利用ISCCP资料分析青藏高原云气候特征

利用ISCCP提供的1983年7月－1993年12月3h一次的月平均卫星决云量资料，将整个高原分为39个网格点，分析了高原总云量的年、季节、日变化规律及其空间分布特征，并根据高原水汽条件和地形动力影响以及环流特征作出一定的科学解释。将ISCCP总云量与地面观测总云量分布形势作了比较，证明了ISCCP－D2资料的合理性。对总云量与OLR进行相关分析，发现夏季相关好，冬季相关差。     

利用卫星资料试作青藏高原地表净辐射场的气候反演

利用 ERBE和 ISCCP卫星辐射及总云量资料 ,结合已提出的地表短波吸收辐射 ,大气逆辐射以及地表长波辐射的气候反演方法 ,计算出 2 5°～ 4 0°N,75°～ 95°E间 2 .5°× 2 .5°经纬度网络点及高原 63个站点的各月平均地表净辐射 ,绘制出其在高原的分布图 ,揭示其时空分布特征。     

印度洋冬季海温异常对中国春季降水的影响

利用1960 2004年NCEP/NCAR全球再分析资料和中国160个测站逐月降水观测资料,考虑赤道海温强迫和中高纬地区气候变化中大气环流的桥梁作用,首先对冬季印度洋海温距平场与同期北半球500 hPa位势高度距平场进行奇异值分解(SVD),然后分析印度洋海温异常对中国冬季及后期春季降水的影响。结果表明,印度洋冬季海温距平场第一奇异向量是全区一致的单极型分布形势,而且对中国春季降水的影响显著,特别是与长江中下游以北至华北地区、新疆等大片地区的春季降水呈显著正相关关系。当印度洋冬季海温距平场第一奇异向量处于正位相的时候,海温异常偏暖,此时对应的东亚地区上空西风急流减弱,日本海附近500 hPa位势高度出现正异常中心,使得东亚大槽偏东、偏弱,有助于低层偏南气流带来的水汽在长江中下游以北至华北地区形成水汽辐合,从而造成该地区春季降水偏多。因此,印度洋冬季海温距平场的第一奇异向量可以作为次年长江中下游以北至华北地区春季降水季节预报的一个前期预报因子。     

近46年西南地区云量的时空变化特征

利用中国西南地区85个测站1960-2005年的月半均云量资料,采用小波分析、线性趋势分析和SVD分析等方法,分析了我国西南地区云量的时空分布和变化趋势等特征.结果表明,西南地区云量变化具有明显的季节特征,冬、春和秋季总云量和低云量分布均呈"东多西少"型,夏季相反,呈"东少西多"型;总云量和低云量均呈减少趋势,并存在较...     

夏季西太平洋副热带高压与山东降水的关系

在对盛夏7、8月及夏季(6~8月)平均的500 hPa高度场和同期山东降水场分别进行奇异值分解(SVD)分析的基础上,根据高度场时间系数的大小选取特征年进行高度场合成。发现夏季西太平洋副热带高压的位置、强度异常对山东夏季降水有重要影响。副高强度偏弱、位置偏北时,对应山东多雨;强度偏强、位置偏南偏西时,山东少雨。此外,南海、菲律宾等地高度场的异常与副高的位置、强度间有重要的关系。当前者处显著的正距平时,副高强度强、西伸明显;当前者处显著的负距平时,副高强度易偏弱、但位置偏北。     

基于多源卫星资料的中国地区云宏微观特征研究

利用2007—2016年国际卫星云气候计划（International Satellite Cloud Climatology Project,ISCCP）、云和地球辐射能量系统（Clouds and the Earth''s Radiant Energy System,CERES）和中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer,MODIS）卫星反演云产品,对比分析了不同数据反演的中国地区云系结构的宏微观特征,并采用复合评价指标定量评估了不同数据之间时间和空间上的一致性。结果表明：三套卫星数据都能较好地反演出中国地区总云量呈南高北低、东高西低、夏高冬低的分布特征,但通过比较时间技巧（Temporal Skill,S_T）及空间技巧（Spatial Skill,S_S）复合评价指标及其各项分量发现,与MODIS相比,CERES与ISCCP数据反演的总云量时间序列演变特征明显更为一致,且其评分均有南方优于北方,夏季优于冬季的特征;进一步分析不同高度云量的S_T评分发现,CERES和ISCCP两套数据在南方地区的总云量差异主要来自于低云量的绝对偏差,而北方地区的偏差则同时存在于低云和中云;对比分析MODIS和CERES反演的云滴有效半径发现,高云对应的冰相云一致性较高,而中低云相对应的液相云的偏差则有夏季高于冬季的规律。针对夏季液相和冰相云滴粒径及概率密度分析则表明,相比CERES数据,MODIS对夏季液水和冰水粒子的有效半径在不同地区均有不同程度的高估,液（冰）水谱宽则更宽（窄）。     

