颠簸是影响飞机安全运行最为常见的现象之一，其成因复杂，探测预警难度大。在系统梳理国内外研究进展的基础上，分别对颠簸的定义和成因、颠簸指数、颠簸对飞行的影响，以及颠簸的探测和预警等方面的研究成果进行了综合评述。尽管相关研究已经取得明显进展，有助于认识颠簸形成、提升颠簸探测预报能力，但仍面临诸多科学挑战，如颠簸湍流形成的多领域相互作用机理探索、颠簸探测感知和多源数据融合、人工智能等新技术应用与发展等。希望可以给从事飞行、飞行器设计、航空气象等领域的学者和技术人员提供有益借鉴和必要参考。

采用动态合成分析方法，对比分析了有冷空气影响和无冷空气影响天气背景下，进入江苏地区的热带气旋引发强降水过程的原因，建立了江苏地区热带气旋本体强降水天气学模型。结果表明，无论是否存在冷空气影响，进入江苏地区的热带气旋均会引发强降水过程，主要原因在于热带气旋非对称结构的演变、低空急流对水汽的持续输送以及热带气旋附近强上升运动的维持。两者的差异主要体现在动力抬升的维持机制以及大气不稳定度的增长方式。有冷空气影响时，热带气旋外围环流的斜压性及条件不稳定迅速增强，斜压区的倾斜上升运动推动暖湿空气持续抬升和对流发展，强降水区主要位于热带气旋北侧至东北侧；无冷空气影响时，低空及超低空急流的持续暖湿输送使得热带气旋中心及周边区域的条件不稳定明显增强，暖区辐合抬升配合潜热加热维持的深厚垂直上升运动有利于对流性降水的形成，强降水区主要位于热带气旋东侧至东北侧。

基于宁波及其附近区域的7部S波段双极化天气雷达，研制了一种基于区域雷达组网的强对流天气监测预警方法，并通过43个强对流过程对其业务能力进行量化评估。结果表明：区域雷达组网每分钟提供的数据量约为宁波单站2.66倍，且可为1 km以下边界层提供更多的观测信息；方法可及时响应区域内的强对流天气，冰雹预警和下击暴流预警可分别提前实况约79.0 min和42.6 min；较宁波单站监测，方法识别对流初生提前约4.0 min，预警冰雹过程提前约12.2 min，预警下击暴流过程提前约13.3 min，且在评估个例中对γ中尺度对流系统引发下击暴流的预警命中率为100%；方法可适用于我国中东部、西部少部分及东北部少部分地区，覆盖面积约44 000 km2，且在长江三角洲地区、湖北至广州一带、安徽到山东一带有较好的应用潜力。

针对有较长序列降水资料但产流机制复杂、缺乏流量过程资料的流域，采用推理公式法估算中小河流洪水风险预警时段，并应用水文频率计算中常用的皮尔逊Ⅲ型频率曲线法构建致洪临界面雨量指标，结合黄河中游近10年的中小河流洪峰流量资料进行校正。将该方法应用于无水文特征值的伊河东湾水文站以上流域，对2014—2024年15场洪水进行检验。结果表明，应用历史洪水对基于同频率法的临界阈值进行订正，可将风险预警命中率提高至71.8%，漏报率和空报率分别降至20.0%和29.4%，其预报精度与当前北方洪水预报精度水平相当，在无水文特征值流域的应用效果较好。总体来看，基于同频率法校正的中小河流洪水风险预警方法，能够解决跨区域难以获取长序列水文资料的问题，充分发挥气象部门具有较长序列降水资料的优势。该方法可进一步推广至无水文站的中小流域，为其他地区中小河流洪水灾害气象预警工作提供技术参考。下一步可以根据下垫面特征对中小流域分类，或在蓄满产流占主导的流域结合土壤湿度进行分类，建立不同的订正模型，从而进一步提高风险预警精度。

