榆林市辐射型浓雾天气成因及维持机制个例分析

利用逐5 min地面观测资料、探空资料、风云四号卫星云图以及NCEP 1°×1°再分析资料,分析2020年2月1—2日出现在榆林市的一次浓雾天气成因及维持机制。结果表明：此次浓雾属于辐射雾,发生在500 hPa为较平直纬向气流,700 hPa和850 hPa盛行弱偏北风,地面处于均压场中的大尺度环流背景下。大雾出现前雾区有降雪,降雪后空气湿度达到饱和,地面维持3 m/s以下弱偏北风,夜间辐射降温,气温下降至露点温度,饱和水汽凝结成小水珠,大雾得以形成和发展;雾区上空850 hPa上逆温层稳定存在,影响动量的垂直交换,使得水汽在近地层长时间集聚,是浓雾得以维持12 h的主要原因;日出后地面气温回升,近地面动量下传和冷空气入侵,垂直扩散增强,浓雾得以快速消散。分析浓雾期间动力和水汽条件发现,大雾出现前,水汽在雾区上空辐合,为大雾的形成提供了水汽基础;大雾维持阶段,雾区上空层结稳定,近地面有逆温层存在;大雾消散阶段,逆温层被破坏,低层转为辐散气流,浓雾快速消散。     

全球云水量气候分布及变化趋势特征分析

采用20世纪再分析版本2c数据集的云水量逐月再分析数据,通过数理统计方法,分析了1960～2014年全球、海洋和陆地上空云水量的分布和变化特征及其与水汽通量的关系。结果表明:1）全球云水量空间分布不均,海洋高于陆地且比例约为4﹕3,中低纬海洋、陆地上空云水量变化趋势分别为0.07 g m?2 (10 a)?1和?0.04 g m?2 (10 a)?1,季节性差异主要体现于夏季在热带辐合带和南半球海洋高,冬季在北半球海洋和南半球陆地高。2）对比六大洲发现,云水量最高的南美洲有最快增加趋势,为0.46 g m?2 (10 a)?1,同时云水量最低的非洲有最快降低趋势,为?0.59 g m?2 (10 a)?1。3）中低层整层水汽通量散度场的辐合、辐散区和云水量的高、低值区相对应,云水量与水汽通量散度变化呈负相关（相关系数为?0.44）,负相关关系在赤道附近的低纬地区显著。本文揭示了在全球变暖背景下,大气中云水量分布和变化的时空格局,为模式参数化和未来气候预估提供参考。     

华南夏季降水两次年代际转折的水汽输送异常成因初探

本文利用NCEP/NCAR再分析资料和中国2374站日降水资料,通过水汽收支方程分解方法分析了华南夏季降水在1993~2002年时段年代际增多以及2003~2013年时段年代际减少的水汽输送特征及其成因。结果表明:1993~2002年时段（2003~2013年时段）,局地环流导致异常下沉（上升）气流,南亚高压偏东（偏西）和西太平洋副热带高压（简称副高）偏西（偏东）,菲律宾及副高西南侧水汽输送加强（减弱）,华南地区低层出现强的水汽辐合（辐散）,导致降水偏多（偏少）。华南地区夏季降水两次年代际变化主要与风速变化引起的水汽输送动力散度项的异常有关,同时还受到与比湿变化引起的水汽输送热力散度项异常、及天气尺度的涡旋引起的水汽输送涡流散度项异常影响。此外,研究发现水汽输送的异常与环流和海温异常均密切相关。     

GPT2w模型在中国大陆地区的精度分析

全球气温气压（GPT）系列模型可用于计算全球任意位置的气温、气压和水汽压等各种气象参数,目前国内外广泛使用且精度较高的全球气温气压模型主要为GPT2w模型.本文利用2012—2016年中国大陆地区102个国家气象站实测的气温、气压和水汽压数据对GPT2w模型进行精度分析.结果表明：GPT2w模型的气温误差均值为-0.45 ℃,标准偏差均值为10.04 ℃;气压误差均值为2.05 hPa,标准偏差均值为6.55 hPa;水汽压误差均值为0.11 hPa,标准偏差均值为6.15 hPa.总体而言,GPT2w模型计算出的气温、气压和水汽压值在中国大陆大部分地区具有较高的精度.同时,三种气象参数的精度在中国大陆地区分布不均匀,不同纬度区间存在一定差异且以年为周期均具有明显的季节性.     

CMIP6全球气候模式对青藏高原中东部地表感热通量模拟能力评估

利用青藏高原（以下简称高原）气象台站常规观测资料、国家青藏高原科学数据中心的青藏高原地气相互作用过程高分辨率（逐小时）综合观测数据集（2005～2016）、国际耦合模式比较计划第六阶段（CMIP6）的历史模拟试验数据和卫星辐射资料,定量评估了12个全球气候模式对1979～2014年高原中东部地表感热通量的模拟能力,并对其模拟偏差进行了成因分析。结果表明,CMIP6模式可较好地重现高原地表感热通量的年循环和季节平均的空间分布型,但数值较计算感热通量偏低,主要表现为对感热通量大值区严重低估。区域平均而言,12个模式模拟的春季高原中东部感热通量的时间演变序列整体较计算感热通量偏低,其中偏差最大的模式为MIROC6,其多年均值仅为计算值的1/3左右。进一步分析发现多模式模拟的春季高原10 m高度处风速和地气温差分别偏强和偏弱,说明CMIP6模拟的春季高原感热通量偏低可主要归因于地气温差的模拟冷偏差。地气温差的模拟冷偏差在高原中东部地区普遍存在,且地表温度和空气温度均存在明显冷偏差,尤其地表温度偏差更大,这很大程度上可能与CMIP6多模式模拟的春季高原降水偏强有关。     

