中国西北内陆干旱区存在季风和西风两个气候变化模态， 是季风-西风交互作用影响区。对该区域气候环境的研究具有重要的理论和现实意义， 也是当前全球变化研究中备受关注的前沿问题。本文通过梳理前人对季风、 西风区及其边缘活动带界定、 器测和代用指标的两大环流气候影响及其交互作用研究进展， 认为今后需加强对西风模态及其与季风交互作用、 区域界定、 高分辨率大时空尺度驱动机制的相关研究， 以期推动区域全球变化响应及其动力机制等学科领域发展， 为西北干旱区区域沙漠化治理和国家生态安全战略提供科技支撑和决策理论依据。

基于1982 -2020年青藏高原中东部105个气象站点逐日降水资料和NCEP/NCAR再分析资料， 分析了暖季极端降水的时空异常特征、 主要落区和典型环流。结果表明： （1）1982 -2020年， 青藏高原中东部暖季降水总量整体呈显著增加趋势（P<0.05）， 气候倾向率达10.7 mm·（10a）^-1， 但存在明显的区域性差异和年代际变化特征。极端降水指标在1990s和2000s中后期发生了年代际趋势转变， 2009年之后极端降水的增加最为突出， 气候倾向率可达整体增加水平的4~5倍； 在三个时段， 高原极端降水存在南北趋势反向变化特征， 北部极端降水在1998 -2009年增加最为突出， 南部经历了显著增加-显著减少-显著增加的趋势变化。（2）1982 -2020年，青藏高原中东部暖季小范围极端降水频数呈显著减少趋势（P<0.1）， 而大范围极端降水频数显著增加（P<0.05）； 4级范围极端降水主要有： 东北部型（A型）、 南部型（B型）和东南部型（C型）三种主要的落区。（3）西太平洋副热带高压（以下简称西太副高）的位置和强度差异是导致水汽源地和大范围极端降水落区不同的主要原因； 当A型大范围极端降水发生时， 西太副高异常偏弱， 偏东， 水汽主要来自太平洋和西风带的输送； 当B型发生时， 西太副高异常偏强， 西伸南压， 水汽主要来自印度洋和孟加拉湾； 当C型发生时， 西太副高异常偏强， 西伸北抬， 水汽主要来自西北太平洋、 南海和孟加拉湾。

基于1979 -2020年西北地区173个气象站点10 m风速观测资料和ERA-5再分析资料， 揭示了西北地区年、 各季节风速的年代际变化特征及2003/2004年年代际变化可能的环流背景。结果表明： 1979 -2020年趋势分布存在显著的区域差异， 风速增大区域主要位于甘肃中部和东部、 陕西、 新疆西南和东北部分地区， 其余站点风速大体减小。呈现减小趋势的站点数明显多于增加趋势的站点数， 呈现减小趋势站点平均地表风速大于整个西北平均的风速值， 呈现增加趋势的站点的平均地表风速小于整个西北平均的风速值， 并且在2004年后明显增大。年平均和各季节第一模态的空间分布与1979 -2020年趋势分布相似， 时间序列的年代际变化发生在2000年前后。年平均和各季节第二模态除宁夏和陕西南部地区为负异常， 其余站点大体均为正异常， 其时间序列均发生了两次突变， 分别发生在1987/1988年和2003/2004年。1987/1988年的西北地区风速变化成因已有大量研究， 本研究重点分析了2003/2004年西北风速年代际变化成因的环流因子。从500 hPa位势高度2004 -2020年与1988 -2003年的合成差图可知， 春季环流场呈现中亚-北欧的经向偶极子模态， 夏季和秋季呈现为“丝绸之路”模态， 冬季呈现“斯堪的纳维亚”模态， 年平均呈现为北极涛动负位相。可见， 2003/2004年前后四季和年平均环流背景变化都各有特点， 它们如何影响中国西北地表风速2003/2004年的年代际变化的物理过程待于进一步深入研究。

