长江三角洲地区净生态系统二氧化碳通量及浓度的数值模拟

净生态系统碳通量(NEE)的计算对于准确模拟区域碳通量和大气CO₂浓度的时空变化至关重要。本文利用中尺度大气-温室气体耦合模式WRF-GHG(Weather Research and Forecasting Model with Greenhouse Gases Module),对2010年7月28日至2010年8月2日期间影响长江三角洲地区大气CO₂浓度及时空分布的各种过程进行了详尽模拟。结果表明,植被光合呼吸模型(VPRM)能模拟不同植被下垫面NEE的日变化;WRF-GHG模拟的大气CO₂浓度日变化与观测相吻合,但低估了大气CO₂浓度5~15 ppm(ppm表示10-6),这可能与人为排放源的低估、VPRM参数的不确定性以及气象场模拟的不准确性有关。太湖和植被覆盖较好的地区如浙江北部山区是该地区的主要碳汇,而城市为CO₂的主要排放源。太湖和陆地生态系统对区域内碳循环起到一定的调节作用,减缓区域大气CO₂浓度的升高。此外,局地气象条件如湖陆风对太湖周边地区大气CO₂浓度有显著影响。     

山西省城市大气CO2本底筛分对比及特征分析

基于典型城市站太原站2018年3月—2019年2月的大气CO₂在线观测资料,利用筛分法(Meteorological filtering method, MET)和黑碳示踪法(Black Carbon tracer, BC)进行本底/非本底的筛分,得到了本底浓度的变化特征。结果表明,太原大气CO₂浓度季均值冬季最高,夏季最低;不同季节呈“单峰型”日变化特征,日振幅均在26.0×10^-6以上;4个季节CO₂浓度与地面风速存在显著负相关关系;CO₂浓度抬升区域主要受当地工业布局的影响,最大抬升幅度在秋季达17.4×10^-6;使用气象筛分法(MET)得到年均本底浓度为(431.4±19.9)×10^-6,人为排放等对其影响为23.5×10^-6,年振幅比同纬度其它本底站大,为34.5×10^-6;黑碳示踪法(BC)得到冬季季均本底浓度为(445.0±22.9)×10^-6,比MET筛...     

2021年3月沈阳地区一次污染过程气溶胶垂直变化特征及成因分析

利用地面大气颗粒物质量浓度观测资料、探空和NECP再分析资料以及地面激光雷达探测资料,对2021年3月13—15日沈阳地区污染事件过程展开分析,探讨大气污染物质量浓度、大气环流背景与气溶胶垂直分布等特征。结果表明: 3月13日PM_2.5质量浓度最高值出现在06:00—07:00,约为220.0—230.0 μg·m^-3,15日12:00开始显著降低,而PM₁₀质量浓度在15:00出现显著增加,为258.3 μg·m^-3。SO₂和NO₂浓度较高值均出现在3月13日10:00时左右,分别为40.1 μg·m^-3和101.3 μg·m^-3。CO质量浓度最高值出现在13日16:00—17:00,约为8.8 mg·m^-3。沈阳地区臭氧的最高值均出现在午后,13日和14日午后（12:00—16:00）臭氧最大值为102.4—113.7 μg·m^-3。蒙古气旋东移过程中逐渐发展加强,其后部西北风将沙尘向东南方向输送。沈阳地区沙尘发展旺盛时存在不稳定层结,同时伴有显著的上升运动,有利于沙尘粒子的垂直混合和向下游输送。3月15日02:00（北京时间15日10:00）气溶胶消光最大值出现在0.7 km处,消光系数约为6.0 km^-1。近地面激光雷达退偏比显著增加至0.4—0.5,近地面以非球形粒子（粗颗粒物）为主的沙尘或浮尘。     

地面风对瓦里关山大气CH4本底浓度的影响分析

使用1994年7月至1996年12月大气CH₄和地面风现场连续观测资料，分析了瓦里关全球大气本底基准站（36°17′N, 100°54′E，海拔3816 m）地面风变化对大气CH₄本底浓度的影响。结果表明，水平风向、风速和垂直风向、风速的变化对大气CH₄观测值的影响在春、夏、秋、冬季有明显不同，水平风向NE—ENE—E为CH₄测量最主要的局地影响非本底扇区，静风及水平风速大于10 m/s、垂直风速大于±1 m/s对观测结果都有较大影响；由的统计平均还给出了此段期间瓦里关大气CH₄在不同季节的浓度分布范围和日变化类型，并分析了可能成因；将地面风数据作为大气CH₄本底资料的过滤因子之一，提出了适用于不同使用目的和要求的我国内陆高原大气CH₄本底数据筛选方法，本底数据留存率约为原始资料量的50%。     

