2018年1月中国江淮地区先后出现两次持续性强降雪过程, 对农业、交通运输、电力和人民生活等产生了严重影响, 湖北、安徽等地大部分地区重复受灾, 共造成21人死亡, 直接经济损失超过100亿元。防灾减灾迫切需要气象部门开展暴雪等灾害性天气过程尤其是10天以上的高影响天气过程预报服务。
自2008年我国南方遭遇罕见持续性冰冻雨雪灾害以来, 国内许多学者从个例分析、物理量诊断、中尺度特征等多方面开展了广泛的研究(辜旭赞, 2011; 胡顺起等, 2017; 刘晶等, 2018; 孙艳辉等, 2017; 赵思雄等, 2008)。陶诗言等(2008)分析了2008年1月我国南方严重冰雪灾害, 指出欧亚大陆出现异常的大气环流是造成此次灾害的重要成因; 李登文等(2009)进一步指出在稳定的高空环流形势下, 来自极地的冷空气和来自南支槽前暖湿气流及东海、南海的偏东气流交绥于我国大陆东南部是这场罕见持续冰冻天气最直接的原因。周雪松等(2013)通过对2010年和2011年山东早春两次暴雪天气对比分析发现, 华北暴雪往往发生在特定的环流背景下, 低涡(切变线)、低空急流等影响系统对暴雪的发生有重要作用。杜小玲等(2014)研究了2011年贵州持续低温雨雪冰冻天气, 发现亚欧地区位势高度呈异常“北高南低”形势, 中高纬度存在强大、稳定、持久的阻塞高压。布和朝鲁等(2008)还指出南支槽、西太平洋副热带高压及叶尼塞地区高压脊3个环流系统在持续性雨雪过程中存在明显的相互匹配作用。大气环流是研究持续性冰冻雨雪灾害的重要出发点, 深入探讨持续性强降雪过程发生时的大气环流异常尤其是高低纬度系统的相互作用很有必要, 江淮地区是遭受低温冰冻雨雪灾害严重的地区之一, 研究大气环流异常对强降雪过程预报和防灾减灾具有重要意义。
从可预报性上看, 丑纪范等(2002, 2010, 2011)指出大气环流异常信号的持续性能够导致异常天气的持续性, 为超过天气预报时效上限的10~30天延伸期预报提供了可能性; 金荣花等(2010)也指出某些异常大气环流的信号明显且持续时, 较长时间尺度的天气过程往往具有较好的可预报性。近年来随着中长期预报业务的发展, 基于大气低频信号的预报方法越来越引起广大科技工作者的关注。孙国武等(2013)指出大气低频振荡既是大气活动的强信号, 也是诱发大气环流演变的重要因子。丁一汇等(2010)指出大气低频振荡对持续性异常极端事件的发生有重要影响。王允等(2008)分析了东亚冬季环流低频振荡与2008年初南方大雪的关系, 发现850 hPa高度上我国南方地区风场的低频变化具有20~50天的主要振荡周期, 持续性低温雨雪冰冻天气的发生与低频振荡位相矢量风强弱有关。马宁等(2011)也指出2008年初我国南方低温区近地面气温具有较强的10~30天和30~60天振荡。基于大气低频信号开展10天以上的中长期预报逐渐成为除数值方法以外的另一个重要研究方向。
本文对2018年1月江淮地区两次持续性强降雪过程的大尺度环流形势进行对比分析, 探讨中高、低纬度系统在持续性强降雪过程中的协同作用, 并从低频振荡的角度探讨阻高指数和南支槽指数正负位相的低频波动对中长期预报的可参考性。
2 资料来源和方法介绍 2.1 资料来源所用资料主要包括国家气象信息中心提供的逐日降水、温度、积雪深度等地面观测资料, 美国国家环境预报中心和国家大气研究中心(NCEP/NCAR)发布的逐日再分析资料, 包括位势高度、水平纬向风、经向风、比湿等物理量, 水平分辨率为2.5°×2.5°, 资料长度为1980年1月1日至2018年3月30日。
