低空急流与云降水系统耦合机制研究综述：观测、模拟与前沿挑战

doi:10.11867/j.issn.1001-8166.2026.032

低空急流与云降水系统之间的耦合是连接边界层过程与中尺度天气系统的重要纽带，也是极端降水形成与可预测性研究的关键问题。已有研究表明，低空急流通过增强低层水汽通量与辐合、调制垂直风切变与不稳定能量，并改变边界层湍流混合与动量传输，在云系触发、组织化演变及降水效率中发挥“水汽通道—动力引擎”的双重作用；与此同时，云和降水过程释放的潜热又可通过调整温压场与次级环流，改变位涡与涡度收支，进一步调制急流强度、位置与垂直结构，从而形成多尺度双向反馈，而复杂地形在这一过程中起到了重要的调制作用。系统梳理了多源协同观测体系，阐明了其对低空急流动力结构、水汽输送及垂直微物理过程的精细化捕捉能力；同时评述了对流分辨率区域模式与资料同化技术在再现急流日变化、量化水汽辐合与切变等动力诊断量方面的关键进展。然而，多源协同仍面临垂直指向探测中垂直气流与粒子下落速度耦合、风切变导致谱展宽等反演不确定性难题；数值模拟仍需结合原位校核与人工智能技术以进一步提升对复杂非线性耦合机制的解析水平。最后指出，未来需要面向“过程闭合”的高分辨率三维组网观测、多源数据深度融合与同化、跨尺度高分辨率模式与不确定性量化以及可解释人工智能辅助诊断，以提升低空急流—云降水耦合机理认知水平与预测能力。

关键词: 水汽通量, 垂直风, 潜热, 地形强迫, 多源观测, 高分辨率模拟

The dynamic coupling between the Low-Level Jet (LLJ) and cloud-precipitation systems acts as a vital nexus linking boundary layer processes with mesoscale weather systems, representing a central challenge in understanding extreme precipitation generation and predictability. Previous studies demonstrate that LLJs function as a “moisture conduit and dynamic engine,” critically governing cloud initiation, organization, and precipitation efficiency. This is accomplished by amplifying low-level moisture flux and convergence, modulating vertical wind shear and instability energy, and altering boundary layer turbulent mixing and momentum transport. Conversely, cloud and precipitation processes release latent heat that substantially adjusts thermal and pressure gradients and secondary circulations, while modifying moisture loading and surface flux budgets. These interactions further modulate the jet’s intensity, position, and vertical structure, establishing a multi-scale bidirectional feedback loop in which complex topography exerts a significant modulating influence.This study systematically reviews multi-source coordinated observation systems, elucidating their potential to resolve the dynamic structure, moisture transport, and vertical microphysical processes of LLJs with high fidelity. It also discusses key advancements in convection-resolving regional models and data assimilation techniques regarding the realistic simulation of LLJ diurnal cycles and the quantitative characterization of the thermodynamic environment, including moisture convergence and shear. Despite these advances, multi-source coordination faces persistent challenges related to retrieval uncertainties—particularly the coupling of vertical air motion with particle fall speed in vertically pointing measurements and spectral broadening induced by wind shear, as well as ambiguities in interpreting radar reflectivity within complex microphysical contexts. Meanwhile, numerical simulation necessitates tighter integration with in-situ calibration and artificial intelligence to advance the systematic synthesis of complex non-linear coupling mechanisms. Finally, it is recommended that future research prioritize high-resolution three-dimensional network observations oriented towards “process closure,” deep fusion of cross-platform datasets for optimized parameterizations, cross-scale high-resolution modeling with explicit uncertainty quantification, and interpretable AI-assisted diagnosis. Collectively, these strategies aim to deepen the mechanistic understanding and enhance predictive capabilities regarding the complex interactions between LLJs and cloud-precipitation systems.

Key words: Moisture flux, Vertical wind, Latent heat, Terrain forcing, Multi-source observations, High-resolution modeling

中图分类号:

P401

图1 1985—2005年7月（a）和1月（b）当地时间0000的平均低空急流指数（NLLJ）（阴影区）^［3］
平均500 m地面以上风（箭头）叠加绘制在NLLJ指数之上。插图中的编号对应为①大平原地区， ②委内瑞拉北部地区，③委内瑞拉马拉开波，④叙利亚，⑤伊朗，⑥中国西藏，⑦中国塔里木盆地，⑧印度，⑨东南亚，⑩中国东南部地区，⑪委内瑞拉，⑫圭亚那，⑬阿根廷，⑭巴西，⑮纳米比亚，⑯博茨瓦纳，⑰埃塞俄比亚，⑱澳大利亚。

Fig. 1 Mean Nocturnal Low-Level Jet （NLLJ） index （shaded） at 0000 LST in July （a） and January （b） from 1985 to 2005^［3］
The mean 500 m-AGL winds （arrows） are plotted atop the NLLJ. The numbered items in the inset correspond to ① Great Plains， ② Northern Venezuela， ③ Maracaibo of Venezuela， ④ Syria， ⑤ Iran， ⑥ Xizang of China， ⑦ Tarim Basin of China， ⑧ India， ⑨ South east Asia， ⑩ The southeast of China， ⑪ Venezuela， ⑫ Guyana， ⑬ Argentina， ⑭ Brazil， ⑮ Namibia， ⑯ Botswana， ⑰ Ethiopia， ⑱ Australia.