利用2021年1月至2022年12月中国地面逐时资料中的2 min平均风观测数据及ECMWF模式24 h预报的10 m风场数据，针对30°~40°N、110°~120°E范围内的662个国家级气象观测站，构建了一种可适用于多站点风速风向预报的二次偏差订正方法，并利用2023年1—12月的数据进行检验。研究发现：合理订正数值模式的u、v风预报能够有效提升不同站点风速风向预报效果，但各站点间预报误差差异明显，且u、v风联合建模的方式会将风速风向预报误差相互叠加。基于模式预报的u、v风构建一元线性回归订正模型对多数站点的风向预报效果有所提升，但对较强风速（≥10 m·s-1）的订正能力仍显不足，为此进一步采用分位数匹配方法对线性回归订正后的u、v风所合成的风速进行再次订正，即为二次偏差订正方法。检验结果表明，二次偏差订正方法在风速风向的预报中表现出良好的性能，在全部风速与较强风速的预报中，其均方根误差较ECMWF 模式分别减少了18.8%与29.6%。在冷空气大风和台风大风个例中，该方法也同样展示出对较强风速预报的优势。

强对流大风(简称强风)发生频次随风速增大而急剧减少的现象，是导致现有各类算法难以对其进行分级识别的主要原因。为了解决该问题，将不可微分命中率(POD)作为卷积神经网络(CNN)的损失函数，偏差(Bias)为其约束条件，利用多目标优化的免疫进化算法(MOIEA)优化CNN的所有模型参数，提出了一种针对17.2、20.8、24.5 m·s-1（分别对应8、9、10级风力）以上强风的分级识别算法(severe convective wind identification network，SCWINet)。SCWINet利用2022—2024年浙江省雷达垂直液态水含量、三维雷达反射率、闪电定位仪、分钟级地面自动观测站资料，实现了时间分辨率为6 min、空间分辨率为0.01°的强风分级识别，并与加权均方误差可微分损失函数和平衡均方误差可微分损失函数进行对比，模型结构均一致。然后基于邻域法(扫描半径为5 km)的TS评分、Bias、POD、虚警率和强风平面分布特征探讨了SCWINet的适用性。主要结果如下:SCWINet 能有效分级识别出系统性和分散性强对流系统对应的17.2、20.8、24.5 m·s-1以上强风，其中对系统性强对流触发的强风分级识别效果要优于分散性强对流。此外，分级识别效果总体随强风风速的增大而降低，空报和漏报的增大是造成上述现象的主要原因。加权均方误差和平衡均方误差损失函数则没有任何识别能力，其识别出的风速均小于17.2 m·s-1。未来可通过增加输入特征和数据量，进一步提升其识别准确性，并推广至更强风速的识别中。

地面风速预报值通常由模式最低层风速诊断至10 m高度，因此模式地形的精度对地面风速预报性能具有重要影响。本研究采用90 m分辨率的SRTM（Shuttle Radar Topography Mission）数据构建高精度地形，并结合近地层相似理论，对数值模式中原有地面风速诊断预报方案进行优化。利用全国1万余个参与中国气象局考核的自动气象观测站逐小时观测资料进行检验，结果表明，就2023年7月20日与11月20日00时（世界时）起报的24 h地面风速预报而言，优化后的方案使得地面风速预报偏差分别降低了10.7%和9.1%，均方根误差均下降近1%。基于两个月的批量试验进一步表明，2023年 7月和11月整月24 h预报偏差分别降低了50.0%和52.6%，优化后的诊断预报方案对模式地面风速预报性能具有稳定的改进效果。

利用2021—2024年欧洲中期天气预报中心(ECMWF)模式预报产品及西安城区站点2 m温度实况，针对西安关键点温度预报构建了多模型集成预报订正流程及方案。2021年9月1日至2023年12月31日数据作为训练集，用于因子筛选、参数调优与模型集成，2024年1月1日至4月30日数据作为测试集，用于评估数值模式及不同训练方案下模型的预报性能。通过主观经验筛选与时滞相关分析，优选了与温度变化密切相关的7个物理量以及不同时效高空关键区变量等特征因子，采用XGBoost、LightGBM、CatBoost梯度提升树模型进行单模型偏差订正，最终通过Stacking集成实现模型融合优化。结果表明： ECMWF模式对西安温度预报存在系统性冷偏差，夜间误差显著大于白天，降温、降水过程中冷偏差加剧。3种机器学习模型经贝叶斯优化调参后均能有效订正模式偏差(均方根误差分别降低了0.039、0.030、0.027℃)。优选特征因子后，单模型均方根误差平均降低约0.257℃。Stacking集成较传统加权集成表现更优，集成后均方根误差较后者降低了0.023℃，2℃误差内预报准确率提升了2.589%，在明显降温、降水天气过程中均方根误差较单模型最大减小0.481℃。