2.2 方法介绍引用的南支槽指数(southern branch trough index, STI)为孟加拉湾北部至青藏高原南侧地区(80°E-100°E, 17.5°N-27.5°N)平均的700 hPa位势高度(索渺清等, 2009; 张永莉等, 2012), STI越小表明南支槽越强; 阻塞高压指数(Ural block high index, UI)为乌拉尔山及其附近地区(30°E-70°E, 45°N-65°N)平均的500 hPa位势高度(陈官军等, 2012; 张娇等, 2011; 赵俊虎等, 2016), UI越大表明阻高越强或阻塞形势越明显。选取典型持续性强降雪过程需同时满足: (1)当日新增积雪深度(当日积雪深度减去前一日积雪深度)超过5 cm的站次大于等于1, 记为一个强降雪日; (2)强降雪日连续3天及以上或者强降雪日间隔1天, 总持续天数3天及以上。利用Butterworth带通滤波方法进行低频滤波。
3 强降雪过程概况2018年1月3-7日河南中南部、湖北北部、安徽中北部和江苏西北部过程最大积雪深度普遍超过15 cm, 最大积雪位于安徽沿淮至江淮之间北部地区, 共有16个站雪深超过30 cm, 部分站点超过历年积雪深度极值[图 1(a)]; 此次过程具有降雪强度大、积雪深度深的特点, 其中3-4日江淮大部分地区雨雪量超过30 mm, 其中沿淮至江淮之间中部雨雪量超过50 mm。23-28日豫鄂交界和沿淮至沿江地区过程最大积雪深度15 cm以上, 其中大别山区和安徽沿江东部地区积雪超过25 cm; 此次过程雨雪范围广, 过程气温低, 多地平均气温较常年同期偏低4 ℃以上, 大别山区南部和皖南山区部分地区还出现冻雨, 黄山光明顶电线积冰直径最大达106 mm。
2018年1月3-7日和23-28日(下文分别用过程1和过程2表示)200 hPa高度场上北半球极涡均分裂成两个中心, 呈“偶极型”(图 2), 过程1极涡的两个中心强度接近, 靠近我国的极涡略强, 中心位于75°N附近; 过程2极涡分裂得更明显, 靠近我国的极涡中心位置明显偏南, 低涡中心南至50°N左右, 同时位于乌拉尔山和鄂霍茨克海附近地区的高压脊向极区强烈发展, 东亚地区呈显著的倒“Ω”流型。
由500 hPa平均场(图 3)可见中高纬度地区维持“两脊一槽”形势, 乌拉尔山附近存在强大的阻塞形势, 尤其是过程2南来的暖空气已形成闭合暖高压中心。阻高东侧蒙古国西部至我国新疆北部地区存在准东西向横槽。太平洋北部至白令海峡附近也存在强的高压脊, 东西两侧的高压脊挟持一个大冷涡在东亚地区形成大倒“Ω”流型。在阻高东侧和低涡西侧偏北气流的作用下, 冷空气不断积聚南下。过程2倒“Ω”流型更加显著, 尤其是阻塞高压强烈发展较过程1明显偏强, 低涡位置也明显偏南, 使得冷空气一方面随低涡转动南下, 另一方面受阻高东侧强盛偏北气流引导, 自极地不断南下积聚, 两股冷空气在我国中东部地区汇合, 造成剧烈降温天气。
由海平面气压和温度场(图 4)可见, 过程1西伯利亚冷高压强度达1050 hPa, 温度零线位于沿江地区; 过程2冷空气活动明显偏强, 影响范围偏南, 西伯利亚冷高压中心强度超过1055 hPa, -32 ℃冷中心范围更大, 温度零线南压至江西省北部地区。这种稳定维持的强冷空气是造成大范围持续性强降雪和极端低温冰冻天气的有利背景形势。
两次强降雪过程发生时, 中低纬度地区90°E附近孟加拉湾北部有明显的南支槽存在, 西太平洋副热带高压强大且稳定维持, 槽前副高西北侧有显著的西南急流(图 5), 江淮地区位于急流出口区左侧, 这种“西低东高”的形势非常有利于槽前大量暖湿气流向江淮地区输送; 槽前正涡度平流使得低层减压, 产生上升运动, 从而为持续性降雪过程的发生提供有利的水汽和抬升条件。
两次强降雪过程发生时在我国西南地区均存在低层水汽通量高值中心(图 6), 在低空急流作用下水汽不断自西南向东北输送, 其中过程1急流强度更强, 中心风速可达20 m·s-1以上, 且还有一部分水汽来自于南海北部的转向气流, 使得过程1的水汽较过程2更为充沛, 水汽辐合作用也更强; 850 hPa切变线位于河南南部至安徽沿淮一带, 西南暖湿气流与东路冷空气交汇有利于该区域强降雪的发生, 过程2切变线相对偏南, 位于湖北南部至江西北部地区, 安徽处于其北侧一致的东风气流下, 冷暖空气辐合程度相对较弱。
