摘要：面向精细化的气象服务需求，为做到对云贵高原锋面系统变化的精准把控，深入认知其动态演变规律，基于50 a（1971—2020年）逐日台站观测资料，提出了一种利用线性拟合近似判定云贵高原地面锋线的方法，并通过综合分析锋线位置和锋线周边气象要素的空间分布和时间变化特征以及长持续锋线事件的锋线位置、走向变化，系统揭示了云贵高原锋线的移动特征，展现了云贵高原准“静”止锋的“动”态特征。结果表明，冷性锋线集中在102.5°—105°E，最大降温区在锋线东侧，暖性锋线集中在104.5°—105.75°E，最大升温区位于锋线西侧；锋线附近气象要素的变化与锋线的移动紧密相关，西进的锋线一般会伴随锋线附近的降温、升压和日照减少，东退的锋线则相反；根据长持续锋线事件的连续演变过程，可将锋线事件区分为静止、西移和东移3类，静止型出现次数最多，西移型可连续快速推进并伴随锋线南部的顺时针摆动，东移型出现频次较低且移速相对较慢。上述结果通过对云贵高原锋线，特别是其动态特征的客观定量描述，为该地区在锋线影响下各气象要素的精细化预报提供了重要参考。

摘要：为了建立一个应用于区域数值预报的四维变分资料同化（4DVar）系统，在近期开发的扰动预报模式GRAPES_PF基础上，开发完善增量四维变分同化系统框架。该框架中暂不包含物理过程（长短波辐射、边界层过程、对流参数化和云微物理等）。对比业务使用的GRAPES 3DVar系统，增加了温度控制变量。将无量纲Exner气压与流函数的线性风压平衡方程直接在地形追随垂直坐标面上求解，且通过广义共轭余差法（GCR）求解扰动亥姆霍兹（Helmholtz）伴随方程。利用人造“探空”资料对2015年10月台风“彩虹”进行了理想数值试验。试验结果表明，所开发的扰动四维变分同化框架得到了预期的结果，即同化更多资料并反复受到模式约束的四维变分同化系统能有效改善初值质量，进而改善区域数值预报。建立的区域四维变分同化框架合理可行，为进一步发展包含完整物理过程的区域四维变分同化系统奠定了研究基础。

摘要：基于雷达资料快速更新四维变分同化（RR4DVar）技术和三维数值云模式发展的快速更新雷达四维变分分析系统（VDRAS），通过在系统中加入地面自动气象站观测资料的同化方法，对发生在北京地区的10个强对流过程开展了地面资料同化的高分辨率模拟分析和检验评估，并与已经业务使用的地面资料融合方法进行对比。研究结果发现，地面观测资料同化使边界层1 km高度以下的分析场改善最为明显，风速和风向的均方根误差分别平均降低0.1 m/s和7.2°，温度的均方根误差降低0.2℃。模式最低层100 m高度的风速均方根误差降低0.5 m/s，风速的误差随高度上升逐渐增大。模式最低层风向的均方根误差降低15.5°，温度的均方根误差降低0.4℃，且1.5 km高度以下的温度偏差都减小。区域内地面10 m高风速的均方根误差平均降低0.2 m/s，风向的均方根误差降低10.8°，地面2 m气温的偏差也降低。随着预报时效的延长，地面温度和风场的误差不断增大，但地面资料同化方法在一定程度上可以提高1 h内地面气象要素的预报效果。对2019年5月17日北京地区局地强对流新生和增强过程的详细分析表明，地面自动气象站观测资料的同化方法相对于融合，可以通过更细致准确地分析低层大气的热动力特征，改善低层气象要素的预报效果。在此基础上，通过探究对流单体的局地触发机理发现，海风锋辐合线与城市的相互作用一定程度上影响了对流的局地新生和发展，该同化方法可以进一步提高北京地区局地突发强对流的临近数值预报能力。

摘要：为了提高CMA-MESO （China Meteorological Administration Mesoscale model）（原GRAPES）三维变分同化系统中2 m相对湿度资料的应用效果，改善模式中相对湿度的分析和降水预报效果，分析了2015年6—8月T639（T639L60全球中期数值预报系统，0.28125°×0.28125°）分析场低层相对湿度和2 m相对湿度之差与表征稳定度的理查森数（Ri）的关系，发现二者有很好的相关，Ri<0时，模式低层相对湿度与2 m相对湿度的差异较小，基本在同化观测误差范围内。依据该统计结果，对CMA-MESO同化系统中2 m相对湿度同化方案进行优化，Ri<0时，将观测站地形低于模式地形的2 m相对湿度观测由观测站高度改为模式最低层高度进行同化，形成新的2 m相对湿度同化方案，旨在解决2 m相对湿度资料同化时模式地形高度与观测站高度不同的影响。2018年7月CMA-MESO三维变分同化系统（3DVar）个例和连续试验结果显示：新的2 m相对湿度同化方案同化分析资料数量明显增加，且08时多于20时（北京时），新增观测点新息向量（背景减观测）与周围原有观测新息向量保持基本一致，分析残差偏差和均方根误差减小，降水预报效果明显改善。新2 m相对湿度同化方案通过提高观测站低于模式地形高度的观测资料合理应用，从而改善了3 km模式系统同化分析和预报效果。

