2022年华南极端“龙舟水”与大气环流及海温异常的关系

利用华南192个国家气象观测站逐日降水资料,NCEP/NCAR大气环流再分析资料,NOAA月平均海表温度资料(ERSST V5)及向外长波辐射(OLR)资料,采用相关、合成分析的方法研究了2022年华南“龙舟水”异常与大气环流及海温异常的关系。结果表明,2022年“龙舟水”期间,东亚大槽、东北冷涡偏强,南下冷空气偏强,同时西太平洋副热带高压和南支槽均偏强,在华南存在明显的水汽辐合。2022年发生的拉尼娜事件,大气环流对其有明显响应,Walker环流增强,华南对流明显加强,菲律宾以东存在异常反气旋环流,副高加强导致其西北侧的西南风加强,向华南水汽输送显著增强,同时华南存在显著的上升运动。大气环流和海温的异常导致2022年华南极端“龙舟水”。

南海台风模式对台风利奇马快速增强预报能力研究

针对台风利奇马(1909),分析中国气象局南海台风模式(CMA-TRAMS)和欧洲中期天气预报中心高分辨率模式(HRES)对台风快速增强的业务预报情况,并基于CMA-TRAMS,从水平分辨率、初始场和边界条件、物理参数化方案等角度设计并开展数值敏感性试验。CMA-TRAMS和HRES对“利奇马”增强具有一定预报能力,但对快速增强的速度预报明显低于实况,均不能满足24 h和12 h快速增强标准,可达到6 h快速增强标准。CMA-TRAMS采用3 km分辨率对“利奇马”移动路径和强度变化的预报效果优于9 km分辨率,但未改进快速增强预报效果;采用3 km嵌套9 km的方案,模式对台风快速增强的预报效果明显提升。采用MRF边界层参数化方案对台风路径、强度、快速增强的预报效果总体优于YSU方案。海温参数化结合32层垂直分辨率的初始场和边界条件的方案明显提高了快速增强预报效果,预报快速增强的频次、增强的最大速度更接近实况。分析表明,海温参数化方案使海气温差增大,在短时间内对大气、海洋之间的热量输送和交换有明显影响,海洋向大气输送的感热通量和台风内核区的潜热通量加强使内核更暖湿、气压负倾向增大,是预报效果改进的主要原因。

基于模式物理量参数的云南雷暴大风概率预报技术研究

利用2019—2021年云南125个国家站大风数据和云南省地闪资料,统计云南雷暴大风个例,并挑选对雷暴大风有重要意义的物理量参数,结合NCEP再分析资料确定云南雷暴大风个例的物理量阈值,再基于ECMWF数值模式预报产品及确定的阈值,采用二分法进行云南雷暴大风概率预报。结果表明:在云南三次雷暴大风过程预报检验中,8月4日云南中部及东北部雷暴大风均命中,但在云南西部及西南部出现大范围的虚警,导致此次过程虚警率较高和临界成功指数较低;8月5日云南中部、东北及西北部雷暴大风预报正确,且云南西部及南部虚警范围小,虚警率较8月4日明显降低;7月7日云南自东北向西南出现大范围的雷暴大风天气过程,雷暴大风预报落区与实况基本吻合,呈现命中率高、虚警率较低的特征;三次过程命中率、临界成功指数、虚警率平均为0.873、0.203、0.789。

2022年四川省复杂地形下持续性极端高温特征与模式误差分析

2022年8月四川省持续性极端高温天气过程范围广、强度大且持续时间长,全省有74.8%的站点打破近70年历史同期极值。本文选取四川地区2022年8月逐时2 m气温实况站点和历史同期数据,结合EC、CMA-GFS及CMA-MESO模式的2 m气温预报数据,分析了此次极端高温天气特征及预报误差。结果表明:(1)受地形影响,最高气温极值呈东高西低的分布特征;(2)受热岛效应影响,最高气温超历史极值较多的站点主要集中在盆地西部龙泉山脉附近;(3)3个代表站的最高气温平均值高、距平大、高温持续时间长,该时段的累计降水量明显低于历史同期平均值且降水日数显著偏少;(4)3个模式对于最低气温的预报准确率明显高于最高气温,而最优模式的高温预报准确率仅39.1%;(5)EC模式的预报优势主要在盆地低海拔站点,CMA-MESO模式在陡峭地形区域的预报效果要优于EC模式;(6)对于最高气温出现日期预报,EC模式在盆地和攀西地区效果更佳,CMA-GFS和CMA-MESO模式在川西高原效果更优。

