Analysis on Strong Convective Weather Triggered by Southwest Vortex

  • Jinqing LIU , 1, 2, 3, 4 ,
  • Hongwu LIU , 1, 4 ,
  • Jingyu XU 1, 4
Expand
  • 1. Hunan Meteorological Observatory,Changsha 410118,Hunan,China
  • 2. Heavy Rain and Drought Flood Disasters in Plateau and Basin Key Laboratory of Sichuan,Chengdu 610072,Sichuan,China
  • 3. Institute of Tropical and Marine Meteorology/Guangdong Provincial Key Laboratory of Regional Numerical Weather Prediction,CMA,Guangzhou 510641,Guangdong,China
  • 4. Hunan Key Laboratory of Meteorological Disaster Prevention and Mitigation,Changsha 410118,Hunan,China

Received date: 2019-12-06

  Revised date: 2020-04-09

  Online published: 2021-06-28

Highlights

In order to improve the understanding of the strong convective weather triggered by Southwest Vortex (SWV) and better study its forecasting and early warning methods.Based on Southwest China Vortex Yearbook, national meteorological station observation data, ground-based lightning data, dangerous weather reports and ERA-Interim reanalysis data during 2014 -2017, the characteristics of strong convective weather and weather situation of severe precipitation caused by SWV are investigated.Similarities and differences in dynamics and thermodynamic of SWV severe precipitation with different moving paths are further analyzed.The results show that: (1) About a quarter of SWV would cause strong convective weather and strong convection fall area was mainly located in the southeast quadrant.The type was mainly short-time severe precipitation with intensity concentrated in 22~32 mm·h-1.This was due to coupling and interaction between the southeast quadrant of SWV and the southwest flow brought strong advection of high temperature and humidity, which easily caused convective instability and convective precipitation.(2) SWV severe precipitation was concentrated in spring and summer, and moving SWV (about two fifths) was more likely to cause precipitation than quasi-stationary (about one fifth), but only the moving SWV would trigger severe precipitation in spring, which was related to the more vigorous warm moisture airflow and water vapor transport.(3) The precipitation intensity of quasi-stationary SWV was stronger than moving SWV, which may be due to the stronger vertical wind shear of moving SWV, which was not conducive to efficient precipitation.(4) Although SWV was frequent in autumn and winter, the threat of triggering strong convective weather was small.The moving SWV in spring and all SWV of different path in summer were more likely to cause strong convective weather, and attention should be paid to the severe precipitation that may occur in southeast quadrant within 450 km.

Cite this article

Jinqing LIU , Hongwu LIU , Jingyu XU . Analysis on Strong Convective Weather Triggered by Southwest Vortex[J]. Plateau Meteorology, 2021 , 40(3) : 525 -534 . DOI: 10.7522/j.issn.1000-0534.2020.00027