图2 低空急流（LLJ）与云降水系统的正向耦合机制概念图

Fig. 2 Conceptual diagram of the positive coupling mechanism between Low-Level Jet （LLJ） and cloud and precipitation systems

图3 急流/锋面系统次级环流示意图^［69］
细实线表示强直接环流（D），细虚线表示弱次级环流（I），粗实线表示低层锋面位置，“J”表示高层和低层急流位置，双细线表示对流层顶位置，相对湿度大于70%的区域用阴影表示。

Fig. 3 Schematic delineating the secondary circulations across the jet/front system^［69］
The thin solid line depicts the strong direct （D） circulation. The thin dashed line depicts the weak indirect （I） circulation. The heavy solid line shows the low-level frontal position. The “J” indicates the upper-level and low-level jet positions. The double thin line shows the position of the tropopause. Regions with relative humidity greater than 70% are shaded.

图4 复杂地形对低空急流（LLJ）与云降水系统的调控概念图

Fig. 4 Conceptual diagram of the modulation of Low-Level Jet （LLJ） and cloud and precipitation systems by complex terrain

表1 低空急流（LLJ）和云降水系统各种探测技术的探测优势和缺陷

Table 1 Detection technologies for Low-Level Jet （LLJ） and cloud-precipitation systems： advantages and disadvantages

探测技术	探测优势	探测局限
多普勒雷达（Doppler Radar）	区域尺度连续获取降水回波与径向风信息，把低空急流背景下的对流触发、风暴组织与降水演变纳入统一动力框架进行诊断^［104］	低层受地物杂波和几何盲区影响，以及湍流/风切变导致的谱展宽会降低风场与垂直运动反演的稳健性，进而影响“动力—微物理”归因精度^［105］
双偏振雷达（Dual Polarization Radar）	通过偏振参量增强对水凝物类型、融化层与霰化/聚合过程的识别能力，可用于低空急流相关的降水结构变化与微物理相态演变建立对应关系^［106］	混合相与融化层中粒子形态/取向与多模态叠加会引入分类歧义，且分类结果对温度先验与规则设定较敏感，需要与多频/云雷达谱信息或同化框架交叉约束^［106］
相控阵雷达（Phased Array Radar）	快速体扫显著提升时间分辨率，能够捕捉低空急流触发对流、对流合并与降水回波快速演变等关键相位过程，为“触发—组织—增强”的链条诊断提供观测支撑^{［107-108］}	快速扫描的策略与波束形成会带来新的误差，且在不同扫描模式下风场/涡旋等动力稳定性仍需系统评估与校验^{［108-109］}
激光测风雷达（Doppler Wind Lidar）	可在边界层提供高垂直分辨率的风廓线与切变结构，适合刻画夜间低空急流的急流核高度、强度与日变化及其与云/降水发生的时序关系^{［110-111］}	其信号对气溶胶后向散射依赖强，且云/降水条件下易衰减或产生观测空洞，导致在强降水与厚云背景下需要风廓线雷达或再分析/同化场补充约束^{［110-111］}
气溶胶/云探测激光雷达（Aerosol/Cloud Lidar）	对边界层层结、云底高度与低云/雾滴结构敏感，可用于约束低空急流影响下稳定度变化与低层云的生成/消散过程，并补足热力结构诊断链条^［112］	厚云与降水会造成强衰减、对云内微物理与降水粒子定量能力有限，且卫星主动探测在近地低云上存在系统性探测限制，需要与雷达/辐射计联合使用以减少漏检偏差^［112］
微波辐射计（Microwave Radiometer）	能连续反演温湿廓线与液水路径等参量，为解释低空急流水汽输送背景下云形成阈值、相态分配与降水效率变化提供关键环境约束^［113］	在降水条件下亮温易受雨滴与湿天线罩影响并可能出现液态水路径（Liquid Water Path，LWP）异常跃增/饱和，从而降低过程诊断的可靠性，需进行雨天订正与不确定度评估^［114］
毫米波云雷达（Millimeter Wave Cloud Radar）	具有高灵敏度与高时空分辨率，能够解析云的垂直细结构，并利用多普勒谱/谱密度信息直接表征粒子谱形态与微物理演变，把LLJ相关的云生成、相态转化与降水胚胎发展置于可检验的垂直过程框架中^{［115-116］}	在降水条件下（尤其W波段）易受衰减与非瑞利散射影响，且垂直指向速度包含垂直气流分量，使微物理反演与动力归因存在耦合不确定性，需要谱质控/衰减订正与外部风场约束^{［115-116］}
风廓线雷达（Wind Profiler）	可长期连续提供风廓线，适合建立低空急流客观识别样本库并开展气候统计与合成分析，将低空急流的出现频率与强度同降水发生发展进行系统关联^{［19，117］}	降水回波污染与低层盲区会影响资料质量与近地急流刻画能力，且垂直速度/湍流相关产品需严格质控与多源对照验证^［117］
GPS掩星技术（GPS Radio Sounding）	GNSS（Global Navigation Satellite System）掩星提供近全球覆盖的温湿廓线，可在资料稀缺区约束低空急流/大气河等背景下的水汽与稳定度环境，为环流—水汽—降水链条提供大尺度一致性约束^［118］	近地层与复杂地形背景下存在系统偏差与近地缺测问题，对降水过程的直接刻画能力有限，需要与地基雷达/辐射计或同化系统联合以实现过程闭合^{［118-119］}
无线电探空仪（Radio Sounding）	能直接提供温湿风廓线，是低空急流诊断、稳定度与水汽通量估计以及遥感/再分析校验的基准观测，可用于建立低空急流气候态并分析其与降水环境的统计联系^［120］	探空时次稀疏（通常2~4次/d）、空间代表性有限，难以捕捉低空急流日变化峰值与对流触发的关键时段，需要与连续遥感（风廓线雷达、云雷达、微波辐射计等）协同使用^［120］