基于中国2374个台站的观测数据、NCEP/NCAR再分析数据集等资料，对2025年秋季中国气候异常时空特征和成因进行了分析。2025年秋季全国气温总体偏高，北方地区气温呈现“暖—冷—暖”的季内变化，南方地区“前暖后冷”。全国平均降水量为1961年以来历史同期最多，降水时空分布不均，秋季前期华北南部、华东北部、华中北部、西北地区东部等地降水量大范围偏多、极端性突出，形成严重的秋涝；华西秋雨开始早、结束晚、雨期长、降水量历史最多。北方秋涝的形成与东亚大气环流异常密切相关，西太平洋副热带高压（简称副高）异常偏强且脊线位置极端偏北、黄海上空低层反气旋异常偏强构成了有利的水汽输送条件，是北方秋涝形成的基本环流背景；副高在经向上极端稳定少动，是北方秋涝形成的另一关键环流特征。此外，秋季赤道中东太平洋处于由中性偏冷向拉尼娜状态发展的阶段，并伴随印度洋偶极子极端负位相，两者通过大气遥相关、局地经纬向环流耦合等途径，协同作用于东亚环流异常配置，是2025年我国北方秋涝的重要海洋外强迫信号。

2026年1月北半球大气环流主要特征为极涡呈偶极型分布，东半球极涡中心位于中西伯利亚高原，较常年同期偏弱；欧亚中高纬度环流呈现“两槽一脊”型分布，东亚大槽较常年偏强，影响我国的冷空气路径偏东；西北太平洋副热带高压接近常年略偏弱，南支槽较常年偏弱。在此环流背景下，1月全国平均降水量（6.3 mm）较常年同期（14.3 mm）偏少56％，空间分布不均，北偏多南偏少；全国平均气温为-4.0℃，较常年同期（-4.8℃）偏高0.8℃。月内有5次冷空气活动，其中17—21日出现2026年首场寒潮天气过程，中东部地区降温剧烈，6个国家级气象观测站最低气温突破历史极值，并伴有大范围雨雪天气，降水相态转换复杂，黔湘鄂等地出现冻雨或冰粒，对道路交通、电力等造成严重影响。此外，月内沙尘和雾霾天气过程各出现3次。

颠簸是影响飞机安全运行最为常见的现象之一，其成因复杂，探测预警难度大。在系统梳理国内外研究进展的基础上，分别对颠簸的定义和成因、颠簸指数、颠簸对飞行的影响，以及颠簸的探测和预警等方面的研究成果进行了综合评述。尽管相关研究已经取得明显进展，有助于认识颠簸形成、提升颠簸探测预报能力，但仍面临诸多科学挑战，如颠簸湍流形成的多领域相互作用机理探索、颠簸探测感知和多源数据融合、人工智能等新技术应用与发展等。希望可以给从事飞行、飞行器设计、航空气象等领域的学者和技术人员提供有益借鉴和必要参考。

采用动态合成分析方法，对比分析了有冷空气影响和无冷空气影响天气背景下，进入江苏地区的热带气旋引发强降水过程的原因，建立了江苏地区热带气旋本体强降水天气学模型。结果表明，无论是否存在冷空气影响，进入江苏地区的热带气旋均会引发强降水过程，主要原因在于热带气旋非对称结构的演变、低空急流对水汽的持续输送以及热带气旋附近强上升运动的维持。两者的差异主要体现在动力抬升的维持机制以及大气不稳定度的增长方式。有冷空气影响时，热带气旋外围环流的斜压性及条件不稳定迅速增强，斜压区的倾斜上升运动推动暖湿空气持续抬升和对流发展，强降水区主要位于热带气旋北侧至东北侧；无冷空气影响时，低空及超低空急流的持续暖湿输送使得热带气旋中心及周边区域的条件不稳定明显增强，暖区辐合抬升配合潜热加热维持的深厚垂直上升运动有利于对流性降水的形成，强降水区主要位于热带气旋东侧至东北侧。