1 引言

西南低涡(下称西南涡)大多稳定少动, 少数可以移出源地或诱生新系统东移, 引起下游暴雨、 强对流等高影响天气(Fu et al, 2014Feng et al, 2016李跃清和徐祥德, 2016高守亭和周玉淑, 2019刘金卿和李子良, 2020), 特别是强对流天气由于突发性、 致灾性强, 更容易造成重大人员伤亡和经济损失(张小玲等, 2018王秀明和俞小鼎, 2019)。强对流天气作为天气预报的难点和热点(杨波等, 2017郭瀚阳等, 2019), 目前在业务中的可用预报和临近预警时效不超过2 h(郑永光等, 2015曾智琳等, 2019), 因此本文主要从业务应用角度研究临近时效(0~2 h)内, 由西南涡引发的强对流天气的落区、 类型和强度等基本特征及预报关键点。
前人的研究结果表明, 在西南涡持续性暴雨天气中, 西南涡总降水量的主要贡献来自对流性降水(蒋璐君等, 2015), 有效位能向辐散风动能的能量转换以及低层对流不稳定和垂直风切变有利于西南涡对流性降水的发展(Fu et al, 2011崔恒立等, 2018), 相对风暴螺旋度和湿螺旋度散度可以较好地指示西南涡强对流落区(方从羲和李子良, 2016)。此外, 高原涡与西南涡的耦合作用有利于西南涡对流不稳定和中尺度对流系统的发展(Yu et al, 2016陈贵川等, 2018周玉淑等, 2019)。但是过去受限于观测手段, 前人的工作通常集中在西南涡6 h降水或者日降水, 缺乏针对高时空分辨率的西南涡强对流天气的研究, 这滞后于临近业务中对西南涡强对流天气类型及落区的服务需求。
近年来, 伴随国家级强对流天气监测系统的完善, 高时空分辨率的全国区域自动气象站、 国家级地基闪电监测网络、 多普勒雷达、 风云系列卫星等多源资料(王梦晓等, 2019师春香等, 2019杨璐等, 2019)、 集合预报和人工智能等新技术(朱月佳等, 2019张文海和李磊, 2019)在临近预报方面的应用, 极大提高了强对流天气的监测预警能力。鉴于此, 本文基于全国2400余个国家级气象台站观测数据、 闪电监测资料、 危险天气报等毫秒级到小时级的强对流实时监测产品, 对西南涡发生发展过程中引发的强对流天气进行动态跟踪和基本特征分析, 利用再分析资料定性分析西南涡强对流天气的大尺度背景条件, 并定量诊断其动力学和热力学因子, 以期从业务应用角度为西南涡强对流天气的潜势预报与监测预警提供参考。文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS(2016)1569的中国地图制作, 底图无修改。研究数据中中国台湾省无相关的站点数据。

2 资料来源与方法介绍

2.1 数据来源

本文主要研究西南涡在2 h时间窗口内引发的强对流天气(过去1 h和未来1 h), 主要包括短时强降水、 雷暴大风和冰雹。使用数据如下:
(1) 西南涡路径: 基于《西南低涡年鉴(2014 -2017)》(中国气象局成都高原气象研究所和中国气象学会高原气象学委员会, 2016a2016b, 2017,, 2019)(简称《年鉴》)据实况天气图整编的00:00(世界时, 下同)和12:00西南涡位置。经统计, 2014 -2017年共有345个西南涡生成, 其中有115例移出涡源(简称移动类)、 230例在源地生消(简称准静止类)。
(2) 短时强降水和雷暴大风数据: 全国国家级气象台站整点降水资料、 极大风资料均来自全国综合气象信息共享平台(China Integrated Meteorological Information Sharing System, CIMISS)提供的中国地面逐小时资料(赵芳等, 2017孙超等, 2018)。由于2014年开始停止了雷暴观测, 因此用闪电数据表征雷暴, 资料来自中国气象局下发的由国家雷电监测网探测的中国境内地基闪电数据(朱杰, 2018), 闪电发生时刻精确到毫秒级。
根据中国气象局2017年正式实施的《短时临近天气预报业务规定》, 短时强降水指小时雨量20 mm以上的降水, 雷暴大风指阵风风力达7级以上并伴有雷电的对流性天气。本文在筛选雷暴大风时, 选取极大风速17.2 m·s-1以上且前后1 h内在21 km半径范围内监测到非孤立(至少2次)闪电的大风(杨波等, 2019)。
(3) 冰雹数据: 基于2014 -2017年全国逐日危险天气报提取编码为939的冰雹数据, 冰雹发生时间精确到分钟。为了识别更多冰雹过程, 本文不对冰雹直径做限制, 所有直径的冰雹均计入统计。
(4) 再分析数据: 欧洲中期数值预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)提供的ERA-Interim(ECMWF Reanalysis-Interim)再分析资料中的高空气象要素, 空间分辨率为0.125°×0.125°。

