基于2019年4月26—27日广东省多部S波段新一代天气雷达数据，采用中气旋探测算法，对多雷达相交区域内的同一个γ中尺度涡旋识别结果进行对比分析，提出适用于我国新一代天气雷达网的γ中尺度涡旋组网融合方法。结果表明：(1)受雷达垂直分辨率限制、地形遮挡和径向速度距离模糊效应影响，不同雷达在共同探测区内涡旋识别数目和同个涡旋特征参数存在显著差异。(2)当两部雷达与涡旋距离相当时，特征参数一致性较高，而距离差大时，较远雷达由于分辨率下降识别的旋转速度、切变和直径变弱，底高升高，深度下降。(3)基于距离权重和高度校正的组网融合方法可有效整合多雷达优势，克服距离差异和地形遮挡等对γ中尺度涡旋探测的影响，获得更精确的垂直厚度，更大的旋转速度、切变和直径值，以及更大的识别范围。

2024年7月22—24日甘肃河东地区出现1961年以来最强区域性暴雨过程。利用地面自动气象观测站、探空、双偏振雷达等资料、融合降水产品和ERA5再分析资料对此次过程的降水实况、中尺度对流系统(MCS)的演变特征、环流形势和局地极端暴雨的中尺度成因进行了初步探讨。结果表明：(1)此次过程强降雨范围广、持续时间长、累计降水量大，有显著极端性。MCS具有后向传播和列车效应，生命史长，雷达回波呈低质心、高效率的暖云降水特征。(2)受较强且稳定的西太平洋副热带高压和台风“派比安”共同影响，南海洋面至甘肃暴雨区形成一条强劲持久的水汽输送通道，使该地区大气可降水量极端正异常，标准化距平超过4σ；另外对流层低层中尺度低涡和高层南亚高压的强度异常形成了有利于上升运动发展的形势。(3)位于陇山西、东两侧的定西通渭和平凉崇信两个特大暴雨中心因地形差异造成水汽输送、MCS触发和维持机制不同。通渭特大暴雨主要由喇叭口地形和对流层低层低涡系统相叠加造成的水汽强烈辐合抬升所致，水汽辐合集中在800 hPa，对流系统整体发展高度不高；崇信特大暴雨出现在低空急流发展越过陇山后，由低空急流左侧风速切变、急流轴风速脉动及低空急流与高低空系统耦合动力抬升共同作用形成的深厚对流系统维持造成，水汽辐合集中在700 hPa。在两个特大暴雨中心强降水过程中，中等强度对流有效位能和对流不稳定为暴雨中尺度对流系统长时间维持提供有利的不稳定条件。

江苏省雷暴大风灾害频发，开展雷暴大风灾害风险评估是提高当地气象防灾减灾能力的重要手段。利用2008—2022年江苏省国家和区域气象观测站逐日气象资料及其所辖市县灾情信息，结合河网密度、数字高程等地理信息数据，选取最大风速、日最大降水量、冰雹发生频率、人口密度、地均GDP、农田面积和安全房屋面积比这7项指标，利用灰色关联度分析和通径分析方法，筛选确定最大风速、日最大降水量和冰雹发生频率作为雷暴大风灾害致灾因子及其权重，建立雷暴大风灾害危险性评估模型，结合孕灾环境敏感性及人口、经济、农作物和安全房屋比等承灾体暴露性，由层次分析法分析获得各项评估指标权重，建立雷暴大风灾害风险指数模型，得到江苏雷暴大风灾害风险区划。结果表明：(1)江苏雷暴大风危险性较高-高等级区域主要集中在徐州大部、宿迁中部及淮安和泰州的局部地区。(2)江苏雷暴大风灾害较高-高风险区域分布在淮北西部、沿淮和江淮之间中部地区。该风险区划结果基本反映了江苏省雷暴大风灾害的潜在风险。