影响夏季青藏高原横切变线演变的动力和热力作用分析

青藏高原横切变线（简称切变线）是引发青藏高原夏季暴雨的主要天气系统之一。本文基于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,简称ECMWF）提供的ERA-5再分析资料,选取14个生成于6~8月、生命史为38小时且引发高原暴雨的切变线个例进行合成分析,探究动力和热力作用对夏季切变线生成和强度演变的影响。结果表明:（1）500 hPa切变线生成于伊朗高压和西太平洋副热带高压两高之间的鞍形场中,处于580 dagpm闭合低值中心和272 K高温中心内,比湿大值区的北侧;200 hPa南亚高压北部边缘、西风急流入口区南侧。（2）切变线强度表现出明显的日变化特征,在当地时间（LT=UTC+6h）23时最强,13时最弱。（3）涡度收支诊断表明,青藏高原上空高低层散度变化对切变线强度变化具有指示意义,500 hPa涡度最大值（最小值）出现时间滞后于辐合作用最大值（最小值）3小时。（4）切变线演变过程中,切变线发展时位涡随之增大。位涡收支诊断表明,青藏高原上空的水汽和非绝热加热对切变线的生成和发展演变起到重要作用。当边界层感热加热增强时,低层辐合增强,上升运动增强,在充足的水汽配合下,凝结潜热释放使非绝热加热中心抬高至大气中层,从而有利于切变线生成及发展。     

天山南坡暖季暴雨过程的水汽来源及输送特征

利用1981—2020年5—9月天山南坡16个气象站逐日降水资料和NCEP/NCAR GDAS再分析资料,分析天山南坡暖季暴雨过程的环流形势,并采用HYSPLIT模式,模拟追踪水汽源地及输送特征。结果表明:天山南坡暖季暴雨主要发生在南亚高压双体型、500 hPa以上西南急流(气流)、700 hPa切变辐合以及天山地形辐合抬升的重叠区域。水汽主要源自中亚、大西洋及其沿岸、地中海和黑海及其附近,经TKAP(塔吉克斯坦、吉尔吉斯坦、阿富汗东北部、巴基斯坦北部和印度西北部)、南疆、北疆关键区,分别从偏西、偏南、偏北通道输入暴雨区,700 hPa以上偏西通道、以下偏北通道占主导地位,且贡献最大的是南疆关键区。源自中亚的水汽主要输送至暴雨区700 hPa及以下,对暴雨的贡献较大,且沿途损失较大;源自大西洋及其沿岸、地中海和黑海及其附近的水汽主要输送至暴雨区700 hPa以上,对暴雨的贡献较小。另外,中低层还存在源自北疆、南疆、北美洲东部、蒙古的水汽。基于上述特征,建立了天山南坡暖季暴雨过程水汽三维精细化结构模型。     

天山南坡暖季暴雨过程的水汽来源及输送特征

利用1981—2020年5—9月天山南坡16个气象站逐日降水资料和NCEP/NCAR GDAS再分析资料,分析天山南坡暖季暴雨过程的环流形势,并采用HYSPLIT模式,模拟追踪水汽源地及输送特征。结果表明:天山南坡暖季暴雨主要发生在南亚高压双体型、500 hPa以上西南急流(气流)、700 hPa切变辐合以及天山地形辐合抬升的重叠区域。水汽主要源自中亚、大西洋及其沿岸、地中海和黑海及其附近,经TKAP(塔吉克斯坦、吉尔吉斯坦、阿富汗东北部、巴基斯坦北部和印度西北部)、南疆、北疆关键区,分别从偏西、偏南、偏北通道输入暴雨区,700 hPa以上偏西通道、以下偏北通道占主导地位,且贡献最大的是南疆关键区。源自中亚的水汽主要输送至暴雨区700 hPa及以下,对暴雨的贡献较大,且沿途损失较大;源自大西洋及其沿岸、地中海和黑海及其附近的水汽主要输送至暴雨区700 hPa以上,对暴雨的贡献较小。另外,中低层还存在源自北疆、南疆、北美洲东部、蒙古的水汽。基于上述特征,建立了天山南坡暖季暴雨过程水汽三维精细化结构模型。     

2020年梅汛期强降水事件的预报误差来源分析

基于WRF模式（Weather Research and Forecasting Model）分析2020年超长梅汛期内11次强降水事件的预报误差来源。分别以FNL（Final Global Data Assimilation System）、TIGGE_EC（THORPEX Interactive Grand Global Ensemble from European Centre for Medium-Range Weather Forecasts）作为初始场进行预报,对比预报结果发现,TIGGE_EC初始场的预报结果普遍优于FNL,这说明初始条件的不确定性对预报结果有重要影响。进一步探究初始条件不确定性（初始误差）来源的区域（敏感区）和变量（敏感变量）发现,敏感区集中分布于降水区西侧上游,相对应的敏感变量为水汽场。分别考察动能、有效位能以及比湿能在初始误差总能量中的占比,结果表明,扰动比湿能占比最小,但敏感性试验 表明比湿场扰动对预报效果的影响最大。选取比湿场扰动对预报效果影响最大且WRF_EC具有更好预报效果的6个暴雨事件,通过HYSPLIT后向轨迹模式分别追踪其累计降水量最大值点的水汽来源及路径发现,有6个事件均有向降水区西侧上游延伸的水汽来源通道,进一步表明了敏感区的初始水汽场的准确性对暴雨预报的影响。因此降水区西侧上游的水汽场的误差是这11次梅汛期暴雨过程重要的预报误差来源,对其准确描述可有助于预报效果的提升。