2.2 统计方法

西南涡影响强对流天气的范围: 通常认为西南涡水平尺度为300~500 km, Fu et al(2014)Feng et al(2016)通过客观计算得出的西南涡直径分别为287~491 km及409~471 km, 虽然在数值上略有差异, 但最大半径基本一致(约250 km)。此外, 参考前人对西南涡对流活动影响范围的研究结果, 对流活动的影响范围常常超出西南涡半径1~2个经纬度(陈涛等, 2011蒋璐君等, 2015)。因此, 本文在西南涡半径的基础上向外扩1~2个经纬度, 最终以450 km作为西南涡强对流天气的最大影响范围。图1以2014年6月19日12:00 CIMISS地面资料为例, 给出了2400余个国家气象台站分布及西南涡450 km范围内的台站分布。该例中, 西南涡450 km范围内共计300个台站。
图1 2014年6月19日12:00 CIMISS地面逐小时资料中的2400余个国家气象台站分布(蓝色圆点)以及西南涡中心(红色圆点, 107.65°E、 29.64°N)450 km范围内(红色圆圈)的台站分布

Fig.1 Distribution of more than 2400 national meteorological stations (blue dots) and stations within 450 km (red circle) of Southwest Vortex center (red dots, 107.65°E, 29.64°N) from CIMISS hourly ground data at 12:00 on 19 June 2014

西南涡强对流个例筛选: 在西南涡出现时次的过去1 h和未来1 h时间窗口内分别进行统计, 当低涡450 km半径范围内测站出现了短时强降水、 雷暴大风、 冰雹中的一种时, 认为出现了一站次该类型的西南涡强对流, 同一测站出现不同类型的强对流时, 根据类型分别计入站次统计, 不同时刻出现同一测站时, 根据时刻分别计入统计。
强对流的方位角落区统计方法: 将实况强对流站点数据, 围绕西南涡中心, 以0°为正北方向插值到其450 km半径范围内, 以此获得西南涡影响范围内强对流的方位角落区分布。
西南涡中心的识别方法: 对再分析格点数据, 利用流函数来描述复杂风场中涡旋的旋转特征(Bijlsma, 1986周玉淑等, 2008刘金卿和李子良, 2020), 流函数计算公式如下:
2 ψ = ζ
式中: ψ是流函数; ζ是涡度; 表示 y i ̂ - x j ̂; 涡度是常用物理量, 计算不再描述。对每个时次查找3×3格点范围内的流函数最低值(<0), 并且该最低值至少被两层等值线(等值线间隔×10-7 m2·s-1)包围时, 该最低值位置作为西南涡中心, 如果有多个点符合条件, 则基于前后天气形势人工判断西南涡中心。

3 西南涡的强对流天气统计特征

3.1 西南涡的强对流落区分布

经统计, 2014 -2017年共有345个西南涡及1792个西南涡时次, 其中有四分之一(91个)西南涡引发了365个站次强对流天气, 类型以短时强降水为主(343个站次, 占94%), 雷暴大风(16个站次)和冰雹(6个站次)概率低(共占6%)。
路径分类结果表明, 移动类西南涡比准静止类西南涡更容易引发强对流天气(图2)。在115个移出源地的西南涡中, 有五分之二(49个)引发了237站次强对流天气, 类型同样以短时强降水为主(224个站次, 占95%), 雷暴大风和冰雹分别为8个站次、 5个站次; 230个准静止类西南涡中, 只有五分之一(42个, 占18%)引发了强对流天气(128个站次), 短时强降水占绝大多数(119个站次, 占93%), 雷暴大风和冰雹分别8个站次、 1个站次。
图2 2014 -2017年移动类(a)和准静止类(b)西南涡路径(绿色直线或绿色圆点)以及引发强对流的西南涡(红色、 蓝色、 黄色圆点)分布

Fig.2 Track of moving (a) and quasi-stationary (b) Southwest Vortexes (green line or green dot) and distribution of those triggering strong convective weather (red, blue and yellow dot) from 2014 to 2017