积雪是对气候变化响应最敏感的自然要素之一， 对地表的辐射平衡和水循环有着重要影响， 全球积雪覆盖面积约为46×10⁶ km²， 且98%分布在北半球， 由于积雪具有独特的辐射（高表面反照率）和热（低热传导率）特性， 其变化对陆地和大气之间的能量平衡和水循环过程具有重要的影响， 在全球变暖背景下， 近几十年来北半球积雪覆盖面积减少趋势明显， 尤其春季最明显， 基于观测数据评估CMIP6模式数据对于积雪覆盖面积的模拟能力， 应用多模式平均评估未来时期积雪覆盖度的变化情况。本文以美国国家海洋和大气管理局/美国国家气候数据中心（NOAA/NCDC）的积雪产品为参考数据， 采用泰勒技巧评分、 相对偏差等方法， 对国际耦合模式比较计划第六阶段（CMIP6）发布的1982 -2014年北半球春季积雪覆盖度（SCF）数据进行评估， 并选取排名前三的模式的集合平均预估未来（2015 -2099年）不同排放情景下SCF的时空变化特征。结果表明： 历史时期（1982 -2014年）从整体上看， 积雪覆盖度呈现出高纬高， 低纬低， 青藏高原和亚洲东部等高海拔地区较同纬地区高的特点， 北半球的积雪覆盖度呈减少趋势地区为68.37%， 积雪覆盖度呈现增加趋势的区域面积占北半球总面积的31.63%， 与参考数据相比， CMIP6各模式模拟北半球春季SCF在大部分地区表现为减少特征， 多数CMIP6模式高估了青藏高原地区的SCF， 大多模式的SCF结果呈减少趋势的地区大于参考区域， 并且低估了3月、 4月和5月的SCF。总体来看， 各模式模拟SCF的能力存在差异， 其中NorESM2-MM、 CESM2、 BBC-CSM2-MR、 NorESM2-LM和CESM2-WACCM综合模拟能力最优， 模拟能力最差的是MIROC-ES2L、 MPI-ESM1-2-LR和MPI-ESM-1-2-HAM。而多模式集合平均（MME）的模拟能力在各方面都优于多数单个模式， 其综合模拟能力泰勒得分与NorESM2-MM模式和CESM2-WACCM模式均为最高的0.984， 在空间分布、 年际变化趋势、 年内变化三个方面， CMIP6各模式模拟北半球春季SCF的能力差异显著， CMIP6 MME模拟的北半球春季SCF更接近观测数据（CMIP6各模式的偏差值为-14.27%~5.96%， CMIP6 MME的偏差值为-2.3%）， 相对于1982 -2014年参考时段， 21世纪末期（2067 -2099年）北半球春季SCF在大部分地区表现为减少特征， 随着排放强度的提高， SCF的减少程度愈加显著， SCF呈减少的地区也愈加扩大， 在2015 -2099年期间， 不同排放情景下SCF的变化在2040年之前较一致， 2040年之后， SSP1-2.6情景下SCF维持稳定状态， 在SSP2-4.5情景下呈微弱减少趋势， 在SSP5-8.5情景下则呈显著减少趋势。

采用改进湖泊动力参数模块的WRF-Lake模式（WRF4.4.1）， 选取6种微物理方案、 5种积云对流方案、 2种边界层方案， 共60种参数化方案组合对纳木错湖区2008年7月5 -13日天气进行模拟， 通过敏感性试验对比分析不同参数化方案组合对大气边界层内变量的模拟效果， 利用“排名方法”对不同参数化方案在纳木错湖区夏季大气边界层的模拟能力进行综合评估。结果表明， 模式能较好捕捉纳木错夏季平均2 m温度的总体时空分布特征， 但湖上2 m温度模拟值偏高； 受积云对流参数化方案和模式性能影响， 各试验组对降水的模拟效果差异化显著并对日降水量存在不同程度的高估； 模式对纳木错测站潜热通量日平均变化模拟性能最好， 感热和风向较好， 风速最差。整体而言， 综合分析各试验组对纳木错湖夏季大气边界层的模拟能力发现， 方案58（SBU-Tiedtke-MYNN3）对纳木错湖夏季2 m温度、 日降水量、 10 m风场及地表热通量的模拟效果最好。2 m温度RMSE值为2.38 ℃， 日降水量RMSE值为10.48 mm， 10 m风速日平均变化的相关系数为-0.41， 标准差之比为0.94， 10 m风向日平均变化的相关系数为0.59， 标准差之比为0.73， 感热通量日平均变化的相关系数为0.94， 标准差之比为1.89， 潜热通量日平均变化的相关系数为0.89， 标准差之比为0.91。因此， 建议使用以上次网格参数化方案进行纳木错湖区夏季大气边界层模拟。

