Annual Frequency of Tropical Cyclones Directly Affecting Guangdong Province:Prediction Based on LSTM-FC

Tropical cyclone (TC) annual frequency forecasting is significant for disaster prevention and mitigation in Guangdong Province. Based on the NCEP-NCAR reanalysis and NOAA Extended Reconstructed global sea surface temperature (SST) V5 data in winter, the TC frequency climatic features and prediction models have been studied. During 1951-2019, 353 TCs directly affected Guangdong with an annual average of about 5.1. TCs have experienced an abrupt change from abundance to deficiency in the mid to late 1980 with a slightly decreasing trend and a normal distribution. 338 primary precursors are obtained from statistically significant correlation regions of SST, sea level pressure, 1000hPa air temperature, 850hPa specific humidity, 500hPa geopotential height and zonal wind shear in winter. Then those 338 primary factors are reduced into 19 independent predictors by principal component analysis (PCA). Furthermore, the Multiple Linear Regression (MLR), the Gaussian Process Regression (GPR) and the Long Short-term Memory Networks and Fully Connected Layers (LSTM-FC) models are constructed relying on the above 19 factors. For three different kinds of test sets from 2010 to 2019, 2011 to 2019 and 2010 to 2019, the root mean square errors (RMSEs) of MLR, GPR and LSTM-FC between prediction and observations fluctuate within the range of 1.05-2.45, 1.00-1.93 and 0.71-0.95 as well as the average absolute errors (AAEs) 0.88-1.0, 0.75-1.36 and 0.50-0.70, respectively. As for the 2010-2019 experiment, the mean deviations of the three model outputs from the observation are 0.89, 0.78 and 0.56, together with the average evaluation scores 82.22, 84.44 and 88.89, separately. The prediction skill comparisons unveil that LSTM-FC model has a better performance than MLR and GPR. In conclusion, the deep learning model of LSTM-FC may shed light on improving the accuracy of short-term climate prediction about TC frequency. The current research can provide experience on the development of deep learning in this field and help to achieve further progress of TC disaster prevention and mitigation in Guangdong Province.     

“75·8”持续性强降水事件及其大尺度水汽输送特征

首先研究了河南"75·8"强降水事件的极端异常特征,然后从水汽通量的角度定性分析这次事件的水汽输送特征,最后采用了Hysplit模型定量分析了不同源地的水汽来源对河南"75·8"强降水的贡献率。研究表明,1975年8月5-8日在河南省发生的是一次大范围持续性极端降水过程,事件发生期间区域平均降水程度超过其气候平均值3倍标准差。强降水事件是在中高纬度环流异常和台风共同作用下发生的,贝加尔湖以东阻塞高压和副热带高压合并阻挡了7503号台风北上。定量计算结果进一步表明,河南"75·8"强降水的水汽来源与7503号台风具有十分密切的联系。     

Analysis of Precipitation Anomaly and a Failed Prediction During the Dragon-boat Rain Period in 2023

This study investigates the possible causes for the precipitation of Guangdong during dragon-boat rain period(DBRP) in 2022 that is remarkably more than the climate state and reviews the successes and failures of the prediction in2022. Features of atmospheric circulation and sea surface temperature(SST) are analyzed based on several observational datasets for nearly 60 years from meteorological stations and the NCEP/NCAR Global Reanalysis Data. Results show that fluctuation of the 200-h Pa weste...     

东亚地区区域气候模拟的研究进展

由于大气环流模式对东亚地区区域气候特征的模拟存在很大不足，采用区域气候模式模拟该地区特殊的季风气候成为目前发展的一个重要研究方向，并取得了显著的研究进展。通过回顾当前东亚地区区域气候模拟的现状，表明大部分区域气候模式都不同程度地模拟出了东亚季风区持续性洪涝现象的大尺度环流特征和演变过程，再现了东亚各主要气候区降水的年际、季节和季节内变化及主要雨带的季节进退和降水的时空演变特征。但是，大部分模式没能很好地模拟出大尺度特征的强度和量值，模拟的温度和降水存在系统性偏差。原因分析表明，进一步完善和改进区域气候模式的物理过程参数化方案及动力框架可以改善模拟效果。最后对区域气候模式未来的发展给出展望。     

厄尔尼诺和拉尼娜事件对广东气候异常影响的研究进展

从台风、降水(旱涝)和气温(寒冷、冷空气)等角度,对近年来厄尔尼诺和拉尼娜事件对广东气候异常的影响研究进行了综述,可以得到厄尔尼诺和拉尼娜事件对广东气候会产生不同的影响,分析结果表明:(1)台风:厄尔尼诺年登陆台风频数少于拉尼娜年,拉尼娜(厄尔尼诺)当年10月份热带气旋频数偏多(少)、生命史偏长(短)、影响时间较长(短)、强度较强(弱),即厄尔尼诺当年及次年台风季偏短,拉尼娜年当年台风季偏长;(2)降水:厄尔尼诺年,广东冬、春、夏季降水明显偏多,拉尼娜年,冬、春降水偏少不明显,但中等及强厄尔尼诺事件以及连续性的厄尔尼诺事件和夏季发生的厄尔尼诺事件,广东易发生旱灾;(3)气温、寒潮、冷空气:研究结论不一致。然而即便是厄尔尼诺事件,其不同的分布型、强度和发生时间等也都会对广东气候异常产生不同影响,且具有很强的区域性。     