从落区分布上, 移动类西南涡引发强对流天气时大多数位于长江中上游地区, 集中在27°N -32°N、 100°E -112°E范围内[图2(a)], 移入长江下游或者我国北方后较少引发强对流。引发强对流天气的准静止西南涡多位于九龙或盆地[图2(b)]。此外, 短时强降水落区整体上比西南涡位置更偏东[图3(a)], 但是雷暴大风和冰雹大部分位于西南地区[图3(b), (c)]。
图3 移动类和准静止类西南涡的强对流天气落区

Fig.3 Location of strong convective weather triggered by moving and quasi-stationary Southwest Vortexes

值得注意的是, 虽然西南涡雷暴大风不常发生(16个站次), 但是大风的发生频率较高(167个站次), 约为雷暴大风的10倍。其中, 秋冬季(9月至次年2月)大风(32个站次, 占19%)大部分受西南涡后部冷空气影响, 通常不是雷暴大风。春季(3 -5月)冷空气活跃, 虽然大风频繁(112个站次, 占67%), 但是仍较多冷空气大风。夏季(6 -8月)容易出现雷暴大风, 但是因为夏季大气斜压性弱, 大风天气并不频繁(23站次, 占14%)。以上可能是造成西南涡大风频繁但雷暴大风较少的原因。
西南涡影响下的冰雹不常发生, 一方面可能是因为冰雹经常落不到观测场, 数据不够完整, 另一方面可能是因为西南涡为暖性结构, 导致0 ℃层高度高, 降雹条件差且冰雹下降过程中更易融化, 较少落到地面。此外, 由于雷暴大风和冰雹发生概率低、 个例少、 统计意义不大, 下文讨论西南涡强对流天气时, 主要针对短时强降水天气。

3.2 方位角分布特征

从2014 -2017年西南涡450 km范围内强降水的方位角(0°指向正北方向, 下同)落区分布(图4)可以看出, 其方位角分布表现出很强的规律性。不论是移动类西南涡还是准静止类西南涡, 强降水天气的高频区均分布在低涡东侧、 南侧(45°~225°, 顺时针方向, 下同), 0~450 km半径范围内均有分布[图4(a)]。其中, 东南象限(90°~180°)是发生频次最高的区域[图4(b)], 共计217个站次, 占全部站次的五分之三(63%)。从业务应用角度而言, 当西南涡临近时, 低涡东南侧是强对流预报的关键区域, 这一结论也符合预报员在西南涡天气预报中的经验总结。
图4 2014 -2017年西南涡450 km范围短时强降水的方位角站点分布(a)和以45°为间隔的频次分布(b)

Fig.4 Azimuthal distribution (a) and frequency distribution by the interval 45° (b) of short-time severe precipitation within 450 km of Southwest Vortexes from 2014 to 2017

3.3 季节变化特征

根据西南涡强降水的分季节统计结果(图5), 虽然全年都有西南涡活动, 但是夏季(6 -8月)更容易触发强降水天气, 共计242站次, 约占全年的四分之三(71%), 其次是春季(20%)。秋、 冬季西南涡几乎不会产生强降水, 这可能与秋、 冬季低层水汽条件差、 不稳定能量弱有关。
图5 2014 -2017年不同季节西南涡450 km范围内短时强降水频次的方位角分布

Fig.5 Frequency distribution of short-time severe precipitation in different seasons within 450 km of Southwest Vortexes from 2014 to 2017

从路径分类来看, 春季几乎只有移出源地的西南涡会产生强降水天气[图5(a)], 这可能是由于移出源地的西南涡往往发展的更强烈。夏季不同路径的西南涡强降水具有一致的分布趋势, 关键落区均为东南象限[图5(b)]。

