基于多源观测数据的华北冬季冷云催化物理响应分析

本文利用高性能增雨飞机、地面S波段双偏振雷达和卫星观测数据,分析了2022年1月20日河北中南部地区一次过冷云微物理特征及飞机增雨作业后的物理响应。研究结果表明,受西南暖湿气流和东风回流共同影响,河北中南部地区形成大范围层状云,云底高1400 m,云顶高2100 m,主要由过冷云滴组成,受地形抬升作用影响,从云底到云顶,云滴谱宽逐渐增加。雷达显示,2100 m高度催化作业后,受碘化银核化影响,过冷云滴迅速形成冰晶、雪和少量霰粒子,粒子尺度的增大致使雷达上出现与飞机催化轨迹形状相一致的回波带。FY-4A卫星观测显示晶化作用在播云17~19 min后逐渐显现,云迹可维持约55 min。催化作业后过冷云滴形成冰晶粒子,冰晶粒子逐渐长大并下落,造成云顶下沉,在云顶形成了一条云沟。与周围过冷云相比,云沟内0.65μm通道光谱反射率和10.8μm黑体亮温增加,而3.72μm通道反射率降低。

北上台风“杜苏芮”登陆后河北中南部的雨滴谱特征分析

利用雨滴谱仪观测资料,分析了2023年7月29日至8月1日的河北中南部极端降水的雨滴谱特征,研究降水的微物理特征变化。结果表明,降雨强度R小于50 mm/h时,雨滴直径随着R的增加明显增大,R超过50 mm/h时,随着R的继续增大,雨滴的质量加权平均直径不再继续增长,趋于平衡,稳定在2 mm。此次降水位于海洋性对流特征区域的点较多,而位于大陆性的点较少,仍有很多点位于两种形态的过渡区间内,表明地面降水的微物理过程具有显著的时空变化。利用K-means聚类算法,将降水样本按照滴谱特征分为5类,发现不同强度滴谱特征具有明显差异,当降水强度高于50 mm/h时,降水的滴谱性质体现为较大的加权平均直径和较大的粒子数浓度,正是因为有持续稳定的大直径粒子和高数浓度的特征,雨滴谱的突变加上台风输送源源不断的水汽,才能在短时间内产生强降水。利用滴谱数据进行雷达降水估测关系拟合,得到雷达反射率Z、差分反射率KDP和R的拟合公式Z=224R1.44和R=45.8KDP0.77,使用R-KDP定量降水估测关系,结果要优于使用Z-R关系,尤其是超过40 mm/h的降水,估计误差明显好于使用Z-R关系。

一次基于飞机观测的河北中南部降雪云系微物理结构的对比分析

2017年2月21日河北省出现一次低槽降雪天气系统,河北省人工影响天气办公室在系统槽前部位层状云系中开展飞机云微物理探测作业,通过对邢台、赵县两地云微物理垂直结构的精细化探测分析,发现本次过程云系为层状冷云。邢台、赵县两地云系均存在明显的逆温层,在逆温层及其下方出现过冷水,邢台过冷水较为丰富,含量达0.19 g/m^(3),在过冷水丰富层(高度为4561~5059 m,温度为-11~-8℃)下方可见结凇冰晶,直径有所增大,浓度没有出现明显增加;赵县云系过冷水含量达0.074 g/m^(3),与邢台相比偏低,冰晶在过冷水层(高度3308~3949 m,温度-10.3~-8.7℃)以凇附、粘连增长为主,与邢台相比冰晶聚合体偏多,粒子直径和浓度均偏大。本次探测过程,邢台云内过冷水含量丰富,具有人工增雪作业的条件;赵县云内过冷水含量偏低,人工增雪条件差。

尺度分离技术在一次切变线诱发西南涡暴雨个例中的应用

为探讨次天气尺度系统引发暴雨的主要机制和Shuman-shapiro滤波在盆地暴雨中尺度分离的效果,利用中国气象局逐小时降水加密观测资料、CMORPH融合格点降水资料、GFS全球预报场资料及FY-2E卫星相当黑体亮温(TBB)数据对2018年7月10-11日一次盆地暴雨过程(简称“7.11暴雨”)进行初步分析,结果发现,有利的大气环流形势下,冷空气人侵四川盆地后推动切变线南移并诱发西南涡是“7.11暴雨”产生的主要原因;Shuman-sha-piro滤波技术能够很好地分离出“7.11暴雨”中的次天气尺度扰动;热力性质不同的冷暖空气在四川盆地交绥,使大气斜压不稳定增强,对流层低层切变线及其伴随的西南涡为“7.11暴雨”的产生提供了有利的动力条件,同时配合有利的水汽条件,最终导致7.11暴雨的产生。

