1960—2018年辽河流域日降水集中程度分析

基于1960-2018年的日降水资料,计算辽河流域降水集中指数（CI）,分析日降水集中程度的时空特征。结果表明：降水集中指数CI可以有效描述辽河流域降水集中程度,辽河流域年CI指数平均为0.67,降水集中程度总体呈现出东部和西部低、南部和北部高的鞍型空间分布特征;夏季降水集中程度最高,各站点季平均CI指数为0.65,空间分布与年分布较一致,冬季平均CI指数最低,为0.60,由东南向西北递减;研究时段内年CI指数表现为不显著的减小趋势,其中东部区域减小的趋势最大;各子区域年CI指数平均变化周期为3 a左右,其中1985年以前,变化周期较短,在2 a左右,1985年以后,变化周期超过3 a。     

基于EVI的中国最近10 a植被覆盖变化特征分析

通过对2000—2009年增强型植被指数(EVI)数据的分析发现:在过去的10 a里,中国的植被覆盖度明显增加,植被活动在增强。植被覆盖的年变化和季节变化特征如下:(1)10 a来植被覆盖地区的面积呈增加趋势,植被稀少地区的面积呈减少趋势;(2)无论是植被覆盖区还是全国平均,单位面积EVI年平均值都呈增加趋势;(3)在生长季节(夏季、春季)植被活动增加更明显,EVI增加速率按季节排列如下:夏季春季秋季冬季。植被覆盖的空间变化特征显示,尽管总体上中国植被覆盖呈增加趋势,但存在空间异质性。结合同期的温度、降水和森林资源清查数据,从两个方面初步解释了植被覆盖度增加的原因,即:温度的上升和春季降水量的增加;近年来中国开展的大型林业生态建设工程。     

不同陆面方案对降水模拟的影响

基于区域气候模式RegCM4.0(Regional Climate Model 4.0),分别选取BATS(Biosphere Atmosphere Transfer Scheme)和CLM(Community Land Model)陆面方案,对2001-2005年中国的气候状况进行模拟,并将模拟结果与CRU(Climatic Research Unit)及GPCP(Global Precipitation Climatology Project)降水资料进行对比,研究不同陆面方案对降水模拟的影响。结果表明:在两种陆面方案下,区域气候模式均较合理地模拟出了中国降水的空间分布、时间变化;模拟降水对陆面方案敏感,RegCM_BATS总体上表现为正偏差,在东北区域的模拟偏差较大;RegCM_CLM表现为负偏差,在长江以南区域的模拟偏差较大;模拟结果的偏差在夏季较大,冬季较小;两模式模拟结果间的差异在空间上由东南向西北减少;两模式均较准确地模拟了不同强度降水出现频率的分布形势,总体上RegCM_CLM模拟低强度降水偏多;高强度降水偏少,而RegCM_BATS模拟低强度降水偏少,高强度降水偏多;不同陆面方案对地表蒸发量以及地表潜热通量模拟的差异是导致模拟降水差异的主要原因,夏季地表蒸发对降水的影响较冬季更强;水汽平流输送对两模式模拟降水差异的影响较小。     

1960~2011年中国日降水集中程度的时空变化特征

利用1960~2011 年的日降水资料,计算降水集中指数（Concentration Index,CI）,分析中国区域降水集中程度的空间分布及时间变化特征,得到以下主要结论：CI 指数可有效描述我国日降水集中程度;我国CI 指数介于0.575 与0.750 之间,平均为0.652,总体呈现出东部大、西部小,夏季大、冬季小的特征;44.17%站点的CI 指数表现出增加趋势,55.83%的站点表现出减少趋势,其中10.36%站点的变化趋势通过95%信度水平的显著性检验,CI 指数显著增大的站点主要分布在西北、华中和西南地区,显著减小的站点主要分布在东北、华北、东南沿海及青藏高原东部等地区;3~5 年是各子区域CI 指数变化的主要周期,与对应区域降水量的变化周期较一致;1970 年左右和2000 年左右是显著周期性变化出现较集中的时间段。     

SAL方法改进及其在土壤湿度区域预报效果检验中的应用

对区域土壤湿度预报结果的检验是评价数值模式预报效果、改进预报性能的重要环节.随着技术的发展,数值模式时空分辨率不断提高,然而土壤湿度区域预报检验采用的仍多为平均值或均方根误差等强度检验方法,不易完整和准确地了解模式的预报性能.SAL方法是针对降水预报设计的基于对象的区域检验方法,本文在SAL方法基础上,提出了一种可进行土壤湿度区域检验的新方法(SAL-DN).理想试验和真实试验均表明:SAL-DN方法能够从结构、强度和位置这三个方面检验土壤湿度区域预报和实测存在的差异,且检验结果较符合实际情况.此外,相比SAL方法,SAL-DN方法能够检验土壤湿度、气温等具有双类(高、低值)中心的物理量,有着广泛的应用前景.     

