基于ERA-5高分辨率资料的高原低涡客观识别方法研究

利用ERA5的500 hPa逐小时再分析资料(0.25°×0.25°),以高原低涡的天气学特征为依据,设计研究基于高时空分辨率网格资料的高原低涡客观识别算法,并对1990~2019年暖季的青藏高原低涡进行识别,建立高原低涡数据库。该算法通过客观标准提取低涡特征点、并采取DBSCAN算法(一种基于密度连通性质进行聚类的方法)进行特征点聚类分析,以相邻时次之间低涡的重合状况、临近程度和既往生命时长为依据对低涡进行追踪匹配,得到合理的低涡路径,将孤立的低涡连接成动态发展的低涡过程。利用《青藏高原低涡切变线年鉴》(简称《年鉴》),针对2017年暖季(5~9月)低涡对比分析与本文的客观识别结果的异同,结果表明:客观识别低涡的月分布特征以及移出高原低涡的占比与《年鉴》相似,典型的长生命低涡能被正确识别,可见客观识别算法及其数据库具备一定的可靠性和实用性。但客观识别的低涡总数量多于《年鉴》,并且源地为“西部型”的低涡也较多。究其原因,更精细的网格尺度能将低涡在更早的生命时期提取出来,可能会将《年鉴》中的“东部型”低涡进一步追溯到更靠西的位置。此外由于青藏高原西北部观测站点较为匮乏,导致生成于高原西北部的低涡在《年鉴》中未能体现出来,也是低涡数量存在差异的重要原因。

四川盆地典型“西南型”盆地涡特征研究

盆地涡是西南涡的一种类型,是指在700 hPa等压面上生成于四川盆地,连续有两次闭合等高线的低压或3个站风向为气旋性环流的低涡。它是造成四川盆地降水的主要系统,而“西南型”盆地涡是盆地涡中发生频率最高、强度较强的一类。本文利用ERA5(0.25°×0.25°)逐小时再分析资料、GPM卫星降水资料以及《西南低涡年鉴》等,探讨了2020年6月26-28日发生于四川盆地的一次典型“西南型”盆地涡的特征和发生发展机制。结果表明:此次盆地涡生成于四川盆地西南部,随后向东北方向移动,到达四川东北部后转向东行,进入重庆后消亡,生命史共计48 h。该盆地涡的形成发展与其位于200 hPa南亚高压东北侧及高空急流入口区右侧的辐散区,以及500 hPa短波槽前正涡度平流造成低层减压密切相关。700 hPa上四川盆地西南部位于低空急流的左前方,有利于辐合上升运动的发展和低涡形成。700 hPa盆地涡东北方向的锋生大值区、低空急流的加强北上以及500 hPa高空槽前西南气流的引导作用,是低涡向东北方向移动的主要因素。随着200 hPa南亚高压中心东移到江淮上空以及高空急流减弱,500 hPa短波槽随之东移,盆地涡位于槽后的负涡度平流区,垂直方向转为下沉运动,地面加压,低涡逐渐减弱消亡。对涡度收支方程各项分析发现,低空辐合是盆地涡强度增加的主要贡献项,由低空辐合导致盆地涡正涡度的增加几乎贯穿了低涡整个生成发展阶段。此外高空正位涡大值区的存在、盆地涡降水的凝结潜热释放等,也对本次盆地涡的发展和移动起到了重要作用。

江西省地闪特征及其与雷达特征量关系研究

利用2013—2020年3—9月江西省多普勒天气雷达和地闪观测资料,对地闪分布特征及其与雷达主要特征量之间的关系进行统计分析。结果表明:江西省地闪频数从东北到西南逐渐减小,其北部鄱阳湖平原为地闪频数高值区;地闪频数具有明显的季节变化和日变化特征,总地闪频数在16:00达到一天的峰值;地闪频数与低层(3 km)雷达回波强度的关系可用对数拟合方程来描述,地闪频数与低层雷达回波面积的变化趋势正相关,回波越强相关性越强,但二者存在位相差,地闪增加先于回波面积增加的情况约占57%~60%,大多数情况下可在18 min内发现两者均有增加;箱线图特征显示,随着回波强度增大,地闪发生时的回波伸展高度相应减小,而回波厚度略增大,从而得出不同强度回波的地闪发生格点周围10 km半径范围的雷达回波特征。

