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。

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。

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。

开展铁路沿线地区降雨致灾危险性分析，可为铁路部门精准防洪提供参考。基于朔黄铁路沿线国家级气象观测站1951—2022年日降水量数据，采用皮尔逊Ⅲ型、耿贝尔和对数正态3种分布函数对铁路沿线地区历年最大日降水量重现期进行拟合，利用卡方检验筛选不同地区最优拟合结果，得到朔黄铁路沿线地区不同重现期年最大日降水量分布特征；利用2004—2023年国家级气象观测站和2018—2023年铁路部门气象站小时降水量数据，选取降雨过程的过程降水量、最大小时降水量、最大24 h降水量分别达到出巡、限速、封锁警戒阈值的年均频次和降水量极值等12个因子构建朔黄铁路沿线降雨致灾危险性评价指数；采用AHP-熵权法计算各因子的权重系数，最后得到朔黄铁路沿线降雨致灾危险性等级。结果表明：朔黄铁路小觉站-三汲站、博野站-蠡县站段沿线为降雨高危险路段，神池南站-东冶站段沿线为降雨低危险性路段。朔黄铁路沿线降雨致灾危险性等级分布与沿线地区不同重现期最大日降水量分布基本一致。

利用中国大陆2 400多站日降水(北京时20—20时)资料和常规天气图资料，以1991—2020年30 a平均降水量为气候态，统计2022年4—10月我国主要暴雨天气过程，概述各主要暴雨过程的重要影响系统、出现时段、范围及累积降水量。结果表明：2022年4—10月我国共出现188个暴雨日、30次主要暴雨过程，其中8月9次、6月6次、7月5次、9月4次、4月3次、5月2次、10月1次。30次主要暴雨过程中有5次由热带气旋登陆或影响所致，其中7月1—7日台风“暹芭”暴雨，是影响范围最广、持续时间最长的一次重大暴雨事件，7月2日海南三亚出现的421.6 mm的降水为当年全国最大日降水量。本年度最大过程雨量达688.4 mm，出现在广东韶关(6月17—21日)，该过程系由低涡、切变线以及低空急流共同影响所致。

2022年6月25日傍晚辽宁省出现以雷暴大风为主的强对流天气，全省82个区域自动气象站出现8级以上雷暴大风，其中辽宁省北部的沈阳市马三家站阵风达13级(39.1 m·s-1)，致灾严重。利用2022年6月25日17∶00—22∶00(北京时)辽宁省1 668个区域自动气象站分钟级观测资料及常规探空、双偏振雷达、ERA5再分析等资料，对此次雷暴大风天气成因进行分析研究。结果表明：(1)此次过程发生在东北冷涡背景下，辽宁处于冷涡西南象限，有利于冷涡西侧干冷空气与低层暖湿空气交汇。(2)沈阳探空曲线呈低层暖干、中低层暖湿、中高层干冷的“X”型特征，且具有较强的垂直风切变，利于雷暴大风天气发生。(3)此次过程雷达回波发展演变与经典弓形回波演变模型一致，初期孤立风暴导致局地大风，之后多单体风暴逐渐合并为弓形回波。在负浮力、动量下传和冷池密度流等共同作用下，沈阳城区出现大范围雷暴大风。(4)弓形回波前沿存在浅薄的低空γ中尺度涡旋，低空涡旋旋转在近地面形成扰动低压导致下沉气流加强，涡旋与后侧入流急流共同作用导致雷暴大风出现。

2020年8月5—6日陕西中东部的平原和秦岭山区洛南县两处局地突发大暴雨，造成6人死亡、10人失踪，全球模式和中尺度模式对此次过程的强度和落区均存在预报偏差。为加深对此类天气过程的认识，利用常规地面、高空观测资料、ERA5再分析资料和多普勒天气雷达资料，对此次大暴雨过程的环流背景、环境条件和中尺度对流系统（MCS）演变特征及成因进行分析。结果表明：（1）大暴雨发生于弱天气尺度强迫条件下，暴雨区500 hPa为西太平洋副热带高压控制，中低层无明显天气尺度系统主导，地面上无冷锋；陕西中东部700 hPa未出现强水汽输送带，但边界层存在较强的水汽输送带，暴雨区本地水汽含量非常充沛，大气整层可降水量50～70 mm，大气可降水量偏离气候平均1.5～2σ，同时对流有效位能为3 000～4 800 J·kg^-1,0—6 km深层垂直风切变较弱，环境场条件有利于突发性大暴雨的发生。（2）平原和秦岭山区洛南两处落区的大暴雨物理过程有所不同。平原的雷暴由平原地区地面辐合线、平原南侧骊山分别触发，骊山触发的雷暴向平原地区传播与平原地区雷暴合并增强，形成β中尺度对流系统（M_βCS）。M_βCS沿高空西南风向东北方向移动，给平原地区带来局地大暴雨。强雷暴主要在β中尺度对流系统的东北侧生成和维持，M_βCS强雷暴中维持约1 h的低层γ中尺度气旋性涡旋直接造成了平原地区103.7 mm·h^-1极端短时强降水；冷池驱动、低层垂直风切变相对于雷暴出流边界方向的有利配置是平原地区雷暴加强和维持的原因。（3）秦岭山区洛南附近的雷暴由地形抬升边界层东南风触发，下午至夜间边界层稳定维持的东南风是雷暴触发的.关键因子，雷暴单体后向传播在西南平流作用下形成“列车效应”经过洛南北部，造成大暴雨天气。

