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。

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。

四川省汛期小时极端降水精细化特征

使用2012-2021年四川省2985个气象站5-9月逐小时降水资料,分析了小时极端降水的精细化特征.研究结果表明:四川省汛期小时降水在第99百分位出现转折性变化,小时极端降水阈值随海拔升高而减小.总体上小时极端降水贡献率四川盆地最高,攀西地区次之,川西高原最低,其与汛期降水量的多少基本匹配.研究期内各个区域的汛期小时极端降水贡献率均以增加趋势为主,川西高原和攀西地区尤其显著,但空间差异非常大.在一天中,各区域小时极端降水都呈“单峰型”,夜间出现小时极端降水的概率相对更大,不同地区的峰值出现时间有所不同,中午时段均不易出现小时极端降水.研究期内小时极端降水出现峰值更高、谷值更低的变化趋势.小时极端降水过程达峰快、减弱慢,开始时间越晚持续时间越长.四川盆地和攀西地区下午至前半夜多为1~3 h短过程,后半夜多为3~11 h持续过程,而且川西高原的开始时间略晚,持续时间更长.

2022年四川省复杂地形下持续性极端高温特征与模式误差分析

2022年8月四川省持续性极端高温天气过程范围广、强度大且持续时间长,全省有74.8%的站点打破近70年历史同期极值。本文选取四川地区2022年8月逐时2 m气温实况站点和历史同期数据,结合EC、CMA-GFS及CMA-MESO模式的2 m气温预报数据,分析了此次极端高温天气特征及预报误差。结果表明:(1)受地形影响,最高气温极值呈东高西低的分布特征;(2)受热岛效应影响,最高气温超历史极值较多的站点主要集中在盆地西部龙泉山脉附近;(3)3个代表站的最高气温平均值高、距平大、高温持续时间长,该时段的累计降水量明显低于历史同期平均值且降水日数显著偏少;(4)3个模式对于最低气温的预报准确率明显高于最高气温,而最优模式的高温预报准确率仅39.1%;(5)EC模式的预报优势主要在盆地低海拔站点,CMA-MESO模式在陡峭地形区域的预报效果要优于EC模式;(6)对于最高气温出现日期预报,EC模式在盆地和攀西地区效果更佳,CMA-GFS和CMA-MESO模式在川西高原效果更优。

四川盆地西部边缘不同落区暴雨的气象场差异及夜雨浅析

本文基于2015~2018年四川盆地西部边缘出现的典型暴雨个例,以落区为依据进行了统计分类,着重分析了不同空间分布特征暴雨的环境场条件,并从四川盆地夏季大气日变化特征角度来探讨了该区域夜雨频发的原因。研究表明:(1)受四川盆地西部边缘高大陡峭地形影响,盆地西部中低层大气温湿条件好,暖湿东南气流在此遇大地形产生迎风辐合抬升,易发生强降水。当暴雨发生在整个盆西(西部型)时,整个盆地西部的湿度非常大,东南风较强;当暴雨发生在盆地西北部(西北型)时,中低层东南风最强,动力作用最显著;当暴雨发生在盆地西南部(西南型)时,大多伴随有偏北风进入盆地,存在明显的南北风切变辐合。水汽散度通量对四川盆地西部暴雨强度和落区具有较好的指示意义。(2)对流有效位能、相对湿度、假相当位温、中低层风场以及散度这些热力和动力变量的日变化特征,都表明了四川盆地西部降水易发生在夜间。

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。

四川省降雨灾情时空分布及其与雨量相关特征分析

利用四川省2002—2020年降雨灾情数据和156个国家气象观测站及5727个区域气象观测站逐日、逐小时降雨资料,分析四川省降雨灾情时空分布及其与雨量特征的联系。结果表明:四川省近年来降雨灾情数量增长明显,盆地西部、南部灾情数量最多,密度最大,凉山州和盆地东北部死亡人数最多。灾害主要发生在6—9月,灾情分布有从盆地东北部、南部向西部发展,最后到东北部的趋势。盆地在有大暴雨出现时灾害发生可能性最大,致灾频率50%以上,暴雨致灾频率20%~40%;攀西地区暴雨出现时致灾频率20%~30%;川西高原暴雨天气过程较少,大雨出现时致灾频率最大,为10%~30%。最大小时雨量盆地区在10 mm以下的灾害主要发生在盆南和盆东北,盆西在各个雨量等级范围内占比都较大,攀西地区灾害主要集中在10~40 mm,川西高原为20 mm以下。最大日降雨量小于50 mm的灾害主要分布在盆南,超过300 mm的主要发生在盆西北,50~100 mm以盆南和盆西南为主,攀西地区50~100 mm占比最大,川西高原为25~50 mm。

四川省降水相态识别判据研究

本文运用1981-2013年四川省156个国家级地面观测站的原始气象记录整编数据,分析了四川省雨、雨夹雪和雪三种降水相态的气候分布特征,并从地面要素和高空要素两个方面详细分析了不同降水相态对应的变量阈值,主要结论如下：（1）降雨日数的第一特征向量近些年呈现出减少趋势,第二特征向量在雅安和广元地区的降水日数有所增加,攀西地区降水日数在减少;从降雪日数的第一特征向量看,四川地区降雪日数近些年也呈现减少趋势,第二特征向量四川中部一线近些年的降雪日数有所增加;雨夹雪日数第一特征向量说明四川大部分地区雨夹雪日数近20年都在减少,阿坝州地区的雨夹雪日数在增加,第二特征向量的趋势并不明显,第三特征向量近15年盆地地区的雨夹雪日数有所增加,川西高原和攀西地区的雨夹雪日数在减少.（2）地面和高空近地层的温度（T）和露点温度（Td）对区分降水相态有较好的指示意义.盆地西部,三种降水相态有较好区分;盆地南部,各要素都能很好的区分雨和雪两种降水相态,但是雨夹雪与雪并不好区分;盆地东北部,只有H700-第一层较容易区分三种不同的降水相态.川西高原上,H500-第一层为区分三种不同降水相态的最佳高空要素;攀西地区,T第一层、T600hPa、零度层高度3 个要素是识别三种不同降水相态的较好指标.