高原和盆地间山谷风对四川霾日变化的影响分析

为研究高原与盆地间山谷风对四川霾日变化的影响,利用NCEP提供的1日4次的FNL再分析资料,使用天气分析和数值模拟等方法,研究了山谷风对2015年1月21日严重霾天气的日变化影响,得到如下结论:2015年1月21日四川盆地空气质量指数AQI和污染物PM10、PM2.5的浓度具有明显的日变化特征,污染物峰值由21日凌晨2时一直持续到上午11时,到15时污染物浓度最低;高原和盆地间的山谷风对该日霾的日变化有明显影响。1月21日8时至11时,携带冷空气的山风从盆地两侧吹向盆地,冷空气下沉凝结,在相对湿度高于80%的条件下,有利于霾的生成和维持;同时山风在四川盆地形成的辐合线,有利于污染物聚积,造成此时的污染物浓度达到峰值。14时后,地面风由山风变为谷风,相对湿度也降低到80%以下;谷风导致了污染物浓度迅速扩散,使污染物浓度处于谷值。中尺度数值模式WRF对高原与盆地间山谷风有较好的模拟能力。

青藏高原冬季1月绕流的变化特征及其对中国气候的影响

利用1979~2019年NCEP/NCAR再分析资料和中国地面基本气象要素日值数据集(V3.0)的气温和降水资料,首先定义了客观表征冬季青藏高原南北两支绕流变化的指数,然后分析了其不同的变化特征,并采用相关分析、合成分析等方法初步研究了青藏高原南北两支绕流异常变化对中国气温和降水的影响机制。主要结果有:(1)青藏高原冬季北支绕流和南支绕流之间呈显著的负相关;北支(南支)绕流强、南支(北支)绕流弱时,对流层中低纬度地区从高原西部到我国东部沿岸为一个大范围的异常反气旋式(气旋式)环流系统,500 hPa高原的中部为一个异常反气旋(气旋)环流中心。(2)青藏高原冬季南北两支绕流的变化对中国冬季天气气候有显著影响。当青藏高原北支绕流强(弱)时,中国除东北是气温偏低(高)、降水偏多(少)外,河套、青藏高原及长江以南则是气温偏高(低)、降水偏少(多);当南支绕流强(弱)时,中国气温普遍偏低(高),东北及新疆北部是降水偏少(多),南方大部分地区是降水偏多(少)。(3)分析高原绕流异常变化对中国天气气候的影响机制表明:当青藏高原北支绕流强、南支绕流弱时,中国东部35°N以北的对流层中都是异常西北风,35°N以南都是异常东北风,受高原异常纬向绕流影响,对流层大气为明显的"正压结构";相应的对流层底层从南到北为一致的异常西南风,850 hPa以上35°N的之间为反气旋式切变和下沉运动异常,300 hPa以下异常偏暖,这些条件加强了下沉增温,导致中国东部气温偏高、降水偏少。当青藏高原南支绕流强、北支绕流弱时,对流层中的纬向风异常则为明显的"斜压特征",异常西风呈现为从对流层低层到高层、低纬度到高纬度的倾斜的带状特征,其下方自华南近地面到华北200 hPa的"三角形"状异常东风,配合相应的经向风异常和华南到华北的异常上升运动,低层为"三角形"状的异常冷气团向南切入到中国南海,中上层为异常偏暖的西南气流在冷气团上自南向北爬升到中高纬度地区,导致中国大范围的气温异常偏低、降水偏多。

导致航班延误的暴雨研究--以2018年7月11日四川盆地暴雨为例

暴雨是导致航班发生大面积延误的主要恶劣天气之一。利用中国气象局逐小时降水加密观测资料、美国环境预报中心(NCEP,National Centers for Environmental Prediction)再分析数据(FNL,final reanalysis data)全球分析资料以及FY-2E卫星红外云图,采用天气分析和中尺度数值模拟等方法对2018年7月11日四川盆地暴雨(简称7.11暴雨)进行研究。研究结果表明:强降水主要发生在7月11日02时和7月11日08时,前者属于夜间降水,后者属于白天降水;500 hPa高度上贝加尔湖低涡延伸至四川盆地的西风槽、700 hPa高度上位于四川盆地的西南低涡和切变线、西太平洋副热带高压(简称副高)和台风“玛莉亚”是导致7.11暴雨的主要天气系统;WRF(weather research forecast)模式能够较好地模拟24 h累积降水的空间分布,但其对7.11暴雨的日变化模拟不佳,且其模拟的西南低涡维持时间比实际情况要短。