贵阳市PM2.5分布特征及气象条件的影响

利用2013~2017年贵阳市10个国控空气质量监测站点PM_2.5逐时监测数据,分析了贵阳市大气污染物污染水平及其时空分布特征。结果表明:(1)贵阳市PM_2.5年均浓度为36.14 ug·m-3,基本处于国家空气质量二级标准范围内,污染程度较轻;(2)贵阳市PM_2.5浓度冬季浓度为一年中最高,最高值出现在12月,夏季浓度最低,最小值出现在7月;(3)气象要素对PM_2.5浓度的影响是显著的,尤其是在分季节的情况下,气象要素对PM_2.5的影响差异较大。PM_2.5浓度与太阳辐射、日照时数、气压呈显著正相关,与降水、相对湿度、风速、气温呈显著负相关。太阳辐射夏季对PM_2.5影响最大,日照时数春季对PM_2.5的影响最大,气温在夏、秋季与PM_2.5浓度呈显著负相关。春季降水对PM_2.5的相关性更为显著,风速对夏、冬季与PM_2.5浓度具有显著负相关性。      

北京城区二氧化碳时空分布及湍流谱特征

利用北京325 m气象塔上安装的7层CO₂涡动相关系统在2014年12月到2015年11月的观测资料,分析了北京城区不同高度上CO₂浓度、通量时空分布及湍流谱的特征。结果表明:城市CO₂浓度日变化除了冬季都呈现双峰型,冬季由于人为碳源排放的大幅增加,双峰型不明显。每层的CO₂浓度、通量都有明显的季节变化:冬季最高,春末、夏季最低。CO₂浓度整体随高度的增加而降低。北京城区是CO₂源,CO₂通量的日变化不如CO₂浓度日变化规律明显。CO₂通量在47 m以下为负,47 m以上为正。通量在140 m以下随高度的增加而增加;140m以上随高度的增加而减少。根据对CO₂时空分布的分析可知:边界层CO₂浓度、通量强烈受到碳源、下垫面植被、大气稳定度、环境温度和天气过程等因素的影响。各变量谱与Kaimal等的研究结果接近:归一化速度谱和CO₂谱在惯性子区有－2/3的斜率,在低频区与稳定度参数（Z/L）有一定的关系。这说明复杂地形的城市下垫面的湍流谱结构与平坦地形相比没有太大的实质性差异。     

百年尺度不同区域地表气温对CO2浓度非均匀动态分布敏感度的研究

地球系统模式结果表明大气CO₂浓度的快速增加是气候变化重要的原因之一。卫星资料分析结果表明，大气CO₂浓度并非均一的，而是有明显的区域差异，以人类活动为主的碳排放会影响这一区域差异。这种空间差异如何影响区域地表气温对CO₂的敏感度，需要进一步深入系统的研究，利用地球系统模式BNU-ESM(Earth System Model of Beijing Normal University)进行数值模拟，并与观测数据进行比较，结果表明：在试验模拟结果2°C阈值内，非均匀CO₂浓度试验的CO₂浓度增加阈值范围小于均匀CO₂浓度试验结果，偏少约为4.3 ppm(10₆)。在区域尺度上，中国地表气温对CO₂敏感度普遍低于美国、欧洲以及北半球平均水平，这表明CO₂浓度空间差异对地表气温的敏感度的影响存在明显区域差异，很可能是CO₂浓度辐射效应与气候系统反馈过程的共同作用结果，这需要进一...     

北京地区PM2.5的成分特征及来源分析

选用2003—2004年初PM_2.5连续观测资料，统计分析了北京地区PM_2.5的特征、PM_2.5与PM₁₀以及PM_2.5与地面气象要素的相互关系。结果表明:四季中夏季PM_2.5浓度最低，冬、春两季浓度较高。PM_2.5与PM₁₀比值平均为0.55，非采暖期两者比值为0.52，采暖期两者比值为0.62；夏季该比值主要分布在0.3~0.6之间，春、秋两季该比值分布在0.3~0.8之间，冬季采暖期该比值分布在0.4~0.9之间。PM_2.5与PM₁₀比值日变化与气象条件日变化、人们日常生活习惯密切相关，沙尘天气和交通运输高峰期扬起地面粗颗粒物会导致PM_2.5在PM₁₀中的比例下降，而冬季取暖以及夏季光化学反应则会引起PM_2.5的比例升高。PM_2.5的浓度与地面气象要素中本站气压、相对湿度和风速有很好的的相关性，与气温的相关性较差。SO₄2-，NO₃-和NH₄+为北京地区PM_2.5中主要离子。PMF源解析方法确定了北京地区5类细粒子污染源，分别是:土壤尘、煤燃烧、交通运输、海洋气溶胶以及钢铁工业。     

