东北地区气温演变的一致性与局地性特征研究

选取中国东北区域162个气象站1961—2015年地面气温资料,采用多种统计方法分析了近55 a东北地区气温的一致性和局地性演变特征。结果表明:东北地区年平均气温存在较为良好的空间一致性,"全区一致型"气候类型为东北地区最主要气候形态;第一旋转载荷向量时间系数呈上升趋势亦存在较明显2—7 a的周期,说明北部地区气温受全球变暖、ENSO等大尺度气候背景影响显著; 1961—2015年北部区域以0. 34℃/10 a的升温率高于南部区域的0. 26℃/10 a,但1980年后增温趋势减慢;年平均气温的概率曲线随年代整体向高值区移动,北部区域冬季增暖较为显著,南部区域冬夏均较为明显,春秋季节可能有缩短趋势。     

江淮流域极端降水时空变化特征:站点观测和再分析的对比

利用淮河流域1979—2011年260个站点观测、ERA-Interim和NCEP/DOE再分析资料的日降水量数据,选用8个极端降水指数,从空间分布、发展趋势、时间变化等方面对比分析了我国江淮流域极端降水的变化规律,研究了再分析数据的适用性,结果表明:1)持续湿润指数(CWD)、强降水日数(R10mm,R20mm)以及百分位指数(R95p,R99p)具有一致的北少南多的分布特征,而持续干燥指数(CDD)为北多南少,且强度指数(Rx1day,Rx5day)和百分位指数在浙江沿海均有极大值存在。2)大部分地区的强降水日数呈减少趋势,仅在江淮周边地区有弱上升趋势。3)区域平均的降水强度指数具有上升的趋势变化,逐月变化具有先增长后减少的结构特征,5—6月的增长量最大,峰值出现在7月,在夏末、冬季有较明显的随年代增加的趋势,在秋季则随年代减少。4)再分析资料ERA-Interim和NCEP/DOE对不同指数的再现能力有所不同,ERA-Interim对强降水日数(R10mm)、CDD、百分位指数的空间分布以及CDD的变化趋势再现能力较好,与强度指数和百分位指数年际变化的相关性较高,但对CWD变化趋势分布特点的再现能力较弱;NCEP/DOE更善于再现较强降水日数(R20mm)的空间分布以及强度指数和百分位指数的线性变化趋势。5)两种再分析资料能合理地再现强降水日数(R10mm,R20mm)和CDD年际变化特征和强度指数的季节变化特征。     

2012年1月、2016年1月东亚两次极端严寒事件及其与北极增暖的可能联系

自20世纪80年代后期以来,我国频繁出现暖冬,直到2004年以后这种状况出现明显的变化,冷冬出现的频次明显增多了。在全球增暖、北极海冰减少明显的背景下,冬季极端严寒的强度非但没有减弱反而似乎还在增强,造成灾害性的影响也越发引人关注。在上述背景下,2012年1月、2016年1月在东亚发生了两次极端严寒事件。本文的目的就是通过合成和相关分析,研究这两次极端严寒事件演变的主要特征,及其与北极增暖的可能联系。这两次极端严寒事件的环流演变截然不同。对于2012年1月的极端严寒事件,海平面气压异常主要呈现由东向西传播,在演变过程中,阿留申区域海平面气压超前西伯利亚高压,因此大气环流的下游效应起主要作用。对于2016年1月的极端严寒事件,冷空气主要由西北向东南传播。两次极端事件的主要降温区域的移动路径截然不同。2012年1月冷空气爆发以后主要在亚洲大陆中、高纬度维持并向西传播,其南传影响亚洲低纬度区域明显弱于2016年的冷事件。而2016年1月的主要降温区以沿东亚向南移动为主,强降温区直接南下至热带区域。两次极端严寒事件爆发前期大气环流演变的共同点:中、高纬度区域环流能量交换活跃,表现为中纬度高度脊加强北伸,从而把较低纬度的暖空气输送至北极区域,高纬度区域对流层中层呈现多极结构。这种多极空间结构是亚洲冷空气向南爆发的重要前兆信号。冬季北极阶段性增暖过程首先是中纬度高度脊加强北伸的结果。对影响东亚的极端严寒过程,乌拉尔附近区域的高压脊以及位于北美西部的高压脊加强北上、协同演变是至关重要的。2016年1月东亚极端严寒过程与2015年12月末北极快速增暖没有必然联系。     

基于三次样条插值的探空气温质量控制研究

利用上海地区2016年11月份探空气温观测资料,把观测资料分为五个高度段,采用平均绝对误差(MAE)和均方根误差(RMSE)对气温观测资料进行质量控制分析。对每个高度段气温观测资料进行三次样条插值,结合交叉检验的思想对探空质量控制进行研究。结果表明:三次样条插值的质量控制算法在低空天气状况良好的条件下,对探空气温观测资料的质量控制效果显著,能更有效地标记出气温观测数据中的可疑值。     

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。      

昆明长水机场气候特征分析

利用昆明市1951—2010年逐日气象数据,采用回归分析法和Mann-Kendall突变分析法进行分析和检验,确定了昆明市极端降水和极端温度天气事件。在此基础上,对昆明长水机场极端天气背景下大雾天气航班安全运行开展研究,并在对比昆明长水机场与原巫家坝机场大雾特点的基础上,制定出航班安全运行的应对措施。研究表明,近几年昆明市极端温度和极端降水事件呈现增多趋势;因地形原因,长水机场出现大雾的频率远高于原巫家坝机场;大雾造成的低能见度天气背景下,航班的安全运行需要航空公司各部门的通力协作。     

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。