編輯：張萌 侯美亭

暖云中的云滴數(shù)濃度遙感反演：現(xiàn)狀與展望——Remote sensing of droplet number concentration in warm clouds: A review of the current state of knowledge and perspectives.Reviews of Geophysics, 2018, Vol. 56, No. 2.

云滴數(shù)濃度（Nd）對(duì)于理解云物理過(guò)程和量化氣溶膠—云相互作用的有效輻射強(qiáng)迫具有重要意義。當(dāng)前衛(wèi)星反演不能直接提供Nd數(shù)據(jù)，但其可以從云光學(xué)厚度、云滴有效半徑和云頂溫度反演。英國(guó)利茲大學(xué)的Grosvenor等對(duì)這種方法進(jìn)行了評(píng)述，并對(duì)不確定性進(jìn)行了量化。對(duì)于相對(duì)均勻的、光學(xué)厚度較厚的、具有良好觀測(cè)幾何形狀的不模糊的層狀云，像元水平的反演的總相對(duì)不確定性為78%。如果不滿足這些條件，不確定性就更大。平均而言，在1°×1°區(qū)域，不確定性降低到54%，假設(shè)儀器隨機(jī)誤差存在不確定性。與此相反，少數(shù)與現(xiàn)場(chǎng)觀測(cè)對(duì)照的評(píng)價(jià)研究表明，在偏差變化不大的情況下，準(zhǔn)確率要高得多。為了更好地表征誤差，需要進(jìn)行更多此類(lèi)研究。Nd的不確定性主要來(lái)源于云滴有效半徑中的錯(cuò)誤，因此，反演云滴有效半徑的改進(jìn)將大大提高Nd反演的質(zhì)量。本研究對(duì)現(xiàn)有的一些Nd數(shù)據(jù)集進(jìn)行了比較和討論，就如何改善Nd數(shù)據(jù)質(zhì)量提出了建議。

利用衛(wèi)星數(shù)據(jù)預(yù)測(cè)中國(guó)PM2.5歷史濃度的集合機(jī)器學(xué)習(xí)模型——An ensemble machine-learning model to predict historical PM2.5concentrations in China from satellite data.Environmental Science and Technology,2018, Vol. 52.

長(zhǎng)期的衛(wèi)星氣溶膠數(shù)據(jù)記錄，使得評(píng)估最近才開(kāi)始進(jìn)行PM2.5常規(guī)監(jiān)測(cè)的地區(qū)的歷史PM2.5水平成為可能。然而，以往大多數(shù)模型在預(yù)測(cè)模型訓(xùn)練期以外的PM2.5水平時(shí)，預(yù)測(cè)精度都有所下降。美國(guó)埃默里大學(xué)的Xiao等提出了一種集合機(jī)器學(xué)習(xí)方法，能夠促進(jìn)PM2.5預(yù)測(cè)能力。首先，使用多重插補(bǔ)來(lái)填補(bǔ)缺失的衛(wèi)星數(shù)據(jù)。然后，將建模區(qū)域劃分為7個(gè)區(qū)域，采用空間聚類(lèi)方法對(duì)未觀測(cè)到的空間異質(zhì)性進(jìn)行控制。在每個(gè)區(qū)域，分別訓(xùn)練了一組機(jī)器學(xué)習(xí)模型，包括隨機(jī)森林模型、廣義可加模型和極值梯度增強(qiáng)模型。最后，提出了一種廣義可加集合模型，將不同算法的預(yù)測(cè)結(jié)果結(jié)合起來(lái)。結(jié)果顯示，最終預(yù)測(cè)的日PM2.5時(shí)空分布特征的交叉驗(yàn)證的R2達(dá)到了0.79?；诰垲?lèi)的次區(qū)域模型優(yōu)于全國(guó)尺度模型，使R2提高了0.05。與先前的研究相比，本研究給出的模型提供了更精確的PM2.5日尺度預(yù)測(cè)（R2=0.58，RMSE=29 μg/m3）和月尺度預(yù)測(cè)（R2=0.76，RMSE=16 μg/m3）。而且，研究建立的回報(bào)系統(tǒng)可以重建無(wú)偏的PM2.5歷史特征。

