四川省气象台预报会商系统操控原理

四川省气象台预报会商系统改建围绕着现代化的会商室终端设备展开,工程完成后能够实现如下功能:提供清晰丰富的数据源供远程使用,尽可能完整地还原远程传输过来的信号,建设一套数字化高清晰度的多业务综合信息显示平台,提供清晰的会议讨论扩声。作者总结了主要操控原理,使系统操作系统简单明了。

四川省气象台新一代天气预报业务流程总体设计

本项研究建立了合理的气象信息流向 ,填补了四川省气候资料查询系统、数值预报产品直观化释用技术的天气预报思路引导系统、客观化的四川省传统天气预报模式群的空白。为新一代天气预报流程的总体设计提供了有价值的参考。

基于DEM的四川省地面气象台站地形特征分析

利用DEM资料,获取四川省地面气象台站的海拔高度并进行精度验证,在此基础上,进一步提取台站所处的坡度、坡向、地形粗糙度特征进行分析。结果表明:DEM数据能较为精确地反映四川气象台站的地形高度,具有较高的适用性。通过分析国家站、区域考核站和非考核站的台站地形特征发现,3种站网类型均主要分布在低海拔地区,且在500 m左右地区最密集,国家站分布相对均匀。3种站网类型台站所处坡度主要分布在0°~15°,且在缓斜坡地形最为集中,国家站较区域站分布均匀。3种台站类型在阳坡、阴坡、东坡和西坡各坡向站点分布比较一致,超过81%的台站地形粗糙度在1.05°之内,国家站地势相对平缓。总之,国家站较区域考核和非考核站更具有区域代表性。

四川省中小学气象科普教育现状与提升对策

为了解四川省中小学气象科普教育工作现状及需求,通过线上问卷调查、座谈交流及实地调研等方式,对四川省中小学气象科普教育情况进行调查分析,并结合分析结果与当地实际,探讨四川省中小学气象科普教育存在的不足和对策建议,以期为四川省气象科普教育高质量发展提供参考。

基于分位数映射法的四川省ECMWF模式降水预报误差订正分析

为做好ECMWF(European Centre for Medium-Range Weather Forecasting)模式本地化释用,提高四川省降水预报准确率,对四川省2020—2021年7—9月模式各量级降水预报系统性偏差规律分析发现,该模式预报的雨日较实况偏多,尤其是攀西地区和川西高原;预报的大雨日数盆地西南部及攀西地区多于实况,而盆地南部少于实况。然后,基于分位数映射法对模式预报的24 h累积降水开展大量级降水订正试验与检验。基于分位数映射法订正后,暴雨及以上量级TS(Threat Score)提高7%~15%,且各量级降水TS均高于多模式集成客观预报产品2%~4%,大雨及以上、暴雨及以上量级命中率提高10%~20%,订正后雨带位置特别是暴雨落区与实况更接近。

利用地面气象资料建立四川省日总辐射计算模型

利用四川省6个辐射观测站2016?2018年日总辐射和地面气象资料,应用"个案排秩"、一元线性回归和逐步回归方法,建立四川省日总辐射计算模型(模型Ⅰ),并按日照时数是否为0建立有日照总辐射计算模型(模型Ⅱ)和无日照总辐射计算模型(模型Ⅲ)。结果表明:模型Ⅰ、模型Ⅱ和模型Ⅲ均通过0.01水平显著性检验;模型Ⅰ、模型Ⅱ和模型Ⅲ回代检验的MAPE分别为12.62%、10.02%、16.34%,NRMSE分别为16.17%、12.23%、28.40%;4个典型日应用这3个模型的MAPE分别为7.59%、4.50%、36.53%,NRMSE分别为9.22%、5.93%、40.98%;对于4个典型日在日照时数为0时不用模型Ⅲ而改用模型Ⅰ、日照时数不为0时用模型Ⅱ,其MAPE为5.79%、NRMSE为7.47%,比全部资料用模型Ⅰ模拟分别提高1.80个和1.75个百分点。建立的3个日总辐射计算模型均具有应用价值;四川省日总辐射最佳模拟方法是日照时数为0时用模型Ⅰ计算,日照时数不为0时用模型Ⅱ计算;海拔、天气状况和日照长短决定四川各地日总辐射量的大小,其中海拔和天气状况是造成四川各地日总辐射差异的主要因素。

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。

基于多模式预报的四川盆地强降水订正方法

四川盆地地形地貌复杂,强降水预报难度大,对模式降水预报产品进行订正,是提升强降水预报质量的重要手段。本文选取2018—2019年发生在四川盆地的35次强降水过程,对ECMWF、CMA_MESO和SWC_WARMS三种模式的24 h强降水预报采用常规评分和空间平移两个方法进行检验,并利用最优评分、多模式集成和位移订正三种方法进行订正试验。结果表明:最优评分订正方法可以有效改善各模式降水预报的强度,而多模式集成订正法可以改进降水落区和极值预报,在此基础上计算位移偏差,根据最优的位移偏差值对降水预报进行位移订正,可以进一步改进强降水落区预报效果。然后利用2020—2021年强降水过程进行订正效果验证,结果显示:经订正后的降水极值预报更接近实况,各量级降水预报评分明显优于单一模式,暴雨和大暴雨预报的TS评分提高率较最优单模式分别可达24.3%和42.8%,订正后空报率基本维持,漏报率显著下降,订正效果良好。