与传统外推类临近预报方法相比，深度学习降水临近预报方法能够预报强降水的生消演变。目前应用较多的深度学习方法有PhyDNet、PredRNN-v2、GAN三种，前两种为深度学习框架下不同网络架构的时空卷积神经网络，第三种则是以PhyDNet为生成器、多层卷积为判别器构成的生成对抗网络。本文评估了上述三种方法在2023年江苏汛期(4—8月)的应用效果，并通过典型个例分析了各方法在不同降水类型中的适用性。结果表明：(1)从整体时段的评估结果看，PhyDNet和PredRNN-v2的TS评分表现优于GAN，而GAN对于主要降水雨带的预报偏差(BIAS)有着最优表现，可消除前两种方法中出现的随预报时效趋于平滑的问题。(2)系统性暴雨时段三种方法的评估结论与整体评估时段基本一致，但在局地强降水时段中，GAN的TS评分和BIAS表现均优于PhyDNet和PredRNN-v2。(3)典型个例分析结果表明三种方法均能刻画降水系统的生消演变，在系统性暴雨过程中，PredRNN-v2对降水增强过程的预报能力优于其他两种方法，而在局地强降水过程中，GAN不仅能够克服“模糊”导致的降雨区偏大的问题，还能更好描述降水中心强度及位置。以上结果表明，三种预报方法针对两类强降水预.报预警场景各具优势，PhyDNet整体评分表现最优，PreRNNv2适用于较长时效预报，GAN则适用于局地强降水预报，在实际业务中需根据各自特点择优参考。

为分类检测隐藏较深的降水质量异常数据，定义了非实时降水质量异常事件，基于Madsen-Allerupt方法和百分位数法设计了一种自动气象站小时降水数据非实时质量控制方法，基于该方法对湖北省2 481个区域自动气象站2005—2022年经实时质量控制的小时降水数据做进一步的非实时质量控制，制作了小时降水质控数据集，并初步做了应用评估。结果表明：(1)设计的方法能够有效实现隐藏较深降水质量异常数据的分类检测，降水量持续偏小占比为87.9%，降水时数异常占比为8.7%，降水量持续偏大占比为3.4%。(2)质量异常数据的总量逐年趋于减少，空间分布无明显差异，时间上4—10月质量异常事件总量低于其他月份，冬季占比最高为36.7%，夏季最低为13.1%。(3)湖北省降水数据的质量建站初期整体欠佳，从2008年开始稳步提升，2008—2022年年数据可用率平均为95.6%，年内4—10月的数据平均可用率为97.8%，高于其它月份的92.6%。

基于我国气象台站观测降水数据和欧洲中期天气预报中心(ECMWF)第五代大气再分析资料(ERA5)，从位势涡度(位涡)强迫垂直运动的角度，揭示了江淮梅雨期持续性暴雨和极端强降水事件的动力学机制及差异。基于改进的两种事件定义方法，识别出1979—2020年梅雨区共发生了24次持续性暴雨事件及24次极端强降水事件。事件合成分析表明，持续性暴雨事件最强雨带主要位于长江及其以南地区，而极端强降水事件最强雨带则位于长江及其以北地区。持续性暴雨事件与热带大气低频振荡密切相关，其中南亚高压偏东、西北太平洋副热带高压偏西，因而高空偏南的西风急流附近具有高值位涡的干冷空气向南和向低空入侵，在中低层与西南暖湿气流辐合并形成梅雨锋区。极端强降水事件更大程度地取决于偏北的西风急流南侧的高空辐散及位涡强迫的强冷空气。对于极端强降水事件位涡收支的定量诊断表明，在强降水达到峰值及之前，高层负的位涡倾向主要由负的垂直位涡平流所导致，而中低层正的位涡倾向则主要取决于垂直非绝热加热的位涡制造和垂直位涡平流。结合典型个例的垂直速度分解，进一步证实梅雨区上空水平位涡平流随高度增加的垂直分布激发的上升运动分量在极端强降水事件起着重要作用。

华西秋雨是中国秋季主要的气候现象之一，其影响范围涵盖陕西、四川、重庆、贵州等多省(市)，主要特征表现为多绵绵细雨。利用2011—2020年GPM卫星小时降水资料，统计分析了华西秋雨的强度-频次分布、持续时间、日变化等特征，结果表明：(1)根据强度—频次特征，华西秋雨区可分为四川盆地中东部、云贵高原东部、青藏高原东缘三个典型区域。四川盆地中东部降水频率、降水强度两者均高，云贵高原东部降水频率低、降水强度强，青藏高原东缘降水频率高、降水强度弱。(2)从降水日峰值位相看，青藏高原东缘降水量日峰值出现在夜间22∶00 (北京时，下同)，四川盆地中东部降水量日峰值出现在次日清晨06∶00，两个区域之间自西向东存在降水日峰值位相的滞后；在云贵高原东部，降水量日峰值自西向东从傍晚18:00滞后至次日午后16∶00；形成了北部、南部两种日峰值位相空间演变型。(3)从不同持续时间降水事件的日变化特征看，随降水持续时间延长，青藏高原东缘降水日峰值出现时间逐渐延迟。四川盆地中东部和云贵高原东部降水均存在午后短时和清晨长持续性两种类型，其中四川盆地中东部的清晨长持续性降水对该地区总降水的贡献较云贵高原东部偏大。

降雨等地质灾害诱(触)发耦合因素是地质灾害发生的充分条件。利用2016—2022年武汉市地质灾害数据、降雨实况网格数据以及地质环境基础等资料，采用聚类分析、多元回归等方法，对武汉市地质灾害分布特点及其与强降雨的关系进行研究，并使用多源数据融合、机器学习等方法对地质灾害易发性进行动态评估。结果表明：武汉市约76.49%的地质灾害由降雨诱发，武汉地质灾害强降雨影响期为13 d，在影响期内发生地质灾害的可能性高达87.69%。基于有效降雨量的武汉市地质灾害气象风险预测模型，通过引入最新的地质灾害发生情况、地质环境和雨量信息等数据，可实现地质灾害易发性分区的动态评估，24 h平均准确率可达79.51%，在2022年地质灾害预测应用中识别率达90%，具有较好的地质灾害预测能力。

