• 当期目录
  • 本期推荐
  • 优先出版
  • 点击排行
  • 下载排行
    2024年 第50卷 第1期
    刊出日期:2024
      
    简明目录
    带摘要目录
  • 2024,50(1):-[摘要(26)][PDF(275)357.17 K][HTML()]

    DOI

  • 2024,50(1):-[摘要(14)][PDF(155)3.23 M][HTML()]

    DOI

  • 刘勇洪,翁富忠,徐永明,韩秀珍,段四波,唐世浩,叶成志
    2024,50(1):1-17[摘要(19)][PDF(233)8.51 M][HTML(192)]

    目前还没有基于国产卫星的1 km分辨率的全天候陆表温度(LST)产品,FY-3D卫星提供了中分辨率成像仪(MERSI)Ⅱ型1km分辨率晴空LST产品与微波成像仪(MWRI)25km全天候LST产品,因此可结合两者优势开展全天候1km分辨率LST的融合研究。基于地理加权回归(GWR)方法,选择海拔、FY-3D归一化植被指数和归一化建筑指数等建立GWR模型对FY-3D/MWRI25kmLST降尺度到1km,并与MERSI1kmLST进行融合;同时针对MWRI轨道间隙,利用前后1天融合后的云覆盖像元1kmLST进行补值,可以得到接近全天候下的1kmLST。基于以上融合算法,选择了中国区域多个典型日期FY-3D/MERSI和MWRI LST官网产品进行了融合试验,并利用公开发布的全天候1kmLST产品(TPDC LST)对FY-3D1kmLST融合结果进行了评估。研究结果表明,基于GWR法的LST降尺度方法,可以有效避免传统微波LST降尺度方法中存在的“斑块”效应和局地温度偏低等问题;LST融合结果有值率从融合前的22.4%~36.9%可提高到融合后69.3%~80.7%,融合结果与TPDC LST的空间决定系数为0.503~0.787,均方根误差为3.6~5.8K,其中晴空为2.6~4.9K,云下为4.1~6.1K;分析还表明目前官网产品FY-3D/MERSI和MWRI LST均存在缺值较多与精度偏低等问题,显示其存在较大改进潜力,这有利于进一步改进FY-3D LST融合质量。
    DOI

  • 齐道日娜,何立富,张乐英
    2024,50(1):18-32[摘要(28)][PDF(398)20.99 M][HTML(156)]

    利用多种实时观测资料和ERA5再分析资料,对造成2021年11月6—8日华北、东北极端暴雪过程多系统的结构特征及热动力机制进行分析。结果表明: 此次过程先后由500 hPa高空横槽、河套西风槽及高空冷涡接力影响,其上空的高空急流不断加强并呈现“S”型弯曲,同时低空偏南风急流形成与加强,并在东北地区与高空急流耦合。此次过程阶段性特征明显,其影响系统的结构特征和水汽输送存在差异。回流冷锋形成的冷垫锋面较为浅薄,暖湿气流在其上倾斜上升。寒潮冷锋则较为陡立,上升气流随高度西倾。而锋面气旋结构较为深厚直立,使得气流呈垂直上升运动。随着斜压强迫的不断增强,850 hPa切变线由准东西向分布转为南北向分布,再演变为低涡切变结构。对应的水平涡度由弱转强,其上空正涡度垂直分布也逐渐加强,由弱倾斜上升运动逐步演变为较强垂直上升运动区,并在系统东侧形成次级环流下沉支。此次过程的发生发展与锋生作用密切相关,降雪落区和强度与锋区走向及锋生函数大小较为一致。假相当位温锋区在降雪3个阶段逐渐加强,垂直锋区和低层锋生函数由倾斜状态演变为近乎直立结构;湿位涡诊断表明,3个阶段降雪落区均发生在湿位涡正压项>0而斜压项<0配置的区域,条件性对称不稳定是此次过程的主要动力机制。
    DOI

