青藏高原东部地形对四川盆地东北部一次暴雨过程的影响

针对2021年8月8日发生在四川盆地东北部的一次暴雨,利用地面观测和再分析资料,结合WRF(Weather Research and Forecasting)敏感性数值试验,研究了青藏高原东部地形对本次暴雨过程的影响和机理.结果表明,暴雨发生期间四川盆地主要受500 hPa高压脊影响,青藏高原东南侧绕流形成的西南气流向暴雨区输送暖湿空气,并在盆地形成低涡.高低空系统的耦合使得气流辐合抬升,为暴雨发生提供了良好条件.当青藏高原东部地形高度降低以后,地形对气流的阻挡作用减弱,原先高原东南侧绕流产生的西南气流减弱变为偏西气流.同时,高原东北侧的西北气流加强并南下,进一步减弱四川盆地的南风分量和水汽输送,最终导致水汽在四川盆地东南侧聚集和暴雨落区的南移.

基于概率模型的四川省降水诱发地质灾害风险预警方法研究

开展降水诱发地质灾害风险预警是降低地质灾害风险的重要手段之一。基于2008-2019年四川省地质灾害历史灾情数据,在地理分区基础上,以地形、岩土、植被、气候因子为区划评价因子,采用信息量模型,将四川省划分为7个地质灾害分区。以正态化处理后的地质灾害有效降水量为建模因子,采用高斯拟合方法,建立各分区降水诱发地质灾害概率模型,并进行地质灾害预警检验。结果表明:(1)四川省可划分为盆地及盆周山区低易发区、中等易发区、高易发区,西南山地次易发区、易发区,川西高原次易发区、易发区等7个地质灾害分区。(2)ROC(Receiver Operating Characteristic)曲线分析表明,盆地及盆周山区的地质灾害分区精度略低于西南山地区和川西高原区的分区精度。(3)各分区正态化处理后的有效降水量与地质灾害频率具有很好的高斯分布关系。(4)建立的降水诱发地质灾害概率模型的地质灾害预警成功率为72%,当日降水量≥10 mm时,地质灾害预警成功率为83%。

夏季青藏高原及周边大气热源与四川盆地暴雨的关系

利用1960-2016年川渝逐日降水资料和NCEP/NCAR再分析资料,分析了夏季青藏高原及周边大气热源与四川盆地暴雨的关系。结果表明,青藏高原及其周边的大气热源对四川盆地夏季暴雨频数具有显著的影响。影响关键区分别位于高原中南部及其南侧和高原中东部及其东侧,由此定义了一个影响四川盆地夏季暴雨频数的高原热力差指数Itc,该指数能够较好地反映出盆地夏季暴雨频数的东、西部差异变化特征。当Itc偏高时,副高位置偏西偏北,阿拉伯海、孟加拉湾水汽输送增强,同时贝加尔湖西侧槽或低压位置偏西,盆地西部水汽辐合上升异常增强,暴雨明显偏多;而盆地东部暴雨偏少。当Itc偏低时,副高位置偏东,来自于东南沿海的水汽输送在盆地东部增强,同时贝加尔湖南侧多阻塞形势,使得水汽在盆地东部辐合上升增强,产生暴雨偏多;此时盆地西部暴雨偏少。

四川省水稻综合气象灾害风险区划

本文利用1981-2012年四川省82县的水稻单产资料,采用HP滤波法,进行水稻气象产量分离,分歉收年和成灾年两个年型,研究四川省水稻单产平均减产率、减产率变异系数和不同等级减产率风险概率的空间分布特征,并基于成灾年风险区划指标,开展四川省水稻综合气象灾害风险区划。结果表明:HP滤波法可用于四川省水稻气象产量分离,四川省水稻气象产量具有显著的准4 a、7 a周期振荡特征。平均减产率从西南向东北方向呈现"高–低–高"分布特征,80%以上县歉收年平均减产率介于2%~7%,成灾年平均减产率介于6%~15%。各县歉收年减产率变异系数介于0.6~2.2,成灾年减产率变异系数介于0~1.2;减产率变异系数相对高值区位于西南山地西部、盆地南部和盆地北部山地。各级减产率风险概率大值区主要集中于广元和巴中地区,还包括盐亭、古蔺、盐源、越西等县。四川省水稻综合气象灾害高风险区主要分布于盆地北部、盆地南部和西南山地西部等山区,中等风险区主要分布于盆地丘陵区及盆周低山区,低风险区主要分布于盆地平原、浅丘区和凉山州中东部。风险区划结果与四川省气象灾害分布和水稻农业气象灾害分布的研究成果相吻合,可为四川省水稻防灾减灾提供科学依据和重要参考。

