推荐文章

Please wait a minute...


选择: 下载引用 EndNote Reference Manager ProCite BibTeX RefWorks 显示/隐藏图片

Select

1. 贺兰山东麓两次暴雨过程湿位涡特征分析 王勇,陈豫英,李婷,苏洋 气象与环境学报    2023, 39 (6): 1-9.   DOI: 10.3969/j.issn.1673-503X.2023.06.001 摘要 （147）   HTML （22）    PDF （5326KB）（216）    可视化    选用宁夏贺兰山东麓512个自动气象观测站逐小时降水量数据和ERA5再分析资料及常规气象探测资料, 对比分析该地区2018年7月22日特大暴雨和2020年8月11日大暴雨过程的湿位涡特征, 探讨两次暴雨发生发展机制。结果表明: 两次暴雨过程均发生在“东高西低”的环流形势下, 西太平洋副热带高压西侧的偏南气流、高低空急流配置以及台风为暴雨过程提供了有利的水汽和动力条件; 暴雨发生前3~6 h, 对流层低层700~850 hPa存在湿位涡正压项(MPV1)负值中心和湿位涡斜压项(MPV2)正负中心过渡的等值线密集带, 其移动发展及持续时间同暴雨发生发展有较好的对应, 对暴雨预报有一定指示作用。对流层低层MPV1负值区和MPV2正值区相叠加的位置是强降水易发区, 且MPV1、MPV2强度越强、持续时间越长, 降水越强, 当MPV1和MPV2趋于零时, 大气层结稳定, 降水过程逐渐结束。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 2021年11月6—9日辽宁省极端暴雪过程诊断分析 赵婷婷,孟鑫,高凌峰,周泽文,刘海龙,高晶 气象与环境学报    2023, 39 (6): 10-17.   DOI: 10.3969/j.issn.1673-503X.2023.06.002 摘要 （143）   HTML （14）    PDF （4023KB）（248）    可视化    选用常规气象观测资料和NCEP 1°×1°再分析资料, 对2021年11月6—9日辽宁省极端暴雪过程进行天气形势和物理量诊断分析。结果表明: 此次极端暴雪过程主要受东北冷涡和强气旋共同影响, 最大降雪量为80.8 mm, 有20个站最大积雪深度超过30 cm。导致极端暴雪的主要原因是持续时间较长的强水汽输送和水汽辐合, 最大值分别为18 g·hPa-1·s-1·cm-1和-7×10-5 g·hPa-1·cm-2·s-1; 异常偏强的低层辐合、高层辐散产生的强上升运动, 中心值达到-3.0 Pa·s-1, 对极端性暴雪预报有指示作用。斜压强迫和850 hPa强烈的水平锋生是此次极端降雪发生发展的重要机制。湿位涡MPV1>0且MPV2 < 0的配置表明, 气旋性涡度及对称不稳定性的增大为暴雪过程的发生提供了有利条件。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

3. 2019年1月陕西关中平原一次持续性浓雾天气特征及其爆发性增强成因分析 梁绵,潘留杰,贾蓓,严文莲,王天舒,高星星,李培荣 气象与环境学报    2023, 39 (6): 18-27.   DOI: 10.3969/j.issn.1673-503X.2023.06.003 摘要 （105）   HTML （6）    PDF （4923KB）（111）    可视化    选用气象自动观测站5 min加密观测资料、探空秒级资料、风廓线雷达资料及欧洲中心ERA5逐小时再分析资料, 对2019年1月10—12日陕西关中平原一次持续性浓雾天气的环流形势、生消演变特征及其爆发性增强成因进行分析。结果表明: 此次浓雾过程具有强度大、持续时间长、多地爆发性增强的特征。雨后的高湿环境, 为此次浓雾过程提供了有利的水汽条件; 稳定维持的强逆温层, 使大量水汽积聚在近地表不易扩散, 为此次浓雾的爆发增强和持续提供了有利的层结条件; 关中平原特殊地形作用形成的风场辐合, 使水汽充分凝结, 有利于强浓雾的发展。触发因子是此次浓雾多地短时爆发性增强的可能原因, 如风向的突然转变和近地面冷空气回流等。浓雾爆发增长前静稳指数的提前跃增, 静稳天气背景条件下925 hPa高度以下近地面东风回流, 可作为该地区大雾爆发增强的参考指标。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

4. 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 王佳津,王彬雁,肖递祥,龙柯吉 气象与环境学报    2023, 39 (6): 44-50.   DOI: 10.3969/j.issn.1673-503X.2023.06.006 摘要 （62）   HTML （3）    PDF （2235KB）（141）    可视化    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。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

5. 基于CMIP6多模式集合的华中地区气候变化模拟与预估 王苗,秦鹏程,佘晨旭,赵小芳,杨明伟 气象与环境学报    2023, 39 (6): 51-60.   DOI: 10.3969/j.issn.1673-503X.2023.06.007 摘要 （88）   HTML （10）    PDF （3857KB）（154）    可视化    选用华中地区1961—2014年逐日气象观测资料、1961—2100年12个CMIP6模式统计降尺度和偏差订正结果，评估CMIP6模式在区域的气温和降水量时空分布模拟结果，选出6个气温模式、4个降水量模式。基于优选模式集合的平均结果，分别分析未来SSP1-2.6、SSP2-4.5、SSP5-8.5三种情景下2021—2100年华中地区不同时期气温和降水量的变化趋势。结果表明：多模式集合平均结果的气温年际变率模拟好于降水量，降水量空间模拟好于气温。三种情景下区域气温、降水量均为增加趋势，气温增速分别为0.13 ℃/10 a、0.30 ℃/10 a、0.62 ℃/10 a, 降水量增速分别为16.2 mm/10 a、12.3 mm/10 a、19.3 mm/10 a。未来2021—2100年三种情景下华中地区降水量多为南部减小北部增大, 气温近期、中期为西部降低、中东部升高，远期除湖北西部山区降低外，其他地区均为升高趋势。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

