基于连续无有效降水日数的吉林省干旱灾害识别与检验

利用吉林省26站逐日降水资料,基于连续无有效降水日数对吉林省1961-2000年作物生长季干旱及春、夏、秋旱进行识别,并检验与实况吻合率.结果表明,DNP识别各级干旱及春、夏、秋旱发生频次均呈由西到东减少的空间分布,重旱多发在西部,与干旱灾害实况一致.春、夏、秋旱占旱灾总频次的60.7％、22.6％、16.7％.不考虑干旱等级的检验结果显示,除通化地区外DNP对实际旱灾吻合率是60％～97％.对阶段性旱灾识别中春旱吻合率较高;夏旱吻合率不高;秋旱在西部有较高吻合率,中东部秋旱识别率低.历史典型旱灾年检验时,若不考虑干旱等级,吻合率达90.9％;若考虑发生时间,吻合率达86.4％;若将中旱等级以上识别为旱灾,则吻合率只有40.9％,此时若增加连续2次轻旱过程且间隔不超过4天同样识别为干旱,吻合率可提升至60％.总之,DNP评定干旱等级较实际偏低,但对阶段性旱灾有较好识别效果,能为干旱监测、旱灾评估业务工作提供参考.     

咸阳市近60年冬季气温变化趋势及突变分析

利用咸阳市12个国家气象观测站1960—2019年冬季(12月至翌年2月)平均气温、平均最高气温、平均最低气温等资料,采用一元线性趋势、累积距平、Mann Kendall趋势和检验等分析方法,对咸阳市近60年的冬季气温变化特征进行分析。结果表明：近60年来咸阳市冬季平均气温、平均最高最低气温、极端最高最低气温和年均气温存在明显的上升趋势,其线性趋势率分别为0348、0371、0331、0257、0297、0232 ℃/10 a;冬季气温增温趋势与年均气温趋势具有一致性,线性趋势率大于年气温,尤其是冬季最低气温的线性趋势率最大;冬季各月以2月线性趋势率最大,为050 ℃/10 a,表明2月气温的升高对冬季变暖贡献较大;冬季平均、平均最低最高、极端最低最高气温的突变时间分别在1985、1985、1995、1970和2000年,冬季气温突变比年气温突变发生早,以极端最低气温发生突变最早;冬季以20世纪90年代中后期为界,由冷冬为主转为暖冬为主,咸阳冬季气温与西北地区冬季气温变化趋势具有一致性。空间分布上,咸阳冬季平均气温呈北低南高分布,而线性趋势率大致呈北高南低分布,最大为淳化,最小为武功,北部五县比南部七县气温突变发生时间早,线性增温速率大,气温变化波动较大。     

商洛1961—2020年10 ℃界限温度变化特征

利用商洛7个气象观测站1961—2020年逐日气象观测资料,分析商洛1961—2020年气温稳定通过10 ℃的初日、终日、持续日数和活动积温分布特征,采用线性倾向估计法分析变化特征,综合采用累积距平、滑动t检验、Mann-Kendall法进行突变分析和检验,采用R/S相关性分析预测其未来变化趋势。结果表明：商洛市1961—2020年≥10 ℃初日、终日、持续日数及积温等值线呈纬向分布;商洛市≥10 ℃平均初日呈提前趋势（线性倾向率为-23 d/10 a,通过0005显著性检验）,平均终日呈推迟趋势（线性倾向率为13 d/10 a,推迟趋势不明显）,持续日数呈增加趋势（线性倾向为33 d/10 a,通过0001显著性检验）,活动积温增加趋势（线性倾向率为688 ℃d /10 a,通过0001显著性检验）;终日和积温突变不明显,初日在1972年前后发生突变,持续日数1972年和2002年前后发生突变;初日将继续呈提前趋势,持续日数呈增长趋势,持续性不明显;终日推迟趋势和积温增大趋势不显著,有较大的随机性。     

广西大风短临预报预警方法的研究与应用

分析了大风短临预报的现状、困难和原因,重点介绍数据挖掘技术在广西大风短临预报预警方法研究中的应用,利用2019年7月11日—9月11日期间的数据,对广西大风短临预报预警系统的预报能力进行TS评估和时效性检验,结果表明:该系统对广西89个台站所做的大风蓝色预警、大风黄色预警,以及不分级TS评分检验,预报准确率达到18%以上,具有较好的准确率和提前量。     