春季地气温差与长江中下游夏季旱涝异常的相关

利用1957-2006年50年的地温、气温和降水资料,分析了中国区域春季地气温差的分布特征,并利用线性相关和奇异值分解方法对春季地气温差与夏季降水的关系进行了探讨。结果表明：中国大陆春季地气温差分布与地势大体吻合。在长江中下游为涝年时,青藏高原春季的地气温差偏大,而黄淮流域的春季地气温差偏小,与青藏高原相反。青藏高原春季的地气温差与长江中下游地区夏季降水存在显著的正相关,即春季青藏高原地区地气温差较大（小）,长江流域的夏季降水会比正常年份偏多（少）,青藏高原春季地气温差对长江中下游夏季降水有一定的指示意义。     

西南地区云量变化特征

利用西南地区(云南、贵州、四川、重庆)记录较为完整的73个测站1956~2005年月平均云量资料,采用经验正交函数分析和Mann-Kendall突变检验方法,研究分析了西南地区云量的时空分布特征。结果表明:就全年而言,整个西南地区总云量的变化趋势一致,且存在着明显的年际变化特征,1990年代以后全年总云量表现出减少趋势;此外,总云量的分布在一定程度上受地形和区域气候的影响。从季节来看,夏、秋、冬季的总云量在西南地区为空间一致的变化趋势,而春季四川盆地北部总云量的变化趋势与其余地区相反;四季总云量也有明显的年际变化特征。低云量,全年和四季的时空变化特征相似,由于受地形起伏及区域气候差异的影响,川西高原东部和重庆地区的变化趋势与四川盆地的相反,且同样存在着明显的年际变化特征。另外,突变分析结果显示,西南地区的低云量近50a来呈持续减少趋势,而总云量在1990年发生突变,突变前在0线附近震荡,突变后总云量持续减少。     

南海地区总云量的气候特征研究

采用EOF展开、小波分析、Mann-Kendall突变分析等方法,利用国际卫星云气候计划(ISCCP)提供的月平均云气候资料集,分析了南海地区总云量的气候特征.结果表明:①总云量表现为南北型的空间分布特征,分界在16°N附近,以北区域主要受南北热力差异影响,以纬向分布为主;以南区域主要受海陆热力差异影响,沿海岸线分布....     

热带地区云量日变化的气候特征

利用国际卫星云气候计划（ISCCP）1984—2003年共20年云量资料,统计分析了热带地区的云量日变化特征,研究结果表明,云量峰值时间和变化幅度在全球的分布都较为均匀,而海陆差异明显。高云和低云在变化机制上相对独立,其云量日变化并非同步。全球云量日变化由4类基本形式组成,分别为洋面高云型、陆面高云型、洋面低云型和陆面低云型。高云日变化与地表辐射加热状况密切相关,其形式在洋面和陆面类似,均为早晨出现云量最小值而午后到达云量峰值。相比于洋面,陆面高云的峰值在夜间持续时间较长,可发展至更为稳定深厚的云系。低云多在局地5时附近出现云量峰值,18时左右达到云量极小值,其中陆面低云在12时出现第二峰值。     