4 引发强降水的西南涡环流特征与对流参数特征

4.1 大尺度环流特征

根据上述对西南涡强对流天气实况的统计分析, 西南涡东南象限是引发强降水的关键区域。下面分别选择了10例引发强降水站点较多的移动类和准静止类西南涡进行合成, 以讨论不同路径西南涡环境场的有利动力热力配置。
从环流形势的配置上看, 不同路径的西南涡东南象限均受700 hPa正涡度平流影响引起低层大气减压[图6(a), (b)], 850 hPa在持续减压作用下有中尺度闭合低压生成[图6(c), (d)], 闭合低压及其切变线形成的辐合为强降水天气提供了系统性动力抬升条件(孙继松和陶祖钰, 2012), 这容易使大气变得更不稳定, 形成不稳定能量的增长机制, 促进垂直运动发展。此外, 700~850 hPa西南涡西北侧存在等位温线( θ s e)密集带, 偏北气流与等 θ s e线夹角超过45°, 冷平流旺盛, 这促进了西南涡斜压结构和不稳定发展, 有利于降水。此时东南象限处于340 K暖脊和湿舌控制下, 暖平流旺盛, 持续的高温高湿平流有利于低层热力不稳定增长。不同之处在于移动类西南涡暖湿气流与水汽输送更加旺盛, 这可能是导致移动类西南涡更容易引发强降水的原因(图2)。
图6 引发强降水的西南涡合成环流形势场

蓝色等值线: 位势高度场(单位: dagpm), 红色等值线: 假相当位温(单位: K), 绿色风羽: 风场(单位: m·s-1), 彩色区: 水汽通量(单位: g·cm-1·hPa-1·s-1); 西南涡中心位于坐标原点[坐标: (0, 0)]

Fig.6 Composite analysis of synoptic situation for Southwest Vortexes that triggering severe precipitation.Blue contour: geopotential height (units: dagpm), red contour: equivalent potential temperature (units: K), green barb: wind (units: m·s-1), shading: moisture flux (units: g·cm-1·hPa-1·s-1).The Southwest Vortex center is located at the origin of the coordinate [coordinate: (0, 0)]

4.2 对流参数特征

根据站点降水强度统计结果, 西南涡短时强降水雨强集中分布在22~32 mm·h-1(25~75百分位), 移动类和准静止类西南涡强降水雨强分别集中在22.1~30.6 mm·h-1、 22.7~33.4 mm·h-1, 准静止类比移动类强降水强度更强, 中位数偏高2.3 mm·h-1图7(a)]。
图7 西南涡短时强降水小时雨强和不同对流参数的箱线图

图中数值从上到下分别标注75百分位值、 中位数、 25百分位值, 圆点表示离散点

Fig.7 Box-plot of intensity of short-time severe precipitation induced by Southwest Vortex and different physical parameters.Values are labeled 75th, median, 25th percentile from top to bottom, dot is outliers

前文已讨论了大尺度背景场为西南涡强降水提供的有利动力抬升条件、 水汽输送及不稳定能量的增长机制, 下面通过计算对流参数定量化诊断水汽、 动力及热力不稳定条件对强降水的有利及不利因素。其中, 以参数值的25~75百分位为主要分布范围。
水汽条件: 分别利用850 hPa比湿表征低层水汽条件, 用700 hPa、 500 hPa温度露点差表征对流层中层的干空气强度(许爱华等, 2014), 当中层温度露点差低于5 ℃时认为是显著湿区(张涛等, 2013)。从水汽条件的垂直分布来看, 不同路径的西南涡强降水发生时850 hPa比湿分布差距不大, 中位数分别为15.2 g·kg-1和15.8 g·kg-1图7(b)], 水汽含量均很高。同时, 700 hPa、 500 hPa均属于显著湿区[图7(c)]。这说明西南涡强降水发生在整层大气近似饱和的湿环境场中, 中层没有明显的干空气侵入。
热力不稳定: 分别利用850~500 hPa温度差和K指数表征对流层中低层的热力不稳定以及对流潜势, 当温度差大于20~21 ℃时认为存在不稳定层结(孙继松和陶祖钰, 2012)。不同路径的西南涡不稳定条件相差不大, 温度差和K指数中位数均超过22 ℃与39 ℃[图7(d), (e)], 说明两者具有相似的“上冷下暖”热力不稳定层结, 并存在较强的对流潜势。
动力不稳定: 用深层(0~6 km)垂直风切变诊断强降水发生时的动力不稳定(高晓梅等, 2018), 这里采用1000~500 hPa风矢量差近似表示深层垂直风切变。不同路径的西南涡所处的风切变环境场中位数相差4.1 m·s-1图7(f)], 差异明显。其中准静止类大多发生在较弱垂直风切变(≤12 m·s-1)环境中, 而移动类风切变更强, 约一半达到中等强度(>12 m·s-1)。偏强的垂直风切变不利于地面降水效率(孙继松, 2017), 这可能是造成移动类西南涡雨强比准静止类弱的原因。
总结不同路径的西南涡强降水异同点, 发现其相同之处在于整层大气处于近似饱和的湿环境场, 中层没有明显的干空气侵入, “上冷下暖”热力不稳定层结和对流潜势明显。不同之处在于移动类西南涡深层垂直切变更强, 不利于产生高效降水, 导致雨强比准静止类弱。