华南复杂地形下GRAPES_Meso3km对流尺度模式前汛期精细化降水预报评估

为深入认识GRAPES_Meso(Global/Regional Assimilation and Prediction System)3 km对流尺度区域模式对华南前汛期精细化降水的预报性能,为模式改进及业务应用提供参考依据,利用广东省86个站点逐小时观测降水资料和国家气象信息中心多源融合降水资料,针对广东省复杂地形特点,结合距海岸线的远近及站点地形特点,将86个站划分为沿海东部、沿海西部和内陆地区三个子区域,采用二分类降水预报检验方法,定量评估了2020年5月18日—6月18日华南前汛期降水预报效果。结果显示,GRAPES_Meso 3 km模式精细化降水预报技巧受广东复杂地形影响较大,广东沿海东部和内陆地区24 h时累积降水的小雨、中雨、大雨量级预报成功指数(Threat Score,TS)、公平成功指数(Equitable Threat Score,ETS)评分高于沿海西部地区,尽管暴雨预报评分具有此相同特征,但三个子区域的暴雨预报评分总体较低;从3 h累积降水预报评分看,沿海东部、沿海西部及内陆地区等三个子区域存在明显的日变化特征,但是沿海东部及西部与内陆地区表现有所不同,沿海东部和西部降水预报评分夜间较低(预报偏差偏高),白天相对较高(预报偏差偏低),而内陆地区则是夜间较高(预报偏差偏低),白天相对较低(预报偏差偏高)。沿海西部预报评分相对较低的原因是由于检验时段内广东地区存在一个弱的风切变,而沿海西部大部分地区正好处于切变线南侧的温度高值区控制,但模式模拟该区域的日平均温度较实况偏低,导致沿海西部模式预报降水空报较多,降低其降水预报技巧。     

华南区域高分辨率数值模式前汛期预报初步评估

基于华南地区自动站逐小时观测资料, 采用传统站点评分、邻域法等评估华南区域高分辨率数值模式(包括GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式)对降水、地面温度和风场等要素的预报能力。结果表明: GRAPES_GZ_R 1 km模式的降水预报技巧优于GRAPES_GZ 3 km模式, 模式预报以正偏差为主。对于不同起报时间的预报, 00时(世界时, 下同)起报的预报效果优于12时。GRAPES_GZ_R 1 km模式的TS评分是GRAPES_GZ 3 km模式的两倍以上, 对不同降水阈值的评分均较高。分数技巧评分(FSS)显示GRAPES_GZ_R 1 km模式6 h累计降水预报在0.1 mm、1 mm及5 mm以上的降水均可达到最低预报技巧尺度, 对所检验降水对象的空间位置把握能力更好。2 m气温和10 m风速检验结果表明两个模式均能较好把握广东省温度的分布特征, GRAPES_GZ_R 1 km模式对2 m气温预报结果优于GRAPES_GZ 3 km模式, 预报绝对误差更小; 两个模式对风速的预报整体偏强, 预报偏差在1~4 m/s之间, 但相比之下GRAPES_GZ 3 km模式在风场预报上表现更好。GRAPES_GZ_R 1 km模式的2 m气温和10 m风速预报偏差随降水过程存在明显波动, 强降水过后温度预报整体偏低, 风速预报偏强, 在模式产品订正、使用等需要考虑模式对主要天气系统的预报情况。总的来说, GRAPES_GZ_R 1 km模式的预报产品具有较好的参考价值。      

2019—2020年1—3月降水和气温的多源数据融合产品检验评估及对比分析

对2020年1-3月CLDAS多源降水融合实况、多源气温融合实况采用平均绝对误差分析、均方根误差分析及相关系数分析等方法进行检验评估,并与2019年同时段多源降水融合实况、多源气温融合实况进行对比分析.结果表明:2月降水多源融合实况较观测实况偏多;3月多源气温融合实况最接近观测实况;西部地区的日最低气温多源融合实况较为接近观测实况.