WRF模拟青藏高原东南部极端旱涝年降水的参数敏感性研究

为了进一步评估和提高区域模式对青藏高原地区极端气候的模拟能力,利用WRF模式,采用不同模式参数(包括边界位置、积云对流、边界层参数化方案和水平分辨率)模拟了青藏高原东南部极端旱(2006年)、涝(1998年)年夏季降水。对比不同参数模拟的降水结果表明:整体而言,无论是旱年还是涝年,除南边界以外的模式边界位置对高原主体和东南部降水模拟的影响较小;边界层方案对降水空间形态的模拟影响较小,而对降水量级的影响较大;积云对流方案对降水空间形态和量级的影响均较大;采用15 km水平分辨率时可显著改善模式对高原主体和东南部降水的模拟水平。WRF采用适当的参数组合能较好地模拟高原主体和东南部降水的空间分布,但降水量偏大。整体而言,能较好模拟旱年降水的边界层和积云对流参数化方案组合也能较好模拟涝年降水。模式模拟的高原南侧降水偏多可能使高原南侧西风偏强,并进一步造成云南西南部降水偏多;湖南南部降水偏多可能在云南东北部至贵州地区激发出较强的气旋式环流偏差,该偏差环流在四川盆地形成异常强的偏北风,导致低纬度地区进入四川盆地的水汽偏小,从而在四川盆地形成明显的相对干偏差。因此,模式在四川盆地降水模拟能力的提高不仅要做好参数的本地化工作,还需要关注盆地以外地区的影响。

冬季四川盆地霾天气的环流特征及其对前期青藏高原热力作用的响应

本文利用NCEP/NCAR、ECMWF大气环流资料以及四川盆地101站气象站点资料等,通过线性相关分析、合成分析等统计方法,分析了冬季四川盆地霾天气气候特征及其对应的关键环流系统和对前期青藏高原热力作用的响应。结果表明:冬季四川盆地季霾日数呈弱增加趋势;四川盆地三大城市群为冬季霾多发区。影响冬季四川盆地霾天气的关键环流系统是高低空正压结构的高度场正距平、异常下沉运动以及异常偏弱的西伯利亚高压;影响霾天气的关键环境条件为偏西北风异常控制、稳定大气层结易于建立、边界层高度偏低且相对湿度偏低。前期11月青藏高原关键区热力作用是影响冬季四川盆地霾天气频发的重要外强迫因子。当前期11月高原关键区热源指数偏低时,冬季阿留申低压及西伯利亚高压显著偏弱,自北大西洋到西北太平洋存在一个类似于南支槽波列系统的弓形波列,青藏高原—四川盆地为正位势高度场距平控制,盆地上空为反气旋环流控制,配合异常的下沉气流,从而有利于霾的形成。青藏高原大气热源的异常及其耦合的四川盆地霾日数异常都可能是上游波列,尤其是中纬度北大西洋的扰动传播的结果,并受到青藏高原“背风坡”东侧下沉气流影响,导致霾日数偏多。