基于宁波及其附近区域的7部S波段双极化天气雷达，研制了一种基于区域雷达组网的强对流天气监测预警方法，并通过43个强对流过程对其业务能力进行量化评估。结果表明：区域雷达组网每分钟提供的数据量约为宁波单站2.66倍，且可为1 km以下边界层提供更多的观测信息；方法可及时响应区域内的强对流天气，冰雹预警和下击暴流预警可分别提前实况约79.0 min和42.6 min；较宁波单站监测，方法识别对流初生提前约4.0 min，预警冰雹过程提前约12.2 min，预警下击暴流过程提前约13.3 min，且在评估个例中对γ中尺度对流系统引发下击暴流的预警命中率为100%；方法可适用于我国中东部、西部少部分及东北部少部分地区，覆盖面积约44 000 km2，且在长江三角洲地区、湖北至广州一带、安徽到山东一带有较好的应用潜力。

针对有较长序列降水资料但产流机制复杂、缺乏流量过程资料的流域，采用推理公式法估算中小河流洪水风险预警时段，并应用水文频率计算中常用的皮尔逊Ⅲ型频率曲线法构建致洪临界面雨量指标，结合黄河中游近10年的中小河流洪峰流量资料进行校正。将该方法应用于无水文特征值的伊河东湾水文站以上流域，对2014—2024年15场洪水进行检验。结果表明，应用历史洪水对基于同频率法的临界阈值进行订正，可将风险预警命中率提高至71.8%，漏报率和空报率分别降至20.0%和29.4%，其预报精度与当前北方洪水预报精度水平相当，在无水文特征值流域的应用效果较好。总体来看，基于同频率法校正的中小河流洪水风险预警方法，能够解决跨区域难以获取长序列水文资料的问题，充分发挥气象部门具有较长序列降水资料的优势。该方法可进一步推广至无水文站的中小流域，为其他地区中小河流洪水灾害气象预警工作提供技术参考。下一步可以根据下垫面特征对中小流域分类，或在蓄满产流占主导的流域结合土壤湿度进行分类，建立不同的订正模型，从而进一步提高风险预警精度。

利用2021年1月至2022年12月中国地面逐时资料中的2 min平均风观测数据及ECMWF模式24 h预报的10 m风场数据，针对30°~40°N、110°~120°E范围内的662个国家级气象观测站，构建了一种可适用于多站点风速风向预报的二次偏差订正方法，并利用2023年1—12月的数据进行检验。研究发现：合理订正数值模式的u、v风预报能够有效提升不同站点风速风向预报效果，但各站点间预报误差差异明显，且u、v风联合建模的方式会将风速风向预报误差相互叠加。基于模式预报的u、v风构建一元线性回归订正模型对多数站点的风向预报效果有所提升，但对较强风速（≥10 m·s-1）的订正能力仍显不足，为此进一步采用分位数匹配方法对线性回归订正后的u、v风所合成的风速进行再次订正，即为二次偏差订正方法。检验结果表明，二次偏差订正方法在风速风向的预报中表现出良好的性能，在全部风速与较强风速的预报中，其均方根误差较ECMWF 模式分别减少了18.8%与29.6%。在冷空气大风和台风大风个例中，该方法也同样展示出对较强风速预报的优势。

强对流大风(简称强风)发生频次随风速增大而急剧减少的现象，是导致现有各类算法难以对其进行分级识别的主要原因。为了解决该问题，将不可微分命中率(POD)作为卷积神经网络(CNN)的损失函数，偏差(Bias)为其约束条件，利用多目标优化的免疫进化算法(MOIEA)优化CNN的所有模型参数，提出了一种针对17.2、20.8、24.5 m·s-1（分别对应8、9、10级风力）以上强风的分级识别算法(severe convective wind identification network，SCWINet)。SCWINet利用2022—2024年浙江省雷达垂直液态水含量、三维雷达反射率、闪电定位仪、分钟级地面自动观测站资料，实现了时间分辨率为6 min、空间分辨率为0.01°的强风分级识别，并与加权均方误差可微分损失函数和平衡均方误差可微分损失函数进行对比，模型结构均一致。然后基于邻域法(扫描半径为5 km)的TS评分、Bias、POD、虚警率和强风平面分布特征探讨了SCWINet的适用性。主要结果如下:SCWINet 能有效分级识别出系统性和分散性强对流系统对应的17.2、20.8、24.5 m·s-1以上强风，其中对系统性强对流触发的强风分级识别效果要优于分散性强对流。此外，分级识别效果总体随强风风速的增大而降低，空报和漏报的增大是造成上述现象的主要原因。加权均方误差和平衡均方误差损失函数则没有任何识别能力，其识别出的风速均小于17.2 m·s-1。未来可通过增加输入特征和数据量，进一步提升其识别准确性，并推广至更强风速的识别中。