1961—2021年四川省区域性暴雨过程时空变化特征

利用四川省156个国家气象观测站1961—2021年逐日降水资料,运用暴雨过程综合识别方法及评价指标,探讨四川省区域性暴雨过程时空变化特征。研究表明:1961—2021年四川省共出现875次区域性暴雨过程,过程次数逐年变化整体呈弱增长趋势,综合强度在20世纪90年代到21世纪初持续偏弱,21世纪以后呈现较明显增强趋势。四川区域性暴雨过程主要发生在6月下旬到9月上旬,大多持续1~2 d,区域性暴雨日数大值中心主要分布在盆地西部和东北部,阿坝州中部和东部、甘孜州东南部及攀西地区东北部,6—8月区域性暴雨日数大值中心从盆地东部逐渐向西部变化,9月则在盆地北部;盆地各月平均过程雨量以西部和东北部最强,攀西地区6、9月区域性暴雨日数偏少,但中部和东北部过程雨量强度未明显减弱。

2022年8月四川盆地持续性极端高温特征及不同模式预报误差分析

本文基于2022年8月四川盆地104站逐时温度、降水数据和1971—2021年历史同期数据,及EC、CMA-GFS、CMA-MESO模式的2 m气温预报等数据,运用统计学相关方法分析了此次极端高温过程的特征及预报误差。结果表明:①2022年8月四川盆地极端高温过程范围大、强度强、持续时间长,有87.5%站最高气温超过该站历史同期极值,且高温最强盛时段较历史同期明显推后。②2022年8月最高气温分布为东高西低,最高气温与历史同期极值差分布则相反,其中最高气温随站点海拔增大而减小,而极值差则随站点海拔先增大再减小。另外,受热岛效应影响,极值差大值站点主要集中在龙泉山脉附近。③高温期间,最高、最低气温平均值高、距平大,且累计降水量和雨日数也明显低于历史同期。④相较而言,EC模式的预报优势主要在盆地低海拔地区。而CMA-MESO模式在盆地周边陡峭地形区域的平均绝对误差则更小。另外,EC模式预报的最高气温峰值出现时间更接近于实况,而CMA-MESO模式预报高温持续日数更接近实况。

2016-2020年四川省森林火灾与气象因子的关系

文章利用四川省2016-2020年森林火灾与相关气象因子(当月平均气压、平均气温、平均相对湿度、降水量、最大风速和日照时数)历史数据,分析四川省森林火灾分布特征,分别将森林火灾重点地区每月林火发生次数、火场面积和受害森林面积与当月和前月气象因子做相关分析并建立模型,研究森林火灾发生与气象因子的关系。结果表明,林火次数与气象因子的相关性更好,模型拟合度更佳。不同地区气象因子对林火的影响程度不尽相同,凉山州和攀枝花市森林火灾发生次数随当月湿度下降和风速上升呈增加趋势,线性关系显著;凉山州火灾次数与前月温度、相对湿度和降水量呈显著线性相关,攀枝花市火灾次数与前月相对湿度线性相关显著;甘孜州林火次数与当月和前月相对湿度呈显著线性相关。

四川省闪电与温湿度的关系研究

为了深入了解闪电和温湿度的关系,文章利用2008年4月到2020年10月四川省闪电和温度、湿度资料,应用统计和相关性分析等方法,分析了不同区域10个典型城市的闪电频次和强度特征与温湿度在不同时间尺度上的相关性,得出闪电频次与温度和湿度呈正相关等结论。研究结果能够提升对闪电活动规律的认识,同时为闪电预警预报工作提供理论参考。

四个数值预报模式对四川强降水过程预报能力评估

为衡量数值模式对强降水过程的预报能力,选取欧洲中期天气预报中心(the European Centre for Medium-Range Weather Forecasts,ECMWF)数值预报产品、国家气象中心区域中尺度数值预报产品(China Meteorological Administration Mesoscale Model,CMA-MESO 3KM)、西南区域中心中尺度模式系统(Southwest Center WRF ADAS Real-time Modeling System,SWC)、国家气象中心全球数值预报系统(China Meteorological Administration for Global Forecast System,CMA-GFS)4个模式预报产品,利用目标对象检验法,对四川2018—2020年共93次强降水过程(≥25 mm·d^(-1))从降水位置、降水面积、降水强度等方面进行检验,在此基础上重点讨论36 h预报时效模式的预报能力。结果表明:(1)随着预报时效越临近,各模式预报平均水平越高,且整体对雨带位置把握较好,更具有参考性。(2)各模式对锋面降水过程预报能力较强,对暖区降水过程预报能力较差。(3)暖区强降水过程可在大尺度模式基础上结合本地中尺度模式进行订正;锋面降水过程则以ECMWF模式预报为基础,参考CMA-MESO 3KM模式对大雨及以上量级降水落区和量级进行调整。