2024年1月31日—2月5日、2月18—25日我国先后出现两次大范围雨雪冰冻天气过程(分别简称“0131”过程和“0218”过程)，两次过程具有相态复杂、雨雪量大、影响范围广、持续时间长等特点。利用全国2 430个国家气象站观测数据以及交通流量和公路阻断信息，对比分析了两次雨雪冰冻天气过程对公路通行的影响；同时，选取降雪量、冻雨、积雪深度、地面温度、地面结冰作为影响公路通行的气象指标，构建冰雪天气指数，探讨冰雪天气强度与公路通行影响的关系。结果表明：两次过程发生于春节前后人口流动高峰期，“0218”过程影响范围更广，造成交通流量的降低幅度总体高于“0131”过程；两次过程中陕西、山西、河南、湖北、湖南以及贵州6省公路通行受积雪或结冰影响严重，路段封闭段次多，但影响程度存在地区差异，其中山西、河南、湖北、湖南“0131”过程影响更重，陕西、贵州“0218”过程影响更重；两次过程中冰雪天气指数强度与公路阻断影响度的变化趋势一致，与交通流量变化率呈反比，反映出冰雪天气指数对于冰雪天气下的公路交通影响研判具有良好指示意义。

三峡地基遥感垂直观测系统是中国气象局“补短板工程”的先行试点，用于监测三峡库区大气垂直廓线的精细结构及演变，其中大气温湿廓线通过微波辐射计反演得到，评估大气温湿廓线的反演偏差并提高其精度对发挥好垂直观测系统在三峡库区的精密监测作用具有重要意义。利用2022年11月—2023年6月三峡微波辐射计和同址探空、自动气象站、毫米波测云仪等探测资料，评估了三种天气条件下(晴天、云天、雨天)微波辐射计83个探测高度层温湿度的反演偏差，提出对83个高度层重新分组与探空建立线性回归的微波辐射计温湿度订正方法；评估了订正前后的精度变化并以一次雨雪天气过程的探测结果讨论了订正方法的适用性。结果表明：(1)三种天气条件下微波辐射计和探空温度一致性均较好，多数高度层平均偏差在2℃以内。(2)晴天所有高度层微波辐射计探测湿度均高于探空探测；云天和雨天6 km以上高度层探测湿度均方根误差达30%。(3)高度层重新分组后建立的订正关系能明显提升微波辐射计探测的温湿廓线精度。(4)以一次雨雪天气过程探测为例，订正后的微波辐射计探测的温湿廓线与实况更接近。

数值模式降水预报时间降尺度的目的是将较低时间分辨率的模式降水预报通过统计方法降尺度到较高的时间分辨率上，以近似代替较高时间分辨率的模式降水预报。将现有的基于三次样条插值逐点拆分、位置订正、光流动态重构、频率匹配、逐点总量约束的网格降水预报时间降尺度方法(以下简称为“现有方法”)应用于未经订正的数值模式降水预报时，其中的订正步骤受制于数值模式预报的总降水量的约束，所生成的降水预报时间降尺度产品在强度上存在明显的不合理波动。因此，改进设计了一种适用于数值模式降水预报的时间降尺度方法(以下简称为“改进方法”)，包含分段三次Hermite插值逐点拆分、金字塔LK光流动态重构、均衡的逐点总量约束三个步骤，不依赖于降水实况订正，且保留了原始模式的系统偏差。利用2020年4—10月中国气象局华东区域中心模式逐1 h降水预报场和其累加生成的逐3 h降水预报场，分别将其作为数值模式降水预报时间降尺度方法的验证场和输入场，评估对比了单纯的逐点拆分、“现有方法”和“改进方法”的时间降尺度效果，并使用匀速运动的圆形雨带理想模型和真实个例分析分别加以验证。结果表明：(1)“改进方法”所生成的逐1 h降水预报在强度分布上更加均衡合理，短时强降水的平均TS评分和BIAS偏差的波动幅度仅为“现有方法”的27%和9%。(2)使用“改进方法”所生成的逐1 h降水预报与真实的数值模式生成的逐1 h降水预报场更为相似，平均TS评分和BIAS偏差幅度分别提升13%和下降31%以上，且在理想模型中均方根误差相比于“现有方法”总体下降10%。改进的数值模式降水预报时间降尺度方法同时满足运动合理、强度波动合理和降水总量约束的基本要求，可通用于任意网格降水预报的时间降尺度。

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。

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。

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。

利用1979—2021年美国国家环境预测中心气候预测系统再分析资料和浙江省历史降水资料，采用大气涡旋客观识别和追踪算法，统计分析了近43a影响浙江和引发区域性暴雨的大气涡旋气候特征。结果表明：(1)影响浙江的大气涡旋主要位于安徽中东部、江西东北部和江苏中南部；活跃于4—6月，以6月频数最多；夜间至清晨的大气涡旋易影响浙江，且更易引发区域性暴雨，但生命史较短。(2)引发浙江区域性暴雨的大气涡旋统计特征与影响浙江的大气涡旋类似，大气涡旋在夏季(6—8月)最易引发区域性暴雨。(3)大气涡旋引发浙江区域性暴雨天气时，浙江多位于高空浅槽前部、低层高能量区，受大气涡旋东侧暖式切变线影响，源自南海的西南气流向浙江输送水汽。(4)梅雨期的6月大气涡旋强度强、浙江省内温度经向梯度、西南风速大，大气涡旋引发的区域性暴雨降水主要位于浙江西部，以暴雨为主；西太平洋副热带高压峰期的8月，大气涡旋引发的区域性暴雨降水主要在浙江东南沿海，以分散性大暴雨为主。