气象干旱综合指数MCI在四川省的适用性分析及修订

使用1991—2013年四川省156站逐日气温、降水资料和干旱灾情资料,利用灰色关联方法建立了实际干旱灾害等级划分标准,进而分析了MCI指数在四川省的适用性,最后利用投影寻踪方法对MCI指数进行修订。结果表明:选择农作物受灾面积、社会受灾人口和直接经济损失三项指标建立的灰色关联度可以很好的表征干旱灾害的综合损失情况。适用性分析表明,基于MCI的干旱等级评估准确率普遍偏低,其中实际发生特旱21次,而MCI评估结果达115次。MCI指数对旱情等级评估偏重,这可能与四川省灌溉和供水能力逐渐提高有关。以灾害灰色关联度为参考序列,利用投影寻踪方法揭示MCI各个分量对实际旱灾的影响,找到最优投影方向,建立了MCI指数的修订系数。修订后的MCInew较MCI对旱灾等级的评估能力明显提高,其中对特旱评估的准确率从16.5%提高到62.5%,个例分析也表明MCInew与实际旱情的发生发展过程更加吻合。

不同边界层参数化方案在中国西南地区东部高分辨率气候模拟中的敏感性研究

为了进一步评估和提高区域模式对西南地区东部高分辨率气候的模拟能力,利用WRF模式,采用多种边界层参数化方案(下称“不同方案”)对西南地区东部1998—2019年夏季降水和气温进行双重嵌套模拟(外层为D01,内层为D02)。对比不同方案模拟结果表明:多年平均降水量在D01中基本为湿偏差;D02中在四川盆地和重庆低海拔地区为干偏差,湿偏差主要位于贵州和重庆的城口、石柱和武隆一带的地形复杂区;总体上D01中ACM2方案误差最小,D02中MYJ方案误差最小。对多年平均气温的模拟在D01中除了四川盆地一带为暖偏差外其余大部地区基本为冷偏差,D02中大部地区为暖偏差;总体上D01和D02中MYJ方案误差最小,YSU方案最大。对于降水量和平均气温年际变化的模拟技巧在D01和D02中相对较高的地区均集中在重庆中西部和湖北大部地区;降水量总体为YSU方案最高,MYJ方案最低;平均气温总体为MYJ方案最高,ACM2方案最低。因此,提升模式分辨率至对流尺度后对不同气象要素模拟技巧最优的方案存在差异,需根据业务情况选择适合本地的参数化方案。

基于FloodArea模型的成都主城区内涝风险评估

本文以成都主城区为例,运用气象数据、地理信息数据、社会经济统计数据及内涝灾情资料,通过多种常用分布函数的对比,选出重现期降水估算的最优函数,采用Pilgrim&Cordery法推求研究区的小时雨型,然后结合改进的基于FloodArea内涝模型,开展了24 h历时20、30、50、100 a一遇降水情景内涝模拟,并利用修订的内涝公路风险等级标准和财产损失曲线,探讨100 a一遇降水情景下内涝交通风险等级和居民室内财产损失风险。结果表明:①GEV(Generalized Extreme Value Distribution)分布函数是成都主城区重现期降水估算的最优函数;主城区24 h历时小时雨型呈双峰型,且峰值出现在降水过程前部。②基于FloodArea模型,通过对输入数据或参数的改进,能够较好模拟城市内涝空间分布;各降水情景模拟结果显示高新南区、高新西区、青羊区内涝淹没范围占比相较其他地区偏高。③24 h历时100 a一遇降水情景内涝可造成成都主城区86.1%公路长度占比出行困难,其中一级风险公路长度占比为10.5%,二、三级风险公路长度占比分别为27.5%、28.4%,成华区内涝公路风险最高。④24 h历时100 a一遇降水情景内涝可造成居民室内财产潜在损失约占主城区GDP(Gross Domestic Product)的0.8%,其中武侯区财产损失风险最大,潜在损失占其GDP的1.6%。