表1 低空急流（LLJ）和云降水系统各种探测技术的探测优势和缺陷

Table 1 Detection technologies for Low-Level Jet （LLJ） and cloud-precipitation systems： advantages and disadvantages

探测技术	探测优势	探测局限
多普勒雷达（Doppler Radar）	区域尺度连续获取降水回波与径向风信息，把低空急流背景下的对流触发、风暴组织与降水演变纳入统一动力框架进行诊断^［104］	低层受地物杂波和几何盲区影响，以及湍流/风切变导致的谱展宽会降低风场与垂直运动反演的稳健性，进而影响“动力—微物理”归因精度^［105］
双偏振雷达（Dual Polarization Radar）	通过偏振参量增强对水凝物类型、融化层与霰化/聚合过程的识别能力，可用于低空急流相关的降水结构变化与微物理相态演变建立对应关系^［106］	混合相与融化层中粒子形态/取向与多模态叠加会引入分类歧义，且分类结果对温度先验与规则设定较敏感，需要与多频/云雷达谱信息或同化框架交叉约束^［106］
相控阵雷达（Phased Array Radar）	快速体扫显著提升时间分辨率，能够捕捉低空急流触发对流、对流合并与降水回波快速演变等关键相位过程，为“触发—组织—增强”的链条诊断提供观测支撑^{［107-108］}	快速扫描的策略与波束形成会带来新的误差，且在不同扫描模式下风场/涡旋等动力稳定性仍需系统评估与校验^{［108-109］}
激光测风雷达（Doppler Wind Lidar）	可在边界层提供高垂直分辨率的风廓线与切变结构，适合刻画夜间低空急流的急流核高度、强度与日变化及其与云/降水发生的时序关系^{［110-111］}	其信号对气溶胶后向散射依赖强，且云/降水条件下易衰减或产生观测空洞，导致在强降水与厚云背景下需要风廓线雷达或再分析/同化场补充约束^{［110-111］}
气溶胶/云探测激光雷达（Aerosol/Cloud Lidar）	对边界层层结、云底高度与低云/雾滴结构敏感，可用于约束低空急流影响下稳定度变化与低层云的生成/消散过程，并补足热力结构诊断链条^［112］	厚云与降水会造成强衰减、对云内微物理与降水粒子定量能力有限，且卫星主动探测在近地低云上存在系统性探测限制，需要与雷达/辐射计联合使用以减少漏检偏差^［112］
微波辐射计（Microwave Radiometer）	能连续反演温湿廓线与液水路径等参量，为解释低空急流水汽输送背景下云形成阈值、相态分配与降水效率变化提供关键环境约束^［113］	在降水条件下亮温易受雨滴与湿天线罩影响并可能出现液态水路径（Liquid Water Path，LWP）异常跃增/饱和，从而降低过程诊断的可靠性，需进行雨天订正与不确定度评估^［114］
毫米波云雷达（Millimeter Wave Cloud Radar）	具有高灵敏度与高时空分辨率，能够解析云的垂直细结构，并利用多普勒谱/谱密度信息直接表征粒子谱形态与微物理演变，把LLJ相关的云生成、相态转化与降水胚胎发展置于可检验的垂直过程框架中^{［115-116］}	在降水条件下（尤其W波段）易受衰减与非瑞利散射影响，且垂直指向速度包含垂直气流分量，使微物理反演与动力归因存在耦合不确定性，需要谱质控/衰减订正与外部风场约束^{［115-116］}
风廓线雷达（Wind Profiler）	可长期连续提供风廓线，适合建立低空急流客观识别样本库并开展气候统计与合成分析，将低空急流的出现频率与强度同降水发生发展进行系统关联^{［19，117］}	降水回波污染与低层盲区会影响资料质量与近地急流刻画能力，且垂直速度/湍流相关产品需严格质控与多源对照验证^［117］
GPS掩星技术（GPS Radio Sounding）	GNSS（Global Navigation Satellite System）掩星提供近全球覆盖的温湿廓线，可在资料稀缺区约束低空急流/大气河等背景下的水汽与稳定度环境，为环流—水汽—降水链条提供大尺度一致性约束^［118］	近地层与复杂地形背景下存在系统偏差与近地缺测问题，对降水过程的直接刻画能力有限，需要与地基雷达/辐射计或同化系统联合以实现过程闭合^{［118-119］}
无线电探空仪（Radio Sounding）	能直接提供温湿风廓线，是低空急流诊断、稳定度与水汽通量估计以及遥感/再分析校验的基准观测，可用于建立低空急流气候态并分析其与降水环境的统计联系^［120］	探空时次稀疏（通常2~4次/d）、空间代表性有限，难以捕捉低空急流日变化峰值与对流触发的关键时段，需要与连续遥感（风廓线雷达、云雷达、微波辐射计等）协同使用^［120］