5 结论与讨论

利用2014 -2017年西南低涡年鉴资料、 国家级气象站观测数据、 国家地基闪电监测资料、 危险天气报、 欧洲中心ERA-Interim再分析资料等, 对不同移动路径的西南涡450 km影响范围内引发的强对流天气进行了动态跟踪和时空分布特征分析, 并进一步分析了西南涡强降水天气的大尺度背景场, 最后定量诊断了不同路径的西南涡强降水在动力学和热力学条件方面的异同点, 得出主要结论如下:
(1) 约有四分之一西南涡会引发强对流天气, 强对流落区大部分位于长江中上游地区。同时, 西南涡强对流天气的方位角落区主要位于西南涡东南象限, 类型以短时强降水为主。
(2) 西南涡强降水集中在春夏季, 移出源地的西南涡(约五分之二)比准静止类(约五分之一)更容易引发强降水, 其中春季几乎只有移出源地的西南涡会触发强降水, 这可能与移出源地的西南涡暖湿气流与水汽输送更加旺盛有关。
(3) 从环流形势来看, 西南涡东南象限中低层的中尺度闭合低压及其切变线为强降水提供了系统性动力抬升, 旺盛的高温高湿平流有利于低层热力不稳定增长和垂直运动发展; 西北侧强冷平流导致西南涡斜压发展, 有利于降水。
(4) 西南涡强降水雨强集中分布在22~32 mm·h-1, 其中准静止类比移动类强度更强, 这可能与移动类西南涡具有更强的垂直风切变有关, 偏强的垂直风切变不利于高效降水。
需要注意的是, 本文结论主要基于国家站点实况数据, 业务实践中还要结合多普勒天气雷达等资料对强对流过程进行全面分析。根据统计结果, 在西南涡临近时可尝试做如下参考, 虽然秋冬季西南涡活动频繁, 但是引发强对流天气的威胁不大, 而春季移出源地的西南涡与夏季全部路径的西南涡是临近预报预警的侧重点, 应重点关注东南象限450 km影响范围内可能产生的强降水天气。
Bijlsma S J Hafkenscheid L M Lynch P1986.Computation of the streamfunction and velocity potential and reconstruction of the wind field[J].Monthly Weather Review, 1986.DOI: https: //doi.org/10.1175/1520-0493(1986)114<1547: COTSAV>2.0.CO; 2.

Feng X Y Liu C H Fan G Z al et2016.Climatology and structures of southwest vortices in the NCEP Climate Forecast System Reanalysis[J].Journal of Climate29(21): 7675-7701.DOI: 10.1175/JCLI-D-15-0813.1.