2023年3月河南省一次极端暴雪和雷电天气成因分析

选用自动气象站、双偏振雷达、风廓线雷达和ERA5再分析等资料,分析2023年3月16日河南省一次极端暴雪和雷电天气成因。结果表明:此次极端暴雪过程主要天气系统为低槽、切变线、急流以及东北冷涡。冷涡配合-39℃冷中心稳定维持,其后部冷空气持续南下,850 hPa以下形成深厚冷垫,中高层西南暖湿气流沿冷垫爬升,形成河南省典型的降雪天气类型“天南地北型”。此次强降雪区位于整层大气可降水量大于20 mm区域的北部与700 hPa强辐合中心重叠的区域,河南中西部地形的抬升作用利于此极端降雪天气发生。冷平流与其次级环流共同作用,使局地气温骤降,导致降水相态转换较预期提前,以致多站降雪量或积雪深度超历史极值。双偏振雷达零滞后相关系数产品(CC)为相态转换监测提供了重要参考。850 hPa以下大气温度均低于0℃,且2 m气温降至1℃左右,可作为降雪预报指标。辐合切变及锋面次级环流有利于高架雷暴天气出现,20 dBz回波高度超过-20℃层高度可作为产生雷暴的关键指标。

一次江淮气旋引起的区域大暴雨可预报性分析及模式检验

利用常规观测资料和逐6 h的ERA5空间分辨率为0.25°×0.25°的再分析资料及数值产品,采用天气学分析和物理量诊断等方法,对河南2020年6月一次江淮气旋区域大暴雨的可预报性进行分析.结果表明:(1)强降水主要出现在850 hPa低涡前部西南急流出口区顶部和切变线两侧50~100 km的重叠区域内、地面气旋辐合线附近及左侧冷暖空气交汇处,以冷区降水为主.(2)水汽和动力条件均具有极端性,PWAT、Q850、Qu850、垂直上升运动速度值均超过了河南各类型100 mm以上强降水统计阈值.(3)850 hPa低涡的移动方向和地面3 h负变压中心移动方向对地面气旋的移动有引导作用,负变压中心较气旋中心出现时间早12 h左右.(4)数值模式EC在24~240 h内、CMA-GFS在24~168 h内晴雨准确率和小雨量级TS评分>0.8,暴雨及以下量级的降水TS评分24~72 h内CMA-GFS优于EC,96 h后CMA-GFS低于EC.(5)EC和CMA-GFS强降水落区较实况偏北0.7~0.8个纬度.