西太平洋低频振荡强度的年际变化及其主模态特征

为研究南海-西太平洋OLR 30~60天低频振荡时空变化的主模态及其对中国夏季降水的影响,利用逐日向外长波辐射(OLR)和中国839站降水资料,采用带通滤波、EOF和线性回归等方法,分析南海-西太平洋OLR30~60天低频振荡强度的季节分布和时空变化特征及其与中国夏季降水距平之间的联系。结果表明:(1)西太平洋地区OLR 30~60天低频振荡强度及其空间分布都具有显著的季节变化特征,活跃区主体基本位于南北半球的低纬热带海域。(2)EOF第一模态特征向量在冬、春两季的最大变率中心主要在南半球赤道附近低纬地区,夏、秋两季北移至北半球低纬地区;EOF第二模态特征向量出现了经向三极子型和三角形三极子型分布。(3)部分地区的夏季降水异常与西太平洋季风和副热带季风、南海季风的强度存在一定的相关性。对比两次线性回归结果,发现夏季热带西太平洋OLR 30~60天低频振荡强度的第二模态与长江中下游降水有较好的联系,表明夏季长江中下游降水受副热带季风、南海季风的影响较大。

应用物理结合的人工智能方法提升“21·7”河南极端强降水预报

极端强降水是破坏和影响最为巨大的自然灾害之一,而由于其罕见性和独特性,其发生演变的精准预报极具挑战.本文以2021年河南“21·7”极端降水事件为对象,基于异常物理特征分析和多模式预报偏差理解,通过在损失函数中采用与降水物理和数据特征更相适的优化指标和约束,开展降水预报的机器学习订正试验,有效改进了强降水强度和落区预报.研究发现,通过学习异常物理特征与强降水的关系,可显著提升降水预报的强度,但降水的落区很难调整,也容易带来较大空报;这一方面是由于极端降水事件过程中相对稳定维持的异常环流和物理特征主要包含较大尺度信息,与模式降水偏差具有一致性,另一方面由于极端降水样本稀少,因此相应采用的算法复杂度较低.通过多模式降水的机器学习融合,有潜力提取各模式降水预报精细结构的优势,显著改进降水落区预报,但降水强度提升有限.本文基于“好而不同”的多模式融合,再结合适量异常特征可达成综合调整强降水落区和降水强度的效果.研究为提升极端性强、变率大的强降水精细化预报进行了创新探索,也为未来物理融合人工智能方法提供参考.

2012年7月21日重庆暴雨集合预报试验

为研究WRF-EnKF对于重庆夏季暴雨的集合预报效果,使用地面观测资料、NCEP/NCAR再分析资料、NCEP/NCAR高空观测等资料,根据有无进行资料同化,用WRF-EnKF方法构造2组集合预报方案对2012年7月21日重庆强降水过程进行试验,通过对该次试验结果进行检验后得出如下结论:2012年7月21日重庆夏季暴雨事件进行集合预报试验表明,WRF-EnKF集合预报系统基本能够预报出此次重庆夏季强降水事件的大部分降水范围,并且集合预报有资料同化时比没有进行资料同化时要更准确。集合预报的Talagrand分布图大体呈现"U"型分布,即"中间小,两头大"特征,说明预报系统的离散度偏小;同时,另外2组试验相对应的实况检验值其分布接近反"L"型分布,且在高值区上的频率比在低值区的频率高很多,这也表明集合预报和实况相比仍有一定的偏差。

云凝结核计数器运行维护与标定流程

云凝结核计数器可对大气中云凝结核数浓度进行直接观测。本文基于国内外大量资料,结合自身运维标定经验,总结了美国DMT公司云凝结核计数器的维护和标定方法。日常维护过程中需注意检查供水、漏液及气路情况,注意过滤器、干燥剂等耗材的更换,并关注泵的使用寿命。同时建议每年对云凝结核计数器进行1次全面标定,包括流量、压力、过饱和度和光学计数器的标定。