研究表明, 次级正环流有利于强降水强降温并伴有大范围降雪产生, 并且暴雪发生在强上升运动区域内(郭荣芬等, 2010; 秦剑等, 1991; 杨成芳等, 2008)。对比两次过程强降雪时段的垂直经向环流(图 7)可见, 北上抬升的暖湿空气与南下冷空气剧烈交汇, 在40°N附近形成闭合垂直经向环流, 过程1暖湿空气上升运动层非常深厚, 30°N附近在700~200 hPa存在超过8×10-2 Pa·s-1的强烈上升运动中心, 有利于产生暴雪; 而过程2暖湿空气则相对浅薄, 上升运动中心强度较小, 高度也较低, 对比冷空气一侧(40°N-45°N)各层温度可知过程2冷空气温度更低, 1000 hPa零度线较过程1偏南2.5个纬距, 降雪范围随之向南推进, 降雪各层温度标准线已南至江西北部地区, 使得江淮地区降雪相态以纯雪为主, 并伴随持续低温冰冻天气; 另外, 30°N-35°N 700 hPa以下存在强逆温层, 有利于冻雨的产生。由此可见, 两次过程在降雪强度、类型和极端低温等方面存在一定差异。
当冬季的南支槽与强冷空气结合时, 则可造成大范围的降温、降雪甚至冰凌天气(秦剑等, 1991)。2018年1月江淮地区两次持续性强降雪过程发生在中高纬度系统尤其是阻塞高压稳定维持和较低纬度的南支槽相互配合的大尺度环流背景之下, 这种南北槽脊呈反位相配置, 有利于冷暖空气结合, 极易造成强烈的汇合和不稳定锋生场, 因而对暴雪预报具有重要研究价值, 下文将重点探讨阻塞高压和南支槽对持续性强降雪过程的协同影响及其低频特征。
5 阻塞高压和南支槽指数变化及其低频特征 5.1 指数异常对持续性强降雪的作用图 8为2018年1月乌拉尔山阻塞高压指数(UI)和南支槽指数(STI)的逐日变化曲线, 两次强降雪过程均发生在阻高偏强、南支槽偏强且位势高度峰区和谷区相叠加的时期。为表征这种阻高和南支槽相配合的程度, 将二者视为相互独立的系统构建差值指数UI-STI, 计算1月UI和STI的差值逐日变化(图略), 可知1月1-8日、23-30日和12-18日为3个显著的UI-STI异常高值区, 前两者恰好对应江淮地区1月两次持续性强降雪天气, 实况显示3-4日和27日为主要降雪时段, 而这正是UI-STI异常峰值日; 另一个峰值日15-16日江淮地区有一次降水过程。
为进一步说明UI-STI异常与江淮地区持续性降雪过程的关系, 利用多年历史资料, 以受灾较为严重的安徽为例选取更多持续性降雪过程个例, 分析UI、STI及UI-STI的统计特征。图 9为2001-2018年安徽持续性降雪过程日(下称有过程)及降雪过程当月其他无持续性降雪过程日(下称无过程)对应的UI、STI及UI-STI值。
统计结果表明: ①有过程时UI高于气候均值(536 dagpm)的比例占75%, STI低于气候均值(312 dagpm)的比例占66%, 而在无过程时上述比例明显减小, 尤其是STI仅占37%;平均UI和STI有过程时分别为540.6和310.9 dagpm, 无过程时UI偏低1.4 dagpm, STI偏高1.7 dagpm, 表明阻高异常偏强(弱)或南支槽异常偏强(弱)有(不)利于持续性降雪过程发生。②由二者差值UI-STI可见, 有过程时UI-STI值超过历年气候均值(224 dagpm)的比例高达78%, 平均UI-STI为229.7 dagpm; 而在当月无过程时UI-STI值仅为226.5 dagpm。由持续性降雪过程日平均UI-STI值可知安徽持续性降雪过程发生时UI-STI值为213.6~240.7 dagpm不等, 其中85%的过程日平均UI-STI值超过了历年气候平均的1-2月份日平均UI-STI值(224 dagpm), 持续性强降雪过程发生时UI-STI具有明显异常偏高的特点, 这对强降雪过程预报具有一定的参考价值。