“11•26”阿勒泰地区特强寒潮天气过程分析

本文利用实况观测资料以及NCEP提供的分辨率为1˚ × 1˚的FNL再分析资料,对新疆阿勒泰地区2022年11月25日至28日的特强寒潮天气过程成因进行了诊断分析,结果表明,此次寒潮天气过程极端性强,爆发性剧烈、最低气温低、影响范围广、降雪量大、大风强度强。全地区共计6成气象站点达特强寒潮标准,最低气温普遍降至−30℃以下,低温中心达−48.6℃。阿尔泰山沿线出现暴雪,阿勒泰市积雪深度突破11月历史同期极值。26日偏东大风急转偏西大风,5站风力达11级以上。前期阿勒泰受暖脊控制,暖平流旺盛,地面气温持续上升至0℃。强冷空气在西伯利亚地区堆积,低涡冷中心强度达−48℃,700 hPa、850 hPa冷中心强度达−36℃、−32℃。随着欧洲脊发展东扩,西伯利亚低涡中的横槽转竖东移,地面1062.5 hPa冷高压中心沿着北方路径南下,在阿勒泰北部边境东移,−50 × 10−5℃•s−1冷平流中心进入阿勒泰,产生剧烈降温,地面超过20厘米雪面的辐射降温作用进一步加大了降温幅度。地面冷高压与新疆南部的低压中心压差达到50 hPa,气压梯度力大。冷空气进入阿勒泰后24小时内变压幅度达到20 hPa以上,产生地面西北大风。冷空气下沉加速以及地形作用都对大风强度有增幅效果。高空西风急流中心最大风速超过60 m/s,抽吸辐散作用强烈。500 hPa西伯利亚低涡受到欧洲脊前北风带引导的冷空气南下补充,同时与咸海低涡合并,强度持续增强。高低空低涡前部西南急流强盛,配合低空东风急流,水汽在阿勒泰地区上空辐合。加之锋面抬升以及阿尔泰山地形强迫抬升作用,阿尔泰山迎风坡沿线出现暴雪。

地基北斗大气水汽反演及其精度分析

本文研究了基于北斗三号全球卫星导航系统(BDS-3)的大气水汽反演技术及其精度分析。大气水汽是气象演变中的重要参数,对降水、天气系统演变和全球气候变化等具有重要影响。传统的大气水汽探测方法存在成本高、时空分辨率低等问题。因此,本文利用北斗三号地球静止轨道(GEO)卫星播发的PPP-B2b信号,采用实时精密单点定位技术,实现了台站处分布式高时效、高精度对流层延迟解算和大气水汽含量反演。在上海、河池和海口三个地区进行了水汽试验,并利用同址探空和GPS水汽数据进行试验数据准确性比对评估分析。结果表明,实时水汽产品的平均RMS在3 mm左右,与目前准业务运行的GPS水汽产品精度相当。该研究为大气水汽含量反演、水汽业务建设提供了重要的参考依据,对于中小尺度极端强对流天气系统监测、台风监测和短临预报具有重要的应用价值。

华北局地大暴雨过程中多个β中尺度对流系统发生发展对比分析

利用常规地面高空观测、多普勒雷达、风廓线、VDRAS(Variational Doppler Radar Analysis System)和NCEP再分析资料,对2018年8月5—6日副热带高压(以下简称副高)控制下华北一次局地大暴雨过程中多个β中尺度对流系统触发和发展机制进行了分析。结果表明:这次大暴雨发生在副高控制下,处于高温、高湿气团中,大气层结极不稳定。暴雨由多个相继发展的中尺度对流系统造成,分别是太行山迎风坡上西南—东北向、华北平原地区保定一带南北向、保定至霸州附近西南—东北向和以雄安新区为中心东西向原地生消的准静止MCS-Ⅰ、MCS-Ⅱ、MCS-Ⅲ和MCS-Ⅳ,均属于β中尺度。在相似的环境中,不同中尺度对流系统触发机制有较大差异,太行山迎风坡上的MCS-Ⅰ是由近地层偏东暖湿气流在迎风坡与山风形成的辐合抬升触发;由辐射差异和前期强降水形成的局地冷池受MCS-Ⅰ影响再次加强后,其出流与环境风形成的两条地面辐合线分别触发了MCS-Ⅱ和MCS-Ⅲ,并组织对流沿辐合线呈带状发展;而超低空偏东风增强叠加冷池出流在地形抬升作用下促使沿山暖湿气团进一步抬升,使得原本消亡的MCS-Ⅰ再次重建。MCS-Ⅳ发展最旺盛、持续时间最长,是大暴雨中心的直接制造者,一方面MCS-Ⅱ与MCS-Ⅲ、MCS-Ⅰ与MCS-Ⅳ的两次合并过程,是MCS-Ⅳ增强、持久的重要原因;另一方面边界层偏东风急流为MCS-Ⅳ的发展提供了水汽和不稳定能量等有利条件,同时推动其左前方中尺度涡旋的发展,导致MCS-Ⅳ所在地的气旋性涡度大大增加,加强了以急流轴为中心的垂直次级环流发展,造成MCS-Ⅳ的发展维持,形成华北平原地区以雄安新区为中心的东西向大暴雨带。