图5 多源协同观测低空急流（LLJ）—云降水耦合过程的框架图

Fig. 5 Framework of multi-source coordinated observation for the Low-Level Jet （LLJ）-cloud-precipitation coupling process

图6 低空急流（LLJ）—云降水系统耦合机制研究的未来主要方向与核心挑战框架图

Fig. 6 Conceptual framework diagram for future directions and challenges in research on the coupling mechanisms between Low-Level Jet （LLJ） and cloud-precipitation systems

[37]	Duan Haixia， Yao Xiuping， Liu Xinwei， et al. Case study of the coupling mechanism of high-and low-level jets of the rainstorm process in West China［J］. Chinese Journal of Atmospheric Sciences， 2023， 47（6）： 1 907-1 924.
	段海霞，姚秀萍，刘新伟，等. 中国西部地区暴雨过程高、低空急流耦合影响机制的个例研究［J］. 大气科学， 2023， 47（6）： 1 907-1 924.
[38]	Higgins R W， Yao Y， Yarosh E S， et al. Influence of the Great Plains low-level jet on summertime precipitation and moisture transport over the central United States［J］. Journal of Climate， 1997， 10（3）： 481-507.
[39]	Ferguson C R. Changes in Great Plains low-level jet structure and associated precipitation over the 20th century［J］. Journal of Geophysical Research： Atmospheres， 2022， 127（3）： e2021JD035859.
[40]	Joseph P V， Sijikumar S. Intraseasonal variability of the low-level jet stream of the Asian summer monsoon［J］. Journal of Climate， 2004， 17（7）： 1 449-1 458.
[41]	Nair S K， Prabha T V， Purushothaman N， et al. Diurnal variations of the low-level jet over peninsular India during the onset of Asian summer monsoon［J］. Theoretical and Applied Climatology， 2015， 120（1/2）： 287-298.
[42]	Acosta R P， Huber M. The neglected Indo-Gangetic Plains low-level jet and its importance for moisture transport and precipitation during the peak summer monsoon［J］. Geophysical Research Letters， 2017， 44（16）： 8 601-8 610.
[43]	Swathi M S， Izumo T， Lengaigne M， et al. Remote influences on the Indian Monsoon low-level jet intraseasonal variations［J］. Climate Dynamics， 2020， 54（3/4）： 2 221-2 236.
[44]	Shu W X， Fu D H， Guo X L， et al. The formation mechanisms for a short-term extreme rainfall event. part I： mesovortex pairs and typhoon impacts［J］. Monthly Weather Review， 2025， 153（12）： 2 747-2 768.
[45]	Luo Y H， Du Y. The roles of low-level jets in “21⋅7” Henan extremely persistent heavy rainfall event［J］. Advances in Atmospheric Sciences， 2023， 40（3）： 350-373.
[46]	Zhang Q H， Li R M， Sun J Z， et al. A review of research on the record-breaking precipitation event in Henan Province， China， July 2021［J］. Advances in Atmospheric Sciences， 2023， 40（8）： 1 485-1 500.
[47]	Uccellini L W， Johnson D R. The coupling of upper and lower tropospheric jet streaks and implications for the development of severe convective storms［J］. Monthly Weather Review， 1979， 107（6）： 682-703.
[48]	Trier S B， Parsons D B. Evolution of environmental conditions preceding the development of a nocturnal mesoscale convective complex［J］. Monthly Weather Review， 1993， 121（4）： 1 078-1 098.
[49]	Parker M D， Johnson R H. Simulated convective lines with leading precipitation. part I： governing dynamics［J］. Journal of the Atmospheric Sciences， 2004， 61（14）： 1 637-1 655.
[50]	Lai Ziyang， Zhou Yushu， Ge Xuyang， et al. Analysis of the formation mechanism of overshooting convection during a rainstorm process in the Sichuan Basin［J］. Chinese Journal of Atmospheric Sciences， 2024， 48（2）： 755-772.
	赖子洋，周玉淑，葛旭阳，等. 四川盆地一次暴雨过程中的穿透性对流形成机理分析［J］. 大气科学， 2024， 48（2）： 755-772.
[51]	Rotunno R， Klemp J B， Weisman M L. A theory for strong， long-lived squall lines［J］. Journal of the Atmospheric Sciences， 1988， 45（3）： 463-485.
[52]	Chen Zhongming. The coupling reaction between convective cloud cluster and low jet a mechanism of regeneration of maintenance of cloud cluster ［J］. Chinese Journal of Atmospheric Science， 2005， 29（3）：496-502.
	陈忠明. 对流云团与低空急流耦合相互作用研究——云团再生和维持的一种机制［J］.大气科学， 2005， 29（3）：496-502.
[53]	Weckwerth T M， Parsons D B， Koch S E， et al. An overview of the international H₂O project （IHOP₂₀₀₂） and some preliminary highlights［J］. Bulletin of the American Meteorological Society， 2004， 85（2）： 253-278.