（以上由侯美亭選編）

孟加拉灣夏季風(fēng)爆發(fā)的判斷指標(biāo)及其年際特征——《地球物理學(xué)報(bào)》2018年第61卷第11期

晏紅明等利用高低層大氣環(huán)流、OLR（向外長(zhǎng)波輻射）、CMAP降水、SST（海表溫度）等資料分析了孟加拉灣地區(qū)3—5月多年氣候平均大氣環(huán)流及不同要素的演變特征，定義了一個(gè)新的孟加拉灣夏季風(fēng)（BOBSM）爆發(fā)指標(biāo)為孟加拉灣地區(qū)（5°N～15°N，90°E～97.5°E）850和200 hPa緯向風(fēng)區(qū)域平均的變化同時(shí)滿足U850＞3 m/s和U200＜-5m/s，并持續(xù)5 d的第一天即作為BOBSM爆發(fā)日期。該季風(fēng)指數(shù)有明確的天氣學(xué)意義，可以反映孟加拉灣低層西南風(fēng)持續(xù)穩(wěn)定和南亞高壓在青藏高原建立早晚的特征。作者進(jìn)一步分析了BOBSM爆發(fā)的年際特征及其前兆海洋信號(hào)特征，結(jié)果表明：1981—2010年BOBSM爆發(fā)的平均日期為5月10日，季風(fēng)爆發(fā)有顯著的年際波動(dòng)，爆發(fā)最早在1999年（4月11日）、最晚在1968年（6月1日），年代際尺度上表現(xiàn)為由爆發(fā)偏晚至偏早的變化趨勢(shì)；BOBSM爆發(fā)早（晚）與熱帶印度洋地區(qū)850 hPa的越赤道氣流和西風(fēng)異常加強(qiáng)（減弱），以及200 hPa青藏高原南亞高壓的季節(jié)性建立偏早（晚）等密切聯(lián)系；前期冬季赤道西太平洋的海溫冷（暖）變化對(duì)BOBSM爆發(fā)早（晚）有很好的指示意義，前期冬季海溫偏高（低）有利于季風(fēng)偏早（晚），其影響的主要途徑是通過(guò)熱源變化激發(fā)緯向垂直環(huán)流及其熱帶印度洋和太平洋低層環(huán)流異常，進(jìn)而影響季風(fēng)爆發(fā)早晚。

葵花8號(hào)衛(wèi)星在暴雨對(duì)流云團(tuán)監(jiān)測(cè)中的應(yīng)用分析——《氣象》2018年第44卷第10期

高時(shí)空分辨率的葵花8號(hào)衛(wèi)星（簡(jiǎn)稱H8衛(wèi)星）2016年在我國(guó)得到應(yīng)用，而該年是我國(guó)暴雨過(guò)程頻繁、極端性強(qiáng)的一年，H8衛(wèi)星到底在暴雨對(duì)流云團(tuán)監(jiān)測(cè)方面有何優(yōu)勢(shì)也是預(yù)報(bào)員所關(guān)心的。目前的業(yè)務(wù)中H8、FY-2衛(wèi)星和雷達(dá)資料到達(dá)業(yè)務(wù)平臺(tái)的平均延遲時(shí)間分別為15，35，6 min左右。張夕迪等利用H8衛(wèi)星紅外云圖結(jié)合地面降水，在2016年汛期27次暴雨過(guò)程中每個(gè)過(guò)程選定一個(gè)主要的目標(biāo)對(duì)流云團(tuán)分析其初生情況，并與FY-2衛(wèi)星和雷達(dá)探測(cè)的情況進(jìn)行對(duì)比，結(jié)果表明：H8和FY-2衛(wèi)星在同時(shí)刻云頂黑體亮溫（TBB）觀測(cè)數(shù)值上差別不大，時(shí)間變化趨勢(shì)也基本一致，但H8衛(wèi)星由于高頻次觀測(cè)的優(yōu)勢(shì)對(duì)暴雨對(duì)流強(qiáng)弱的變化刻畫(huà)得更加細(xì)致，在監(jiān)測(cè)暴雨對(duì)流云團(tuán)方面具有明顯時(shí)間上的優(yōu)勢(shì)，即H8衛(wèi)星較FY-2衛(wèi)星平均提前23 min發(fā)現(xiàn)對(duì)流云團(tuán)，較雷達(dá)平均提前達(dá)33 min。通過(guò)結(jié)合地面小時(shí)和10 min降水量對(duì)2016年華北“7·20”極端暴雨過(guò)程進(jìn)行分析，發(fā)現(xiàn)TBB與地面降水量之間有很好的反相關(guān)關(guān)系，同時(shí)降水量的變化幅度明顯大于TBB的變化；當(dāng)TBB峰值向低溫一側(cè)移動(dòng)時(shí)，與之對(duì)應(yīng)的地面降水量級(jí)也增大，降水逐漸轉(zhuǎn)為冷云降水為主。