统计预报海温场驱动的CAM3.1模式预报试验

基于动力气候模式进行月-季尺度预报的"两步法"思想,提出一种新的预报海温场统计模型,并以该统计模型预报的海温场驱动NCAR CAM3.1模式对1981—2000年月时间尺度的东亚500 hPa高度距平场进行客观回报试验;在此基础上,提出了对预报结果的订正方法。结果表明:统计预报海温模型的预报海温场能够反映出全球海温空间分布的基本特征,并对表征ENSO事件的Ni(?)o3.4区海温变化的预报能力较强。该统计模型预报的海温场驱动的CAM3.1模式可以较好地预报出东亚500 hPa环流的主要分布特征,试验表明:适当的统计订正方法可以在一定程度上提高CAM3.1模式对东亚夏季500 hPa环流背景的预报技巧。

中国东部夏季降水与东亚垂直环流结构及其预测试验

本文在分析中国东部夏季降水的时空分布特征基础上,从东亚高、中、低层大尺度环流异常着手,选取对中国东部夏季降水异常有显著影响的大气环流预报因子,分别应用逐步回归和最优子集回归法两种统计降尺度方法,以动力气候模式CAM3.1预报输出的大气环流预报因子为基础,以中国东部夏季降水的典型空间分布型为预报对象,建立动力与统计相结合的中国东部夏季降水预测模型,并对1981～2000年的中国东部夏季降水进行回报试验。结果表明:中国东部夏季降水具有4类典型的空间分布型式,且具有显著的准2年和年代际尺度振荡周期;东亚高、中、低层大气环流异常的特定配置,对东部夏季降水的空间分布型有显著影响;使用两种降尺度方案建立的动力与统计相结合的预测模型对中国东部夏季降水异常具有一定的预报技巧,可以在一定程度上提高动力模式对中国东部夏季降水的预报效果。

青藏高原地形对5、6月北半球环流影响数值模拟

利用NCAR CAM3.1模式进行了有无青藏高原地形的试验,通过两组试验结果的比较,研究了青藏高原地形对5、6月北半球500 hPa环流的影响。结论如下:春末夏初在北半球存在类似Rossby波列状的距平中心,5月波列产生于高原北侧的蒙古附近,途经鄂霍次克海、阿留申地区,到达北美西海岸;6月,由于西风急流北移、减弱及高原上空的非绝热加大,波列的产生地移至高原西北侧的巴尔喀什湖附近,强度减弱,造成该波下游的鄂霍次克海、勘察加半岛、阿拉斯加海域的强度相应减弱。另外,5月在鄂霍次克海和日本以东洋面附近的异常中心类似于负位相的OKJ波列,可以视为对正位相OKJ波列东段形成抑制作用;6月由于鄂霍次克海附近的负异常强度很弱,对OKJ波列东段的抑制作用很弱。

青藏高原沙漠化对东亚沙尘气溶胶的敏感性模拟分析

为了认识青藏高原严重沙漠化将产生的沙尘气溶胶及其影响,利用全球气溶胶气候模式CAM3.1对青藏高原沙漠化进行了敏感性模拟试验,进而探讨了高原沙漠对东亚大气气溶胶的最大可能贡献。结果表明,青藏高原上潜在的起沙源区主要分布在临近柴达木盆地的高原西部、藏南地区以及青南高原;高原起沙量春季最大,秋季次之,冬季第三,夏季最小。沙漠化的高原除了显著增加了高原上大气沙尘气溶胶的浓度,也显著增加了中国中西部地区近地面大气边界层的沙尘气溶胶浓度,远距离传输至中国中西部地区、东伸到达中国东海岸,甚至朝鲜半岛、日本直至太平洋上空对流层中部的沙尘气溶胶浓度同样增加明显。青藏高原沙源在近源区(即青藏高原及周边地区)的高贡献主要在低层,而在远源区(如日本岛南部海域及中太平洋区域)的贡献主要在高层。高原沙尘气溶胶极易被扬升到西风带,成为全球最高效率的沙尘远程传输源地。青藏高原沙漠化可能使其成为全球重要的沙尘气溶胶源地。

基于广义线性模型和NCEP资料的降水随机发生器

天气发生器可以用来插补历史缺测气象数据或生成未来天气情境,近年来被普遍应用于对气象变量的降尺度研究,为陆面的水文、生态模拟提供外强迫输入。广义线性模型(GLM)是近年来用于建立大尺度气象变量与地面气象因子之间的一种有效方法,基于GLM的天气发生器具有一定的应用前景。本文以NCEP再分析资料中的单格点气温、500hPa位势高度、位温、相对湿度、海平面气压等5个变量作为影响降水变化的大尺度因子建立模拟逐日降水量的广义线性模型。模型中对降水概率的描述采用Logistic模型模拟,而对降水量则分别试用Gamma分布、指数分布、正态分布和对数正态分布来模拟,试图比较和揭示这些基于不同理论分布的模型的能力。模型中待定参数的估计及对研究区逐日降水量的模拟采用了完全相同的实测逐日降水数据和同期NCEP再分析资料。参数的最大似然估计用遗传算法来实现,对山东省临沂地区10个主要气象观测站降水资料的研究表明,Gamma分布模型的拟合效果最好,对数正态分布次之,指数分布再次,正态分布最差;参数估计分月获取的拟合效果略好于不分月的。模型逐日降水模拟表明,对降水发生概率的模拟会低估各月的多年平均值,基于指数分布的GLM会低估各月总降水量期望(为月内每日降水量期望之和)的多年平均值,而基于对数正态分布的GLM则会在降水量较大时产生高估现象。由对应的天气发生器模型生成的随机模拟降水序列表明,基于对数正态分布的模型会高估月降水量较大时的多年平均,而基于指数分布及Gamma分布的模型则模拟效果较好。总体上看,这种基于NCEP再分析资料和GLM的天气发生器对降水变率具有很强的解释和模拟能力。