[54]	Higgins R W， Yao Y， Wang X L. Influence of the North American monsoon system on the U.S. summer precipitation regime［J］. Journal of Climate， 1997， 10（10）： 2 600-2 622.
[55]	Saulo C， Ruiz J， Skabar Y G. Synergism between the low-level jet and organized convection at its exit region［J］. Monthly Weather Review， 2007， 135（4）： 1 310-1 326.
[56]	Su L， Hu J H， Du Y， et al. Boundary-layer and low-level moisture fluxes during low-level jet events in South China and their relationship with early summer rainfall［J］. Journal of Climate， 2025， 38（7）： 1 691-1 713.
[57]	Chen C， Tao W K， Lin P L， et al. The intensification of the low-level jet during the development of mesoscale convective systems on a Mei-yu front［J］. Monthly Weather Review， 1998， 126（2）： 349-371.
[58]	Chen G T. Research on the phenomena of Meiyu during the past quarter century： an overview［M］// East Asian Monsoon. World Scientific， 2004： 357-403.
[59]	Ding Y H， Chan J C L. The East Asian summer monsoon： an overview［J］. Meteorology and Atmospheric Physics， 2005， 89（1/2/3/4）： 117-142.
[60]	Zheng Y， Chen J， Ge G， et al. Typical structure， variety， and multi-scale characteristics of Meiyu front ［J］. Journal of Meteorological Research， 2008， 22（2）： 187-201.
[61]	Zhao Yu， Pei Changchun， Zhao Guangping， et al. Analysis of organization modes and initiation conditions of a heavy-rain-producing mesoscale convective system along a Meiyu front［J］. Transactions of Atmospheric Sciences， 2018， 41（6）： 807-818.
	赵宇，裴昌春，赵光平，等. 梅雨锋暴雨中尺度对流系统的组织特征和触发条件分析［J］. 大气科学学报， 2018， 41（6）： 807-818.
[62]	Chen Y， Zhai P M. Mechanisms for concurrent low-latitude circulation anomalies responsible for persistent extreme precipitation in the Yangtze River Valley［J］. Climate Dynamics， 2016， 47（3/4）： 989-1 006.
[63]	Xia Y C， Huang Q， Yao S X， et al. Multiscale causes of persistent heavy rainfall in the Meiyu period over the middle and lower reaches of the Yangtze River［J］. Frontiers in Earth Science， 2021， 9： 700878.
[64]	Zhang Y H， Xue M， Zhu K F， et al. What is the main cause of diurnal variation and nocturnal peak of summer precipitation in Sichuan Basin， China？ the key role of boundary layer low-level jet inertial oscillations［J］. Journal of Geophysical Research： Atmospheres， 2019， 124（5）： 2 643-2 664.
[65]	Wu A N， Li G P. Roles of the topographically-affected boundary layer low-level jet in the moisture transport process of nocturnal rainstorms in mountainous areas around the western Sichuan Basin［J］. Atmosphere， 2023， 14（1）： 84.
[66]	Wu Y， Huang A N， Huang D Q， et al. Diurnal variations of summer precipitation over the regions east to Tibetan Plateau［J］. Climate Dynamics， 2018， 51（11/12）： 4 287-4 307.
[67]	IPCC Intergovernmental Panel on Climate Change. Climate change 2021—the physical science basis： working group I contribution to the sixth assessment report of the intergovernmental panel on climate change［M］. Cambridge， UK： Cambridge University Press， 2023.
[68]	Houze R A. Cloud dynamics ［M］. San Diego， CA， USA： Academic Press， 2014： 237-286.
[69]	Chen Y L， Chen X A， Zhang Y X. A diagnostic study of the low-level jet during TAMEX IOP 5［J］. Monthly Weather Review， 1994， 122（10）： 2 257-2 284.
[70]	Chen S S， Frank W M. A numerical study of the genesis of extratropical convective mesovortices. part I： evolution and dynamics［J］. Journal of the Atmospheric Sciences， 1993， 50（15）： 2 401-2 426.
[1]	Rife D L， Pinto J O， Monaghan A J， et al. Global distribution and characteristics of diurnally varying low-level jets［J］. Journal of Climate， 2010， 23（19）： 5 041-5 064.
[2]	Liu H B， He M Y， Wang B， et al. Advances in low-level jet research and future prospects［J］. Acta Meteorologica Sinica， 2014， 28（1）： 57-75.
[3]	Monaghan A J， Rife D L， Pinto J O， et al. Global precipitation extremes associated with diurnally varying low-level jets［J］. Journal of Climate， 2010， 23（19）： 5 065-5 084.
[4]	Gimeno L， Dominguez F， Nieto R， et al. Major mechanisms of atmospheric moisture transport and their role in extreme precipitation events［J］. Annual Review of Environment and Resources， 2016， 41： 117-141.