2024年4月29日长沙出现一次大暴雨并伴有强雷电、雷暴大风、局地小冰雹等强对流天气过程（以下简称“4·29”过程），引发严重城市内涝和大风灾害。利用多普勒双偏振天气雷达、风廓线雷达、激光雨滴谱仪、闪电定位仪、气象观测站等多源观测资料对该过程对流最强阶段的中小尺度特征进行初步分析。结果表明:（1）长沙市区为强降雨、强闪电及雷暴大风密集区。13个站最大分钟降雨量达5 mm，莲花站最大分钟降雨量（5 mm）超过“21·7”河南特大暴雨最大分钟降雨量（4.3 mm）。（2）不同直径（D）对应的雨滴数浓度随时间的变化与雨滴谱分钟降雨量的时间演变基本一致，D>1 mm的雨滴对降雨贡献更大；高浓度的中小雨滴数浓度和一定比例的大雨滴可在一定程度导致局地高效强降雨；不同降雨类型的平均谱均为单峰谱，对流云降水的雨滴最大D和各粒径对应的雨滴数浓度均显著高于层状云降水；对流云降水的粒子较活跃，粒子质量加权平均直径和广义截距参数(D_m-log₁₀Nw)特征偏向“大陆性对流”，二者均与降雨强度的变化成正比。（3）中尺度对流系统（MCSs）中有多个对流单体合并、增强发展，且后侧不断有单体新生补充；长沙市区剧烈对流天气由弓状回波过境所致，分钟降雨量达5 mm的站点有3.1o·km^-1的差分相移率(K_DP)大值区经过；近地面差分反射率因子(Z_DR)值高（达3 dB）、K_DP值强(达3.1°·km^-1)、相关系数（CC）值（0.97～0.99）大，说明降至地面为数浓度高的扁平大雨滴，强降雨拖曳作用加剧了雷暴大风。（4）此次过程负闪强于正闪，闪电密集区与暴雨区对应，闪电峰值较降雨峰值提前10～20 min，双偏振参量Z_DR>2 dB、K_DP>0.5o·km^-1可作为强雷电发布的预警指标，预警可提前6～12 min。

利用京津冀地区1991—2020年(2005—2020年)175 (174)个国家气象站逐日(小时)降水观测资料与2020年该地区城市排水管网资料，基于极端降水指数和城市排水压力指数，对京津冀主汛期(7—8月)极端降水的时空分布特征及其对不同城市排水压力的影响进行了分析。结果表明：(1)京津冀地区主汛期极端降水量纬向分布具有明显差异，东南多，西北少；东南部地区主汛期极端降水占总降水量的50%左右，多数城市极端降水主要发生在7月下旬。(2)京津冀主汛期排水压力较大的区域主要分布在秦皇岛、保定、沧州和承德东南部，其中秦皇岛因其排水管网密度最低而成为排水压力最大的城市；北京、天津、邢台和张家口排水压力相对较小，是因为张家口极端降水量少而其它城市排水管网密度高。(3)发生短时强降水时，排水管网面临较大压力的城市为秦皇岛、保定东北部和石家庄中部等地。(4)该地区不同城市出现最大排水压力的时段有所差异，南部、中部、北部城市最大排水压力分别出现在8月上旬、7月下旬和7月中旬，此期间大部分城市排水压力指数在7月份超过其主汛期平均值，与极端降水出现时段高度重合。

基于2008—2018年京津冀地区雷电定位系统（Advanced Direction and Time of arrival Detecting system,ADTD）闪电定位数据，采用线路走廊网格法研究京津城际铁路沿线地闪频次、密度、雷电流幅值、陡度的时空变化特征，并利用熵权综合评价方法建立雷电危险性模型，揭示铁路沿线的雷电危险性等级。结果表明：（1）京津城际铁路沿线负（正）地闪在8月（6月）发生频次最高，且频次的日变化呈双峰（单峰）结构；（2）负地闪雷电流幅值分布集中，多出现在[10,30)kA区间。正地闪雷电流幅值较为分散，但高强度出现的比例更大。正、负地闪雷电流陡度分布都比较集中，多出现在[3,12) kA·μs^-1区间；（3）京津城际铁路沿线地闪密度大致呈“增加-减少-增加-减少”的空间分布特征，其中最易发生雷电的路段出现在京津冀交界；雷电流幅值空间分布呈“北高南低”型，其中负（正）地闪高值区出现在北京段中北部（北京段-天津段北部）；负（正）地闪雷电流陡度空间分布大致呈“北高南低”（“高-低-高-低”）型，其中高值区出现在北京段中北部（北京段北部和北京段南部-天津段中西部）；（4）京津城际铁路沿线雷电危险性等级表现为从北京段到滨海段逐渐降低，其中高风险路段主要位于北京段中北部。