Fu S M Sun J H Zhao S X al et2011.The energy budget of a southwest vortex with heavy rainfall over South China[J].Advances in Atmospheric Sciences28(3): 709-724.DOI: 10. 1007/s00376-010-0026-z.

Fu S M Zhang J P Sun J H al et2014.A fourteen-year climatology of the southwest vortex in summer[J].Atmospheric and Oceanic Science Letters7(6): 510-514.DOI: 10.3878/AOSL20140047.

Yu S H Gao W L Xiao D X al et2016.Observational facts regarding the joint activities of the southwest vortex and plateau vortex after its departure from the Tibetan Plateau[J].Advances in Atmospheric Sciences33(1): 34-46.DOI: 10.1007/s00376-015-5039-1.

崔恒立, 王东仙, 吴梦雯, 等, 2018.一次西南涡暴雨的位涡分析[J].气象科技进展8(4): 102-108.DOI: 0.3969/j.issn.2095-1973.2018.04.013.

陈贵川, 谌芸, 王晓芳, 等, 2018.一次冷性停滞型西南低涡结构的演变特征[J].高原气象37(6): 1628-1642.DOI: 10.7522/j.issn.1000-0534.2018.00093.

陈涛, 张芳华, 端义宏, 2011.广西“6·12”特大暴雨中西南涡与中尺度对流系统发展的相互关系研究[J].气象学报69(3): 472-485.DOI: 10.11676/qxxb2011.041.

方从羲, 李子良, 2016.一次西南涡致洪暴雨天气过程诊断分析和数值模拟试验[J].中国海洋大学学报(自然科学版)46(5): 14-21.DOI: 10.16441/j.cnki.hdxb.20150319.

高守亭, 周玉淑, 2019.近年来中尺度涡动力学研究进展[J].暴雨灾害38(5): 431-439.DOI: 10.3969/j.issn.1004-9045. 2019. 05.005.

高晓梅, 俞小鼎, 王令军, 等, 2018.鲁中地区分类强对流天气环境参量特征分析[J].气象学报76(2): 30-46.DOI: 0.11676/qxxb2018.006.

郭瀚阳, 陈明轩, 韩雷, 等, 2019.基于深度学习的强对流高分辨率临近预报试验[J].气象学报77(4): 715-727.DOI: 10. 11676/qxxb2019.036.

蒋璐君, 李国平, 王兴涛, 2015.基于TRMM资料的高原涡与西南涡引发强降水的对比研究[J].大气科学39(2): 249-259.DOI: 10.3878/j.issn.1006-9895.1407.13260.

刘金卿, 李子良, 2020.一次西南涡诱生气旋引发的湖南大暴雨个例分析[J].高原气象39(2): 311-320.DOI: 10.7522/j.issn. 1000-0534.2019.00028.

李跃清, 徐祥德, 2016.西南涡研究和观测试验回顾及进展[J].气象科技进展6(3): 134-140.DOI: 10.3969/j.issn.2095-1973.2016.03.018.

师春香, 潘旸, 谷军霞, 等, 2019.多源气象数据融合格点实况产品研制进展[J].气象学报77(4): 774-783.DOI: 10.11676/qxxb2019.043.

孙超, 霍庆, 任芝花, 等, 2018.地面气象资料统计处理系统设计与实现[J].应用气象学报29(5): 120-130.DOI: 10.11898/1001-7313.20180511.

孙继松, 陶祖钰, 2012.强对流天气分析与预报中的若干基本问题[J].气象38(2): 164-173.DOI: 10.7519/j.issn.1000-0526. 2012.2.004

孙继松, 2017.短时强降水和暴雨的区别与联系[J].暴雨灾害36(6): 498-506.DOI: 10.3969/j.issn.1004-9045.2017.06.002.

王梦晓, 王瑞, 傅云飞, 2019.利用TRMM PR和IGRA探测分析的拉萨降水云内大气温湿廓线特征[J].高原气象38(3): 539-551.DOI: 10.7522/j.issn.1000-0534.2019.00011.