[5]	Tao Shiyan， Ding Yihui， Zhou Xiaoping. Study on rainstorm and strong convective weather［J］. Chinese Journal of Atmospheric Sciences， 1979， 3（3）： 227-238.
	陶诗言，丁一汇，周晓平. 暴雨和强对流天气的研究［J］. 大气科学， 1979， 3（3）： 227-238.
[6]	Stensrud D J. Importance of low-level jets to climate： a review［J］. Journal of Climate， 1996， 9（8）： 1 698-1 711.
[7]	Tuttle J D， Davis C A. Corridors of warm season precipitation in the central United States［J］. Monthly Weather Review， 2006， 134（9）： 2 297-2 317.
[8]	Salio P， Nicolini M， Zipser E J. Mesoscale convective systems over southeastern south America and their relationship with the south American low-level jet［J］. Monthly Weather Review， 2007， 135（4）： 1 290-1 309.
[9]	Mu Y， Jones C， Carvalho L M V， et al. Impacts of northerly low-level jets on mesoscale convective systems east of the Andes［J］. Journal of Geophysical Research： Atmospheres， 2025， 130（21）： e2025JD043842.
[10]	Jiang Q F. Moist dynamics and orographic precipitation［J］. Tellus A： Dynamic Meteorology and Oceanography， 2022， 55（4）： 301-316.
[11]	Luo Y H， Du Y. Moisture sources and sinks of low-level jets in South China： a backward and forward trace model approach［J］. Journal of Climate， 2025， 38（11）： 2 641-2 658.
[71]	Parker M D， Johnson R H. Structures and dynamics of quasi-2D mesoscale convective systems［J］. Journal of the Atmospheric Sciences， 2004， 61（5）： 545-567.
[72]	Ren Li， Zhao Ning， Zhao Meiling， et al. Diagnosis of dynamic and thermal mechanisms of two rainstorm processes by the warm front frontogenesis north of the subtropical high［J］. Plateau Meteorology， 2021， 40（1）： 61-73.
	任丽，赵柠，赵美玲，等. 两次副热带高压北侧暖锋暴雨动力热力诊断［J］. 高原气象， 2021， 40（1）： 61-73.
[73]	Tian Liqing， Li Shuwen， Qiu Xiaobin， et al. Variation mechanism of low-level jets during an extreme rainstorm［J］. Chinese Journal of Atmospheric Sciences， 2024， 48（4）： 1 608-1 626.
	田利庆，李舒文，邱晓滨，等. 一次极端暴雨过程低空急流变化机制分析［J］. 大气科学， 2024， 48（4）： 1 608-1 626.
[74]	Zhang Q H， Lau K H， Kuo Y H， et al. A numerical study of a mesoscale convective system over the Taiwan strait［J］. Monthly Weather Review， 2003， 131（6）： 1 150-1 170.
[75]	Zheng Jing， Sun Suqin， Xu Aihua， et al. Mechanism of formation and maintenance for a torrential rain on strong Meiyu front［J］. Plateau Meteorology， 2015， 34（4）： 1 084-1 094.
	郑婧，孙素琴，许爱华，等. 强锋区结构的梅雨锋短时暴雨形成和维持机制［J］. 高原气象， 2015， 34（4）： 1 084-1 094.
[76]	Zhang Qinghong， Liu Qihan， Wang Hongqing， et al. Numerical simulation of mesoscale convection system on Meiyu front in South China［J］. Chinese Science Bulletin， 2000， 45（18）： 1 988-1 992， 2 017.
	张庆红，刘启汉，王洪庆，等. 华南梅雨锋上中尺度对流系统的数值模拟［J］. 科学通报， 2000， 45（18）： 1 988-1 992， 2 017.
[77]	Wu Guoxiong， Liu Yimin， Mao Jiangyu， et al. Potential vorticity source， potential vorticity circulation， and their weather and climate significances［J］. Chinese Journal of Atmospheric Sciences， 2024， 48（1）： 8-25.
	吴国雄，刘屹岷，毛江玉，等. 位涡源汇和位涡环流及其天气气候意义［J］. 大气科学， 2024， 48（1）： 8-25.
[78]	He Bian， Feng Shijian， Wu Guoxiong， et al. Research progress on numerical simulations of the Tibetan Plateau thermodynamic forcing based on potential vorticity theory［J］. Advances in Earth Science， 2025， 40（5）： 441-455.
	何编，冯适健，吴国雄，等. 基于位涡理论的青藏高原热力强迫数值模拟研究进展［J］. 地球科学进展， 2025， 40（5）： 441-455.
[79]	French A J， Parker M D. The response of simulated nocturnal convective systems to a developing low-level jet［J］. Journal of the Atmospheric Sciences， 2010， 67（10）： 3 384-3 408.
[80]	Li N， Ran L K， Zhang L N， et al. Potential deformation and its application to the diagnosis of heavy precipitation in mesoscale convective systems［J］. Advances in Atmospheric Sciences， 2017， 34（7）： 894-908.
[81]	Wu Zhejun， Bao Yunxuan， Zhu Ting， et al. Study on the mechanism of low-level jet in a heavy rainfall in the Yangtze River basin［J］. Journal of Tropical Meteorology， 2019， 35（3）： 409-422.
	吴哲珺，包云轩，朱霆，等. 长江流域一次大暴雨过程的低空急流形成和影响机制分析［J］. 热带气象学报， 2019， 35（3）： 409-422.
[82]	Hoskins B J， McIntyre M E， Robertson A W. On the use and significance of isentropic potential vorticity maps［J］. Quarterly Journal of the Royal Meteorological Society， 1985， 111（470）： 877-946.