长江下游农业生态区CO2通量的观测试验

利用2001年6月10日~7月20日在安徽省全椒县稻田和2002年6月10日~7月20日在肥西县农作物混作区观测的近地层CO₂和能量通量资料，对农作物混作区和稻田CO₂通量特征进行了比较。结果表明:平均情况下，观测期内稻田白天(夜间)吸收(放出) CO₂为55.16 g·m-2(14.19 g·m-2)；农作物混作区白天(夜间)吸收(放出) C02为22.67 g·m”(12.40 g·m-2)；稻田白天吸收的CO₂通量随水稻生长而逐渐增加，夜间放出的CO₂在拔节期最高；农作物混作区CO₂通量在整个观测期并没有显著改变；稻田和农作物混作区均为大气CO₂的汇。对CO₂通量与光合有效辐射的关系分析表明:白天稻田吸收的CO₂通量与到达地面的光合有效辐射存在着显著的负相关关系。文中结果为数值模拟稻田与近地层大气CO₂交换提供了重要依据。     

青岛市大气颗粒物污染特征及潜在来源分析

利用山东青岛2017年1月至2020年12月的大气颗粒物质量浓度、常规气象观测资料以及全球数据同化系统(Global Data Assimilation System,GDAS)数据,研究了该地区大气颗粒物的污染特征,基于拉格朗日混合单粒子轨道模型(Hybrid Single Particle Lagrangian Integrated Trajectory Model,HYSPLIT)和轨迹统计(TrajStat)软件对青岛市大气颗粒物的传输路径进行了研究,运用潜在源贡献因子分析法(Potential Source Contribution Function,PSCF)和浓度权重轨迹分析法(Concentration Weighted Trajecto‐ry,CWT)对其潜在源区和浓度贡献进行了分析。研究结果表明：(1)青岛市PM_2.5质量浓度年均值为35.3μg·m^-3,冬季最高,春、秋次之,夏季最低。PM_2.5质量浓度年超标率分别为8.22%,7.40%,11.51%和7.38%,重污染日仅出现在冬季,夏季从未出现...     

Could the Recent Taal Volcano Eruption Trigger an El Ni?o and Lead to Eurasian Warming?

正The Taal Volcano in Luzon is one of the most active and dangerous volcanoes of the Philippines. A recent eruption occurred on 12 January 2020(Fig. 1a), and this volcano is still active with the occurrence of volcanic earthquakes. The eruption has become a deep concern worldwide, not only for its damage on local society, but also for potential hazardous consequences on the Earth's climate and environment.     

Analysis of Atmospheric Boundary Layer Height Characteristics over the Arctic Ocean Using the Aircraft and GPS Soundings

正ERRATUM to: Atmospheric and Oceanic Science Letters, 4(2011), 124-130 On page 126 of the printed edition (Issue 2, Volume 4), Fig. 2 was a wrong figure because the contact author made mistake giving the wrong one. The corrected edition has been updated on our website. The editorial office is sincerely sorry for any     

Index to Vol.31

正AN Junling;see LI Ying et al.;(5),1221—1232AN Junling;see QU Yu et al.;(4),787-800AN Junling;see WANG Feng et al.;(6),1331-1342Ania POLOMSKA-HARLICK;see Jieshun ZHU et al.;(4),743-754Baek-Min KIM;see Seong-Joong KIM et al.;(4),863-878BAI Tao;see LI Gang et al.;(1),66-84BAO Qing;see YANG Jing et al.;(5),1147—1156BEI Naifang;     

Information for Contributors

正Journal of Meteorological Research is an international academic journal in atmospheric sciences edited and published by Acta Meteorologica Sinica Press,sponsored by the Chinese Meteorological Society.It has been acting as a bridge of academic exchange between Chinese and foreign meteorologists and aiming at introduction of the current advancements in atmospheric sciences in China.The journal columns include Articles.Note and Correspondence,and research letters.Contributions from all over the world are welcome.     