2018年1月发生的两次强降雪过程日平均UI-STI值相较于1月气候平均值(223.5 dagpm)偏高5.3和10.8 dagpm, 由两次过程初始大范围降雪的1月3日和24日的大气环流(图略)可知: 1月3日极涡分裂, 中心南压, 位于75°N附近; 中高纬度乌拉尔山附近为阻塞高压, 其东侧存在切断低涡和横槽; 在阻高东侧和极涡西侧偏北气流作用下冷空气不断在切断低涡和横槽内积聚南下, 为强降雪发生提供了有利的冷空气条件。同时南支槽发展, 槽前存在显著正涡度平流, 使得低层减压, 产生上升运动; 槽前西南气流强盛, 低层辐合, 有利于大量暖湿空气在江淮地区汇聚。24日极涡已显著南压, 低涡中心位于50°N附近; 中高纬度乌拉尔山附近阻塞高压强大, 东亚地区呈显著的倒“Ω”流型; 冷空气一方面随低涡转动南下; 另一方面受阻高东侧强盛偏北气流引导, 自极地不断积聚南下; 同3日类似, 中高纬度地区形成有利的冷空气背景条件的同时, 南支槽亦发展加强。阻塞高压和南支槽是此两次降雪过程关键的环流系统, UI-STI异常偏高, 二者均发展加强, 并相互配合逐渐构成有利于冷暖空气汇聚的环流配置, 最终导致强降雪过程的发生。
5.2 低频特征与可预报性探讨众所周知, 东亚大陆冬季风期间10~30天和30~60天振荡具有重要的作用(金祖辉等, 1996; 马宁等, 2011; 王允等, 2008)。计算2017年1月1日至2018年2月28日逐日UI、STI和UI-STI值, 并利用Butterworth带通滤波方法进行10~30天和30~60天滤波, 将低频滤波值的方差与原始值方差的比值作为方差贡献D[如D(10~30天)表示10~30天低频方差贡献], 结果如表 1所示。可知10~30天UI-STI低频方差贡献达34%, 尤其是2017年12月1日入冬以来, 低频方差高达74.1%, 由图 10(注:为清晰表征曲线变化, UI-STI值经过距平处理即实际UI-STI值减去冬季平均值)可见10~30天低频曲线的波动能够很好地反映实际UI-STI值的高低变化, 2018年1月的两次强降雪过程正发生在低频曲线的峰值区间。
另一方面, UI和STI值10~30天和30~60天低频方差贡献具有明显的差异, 10~30天低频方差均高于30~60天低频方差, 尤以UI最为明显, 方差贡献比达1.874, 入冬以后更高达2.341, 表明10~30天低频波是UI最主要的组成部分; 而STI的两类方差贡献相差不大, 方差贡献比仅为1.195, 表明30~60天的低频波可能也是STI的重要组成部分, STI的低频周期可能较UI偏长。
低频波具有周期特性, 在一个周期内必定包含一个波峰和一个波谷。2017年12月1日至2018年2月1日共包含了5个完整的10~30天低频波, 这5个低频波峰值日和谷值日对应的10~30天低频环流场(图 11)中显示, 在阻高关键区内, 低频波峰值日表现为500 hPa位势高度正位相和700 hPa流场反气旋环流, 而在谷值日则恰好相反, 表现为500 hPa位势高度负位相和700 hPa流场气旋式环流。阻高关键区的这种低频系统是中高纬地区最主要的低频系统之一, 其中心强度和位置在各个低频波段虽略有差异, 但其周期性变化却是非常稳定的。若将两个波峰之间的间隔记为低频波周期, 则周期分别为16天、16天、13天和11天, 平均周期14天。根据这种周期性变化可以为重大天气过程的发生提供至少2周的预报指导, 例如2018年1月3-8日发生的强降雪过程中, 低频波峰值日为1月2日[图 11 (e)], 阻高关键区正位相或反气旋式环流早在12月17日甚至更早的12月1日就有清晰的反映, 而在1月2日以后若周期性外推, 则26日前后将再次出现低频波峰值, 这恰好对应了第二次强降雪的发生。因此在持续性强降雪过程的中期预报中, 这种稳定的周期性变化的低频系统具有重要的参考价值。