[83]	Davis C A， Emanuel K A. Potential vorticity diagnostics of cyclogenesis［J］. Monthly Weather Review， 1991， 119（8）： 1 929-1 953.
[84]	Wu Z Z， Liu H W， Chan K T F， et al. Effects of topography and latent heat on the evolution of a mesoscale dual-core southwest Vortex over Sichuan Basin， China［J］. Frontiers in Earth Science， 2022， 10： 827601.
[85]	Li C， Jiang X W， Fu S M， et al. Latent heating effect on the intensification of southwest vortices over the downstream area of the second-step terrain in China［J］. Journal of Geophysical Research： Atmospheres， 2024， 129（17）： e2024JD041036.
[86]	Raymond D J， Jiang H. A theory for long-lived mesoscale convective systems［J］. Journal of the Atmospheric Sciences， 1990， 47（24）： 3 067-3 077.
[87]	Enagonio J， Montgomery M T. Tropical cyclogenesis via convectively forced vortex rossby waves in a shallow water primitive equation model［J］. Journal of the Atmospheric Sciences， 2001， 58（7）： 685-706.
[88]	Gu Zhiming， Feng Ruiquan， Wu Chisheng， et al. A modeling case study of heavy rain event over South China in May l994［J］. Journal of Tropical Meteorology， 2000， 16（2）： 173-179.
	古志明，冯瑞权，吴池胜，等. 一次华南暴雨过程的数值模拟及结果分析［J］. 热带气象学报， 2000， 16（2）： 173-179.
[89]	Li J， Zhao P， Chen D L， et al. Development mechanisms of cyclonic vorticity under two distinct large-scale weather patterns associated with summer heavy rainfall over North China［J］. Climate Dynamics， 2024， 62（12）： 10 579-10 597.
[90]	Choudhury A D， Krishnan R. Dynamical response of the south Asian monsoon trough to latent heating from stratiform and convective precipitation［J］. Journal of the Atmospheric Sciences， 2011， 68（6）： 1 347-1 363.
[12]	Campetella C M， Vera C S. The influence of the Andes mountains on the South American low-level flow［J］. Geophysical Research Letters， 2002， 29（17）： 1-7.
[13]	Byerle L A， Paegle J. Modulation of the Great Plains low-level jet and moisture transports by orography and large-scale circulations［J］. Journal of Geophysical Research： Atmospheres， 2003， 108（D16）： 2002JD003005.
[14]	Wang Z， Chang C P. A numerical study of the interaction between the large-scale monsoon circulation and orographic precipitation over South and Southeast Asia［J］. Journal of Climate， 2012， 25（7）： 2 440-2 455.
[15]	Xu Jianyu， Wang Huijuan， Li Hongyi. Preliminary simulation analysis of moisture budget over Qinghai-Xizang Plateau in summer［J］. Plateau Meteorology， 2014， 33（5）： 1 173-1 181.
	许建玉，王慧娟，李宏毅. 夏季青藏高原地区水汽收支的初步模拟分析［J］. 高原气象， 2014， 33（5）： 1 173-1 181.
[16]	Wei L B， Zhao L， Li Z Y， et al. Numerical simulation of circulation characteristics of orographic precipitation in Qilian Mountains， Northeastern Tibetan Plateau［J］. Atmospheric Research， 2024， 312： 107762.
[17]	Jiang X N， Lau N C， Held I M， et al. Mechanisms of the Great Plains low-level jet as simulated in an AGCM［J］. Journal of the Atmospheric Sciences， 2007， 64（2）： 532-547.
[18]	Pu B， Dickinson R E. Diurnal spatial variability of Great Plains summer precipitation related to the dynamics of the low-level jet［J］. Journal of the Atmospheric Sciences， 2014， 71（5）： 1 807-1 817.
[19]	Li N， Guo J P， Wu M X， et al. Low-level jet and its effect on the onset of summertime nocturnal rainfall in Beijing［J］. Geophysical Research Letters， 2024， 51（20）： e2024GL110840.
[20]	Parish T R. Forcing of the summertime low-level jet along the California coast［J］. Journal of Applied Meteorology， 2000， 39（12）： 2 421-2 433.
[21]	Du Y， Chen G X. Heavy rainfall associated with double low-level jets over Southern China. part I： ensemble-based analysis［J］. Monthly Weather Review， 2018， 146（11）： 3 827-3 844.
[22]	Du Y， Chen G X. Climatology of low-level jets and their impact on rainfall over Southern China during the early-summer rainy season［J］. Journal of Climate， 2019， 32（24）： 8 813-8 833.
[23]	Du Y， Chen G X. Heavy rainfall associated with double low-level jets over Southern China. part II： convection initiation［J］. Monthly Weather Review， 2019， 147（2）： 543-565.