川西高原冰雹时空分布特征及大冰雹环境条件分析

选取2001—2016年川西高原31个县市气象站逐月冰雹日、3个探空站资料及ERA5逐小时再分析资料,分析川西高原冰雹时空分布特征及冰雹发生的天气背景和环境条件。结果表明:(1)近16 a川西高原冰雹日数总体呈减少趋势,高海拔降雹次数多于较低海拔地区。降雹频率分布曲线呈双峰偏态型,阿坝州的峰值出现在5月和9月,甘孜州出现在6月和9月。降雹主要发生时段为11—21时,占比95.5%,峰值出现在15时和17时。冰雹直径<5 mm冰雹占年降雹的72%以上。(2)连续冰雹天气的发生多伴随有高原低值系统的东移,黄淮低涡西侧的切变是影响夏季阿坝地区的重要天气系统之一。不同季节阿坝北部的大冰雹天气均是在高原低值系统的影响下发生,春、夏季大冰雹个例受明显的冷空气或冷平流的影响。(3)大冰雹个例中,-20℃层高度为7.2~8.6 km,0℃层高度距离地面4 km左右,对流有效位能CAPE≥980 J·kg^(-1)。无论春夏还是秋季,红原大冰雹个例的中低层温差(T600~400 hPa)≥21℃且600~400 hPa垂直风切变达到15~21 m·s^(-1),有利于形成高度组织化的对流风暴。

四川盆地一次持续性暴雨的水汽输送特征

为深入认识四川盆地持续性暴雨的水汽特征及来源,提高该地区暴雨预报能力,利用四川省4955个国家级及区域级自动气象站资料、全球资料同化系统(Global Data Assimilation System,GDAS)资料、欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)第五代大气再分析资料(ERA5),基于拉格朗日方法对四川盆地2020年8月的一次持续性暴雨过程的水汽输送特征进行了分析。结果表明:强降水开始前和强降水过程中,不同起始高度层水汽输送特征有所不同。中高层起始高度(5500~10000 m),强降水开始前气团轨迹源地主要为低纬洋面,而在强降水过程中调整为地中海南岸并为盆地带来中高纬西风带干冷空气;中低层起始高度(1500~5500 m),降水过程中气团轨迹源地由地中海南岸逐渐调整为低纬洋面并为盆地带来低纬洋面暖湿空气;低层起始高度(地面至1500 m),强降水开始前轨迹源地率先调整为低纬洋面并为盆地输送比中低层更为暖湿的气流。统计不同源地水汽贡献率可知,孟加拉湾—泰国湾的水汽占主导(66.6%)、阿拉伯海次之(23.9%)、中国南海最低(9.5%)。

基于目标对象检验法的四川省两种数值模式暴雨预报对比分析

根据2021年四川省31次暴雨过程预报偏差检验,选取ECMWF预报雨带明显偏西、CMA-MESO预报较好的3次个例,基于目标对象检验法对强降水落区(≥25 mm)从位置偏差、面积偏差、雨带走向和降水强度4个方面对两模式的预报偏差特征和主要原因进行对比分析。结果表明:ECMWF模式降水落区预报较实况偏西偏北,且偏西偏差距离(59.06~123.67 km)显著大于偏北偏差距离(8.23~53.59 km),而CMA-MESO模式雨带走向和位置预报与实况更为接近。两模式降水面积预报均大于实况,ECMWF模式较实况偏大7.0%~34.3%,CMA-MESO模式偏大25.2%~45.9%。两模式降水量平均值预报与实况偏差幅度为-3.5%~20.0%,但降水量极值预报较实况偏差较大,偏差幅度为50.1%~196.9%。检验分析表明,出现在副热带高压边缘,受高原涡或西南涡影响的四川暴雨过程,在ECMWF模式预报强降水落区(≥25 mm)偏西的情况下,CMA-MESO模式可以提供订正参考。

“三审制”在科技学术期刊审稿中的运用——以《高原山地气象研究》为例

本文以《高原山地气象研究》在审稿中采用的编辑初审、编委会复审、主编定审会终审的"三审制"方法为例,分析了专业性较强的科技学术期刊,如何结合自身特点,在审稿工作中合理有效地运用"三审制"的方法,提高期刊质量水平。