风暴路径指中纬度气旋的高发区，其通过影响热量、水汽和角动量的输送进而影响全球气候系统。首先回顾和评述了风暴路径的天气动力学特征及其影响因子和气候变化、风暴路径降水特点等研究结果，表明位于北半球中纬度太平洋和大西洋上空的两大风暴路径区是大气斜压性、海陆分布及大地形效应、大气非绝热加热等因素共同作用的产物，同时也受到北大西洋涛动、北极涛动、太平洋海温异常及南方涛动等大尺度扰动的影响。然后通过分析风暴路径气旋中心区降水结构特点和风暴路径降水空间分布特征，揭示了风暴路径大气扰动中心区与降水中心区错位现象，这一新发现对深入理解中高纬度地区大气扰动与降水之间关系、进一步评估风暴路径降水及其潜热对气候变化的影响均具有重要意义。最后对未来风暴路径云和降水研究进行了展望。

2021年7月18日内蒙古东北部出现了一次罕见的极端暴雨（以下简称“21.7”极端暴雨）过程，最大日降雨量达279.7 mm，刷新呼伦贝尔市有气象记录以来的极值，造成严重灾害。基于自动气象站观测资料、多普勒天气雷达资料、FY-4A卫星资料和欧洲中期天气预报中心ERA5再分析资料，对该暴雨过程的特征及极端性成因进行诊断分析，并与“19.8”极端暴雨过程进行对比分析。结果表明：（1）“21.7”极端暴雨发生在低槽东移、副热带高压呈块状北伸与中西伯利亚高原高压脊异常偏强形成东阻形势、西太平洋洋面台风“烟花”（2106号）活动的背景下，具有影响范围广、降雨时段集中、强度极端、致灾性强的特点。（2）低空西南急流北上，一是形成较强的差动假相当位温平流，使得层结向对流不稳定发展，二是与近地层东风形成强垂直风切变，促进对流云团组织化，在低层切变线以南、地面中尺度辐合线以北不断触发M_βCS云团并沿引导气流生消发展，触发局地极端降雨。（3）短时强降水出现在中尺度对流云团冷云区云顶亮温（TBB）≤218 K移出方位梯度大值区边缘，雷达特征显示的强单体位于卫星云图上对流云团上风方向，可作为应用卫星、雷达产品监测和预报极端降雨的着眼点。（4）与“19.8”极端暴雨过程对比分析发现，两次暴雨的水汽、能量和天气系统持续时间的不同造成了极端程度差异，“21.7”极端暴雨表现在有两条水汽输送带经渤海加强北上在内蒙古东北部汇集，且下游有经向度大的东阻形势使得天气系统移动缓慢。

为揭示豫南暖区暴雨的天气学特征，利用常规高空、地面观测和欧洲中心大气再分析(ERA5)等资料，对2011—2020年豫南汛期5—9月暖区暴雨的天气形势进行中尺度分析和归纳，并利用百分位法提炼出不同环流型暖区暴雨的环境参量阈值。结果表明：(1)暖区暴雨是豫南汛期重要的降水过程，2011—2020年汛期5—9月共识别出36个暖区暴雨日，约占豫南暴雨日总数的53%;(2)豫南暖区暴雨归纳为暖切变型、切变-副高相互作用型、强西南急流型和冷锋型四类天气环流型，其中以切变-副高相互作用型为主，冷锋型最少，各类型暴雨站点频次分布与主要影响系统位置密切相关；(3)当大气环境条件满足整层大气水汽含量充沛、中等及以上强度的深层垂直风切变、适当强度的大气不稳定能量和低空偏南急流时，有利于暖区暴雨发生，其中850 hPa比湿、500 hPa温度露点差、K指数和低层最大偏南风速对豫南四类暖区暴雨预报具有一定指示意义。

2022年8月17—18日青海省东北部出现一次短时强降水事件，造成多个市(县)出现重大人员伤亡和财产损失。本文利用青海省东北部513个国家和区域气象观测站的逐时观测资料、地基全球导航卫星系统(GNSS)反演的水汽资料以及ERA5再分析资料，分析此次短时强降水过程的大气可降水量(PWV)、水汽输送及收支特征。结果表明：(1) PWV的演变对强降水发生和结束有较好的指示意义，强降水发生前1～2 h,PWV出现急升，直至达到峰值；而强降水过程结束前1～2 h,PWV出现突降。(2)强降水发生前，青海省东北部整层水汽辐合量急剧增大，同时500 hPa垂直上升速度增强，为强降水形成提供了很好的水汽和动力条件。(3)高空西风水汽输送是此次强降水过程的主要水汽输送通道，且北部发生强降水前期，水汽条件的改善主要依赖于低层东风和南风水汽输送，而南部发生强降水的水汽输送除上述外，还依赖于低层北风水汽输送。

城市内湖对城市生态和人居环境作用显著，为研究武汉市内湖泊的局地气候效应，基于武汉市后官湖周边国家站2013—2022年观测资料和NCEP/FNL再分析资料，利用WRF数值模式开展冬、夏季典型月(2013年1月、7月)后官湖水体对湖区及周边地区地面要素的敏感实验并分析了可能影响机制。结果表明：(1)冬季典型月后官湖增温作用显著，夏季典型月则呈现弱增温作用。白天后官湖表现为冷湖效应，夜间表现为暖湖效应，日高温的降低和日低温的升高导致昼夜温差减小。(2)后官湖对湖区的平均风速和平均日极大风速均有增大作用，冬季典型月后官湖对湖区与下风向区域平均风速和平均日极大风速的增大量和增大区域明显大于夏季典型月。(3)后官湖在冬、夏两季典型月均有一定的“湿岛效应”，相对湿度随湖泊边界距离的增加而下降。而后官湖对湖区及周边地区降水量的影响很小。(4)湖泊与陆地的气温差异导致湖区风向发生昼夜转变。后官湖东南部湖体更大，对温度、风速、相对湿度影响的强度和范围更大。冬季典型月后官湖受偏北气流作用，对湖体南岸的气温、相对湿度的影响更显著，夏季典型月该特征反之。

