2022年8月四川盆地持续性极端高温特征及不同模式预报误差分析

本文基于2022年8月四川盆地104站逐时温度、降水数据和1971—2021年历史同期数据,及EC、CMA-GFS、CMA-MESO模式的2 m气温预报等数据,运用统计学相关方法分析了此次极端高温过程的特征及预报误差。结果表明:①2022年8月四川盆地极端高温过程范围大、强度强、持续时间长,有87.5%站最高气温超过该站历史同期极值,且高温最强盛时段较历史同期明显推后。②2022年8月最高气温分布为东高西低,最高气温与历史同期极值差分布则相反,其中最高气温随站点海拔增大而减小,而极值差则随站点海拔先增大再减小。另外,受热岛效应影响,极值差大值站点主要集中在龙泉山脉附近。③高温期间,最高、最低气温平均值高、距平大,且累计降水量和雨日数也明显低于历史同期。④相较而言,EC模式的预报优势主要在盆地低海拔地区。而CMA-MESO模式在盆地周边陡峭地形区域的平均绝对误差则更小。另外,EC模式预报的最高气温峰值出现时间更接近于实况,而CMA-MESO模式预报高温持续日数更接近实况。

四川地区气温转折过程2m温度变化订正研究

基于四川地区1990—2019年的逐日2 m最高、最低温度站点实况数据,对气温转折天气过程进行统计和分析,在此基础上,应用LightGBM(Light Gradient Boosting Machine)算法及NCEP/NCAR(National Center for Environmental Prediction/National Center for Atmospheric Research)逐日再分析资料,构建气温转折天气过程变温订正模型。结果表明:(1)出现气温转折过程最多的区域是高原与盆地的边坡过渡区,最少的是盆地;(2)各区域的气温转折过程具有明显的季节差异,均表现为春季最多、冬季最少,且春季的气温转折过程明显多于其他3季;(3)在1990—2019年验证集中,LightGBM订正模型表现较好,准确率为78.64%,平均绝对误差为1.35℃。(4)在2020年的独立样本测试中,LightGBM订正模型的准确率为53.60%,平均绝对误差为2.19℃,整体订正效果优于ECMWF模式(European Centre for Medium-Range Weather Forecasting)、中央台城镇预报指导报(SCMOC)及四川省气象台数值预报客观释用城镇预报指导报(SPCO)的预报。

2008-2012年四川强小时雨强的时空分布特征

利用2008-2012年四川157个基本测站和895个区域自动站的逐时降水资料,通过统计诊断方法分析了四川的强小时雨强发生频次、极值的时空分布特征,得到如下主要结论:(1)四川每年出现20 mm·h^(-1)以上的强小时雨强达3537.8次,平均每年的强小时雨强极值均超过了100 mm·h^(-1),并在2012年呈一个跃升的趋势。(2)四川强小时雨强落区主要集中在四川盆地及攀西南部的大部分地区,且强降水高发中心主要位于从盆地向山脉过渡的纵向陡峭地形区。雨强极值超过了30 mm·h^(-1)的落区也集中在盆地及攀西地区。频次及雨强极值的变化与海拔有密切联系,迎风坡的陡峭过渡地形削弱了频次及雨强极值随海拔的增高而减少的速率。(3)频次的月变化比强小时雨强极值的月变化更显著。7月发生强小时雨强的次数最多,其次是8月,5月最少。6-9月雨强极值均超过100 mm·h^(-1)。(4)20 mm·h^(-1)和30 mm·h^(-1)以上的强小时雨强频次日变化均呈夜间活跃的单峰型特征,而50mm·h^(-1)以上的强小时雨强突发性较强,日变化呈多峰型结构,且盆地不同区域的日变化特征及峰值活跃时间也有较大差异。

基于集合预报的四川夏季强降水订正试验

四川历来多暴雨洪涝,然而其发生具有很多不确定的因素,预报难度很大。从观测与模式预报的累积概率密度函数角度出发,利用2007—2012年6—8月中国降水观测格点资料和2012—2013年6—8月ECMWF模式集合预报资料,探索了一种提高四川地区强降水预报准确率的方法——概率阈值订正法,并运用该方法对2012年6—8月盆地东部的降水过程进行批量试验。试验结果表明:订正后的模式预报相比订正前的预报而言,不仅强降水落区更接近实况,而且较大程度地延长了预报时效,能提前6~7天给出强降水过程的警示信息,经过订正后显著提升了ECMWF模式的降水预报水平。

基于概率匹配的西南区域模式定量降水订正试验

利用2014—2015年5—10月地面观测降水资料和同时段的西南区域模式降水预报资料,基于概率匹配方法,采取分区及点对点匹配两种方案对2016年6—8月降水集中时段逐12h累积降水进行订正试验。结果表明:(1)订正后的模式预报相比订正前而言,平均(绝对)误差有所减小,降水落区的范围和平均强度与实况更加接近;(2)量级偏差越大,运用该方法的订正效果越好,夜间降水订正效果优于白天;(3)分区统计方案对模式系统性偏差的订正效果优于点对点方案,合理的区域划分增加统计样本量可以提高订正效果。