厄尔尼诺-南方涛动（El Ni?o-Southern Oscillation， ENSO）是热带太平洋最显著的年际气候变率模态， 其海温异常（Sea Surface Temperature Anomalies， SSTA）的演变过程呈周期性和锁相性特征。本文从ENSO循环角度出发， 使用K均值聚类法（K-Means Clustering Analysis， KMA）对1961 -2021年ENSO的SSTA演变进行分类， 得到ENSO循环的SSTA演变3类和5类两种客观分类结果。当分3类时， ENSO循环的SSTA基本演变特征分别为暖发展、 暖衰减和冷持续过程； 而分5类时， 超强和普通暖事件发展、 衰减过程在强度和纬向分布上的差异能够被进一步反映出来。为解释该差异， 本文又引入结合主成分分析（Empirical Orthogonal Function， EOF）的KMA方法。通过将EOF主模态分为两大类， 分别代表ENSO循环的纬向一致发展模态和纬向非对称发展模态， 分离了ENSO循环中赤道太平洋SSTA纬向一致和纬向非对称发展过程。在此基础上， 结合KMA聚类分析结果对不同类别的ENSO循环特征进行分析， 发现纬向非对称发展模态叠加在纬向一致发展模态上， 可最终导致ENSO的SSTA年循环纬向发展速度的不对称。对ENSO纬向一致和非对称演变模态进行回归重构， 发现风、 温跃层厚度异常可能是造成SSTA纬向非对称演变的关键。本文客观定义ENSO演变的不同类型， 为ENSO多样性的气候动力学及其气候影响研究提供了一定参考。

中国东部夏季降水具有显著的年代际变化特征， 其年代际变化会对中国东部旱涝情况以及人民生产生活造成重大影响， 因此了解及预测中国东部夏季降水的年代际变化尤为重要。第六次国际间耦合模式比较计划（Coupled Model Intercomparison Project Phase 6， CMIP6）能够再现出不同尺度的气候要素， 能够帮助人们更好地认识气候要素的变化特征及预测气候要素在未来的变化。那么CMIP6对中国东部夏季降水年代际变化的模拟能力是怎样的？模拟结果较好或较差的原因是什么？面向上述问题， 本文运用CN05.1降水观测资料、 ERA5再分析资料、 NOAA海温资料以及30家CMIP6模式历史试验数据评估了CMIP6对1961 -2014年中国东部夏季降水年代际变化的模拟能力。1961 -2014年中国东部夏季降水发生了两次年代际变化， 分别发生于20世纪70年代中期、 90年代初， 21世纪后由于西太平洋副热带高压、 南亚高压、 热带海温等气候要素年代际变率的减弱， 年代际变化特征并不明显。中国东部夏季降水年代际变化的物理机制与西太平洋副热带高压、 南亚高压、 热带海温的协同作用有显著的相关关系。在发生于20世纪70年代中期及90年代初的年代际变化中， 西太平洋副热带高压和南亚高压同时加强或减弱， 且热带太平洋多个海域的海表温度在上述两次年代际变化前后发生了显著的变化， 上述变化引起了长江以南地区（18°N -30°N， 105°E -122°E） 850 hPa及200 hPa风场及散度场的变化， 从而导致长江以南地区水汽输送、 经向环流以及大气低层稳定度的变化， 进而导致长江以南地区降水的年代际变化。选用的30家CMIP6模式虽然能较好地模拟出1961 -2014年中国东部夏季降水的气候态， 但仅有5家CMIP6模式能够较好地模拟发生于20世纪70年代中期及90年代初的两次年代际变化， 取得了0.7及以上的泰勒评分， 其余模式对降水年代际变化的模拟能力较弱。此外， 优选模式集合平均对发生于20世纪70年代中期及90年代初的两次年代际变化的模拟结果显著优于模式单独模拟结果， 这是因为优选模式集合平均能够较好地模拟出上述两次降水年代际变化前后西太副高、 南亚高压的同时增强或减弱以及部分热带太平洋海区的海温变化， 进而较好地模拟出了我国东部经向环流的变化， 最终能够较好地模拟我国长江以南地区夏季降水的空间变化特征。