一次高原涡东移引发江淮强降水的动热力机制分析

利用ERA5(0.25°×0.25°)逐小时再分析资料,TRMM卫星降水资料和FY-2E卫星黑体亮温(TBB)资料等,探讨了2017年7月7-9日的一次移出高原涡形成发展的环流背景和移动特征,以及引发江淮流域强降水的动热力机制,并应用HYSPLIT4模式追踪江淮流域强降水的水汽源地。结果表明:此次高原涡生成于高原中部,先向东南方移动,到达四川中部后转为东北向移动,生命史为39 h。200 hPa南亚高压和高空急流强度较强,低涡位于高空急流入口区右侧的辐散区,促使低涡形成和发展。500 hPa低涡前部的负变高中心以及西太平洋副热带高压边缘的西南气流引导低涡的东移和转向。低涡移出高原后处于高空槽前正涡度平流造成的减压区,加之大地形背风坡有利于气旋性涡度增强,低涡得以发展。低涡下高原后沿江淮切变线移动,槽后的冷空气与携带孟加拉湾和南海水汽的偏南气流汇合,在锋生作用下低涡发展为江淮气旋,降雨量迅速增强达到大暴雨标准。高低空急流的耦合和低层对流不稳定的发展加强了动力抬升作用,有利于江淮强降水的形成。强降水的水汽源地主要为南海和孟加拉湾,降水最强时段对应辐合上升运动最强,对流云发展旺盛使降水得以维持。

我国气温网格预报检验及客观订正方法研究进展

中国气象局自2014年启动无缝隙精细化网格天气预报业务,高分辨率的智能网格预报已成为天气预报目前的主推业务和未来的发展方向。近年来,随着数值模式统计后处理技术的飞速发展,气温网格预报质量稳步提升。本文在总结现有气温网格预报精细化检验评估方法的基础上,系统梳理了单模式订正、多模式集成释用和大数据人工智能等数值模式释用技术在气温网格预报客观订正领域的最新进展,阐明了不同方法在气温网格预报领域的优势和劣势。在当前人工智能、大数据、云计算等新型信息技术快速发展的背景下,未来气温网格预报需要吸纳更加多源的前沿研究成果,充分挖掘数值模式内在预报信息,使得预报向更加智慧化方向迈进。

青海省洪涝灾害及致洪降雨特征综合分析

利用2008-2020年青海省常规气象站和区域站逐小时降雨资料,以及青海省洪涝灾情直报记录,使用直接经济损失、受灾总人数、倒塌房屋数、农业经济损失、农业受灾面积等多种灾情要素以比值法构建灾损指数,再利用百分位法将洪涝灾害划分为一般、较重、严重、特重四个等级。分析不同等级洪涝灾害分布特征及差异性,并与青海省降雨特征进行对比分析。综合利用主成分分析、箱线图分析以及相关分析等方法,探讨导致青海省洪涝灾害的主要降雨因子以及区域间的差异性特征。结果表明:青海省洪涝灾害频发,洪涝灾害所造成损失总体呈现加剧状态,较重、特重灾害在2016年后频次明显增多,而每年7、 8月则是青海省洪涝灾害高发时期。洪涝灾害频发区域和受灾最为严重区域均位于青海省东部,其中海南州是洪涝灾害最为频发区域,海东市是灾害损失最严重区域。诱发青海省洪涝灾害的降雨过程主要为大雨以上降雨。青海省致洪降雨过程可分为两类,第一类降雨过程历时短但雨强大,造成累积降雨量较大,降雨历时在12 h内。第二类为降雨过程历时较长造成累积雨量较大,这类降雨历时超过12 h。诱发青海省东部城市洪涝灾害的降雨过程以第一类为主,多发于青海省东部城市海南、黄南、海北、西宁和海东(黄南、海北、西宁和海东等地也有第二类致洪降雨过程),致洪降雨强度明显高于其他地区;第二类致洪降雨多出现在海西州和玉树州等地。降雨过程中累积降雨量和24 h降雨量同洪涝灾害造成的损失有着紧密联系,较长的降雨历时则会进一步加剧洪涝灾害损失。