前寒武纪气候演化中的三个重要科学问题

自地球形成至寒武纪将近40亿年（距今46亿～5.4亿年,通常称为前寒武纪）的气候演变是一个具有特殊难度和挑战性的研究领域,同时也是基础和前沿的研究领域。文章选择了前寒武纪气候演化中的三个重要科学问题进行综述：大气演化、两次全球性的冰川期以及暗弱太阳问题。关于大气演化,本文首先描述了大气成分的演化历史,然后简述了影响大气成分演化的三个基本过程：大气逃逸、两次大气氧含量突然增加、碳酸盐-硅酸盐循环及其对气候系统的负反馈作用。两次全球性的冰川期分别发生在古元古代（距今24亿～21亿年）和新元古代（距今8亿～5.8亿年）,文章简述了其成因以及相关的气候模拟结果。暗弱太阳问题是地球历史气候演化的一个经典问题,论文简要地综述了一些最新的研究成果和观点。     

淮河流域水文极值预测模型研究

为探索气候变化影响下水文极值的非平稳性和预测方法,建立了水文极值非平稳广义极值（GEV）分布的统计预测模型。利用1952-2010年淮河上游流域累计面雨量和流量年最大值资料、同期500 hPa环流特征量资料以及17个CMIP5模式对环流特征量的模拟结果,筛选出对水文极值影响显著的年平均北半球极涡强度指数作为GEV分布参数的预测因子。分析了在RCP2.6、RCP4.5和RCP8.5情景下2006-2050年淮河上游流域水文极值对气候变化的响应。结果表明,10年以下与10年以上重现期的水文极值在非平稳过程中呈现前者下降而后者上升的相反变化趋势;多模型预测的集合平均在未来情景中均呈现上升趋势,情景排放量越大增幅越大,重现期越长增幅也越大。与极值的常态相比,极值的极端态更易受气候变化影响。     

CHARACTERISTICS AND TRENDS OF CLIMATIC EXTREMES IN CHINA DURING 1959–2014

The spatial and temporal variations of daily maximum temperature(Tmax), daily minimum temperature(Tmin), daily maximum precipitation(Pmax) and daily maximum wind speed(WSmax) were examined in China using Mann-Kendall test and linear regression method. The results indicated that for China as a whole, Tmax, Tmin and Pmax had significant increasing trends at rates of 0.15℃ per decade, 0.45℃ per decade and 0.58 mm per decade,respectively, while WSmax had decreased significantly at 1.18 m·s~(-1) per decade during 1959—2014. In all regions of China, Tmin increased and WSmax decreased significantly. Spatially, Tmax increased significantly at most of the stations in South China(SC), northwestern North China(NC), northeastern Northeast China(NEC), eastern Northwest China(NWC) and eastern Southwest China(SWC), and the increasing trends were significant in NC, SC, NWC and SWC on the regional average. Tmin increased significantly at most of the stations in China, with notable increase in NEC, northern and southeastern NC and northwestern and eastern NWC. Pmax showed no significant trend at most of the stations in China, and on the regional average it decreased significantly in NC but increased in SC, NWC and the mid-lower Yangtze River valley(YR). WSmax decreased significantly at the vast majority of stations in China, with remarkable decrease in northern NC, northern and central YR, central and southern SC and in parts of central NEC and western NWC. With global climate change and rapidly economic development, China has become more vulnerable to climatic extremes and meteorological disasters, so more strategies of mitigation and/or adaptation of climatic extremes,such as environmentally-friendly and low-cost energy production systems and the enhancement of engineering defense measures are necessary for government and social publics.     

ANALYSIS OF “BIMODAL PATTERN” STORM ACTIVITY CHARACTERISTICS OF THE BAY OF BENGAL

Storms that occur at the Bay of Bengal (BoB) are of a bimodal pattern, which is different from that of the other sea areas. By using the NCEP, SST and JTWC data, the causes of the bimodal pattern storm activity of the BoB are diagnosed and analyzed in this paper. The result shows that the seasonal variation of general atmosphere circulation in East Asia has a regulating and controlling impact on the BoB storm activity, and the “bimodal period” of the storm activity corresponds exactly to the seasonal conversion period of atmospheric circulation. The minor wind speed of shear spring and autumn contributed to the storm, which was a crucial factor for the generation and occurrence of the “bimodal pattern” storm activity in the BoB. The analysis on sea surface temperature (SST) shows that the SSTs of all the year around in the BoB area meet the conditions required for the generation of tropical cyclones (TCs). However, the SSTs in the central area of the bay are higher than that of the surrounding areas in spring and autumn, which facilitates the occurrence of a “two-peak” storm activity pattern. The genesis potential index (GPI) quantifies and reflects the environmental conditions for the generation of the BoB storms. For GPI, the intense low-level vortex disturbance in the troposphere and high-humidity atmosphere are the sufficient conditions for storms, while large maximum wind velocity of the ground vortex radius and small vertical wind shear are the necessary conditions of storms.