分析防辐射罩区域自动气象站气温值偏差变化特征，有助于自动站气温资料质量的订正，进而提高自动站气温资料的可用性。因此，基于2019年6月—2022年5月湖北省防辐射罩区域自动气象站及与其邻近的百叶箱站观测的逐小时气温资料，首先分析两类站点间小时气温偏差（T_bs）的季节变化和日变化特征，并探讨降水、相对湿度、日照、风速等气象要素对T_bs的影响；然后，基于多元线性回归和随机森林方法，分别建立两种防辐射罩站观测气温订正模型，评估两种模型对防辐射罩站气温观测偏差的订正效果。结果表明：（1）总体上，白天时段防辐射罩站小时观测气温较其邻近百叶箱站加权平均小时观测气温要高，防辐射罩站年均高温日数较其邻近百叶箱站偏高20.0 d;（2） T_bs存在明显季节变化和日变化特征，总体呈现夏季高、冬季低且日间高、夜间和清晨低的特点，平均T_bs在晴天13:00 （北京时，下同）最高，可达到1.0℃以上；（3） T_bs会随站点气象条件的变化而变化，在无降水现象时较大，而有降水时接近0℃；T_bs与相对湿度负相关，而与日照时数正相关，与风速则是先呈现正相关，随着风速增大至临界值以后呈现负相关；（4）多元线性回归和随机森林模型对防辐射罩站气温观测偏差均有较好的订正效果，使平均T_bs由0.72℃分别降至0.17℃和0.16℃。随机森林模型的订正效果总体优于多元线性回归模型，且对超过35℃的高温订正效果更佳，订正后防辐射罩站总高温日数下降比例超过55%。

利用2018—2022年汛期（4—9月）浙江省国家和区域自动气象站分钟和小时雨量数据，结合功率谱分析方法，研究了浙江省近5 a前汛期（4—5月）、梅汛期（6—7月）和盛夏期（8—9月）短时强降水时空特征，对比分析了基于分钟和小时雨量数据统计的短时强降水时空特征差异，探究了短时强降水高发区降水特征。结果表明：（1）浙江省东部沿海和西南山区为短时强降水高发区，东部沿海地区短时强降水强度较其它地区偏强。东部沿海地区短时强降水集中发生于梅汛期和盛夏期的午后至傍晚，西南山区短时强降水集中发生于梅汛期的早晨至午后。（2）与分钟雨量相比，基于小时雨量数据统计的短时强降水时空特征与分钟雨量数据相似，但统计所得的短时强降水小时数偏少且强度偏小，小时数偏少约30%，强度偏小约20%。（3）在东部沿海地区，从前汛期至盛夏期，短时强降水过程频次、累计雨量、持续时间和降水效率随月份增加而增大。在西南山区，短时强降水过程频次、累计雨量和持续时间在梅汛期最大，而降水效率在梅汛期最小，在盛夏期最大。（4）不同高发区短时强降水过程分钟降水时间尺度接近，以35～55 min为主。过程初期雨强增大快，10～15 min达到峰值，20 min起雨强逐渐减小。2 mm·（5 min）^-1和5 mm·（10 min）^-1可作为浙江省短时强降水事件的预警参考指标，5 mm·（5 min）^-1是发生极端短时强降水事件的初期预警参考指标。

2024年2月湖北省连续发生两次雨雪冰冻天气，其中冻雨造成的灾害尤其严重，为深入分析这两次雨雪冰冻天气的成因，利用湖北省82个国家气象站1961年以来逐日观测、再分析及海温和环流指数资料，基于改进的持续低温雨雪冰冻强度综合指数，将这两次过程与2008年最强雨雪冰冻天气特征进行比较，并分析了这两次过程的环流异常特征及海温的影响，结果表明：(1) 2024年2月两次过程雨雪相态更复杂、冻雨范围和极端性均强于2008年，但持续时间和积雪深度不及2008年；(2) 500 hPa位势高度距平场为有利于降水的典型“西低东高”分布，西太平洋副热带高压(简称西太副高)异常增强，配合东路冷空气，形成持续低温雨雪冰冻天气过程；第一次过程具有更深厚的暖层条件和更强的西南水汽，以降冻雨为主；第二次过程冷空气相对更强，但西南水汽减弱，以冰粒和霰为主，期间夹杂冻雨，雨雪相态更为复杂；(3) 2024年2月两次过程发生于一次中等偏强厄尔尼诺事件达到峰值并开始衰减的海温背景下，印度洋异常增暖且呈“西暖东冷”分布，导致后冬西太副高异常增强、南方水汽充足；(4)我国黄海至日本海附近异常暖海温在日本海上空强迫出异常反气旋环流，阻挡西风带气流东移，冷空气南下与增强的西太副高输送的南方水汽交汇，形成持续雨雪冰冻天气。

利用南昌市2016—2022年内涝灾情资料及110个国家和区域气象观测站小时降雨数据，首先分析了南昌市内涝灾害的时空分布特征，确定了不同积水深度降雨指标强度临界值，结合承灾体条件，建立内涝风险预估等级；然后进一步基于随机森林算法，构建积水深度预估模型，开展城市内涝风险预评估；最后应用典型个例对风险等级预报的准确性进行检验。结果表明：(1)内涝灾害月变化呈现单峰型分布特征，峰值出现在6月；日变化呈现双峰型分布特征，峰值分别出现在09时和16时，灾害点多集中在城区核心区域。(2)短时强降雨或暴雨是导致南昌市50 cm以上积水深度的主要降雨类型，当1 h降雨量>40 mm、3 h累计降雨量>78 mm、6 h累计降雨量>98 mm、12 h累计降雨量>123 mm或24 h累计降雨量>135 mm时，极易引发50 cm以上的积水深度。(3)积水深度预估模型训练集和测试集平均精确率分别为96%和79%。依据积水深度预估区间[10, 25) cm、[25, 50) cm、≥50 cm，结合人口和GDP条件，将内涝气象风险划分为低、中、高3级。(4)南昌市两次暴雨过程内涝灾害点风险.等级预估准确率分别为67%和56%，提前1～3 h预估的27个内涝点均在预估风险区域内。

