青海省洪涝灾害的时空分布和致灾雨量特征

基于2008—2020年青海省的灾情记录,利用灾损指数分析了青海省洪涝灾害的时空分布特征,确定了青海省的洪涝灾害高风险区。同时采用2017—2020年多源融合的CLDAS降水数据,利用机器学习算法建立了洪涝灾害预报模型,确定了致灾雨量阈值。结果表明：（1）青海省洪涝灾害2018年最多,共98次,2014年最少,共16次,7—8月是洪涝灾害的高风险时段。空间变化表现为,基于年平均灾害次数的高风险区为海南州-海西州东部,基于年平均灾损指数的高风险区为海东市-西宁市。（2）利用多种机器学习算法,得到基于CLDAS数据的1 h、2 h和24 h雨强是预警灾害的降水因子,海南州-海西州东部1 h或2 h最大雨强达到6.8 mm,或者24 h最大雨强达到11.1 mm,是预警洪涝灾害的降水阈值。海东市-西宁市及邻近地区1 h或2 h最大雨强达到13 mm,或者24 h最大雨强达到18.2 mm,是其预警洪涝灾害的降水阈值。     

WRF模式云参数化方案对一次深对流系统模拟的验证和改进

使用中尺度数值模式WRF中的双参数云微物理方案WDM6针对2008年台风“凤凰”登陆过程中造成的强降水进行数值模拟,通过卫星模拟器利用MTSAT-1R和TRMM卫星观测的红外云顶黑体亮温TBB、PR雷达反射率资料使用统计方法验证模拟结果。通过修改云水向雨水自动转化过程、冰晶核化过程、雪和霰的下落末速度、雪和霰的截距进行敏感性试验,减小模拟结果和卫星观测结果的差异。研究结果表明:WDM6方案模拟的台风“凤凰”登陆后的降水,强对流云系及对流柱状雷达回波基本符合实况,但模拟结果局部偏强。WDM6方案模拟产生了较多的浅对流云,低估了对流云系的出现频率。不同云类型模拟的雷达回波均偏强,对流云系雷达回波垂直分布接近观测。敏感性试验结果说明修改WDM6方案中云水向雨水自动转化率有效地改善了模拟效果。同时发现云滴初始数浓度影响云水向雨水自动转化率并最终影响云系结构和雷达反射率的模拟结果,过高的云滴初始数浓度会使模拟结果变差。     

CHARACTERISTICS OF RAINFALL VARIATION OVER EAST CHINA FOR THE LAST 50 YEARS AND THEIR RELATIONSHIP WITH DROUGHTS AND FLOODS

With the precipitation data of 113 stations in East China during the last 50 years, the characteristics of the precipitation, including Precipitation Concentration Degree (PCD) and Precipitation Concentration Period (PCP) and their tendencies, are analyzed. The results show that the PCD in the northern part of the region is markedly higher than that in the southern part, but the PCP in the south is much earlier than that in the north by about one and a half months, which displays significant regional differences in precipitation. With the global warming, precipitation over East China shows an increasing tendency, but PCD displays a trend that is neither increasing nor decreasing. At the same time, the PCP is later than before, which can be mainly found in Jiangxi and southern Henan provinces. As a result, there are strong associations between the precipitation, PCD and PCP, which can be shown in the years with more precipitation, stronger PCD and later-than-usual PCP. In a word, the abnormal distribution of precipitation, PCP, and PCD over East China results in more extreme events of precipitation and more droughts and floods.     

近60年西安日照时数变化特征及其影响因子分析

利用常规气象观测资料和MODIS卫星C5气溶胶产品,分析了近60年西安日照时数变化特征及其相关影响因子。结果表明,西安日照时数在1981-2001年之间存在明显的下降趋势,以春、夏季日照时数下降最为明显,秋、冬季次之。渭南、华县的日照时数变化表明,西安及其以东地区的日照时数存在区域性下降,且3个城市的日照时数下降百分率存在明显的相关性。而华山(海拔2064.9m)的日照时数在近几十年中并未出现明显的增加或减少趋势,因此,影响西安及其东部日照时数下降的原因很可能位于近地面2km以下。通过分析气溶胶光学厚度、总云量、低云量和降水量的变化,发现关中东部地区的气溶胶光学厚度明显高于西部地区,高浓度的气溶胶并未导致西安、渭南、华县3个城市的总云量、低云量和降水量的增加,相反云量和降水量均呈现弱的区域性下降趋势。因此,西安及其以东地区日照时数的区域性下降不是气溶胶的间接效应引起的,很可能是在地形和盛行风向的共同作用下导致气溶胶在关中东部地区堆积而产生的直接辐射效应所致。     