华南是中国年降水量最多的区域之一。在全球变暖的背景下， 降水在区域和尺度上已发生较大的变化， 干湿季降水的范围在扩大， 华南区域性极端降水事件的影响范围呈显著上升趋势， 但不同的降水类型变化及影响并不相同。为进一步了解华南地区不同类型降水在全球变暖背景下如何响应变化， 本文基于ERA5再分析降水资料采用线性相关、 趋势分析、 小波分析等方法研究了1960 -2022年华南地区对流性降水和大尺度降水特征。研究表明： （1）华南冬季以大尺度降水为主， 其他季节以对流性降水为主。（2）华南对流性降水和大尺度降水在冬季均呈增加趋势， 其他季节对流性降水大部分呈减少趋势。冬季华南对流性降水在20世纪80年代至21世纪初存在较为显著的2~4年周期变化； 春季对流性降水在20世纪90年代至21世纪初存在由偏多转偏少的年代际特征； 在秋季， 显著的周期变化主要在20世纪90年代以前。大尺度降水周期变化特征除冬季外， 其余季节均与对流性降水较为一致。（3）广东和广西4 -10月的总降水主要是对流性降水产生（对流性降水占总降水的65%左右）， 8月占比最多（广东71.8%， 广西69.0%）； 海南前汛期对流性降水占比（5月最高80%以上）明显高于后汛期， 即使进入秋冬季， 对流性降水占比依然维持在50%左右。（4）海南对流性降水和大尺度降水的日变化强度最强， 广西的对流性降水强度最弱。广东、 广西和海南的降水最强时段分别发生在13:00（北京时， 下同） -17:00、 15:00 -17:00和14:00 -16:00。大尺度降水广东集中在09:00 -17:00； 广西地区从04:00开始加强， 午后开始减弱， 最强时段为10:00前后； 海南在8月前最强时段为12:00 -17:00， 9月下旬后最强时段为15:00 -16:00。综上分析可见， 不同季节不同类型的降水表现特征并不相同， 因此今后降水研究中有必要继续考虑不同类型降水的影响。

利用国家气象信息中心提供的1980 -2022年日最低温度站点资料、 NCEP/NCAR逐月再分析资料和NOAA逐月海表温度（Sea Surface Temperature， SST）资料， 采用了EOF、 一元线性回归和T-N波作用通量等方法， 分析了南方冬季寒潮频次的主要异常时空特征及大气环流异常和冬季大西洋海温异常（Sea Surface Temperature Anomaly， SSTA）对其影响机制。结果表明： （1）冬季寒潮频次大值区主要位于南方东部及中部地区， 大致呈“逆C”型分布。寒潮频次主要有全区一致型、 南北反位相型和三极型三类主要异常模态， 其中全区一致型能很好反映南方寒潮频次的总体异常时空特征。（2）负位相的北大西洋涛动（North Atlantic Oscillation， NAO）、 强的里海-青藏高原脊和偏东偏北的东亚大槽、 北弱南强的西伯利亚高压、 强的温带急流和弱的副热带急流是影响南方冬季寒潮频次的关键环流系统， 冷空气堆位于西西伯利亚地区， 高低层环流系统配合， 使得冷空气自西西伯利亚南下到里海附近， 再沿着青藏高原北侧向东输送， 在青藏高原东侧南下进入南方地区， 造成南方冬季寒潮频次全区一致型增加。（3）冬季北大西洋“+”“-”“+”三极型SSTA可通过海气间热通量交换激发出-NAO型环流异常及Rossby波能量异常。Rossby波能量沿南、 北两条路径自北大西洋向东亚传播， 并激发出相应的异常波列， 增强了影响南方寒潮的南、 北方关键环流系统， 致南方寒潮频发。当春季北大西洋SSTA呈现逆“C”型异常， 且夏、 秋季有发展为+”“-”“+”三极型的态势， 可预测南方寒潮频次偏多。