山洪灾害临界雨量确定方法对比研究--以雅安名山河流域为例

临界雨量是山洪灾害预警的重要指标,以雅安名山河流域为例,依据山洪灾情记录与逐小时降水数据,采用3种基于数据驱动的统计归纳法和基于灾变物理机制的FloodArea水文水力学方法,对比分析了名山河流域不同降雨历时(1、3、6、12、24 h)的山洪灾害临界雨量。通过研究发现,单站临界雨量法适用于雨量站分布均匀且站点密度高的区域,区域临界雨量法基于流域面雨量而非站点雨量,适用于雨量站布设稀疏的区域,其计算结果较实际情况偏低。灾害与降雨同频率法以县站长时间极值序列为样本,基于概率密度函数计算与灾害发生频率对应的临界雨量值,发现广义极值分布拟合效果最优、对数正态与耿贝尔分布次之。该方法数据需求简单,尤其适用于对灾情记录不全以及站点分布稀疏地区,但其存在山洪频率计算偏低情况下,临界雨量值计算结果偏高的问题,可依据实际情况采用合适的衰减系数,适当调整,减小误差。FloodArea水文模型更适用于精细化山区小流域山洪灾害过程的模拟,计算得到四级山洪灾害预警临界雨量值偏小,实际更接近三级风险雨量值。结果表明,统计方法倾向于高估,而水文模型指标则可能低估,山洪灾害临界雨量的推求可依据数据的实际情况综合采用多个方法进行复核订正。

四川省暴雨过程综合评估模型的研究及建立

利用1961-2013年四川省156个国家级气象观测站的逐日降水资料,按照暴雨过程的识别标准,统计得到851次暴雨过程。选取了4项适用于四川省天气气候特征的暴雨过程评价指标,依据历史重现期划分出各指标的等级标准,并利用欧氏距离函数建立了暴雨过程等级评估模型。为能全面反映整个暴雨过程的强度,构建了一个物理意义清晰的暴雨过程综合强度评估模型。该模型客观地考虑了4项指标的权重及其自身变率,对暴雨过程的描述更加科学。通过对历史暴雨过程进行评估分析,发现评估结果与历史灾害事件的记载在时间和强度上具有较好的一致性,评估效果理想,可满足四川省暴雨天气过程定量评估业务的需求。

1997—2021年四川省干旱时空变化特征分析

构建适宜的气象干旱指标是开展干旱监测和干旱评价业务服务的基础。基于1997—2021年四川省155个国家气象站逐日平均气温和降水,以及各县(市、区)农作物播种面积资料,通过改进气象干旱综合指数(Meteorological Drought Composite Index,MCI)中的季节调节系数,形成改进的气象干旱综合指数(Modified Meteorological Drought Composite Index,MCI_(m));再结合历年干旱受灾面积、有效灌溉面积修订区域性干旱过程识别方法,并识别出四川省历年区域性干旱过程51次,然后再利用经验正交函数(Empirical Orthogonal Function,EOF)、旋转经验正交函数(Rotated Empirical Orthogonal Function)、Morlet小波分析法,分析区域性干旱过程时空分布特征。结果表明:1997—2021年四川省发生区域性干旱过程的持续日数呈现出“先变短再增长再变短”,平均影响范围呈现出“先减小再增大再减小”,平均强度和综合强度呈现出“先减弱再增强再减弱”的变化趋势。平均年干旱过程累积日数总体呈现盆地多于盆周山区、盆周山区多于川西高原和攀西地区的特征。年累积MCIm距平EOF分解空间型存在全区一致特征,同时也存在南北反位相特征。四川省可划分为6个区域性干旱气候区,2009—2015年各区年累积MCI_(m)周期变化比2001—2008年更明显。改进后的区域性干旱过程识别方法识别出的干旱过程与干旱灾情更为吻合,更能准确反映四川省干旱发生的实际状况。

