CCSM4模式对东北气温和降水的模拟及预估

利用东北地区162个气象观测站逐月气温和降水资料对CCSM4模式的模拟性能进行了评价,并预估了2021—2050年东北地区的气候变化情景。结果表明:CCSM4模式长期历史气候模拟实验模拟的1961—2005年月平均气温、降水量值能较好地再现东北区域年平均气温、降水量的空间分布形态,但气温模拟值比观测偏低,91. 4%站点误差在1. 5℃以内;降水中心比观测略偏北,全区平均偏多35. 18 mm。2021—2050年东北区域年平均气温呈增温趋势,高纬度地区的增温幅度明显大于低纬度地区,与基准年相比,RCP2. 6、RCP4. 5和RCP8. 5情景下全区分别偏高6. 00℃、5. 86℃和6. 42℃。年降水量分布呈东南向西北递减的形态,降水大值中心出现在东南部吉林与辽宁交界处,RCP2. 6、RCP4. 5和RCP8. 5情景下全区分别偏多15. 2%、3. 1%和2. 0%。     

多隐层BP神经网络在模式预报中的简化应用

EC细网格预报效果好,基本满足业务需要,在工作中被广泛应用。为进一步提升预报准确性,做好迪士尼园区的气象服务保障,选取2016年7月至2017年6月1年的2 m温度预报场,24 h预报时效的时间分辨率为3 h,72 h预报时效的时间分辨率为24 h,分别用回归分析法、S型和简化Line型BP神经网络法进行模式释用,与迪士尼气象站观测数据对比。结果表明:阈值为1℃时,对模式结果释用后,均方根误差减少了0.5℃到1.0℃,3—9 h和21—72 h预报时效的准确率由原来的50%和30%分别上升到70%和50%。采用S型多隐层BP神经网络误差最小,不同预报时效释用稳定性最高,同时该释用方法对t_(min)的预报特征把握更精准,释用效果明显优于对t_(max)的预报释用,但迭代计算耗费时间大幅增多,与预报效果的提升不成正比。简化Line型的BP神经网络通过8个半月的数据量和简单的网络模式,捕获了EC预报的特征,不但减小了计算量,大幅缩短了计算时间,而且预报结果也有显著提升,预报稳定性较好,具有广泛的业务应用空间。     

中国区域高分辨率温度实况融合格点分析产品质量评估

采用两种插值方法将2018年2m气温实况融合格点分析产品插值到2380个国家级考核站,通过相关系数、平均值误差、平均绝对误差、均方根误差及准确率等指标对该产品进行评估。结果表明:利用邻近插值法得到的评估结果略优于双线性插值法,实况融合格点分析产品的评估结果具有一定的日变化和月变化。总体而言,逐小时实况融合格点产品与站点实况基本一致,具有较高的参考性,其相关系数达到0.99以上,均方根误差在1℃以下,2℃以内准确率达到98%以上,1℃以内准确率达到95%以上。分省和分海拔评估结果表明,评估结果随海拔高度的增加而变差,因此在海拔较高、地形较复杂区域、气象站较稀疏区域应用该产品时应谨慎;由小时实况融合格点产品获得的日最高、最低温度也有很高的指示性;该产品对高温过程也有较好的监测能力。      

前期土壤湿度、海表面温度对中国夏季极端气温的预测能力评估

基于中国587站日最高、最低气温观测资料、月平均的ERA_interim土壤湿度（Soil Moisture,SM）再分析资料及扩展重建的海表面温度（Sea Surface Temperature,SST）资料（ERSST）,对极端气温指数进行了定义,利用变形的典型相关分析和集合典型相关分析方法（Ensemble Canonical Correlation,ECC）,分析了1979-2009年我国夏季极端气温与前期（春、前冬）SM、SST间的线性联系,建立了中国夏季极端气温预测模型,并对独立样本检验的效果进行了评估。结果表明：1）与中国夏季极端气温联系密切的前期SST异常的空间分布为类PDO（Pacific Decadal Oscillation）型,前期土壤湿度异常的区域为华南、青藏高原、东北和西北地区。2）交叉检验结果表明基于前冬预测因子的极端气温预测模型技巧高于春季,基于SM的极端气温预测模型技巧高于SST。3）独立样本检验表明基于前期SM、SST的ECC模型对中国东部夏季极端气温有一定的预测能力。因此,可以在夏季极端气温的预测业务中考虑前期SM、SST的影响。     

基于多模式集成冬半年气温预报偏差修正

卡尔曼滤波递减平均方法对模式直接输出的气温预报进行订正,能有效提高预报准确率,但有时会造成显著负订正的现象,使订正预报效果反而不及模式直接输出。利用消除偏差集合平均方法(BREM)选择最优滑动训练期对2019年10月至2020年4月ECMWF预报(EC)、经过卡尔曼滤波递减平均法订正的预报(EC_COR)及中央台网格指导预报(SCMOC)等3种气温预报在黑龙江省的结果进行集成,并将BREM方法对EC_COR的修正效果进行评估,结果表明:不同预报结果都表现为冬季和夜间预报的准确率更低,气温偏低的11月至翌年1月更倾向于表现出预报较实况系统性偏高的特点。BREM方法能有效地修正EC_COR对EC负订正的现象,且可显著高于任何一种参与集成的单一预报效果。可在对单一模式进行卡尔曼滤波递减平均订正的基础上,进一步提升预报质量。另外,利用集成方法对高质量预报产品的融合(不局限于模式直接输出预报或是订正预报)可获取较单一预报更优的预报结果。     