基于CloudSat和ISCCP资料的中国及周边地区云量分布的对比分析

利用2006年7月至2007年6月的CloudSat 2B-GEOPROF-LIDAR产品资料和国际卫星云气候计划(ISCCP)D2月平均云量数据, 统计分析了中国及周边地区午间、凌晨年平均总云量的分布特征, 并对两种探测手段得到的年平均总云量及其昼夜变化进行了对比分析。结果表明, ISCCP与CloudSat总云量的分布形势在午间和凌晨均具有较好的一致性, 即相对多云与少云中心的位置吻合较好。但是, 两种资料得到的总云量在量值上存在一定差异。对于整个研究区域而言, 午间ISCCP较CloudSat平均总云量偏低8.9%, 凌晨偏低15.1%。除了中国北方少云带和日本岛以北海域等区域ISCCP云量高于CloudSat云量外, 其他区域ISCCP云量普遍低于CloudSat云量, 且在青藏高原、帕米尔高原、横断山脉、云贵高原以及印度半岛南端和热带部分岛屿等区域尤其显著。进一步对比表明, ISCCP与CloudSat云量差值总体上随CloudSat云量的增大而呈线性变化, 在CloudSat少云区ISCCP略有偏高, 而在多云区则显著偏低。此外, 对云量昼夜变化的对比分析发现, 青藏高原地区ISCCP云量昼夜变化量显著大于CloudSat。     

西藏地区1971-2008年台站观测总云量的变化特征

利用1971-2008年西藏地区22个台站观测的总云量资料,初步分析研究了西藏地区总云量的变化趋势。结果表明：西藏大部分区域年总云量呈显著减少的趋势,其中那曲中西部的减幅最大,达2.32%/10a,而南部边缘年总云量减少的趋势不显著。总云量与降水、相对湿度呈正相关,与日照时数、平均气温及气温日较差呈负相关。总云量的Hurst指数表明,西藏大部分地区总云量呈减少的趋势,未来这种减少的趋势将持续,短时期内不会发生逆转。     

利用CFSR资料分析近30年全球云量分布及变化

在利用MODIS卫星的云产品资料对CFSR(Climate Forecast System Reanalysis)再分析资料云产品质量进行检验评估的基础上,采用CFSR资料对1979—2009年全球总云量及低、中、高云量的平均分布及其随纬度的变化进行了分析;用经验模态分解(EMD)方法分析了近30年全球云量的变化趋势,结果表明:(1)全球近30年平均总云量约为59%,全球总云量及低云量、中云量都有明显的纬向分布特征,全球总云量有3个峰值带和3个低值带。(2)低云量的海陆分布差异较明显,陆地上的低云量明显低于海洋上的,除了两个极圈附近,南半球各纬度的低云量都比北半球相应纬度上的都要多;高云量的高值、低值中心均集中在赤道附近到南、北半球30°之间的中低纬度,并且低值中心主要分布在大洋的东部。(3)总云量的总变化趋势为增长,具体表现为随时间呈现先略减少后大幅增加趋势,其突变点大致在1993年,在1993年之后,总云量显著增多。低云量和高云量均呈现增长趋势,中云量则相反,呈减少趋势。低云量增幅最明显,接近2%,中、高云量则增减幅度较小。     

利用奇异值分解方法预测东北地区夏季气温

利用1961-2002年东北地区80个测站的夏季气温和冬季北太平洋海温场资料,采用奇异值分解技术,探讨了前冬北太平洋海温与东北地区夏季气温之间的关系。结果表明,前冬北太平洋海温场与东北地区夏季气温之间存在着较好的相关关系,并基于SVD(Singular Value Decomposition)分析的结果,建立了用前冬北太平洋海温场预测东北地区夏季气温定量空间分布的方法。从近几年的试报效果看,此方法具有一定的预测能力和较好的稳定性。最后,采用此方法和2002年冬季北太平洋海温场实况资料对2003年东北地区夏季气温做出了预测。     

东亚地区春冬季与夏季大气环流异常相互关系的研究

利用1951~2000年共50年的北半球500 hPa月平均高度距平场资料和奇异值分解技术（SVD）,重点对东亚地区季节间大气环流异常的相互关系进行了初步探讨。结果表明,东亚地区季节间大气环流异常存在着较为密切的关联,并且这种明显的非同步联系具有时空相关显著的特点,尤其是夏季大气环流异常与其前冬和前春大气环流异常的联系更为密切。当前冬和前春北半球东亚大槽和北美大槽及蒙古高压偏强（或偏弱）,极涡偏弱（或偏强）,中高纬度盛行经向环流（或纬向环流）,以及低纬和热带地区高度正距平（或负距平）明显时,则对应于夏季东亚地区西太平洋副高和鄂霍次克海阻高强度偏强（或偏弱）,位置偏南（或偏北）,贝加尔湖阻高强度也偏强（或偏弱）,但位置偏西（或偏东）的大尺度环流形势出现。当春季北半球大气环流具有上述特点以及夏季鄂霍次克海阻高和西太平洋副高强度偏强（或偏弱）,位置偏南（或偏北）,且极涡较弱（较强）时,则东亚地区秋季大气环流对应于蒙古高压加强（或较弱）,西太平洋副高减弱（或加强）,并向南和向东移动（或移动较慢）,极涡向南扩散（或扩散减弱）,大气环流向冬季过渡加快（或减慢）。另外,大气环流异常还具有一定的持续性特征。     