利用观测资料， 发现中国东部冬季雾日数明显高于其余月份， 且冬季雾日数的气候统计诊断变量分布不均匀， 从而可将中国东部分为南、 北方两个区域。又根据雾日数变化趋势的强弱， 以及南北方间雾日数相关性的特点， 可将冬季分为早冬（11 -12月）和晚冬（次年1 -2月）。通过分析早晚冬时南北方雾日与海表温度的关系发现， 在早冬， 南北方两区域的雾日都受热带太平洋区域海温显著影响； 在晚冬， 北方雾日受北大西洋区域海温影响显著， 而南方仍受热带太平洋区域海温显著影响。通过分析环流发现， 早冬时， 热带太平洋区域海温的暖异常， 有利于中低纬西太副高显著增强北抬， 促使中高纬日本北部上空出现深厚的反气旋异常、 西伯利亚高压明显减弱， 从而使整个中国东部出现一致的偏南风异常， 有利于南北方雾日都增加。在晚冬， 热带太平洋对东亚中高纬地区的影响显著减弱， 异常偏南风仅能维持在南方， 仅使南方雾日偏多， 并不能影响北方的雾日变化； 而此时北大西洋区域海温暖异常通过波列的作用， 对东亚中高纬地区的影响显著， 使得北方地区受到异常东南风控制， 有利于北太平洋水汽的输送， 配合冬季气候态极强的下沉气流， 大气层结相对稳定， 使得北方地区雾日显著增多。

为解决传统遥感干旱指数侧重于对单一响应因子的监测， 缺乏对干旱综合评估的问题， 本文结合气象观测资料和多源遥感数据， 择优选择TVDI、 RVI、 PDI和GVMI日产品数据作为自变量， 与卫星过境相邻时刻气象观测资料计算的MCI指数为因变量， 采用随机森林回归算法（Random Forest Regression， RFR）构建综合遥感干旱监测模型。结果表明： 与传统最小二乘法模型（Ordinary Least Squares， OLS）相比， RFR模型训练集和测试集精度均优于OLS模型。RFR训练集R值为0.97， RMSE为0.33， 测试集R值为0.90， RMSE为0.53； OLS模型训练集R值为0.78， RMSE值为0.73， 测试R值为0.76， RMSE值为0.79， 表明RFR模型在表征区域旱情时比OLS模型更加优秀。在2022年西南地区旱情监测评估中， RFR遥感干旱监测结果与MCI指数时空分布较为一致， 能较好地表征区域旱情的时空动态变化特征， 体现了RFR模型在实际干旱监测过程中的实用性。但RFR干旱监测精度与区域站点个数和站点空间分布有关， 在站点个数较多， 站点分布均匀的区域， RFR干旱监测模型精度较高。

为进一步提高站点气温的预报精度， 增强对极端气温的预报能力， 本研究利用2017 -2019年江西省91个国家站地面观测数据和ECMWF模式高空和地面预报数据， 基于LightGBM机器学习算法和MOS预报框架， 建立了江西省24 h国家站日最高（低）气温预报模型。2020年评估结果表明： LightGBM模型日最高（低）气温预报和观测变化趋势一致， 年平均预报效果优于ECMWF、 CMA-SH9、 CMA-GFS三家数值模式、 RF和SVM两种机器学习产品以及主观订正产品。从预报误差的时空分布来看， 模型冬、 春季日最高（低）气温预报误差略大于夏、 秋季； 日最高气温预报误差呈现“南大北小、 周边大于中心”的空间分布特征， 日最低气温则与之大致相反。从重要天气过程来看， 在高温过程中， LightGBM模型在七种产品中预报效果最优； 在强冷空气过程中， LightGBM模型预报效果仍优于三家数值模式产品和另外两种机器学习模型， 但日最低气温预报效果不如主观订正产品。针对强冷空气过程中低温预报误差进行简单经验订正后， 模型低温预报效果与主观订正产品接近。模型重要性分析显示临近地面观测特征对模型建立也有较大贡献， 该结果可以为模式改进和气温预报产品研发提供参考。目前， LightGBM模型气温预报产品已应用于江西省气象业务。