小波分析和EEMD方法在广州气温及降水的多尺度分析中的差异分析

利用小波变换和集合经验模态分解(EEMD)的方法对广州市1908—2010年103 a的温度、降水资料进行多尺度分析,并对比EEMD和小波分析的差异。结果表明:(1)小波分解基于先验的小波基函数和分解层次有较大的人为选择性,易产生虚假波动;(2)EEMD具有自适性,分解结果更稳定和一致,处理非线性、非平稳数据更准确;(3)EEMD分解显示,广州的温度、降水均存在2~6.8 a的年际尺度波动,年代际尺度上,温度表现为13.6 a、34 a、68 a的波动周期,降水存在22.6 a的波动周期。     

近49年华南“龙舟水”的降水分型

采用旋转经验正交函数分解法(REOF)对华南地区1961—2009年"龙舟水"进行了降水分型,并采用线性倾向估计法、经验模态分解(EMD)、Morlet小波分析和Mann—Kendall检测等分析方法对各降水型的时空特征进行了研究。结果发现:华南"龙舟水"具有东南沿海型、北部型和西南沿海3种优势降水型,并存在着6~8 a的周期振荡。近49年东南沿海型(北部型和西南沿海型)呈现一致的下降(上升)趋势,华南"龙舟水"在20世纪90年代中期至今主要呈现北部型,但近几年东南沿海型和西南沿海型对应显著正距平。东南沿海型和北部型分别在20世纪70年代中后期和90年代初各有一次突变,而西南沿海型没有发生明显的突变。最后,从西太平洋副热带高压、阻塞高压、季风槽、低层切变线、垂直速度和整层水汽输送等方面对比了"龙舟水"期间3种不同降水型所对应的大气环流异同。     

江淮地区梅雨的新定义及其气候特征

用Cressman客观分析方法得到我国1954～2005年0.5°×0.5°的逐日降水格点资料,并定义了一个新的江淮地区的 “广义梅雨评定标准”,研究了包括长江中下游地区和淮河流域地区的整个江淮地区（28°N～34°N,110°E～122°E）梅雨期降水的气候特征。结果表明:江淮梅雨有显著的年际和年代际变化特征,主要存在2～3年、6～8年、 12～15年和18～20年的周期变化,2～3年的显著周期主要集中在20世纪70年代末以后。江淮地区梅雨在1965年前后、70年代末～80年代初和90年代初发生了三次显著的气候跃变。最后,从季风气流的水汽输送和副热带高压及阻塞高压的稳定维持三个方面讨论了江淮梅雨丰梅年和弱梅年时大气环流的异常特征。     

地形动力作用对华北暴雨和云系影响的数值研究

为了进一步研究地形对华北暴雨的影响,本文从云微物理学的角度出发,选取了2005年7月22～24日的一次华北暴雨过程为研究对象,利用中尺度数值模式ARPS,通过地形高度敏感性试验,详细讨论了地形高度变化对流场、云及降水微物理过程的影响.结果表明:地形高度变化对水平和垂直流场的大小和分布都有较大影响;地形高度增加有利于迎风坡附近水平风场辐合和垂直上升运动发展,这对云的垂直和水平发展影响都很大,尤其是对中高层云的发展影响最明显,并且能明显扩大地面降水的分布范围,地面最大降水量也有所增多.这主要是由于地形高度增加后能促进中高层云水的产生,尤其是零度层之上的过冷云水含量的增多,这大大促进了冰相粒子(雪和霰)的增多,从而使得以冷云过程为主的此次降水过程中,冰相粒子融化形成的雨水含量增多.虽然地形高度的增加会抑制云系发展前期的暖云过程,但对冷云过程有持续加强作用,而且不会明显改变云内降水的形成机制,冷云过程依然是降水的最大贡献项,总体上促进了云和降水的发展.     

广西夏季降水的多时间尺度特征及影响因子

利用1951—2011年广西夏季降水站点资料和NCEP/NACR等多种再分析资料,通过相关分析、经验模态分解、统计检验分析了广西夏季降水的多时间尺度特征及其影响因子,利用多元线性回归方法对夏季降水进行拟合和预测试验。结果显示:广西夏季降水具有多时间尺度特征,不同时间尺度对应着环流因子不同时间尺度的分量;在准2年尺度上,主要影响因子为季风槽、低空急流、高空急流、贝加尔湖高度场、南印度洋东部海温。利用对广西夏季降水影响显著的环流因子本征模态函数分量和多元线性回归方法拟合夏季降水,相关系数为0.73,表明广西夏季降水是环流因子多时间尺度共同作用的结果。利用前期冬季南印度洋东部海温异常本征模态函数作为前兆因子预报广西夏季降水,6个独立样本检验显示预测与实况趋势一致,该工作可供利用多时间尺度信息进行区域气候预测参考。