智慧冬奥2022天气预报示范计划的实施与评估

主要介绍了“智慧冬奥2022天气预报示范计划”(简称FDP)的运行与评估结果。此次FDP是在我国首次针对中纬度山区0~10 d冬季天气预报展开的示范计划,国内气象部门内外共22家单位、近40个数值模式或客观预报系统参与了该计划。FDP实现了实时运行所需的多种源数据和多源数据产品的高效传输分发、监控、实时处理、综合集成显示。首次开展了次百米级客观预报、人工智能释用订正预报等新型技术在冬奥复杂山地赛场的实时示范应用,为冬奥气象中心和3个赛区预报团队提供了丰富多样和稳定可靠的高精度客观产品,有力支撑了高标准的冬奥气象服务保障。针对参与FDP产品的系统性检验评估发现,与模式系统原始预报相比,释用后的专项站点预报对平均风、阵风、温度、相对湿度等要素的预报误差明显减小。但是对于冬季复杂山地的降水、能见度预报,客观预报技术还有待进一步改进,而且站点解释应用效果不明显。此次FDP对风、温度、降水、能见度、相对湿度的最优预报检验指标(最小误差值),总体体现了目前国内在中纬度山区冬季天气客观预报的大致水平和现实能力,对于认识复杂山地冬季天气预报存在困难、提升高精度天气预报水平等具有极为重要的价值。

近62 a三峡地区区域性暴雨过程气候特征及长期变化规律

【目的】充分认识三峡地区区域暴雨过程的气候特征及长期变化规律对于科学防汛以及合理利用水资源具有重要意义。【方法】基于三峡地区33个国家级气象观测站1961—2022年逐日降水量资料和目前重庆市气候中心业务采用的区域性暴雨过程监测指标,对三峡地区区域性暴雨过程进行客观识别,并利用多种数理统计方法分析区域性暴雨过程的气候特征和长期变化规律。【结果】结果表明:(1)三峡地区近三分之二的暴雨以区域性过程形式出现,平均每年区域性暴雨过程有8.4次,主要出现在5—9月,尤以6—7月为集中发生时段。区域性暴雨过程首次开始日期多年平均为5月8日,末次结束日期为9月17日。平均每次过程的暴雨覆盖范围为8.6站,持续时间1.3 d,平均暴雨强度为74.7 mm/d。(2)三峡地区区域性暴雨过程年频次存在2~3 a和8 a左右的变化周期,年平均区域性暴雨过程覆盖范围存在4~6 a和8~11 a周期变化。(3)近62 a三峡地区区域性暴雨过程的首次开始日期显著提前,末次结束日期无明显变化,发生期显著变长;发生频次没有明显变化趋势、平均持续时间、平均覆盖范围、平均综合强度也均没有明显变化趋势,但平均暴雨强度呈增强趋势。(4)近62 a,三峡地区区域性暴雨过程的各项指标均未发生突变现象。【结论】研究成果为三峡地区防汛减灾、水资源管理以及回应三峡工程对局地气候影响的社会关切等提供科学支撑。

基于多模式预报的四川盆地强降水订正方法

四川盆地地形地貌复杂,强降水预报难度大,对模式降水预报产品进行订正,是提升强降水预报质量的重要手段。本文选取2018—2019年发生在四川盆地的35次强降水过程,对ECMWF、CMA_MESO和SWC_WARMS三种模式的24 h强降水预报采用常规评分和空间平移两个方法进行检验,并利用最优评分、多模式集成和位移订正三种方法进行订正试验。结果表明:最优评分订正方法可以有效改善各模式降水预报的强度,而多模式集成订正法可以改进降水落区和极值预报,在此基础上计算位移偏差,根据最优的位移偏差值对降水预报进行位移订正,可以进一步改进强降水落区预报效果。然后利用2020—2021年强降水过程进行订正效果验证,结果显示:经订正后的降水极值预报更接近实况,各量级降水预报评分明显优于单一模式,暴雨和大暴雨预报的TS评分提高率较最优单模式分别可达24.3%和42.8%,订正后空报率基本维持,漏报率显著下降,订正效果良好。