相对于阻高关键区, 南支槽关键区的低频变化较不明显, 但仍可寻找出一些对预报有指示意义的线索。由图 11可见, 两次强降雪过程发生时的低频峰值日即第3波峰值日(1月2日)和第5波峰值日(1月26日)南支槽关键区均表现出500 hPa位势高度负位相和700 hPa流场气旋式环流, 其对应的谷值日则相反; 而第1波也表现出类似的低频位相。
为进一步表征南支槽关键区低频系统的位相转变, 计算第1-5波峰值日10~30天和30~60天低频500 hPa位势高度和700 hPa涡度区域平均值(表 2), 可见:第1、3、5波峰值日30~60天500 hPa高度为负位相, 700 hPa涡度为正位相, 即表现出低压或气旋式环流, 而第2、4波峰值日则是500 hPa高度为正位相, 700 hPa涡度为负位相, 即高压或反气旋式环流。10~30天的低频变化同30~60天的类似, 在第4波峰值日略有差异。根据这种位相相似性可以推测南支槽低频系统变化周期长达28天左右, 因而对灾害性天气过程的中期-延伸期预报具有重要的研究意义。
对比了2018年1月江淮地区两次持续性强降雪过程的大气环流形势, 研究了中高、低纬度系统(阻塞高压和南支槽)在持续性强降雪过程中的协同作用, 并探讨了阻高指数和南支槽指数正负位相的低频波动对中长期预报的可参考性。
(1) 2018年1月江淮地区两次持续性强降雪过程发生时大气环流持续异常, 极涡呈“偶极型”, 中高纬度阻塞形势明显, 地面冷高压强大, 有利于强冷空气南下; 较低纬度副高、南支槽维持, 有利于暖湿气流向江淮地区输送; 冷暖空气交汇, 呈现出明显的中高、低纬度系统相互作用。两次持续性强降雪过程中大气环流在极涡位置、阻高强度和南支槽、急流、水汽条件等方面存在一定的差异, 使得两次过程的降雪范围、强度和类型具有不同的特点。
(2) 两次持续性强降雪过程主要是由中高纬度系统尤其是阻塞高压稳定维持和较低纬度的南支槽相互配合造成的, 两次过程均发生在阻高偏强、南支槽偏强且位势高度峰区和谷区相叠加的时间段。阻高异常偏强(弱)或南支槽异常偏强(弱)有(不)利于持续性降雪过程发生。持续性强降雪过程发生时阻塞高压和南支槽的差值指数UI-STI异常偏高, 此指标对强降雪过程预报具有一定的参考价值。
(3) 2018年两次强降雪过程期间, 阻高和南支槽指数具有显著的10~30天低频变化特征, 低频振荡周期可达两周以上, 低频波正负位相的周期性变化对持续性强降雪过程中期预报具有一定的指示意义。
低频变化周期仅通过2018年1月的两次强降雪过程环流演变得到, 是否所有类似持续性强降雪过程均具有这样的周期?低频波动对降雪过程预报的参考性是否具有普遍意义?这些问题都值得进一步研究和验证。有待利用更多天气个例对持续性降雪过程与低频信号的相关关系进行统计分析, 验证能否将这种低频变化特征作为预报因子用于持续性降雪过程的统计预报, 以期为中期预报提供可靠的参考。
布和朝鲁, 纪立人, 施宁. 2008. 2008年初我国南方雨雪低温天气的中期过程分析Ⅰ:亚非副热带急流低频波[J]. 气候与环境研究, 13(4): 419–433.
|
|
陈官军, 魏凤英. 2012. 基于低频振荡特征的夏季江淮持续性降水延伸期预报方法[J]. 大气科学, 36(3): 633–644.
|
|
丑纪范. 2002. 大气科学中的非线性与复杂性[M]. 北京: 气象出版社, 1-204.
|
|
丑纪范. 2011. 天气和气候的可预报性[J]. 气象科技进展, 1(2): 12–14.
|
|
丑纪范, 郑志海, 孙树鹏. 2010. 10~30天延伸期数值天气预报的策略思考-直面混沌[J]. 气象科学, 30(5): 569–573.