地面风速预报值通常由模式最低层风速诊断至10 m高度，因此模式地形的精度对地面风速预报性能具有重要影响。本研究采用90 m分辨率的SRTM（Shuttle Radar Topography Mission）数据构建高精度地形，并结合近地层相似理论，对数值模式中原有地面风速诊断预报方案进行优化。利用全国1万余个参与中国气象局考核的自动气象观测站逐小时观测资料进行检验，结果表明，就2023年7月20日与11月20日00时（世界时）起报的24 h地面风速预报而言，优化后的方案使得地面风速预报偏差分别降低了10.7%和9.1%，均方根误差均下降近1%。基于两个月的批量试验进一步表明，2023年 7月和11月整月24 h预报偏差分别降低了50.0%和52.6%，优化后的诊断预报方案对模式地面风速预报性能具有稳定的改进效果。

利用2021—2024年欧洲中期天气预报中心(ECMWF)模式预报产品及西安城区站点2 m温度实况，针对西安关键点温度预报构建了多模型集成预报订正流程及方案。2021年9月1日至2023年12月31日数据作为训练集，用于因子筛选、参数调优与模型集成，2024年1月1日至4月30日数据作为测试集，用于评估数值模式及不同训练方案下模型的预报性能。通过主观经验筛选与时滞相关分析，优选了与温度变化密切相关的7个物理量以及不同时效高空关键区变量等特征因子，采用XGBoost、LightGBM、CatBoost梯度提升树模型进行单模型偏差订正，最终通过Stacking集成实现模型融合优化。结果表明： ECMWF模式对西安温度预报存在系统性冷偏差，夜间误差显著大于白天，降温、降水过程中冷偏差加剧。3种机器学习模型经贝叶斯优化调参后均能有效订正模式偏差(均方根误差分别降低了0.039、0.030、0.027℃)。优选特征因子后，单模型均方根误差平均降低约0.257℃。Stacking集成较传统加权集成表现更优，集成后均方根误差较后者降低了0.023℃，2℃误差内预报准确率提升了2.589%，在明显降温、降水天气过程中均方根误差较单模型最大减小0.481℃。

基于中国2374个台站的观测数据、NCEP/NCAR再分析数据集等资料，对2025年秋季中国气候异常时空特征和成因进行了分析。2025年秋季全国气温总体偏高，北方地区气温呈现“暖—冷—暖”的季内变化，南方地区“前暖后冷”。全国平均降水量为1961年以来历史同期最多，降水时空分布不均，秋季前期华北南部、华东北部、华中北部、西北地区东部等地降水量大范围偏多、极端性突出，形成严重的秋涝；华西秋雨开始早、结束晚、雨期长、降水量历史最多。北方秋涝的形成与东亚大气环流异常密切相关，西太平洋副热带高压（简称副高）异常偏强且脊线位置极端偏北、黄海上空低层反气旋异常偏强构成了有利的水汽输送条件，是北方秋涝形成的基本环流背景；副高在经向上极端稳定少动，是北方秋涝形成的另一关键环流特征。此外，秋季赤道中东太平洋处于由中性偏冷向拉尼娜状态发展的阶段，并伴随印度洋偶极子极端负位相，两者通过大气遥相关、局地经纬向环流耦合等途径，协同作用于东亚环流异常配置，是2025年我国北方秋涝的重要海洋外强迫信号。

2026年1月北半球大气环流主要特征为极涡呈偶极型分布，东半球极涡中心位于中西伯利亚高原，较常年同期偏弱；欧亚中高纬度环流呈现“两槽一脊”型分布，东亚大槽较常年偏强，影响我国的冷空气路径偏东；西北太平洋副热带高压接近常年略偏弱，南支槽较常年偏弱。在此环流背景下，1月全国平均降水量（6.3 mm）较常年同期（14.3 mm）偏少56％，空间分布不均，北偏多南偏少；全国平均气温为-4.0℃，较常年同期（-4.8℃）偏高0.8℃。月内有5次冷空气活动，其中17—21日出现2026年首场寒潮天气过程，中东部地区降温剧烈，6个国家级气象观测站最低气温突破历史极值，并伴有大范围雨雪天气，降水相态转换复杂，黔湘鄂等地出现冻雨或冰粒，对道路交通、电力等造成严重影响。此外，月内沙尘和雾霾天气过程各出现3次。