四川省大雾天气的气候特征

选取 198 0年至 2 0 0 1年共 2 2年四川省单站定时地面观测资料为资料样本 ,采用累加和算术平均的统计方法对大雾天气现象进行统计分析得出 :四川省1980年至 2 0 0 1年大雾天气的气候特征。

四川省森林火险预报系统

四川省森林火险预报系统是用VB6.0语言编写,采用多因子线性回归统计方法建立的一套森林火险等级预报业务系统;本系统通用性强、功能齐全,为预报员提供了一套较完备的火险等级预报工具,同时实现了等值线这一科学计算可视化表现方式,摆脱了对专业绘图软件的依赖。

四川省2006年盛夏罕见高温干旱分析

2006年盛夏，四川省盆地区发生严重的高温干旱，本文利用实时和历史资料对该区域、该时段的气候特点作了综合分析。盛夏异常高温出现时间早，高温日数持续时间长，高温天气影响范围广。8月中旬为全盆地高温最严重时段，广安市出现全省高温中心。9月1日，华蓥山市的日最高气温再创新高，迭43．6℃，为全省最高值。盛夏盆地降水为1961年以来历史最小值，旱区连续无降雨日数显著偏多，南充、广安、遂宁是省高温干旱最严重地区。通过对四川盆地16个测站46年（1961年～2006年）7～8月平均气温资料和46年7～8月盆地100多站平均降水量资料进行Mann—Kenall统计方法分析，盆地7～8气温，20世纪70年代属于高温阶段，20世纪80年代开始下降属于低温阶段，90年代中后期开始上升，但上升幅度慢于盆地秋季和冬季气温，2006年夏季处于上升期内。对盆地7月平均降水量进行分析判断，20世纪70年代后期到20世纪90年代初期属于峰值区；20世纪90年代中后期开始缓慢下降，2006年处于低谷区。

成都区域气象中心高低分辨率η模式降水预报检验分析

利用成都区域气象中心 η坐标模式 ,对 2 0 0 2年汛期及主要降水过程进行了 η坐标模式降水预报检验 ,对典型个例进行了详细的分析。结果表明 :模式对夏季区域性过程有较强的预报能力 ,模式预报雨量中心强度有 5 0 %与实况相差小于 2 5毫米。模式对晴雨预报有较好的指导意义 ,对降水强度的预报通常偏弱 ,对落区的预报位置易偏西、偏北。模式易漏报不易空报 ,当模式预报有较大量级的降水时 ,实况出现的概率很大 ,但要注意落区的位置。高分辨率模式在降水中心强度的预报较低分辨率模式接近实况 ,低分辨率模式在降水落区和中心位置预报上较接近实况。

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。

四川盆区油菜花期低温阴雨灾损评估及风险区划

花期低温阴雨是四川盆区油菜生产的主要气象灾害之一。本研究利用四川盆区1961-2020年101个气象站的逐日气象资料,1983-2000年油菜产量资料和干旱、低温冷害、连阴雨、大风、冰雹灾情资料,筛选花期低温阴雨灾害年份,采用数理统计方法获取花期低温阴雨产量灾损率和致灾因子,通过相关性分析确定油菜花期低温阴雨致灾指标,并利用2001-2020年灾情资料进行检验;基于筛选出的低温、连阴雨关键致灾因子,采用回归分析法建立油菜花期低温阴雨灾害损失评估模型,并进行回代和预测检验,分析灾害风险区划和变化趋势。结果表明:(1)日平均气温≤7℃、过程持续天数≥1d是四川盆区油菜花期低温致灾指标,日平均气温≤7℃的负积温和≥3d过程持续降水量共同组成低温阴雨灾害的关键致灾因子;选用2001-2020年油菜花期低温冷害发生情况对指标进行检验,与实际情况相符。(2)选用1983-2000年的气象、产量、灾情数据建立四川盆区油菜花期低温阴雨灾损评估模型,模型对轻度、中度灾害损失评估等级与实际等级相同或相差1级的评估准确率在96%以上;重度、特重评估等级与实际等级相同的准确率为0,与实际等级相差1级的准确率为75%和0。选用2001-2020年油菜花期低温阴雨灾害发生情况对模型检验,与实际情况基本相符。(3)1961-2020年四川盆区油菜花期低温阴雨灾害风险偏高区域主要分布于盆区西南部、南部及东北部,以中-高风险为主;灾害风险偏低的区域集中于盆区西北部及中部,以低-次低风险为主。(4)气候变暖背景下,四川盆区油菜花期低温阴雨灾害高风险区域呈减少趋势,低风险区域呈增加趋势。综上分析,四川盆区油菜花期低温冷害指标结果可靠,低温阴雨灾损评估模型能够较好地评估灾害损失,可应用于农业气象业务服务;灾害风险区划结果可为四川油菜生产布局提供参考依据。

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。

2001年四川省盆地区灾害性天气过程概述

本文对 2 0 0 1年四川省盆地区发生的暴雨、大风、寒潮、连阴雨灾害性天气过程进行了综合概述 ,并对各种区域性天气过程的成因进行了初步分析 ,得到了一些 2 0 0 1年暴雨、大风、寒潮、连阴雨灾害性天气过程发生、发展的成因和特点 ,为今后的预报工作提供一些参考依据。