DOI:10.3969/j.issn.1009-0827.2010.05.001 |
|
丁一汇, 梁萍. 2010. 基于MJO的延伸期预报[J]. 气象, 36(7): 111–122.
|
|
杜小玲, 高守亭, 彭芳. 2014. 2011年初贵州持续低温雨雪冰冻天气成因研究[J]. 大气科学, 38(1): 61–72.
|
|
辜旭赞. 2011. 2008年1月我国南方持续性雨雪过程的诊断分析[J]. 高原气象, 27(1): 150–157.
|
|
郭荣芬, 高安生, 杨素雨. 2010. 低纬高原两次冬季南支槽强降水的对比分析[J]. 大气科学学报, 33(1): 82–88.
DOI:10.3969/j.issn.1674-7097.2010.01.011 |
|
胡顺起, 曹张弛, 陈滔. 2017. 山东省南部一次极端大暴雪过程诊断分析[J]. 高原气象, 36(4): 984–992.
DOI:10.7522/j.issn.1000-0534.2016.00134 |
|
金荣花, 马杰, 毕宝贵. 2010. 10~30 d延伸期预报研究进展和业务现状[J]. 沙漠与绿洲气象, 4(2): 1–5.
DOI:10.3969/j.issn.1002-0799.2010.02.001 |
|
金祖辉, 孙淑清. 1996. 东亚大陆冬季风的低频振荡特征[J]. 大气科学, 20(1): 101–111.
DOI:10.3878/j.issn.1006-9895.1996.01.12 |
|
李登文, 乔琪, 魏涛. 2009. 2008年初我国南方冻雨雪天气环流及垂直结构分析[J]. 高原气象, 28(5): 1140–1148.
|
|
刘晶, 李娜, 陈春艳. 2018. 新疆北部一次暖区暴雪过程锋面结构及中尺度云团分析[J]. 高原气象, 37(1): 158–166.
DOI:10.7522/j.issn.1000-0534.2017.00008 |
|
马宁, 李跃凤, 琚建华. 2011. 2008年初中国南方低温雨雪冰冻天气的季节内振荡特征[J]. 高原气象, 30(2): 318–327.
|
|
秦剑, 潘里娜, 石鲁平. 1991. 南支槽与强冷空气结合对云南冬季天气的影响[J]. 气象, 17(3): 39–43.
|
|
孙国武, 李震坤, 信飞, 等. 2013. 延伸期天气过程预报的一种新方法-低频天气图[J]. 大气科学, 37(4): 945–954.
|
|
孙艳辉, 李泽椿, 寿绍文. 2017. 东北地区两次历史罕见暴风雪天气过程的分析[J]. 高原气象, 36(2): 549–561.
DOI:10.7522/j.issn.1000-0534.2017.00012 |
|
索渺清, 丁一汇. 2009. 冬半年副热带南支西风槽结构和演变特征研究[J]. 大气科学, 33(3): 425–442.
DOI:10.3878/j.issn.1006-9895.2009.03.03 |
|
陶诗言, 卫捷. 2008. 2008年1月我国南方严重冰雪灾害过程分析[J]. 气候与环境研究, 13(4): 337–350.
|
|
王允, 张庆云, 彭京备. 2008. 东亚冬季环流季节内振荡与2008年初南方大雪关系[J]. 气候与环境研究, 13(4): 459–467.
|
|
杨成芳, 李泽椿, 李静, 等. 2008. 山东半岛一次持续性强冷流降雪过程的成因分析[J]. 高原气象, 27(2): 442–451.
|
|
张永莉, 范广洲, 周定文, 等. 2012. 冬半年南支槽的气候特征分析[J]. 成都信息工程学院学报, 27(2): 196–201.
DOI:10.3969/j.issn.1671-1742.2012.02.013 |
|
张娇, 王东勇, 朱佳宁, 等. 2011. 淮河流域持续性强降水的重要前期信号[J]. 气象, 37(11): 1329–1335.
DOI:10.7519/j.issn.1000-0526.2011.11.001 |
|
赵思雄, 孙建华. 2008. 2008年初南方雨雪冰冻天气的环流场与多尺度特征[J]. 气候与环境研究, 13(4): 351–367.
|
|
赵俊虎, 杨柳, 曾宇星, 等. 2016. 夏季长江中下游和华南两类雨型的环流特征及预测信号[J]. 大气科学, 40(6): 1182–1198.
|
|
周雪松, 杨成芳, 孙兴池. 2013. 两次早春暴雪过程的对比分析[J]. 高原气象, 32(2): 446–455.
DOI:10.7522/j.issn.1000-0534.2012.00043 |