2024/2025年前冬,即2024年12月1日—2025年1月15日,北半球季风区发生了1979年以来极为严重的干旱事件,其中中国东部地区尤为显著。此次事件对中国东部地区的经济发展和生态系统都造成了严重的影响。本文基于ERA5再分析资料,深入探究了...2024/2025年前冬,即2024年12月1日—2025年1月15日,北半球季风区发生了1979年以来极为严重的干旱事件,其中中国东部地区尤为显著。此次事件对中国东部地区的经济发展和生态系统都造成了严重的影响。本文基于ERA5再分析资料,深入探究了此次中国东部极端干旱事件的成因及潜在物理机制。研究结果表明,造成此次极端干旱事件的直接原因是中国东部水汽异常辐散。从环流角度来看,北太平洋的异常气旋以及青藏高原南侧的异常反气旋导致中国东部主要受干冷的偏北风影响,进而引起中国东部和南方地区水汽辐散异常和降水偏少,诱发并维持了此次极端干旱事件。进一步研究表明,大气内部模态环北半球遥相关型可能是北太平洋气旋异常形成的主要原因,青藏高原前期秋季积雪异常偏少是青藏高原上空的深厚暖高压形成的原因,二者导致中国东部地区持续受异常偏北气流控制,进而引发局地降水减少。而2024/2025年前冬弱La Ni a型海温异常则通过调控Walker环流,引起南海上空异常气旋的形成,进一步抑制了中国东部地区的降水。在全球变暖背景下,更剧烈的水汽辐合、辐散可能会引发更严重的季风区极端降水或干旱事件,这为复杂气候背景下区域性干旱事件的预测提供了一定的理论依据。展开更多
介绍了“地球系统与全球变化”重点专项项目“中国极端天气气候事件的形成机理及其预测和归因”2025年度的主要成果。1)发展了群发性极端温度事件的检测识别方法并构建了数据集,揭示了群发性极端温度事件、暖季极端高温-降水复合事件的...介绍了“地球系统与全球变化”重点专项项目“中国极端天气气候事件的形成机理及其预测和归因”2025年度的主要成果。1)发展了群发性极端温度事件的检测识别方法并构建了数据集,揭示了群发性极端温度事件、暖季极端高温-降水复合事件的变化特征及北美-东亚冬季极端低温的空间复合特征,并开展了极端温度变化的归因研究。2)阐明了东亚冬季气温反相事件、2022年夏季长江流域极端高温等典型极端事件的环流特征及动力学机理。3)提出了MJO(Madden-Julian Oscillation)遥相关的动力学新机制,发现夏季MJO在印度洋停留时间3倍增长并加剧了极端气候事件风险;揭示了印度洋快速增暖、春季重新发展增强的La Ni a对中国极端气候的影响,探讨了不同海盆海温异常对夏季高温干旱复合事件的影响,发现华北秋季群发性极端降水增强与关键区北极海冰减少存在密切联系。4)探讨了陆面蒸散发与干旱变化机理、高温干旱复合极端事件的形成机理、积雪与土壤湿度的气候反馈效应以及陆气耦合对极端气候和大尺度环流的影响。5)建立了干旱、极端高温、暴雨-热浪复合极端事件、极端低温次季节-年际预测的物理统计预测模型,发展了极端温度次季节反转的预测方法,在一定程度上改善了中国极端天气气候事件的预测水平。展开更多
基于2002—2025年IRI(International Research Institute for Climate and Society)实时多模式预测资料,构建了一个面向事件的ENSO(El Nino-Southern Oscillation)峰值诊断框架,定量评估预测系统对峰值强度与峰值时间两项关键特征的可...基于2002—2025年IRI(International Research Institute for Climate and Society)实时多模式预测资料,构建了一个面向事件的ENSO(El Nino-Southern Oscillation)峰值诊断框架,定量评估预测系统对峰值强度与峰值时间两项关键特征的可预报性。