南亚高压在NCEP-2和MERRA再分析资料中的对比分析

通过双线性插值、相关分析、Morlet小波分析等分析方法,围绕新高分辨率再分析资料MERRA的可用性,对比分析了NASA高分辨率再分析资料MERRA和NCEP-DOE（NCEP-2）再分析资料中100hPa南亚高压的活动特征.结果表明：100hPa上,NCEP-2和MERRA资料南亚高压的特征线数值不同,NCEP-2资料为1680dgpm,比MERRA资料大4dgpm,但MERRA资料南亚高压的范围明显大于NCEP-2资料.除东伸指数外,NCEP-2和MERRA资料反映的南亚高压同一特征指数年际变化趋势基本一致,特别是两种资料南亚高压脊线指数的年际变化曲线基本重合.以20世纪90年代初为界,之前,NCEP-2资料南亚高压东伸指数、面积指数和强度指数正异常,MERRA资料南亚高压东伸指数、面积指数和强度指数负异常,NCEP-2中的指数值大于MERRA中对应的指数值;之后,反之.NCEP-2和MERRA资料南亚高压面积指数、强度指数的气候均值间存在显著差异.NCEP-2和MERRA资料南亚高压强度指数的方差间存在显著差异.两种资料反映的夏季南亚高压同一特征指数的显著周期在1979～2009年有很好的一致性：都具有相同的显著周期,并且位相也基本吻合,但两种资料在反映南亚高压主周期特征上存在一定差异：南亚高压面积指数、强度指数在MERRA资料中以准4年周期为主,在NCEP-2资料中则同时表现为准4年和8～9年两个周期.

利用MERRA数据对测风数据进行代表年订正的研究

以云南省3个山地风电场为例,分别利用当地气象站数据和MERRA气象数据对场内测风塔满1年的测风数据进行了代表年订正。结果表明,MERRA数据满足参考气象数据的各项要求。与气象站数据相比,获得MERRA数据的地理位置与风电场的距离接近,地表下垫面也与风电场相似,观测地点远离城镇,观测环境不易受到破坏。案例中MERRA数据与测风数据的相关性也优于气象站数据。对于地形条件复杂的山地风电场,在没有合适气象站的情况下,采用MERRA数据对测风数据进行代表年订正是可行的。

三套再分析降水资料在东北地区的适用性评价

利用1980—2010年东北地区84个气象站月降水资料,基于相关分析、偏差比较、气候倾向率等方法,从不同时间尺度(年、季、月)对CFSR,MERRA和NCEP再分析降水资料在东北地区的适用性进行了比较,结果表明:三套再分析资料能够反映出东北地区年均降水东南多、西北少的分布特征,其中CFSR和MERRA对东北地区年均降水分布的刻画能力要好于NCEP。在年尺度上,CFSR和MERRA与观测资料的变化幅度更接近,其中,MERRA年均降水量与观测资料的差值最小,为42.4mm。三套再分析资料与观测资料在不同季节的相关性表现出一定的差异。首先,CFSR与观测资料在春、夏、秋3季的相关性要好于冬季;而MERRA与观测资料的相关性则是春、秋两季最优,冬、夏两季次之;NCEP在冬季与观测资料的相关性最好。其次,CFSR和MERRA在春、夏、秋3季与观测资料的相关性要好于NCEP;而在冬季,MERRA和NCEP与观测资料的相关性优于CFSR。在月尺度上,MERRA资料与观测降水的相关性优于CFSR和NCEP,MERRA与观测降水的平均绝对偏差在三套再分析资料中最小,为17.5 mm,CFSR和NCEP的这一差值分别为20.7mm和22.6mm。

基于卫星遥感数据和污染控制政策分析河南省2001—2018年SO_2浓度变化特征

为研究河南省长时间序列的ρ(SO_2)变化特征,运用MERRA-2卫星遥感资料并结合《大气污染防治行动计划》的实施,对河南省2001—2018年ρ(SO_2)的时空分布特征进行分析.结果表明:①河南省2001—2018年ρ(SO_2)的空间分布呈东北高、西南低的特征,高值、低值区域分别位于焦作市-新乡市-郑州市北部一带和洛阳市-三门峡市-南阳市交界一带;秋季、冬季ρ(SO_2)高于春季、夏季,冬季ρ(SO_2)比春季、夏季高50%~70%.②2011年前,河南省年均ρ(SO_2)不断上升,北部较南部增速快,年均增速为3.5~4.0μg(m 3·a);2011年后,西北部大部分地区ρ(SO_2)呈下降趋势,焦作市-新乡市-安阳市一带下降最快.③2013年《大气污染防治行动计划》实施后,河南省北部ρ(SO_2)呈递减趋势,濮阳市及其周边下降最快,降速超过0.4μg(m 3·a);但中南部仍呈缓慢增长趋势,增速高达0.6μg(m 3·a).研究显示,主要污染物总量的减排和《大气污染防治行动计划》的实施促进了河南省ρ(SO_2)的下降,但不处于京津冀大气污染传输通道“2+26”城市的地区ρ(SO_2)下降速度较慢甚至略有增长,应进一步加大非传输通道城市大气污染防治力度.

基于NCEP、ECMWF、MERRA三套再分析数据的全球山脉力矩数据集(1979-2012)

山脉力矩是大气与固体地球角动量交换的传输途径之一,直接影响大气环流的状态。作者采用Huang等(1999)修正的山脉力矩计算方法,利用目前较为广泛使用的NCEP(National Centers for Environmental Prediction)、ECMWF(European Centre for Medium-Range Weather Forecasts)和MERRA(The Modem Era Retrospective analysis for Research and Applications)三套再分析数据,计算得到全球范围内1979–2012年平均的山脉力矩空间分布数据;并计算了1979–2012历年欧亚大陆、北美洲和南美洲三个区域的山脉力矩距平,得到基于三套再分析数据的全球山脉力矩数据集。本数据集包括两部分:(1)1979–2012年欧亚大陆、北美洲和南美洲三个区域每年的山脉力矩距平数据;(2)1979–2012年平均的全球山脉力矩空间分布数据。其中基于NCEP数据的结果空间分辨率为T62高斯格点(192×94),基于ECMWF数据的结果空间分辨率为0.75°×0.75°的均匀格点(480×241),基于MERRA数据的结果空间格点为(2/3)°经度×(1/2)°纬度(540×361)。本数据集存储为.xlsx、.grd和.nc格式,由7个数据文件组成,数据量2.53 MB(压缩为1个文件,1.58 MB)。该数据集的研究成果已经发表在《气象学报》2017年第75卷第3期。

基于再分析数据的测风数据插补方法

研究了MERRA网格点与输入变量的数量对插补精度的影响.以人工神经网络与遗传算法为工具建立MERRA数据与缺测数据相关关系的数学模型,基于该模型对现场缺测数据进行插补.该方法解决了在缺少合适参考气象站、参考测风塔数据时的缺测数据插补难题.以湖北某山区风场为例进行验证,结果表明:插补精度与选取的MERRA格点数量一定范围内呈正比关系,输入模型变量的较优选择为风速、风向、单位时间气温变化、日夜以及季节,计算得到的插补数据与缺测数据相关系数达到0.814,相对采用参考气象站数据和参考测风塔数据作为数据来源的方法,相关系数分别提高97.6%和10.3%.