  • 万子为,孙思远,赵滨,陈起英
    2024,50(1):33-47[摘要(220)][PDF(291)16.51 M][HTML(134)]

    为分析CMA-MESO模式对2021年7月19—21日河南特大暴雨的预报性能,除了常规观测资料,还利用雷达和卫星非常规观测资料,对模拟回波和云产品开展传统和新型空间检验,以揭示对流风暴和中尺度对流系统(MCS,基于卫星红外通道)的模式预报偏差细节,并从降水形成的水汽、动力、触发和维持机制等角度分析模式误差产生的原因。结果表明:模式能较好预报雨带形态、弱回波持续时间以及主要降水发生前期和后期MCS的面积和强度演变趋势;模式偏差主要体现在低估了降水强度且未报出郑州站极端小时降水,错报主雨带小时降水演变,严重低估了对流风暴和强对流风暴的持续时间,未能报出午后MCS面积陡增的变化趋势且MCS位置预报偏西、偏北;模式降水偏差的原因主要在于水汽的模拟,模式水汽垂直分布不合理,对台风烟花和查帕卡的水汽输送均偏弱,而水汽输送不足的根源是低空急流偏弱和超低空急流脉动不足。另外,模式未能在郑州站附近预报出稳定少动的地面中尺度辐合线,加之大气层结不稳定度不足和对流不稳定能量偏低,使得对流发展不够旺盛,最终导致降水预报不足。
    DOI

  • 陈锦鹏,黄奕丹,朱婧,林辉,程晶晶,杨德南
    2024,50(1):48-58[摘要(28)][PDF(212)2.01 M][HTML(128)]

    为了提高短时强降水预报准确性,在2019—2020年4—9月福建省逐时降水实况观测资料与中国气象局广东快速更新同化数值预报系统(CMA-GD)模式预报产品的基础上,应用LightGBM集成学习算法框架,建立以30 mm·h-1为阈值的逐时降水预报模型。通过特征处理、自助聚合及超参数搜索等技术对模型进行优化,结合AUC、AUPR与传统分类指标,设计了包括业务模拟测试在内的多项试验,通过对比各建模方案验证了模型对于较长时效的短时强降水预报的适用性。结果表明:模式预报本身的命中率和空报率均较高,各建模方案具有不同程度的改善作用。自助聚合可以增强模型预测稳定性,轻微不平衡子训练集能降低模型预测空报率而取得更高的综合评分,在验证集中最佳TS评分可达17.5%;对分类信息增益贡献最大的特征变量为K指数,其次为500 hPa露点温度和时间参数特征;试验指标从优到劣依次为:随机交叉验证、小时划分的随机交叉验证、业务模拟测试,可见模型有效性主要来自相同或相邻时刻的样本信息;设计基于逻辑回归的异质模型动态融合方案以改善静态同质模型表现,各项指标均有小幅提升,在命中率接近50%时削减空报样本超过52万个。
    DOI

  • 赵渊明,孙静,漆梁波,张燕燕
    2024,50(1):59-70[摘要(20)][PDF(237)2.65 M][HTML(94)]

    利用2019—2021年冬季上海宝山站L波段探空资料对FY-4A云顶温度(CTT)产品进行评估,分析发现,FY-4A的云顶温度产品能够较好地反映单层云的云顶温度,对双层云或多层云的云顶温度则普遍高估(平均高估幅度超过14℃);当探空观测到的云顶高度不超过6 km或云顶温度不低于-20℃时,FY-4A云顶温度产品误差较小,平均偏差约为3℃。根据2021—2022年冬季长三角地区地面站观测的降水现象统计云顶温度与降水相态的关系,并对典型个例进行分析,结果表明,云顶温度低是出现降雪的必要条件之一,绝大部分降雪出现在云顶温度低于-12℃的情况下。FY-4A的云顶温度产品时空分辨率高、精度尚可,可以辅助预报员判识雨雪落区,在雨雪转换过程的预报服务中有较大的应用潜力。
    DOI