尽管IRI系统在ENSO时间序列上可维持8~9 mon的较高技巧,但传统统计指标难以反映具体事件在峰值阶段的系统性偏差。结果表明,随着预报时效延长,预测的峰值强度普遍减弱,并呈现出显著的强度依赖特征。中等和强事件往往被低估,但弱事件更容易被高估。在模式差异方面,动力模式在再现中、强事件的峰值振幅上更有优势,但在弱事件中,统计模式的预测反而更接近观测。在峰值时间方面,模式预测普遍存在偏晚现象,并且滞后误差会随着预报时效持续累积。峰值时间偏差还呈现明显的冷暖不对称结构,拉尼娜事件的滞后程度显著强于厄尔尼诺事件。在不同模式类型的比较中,统计模式在拉尼娜事件中的峰值时间偏差远大于动力模式,而在厄尔尼诺事件中两类模式的差异相对较小。总体而言,本研究揭示了现有ENSO预测系统在峰值特征上的偏差结构,并指出动力与统计模式的互补性,为改进多模式集合策略和提升ENSO预测性能提供了科学依据。展开更多
本研究旨在提升湖南省盛夏(7、8月)高温过程的延伸期预报技巧。本文利用1999—2022年湖南省97个站点逐日最高气温资料以及次季节-季节(sub-seasonal to seasonal prediction,S2S)模式数据中欧洲中期天气预报中心(ECMWF)和美国国家环境...本研究旨在提升湖南省盛夏(7、8月)高温过程的延伸期预报技巧。本文利用1999—2022年湖南省97个站点逐日最高气温资料以及次季节-季节(sub-seasonal to seasonal prediction,S2S)模式数据中欧洲中期天气预报中心(ECMWF)和美国国家环境预报中心(NCEP)两种模式预报产品,并基于模式温度与环流预报产品提取物理因子,结合卷积神经网络(convolutional neural network,CNN)构建了湖南省盛夏高温过程的预报模型(high temperature prediction model,HTPM);对订正后的S2S模式和构建的预报模型结果进行集成,以实现对区域高温过程较为稳定的相对高技巧预报。结果表明:S2S模式的原始预报技巧较低,偏差订正能显著提高预报效果,但存在较高的空报率;基于ECMWF的S2S数据训练的高温预报模型(HTPM-ECS2S)和基于NCEP的S2S数据训练的高温预报模型(HTPM-NCEPS2S)能有效捕捉高温事件,在高温预报中具有较高的预报技巧;集成方案有效整合了多模型优点,可提升预报的准确性和可靠性。展开更多
文摘2024/2025年前冬,即2024年12月1日—2025年1月15日,北半球季风区发生了1979年以来极为严重的干旱事件,其中中国东部地区尤为显著。此次事件对中国东部地区的经济发展和生态系统都造成了严重的影响。本文基于ERA5再分析资料,深入探究了此次中国东部极端干旱事件的成因及潜在物理机制。研究结果表明,造成此次极端干旱事件的直接原因是中国东部水汽异常辐散。从环流角度来看,北太平洋的异常气旋以及青藏高原南侧的异常反气旋导致中国东部主要受干冷的偏北风影响,进而引起中国东部和南方地区水汽辐散异常和降水偏少,诱发并维持了此次极端干旱事件。进一步研究表明,大气内部模态环北半球遥相关型可能是北太平洋气旋异常形成的主要原因,青藏高原前期秋季积雪异常偏少是青藏高原上空的深厚暖高压形成的原因,二者导致中国东部地区持续受异常偏北气流控制,进而引发局地降水减少。而2024/2025年前冬弱La Ni a型海温异常则通过调控Walker环流,引起南海上空异常气旋的形成,进一步抑制了中国东部地区的降水。在全球变暖背景下,更剧烈的水汽辐合、辐散可能会引发更严重的季风区极端降水或干旱事件,这为复杂气候背景下区域性干旱事件的预测提供了一定的理论依据。
