1975-2019年北京市海淀区气温变化特征分析

利用1975—2019年海淀区年平均气温、年平均最高气温、年平均最低气温、年极端最高气温、年极端最低气温以及季平均气温等观测资料,对海淀区气温变化特征进行分析。结果表明,海淀区近44年的平均气温年际变化整体呈增加趋势,气候倾向率为0.416℃/10年;年平均气温变化可分为2个阶段:1993年之前为偏冷期,之后为偏暖期;年平均最高气温的上升速率最快,近44年气温增加主要表现为白天最高气温的升高;年极端最高气温上升趋势更为显著,对人类的生产生活影响更大;与年际变化类似,各个季节的平均温度也呈增加趋势,但各季节的增暖进程存在明显差异。春季气温上升最快,秋季最慢,春季的季平均气温上升趋势最显著,对全年平均气温增温趋势的贡献最大,其次夏季,再次冬季,秋季最小。

2015—2017年北京市海淀区汛期降水变化特征分析

为揭示海淀区降水变化规律,利用2015—2017年汛期气象水文共享逐日降水资料,分析了近3年汛期降水变化特征。结果表明,海淀区汛期总降水量2016年最多,其次为2017年,2015年最少,其主要受年度最大暴雨影响。2017年汛期局地暴雨日数最多。海淀区汛期降水中心与暴雨中心分布特征一致,呈现2015年、2016年西北部沿山地带多、2017年东南部多的特点,降水中心的分布变化主要受暴雨中心影响。最大暴雨降水量对降水中心分布影响较大。降水中心变化的原因初步分析认为,2015年、2016年,受地形影响,在山前地带出现降水大中心;2017年,最大暴雨过程降水量相对2015年、2016年较小,局地暴雨天数多,受暴雨中心变化影响,降水中心出现在东南部。海淀区地形复杂,监测站点数量和位置的不同对降水量分布影响较大,站点的增多能更好地体现海淀区降水局地化分布特点。

基于偏最小二乘回归方法的东亚区域多模式温度集成预报试验

利用德国气象局(German Bureau of Meteorology,GBM)全球中期数值天气预报产品、日本气象厅(Japan Meteorological Agency,JMA)全球中期数值天气预报产品和中国国家气象中心T639数值预报产品3个子模式,采用偏最小二乘回归(partiaI least square regression,PLS)方法、超级集成(multi-model superensemble,SUP)方法和消除偏差集成平均(bias-removed ensemble mean,BREM)方法对比试验,建立2012—2013年冬季东亚区域(15°~70°N、90°~145°E)的地面气温多模式集成预报模型,并进行2014年冬季24~72 h预报时效的地面温度的多模式集成预报研究。为进一步验证集成方法的性能是否具备稳定性,以2014年2月1—9日发生的寒潮天气过程为个例进行检验分析。结果表明,多模式集成预报模型能够综合子模式优点,预报效果明显好于3个子模式,且PLS方法优于SUP、BREM集成方法。