基于地面雨滴谱资料分析层状云和对流云降水的特征

根据由声雨滴谱仪器测量得到的雨滴谱资料,结合降水云的结构来将降水云系划分成为对流云降水云系和层状云降水云系.分析这两种降水云系中的稳定雨滴谱特征,包括雨滴谱的各种特征直径(平均直径Dm、众数直径Dd、平均体积直径Dv、优势直径Dp、中数直径Dna和中数体积直径Dn)、峰值结构和Z-R关系等.通过对这些量的分析,进一步分析划分降水云系的判据.     

基于ERA5资料的广西地区云水资源评估

利用欧洲中期数值预报中心(ECMWF)发布的第5代全球大气再分析资料(ERA5),结合中国气象局人工影响天气中心发布的CWR-MEM方案云水资源监测评估方法,对广西区域2009—2018年云水资源进行评估研究,结果表明:广西年均云水资源总量约5107.8×10^(8)t,其中年均空中留存云水总量约1422.2×10^(8)t,云水以区域内生成为主,年均约净输出197.1×10^(8)t云水资源。广西云水资源存在明显的季节变化特征,呈单峰分布,夏季6月最高,冬季2月最低,空中留存云水无明显季节变化。广西云水水平分布总体呈东北部高,向西和向南逐渐降低的分布特征。广西秋、冬和春季云水主要分布在低层925~600hPa,是以液相水滴构成的暖性层状云云水为主,夏季云水则主要分布在中层600~400hPa,是以过冷液水滴和冰相粒子构成的混合态云水为主,低层云水显著减少。     

Observational Characteristics of Cloud Vertical Profiles over the Continent of East Asia from the CloudSat Data

The CloudSat satellite data from June 2006 to April 2011 are used to investigate the characteristics of cloud vertical profiles over East Asia(20°-50°N,80°-120°E),with particular emphasis on the profiles of precipitative clouds in comparison with those of nonprecipitative clouds,as well as the seasonal variations of these profiles.There are some obvious differences between the precipitative and nonprecipitative cloud profiles.Generally,precipitative clouds mainly locate below 8 km with radar reflectivity in the range of-20 to 15 dBZ and maximum values appearing within 2-4-km height,and the clouds usually reach the ground;while nonprecipitative clouds locate in the layers of 4-12 km with radar reflectivity between-28 and 0 dBZ and maximum values within 8-10-km height.There are also some differences among the liquid precipitative,solid precipitative,and possible drizzle precipitative cloud profiles.In precipitative clouds,radar reflectivity increases rapidly from 11 to 7 km in vertical,implying that condensation and collision-coalescence processes play a crucial role in the formation of large-size drops.The frequency distribution of temperature at-15℃ is consistent with the highest frequency of radar reflectivity in solid precipitative clouds,which suggests that the temperatures near-15℃ are conductive to deposition and accretion processes.The vertical profiles of liquid precipitative clouds show almost the same distributions in spring,summer,and autumn but with differences in winter at mainly lower levels.In contrast,the vertical profiles of solid precipitative clouds change from spring to winter with an alternate double and single high-frequency core,which is consistent with variations of the frequency distribution of temperature at-15℃.The vertical profiles of nonprecipitative clouds show a little change with season.The observations also show that the precipitation events over East Asia are mostly related to deep convective clouds and nimbostratus clouds.These results are expected to be useful for evaluation of weather and climate models and for improvement of microphysical parameterizations in numerical models.     

支持向量机分类方法在天空云量预报中的应用

以2001年5月1日至2004年12月31日逐日武汉市地面、高空观测资料及欧洲中心24小时预报场等资料为基础,构建了不同的训练样本集,基于支持向量机方法进行了大量多因子的随机交叉验证,从而筛选出了包含最佳预报因子的训练样本集和相应的核参数g,建立了武汉市天空云量的预报模型。交叉验证结果表明预报模型是稳定性的、且具有较好的预报能力和推广应用能力。预报试验和实时预报的结果都显示出SVM方法对天空云量有一定的预报能力。