2022年7月12日和17日宁波发生两次由下击暴流引起的13级和12级雷暴大风天气(以下简称“7.12”和“7.17”过程)，其中“7·17”过程还造成重大人员伤亡。利用常规探空和地面观测数据、多普勒天气雷达资料以及ERA5再分析资料，对这两次下击暴流过程发生的环境条件、雷达回波特征演变等进行对比分析。结果表明：(1)两次过程发生的环境条件有明显差异。“7·12”过程发生在弱天气尺度强迫和弱垂直风切变条件下，海陆风辐合和热力抬升共同触发了强对流风暴的发生和发展；“7·17”过程则发生在前倾槽背景下的“上干冷、下暖湿”的大气环境中，天气尺度强迫和低层垂直风切变比12日更显著。(2)两次过程的大气层结均具有显著的中层干层和较高的0—3 km温度垂直递减率，中层干空气侵入是产生下击暴流的主要原因之一。(3)“7·12”过程中孤立的对流单体产生阵风锋，阵风锋移动过程中触发一系列脉冲风暴，导致系列微下击暴流；“7·17”过程是多单体风暴在合并加强过程中产生了宏下击暴流。两次过程均表现为反射率因子质心快速下降、45 dBz回波顶坍塌现象，其中“7·12”过程回波质心下降速度更快。

基于2004—2023年暖季（5—9月）黄河中游沁河流域10个国家气象站逐小时降水资料，分析了该流域复杂地形下极端小时降水的阈值、强度、年均频次及对降水贡献率等要素的时空变化特征，并和2018—2023年5—9月该流域96个区域气象站降水观测进行比较，以验证低密度国家气象站极端降水观测的代表性。结果表明：（1）国家气象站20 mm·h^-1以上极端小时降水阈值、强度、年均频次及对暖季降水的贡献率均呈现中上游小于下游地区的空间分布，但降水强度、频次和贡献率的变化趋势并不显著。（2）国家气象站极端小时降水月变化呈单峰型，7月极端小时降水强度最大、频次最高、贡献率最大。频次日变化呈双峰型，09时（北京时，下同）和13时发生频次最高，01时发生频次最低，白天与夜间降雨强度相差不大。50 mm·h^-1以上的极端小时强降水出现在6—8月，7月频次最高，05时和07时出现次数最多。（3）区域气象站20 mm·h^-1以上极端小时降水阈值、强度和贡献率的空间分布和日变化与国家气象站一致，只是50 mm·h^-1以上的极端小时强降水峰值出现时段有所差异，因此长时间序列、低空间密度的国家气象站极端降水观测资料具有代表性，可为沁河流域复杂地形下极端小时降水的预报预警、流域气候分析及气候可行性论证等工作提供参考依据。

2018年4月4日，华北发生一次暴雪伴随高架雷暴的天气过程，利用国家和区域气象站、探空、闪电定位观测和ERA5再分析资料，采用天气诊断和绝对地转动量距平调整(ΔM调整)等方法探讨了此次天气过程的天气形势、环境条件和雷暴触发机制。结果表明：(1)此次天气过程发生在冷锋过境后的北侧冷区内，是一次在华北冷季回流形势下伴随暴雪发生的高架雷暴过程。(2)该过程为东路冷空气遇太行山阻挡后形成干冷垫，导致强逆温层的出现，减弱了拖曳作用，从而有利于对流活动的发展。同时，对流层中层的水汽水平输送为高架雷暴提供了必要的水汽和能量支持。(3)湿位涡分析表明，高架雷暴发生在逆温层上方对流稳定但对称不稳定的区域内，有利于倾斜上升气流发展。(4)本次高架雷暴的触发机制与ΔM调整密切相关。地面辐合线、地形等因素引起初始上升运动，尽管中性层结抑制上升运动，但上升气流在ΔM调整下进入对称不稳定区域，释放能量，激发持续的倾斜上升气流，扩展到200 hPa高度，形成初春高架雷暴。