“23·8”黑龙江极端强降水过程特征与成因

利用多源观测资料及ERA5(ECMWF reanalysis version 5)再分析资料,从气候统计、天气分析及物理量诊断等角度,分析2023年8月2—4日黑龙江省东南部一次极端强降水过程。高空持续辐散、副热带高压和东北北部冷涡稳定少动、西南低空急流持续水汽输送等有利条件是此次强降水过程持续时间较长的主要原因。该过程可分为两个阶段:第1阶段,经向水汽净收入层和大气饱和层深厚,大气层结为弱对流不稳定;中层受西北气流控制,低层西南急流发展、伴随弱低涡东移,形成水平风速辐合及系统性上升运动,产生大范围持续性降水;该阶段以层积混合云为主,降水效率高,个别时段伴有列车效应,造成极端小时降水量及较大累积降水量。第2阶段,经向水汽净收入集中在对流层低层,且中心强度较大,对流层低层暖湿、饱和,中高层干冷,大气具有较强对流不稳定;在中层槽和低层暖式切变的系统性抬升以及地形辐合抬升的共同作用下,局地有积云发展,引发短时强降水,降水强度分布不均。

警惕旱涝急转现象 强化灾害综合应对

据国家气候中心预测,今年夏季我国气候状况总体偏差,涝重于旱,东部季风区降水总体偏多,区域性和阶段性洪涝灾害明显,极端天气气候事件偏多,局地发生极端性强降水的可能性较大。7月,我国全面进入主汛期,全国自然灾害风险形势更为复杂严峻。本文对今年入汛以来的气象水文形势及旱涝灾害主要特点进行分析介绍,并对强化水旱灾害综合应对提出相关建议。

强对流天气对安全生产的影响

8月11日晚,常州经开区横山桥镇遭遇强对流雷雨天气,该区域的芳茂山公园一凉亭被雷击塌,导致6人死亡10受伤。7月19日晚,陕西水县境内突发暴雨山洪,丹宁高速公路水阳段严坪村二号桥局部塌,导致遇难38人、失联24人。今年“5·1”劳动节,因大雨局部暴雨,局地伴有短时强降水、雷雨大风等强对流天气,广州梅大高速塌,导致48人死亡30人受伤。

数值预报中气象卫星资料同化前处理技术进展

在数值天气预报变分同化中,利用同化前处理将卫星资料完成有效信息优选、资料拼接和稀疏化、初级通道选择、下边界参数耦合等处理,实现卫星资料同化对数值天气预报业务的正贡献,是决定海量卫星资料同化效率、质量和效果的重要环节。针对多种格式的卫星资料,中国气象局研发标准格式的高时效卫星资料拼接等技术,有效减小整轨卫星资料时间滞后对数值天气预报业务的负面影响。对于风云气象卫星资料,将云和降水检测、资料质量分析等处理置于同化前处理中,实现多光谱资料融合的同化预质量控制,保证了风云卫星微波温度探测资料和红外高光谱资料的同化正贡献。利用统一资料格式对预处理卫星资料进行再处理,拓展针对卫星成像和主动探测资料的处理,将卫星资料同化的部分质量控制功能置于卫星资料同化前处理中,是风云卫星资料同化前处理技术发展的重要趋势。