摘要：2020年5月22日珠江三角洲地区出现了一次极端强降水天气，最大滑动小时雨量201.8 mm，3 h雨量达到351 mm。为探讨此次极端强降水的关键预报因子及可预报性，对热带中尺度集合预报系统（CMA-TRAMS（EPS））降水预报产品进行检验评估和敏感性分析，结果表明：与欧洲中期数值预报中心集合预报系统（ECMWF-EPS）相比，CMA-TRAMS（EPS）的好成员对本次过程降水强度及位置的预报结果与实况更接近，但对极端性预报仍有欠缺。好成员的预报能力来自于对低涡和（超）低空急流的演变特征以及两者强度和位置耦合的有效预测。好成员组预报珠江三角洲东部（超）低空急流南风分量较强，有利于低涡缓慢移动和气旋性辐合增强，致使降水持续时间长、效率高。而低涡自身发展又反馈于急流强度变化，好成员组较准确地刻画了增强的低涡环流反馈导致急流小范围加速的耦合特征。其他成员组预报的低涡和（超）低空急流的耦合位置偏东、偏南，辐合强度偏弱，导致降水强度或落区出现偏差。此外，强降水致使冷池形成，并增强激烈的冷、暖气团对峙（水平温度梯度达0.23—0.76℃/km），有利于中尺度辐合线维持，加强对流后向传播并产生极端降水量。但CMA-TRAMS（EPS）两组成员在预报中尺度系统的组织性和传播特征方面均存在明显不足，限制了集合预报系统对极端降水的预报能力。

摘要：利用CM1数值模式，以2017年8月7日发生在长江三角洲地区的一次夜间飑线过程为例，开展弱切变背景下中层相对湿度、低层风切变和对流有效位能的敏感性试验。结果表明：中层相对湿度升高，有利于夜间飑线雷达回波面积、回波强度和地面降温幅度增大。湿度降低，虽导致夜间飑线的雷达回波宽度变窄，但有利于夜间飑线结构和强度的维持。中层相对湿度的改变对夜间飑线成熟阶段的地面最大风速的影响并不十分明显，但是中层相对湿度的降低会增大地面最大风速的波动；低层风切变的增大使夜间飑线雷达回波强度增强、面积增大、移速变慢，也使飑线冷池强度增强，而对成熟飑线的冷池厚度和地面最大风速影响不大，但是更弱的环境风垂直切变更容易出现脉冲风暴地面强风。低层风切变的减小不利于夜间飑线的发展以及成熟夜间飑线结构和强度的维持；对流有效位能越大，越有利于夜间飑线雷达回波强度和回波面积以及冷池强度和厚度的增大，也有利于夜间飑线地面降温幅度和地面最大风速的增大。中等大小的对流有效位能更有利于成熟夜间飑线强度和结构的维持。低对流有效位能不利于夜间飑线发展，但在中层湿环境条件下依然能发展成为成熟的夜间飑线。该研究揭示了中层相对湿度、低层风切变和对流有效位能等大气环境条件对夜间飑线发生、发展的影响机制，为夜间飑线的预报提供了参考依据。

摘要：中尺度对流系统（Mesoscale Convective System，MCS）是很多对流性天气的主要致灾体，可导致严重的气象和水文灾害，如雷暴大风、冰雹、龙卷风和山洪。对MCS进行准确的识别和追踪，并根据追踪轨迹及获得的MCS特征实现MCS的分类，对灾害天气的分析和预报有重要意义。基于京津冀地区2010—2019年的雷达组合反射率拼图资料，分别使用支持向量机（SVM）、随机森林（RF）、极度梯度提升决策树（XGBoost）和深度神经网络（DNN）4种机器学习方法，研发了京津冀地区MCS的自动识别算法。使用时、空重叠追踪法对识别的MCS进行追踪匹配，得到包含强度、时间和空间信息的MCS追踪数据资料。在区分线状对流系统和非线状对流系统的基础上，进一步从经典的尾随层云（Trailing Stratiform，TS）、前导层云（Leading Stratiform，LS）和平行层云（Parallel Stratiform，PS）三类准线性MCS的概念模型和结构特征出发，根据追踪轨迹计算MCS的运动方向和MCS近似长轴两侧层状云和强对流云的面积占比，建立准线性MCS的分类算法。MCS的识别属于二分分类问题，以命中率（POD）、虚警率（FAR）、临界成功指数（CSI）和准确率（ACC）为评价指标，综合对比各项指标发现DNN模型较SVM、RF和XGBoost模型对MCS的识别效果更好。使用时、空重叠追踪法对DNN模型识别的MCS进行追踪，结合对两个追踪实例的分析，发现本研究所用的算法取得了很好的追踪结果，也进一步说明了深度学习方法识别MCS的准确性和优势。根据追踪轨迹计算某时刻MCS的运动方向，结合识别的层状云和强对流云的分布位置，准确实现了TS、LS和PS型准线性MCS的分类，为准线性MCS的生命史预测及其致灾天气特别是短时强降水的强度、位置和持续时间的客观预报提供了一种技术思路。