为提高定量降水网格预报的准确性，设计了一种综合不同量级降水预报性能的多模式融合算法，基于全球尺度模式预报系统(ECMWF)、中尺度模式预报系统(CMA-MESO、CMA-SH9)的24 h累积降水预报，首先采用最优TS评分法对模式预报进行订正，然后基于多量级TS评分计算动态权重融合系数，最后利用概率预报对弱降水消空，并对2022年11月—2023年10月黑龙江省的融合预报结果进行检验及个例应用。结果表明：(1)最优TS评分法改善了模式预报小量级降水范围偏大的问题，并减小了定量误差，为后续融合提供更高质量成员。(2)与ECMWF、CMA-MESO、CMA-SH9三种模式预报相比，融合预报晴雨准确率分别提升了12.71%、9.36%、6.4%，暴雨TS评分分别提升了27.14%、45.6%、79.27%。(3)分析两次典型个例发现，融合算法能弥补模式预报强降水落区偏差，有效调整雨区位置和量级，以及改善降水预报空报问题。

基于2022年7―10月宁夏六盘山区泾源县气象局布设的DSG5型降水现象仪（以下简称为DSG5）、D17新型降水现象仪（以下简称为D17）和SL3-1型翻斗式雨量计（以下简称为SL3-1）记录到的26次液态降水过程资料，了解不同型号降水现象仪性能差异，进一步验证业务降水现象仪的测量效果。首先，对DSG5和D17观测稳定性及缺测情况、4种质控方法对DSG5和D17计算降水量的影响进行统计分析；然后，研究D17在计算降水量上较DSG5和SL3-1的差异；最后，对DSG5和D17在计算微物理参量上的差异进行比较。结果表明：（1） DSG5和D17缺测率较低，D17的漏报数低于DSG5，但空报数较DSG5高；经滤除下落末速度-直径经验公式±60%的奇异数据后，可有效降低DSG5和D17空报数。（2）与SL3-1相比，DSG5和D17计算的降水量均偏小，但D17计算的累积降水量与SL3-1累积降水量的相对偏差更小。（3） DSG5和D17计算的粒子数浓度（N）相差超过3倍，但雨强（R）、质量加权平均直径（D_m）、液态水含量（Q）和雷达反射率因子（Z）等微物理参量相差不大。（4）相对于D17,DSG5观测到的大粒径的粒子样本较多，但N较少，故DSG5的D_m平均值更大，R和Z的平均值更小。（5） DSG5和D17观测到的粒子下落末速度较为接近，在粒径小于1.3 mm的情况下，与Atlas等（1973）给出的理论值相差不大，但随着降水粒子直径的增加，与理论值的偏差越来越大。

利用国家气象科学数据中心的中国南方七省(区)(以下简称中国南方) 1961—2020年206个气象观测站点的逐日降水资料，采用百分位法提取20时—08时(北京时，下同；夜间)、08时—20时(白昼)、20时—20时(全天)三个时段的95%分位极端降水，分析了60 a中国南方极端降水量及其频次、极端降水最早开始时间、最晚结束时间的时空变化特征。结果表明：(1)夜间、白昼及全天极端降水阈值的空间分布特征比较相似，夜间极端降水量大于白昼。(2)中国南方极端降水量及其发生频次整体的长期变化均呈显著增加趋势。夜间、白昼极端降水量及其频次呈增加趋势的站点均超过70%；全天的极端降水量及其频次也有近80%的站点呈增加趋势。(3)中国南方极端降水的空间分布不均匀，并有昼夜差异。年平均极端降水量高值区在两广的偏南地区，夜间年平均极端降水量大于白昼年平均极端降水量；年平均极端降水频次大值区分布与极端降水量明显不同，全天和白昼极端降水频次高值区大多位于中国南方的中部和东部，夜间极端降水频次高值区多位于南方的西北部。(4)中国南方一年中极端降水从开始到结束的发生时间段有不断延长的趋势。夜间、白昼极端降水开始时间提前趋势和结束时间延后趋势的站点均超过60%；全天极端降水开始时间提前趋势和结束时间延后趋势的站点均超过67%，总体是开始时间平均每10 a提前2 d、结束时间平均每10 a延后近2 d。南方中部地区极端降水开始时间最早，广东西南部、广西和贵州西部开始时间最晚；极端降水结束时间江西北部最早，浙江东部最晚。