基于再分析资料、 多源观测资料和文山多普勒天气雷达资料， 对2021年5月31日午后出现在云南省文山州广南县的一次EF0级龙卷的环流背景、 环境潜势、 中尺度对流系统的演变过程以及形成机理进行研究。结果表明： （1）此次龙卷发生在副热带高压外围偏西气流， 700 hPa风速辐合区， 850 hPa切变线上， 且中层大气有干冷空气的侵入， 具备龙卷发生所需的热力和水汽条件， 但动力条件不利于龙卷出现， 即低层和深层垂直风切变均显著弱于我国中东部的非超级单体龙卷。（2）较高的地面温度、 云图上的水汽边界和中尺度辐合线共同导致了滇东南地区对流风暴的触发。受复杂地形影响， 对流单体出现分裂并加强， 不断向西北方向海拔较高的广南县城推进。（3）龙卷形成的可能机制是： 广南盆地内较高的地面温度形成对流性不稳定， 盆地东侧对流单体下方的冷池出流进入盆地并向西扩张， 冷暖空气的交汇使新的单体开始沿辐合切变线触发， 其下方的冷池与环境温度差有利于龙卷生成。随后该对流单体沿盆地西侧的地形发展成狭长形态， 并在风暴低层形成初始涡旋， 地形强迫作用加强了初始涡旋上空的抬升运动， 使其向上倾斜拉伸的同时涡度增加， 最终形成此次龙卷。

基于TROPOMI NO₂对流层垂直柱浓度卫星数据针对2019年四川盆地区域对流层NO₂柱浓度的时空演变特征进行了分析， 并结合高分辨率排放清单和WRF-CMAQ模型对四川盆地NO _x 排放清单的不确定性进行了初步评估。结果表明， 2019年四川盆地对流层NO₂柱浓度高值区主要集中在成都平原， 川南城市群和重庆市等人为源活动强烈的地区， 盆地中部地区则相对清洁。受气象条件和人为源排放的共同影响， 四川盆地冬季和春季的NO₂柱浓度明显高于夏季和秋季。对比高分辨率WRF-CMAQ模型模拟的1月NO₂柱浓度与TROPOMI反演的1月NO₂柱浓度， TROPOMI观测的对流层NO₂柱浓度在川东北城市群等清洁地区与CMAQ模型具有高度一致性， 但对成都市和重庆市等高人为源排放的城市则表现为明显高于CMAQ模拟柱浓度， 表明人为源清单能较好地反映中型城市和经济欠发展地区NO₂排放特征但对特大城市的NO₂排放可能存在低估。综合分析结果表明， 在下一阶段应在严格控制特大城市（成都市和重庆市） NO _x 排放量的同时加强对四川盆地中型城市的NO _x 排放控制。