四川省水稻关键生育期不同等级干旱评估研究

水稻在四川粮食生产中占重要地位,干旱一直是制约水稻生产的主要因素,夏旱、伏旱频发,造成水稻减产.结合水稻生产的特点和气候条件,选取水分盈亏指数作为干旱评估指标,分析了1961-2014年四川水稻7大种植区不同生育期的干旱时空变化特征及其风险分布情况.结果表明:从时间变化看,各区不同生育期干旱站均次数变化趋势大体相近,尤其是发生次数较高的盆中、盆东和川西南山地,趋势大体相同.干旱相对高值出现在70年代末、90年代末期以及2005年前后,自此以后出现了明显的下降趋势.干旱频率分布特征为全生育期以轻旱为主,以盆中频率最高;孕穗-抽穗期发生轻旱的频率较低,中旱以上发生频率超过50%的地区主要分布在盆中、盆西及盆周地区;抽穗-成熟期以发生轻旱为主,频率较高值分布在盆中、盆南局部和川西南山地部分地区(多在50%以上),中等以上干旱则很少发生.水稻干旱风险分布为全生育与孕穗-抽穗期发生重度及以上风险区域大体一致,主要集中在盆西、盆中的大部、盆周的北部以及川西南山地大部;抽穗-成熟期发生重度及以上风险区域集中在盆东、盆中、盆南和川西南山地局部地区.

基于SPEI的四川省盆地区季节性干旱时空变化特征分析

基于四川省盆地区1961-2012年57个台站逐月气温和降水数据,利用标准化降水蒸散指数(SPEI)对盆地区近52 a季节性干旱的时空分布特征及变化趋势进行分析。结论表明,(1)在季节性增暖和少雨趋势协同作用下,盆地农区春夏秋冬四季干旱化加剧,其中秋季增温率达0.154℃·10 a^(-1),且降水以15.22 mm·10 a^(-1)的速率减少,干旱化趋势在四季中最为显著。(2)对比不同等级的干旱,秋季中旱站次的增加趋势最为突出;从1990 s后期开始春夏秋冬四季重旱和特旱站次大体上呈增加趋势,极端干旱灾害影响扩大。(3)四季盆地区域干湿分布特征和变化趋势均存在显著的空间差异,其中盆西平丘区、盆中丘陵区和部分盆南缓丘区是季节性干旱化倾向较为明显、干旱影响面积较大的地区,需要加强防灾减灾措施,以规避干旱事件增多带来的不利影响。

四川省暴雨过程强度及损失评估方法研究

利用1961—2015年四川省逐日降水资料、典型年份各区县暴雨灾情、GDP、人口和耕地面积资料,采用加权求和法建立基于归一化的过程降水量、最大日降水量和过程持续天数的暴雨综合强度指数及等级标准;基于经济损失率、人口受灾率和作物受灾率指标,采用灰色关联法确定灾害严重程度;利用相关分析法分别建立基于暴雨综合强度指数和基于暴雨灰色关联度的灾害损失评估模型,分析了各地不同重现期暴雨可能造成的经济损失率。结果表明:暴雨综合强度指数能够较好地揭示不同强度等级暴雨的时频和空间分布特征,暴雨过程造成的损失与暴雨综合强度指数和暴雨灰色关联度均显著相关,两种损失评估模型的拟合与试评估效果均较好,5 a一遇暴雨的经济损失率多在3%以下,50 a一遇暴雨的经济损失率多在3%以上,盆地北部和西部山区在5%以上,局地可达7%～9%。

基于GIS的冬小麦干旱灾害风险分析及评价——以四川省冬麦区为例

以四川地区冬小麦干旱灾害为例,利用气象数据、产量数据、地理信息数据以及农业经济等数据,在小麦作物气候适应性分区的基础上,选取灾害强度、地形、河网、作物种植分布等要素作为风险因子,应用层次分析法建立灾害风险区划指标体系,从致灾因子危险性、孕灾环境敏感性、承灾体易损性和抗灾能力4个方面进行分析,建立适用于四川省冬小麦干旱灾害的综合风险区划模型并计算风险指数,借此将四川地区划分为由高至低的5个风险等级区域.结果表明,针对冬小麦的四川地区干旱灾害风险水平具有显著的地域分布差异,高风险和较高风险区主要集中在四川盆地中部及西部的浅丘和中高丘陵区,此外受季节性干旱气候控制的攀西农区风险水平也较高.