青藏高原东坡地形对影响云南降水的高原涡的作用机理

利用常规观测资料、FNL分析资料及经质控后的自动站小时降水数据,诊断分析了青藏高原东坡地形在2017年7月2-3日高原涡影响云南降水过程中的作用,并利用数值模式WRFv4.0对此次过程进行了地形敏感性试验。结果表明:高原涡是此次云南强降水的重要影响系统;低涡中心及附近区域中高层维持暖心结构,并呈现显著的上升、下沉运动交替的分布;过程累积雨量分布表现为两条明显的与山脉走向平行的西北-东南向雨带,且具有强弱交错的分布特征,强降水集中出现在午后至傍晚及前半夜两个时段内,中心均位于地形边坡,并随着低涡向下游传播;南亚高压、西北辐散气流、西太平洋副热带高压及滇缅高压为低涡的东移发展提供了有利的高空环流场,500 hPa正涡度及700 hPa水汽通量辐合中心对强降水落区具有较好指示意义;低涡降水期间存在β中尺度重力波,波动由青藏高原东坡地形激发,沿着300~200 hPa的气层传播,高空的非地转平衡运动及垂直风切变为重力波的发展及传播提供了有利条件,重力波先于低涡及降水向下游方向移动及发展,波脊处对应上升运动及辐散中心,波槽处对应下沉运动及辐合中心,强降水及波脊均位于低涡西南侧强辐合上升运动区;地形高度降低后,其机械阻挡抬升作用减弱,重力波和高原低涡消失,雨带强度及空间分布特征发生显著改变。高原东坡地形对高原涡的形成和发展,以及高原涡影响下的云南降水具有重要作用。

新疆智能网格日极端气温在阿勒泰地区的预报效果检验

利用2020年9月1日—2022年8月31日新疆智能网格日最高、最低气温预报产品,结合阿勒泰地区154个气象站的日最高、最低气温观测资料,采用中短期天气预报检验方法,对新疆智能网格日极端气温在阿勒泰地区的预报效果进行了检验评估。结果表明:日最高气温的准确率高于日最低气温的准确率,国家站的准确率高于区域站的准确率;预报准确率较高的区域主要集中在阿勒泰地区的河谷平原,准确率较低的区域主要集中在阿尔泰山的沿山和山区;春季、夏季、秋季的准确率较为接近,明显高于冬季;预报误差按河谷平原、沿山、山区的顺序递增,且平均误差均为负值,显示预报模型存在轻微的系统性偏低误差;不同预报时效的误差空间分布相对稳定,显示出良好的一致性。

数值预报AI气象大模型国际发展动态研究

数值预报是研究地球系统的重要工具,有助于加深科学家对大气、海洋、气候和环境等复杂系统之间相互作用和变化过程的理解,在防灾减灾、气候变化和环境治理等方面发挥着不可或缺的作用。随着模式复杂度和分辨率的提高,传统数值模式在气候变化研究和气候预测方面取得了迅速的进展,但也面临一些挑战,需要得到数据同化、集合耦合、高性能计算和不确定性分析等多方面的支持。而近年来,“AI+气象”的交叉研究在气象领域引起了广泛关注。基于多种深度学习架构的人工智能大模型,依托强大的计算资源和海量的数据进行训练,能够以新的科学范式进行高效数值预报。气象大模型不断涌现,一些科技公司如华为、英伟达、DeepMind、谷歌、微软等,以及国内外高校如清华大学、复旦大学、密歇根大学、莱斯大学等发布了多个涵盖临近预报、短时预报、中期预报和延伸期预报等不同领域的气象大模型。这标志着人工智能与气象领域的交叉融合已经达到新的高度。尽管气象大模型在现阶段取得了较大突破,但其发展仍然面临弱可解释性、泛化能力不足、极端事件预报强度偏低、智能预报结果过平滑、深度学习框架能力需要拓展等诸多挑战。

2024年2月17—23日中国大范围强寒潮雨雪冰冻强对流过程涉及的若干问题

2024年2月中下旬我国出现一次多灾种高影响天气过程。这是一次几十年一遇的过程,出现了大范围强寒潮雨雪冰冻天气并伴随强对流发生,涉及到强寒潮、沙尘、降雨、降雪、冻雨,以及强对流和伴随的大冰雹和雷暴大风,多种高影响天气在一次过程中都有所呈现,其过程之复杂异常罕见。本文针对此次过程中值得深入探讨的问题、高影响天气发生发展可能机理、相应的预报挑战等进行简要梳理,为后续对此次过程的细致和深入分析研究做一个引子。