四川盆地强暴雨过程诊断及中尺度分析

为了探索四川盆地暴雨天气发生发展的机制,利用云图和美国环境预报中心的全球再分析资料,针对2010年8月18—19日出现的暴雨过程进行环流形势、物理量场及中尺度特征分析,结果表明：暴雨过程中不断有低压槽东移,西太平洋副高西伸至盆地东部,暖湿气流通过低层绕流等方式进入盆地;在低层辐合高层辐散和热力不稳定的条件下,随着干冷空气入侵,对流运动异常强烈,促使强降水发生,湿位涡等值线密集带对暴雨落区预报有较好的指示意义。中尺度对流系统各阶段特征明显,与中尺度气旋演变有很好的相关性。     

基于潜在蒸散量对青海湖流域干旱气候以及影响因素的分析

通过分析青海湖流域及周边地区的潜在蒸散量及其水平分布与年内和年代际变化特征,并与中国其它流域的蒸发皿观测和估算的蒸发量变化特征进行对比,得出了青海湖流域干旱气候特征与潜在蒸散量的关系.结果表明:青海湖流域以西干旱沙漠地区是潜在蒸散量的高值区,流域以东是潜在蒸散量的低值区,青海湖是从干旱的高蒸发量区向半干旱的低蒸发量区的...     

“15·8”川东西南涡暴雨的Q矢量分析

利用NCEP 1°×1°再分析资料和常规地面观测资料,应用非地转湿Q矢量(Q*)的理论,对2015年8月16~18日一次川东地区持续性暴雨进行了分析。500h Pa高空槽、700h Pa西南低涡(SWV)和850h Pa低空急流为造成此次持续性暴雨的主要系统。结果表明:(1)Q*散度的辐合区与未来6小时雨带相对应,能较好地诊断未来6小时雨带的分布,西南涡中心位于辐合区西偏南侧,强降水中心位于辐合区中心南部;(2)西南涡中心和未来6小时雨带分别位于Q*正涡度区东南侧和西侧,但Q*涡度诊断能力不如Q*散度;(3)在西南涡发展阶段,大尺度强迫占主导地位,在西南涡成熟阶段则是中小尺度强迫占主导地位;(4)Q*散度垂直分布能较好地反映出西南涡的垂直结构,西南涡位于Q*矢量散度辐合垂直带的西南侧。     

四川盆地降水日变化特征分析和个例模拟

利用台站观测降水资料,分析四川盆地及周边地区降水分布和日变化特征,得到以下结论:四川地区降水存在2个高值中心,均位于盆地周围的山地;盆地降水"夜雨"特征明显;川西高原降水峰值以午夜前降水量的贡献为主;盆中与盆地西南边缘山地的降水峰值由夜间降水量与降水频率共同作用;盆地东北边缘的山地是午前降水频率与后半夜的降水量均有贡献。其次,结合WRF模式的数值试验,对2008年9月23～24日发生在盆地的夜间暴雨过程进行模拟研究和综合分析。结果表明WRF模式较好地模拟了此次天气过程降水的空间分布和日变化规律,通过分析模拟的环流场与温湿场发现,夜雨的形成与大尺度环流场的影响和地形强迫关系密切。     

用VISUAL C＋＋建立中期业务平台

采用VISUAL C 6.0可视化编程技术，结合陕西省中期预报服务工作的实际需要，建立了用户界面友好、使用方便的中期业务工作平台，主要介绍了中期业务工作平台的结构和实现方法。     

咸阳机场一次阵风锋的探测和自动识别

利用西安多普勒雷达观测资料、NCEP再分析资料和自动气象站资料,对2016年6月4日发生在咸阳机场附近的一次阵风锋天气展开研究。这次过程是由蒙古低涡主导,低涡后部的冷空气南下触发对流引起的,阵风锋过境时咸阳机场产生了2.2mm降水和19.7m·s^(-1)的大风天气,多架次航班受到影响。从雷达回波的分析发现,这次阵风锋的特征表现为,生命史2h左右,回波强度5~25dBz,长度约70km,平均移速达49.7km·h^(-1),伴有明显的窄带回波和辐合线。对雷达基数据进行质量控制后,设计了自动识别软件,在强度场上利用双向梯度算法,以及速度场上使用Shear参量算法,根据窄带回波和辐合线的空间一致性,对该阵风锋的位置和强度进行识别。最后利用临界成功指数对这个软件进行评估,本次阵风锋的识别率达到83.33%,表明该软件能够识别阵风锋,可在业务中使用。