王秀明, 俞小鼎, 2019.热带一次致灾龙卷形成物理过程研究[J].气象学报77(3): 387-404.DOI: 10.11676/qxxb2019.031.

许爱华, 孙继松, 许东蓓, 等, 2014.中国中东部强对流天气的天气形势分类和基本要素配置特征[J].气象40(4): 400-411.DOI: 10.7519/j.issn.1000-0526.2014.04.002.

杨波, 郑永光, 蓝渝, 等, 2017.国家级强对流天气综合业务支撑体系建设[J].气象43(7): 845-855.DOI: 10.7519/j.issn.1000-0526.2017.07.008.

杨波, 王园香, 蔡雪薇, 2019.我国华南江南春季雷暴气候特征分析[J].热带气象学报35(4): 470-479.DOI: 1004-4965(2019)04-0470-10.

杨璐, 陈敏, 陈明轩, 等, 2019.高时空分辨率三维风场在强对流天气临近预报中的融合应用研究[J].气象学报77(2): 243-255.DOI: 10.11676/qxxb2019.010.

赵芳, 熊安元, 张小缨, 等, 2017.全国综合气象信息共享平台架构设计技术特征[J].应用气象学报28(6): 112-120.DOI: 10. 11898/1001-7313.20170610.

张小玲, 杨波, 盛杰, 等, 2018.中国强对流天气预报业务发展[J].气象科技进展8(3): 8-18.DOI: 10.3969/j.issn.2095-1973. 2018.03.001.

张涛, 蓝渝, 毛冬艳, 等, 2013.国家级中尺度天气分析业务技术进展I: 对流天气环境场分析业务技术规范的改进与产品集成系统支撑技术.气象39(7): 894-900.DOI: 10.7519/j.issn. 1000-0526.2013.07.010.

张文海, 李磊, 2019.人工智能在冰雹识别及临近预报中的初步应用[J].气象学报77(2): 282-291.DOI: 10.11676/qxxb2019.014.

朱月佳, 邢蕊, 朱明佳, 等, 2019.联合概率方法在安徽强对流潜势预报中的应用和检验[J], 34(7): 731-746, 地球科学进展.DOI: 10.11867/j.issn.1001-8166.2019.07.0731.

朱杰, 2018.星地闪电探测系统在中国区域探测数据对比分析[J].地球物理学进展33(2): 541-546.DOI: 10.6038/pg2018AA0631.

郑永光, 周康辉, 盛杰, 等, 2015.强对流天气监测预报预警技术进展[J].应用气象学报26(6): 641-657.DOI: 10.11898/1001-7313.20150601.

曾智琳, 谌芸, 朱克云, 等, 2019.广东省大冰雹事件的层结特征与融化效应[J].大气科学43(3): 598-617.DOI: 10.3878/j.issn.1006-9895.1808.18152.

周玉淑, 颜玲, 吴天贻, 等, 2019.高原涡和西南涡影响的两次四川暴雨过程的对比分析[J].大气科学43(4): 813-830.DOI: 10.3878/j.issn.1006-9895.1807.18147.

周玉淑, 曹洁, 高守亭, 2008.有限区域风场分解方法及其在台风SAOMEI研究中的应用[J].物理学报57(10): 6654-6665.DOI: 10.3321/j.issn: 1000-3290.2008.10.095.

中国气象局成都高原气象研究所和中国气象学会高原气象学委员会, 2016a.西南低涡年鉴2014[M].北京: 科学出版社.

中国气象局成都高原气象研究所和中国气象学会高原气象学委员会, 2016b.西南低涡年鉴2015[M].北京: 科学出版社.

中国气象局成都高原气象研究所和中国气象学会高原气象学委员会, 2017.西南低涡年鉴2016[M].北京: 科学出版社.

中国气象局成都高原气象研究所和中国气象学会高原气象学委员会, 2019.西南低涡年鉴2017[M].北京: 科学出版社.

Outlines

/