利用中尺度天气研究预报模式WRF中的大涡模拟（LES）版本对理想干对流边界层和浅对流云覆盖的海洋性大气边界层结构和湍流输送特征进行大涡模拟， 并通过不同水平分辨率大涡模拟结果分析了大涡模式的收敛性。结果表明： 不同分辨率大涡模式模拟的干对流边界层高度约为1.15 km， 位温、 水汽混合比和水平风速等平均变量在边界层内均匀分布， 但在近地层和边界层顶垂直梯度较大。随模式分辨率的提高， 可分辨出更精细的对流泡结构， 夹卷层的位温方差增大， 模拟的混合层平均物理量均匀分布更接近地面， 与粗分辨率下大涡模拟的偏差主要集中在边界层下层和逆温层附近， 解析热通量增加， 但总热通量保持不变。不同于干对流边界层， 在有浅对流云覆盖的边界层内， 混合层高度较低， 混合层内平均气象要素垂直廓线和方差或通量廓线与干对流边界层内相似， 低层混合层内平均气象要素呈垂直均匀分布， 但由于混合层以上存在条件不稳定云层， 云层内有正热通量和正垂直湍流动能， 而混合层顶到浅对流云底部为负热通量， 反映了混合层顶夹卷过程作用。较粗分辨率的大涡模式增加了逆温层顶、 近地层平均风速和通量的模拟偏差。湍流发展旺盛的干对流边界层， 大涡模式在约40 m的水平分辨率上收敛， 而对混合层高度较低的浅积云覆盖边界层， 模式则在约30 m水平分辨率上收敛， 具有较低混合层高度的大气边界层需要更高分辨率的大涡模式描述。

基于1980 -2020年MERRA-2再分析资料和气象站点沙尘日数资料， 利用定义的西风急流位置指数挑选了春季各月急流位置显著变化的年份， 通过对比分析急流偏北和偏南年沙尘混合比、 沙尘日数和大气环流场的差异， 初步揭示了西风急流位置变化对塔克拉玛干沙漠沙尘活动的影响。研究发现： （1）春季各月西风急流的位置随年份呈现很强的波动性， 且不同月份年际变化趋势不同， 其经向移动主要是由沙漠上空南北温度梯度的变化引起的； （2）春季塔克拉玛干沙漠沙尘活动与西风急流位置变化有显著的相关性， 当急流北移（南移）时， 大气柱各层沙尘混合比均有显著的增加（减少）； （3）春季塔克拉玛干沙漠沙尘日数与西风急流的南北移动紧密关联， 急流北移将导致春季各月浮尘、 扬沙、 沙尘暴平均日数增加； （4）伴随春季西风急流北移， 青藏高原及塔克拉玛干区域中高层大气被异常反气旋主导， 沙漠上空西风急流增强， 动量下传增加， 同时低层大气出现异常东风， 地表风速增强， 显著影响了塔克拉玛干沙漠腹地沙尘的排放和输送。

在全球变暖的背景下， 西南地区整体上气温升高降水减少， 作为中国重要的碳汇地区， 西南地区的植被动态监测与模拟对深入了解其碳循环机制和促进经济可持续发展具有重要意义。本研究利用陆面过程模式（Community Land Model version5， CLM5）， 模拟和分析西南地区2000 -2016年叶面积指数LAI（Leaf Area Index， LAI）和总初级生产力GPP（Gross Primary Productivity， GPP）的时空变化特征， 并与多套遥感数据进行对比， 评估CLM5在西南地区对LAI和GPP模拟的适用性。研究结果表明， CLM5能较好地模拟西南地区LAI和GPP的季节变化规律， 但模拟存在对LAI生长季的高估， 以及对GPP全年低估， 对温带落叶阔叶灌木的LAI、 高寒C3草甸的LAI、 GPP和C3草甸的GPP模拟效果较好。CLM5能够较好地刻画西南地区LAI和GPP空间分布格局， 表现为由东南向西北递减， 但整体上CLM5对西南地区LAI模拟偏高， 特别是对贵州喀斯特地貌地区LAI的模拟偏高。与模型对LAI模拟高估相反， CLM5对西南地区GPP的模拟整体偏低， 特别是云南地区。此外， CLM5对西南地区LAI和GPP的变化趋势模拟效果较差， 特别是在云南大部分地区， 遥感数据主要呈现上升趋势， 而CLM5模拟呈现下降趋势。整体上， CLM5能模拟出西南地区LAI和GPP的季节变化规律和空间分布， 但对云南和贵州部分地区的变化趋势模拟较差， 仍需要针对四川盆地农田、 云南森林、 和贵州喀斯特地区植被发展更深入的参数化方案来提升模拟效果。