  • 黎玥君,马昊,勾亚彬,戴祥霖,余贞寿
    2024,50(1):71-83[摘要(24)][PDF(288)16.50 M][HTML(133)]

    利用常规气象探空观测、地面自动气象站逐分钟观测、风廓线雷达以及多普勒天气雷达等多源观测资料,分析了2021年4月30日傍晚到夜间浙江北部和杭州湾沿海地区一次区域性极端大风的天气特征,重点探讨了对流系统移入杭州湾后的中尺度演变特征和大风增强的原因。结果表明,此次过程是典型的多尺度相互作用的结果,在高空深厚的东北冷涡影响下,配合中层西北急流和较强的地面暖低压促使飑线后部对流系统发展,形成雷暴大风天气。对流单体在经过杭州湾水系后明显增强,其阵风锋前侧有西南暖湿入流,后部冷池发展强盛,气压涌升,叠加地面环境风场和杭州湾水面的热动力条件,从而触发不稳定能量促使单体发展。系统经过杭州湾后辐散下沉出流明显增强,将中高层的动量更快地下传至地面,对于杭州湾南部风力增强效应显著。杭州湾光滑下垫面、喇叭口等特殊地形也是造成极端大风出现的原因之一。同时,逐分钟变温相比于极大风出现时间提前了约7~10min,对于局地极端大风监测预警有一定的指示意义。
    DOI

  • 崔妍,赵春雨
    2024,50(1):84-94[摘要(18)][PDF(237)2.10 M][HTML(118)]

    利用辽宁省51个地面气象观测站的能见度、均一化相对湿度和天气现象资料,采用最优距离法和固定比例法对能见度资料进行一致性处理,重建了1961—2020年的辽宁省逐日霾资料,并利用该资料对辽宁省年和四季霾日时空变化特征和主导因子进行分析。结果表明,1961—2020年辽宁省平均年霾日呈显著增加趋势[2.1d·(10a)-1],但2015年以来霾日显著减少;空间上,年和四季霾日呈现一致的分布特征,均存在1个高值中心(沈阳)和2个副高值中心(北票和锦州),年平均霾日分别为139、52、46 d,辽东和辽西山区为霾日低发区,年平均霾日在20d以内。风向和风速是霾日形成的重要气象因子,西南偏南风增加带来的暖湿气流对春季、夏季和秋季霾日的形成贡献较大,北风的减少则对冬季霾日的形成贡献较大。霾发生时辽宁省春季、夏季和秋季发生西南偏南风的频率分别由11.4%、12.1%和8.0%增加至15.8%、19.8%和13.5%,冬季则表现为北风发生频率的减少和静风发生频率的增加;霾发生时四季风速均较平均状况偏小,说明小风有利于霾的形成。辽宁省霾长期演变受到污染物排放、风力因子和环境政策等多种因素影响,1980—2003年霾日的不断增加是污染物增多和风速减小共同导致的,2015年以来的霾日减少则可能与大气污染防治引起的PM2.5减少有关,同时较少的小风日数也为霾日减少提供了有利的气象条件。
    DOI

  • 王洁,曲晓黎,尤琦,杨琳晗,时珉,张金满
    2024,50(1):95-102[摘要(21)][PDF(203)1.07 M][HTML(111)]

    基于2017—2020年石家庄市逐15分钟电力负荷及同期气象资料,计算人体舒适度指标有效温度和温湿指数,考虑基准负荷存在周期性和增长性,提出采用灰色模型GM(1,1)并结合滤波法、相关分析等方法,建立日峰降温电力负荷与人体舒适度指标分段回归模型。结果表明:石家庄电力负荷具有明显的逐年增长趋势;剥离出的日降温负荷曲线呈“W”型分布;分别对模型进行一次、二次和分段函数拟合,对3种预测模型进行检验发现分段函数预测精度较高,平均相对误差在4.8%~5.2%,有效温度和温湿指数的分段函数误差在-10%~10%所占比例分别为88.1%和90.5%;考虑了温度、湿度和风速的有效温度较温湿指数的夏季日峰降温电力负荷预测模型预测准确率更高,回归模型分段点为26.2℃,对电网“迎峰度夏”时期电力调度具有参考价值。
    DOI

