1970—2019年滁州市降水特征分析

采用具有自适应性的EEMD方法（Ensemble Empirical Mode Decomposition）重点研究滁州市1970—2019年7个国家基本站年降水和汛期降水的非线性变化特征。结果显示,以滁州站为例,其近50年的降水量变化存在年际尺度和年代际尺度,分别为2.3年和8.0年以及16年和32年,同时发现具有2.3年和8.0年时间尺度的年际变化占主导地位;全市7个国家站汛期降水量对年降水量贡献率均在60%以上,且在空间上总体呈东南多西北少的特征;全市7个国家站汛期多年平均暴雨降水量占汛期多年平均降水量的比率均在33%以上。7个国家站近50年汛期暴雨频数除来安站和天长站呈下降趋势外其余皆呈增加趋势,而汛期小雨频数皆呈下降趋势。     

AMSR2缺失数据重建及其土壤湿度反演精度评价

新型传感器土壤湿度产品在水分循环、农业管理等领域应用之前,需要评价其在不同区域的反演精度与数据质量。该文针对目前全球空间分辨率最高的AMSR2(advanced microwave scanning radiometer 2)3级微波土壤湿度产品,实现了缺失数据重建及其反演精度评价目的。论文研究引入离散余弦函数表达的惩罚最小二乘回归(discrete cosine transformation-partial least square,DCT-PLS)方法,重建因卫星轨道等原因造成的缺失与异常值,以构建时空分布连续的土壤湿度数据;进而以山西省为例,采用1 km分辨率的MODIS光学波段数据对AMSR2微波产品进行降尺度处理,通过实测土壤湿度、温度植被干旱指数(temperature vegetation dryness index,TVDI)验证评价这2种不同尺度的微波土壤湿度数据质量。结果表明:DCT-PLS方法能够充分利用三维时空信息对缺失数据进行重建,重建后土壤湿度具有较高质量;10、1 km 2种尺度的土壤湿度与实测土壤湿度在空间分布上较为吻合,2个示例日期中降尺度土壤湿度与TVDI之间的相关性提高了0.352、0.4264,能够更为准确地反映土壤湿度空间分布细节;通过实测数据、TVDI指数的校验,降尺度前后的AMSR2土壤湿度数据表现出了较高的质量与可靠性。     

基于SPI的安徽省1961—2019年干旱演变特征分析

为分析标准化降水指数（SPI）在安徽省干旱监测评估中的适用性,基于SPI从干旱频率、站次比和干旱强度3个方面分析了1961—2019年该地区干旱时空演变特征。结果表明,1961—2019年安徽省各地区干旱频率总体呈南高北低分布,轻旱、中旱、重旱平均频率分别为31.7%、15.7%和6.1%;1961年以来安徽省轻旱以上平均站次比高达31.7%,有15年发生全域性干旱,1978年是干旱发生面积最广的年份,共发生18次全域性春旱、14次全域性夏旱、17次全域性秋旱和16次全域性冬旱;1961年以来安徽省干旱总体以轻旱到中旱为主,且呈微弱下降趋势,最强年份1978年为特旱级别,各季节干旱强度表现为夏旱>秋旱、春旱>冬旱,2011年的春旱、1978年的夏旱、2019年的秋旱和1968年的冬旱是1961年以来各季节性干旱最强年份。SPI可用于安徽省干旱监测评估。     

2018年安徽东部连续两次回流形势下强降雪成因分析

利用常规气象观测资料、区域自动气象站资料和NCEP 1°×1°逐6 h再分析资料等对2018年1月3—4日和24—28日出现在安徽东部两次极端大暴雪过程的成因及动力、水汽热力、干侵入等结构演变特征进行诊断分析。结果表明,高空冷槽配合中低层低涡切变发展是形成暴雪的重要环流背景,700 hPa西南低空急流带是暴雪区主要水汽输送通道,异常的水汽通量大值中心与水汽通量散度中心相配合是产生极端强降雪的重要原因。从降雪机制看,1月3—4日暴雪过程属暖区冷流降雪,大气处于湿对称不稳定状态,暴雪区位于垂直方向上螺旋度正负值中心相叠置的区域中靠近下沉支的上升支气流中,且高低空急流耦合形成垂直方向上次级环流,高空槽后的强西北气流与高效率的水汽辐合输送相结合,降雪强度大;而1月24—28日属非典型性冷平流降雪,低层先有冷空气南下,干冷空气受底层抬升而直接降雪,过程相对冰面过饱和现象主要在低层,过冷水较弱,持续时间长。且两次强降雪过程中低空急流发生发展与高空急流周围正的涡度平流都有很好的对应关系,辐合强弱与降雪强度相对应。