,提取强对流云团样本点,采用统计方法确定判识指标的阈值范围,构建多通道多阈值判识方法。利用三场天气过程的地面实测降水资料分别验证了单时次和整场天气过程强对流云判识的准确性,结果表明：单时次强对流云的识别区域与发生降雨台站一致的准确率为83%;在整个天气过程中,强对流频次分布与降水实况吻合度较高,说明随着对流云团的移动和发展,判识区域与地面降水区域保持一致,验证了判识方法有效,阈值选取合理,可以为监测暴雨天气系统的发生、发展提供支持。     

青藏高原地区一次强对流过程中UTLS大气成分分析

青藏高原是对流层水汽和污染物进入平流层的一个重要通道,这些大气成分会对全球气候产生重要影响。利用MLS探测资料和ERA-Interim资料,对2012年7月5日发生在青藏高原中部的一次强对流活动中对流层上部平流层下部(UTLS)H_2O、O_3、CO和IWC的分布特点进行分析,并通过Wei公式估算穿越对流层顶的臭氧和水汽通量。分析结果表明:(1)O_3混合比在100hPa附近相对多年平均略微增加,从0.3×10~(-6)(V)增加到0.9×10~(-6)(V);CO混合比在150hPa以下最大值增加了0.08×10~(-6)(V);H_2O混合比在215hPa附近增加了80×10~(-6)(V);IWC在对流过程中增加明显,在215hPa处的含量最大达到了0.027g/m~3,比多年平均值增加2倍多。(2)对流活动开始前,向上穿过对流层顶的运动逐渐增强,且总的臭氧和水汽通量输送主要由垂直方向的瞬时运动变化贡献。因此高原上的强对流活动对对流层低层大气的抬升作用会使UTLS的大气成分发生相应变化。     

Determination of the fault plane using a single near-field seismic station with a finite-dimension source model

We explore the possibility of determining the actual fault plane of an earthquake from the inversion of near-source displacement seismograms of one station when a finite-dimension source is used instead of a point source model and when the complete displacement is taken into account, including near-field waves. Tests on synthetic seismograms and real data recorded at local distances show that this is possible even with a single, three-component station. A single accelerogram available for the Erzincan, Turkey, 1992 March 13, M _s = 6.8 earthquake is inverted and the solution found is compatible with other seismological studies and with the mechanism expected for the North Anatolian Fault.     

A numerical prediction model of strong thermocline in the Bohai and the Huanghai Seas

ＡｎｕｍｅｒｉｃａｌｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆｓｔｒｏｎｇｔｈｅｒｍｏｃｌｉｎｅｉｎｔｈｅＢｏｈａｉａｎｄｔｈｅＨｕａｎｇｈａｉＳｅａｓＷａｎｇＺｏｎｇｓｈａｎ,ＸｕＢｏｃｈａｎｇ,ＪｉｎＭｅｉｂｉｎｇ,ＺｏｕＥｍｅｉ,ＬｉＦａｎｈｕａ（Ｒｅ...