摘要：冬季降水相态及其转变时间的精细化客观预报对提高气象预报和服务质量具有重要的现实意义。利用京津冀地区国家级自动气象站观测资料及网格化快速更新精细集成产品，统计分析了京津冀地区复杂地形下各类降水相态温度和湿球温度平均气候概率的分布差异及不同降水相态时网格化快速更新精细集成产品中可能影响降水相态判断的特征信息。然后将地面观测天气现象资料、复杂地形下降水相态气候特征及高分辨率模式输出产品作为特征向量，分别基于梯度提升（XGBoost）、支持向量机（SVM）、深度神经网络（DNN）3种机器学习方法建立了降水相态的高分辨率客观分类模型，并对同样条件下3种机器学习方法对雨、雨夹雪和雪3种京津冀主要降水相态的预报效果进行了对比检验，进一步提升了雨夹雪复杂降水相态的客观分类预报技巧。

摘要：利用1961—2019年江苏省67个站降水量和气候指数数据集等资料，选取大气环流、海温和积雪等先兆信号的不同组合作为预测因子方案，通过对比不同机器学习方法对江苏省夏季降水开展预测试验。结果表明，深度神经网络（Deep Neural Network，DNN）较传统统计方法和其他机器学习方法有一定优势，深度神经网络结合动态权重集合因子方案对江苏省夏季降水的预测技巧最高，其独立样本检验结果稳定，2015—2019年的平均PS评分为76.0，距平符号一致率为0.62，距平相关系数达0.35，尤其对江苏省中南部的预测技巧更高，具有业务应用价值。不同预测因子方案对比分析表明，大气环流因子在江苏省夏季降水预测中做主要贡献，而海温因子和积雪等其他因子也有正贡献，说明使用综合性预测因子以及集合方案有助于提升季节预测准确率。

摘要：蒸发波导是影响海上雷达系统探测性能的主导机制，海表温度（SST）锋带来的蒸发波导非均匀性和突变性具有重要的研究价值。2018年春季航次“海气相互作用观测试验”，曾两次穿越黑潮海域获取了珍贵的观测资料。在此基础上，结合欧洲中期天气预报中心（ECMWF）再分析资料（ERA-Interim）和HYSPLIT（Hybrid Single Particle Lagrangian Integrated Trajectories）气块轨迹溯源，分离出两个重要的走航观测时段。S1段（持续约21 h）气流从暖海水区吹向冷海水区，以稳定层结为主，其间因黑潮海洋锋的存在，气流由黑潮主体的暖水区吹向大陆冷海区时，形成具有强逆温层的海洋边界层，并伴随海雾的生成，导致此处蒸发波导高度突降为0。此后为持续近66 h的S2段，气流由冷海水区吹向暖海水区，以近中性弱不稳定层结为主，蒸发波导高度基本维持在12 m高度。数值模拟结果表明，模拟时段内的黑潮海洋锋区，蒸发波导高度突变性和非均匀性始终存在，且伴随暖海水吹向冷海水的锋区突变性更强。黑潮海洋锋对蒸发波导的这种天气尺度强迫作用的加强与层结稳定度的突变和海雾的生成有关。

摘要：得益于第五次评估报告（AR5）以来约束预估研究的迅速发展，观测约束成为政府间气候变化专门委员会（IPCC）第一工作组（WGI）第六次评估报告（AR6）提升对未来预估约束的证据链中的重要一环。IPCC第一工作组第六次评估报告首次利用包括根据历史模拟温度升高幅度得到的观测约束、多模式预估以及第六次评估报告中更新的气候敏感度在内的多条证据链来约束全球地表温度未来变化的预估，减小了多模式预估的不确定性。文中回顾并介绍了IPCC第一工作组第六次评估报告中涉及的几种主要观测约束方法（多模式加权方法、基于归因结论的约束方法（ASK方法）、萌现约束方法）及其应用情况。在IPCC第一工作组第六次评估报告以及很多针对不同区域不同变量的预估研究中，观测约束方法均显示出了订正模式误差、改善模式预估的潜力。相比而言，目前中国在观测约束预估方面的研究还不多，亟待加强观测约束方法研究以及在中国区域气候变化预估中的应用，为中国应对气候变化的政策制定和适应规划提供更丰富、不确定性更小的未来气候信息。