相对中国其他海域，三面环陆的黄渤海区域海洋与中纬度大气间的相互作用有其独特性，在该区域开展海气耦合模式对气象要素的影响研究十分必要。本文基于大气和海洋的全球预报和再分析资料，利用高分辨率区域海气耦合模式（简称耦合模式）和非耦合模式，开展数值模拟试验。并根据国家地面常规气象观测站和埕北石油A平台实况观测资料，对比分析了2020年6月两种模式对近地层大气温湿要素预报结果，并结合海温、海气热通量变化和风场调整情况，分析了海气双向耦合过程对近地层温湿要素预报影响的原因。结果表明：耦合模式对近地层的湿度要素预报改进较大，以增湿效应为主；海气双向耦合对温湿要素的影响范围可扩展至黄渤海周边省市全域，可提升耦合模式对黄渤海周边区域近地层湿度和白天温度的预报效果；湿度对海气双向耦合的响应速度明显快于温度，说明耦合模式先改进了近地层湿度预报效果；耦合模式海表向上的潜热通量增加是近地层温湿要素预报改进的主要原因。

台风致灾因子具有多重性，相对于其他灾种其风险评估更加复杂。采用安徽省81个国家气象站及1 035个区域气象站台风过程逐日降水量、最大风速资料，构建台风风雨综合指数；利用台风风雨综合指数及孕灾环境影响系数，开展台风致灾危险性评估；基于自然灾害风险系统理论，综合致灾危险性、承灾体暴露度和脆弱性信息，评估安徽省台风灾害房屋风险。结果表明：影响安徽省台风年均个数为1.9个，持续天数以2～4 d居多；台风降水南部多于北部、山区多于平原。台风致灾高危险区位于皖南山区和大别山区，较高危险区位于江淮之间东部，低危险区位于沿淮淮北大部及江淮之间西北部。台风灾害房屋高及较高风险区主要分布在大别山区、江淮之间东部及皖南山区，这些区域海拔总体较高，台风过境易引发山洪地质灾害，加之房屋脆弱性较高，房屋倒塌及损毁风险高；中等风险区位于沿淮至江淮之间、江南部分地区，呈零星分布；较低和低风险区位于淮河以北中西部、沿江部分地区及城市主城区。利用全省各县区台风造成的房屋倒损数据，从空间一致性及散点相关对区划结果进行验证得到，区划结果与灾损具有高度的空间一致性，二者散点相关通过0.01的显著性水平检验，安徽省台风灾害房屋风险区划结果与实际情况基本吻合。

干旱区水汽变化影响区域水资源系统的结构和演变，基于2020年1月—2022年12月中昆仑山北坡地区4个地基GPS遥感大气可降水量资料(GPS-PWV)、2个探空站观测资料和108个地面气象观测站逐时水汽压资料，利用一元线性拟合方法建立了适用于中昆仑山北坡地区的大气水汽含量(W-PWV)和地面水汽压计算模型(W-e)并对计算结果进行评估，分析了中昆仑山北坡地区东段、中段、西段W-PWV的时空分布特征及降水开始时刻与W-PWV峰值的关系。结果表明：(1) W-PWV年平均高值区位于研究区西段，中段次之，东段沙漠南缘W-PWV最低。海拔高度大于1 500 m测站W-PWV随高度升高逐渐减少。夏季地面气象观测站平均W-PWV是春、秋季的2倍左右；(2)研究区W-PWV月变化具有单峰型特征，其中海拔高度1 300～1 500 m测站的W-PWV在7月和8月达到峰值，其余测站的W-PWV在8月达到峰值，海拔低于2 000 m和高于2 000 m测站W-PWV分别在夜间和白天维持较高值；(3)水汽含量模型计算的测站W-PWV与降水开始时刻有较好的对应关系，降水前各站W-PWV均存在不同程度跃变过程，降水过程前1～2 h内W-PWV峰值达到测站W-PWV月平均值的1.5倍以上。

利用GPM卫星降水、FY-4A卫星云图和ERA5再分析资料，对2018年7月10—11日发生在四川盆地东北部山地的一次夜间暴雨过程中的重力波作用进行初步探究。结果表明：(1)云水含量的振荡形式及位温场的波状变化在一定程度上反映了波动对中尺度天气系统的影响。(2)风垂直切变指数、热力螺旋度与水汽螺旋度变化的波动趋势存在于波动发生发展期间，一定程度上呈现出重力波特征。(3)风垂直切变指数大值区、热力螺旋度和水汽螺旋度极值中心皆与降水量大值区有良好对应关系。(4)地形扰动、切变不稳定、非地转平衡协同作用下可能形成重力波，并对此次暴雨产生增强作用。理查逊数小值区、非线性平衡方程的非零值区分别对雨带位置、移动方向具有指示作用。理查逊数的诊断表明，垂直切变不稳定在中尺度波动被激发之前形成；而垂直切变不稳定随波动增强而减弱，表明波动部分能量来自不稳定气流。

2023年5月22日凌晨至上午，桂林市区北部发生极端强降雨，1 h和3 h雨量均突破当地历史记录，导致严重城市内涝。利用常规观测、地面加密自动站、多普勒天气雷达以及ERA5再分析等资料对此次强降雨过程进行分析。结果表明：(1)过程发生在副热带高压边缘，受低层切变线和地面冷锋南下影响，持续增强的西南急流为极端强降雨提供充足的水汽和能量；(2)强降雨回波由线状对流演变，线状对流与地面冷空气适时相遇，移向和形态发生改变，同时其西侧不断发展的新生单体加入形成“列车效应”，导致极端降雨产生，且降雨回波呈现低质心高效率的特征；(3)弱冷空气适时入侵，增强对流降雨并加强冷池出流，在其前沿的暖湿区域中触发新生对流，有利于强降雨的发展和持续；(4)对流单体在东移过程中通过云桥合并和云体扩大发展两种方式合并形成新的云团，并迅速发展，使降雨增强，对流单体之间的相互作用和合并是强降雨持续和加强的主要机制；(5)国内多家业务模式均低估此次过程雨强，预报降雨中心存在偏差，主要原因是模式预报地面冷空气影响时间出现偏差。