应用统计降尺度方法预估江淮流域未来降水

统计降尺度方法广泛应用于弥补大气环流模式(GCM)模拟区域气候变化能力较弱的不足。利用1960~2009年的NCEP/NCAR再分析资料和江淮流域52个站点降水观测资料,通过敏感性分析,针对4个季节分别选择10个大尺度预测因子,采用主成分分析(PCA)和支持向量机(SVM)相结合的方法,建立了江淮流域降水统计降尺度模型。检验结果表明,该模型获取的江淮流域降水的偏差显著减小,能够描述降水在月、年尺度的变化,适用于HadCM3输出的大尺度气候场,具有预测未来降水变化的能力。将统计降尺度模型应用于HadCM3在A2情景下输出的2020~2099年大尺度预测因子,分3个时段:2020~2039年,2050~2069年和2080~2099年,从年和季节两个时间尺度分析江淮流域未来降水变化。结果表明,相对1960~1999年,未来3个时段的降水有小幅增加,其中2080~2099年增幅最大,为3.6 mm;在未来3个时段的不同季节,降水变化呈现出不同特征。     

1960—2017年中国降水集中程度特征分析

降水集中程度是反映降水结构的重要指标。基于1960—2017年中国773个气象站日降水资料,运用降水集中程度（Q）,研究中国降水集中程度的时空特征,分析其与降水量、海洋状态之间的关系。结果表明:①中国年平均Q值为0.38,南北较低中间较高;冬季和秋季的降水集中程度相对较高,平均Q值分别为0.53和0.51,夏季和春季相对较低,分别为0.39和0.48。②年降水集中程度变化趋势较小,总体上略有上升,东南升高西北降低;在年和季尺度,Q和降水量均表现出较强的负相关性,年尺度相关系数为-0.71,秋季的相关性最强,相关系数为-0.89,春季的相关性最弱,相关系数为-0.70,降水集中程度和降水量共同影响水旱灾害受灾面积。③Q与NINO3.4指数间的相关性随着滞后时间的延长先增大后减小,当滞后时间为2个月时相关系数最大,平均为0.13,由北向南总体呈"-+-"分布;与PDO指数间的相关系数随着滞后时间的延长先减小后增大再减小,当滞后时间为4个月时相关系数最大,平均为0.12,以负相关为主。     

中国东北植被动态变化及其与气候因子的关系

基于GIMMS/NDVI数据,采用小波分析方法,在年内、年际尺度上研究了1982—2006年我国东北区域地表植被的动态变化,并分析了温度、降水等气候因子对植被动态变化的影响。结果表明:东北区域地表植被动态变化特征显著,总体上珋INDV(描述归一化植被指数(normalized difference vegetation index,NDVI)年际尺度平均状况)沿东北—西南方向递减,其中林地珋INDV及ΔINDV(描述NDVI年内变化)最大,分别为0.41和0.70,草地最小;草地区域珋INDV平均增加6.21%,耕地珋INDV有小幅增加,林地有所减小。温度、降水是影响地表植被动态变化的重要因素,总体上与温度的相关系数大于与降水的相关系数,年内尺度的相关系数大于年际尺度的相关系数;在年际尺度上,NDVI与温度的相关系数以耕地最大,平均为0.60,耕地和林地区域NDVI与降水的相关性不显著;在年内尺度上,NDVI与温度、降水的相关系数以林地最大,分别为0.90和0.75;滞后相关分析表明,在年际尺度上,温度对地表植被的影响随着滞后时间的延长以近似线性的趋势降低;在年内尺度上,温度、降水的影响随着滞后时间的延长而加速减小,温度和降水对林地的影响均较快;降水的影响较温度的持续时间更短。     

星载雷达高度计反演海面风速进展

因为星载雷达高度计风速资料有沿轨分辨率高、精度高的特点,对其进行深入研究有重要意义.在中国海洋二号动力环境卫星刚刚升空之际,对星载雷达高度计反演海面风速围内外研究进展作一个综述.首先介绍星载雷达高度计风速反演的理论依据及存在困难;然后以风速反演进展历程为主线,分别针对后向散射系数、波浪状态、降雨、白沫等物理量引入地球物...     

区域气候模式分辨率对夏季降水模拟的影响

利用最新发布的区域气候模式RegCM4,选取3种水平分辨率,3种垂直分辨率,对2001～2003年6～8月气候状况进行模拟,将模拟降水与GPCP降水资料在季、月、日尺度进行对比分析,研究分辨率对夏季降水模拟的影响,得到主要结论:RegCM4模拟结果能较好地反映模拟区域降水由东南向西北递减的分布趋势,模拟降水量随水平、垂直分辨率的增加而减小,当水平分辨率为30 km,垂直分辨率为14层时,全区域模拟降水偏差最小;不同区域、不同月份区域平均降水对分辨率的敏感性存在明显差异;在高海拔区域,分辨率对降水模拟影响显著,随着水平分辨率的提高,模拟降水更接近观测值;模拟日降水强度分布的峰值随着垂直分辨率的提高,向弱降水方向移动显著;分辨率配置主要影响模拟降水偏差的低频分量及24 d周期分量,通过合理调整分辨率配置可以有效减小模拟系统误差。