以河南省26个地面辐射站观测的地面总辐照度逐小时数据为基准， 对FY-4A反演的总辐照度产品在河南省的适用性进行验证分析， 并采用概率密度函数方法， 对FY-4A总辐照度产品的系统误差进行订正。结果表明， （1）FY-4A总辐照度整体大于地面观测结果， 两者平均误差在豫南偏大、 豫北偏小， 而且从时间演变看， 两者相对误差在冬半年偏小， 夏半年偏大， 这与云量、 大气相对湿度等气象要素以及不同下垫面对FY-4A反演总辐照度的影响有关； （2）FY-4A卫星与地面观测的总辐射辐照度平均误差随不同辐照度等级而变化， 整体呈现出一种非独立系统误差的特性， 即对于低辐照度有所高估， 而对于高辐照度则相对低估； （3）概率密度函数方法对FY-4A总辐照度具有较好的订正能力， 在夏季以年为单位建立订正模型进行误差订正效果更好， 在秋冬季以季节为时间尺度建立订正模型效果更好。

为系统评估青海省风光水气候要素在清洁能源开发和保障方面的潜力， 本研究基于1961 -2021年青海省境内51个气象站点的逐日10 m高度风速、 日照时数及降水观测资料， 分析了青海全年及四季风、 光、 水气候要素和相关资源的时空变化特征。研究发现： （1）青海省年平均风速、 太阳辐射和降水量分别为2.67 m·s^-1、 6084.2 MJ·m^-2和299.7 mm。风速总体呈现西部大、 东部小的特点， 青海西部及青海湖环湖等地区风速超过3 m·s^-1， 达到风能资源开发标准。全境年太阳辐射均超过5040 MJ·m^-2， 达国标“很丰富”等级， 柴达木盆地达“最丰富”等级， 适宜太阳能资源开发。降水量自东南向西北递减。青海省的风、 光、 水资源存在季节互补性， 呈现出“春季风大、 光好、 水少， 夏季风小、 光好、 水丰”的规律。（2）在气候变化背景下， 青海省年平均风速和年总太阳辐射以0.16 m·s^-1·（10a）^-1和29.04 MJ·m^-2·（10a）^-1的速率显著降低， 海西西部和中部地区变化幅度最大， 但仍维持在风能和光伏资源开发标准范围内。降水量以8.85 mm·（10a）^-1的速率显著增多， 玉树西部、 海西东部等地区增幅最大。春季风速降低最显著， 夏季太阳辐射减小速率最快但降水大幅增加。总云量增多是太阳辐射和降水变化的可能原因。（3）青海风速和太阳辐射达到适宜开发标准的地区受影响较小且极端性减弱， 可保障清洁能源稳定开发。青海西部（如唐古拉山）的风能资源、 柴达木盆地的太阳能资源、 长江、 黄河和澜沧江三大流域的水能资源仍具有较大开发潜力。本研究结果可为发展风光水多能互补清洁能源开发提供理论依据， 助力国家“双碳”目标的实现和青海省高质量发展。

山地风受地形影响呈现强烈的间隙性、 波动性和非平稳性， 观测质量差， 常规质量控制方法无法有效地提升其观测质量。针对此， 构造一种基于变分模态分解、 卷积神经网络、 门控循环单元组合深度学习的质量控制方法（VCG）， 并引入粒子群智能优化策略、 风功率重构模型， 综合提升观测数据质量。为验证该方法的效果， 运用该方法对江西赣州、 四川广元、 安徽芜湖、 湖北黄石、 河南平顶山、 广西贺州某地共6座复杂山地风电场目标观测塔2016年10 min风速、 风向数据进行质量控制， 并与单一机器学习方法、 空间回归方法（SRT）、 反距离加权法（IDW）进行对比。结果表明， 该方法适用于山地风电场的观测风数据的质量控制， 相较于常规方法具有更高的可疑数据检错率； 控制后的数据能更好地还原观测背景场， 应用于风电场的发电量评估业务具有更低的误差率； 且具有地形适应性强的特点。