文摘介绍了“地球系统与全球变化”重点专项项目“中国极端天气气候事件的形成机理及其预测和归因”2025年度的主要成果。1)发展了群发性极端温度事件的检测识别方法并构建了数据集,揭示了群发性极端温度事件、暖季极端高温-降水复合事件的变化特征及北美-东亚冬季极端低温的空间复合特征,并开展了极端温度变化的归因研究。2)阐明了东亚冬季气温反相事件、2022年夏季长江流域极端高温等典型极端事件的环流特征及动力学机理。3)提出了MJO(Madden-Julian Oscillation)遥相关的动力学新机制,发现夏季MJO在印度洋停留时间3倍增长并加剧了极端气候事件风险;揭示了印度洋快速增暖、春季重新发展增强的La Ni a对中国极端气候的影响,探讨了不同海盆海温异常对夏季高温干旱复合事件的影响,发现华北秋季群发性极端降水增强与关键区北极海冰减少存在密切联系。4)探讨了陆面蒸散发与干旱变化机理、高温干旱复合极端事件的形成机理、积雪与土壤湿度的气候反馈效应以及陆气耦合对极端气候和大尺度环流的影响。5)建立了干旱、极端高温、暴雨-热浪复合极端事件、极端低温次季节-年际预测的物理统计预测模型,发展了极端温度次季节反转的预测方法,在一定程度上改善了中国极端天气气候事件的预测水平。
文摘基于2002—2025年IRI(International Research Institute for Climate and Society)实时多模式预测资料,构建了一个面向事件的ENSO(El Nino-Southern Oscillation)峰值诊断框架,定量评估预测系统对峰值强度与峰值时间两项关键特征的可预报性。尽管IRI系统在ENSO时间序列上可维持8~9 mon的较高技巧,但传统统计指标难以反映具体事件在峰值阶段的系统性偏差。结果表明,随着预报时效延长,预测的峰值强度普遍减弱,并呈现出显著的强度依赖特征。中等和强事件往往被低估,但弱事件更容易被高估。在模式差异方面,动力模式在再现中、强事件的峰值振幅上更有优势,但在弱事件中,统计模式的预测反而更接近观测。在峰值时间方面,模式预测普遍存在偏晚现象,并且滞后误差会随着预报时效持续累积。峰值时间偏差还呈现明显的冷暖不对称结构,拉尼娜事件的滞后程度显著强于厄尔尼诺事件。在不同模式类型的比较中,统计模式在拉尼娜事件中的峰值时间偏差远大于动力模式,而在厄尔尼诺事件中两类模式的差异相对较小。总体而言,本研究揭示了现有ENSO预测系统在峰值特征上的偏差结构,并指出动力与统计模式的互补性,为改进多模式集合策略和提升ENSO预测性能提供了科学依据。
文摘本研究旨在提升湖南省盛夏(7、8月)高温过程的延伸期预报技巧。本文利用1999—2022年湖南省97个站点逐日最高气温资料以及次季节-季节(sub-seasonal to seasonal prediction,S2S)模式数据中欧洲中期天气预报中心(ECMWF)和美国国家环境预报中心(NCEP)两种模式预报产品,并基于模式温度与环流预报产品提取物理因子,结合卷积神经网络(convolutional neural network,CNN)构建了湖南省盛夏高温过程的预报模型(high temperature prediction model,HTPM);对订正后的S2S模式和构建的预报模型结果进行集成,以实现对区域高温过程较为稳定的相对高技巧预报。结果表明:S2S模式的原始预报技巧较低,偏差订正能显著提高预报效果,但存在较高的空报率;基于ECMWF的S2S数据训练的高温预报模型(HTPM-ECS2S)和基于NCEP的S2S数据训练的高温预报模型(HTPM-NCEPS2S)能有效捕捉高温事件,在高温预报中具有较高的预报技巧;集成方案有效整合了多模型优点,可提升预报的准确性和可靠性。