大气不稳定是强对流天气发生的必要条件之一，具有复杂性。首先简要回顾了气块假设，给出了该假设的应用局限性，比如气块在对流风暴中的强上升运动必然会导致环境大气气压和涡度的变化等；然后梳理了大气的静力不稳定、对称不稳定以及其他多种类型不稳定的概念，重点总结了条件不稳定、湿绝对不稳定和条件对称不稳定的判据及其与对流风暴发生发展的关系，同时澄清了一些错误认识。判别条件不稳定最有效的方法是对气块作有限虚拟位移、使用对流有效位能(CAPE)来判别。CAPE和对流抑制能量的计算对抬升气块的温湿状况较为敏感，并需要进行虚温订正；最优CAPE值较地表CAPE具有更好的代表性。在强垂直风切变、低CAPE环境中，由于旋转导致的动力扰动气压梯度的加速作用对强对流风暴的发展至关重要；对流不稳定不一定对应于条件不稳定。条件对称不稳定的方便判别方法是使用饱和湿地转位势涡度，文中进一步总结了该不稳定所致的中尺度雨带特征。

2023年3月22—23日南岭地区郴州发生了一次高架雷暴冰雹过程，降雹范围广、冰雹直径达20 mm，在高架对流中鲜见。为增强对此类冰雹过程的预报预警能力，利用常规气象观测数据、SA波段双偏振雷达产品，对此次过程的天气形势、双偏振雷达回波特征进行分析，结果表明：（1）此次过程发生在地面锋线北侧冷区内，属于典型的高架雷暴，降雹落区位于地面锋面北侧140 km处，20 mm直径大冰雹由超级单体风暴造成。（2）导致郴州南部出现大冰雹的风暴可分为初生、发展跃增、降雹、减弱消亡阶段。风暴发展跃增阶段的强回波中心迅速增高且垂直累积液态水含量（VIL）跃增，差分反射率因子(Z_DR)柱伸至0℃层以上4～5 km，上升气流强劲，有利于冰雹发展；降雹阶段强回波中心迅速降低，弱回波区（WER）消失，Z_DR柱高度明显下降，下降融化的冰雹表现为Z_DR和差分传播相移率（KDP）向着地面方向逐渐增大，KDP足位置与降雹落区对应较好。（3）大冰雹的三体散射（TBSS）特征表现为根部Z_DR值较大，随着径向距离增加，Z_DR值迅速减小，相关系数（CC）明显偏低；大冰雹的旁瓣回波特征表现为低Z_DR、低CC，以上双偏振特征为大冰雹预警的关键关注点。

全球-区域一体化预测系统(Global-Regional Integrated forecast SysTem,GRIST)的变网格公里尺度非静力模式(以下简称GRIST模式)兼具全球和区域模式的特点，可在无需侧边界条件下进行中期时间尺度预报，有望在局部区域达到与高分辨率的区域模式预报接近的效果。为了检验该模式对极端天气事件的模拟能力，以2023年7月29日—8月2日华北地区特大暴雨过程(以下简称“23·7”极端降水)为例，通过回报试验对GRIST变网格模式对“23·7”极端降水的模拟能力进行了评估；同时利用CMPA降水资料和ERA5再分析资料，采用空间相关系数、TS和BIAS评分等客观分析指标，将国内外GRIST变网格模式对极端降水的模拟效果与目前国内外5种主要业务模式即ECMWF、CMA-GFS全球模式和CMA-MESO、CMA-SH、CMA-BJ区域模式的预报效果进行了比较。结果表明：(1) GRIST及5种业务模式均能模拟或预报出“23·7”极端降水过程的发生。GRIST对该过程中降水最强时段(7月30日08:00—8月1日08:00，北京时，下同)的模拟效果最佳，与观测降水的空间相关系数最高可达0.85，各量级降水的TS评分均达区域模式的预报水平。(2) GRIST模式能准确模拟“23·7”极端降水过程的大尺度环流特征，包括西太平洋副热带高压的位置和范围、北向的水汽输送等，对于表征局地环流演变特征的风暴相对螺旋度的分布和强度也有较好的模拟效果。(3) GRIST模式对不同尺度环流形势的准确模拟，有助于其对降水落区和降水演变特征的精准刻画。

研究长江流域PM_2.5浓度变化特征和主要影响因素，可为优化流域大气环境协同治理政策提供参考。利用2016—2021年长江流域110个地市级以上城市国控站点PM_2.5浓度数据，应用Theil-Sen趋势分析和Mann-Kendall统计检验方法，分析了PM_2.5浓度时空变化特征，并基于环境气象评估指数（EMI），定量分析了“十三五”期间（2016—2020，下同）和“十四五”开局之年（2021）气象条件和减排措施对PM_2.5浓度变化的相对贡献，结果表明：（1） 2016—2021年长江流域PM_2.5浓度分布空间差异大，高值区位于岷沱江南部、汉江流域东部至洞庭湖流域东部，低值区位于金沙江流域上中游。（2）“十三五”期间长江流域主要城市PM_2.5浓度逐年下降，年变率达-3.62μg·m-3·a-1。2021年长江流域约四成区域PM_2.5浓度增大，主要分布在长江流域上游和洞庭湖流域。（3）长江流域上游城市PM_2.5变化受气象条件影响较大，中游和下游城市受排放影响较大。（4）“十三五”期间气象条件变化和减排措施对PM_2.5浓度上升的贡献率分别为-16.54%和-14.00%，气象条件变化和减排措施均有利于PM_2.5浓度下降。与上一年相比，“十四五”开局之年减排措施总体有利于PM_2.5浓度下降（贡献率为-5.84%），但不利气象条件（贡献率为4.49%）抵消了部分减排效果，使得PM_2.5浓度降幅较小。