基于统一高度Cressman方法的地面2m气温客观分析

针对离散站点资料格点化的业务需求及 Cressman 方法在地形复杂区域客观分析存在的问 题,利用山东及周边省自动气象站观测的 2 m气温和 ECMWF预报的海上 2 m气温,结合山东省中尺度数值预报位温递减率、90 m分辨率 SRTM高程数据,采用统一高度 Cressman 方法对山东省地面2 m气温进行客观分析,生成了逐 1 h、0.01°×0.01°高分辨率的地面 2 m气温格点产品。结果表明,统一高度 Cressman 方法的客观分析格点产品在地形复杂区域的分析更合理,月平均误差基本在±1 ℃以内,鲁中山区地形高度较高区域月平均误差略大于鲁西北、鲁西南、鲁东南和山东半岛等地的平原地区,气温偏低的10、11、12月温度准确率均略低于 5、6、7、8、9 月;2020 年 5—12 月平均误差为－0.0039 ℃,平均绝对误差为 0.1469 ℃,均方根误差为 0.3597 ℃,2 ℃以内准确率为 99.64%,1 ℃以内准确率为 98.24%,各项检验指标均较优。总体上统一高度 Cressman 客观分析格点产品质量接近中国气象局陆面数据同化系统（ HRCLDAS ）高分辨率格点实况产品。     

内蒙古东部地区夏季降水年代际突变及其可能成因

近些年来,内蒙古呈现出干旱趋势。文章利用1961—2019年内蒙古107个气象站逐月降水资料和NCEP/NCAR逐月再分析数据,研究了内蒙古夏季降水的年代际变化特征,指出内蒙古夏季降水,尤其是东部地区(110°E以东)夏季降水在20世纪90年代中后期发生突变,夏季降水由前期(1983—1998年,P1阶段)偏多阶段转变为后期(1999—2011年,P2阶段)偏少阶段。分析表明:亚洲中高纬地区气温异常可能对内蒙古东部地区夏季降水年代际突变有显著影响,一方面,内蒙古东部地区夏季降水与亚洲中高纬地区气温有显著的负相关;另一方面,亚洲中高纬地区气温在20世纪末显著增高,升温幅度明显超过趋势变化。进一步分析表明,亚洲中高纬地区气温对我国北方大气环流有调制作用,在P1阶段,亚洲中高纬地区为负的温度距平,我国北方为气旋性环流异常,这一环流形势有利于内蒙古东部地区夏季降水增多;而在P2阶段,亚洲中高纬地区增暖显著,内蒙古上空被异常反气旋性环流控制,大陆高压偏强,导致内蒙古东部地区偏旱。     

仁和气象站迁站前后温湿对比分析

利用2018年仁和区国家气象观测站新、旧站的气温、相对湿度和水汽压观测资料,采用差值统计方法,对新、旧站气温、相对湿度和水汽压进行对比分析。结果表明：新站的年平均气温低于旧站,新、旧站冬季（12—2月）平均气温差值为零;新、旧站月平均最高气温的差值最大,月平均最低气温的差值最小;新、旧站月极端最高（最低）气温出现日期有的不是同一日。新站较旧站的相对湿度和水汽压略有提高,月最小相对湿度只有8月的出现日期不是同一日。气温和湿度都是白天差值大于夜间,气温和湿度的差值波动范围在干、雨季期间有明显的区别。城市热岛效应、绿地增湿降温作用,海拔高度变化和逆温层等因素是造成温湿差异的主要原因。     

青藏高原冬季1月绕流的变化特征及其对中国气候的影响

利用1979～2019年NCEP/NCAR再分析资料和中国地面基本气象要素日值数据集（V3.0）的气温和降水资料,首先定义了客观表征冬季青藏高原南北两支绕流变化的指数,然后分析了其不同的变化特征,并采用相关分析、合成分析等方法初步研究了青藏高原南北两支绕流异常变化对中国气温和降水的影响机制。主要结果有:（1）青藏高原冬季北支绕流和南支绕流之间呈显著的负相关;北支（南支）绕流强、南支（北支）绕流弱时,对流层中低纬度地区从高原西部到我国东部沿岸为一个大范围的异常反气旋式（气旋式）环流系统,500 hPa高原的中部为一个异常反气旋（气旋）环流中心。（2）青藏高原冬季南北两支绕流的变化对中国冬季天气气候有显著影响。当青藏高原北支绕流强（弱）时,中国除东北是气温偏低（高）、降水偏多（少）外,河套、青藏高原及长江以南则是气温偏高（低）、降水偏少（多）;当南支绕流强（弱）时,中国气温普遍偏低（高）,东北及新疆北部是降水偏少（多）,南方大部分地区是降水偏多（少）。（3）分析高原绕流异常变化对中国天气气候的影响机制表明:当青藏高原北支绕流强、南支绕流弱时,中国东部35°N以北的对流层中都是异常西北风,35°N以南都是异常东北风,受高原异常纬向绕流影响,对流层大气为明显的“正压结构”;相应的对流层底层从南到北为一致的异常西南风,850 hPa以上35°N的之间为反气旋式切变和下沉运动异常,300 hPa以下异常偏暖,这些条件加强了下沉增温,导致中国东部气温偏高、降水偏少。当青藏高原南支绕流强、北支绕流弱时,对流层中的纬向风异常则为明显的“斜压特征”,异常西风呈现为从对流层低层到高层、低纬度到高纬度的倾斜的带状特征,其下方自华南近地面到华北200 hPa的“三角形”状异常东风,配合相应的经向风异常和华南到华北的异常上升运动,低层为“三角形”状的异常冷气团向南切入到中国南海,中上层为异常偏暖的西南气流在冷气团上自南向北爬升到中高纬度地区,导致中国大范围的气温异常偏低、降水偏多。     

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.