四川区域暴雨过程中短时强降水时空分布特征

利用2007~2012年5~9月四川省3079个观测站的分钟级降水资料,并结合SRTM（Shuttle Radar Topography Mission）提供的分辨率为90m的地形高程数据,采用统计分析方法,分析了四川省区域暴雨过程中短时强降水的时空分布特征。结果表明：（1）四川省区域暴雨过程中短时强降水主要出现在盆地的三个区域：雅安-乐山-眉山地区、遂宁-资阳地区、绵阳-广元-巴中地区。（2）强降水过程主要发生在后半夜到凌晨（01~08时）,不同区域的强降水过程具有各自明显的日变化特征。（3）可以用3mm/10min的标准线来区分四川盆地强降水过程与非强降水过程。短时强降水过程降水率一般为3~6mm/10min,地形对短时强降水率的整体分布影响不大,但是对降水率的极端值影响较大。

四川盆地一次持续性雾霾天气过程分析

利用空气质量监测资料、NCEP分析场资料、常规气象观测资料,对2014年1月22日-2月4日四川盆地一次持续性雾霾天气过程的特点及环流背景进行了分析。结果表明：此次持续14天的雾霾天气过程发生在中高纬纬向型环流背景下,青藏高原到四川盆地的西风气流不利于冷空气南下以及降水的产生,同时我国大部分地方处于地面高压内的均压场中,气压梯度力小,近地面风速小,有利于雾霾的形成和维持。大气混合层高度的变化对雾霾之间的转换有很好的指示作用,霾的混合层高度比大雾和轻雾的高,且霾的相对湿度比低,温度露点差比雾大,逆温强度比雾弱,这些都为雾霾之间的转换预报提供了很好的参考依据。

成都地区2012年PM10污染过程气象条件分析

利用PM10日平均值统计资料、NCEP 2.5°×2.5°分析资料以及温江站探空资料,针对2012年发生在成都的13次PM10典型污染过程进行了环流背景、动力条件、稳定度条件以及水汽条件的分析。结果表明:(1)PM10典型污染过程多发生在南支波动较弱的环流型下,我省受偏西气流或西北气流控制。(2)大气中低层垂直运动较弱,低层为弱辐合,辐合层次较低,不利于污染物的水平和垂直扩散。(3)对流层中下层中常有逆温层或等温层存在,大气热力状态较稳定。(4)大气多为上干下湿的状态,湿层较浅薄。

四川地区EC细网格模式2m温度偏差订正研究

本文选取2017年1~12月ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式168h预报时效的2m温度场和对应时段四川地区157个国家站的观测资料,对比分析了模式温度预报的系统性偏差特征,采用15日周期的滑动双权重平均法对2m温度预报产品进行偏差订正,并与四川省气象台现有的主、客观预报产品进行对比,结果表明:(1)EC模式对低温的预报准确率远高于高温预报准确率;订正后高、低温预报准确率均有显著提高,其中低温平均提高了20.5%,高温提高了31.2%,平均绝对误差分别减小约1.1℃和2.9℃。(2)EC模式高温预报的逐月差异明显比低温预报逐月差异大,订正后差异明显减小,且各月的高、低温预报准确率均有显著提升,订正后各月高、低温的平均绝对误差均在2℃之内。(3)EC模式对于低温和高温的预报在全省均大致呈现负的系统性误差,且高温预报的系统性误差明显比低温预报的系统性误差大,订正后2m温度预报的系统性误差均明显降低,全省大部分地区维持在±1℃之间。(4)与四川省气象台现有的主、客观预报产品对比显示,对于高低温预报均是EC订正后准确率最高、平均绝对误差最小,订正效果较为理想。

2012年成都市PM_(10)污染与地面气象条件的相关性分析

为了解2012年成都市PM10浓度分布情况及其与地面气象条件的相关性,通过分析2012年PM10浓度的分布情况,选取了13次污染过程,并对这些过程中的地面气象要素情况进行分析。结果表明,PM10浓度呈波状分布,其中3月和11月分别达到峰值,7月为全年最低;过程期间各变量具有以下特征:PM10浓度与温度呈正相关,与气压呈负相关,当有降温升压时PM10浓度减小;24小时变压变温都较小,表明天气较稳定;地面风速小,普遍小于2m/s,且主要为弱偏西偏北风,而当风速增大时有利于PM10的扩散;低能见度与较大的相对湿度对应较好,二者有明显的负相关。

