9895.2112.21127aHighSpatialandTemporalResolution[J].ChineseJournalofAtmosphericSciences(inChinese),47(3):698-712.doi:10.3878/j.issn.1006-Shenming,SUNJianhua,etal.2023.Three-DimensionalObjectiveIdentificationoftheTibetanPlateauVortexBasedonaReanalysisWindFieldwithTANGHuan,FU汤欢，傅慎明，孙建华，等.2023.基于高分辨率再分析风场的高原涡三维识别技术及应用[J].大气科学,47(3):698-712.May20232023年5月ChinesciencesVol.47No.3第47卷第3期科学基于高分辨率再分析风场的高原涡三维识别技术及应用汤欢1傅慎明3孙建华周象贤41中国科学院大气物理研究所云降水物理与强风暴重点实验室，北京1000292中国科学院大学，北京1000493中国科学院大气物理研究所国际气候与环境中心，北京1000294国网浙江省电力科学研究院，杭州310014摘要高原涡（TPV）是生成于青藏高原主体的一类浅薄中尺度涡旋系统，其发生频繁、影响范围广、造成灾害强，是我国最重要的致灾中尺度系统之一。全面揭示高原涡的统计特征是本领域研究的重要基础。其中，高原涡的精准识别是认识其统计特征的关键。随着高时空分辨率再分析资料的出现，高原涡的研究有了更好的数据基础，然而，无论是人工识别方法还是基于较粗分辨率的客观识别算法都难以高效地适用于当前的新再分析资料。因此，函需发展一种高精度的、适用于高时空分辨率再分析资料的高原涡客观识别方法。本文提出了一种适用于高分辨率再分析资料、基于风场的限制涡度高原涡客观识别算法（Restricted-vorticitybasedTibetan-Plateau-vortexIdentifyingAlgorithm，简称RTIA)。该方法首先判断高原涡候选点，然后以候选点为中心，划分多个象限，通过象限平均风场限定条件和象限组逆时针旋转（北半球）条件确定高原涡中心，无需复杂计算及对各气压层分别设定阈值，即可快速实现高原涡的水平和垂直追踪。基于1979～2020年共42个暖季（5～9月）、15466个高原涡（共计99090时次）大样本的评估表明，RTIA方法识别高原涡的平均命中率超过95%，平均空报率低于9%，平均漏报率少于5%，可以十分准确地对高原涡进行识别。此外，评估还表明RTIA方法应用于不同空间分辨率的再分析资料（如0.5°或0.25°）时，仍能保持高原涡识别的高准确率，其识别结果主要受涡旋自身强度的影响，对弱涡旋的识别精度比强涡旋偏低。该方法对其他中尺度涡旋识别也具有一定的借鉴意义。关键词高原涡（TPV）涡旋识别中尺度涡旋定限制涡度RTIA方法文...