受地形和低层偏东气流共同影响，梵净山东侧强降水频发，给当地人民生命财产安全造成严重威胁。利用2014—2023年贵州省铜仁市国家气象站和区域气象站降水观测数据以及ERA5再分析数据，分析低层偏东气流影响下梵净山东侧暴雨(Rainstorm on the eastern Fanjing Mountain under the influence of easterly airflow,RF)的时空特征。结果表明：(1) RF常出现在925 hPa盛行偏东气流背景下，每年发生15次左右，集中在5—9月，6月和8月发生次数最多，其次是7月，6—8月的RF占所有RF事件的65.3%。(2) RF降水具有显著的区域性特征，地形显著影响降水分布，降水量、频率和强度大值中心出现在海拔高度差最大的梵净山东麓，其次是梵净山东北侧开口朝向东北方向的喇叭口地形狭窄处。大暴雨以上量级的降水频率和强度分布表明梵净山东侧比东北侧更易发生较大范围的极端暴雨。(3) RF降水量、强度和频率均呈现白天低、夜间高的日变化特征，降水强度显著影响降水量日变化，降水量在08时的主峰值受5月和6月降水强度的影响，22时左右的次峰值受8月降水强度的影响，而15时左右的第三峰值受5月和7月降水强度的影响。同时5—9月各月在22时左右均具有降水量大、强度较强的特征。(4) 6月和7月的RF具有极端性，持续时间达6～7 h,8月的RF持续时间为4 h左右。

PM_2.5和O₃是影响我国城市和区域空气质量的主要因子，探究其污染特征并对其浓度进行预测是预防大气复合污染的基础工作。首先，利用2015—2023年长江中游宜昌和武汉两个主要城市国控站PM_2.5和O₃浓度监测数据，分析PM_2.5和O₃复合污染特征；然后，利用机器学习模型可解释工具（Shapely Additive Explanation,SHAP），揭示气温、相对湿度、降水量、日照、风速等气象因子对PM_2.5和O₃浓度的影响及贡献；再构建基于融合门控循环单元（GRU）等9种深度学习方法的PM_2.5和O₃浓度预测模型，并进行效果检验。结果表明：（1） 2015—2023年长江中游宜昌和武汉O₃浓度每年平均依次升高3.89μg·m~(^-13)和2.73μg·m~(^-13)，夏、秋季升高更明显；PM_2.5浓度则呈显著下降趋势，趋势率分别为~(^-13).59μg·m~(^-13)·a^-11和~(^-13).36μg·m~(^-13)·a^-11，冬、春季下降更显著，表明近年来PM_2.5污染治理起到显著成效。（2） PM_2.5和O₃浓度月际间分别呈“U”和“M”型分布，两者呈弱的负相关关系。2015—2023年宜昌和武汉PM_2.5和O₃浓度“双高”天数分别为60 d和39 d，主要集中在2—5月和10—12月之间，且呈年下降趋势（2023年略有升高）。（3）对比分析9种深度学习预测模型表明，门控循环单元（GRU）、双向门控循环单元（BIGRU）、基于注意力机制门控循环单元（AttentionGRU）及基于注意力机制双向门控循环单元(Attention^-1BiGRU)共4种模型在宜昌和武汉PM_2.5和O₃浓度预测中效果较好，其中GRU运行时间最短，可有效提高PM_2.5和O₃浓度预测和服务的及时性。（4）构建的基于融合深度学习回归预测模型与GRU相比，宜昌和武汉O₃浓度预测均方根误差RMSE分别减小5%和8%,PM_2.5浓度预测RMSE分别减小20%和16%。该模型对PM_2.5和O₃复合污染日预测Ts评分宜昌为60.00%，武汉为69.23%，可为长江中游宜昌和武汉两城市受气象条件影响的大气PM_2.5和O₃浓度预测及复合污染防治提供科学依据。