四川地区多模式2m温度预报性能分析及集成方法研究

本文通过分析2017年9~12月四川地区ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式、GRAPES_GFS(Global and Regional Assimilation and Prediction System)全球模式和西南区域模式(South West Center-WRF ADAS Real-time Modeling System, SWCWARMS)2m温度168h预报时效内的系统性偏差特征,采用滑动双权重平均法分别对三种模式温度预报产品进行偏差订正,并集成得到各时效2m温度的订正场,结果表明:(1)三种模式的预报存在明显的日变化,整体上EC模式的预报最优。(2)三种模式对于低温和高温的预报,在全省均大致呈现负的系统性误差,特别在高原及过渡区表现的尤为明显。(3)订正后三种模式的预报准确率显著提高,均方根误差减小1.4~2.5℃,大部分地区平均误差维持在±0.5℃之间,在系统性偏差较大的地区,订正效果更好。(4)两种集成方案预报结果接近,且均优于三种模式的订正预报。

南支槽对四川地区降水影响的定量分析

对1981—2017年NCEP/NCAR逐日再分析资料采用客观方法识别南支槽活动,并结合四川地区156个国家观测站的逐日降水资料,统计分析了南支槽的时空分布特征及其对四川地区降水的影响。结果表明:①南支槽平均每年出现47.9次,月分布呈双峰型,1月和5月出现频次最高;②出现最多的区域为孟加拉湾以北、青藏高原南侧的90°E附近,22°～24°N地区;③11月至次年1月为南支槽的增强期,南支槽强度大致上随着经度的增加而减小,但在86°E和96°E附近为增强区;④南支槽活动同期,约73.97%的对应时段四川地区有降水过程,降水频率大值区主要位于盆地西南部和南部;⑤南支槽位置偏西时四川地区更容易出现降水过程,但呈现出较强降水过程对应的南支槽强度较弱的现象。

四川最高最低气温日变化特征分析

基于1990~2019年四川地区156个气象观测站2 m最高、最低气温逐日数据,分析了最高、最低气温的日变化特征。结果表明:(1)2 m最高气温逐日变化幅度大于最低气温逐日变化幅度,最高气温逐日变温的极大值区位于凉山州东北部,最低气温逐日变温的极大值区位于甘孜、阿坝两州北部;(2)春季最高气温逐日变温幅度明显大于夏、秋、冬季,冬、春季最低气温逐日变温幅度大于夏、秋季;(3)最高气温和最低气温的逐日变温频次分布均呈现单峰型特征,前者峰值位于0~2℃,后者峰值位于-2~2℃。(4)最高气温逐日变化超过6℃的年均频次明显高于最低气温,两者高频区的空间分布与变温幅度大值区较为一致。

四川地区ECWMF模式晴雨预报订正试验研究

利用2016-2019年ECWMF模式降水预报及对应时段的观测资料,设计了最优百分位(OP)、最优TS评分(OTS)、概率匹配(PM)、分区OTS和分区PM-OTS融合共5种方案,对数值模式晴雨预报展开了订正试验。结果表明:(1) OP和PM方案的晴雨订正阈值为静态阈值,OTS方案为动态阈值。5种方案的阈值均适用于A区(盆地、阿坝州和甘孜州北部),其中PM、分区PM-OTS融合方案阈值更适用于数值模式湿偏差明显的B区(甘孜州南部和攀西地区)。(2)各方案对ECWMF模式晴雨预报均有明显的订正能力,24 h时效订正效果最优,B区订正效果优于A区,秋冬季节优于春夏季节。(3)分区后的订正方案晴雨评分优于分区前,其中分区PM-OTS融合方案评分最优。个例和批量试验表明,A区各方案订正效果相当,B区以PM、分区OTS和分区PM-OTS融合3种方案订正后的雨区分布与实况更接近,其中分区PM-OTS融合方案订正效果最优。

1961-2018年四川盆地夜雨特征分析

本文根据1961~2018年5~9月20~08、20~20时降水数据,和2010~2018年逐小时降水资料,利用EOF等方法分析了四川盆地夜雨率、夜雨强度及夜雨频次的时空变化特征,结论如下:(1)夜雨率EOF展开的第一特征向量(占总方差的17.1%)显示四川盆地为一致的变化特征,夜雨强度EOF第一特征向量(占21.5%)为以105.5°E为界的经向偶极型空间分布。(2)夜雨高频次中心位于雅安、乐山和眉山3市的交界区域,盆地西部沿山,盆地西南部和南部为次高频区,盆地东北部和中部为低频区。降水频次随时间呈明显的单峰特征,02~05时为峰值时段。(3)小雨至大雨逐日、月夜雨率与夜雨强度呈反位相变化,夜雨率先下降后上升,夜雨强度先上升后下降,7、8月为过渡时段。各量级夜雨率、夜雨强度逐年变化曲线呈波状分布,无明显上升或下降趋势。