四川省闪电活动特征及其与海拔高度的关系分析

为深入分析四川省闪电活动特征及其与海拔高度的关系,利用2015-2019年四川省地闪资料和海拔高度信息资料,运用皮尔逊双变量相关性分析等方法,统计分析闪电密度和强度的空间分布特征、闪电特征与海拔高度的相关性以及不同海拔高度范围和闪电强度区间的相互关系。结果表明:负地闪年平均密度为正地闪的13倍,而正地闪强度为负地闪的3倍;负地闪年平均密度随海拔高度的增加而减少,两者呈明显的负相关,相关系数为-0.42;随着海拔高度的增加,正地闪年平均密度呈先减小再增大的趋势,但两者没有明显的相关性;正地闪和负地闪强度均在海拔高度1.0~1.5 km最强,而强度较弱的正地闪和强度较强的负地闪均偏向于发生在海拔高度更高的区域。

榆林市雾的变化特征及地面气象条件分析

利用榆林市12个国家气象观测站2016—2020年逐小时地面观测资料,统计分析了榆林地区雾的变化特征及地面气象条件。结果表明:(1)榆林地区各等级雾中强浓雾出现时数最多,特强浓雾鲜少出现;各等级雾都呈现显著的季节变化和日变化特征,多出现于秋季,10月最多,日变化呈单峰型,07:00前后达到峰值。(2)雾整体呈现“东多西少”的空间分布,大雾和浓雾主要出现在东南部的吴堡、绥德、清涧等地,西部的定边、靖边出现最少,强浓雾和特强浓雾主要出现在东南部的绥德、米脂等地,北部的府谷次之。(3)大雾和浓雾天气过程持续时间短,大多为1 h,强浓雾一旦生成,很难在短时间内消散;雾主要在夜间到凌晨生成,在日出后消散,强浓雾的生成和消散时段均比大雾和浓雾偏早且集中。(4)雾强度越强,对应地面相对湿度越高,温度露点差越低,气温和露点温度的降幅越大,风速越小;雾在地面各风向均可出现,但较盛行东南风和西北风。(5)强浓雾由于发生时数多、持续时间长,是榆林市影响最严重的大雾天气,95%强浓雾出现条件为相对湿度大于95%和温度露点差小于1℃,风速基本小于2 m/s,这对强浓雾的预报具有很好的指示意义。

泥石流滑坡发生的降水预报方法与雨量标准——以四川省盆地区域为例

通过对η坐标数值预报模式预报的降水量检验分析,发现η坐标数值预报模式对青藏高原天气系统活动造成的四川盆地降水预报明显偏弱,且雨区偏北、偏西。我们使用风场资料对高原天气系统作自动识别,进行了对高原天气系统影响降水的强化与雨区漂移的处理,研究得出了η坐标数值预报模式释用强降水预报方法。通过对1991～2 0 0 1年四川盆地发生泥石流、滑坡灾害的气象成因(强降水)分析,研究得出了四川盆地不同的地质地貌条件下泥石流、滑坡预测雨量标准。在上述研究基础上,建立了四川盆地泥石流、滑坡产生的强降水预报方法。经2 0 0 3- 0 8～0 9业务试运行,效果较好,较成功的预报了四川盆地西部、西南部3次大暴雨过程触发的多处泥石流、滑坡灾害。

四川省持续性暴雨定义及时空分布特征

采用1961—2014年四川省158个气象站的逐日降水量资料,定义了四川省单站和区域持续性暴雨的标准,分析了近54年四川省持续性暴雨的时空分布特征。结果表明,盆地单站持续性暴雨多发生在9月,主要出现在盆地西北部、西南部和东北部,一般持续3天,一次持续性暴雨事件降水量一般可达150~200mm。而攀西地区单站持续性暴雨发生的次数一般为1~3次,6月发生范围最大,最长持续时间为4天,主要发生在攀西地区东部。区域持续性暴雨多发生在7月,降水中心主要分布在盆地西部沿山一带及盆地东北部,这与单站持续性暴雨频次高值区的分布基本一致。区域持续性暴雨在2001年后发生频次较前期频繁,特别是持续3天的持续性暴雨事件发生频率较高,但是强度略有减弱。

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。

四川省降水相态时空分布及变化特征

利用四川省156个国家级地面观测站1981~2013年的整编观测资料,统计分析了四川省雨、雪与雨夹雪日数的年平均、月平均特征以及雨雪转换情况,并采用线性趋势法、M-K检验来对不同相态降水的时空分布及气候变化特征进行了定量分析。结果表明：（1）四川地区年平均降雪日数和雨夹雪日数呈＂西多东少＂型分布,年降雨日数则呈＂东多西少＂的分布特征;（2）盆地中部、南部雨雪转换年平均日数为0.1~2日,盆地西部丘陵一带为3~5日,川西高原雨雪转换日数在10日以上,攀枝花几乎全年无雨雪转换,凉山州呈现西少东多的形势;（3）从线性趋势法、M-K检验及突变都可以看出,四川地区不同降水相态年发生日数总体都在减少。

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。