2024年1月31日—2月6日和2月19—25日，我国先后出现两次大范围持续性低温雨雪冰冻天气过程(分别简称过程1和过程2)，对春运造成严重影响。利用多源观测和ERA5再分析资料对两次过程进行对比，重点分析了南方地区雨雪天气强度及冻雨和降水相态差异的原因。结果表明：(1)两次过程的累计降水量均有一定极端性，并伴有复杂的降水相态变化，冻雨强度和范围为2009年以来最大；过程1冻雨强度和积雪深度大于过程2，过程2冻雨范围、降水和对流强度大于过程1。(2)两次过程均发生在高空槽与低层冷空气共同作用的环流背景下，南支槽前和西太平洋副热带高压外围的西南急流稳定维持且较常年显著偏强，为两次极端雨雪冰冻天气过程提供了持续而充沛的水汽条件；暖湿气流在冷垫上的爬升以及低层风场的水平辐合是产生雨雪天气的重要动力机制，逆温层和融化层的稳定维持是出现冻雨及降水相态反复变化的关键原因。(3)两次过程不同点主要在于，过程1冻结层内温度多在-4～0℃，高于过程2，相对而言更有利于形成冻雨；逆温区狭长且少动，冻雨影响范围集中，强度大；过程2副热带高压更偏西偏北，有利于西南暖湿急流加强和北推，同时强寒潮导致冷垫较强，冷暖交汇有利于上升运动发展和降水增强；过程2融化层维持时间更长，云水含量较高，但冻结层内温度低，更有利于出现冰粒或湿雪。

2024年2月初贵州东部及长江中下游出现低温雨雪冰冻天气，恰逢春运高峰，给春运、能源保供及人民生活造成严重影响。为揭示此次低温雨雪冰冻天气的异常特征，利用国家气象信息中心实况观测资料、美国国家环境预报中心和国家大气研究中心(NCEP/NCAR)再分析资料以及怀化双偏振雷达资料对此次天气的基本特征和成因进行了分析。结果表明：(1) 2024年春节前贵州东部、湖南中北部、湖北东部南部及安徽西部北部出现4～6 d严重冰冻灾害，冰冻灾害主要由两轮低温雨雪天气造成，首轮低温雨雪出现在2月1—4日，降水相态具有多样性，尤其是3日雨雪最为明显，以强降雪及强冻雨为主，导致积雪和积冰快速增长。第二轮低温雨雪出现在5—6日，贵州东部、湖南中北部以冻雨为主，湖北等长江沿线以雨夹雪和降雪为主，积冰得以维持或继续增长。(2)亚洲中高纬度位势高度距平呈西低东高分布，且南支槽活跃，为低温雨雪冰冻天气提供了重要天气背景。南支槽前强盛的西南急流沿锋面爬升形成倾斜上升气流，增强了锋后的降水强度，造成第一轮强低温雨雪天气；而后南支槽减弱，但南支锋区仍维持，中低层急流和地面静止锋均维持，造成了第二轮持续低温雨雪天气。(3)受华南静止锋和云贵静止锋形成及维持的影响，锋后逆温范围宽广，且长江以南地区暖层显著，造成长江南北不同相态的降水。同时长江南北的温湿场在垂直方向上有较大差异，长江以北地区以强降雪为主时，温湿场上表现为深厚的冷湿特征，具有典型的冰相结构；长江以南地区以强冻雨为主时，温湿场上具有“强暖湿-冷湿”特征。(4) 2月3—4日长江南北地区均出现快速跃增的雨水、冰水和雪的混合比，形成了强湿雪和强冻雨；长江以南地区低层过冷水3日夜间以小雨滴和大雨滴方式共存、5日夜间则是由小雨滴构成。

在北疆典型双阻型暖区暴雪天气环流形势稳定影响下，2024年1月6—12日新疆北部阿勒泰出现一次极端强降雪过程，多站突破历史同期极值，导致阿勒泰山区多处出现雪崩，本文基于国家站和区域气象观测站逐小时实况观测资料、ERA5再分析资料、区域模式(CMA-MESO、CMA-TYM)和全球模式(CMA-GFS、ECMWF)预报资料，对此次过程的降雪特征、环流形势、极端性成因及模式预报性能进行分析，结果表明：(1)强降雪过程呈持续时间长、累积降水量大、小时降水量多等极端性特征，根据环流形势演变和降雪特征，降雪过程可分为三个阶段。累积降水量分布呈平原地区向山区递增的特征，强降雪主要集中在第二、三阶段，以上两个阶段阿勒泰北部沿山地区和山区新增积雪大、小时积雪多、雪水比大，满足雪崩形成的关键气象条件。(2)此次过程500 hPa强盛极锋锋区不断分裂短波系统先后东移影响阿勒泰，850—700 hPa长时间维持暖式切变线，并伴随强暖锋锋生，强降雪发生在300 hPa极锋急流出口辐散区、850 hPa切变线以北至700 hPa切变线附近区域。(3)第二、三阶段阿勒泰北部尤其是北部山区水汽条件异常偏强，叠加地形增幅作用，低层动力抬升作用异常强盛，并长时间维持，是造成极端强降雪的重要原因。(4)区域模式对强降雪预报好于全球模式，但对极端性预报能力仍有限。ECMWF极端预报指数预报产品(EFI)和国家气象中心集合平均异常天气预报产品(EMAF)在中期时效能较好地发现了极端天气信号，强化相关产品的应用，并结合模式定量预报结果作出调整，可进一步提升对极端天气事件的预报预警精细化服务效果。