  • 方鸿斌,王珊珊,王晓玲,谭江红,鲁礼炳
    2024,50(1):103-114[摘要(29)][PDF(298)6.59 M][HTML(123)]

    使用2017年9月至2021年3月国家级业务化运行的智能网格实况分析产品和欧洲中期天气预报中心全球模式(EC)产品,根据湖北省的地理分布特征构建6个分区,采用基于LightGBM机器学习算法建立的气温预报方法,生成湖北省0.05°×0.05°格点气温预报产品。利用2021年4—9月的预报产品和格点实况资料进行检验,结果表明:基于机器学习的气温预报方法(MLT)取得了较好的预报效果,其在0~72 h时效内优于中央气象台下发的气温精细化指导预报(SCMOC)和EC产品;MLT在山区的误差较平原大,但山区的订正幅度大于平原,日最高气温的订正幅度大于日最低气温的订正幅度;4—9月MLT、SCMOC、EC产品的平均绝对误差(MAE)日变化都呈现了白天偏高、夜间偏低、午后凸起的单峰特征,MLT的MAE值较SCMOC和EC产品的更低,并且在转折性天气中仍具有优势;站点检验与格点检验结论一致,基于格点建模的气温预报产品对站点预报同样得到了订正。机器学习在格点气温的模式订正方面可以作为一个行之有效的手段。
    DOI

  • 支蓉,高辉,孙冷
    2024,50(1):115-125[摘要(25)][PDF(328)6.61 M][HTML(133)]

    2023年夏季,我国气候特征整体表现为“温高雨少”,区域性、阶段性高温、旱涝等气象灾害明显。降水的空间分布差异显著,主要多雨区位于我国北方,松花江、海河流域出现严重汛情。生成和登陆台风频数均较常年同期偏少,但北上台风却对京津冀等地造成极其严重的雨涝灾害。2023年夏季我国气温为1961年以来历史次高,北方地区暖异常明显,华北、西北等地区阶段性高温热浪尤为突出。华北、东北地区降水偏多是由不同环流系统造成的。其中,华北南部降水异常偏多主要由7月底至8月初一次极为罕见的天气尺度持续性极端降水过程所致,台风杜苏芮和卡努外围环流与异常偏西、偏北的西太平洋副热带高压相配合,再加上太行山东麓的地形效应是其主要原因。盛夏东北东部异常偏南风引导的水汽输送在整个对流层都异常偏强,造成东北北部和东部降水明显偏多,这一异常环流与初夏巴伦支海海冰密集度减小及盛夏西北太平洋海温异常偏暖均有一定关联。
    DOI

  • 宋佳凝,董林,渠鸿宇
    2024,50(1):126-132[摘要(17)][PDF(214)4.98 M][HTML(86)]

    2023年10月大气环流主要特征是北半球极涡呈多极型分布,欧亚中高纬地区主要由高压脊控制,西太平洋副热带高压位置偏北偏强,呈现带状分布的特征,亚洲东部有热带低值系统活动。10月,全国平均气温为12.0℃,较常年同期(10.6℃)偏高1.4℃,全国平均降水量为35.4mm,与常年同期(35.6mm)持平。月内,华西秋雨偏多,持续时间偏长,给部分地区带来暴雨洪涝;台风生成个数偏少,登陆个数偏多,影响较重,其中“小犬”引发华南强降水,“三巴”3次登陆我国,造成华南地区受灾;有2次冷空气过程影响我国;发生1次雾-霾天气过程。
    DOI

微信公众号
下载中心
更多>>