6. 2020年CLDAS风场数据在辽宁省的适用性分析 刘卫华,金巍,王会品,师春香,曲姝霖,韩国敬,于淼 气象与环境学报    2023, 39 (6): 61-68.   DOI: 10.3969/j.issn.1673-503X.2023.06.008 摘要 （57）   HTML （6）    PDF （1788KB）（63）    可视化    选用2020年辽宁省286个气象站点地面10 m风场数据与中国气象局陆面数据同化系统(CLDAS)10 m风场数据，统计逐小时CLDAS网格插值到站点的风速数据与站点观测风速数据的相关系数(COR)、平均偏差(ME)、均方根误差(RMSE)和平均绝对误差(MAE)，进行CLDAS风场数据在辽宁省的适用性分析和评估。结果表明：CLDAS风场格点数据分辨率1 km较5 km更接近站点观测数据，邻近点插值法较双线性插值法偏差更小。辽宁省286个站点中，逐小时CLDAS风场数据与观测数据相关系数低于0.95的站数仅占总站数的1.7%。辽宁沿海低海拔地区和北部地区较其他内陆地区的CLDAS风速与站点风速偏差大。CLDAS风速与观测风速误差的平均值为负，其中，秋季平均偏差最小，夏季、冬两季次之，春季偏差最大；夜间夏季、秋季日变化偏差最小，冬季次之，春季最大；白天冬季偏差最小，夏季、秋季次之，春季最大。辽宁省3次大风个例分析均表明，CLDAS风场数据有较好的适用性。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

7. 全球升温1.5 ℃和2.0 ℃辽河流域极端降水变化预估 敖雪,翟晴飞,赵春雨,崔妍,耿树江,于怡秋,周晓宇,李经纬 气象与环境学报    2023, 39 (6): 69-79.   DOI: 10.3969/j.issn.1673-503X.2023.06.009 摘要 （49）   HTML （1）    PDF （4246KB）（83）    可视化    基于国家气候中心中等分辨率模式BCC-CSM2-MR开展的第六次耦合模式比较计划(CMIP6)预估数据，采用双线性插值、趋势分析、偏差分析等方法，分析全球升温1.5 ℃和2.0 ℃辽河流域极端降水变化。结果表明：全球升温1.5 ℃辽河流域年平均降水量距平百分率增幅随排放情景的升高而增大，SSP5-8.5排放情景下增幅达5.82%。全球升温2.0 ℃辽河流域年和四季降水均为增加趋势，夏季降水增幅明显；SSP2-4.5和SSP5-8.5情景下降水量均为自西南向东北递减，辽宁西部地区降水增幅较为显著，超过15%。不同排放情景下辽河流域极端降水指数均为增加趋势，日降水强度、强降水日数、强降水比例增长显著；随排放情景升高，极端降水指数增长速率增大，SSP5-8.5情景下的增长速率为SSP2-4.5情景下的两倍以上。SSP5-8.5情景下，21世纪末降水强度、强降水日数、强降水比例、强降水阈值、最长连续湿日数、最大十日降水量将达11.66 mm/d、15.15 d、59.08%、32.94 mm、9.69 d、201.29 mm，较基准期增加5.58 mm/d、5.15 d、37.08%、10.15 mm、5.55 d、102.86 mm。相比全球升温1.5 ℃，全球升温2.0 ℃情况下，6种极端降水指数的增幅更显著，且SSP3-7.0和SSP5-8.5情景下辽河流域极端降水呈一致增加趋势。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

8. 1961—2019年京津冀地区冬季强冷空气日数与海温异常年际变化关系研究 张国宏,王晓琼,张亚琳 气象与环境学报    2023, 39 (6): 80-86.   DOI: 10.3969/j.issn.1673-503X.2023.06.010 摘要 （70）   HTML （5）    PDF （3482KB）（129）    可视化    选用1961—2019年中国京津冀地区气象观测站点日最低气温、NOAA月海表温度和NCEP/NCAR月500 hPa高度场，统计分析该地区冬季强冷空气日数变化特征及其与海表温度的关系，及Niño3.4区海温影响强冷空气的太平洋—北美型(Pacific North American pattern，PNA)遥相关机制。结果表明：京津冀地区冬季单站强冷空气年均发生日数为0.0~8.7 d，空间分布为西北向东南递减。京津冀地区冬季强冷空气日数同前期夏季、秋季和同期冬季海温的显著正相关区主要位于赤道中东太平洋，而西风漂流区和北大西洋东北部显著负相关区出现在前期秋季和同期冬季，赤道印度洋显著正相关仅在同期出现。京津冀地区冬季强冷空气日数异常受乌拉尔山高压脊、贝加尔湖低压、东亚中低纬度异常高压和东亚大槽等500 hPa高度场变化影响。同时，Niño3.4区海温异常通过PNA遥相关模式影响高度场变化，间接影响该地区的强冷空气日数。 图表 | 参考文献 | 相关文章 | 多维度评价