简介:利用常规观测资料、FY-2G卫星TBB资料和NCEP(1°×1°)再分析资料,分析造成2016年6月1—2日重庆地区暴雨天气过程的MCS及内部2条β中尺度雨带的演变特征,并着重对比分析2条雨带锋区、锋生及不稳定机制的差异。结果表明:(1)此次暴雨天气过程由MCS造成,其内部有南、北2条β中尺度雨带,分别位于MCS南、北两侧TBB梯度大值区;(2)北雨带位于低层锋区内,是一条与锋面近于平行的中尺度雨带,而南雨带位于锋区前缘的高湿区和高能区中,对流性降水更强;(3)锋生函数各项对南北雨带锋生贡献有显著不同,北雨带以水平运动作用锋生为主,而南雨带则以垂直运动作用锋生为主,南北雨带锋生各项这种差异,与大气层结稳定度有关;(4)南北雨带不稳定机制有显著不同,南雨带为对流性不稳定机制,北雨带沿着锋面有向冷区倾斜的斜升气流发展,为对称不稳定机制。
简介:利用政府问气候变化专门委员会第四次评估报告(IPCCAR4)的15个耦合气候模式在不同排放情景下的模拟结果,对我国夏季降水及相关大气环流场的未来时空变化特征与模式之间的不确定性作了研究。结果表明,在全球变暖背景下,我国夏季降水表现出较强的局地特征。其中,我国东部和高原地区的降水在21世纪表现出明显的增加趋势,而且这种趋势随着变暖的加剧而增强,同时模式模拟结果之间的一致性也更好,表明这一结果的可信度较高。在全球变暖背景下,我国新疆南部地区表现为持续的降水减少趋势,而我国西南地区夏季降水的变化则呈现出先减少(21世纪初)后增加的特征,不同模式对降水这些局地特征的模拟也都表现出较好的一致性。其他地区夏季降水在21世纪的变化不大,同时模式模拟的一致性也较差。多模式模拟的我国未来百年夏季降水的这些变化特征在温室气体高、中、低不同排放情景下基本一致,A2情景预估结果变化最大,AIB次之,B1相对最小。东亚夏季大气环流场的预估结果显示,在全球变暖的背景下,大部分模式的模拟结果都表明,东亚夏季风环流有所增强,从而使得由低纬度大洋和南海地区向我国大陆的水汽输送增加,造成该地区大气含水量的增多,从而为我国东部地区夏季降水的增加提供有利条件。此外,随着全球变暖的加剧,西太平洋副热带高压持续增强,其变化对我国东部地区夏季降水的影响程度和范围也明显增大。这些环流场及其不确定性的分析结果进一步加强了我国夏季降水未来变化预估结果的可信度。
简介:运用NCEP/NCAR1°×1°再分析资料、常规气象、加密自动站等资料对2010年6月17日和2005年5月31日2次冷涡造成的强对流天气进行了诊断分析,通过2次冷涡天气的三维结构特征分析表明:冷涡强对流天气落区均位于冷涡中心4~7个纬度的西南象限;当正涡度柱倾斜度越大越有利冰雹天气的产生;低层辐合,高层辐散,且垂直上升运动越强越有利冰雹天气的产生;冷涡东南象限500hPa、850hPa温度平流分布均为暖平流时,强对流天气则以降水为主,而冷涡东南象限500hPa为冷平流,850hPa为暖平流时,强对流天气则以大风、冰雹为主;低层强锋生区域与强对流天气区域有很好的对应关系,锋生函数正值中心区域北侧常出现大范围冰雹天气;2次过程的强对流天气生成都是由于地面气旋性辐合中心在温度发展中的锋区叠加中有明显的锋生而导致,地面气旋性辐合中心对雷暴的触发及发展提供了很好的动力抬升作用。
简介:本文基于第五次耦合模式比较计划的23个全球气候模式所提供的最高气温与最低气温在RCP4.5情景下的逐日格点资料,根据模式对5个极端气温指数的模拟能力,使用秩加权方法研究了中国未来极端气温变化的概率预估及其不确定性。结果表明,21世纪中期(2046—2065年)中国区域平均最高气温和平均最低气温的增加幅度相对于历史时期(1986—2005年)可能超过2.0℃(概率〉66%),增加的大值区主要位于青藏高原南部。暖夜指数在中国大部分地区增加超过15%,西南和东南部沿海是增加的大值区,增幅超过20%。霜冻日数在全国范围内减少,减少的大值区位于青藏高原周围,减少日数超过了20d。热浪指数在整个中国区域可能增加10d以上,大值区位于西藏西南部,可达30d。不确定性的结果表明,除热浪指数的可信度较低外,其余指数都有较高的可信度。到21世纪末期(2081—2100年),中国区域极端气温增加幅度超过前期,平均最高气温和平均最低气温很可能增加超过2.0℃(概率〉90%),大值区除中国西部地区外,还扩展到了东北和青藏高原西南地区。中国大部分地区的暖夜指数增加超过15%,西南和南部沿海可能超过25%。大部分地区的霜冻日数减少20d,青藏高原周围减少超过40d。热浪指数在中国范围内增加20d,青藏高原西南部增加40d以上。除霜冻指数的信噪比略比21世纪中期大外,其余指数的信噪比与中期基本一致。
简介:基于1980-2016年的4套再分析资料(NCEP/DOE资料、MERRA2资料、ERA-Interim资料和JRA-55资料),采用计算大气热源的正算法和倒算法,研究青藏高原大气热源及其计算的不确定性因素,得到以下结论:(1)计算方法和资料均会导致结果的不确定性,正算法只能得到整层热源,而倒算法可得到热源垂直结构,但其结果准确性依赖于再分析资料精度;(2)对比4套再分析资料计算结果发现,正算法结果较倒算法结果普遍偏高,采用ERA-Interim资料,基于两种方法计算的大气热源年代际变化趋势一致。基于4套资料,采用倒算法计算的热源在1980-2016年呈现明显的年代际变化特征;(3)夏半年(3-8月)强热源区主要分布在青藏高原中东部,热源自下而上呈源-汇-源分布;(4)基于正算法和ERA-Interim资料估算的夏半年的降水潜热在喜马拉雅山南坡显著偏小,高原西部地区和南部冈底斯山一带则明显偏大。