[91]	Geerts B， Parsons D， Ziegler C L， et al. The 2015 plains elevated convection at night field project［J］. Bulletin of the American Meteorological Society， 2017， 98（4）： 767-786.
[92]	Lin Yonghui， Liao Qinghai， Wang Pengyun. A possible developing mechanism of low level jet： the inertial instability of gravity wave［J］. Acta Meteorologica Sinica， 2003， 61（3）： 374-378.
	林永辉，廖清海，王鹏云. 低空急流形成发展的一种可能机制：重力波的惯性不稳定［J］. 气象学报， 2003， 61（3）： 374-378.
[93]	Fu P L， Zhu K F， Zhao K， et al. Role of the nocturnal low-level jet in the formation of the morning precipitation peak over the Dabie Mountains［J］. Advances in Atmospheric Sciences， 2019， 36（1）： 15-28.
[94]	Kumar S， Moya-Álvarez A S， Del Castillo-Velarde C， et al. Effect of low-level flow and Andes Mountain on the tropical and mid-latitude precipitating cloud systems： GPM observations［J］. Theoretical and Applied Climatology， 2020， 141（1/2）： 157-172.
[95]	Lareau N P， Knopp T， Kirshbaum D J. Mechanical and thermal forcing for upslope flows and cumulus convection over the sierras de Córdoba［J］. Monthly Weather Review， 2024， 152（9）： 2 149-2 167.
[96]	Yasunari T， Miwa T. Convective cloud systems over the Tibetan Plateau and their impact on meso-scale disturbances in the Meiyu/Baiu frontal zone： a case study in 1998［J］. Journal of the Meteorological Society of Japan Series II， 2006， 84（4）： 783-803.
[97]	Sasaki C R S， Rowe A K， McMurdie L A， et al. Influences of the south American low-level jet on the convective environment in central Argentina using a convection-permitting simulation［J］. Monthly Weather Review， 2024， 152（2）： 629-648.
[98]	Neiman P J， Hughes M， Moore B J， et al. Sierra barrier jets， atmospheric rivers， and precipitation characteristics in northern California： a composite perspective based on a network of wind profilers［J］. Monthly Weather Review， 2013， 141（12）： 4 211-4 233.
[99]	Ting M F， Wang H L. The role of the North American topography on the maintenance of the Great Plains summer low-level jet［J］. Journal of the Atmospheric Sciences， 2006， 63（3）： 1 056-1 068.
[100]	Fedorovich E， Gibbs J A， Shapiro A. Numerical study of nocturnal low-level jets over gently sloping terrain［J］. Journal of the Atmospheric Sciences， 2017， 74（9）： 2 813-2 834.
[101]	Guo Xin， Guo Xueliang， Fu Danhong， et al. Relationship between bell-shaped terrain dynamic forcing， mountain wave propagation， and orographic clouds and precipitation［J］. Chinese Journal of Atmospheric Sciences， 2013， 37（4）： 786-800.
[24]	Du Y， Shen Y A， Chen G X. Influence of coastal marine boundary layer jets on rainfall in South China［J］. Advances in Atmospheric Sciences， 2022， 39（5）： 782-801.
[25]	Findlater J. A major low-level air current near the Indian Ocean during the northern summer［J］. Quarterly Journal of the Royal Meteorological Society， 1969， 95（404）： 362-380.
[26]	Halpern D， Woiceshyn P M. Somali jet in the Arabian Sea， El Niño， and India rainfall［J］. Journal of Climate， 2001， 14（3）： 434-441.
[27]	Wang Huijun， Xue Feng. Interannual variability of Somali Jet and its influences on the inter-hemispheric water vapor transport and on the East Asian summer rainfall［J］. Chinese Journal of Geophysics， 2003， 46（1）： 18-25.
	王会军，薛峰. 索马里急流的年际变化及其对半球间水汽输送和东亚夏季降水的影响［J］. 地球物理学报， 2003， 46（1）： 18-25.
[28]	Rai P， Joshi M， Dimri A P， et al. The role of potential vorticity anomalies in the Somali Jet on Indian Summer Monsoon Intraseasonal Variability［J］. Climate Dynamics， 2018， 50（11/12）： 4 149-4 169.
[29]	Jain S， Mishra S K， Anand A， et al. Historical and projected low-frequency variability in the Somali Jet and Indian Summer Monsoon［J］. Climate Dynamics， 2021， 56（3/4）： 749-765.
[30]	Spavins-Hicks Z D， Washington R， Munday C. The Limpopo low-level jet： mean climatology and role in water vapor transport［J］. Journal of Geophysical Research： Atmospheres， 2021， 126（16）： e2020JD034364.
[31]	Weisman M L， Rotunno R. The use of vertical wind shear versus helicity in interpreting supercell dynamics［J］. Journal of the Atmospheric Sciences， 2000， 57（9）： 1 452-1 472.
[32]	Huang Xiaoyan， Sun Jisong， Liu Wenting. The interaction between low-level jet evolution and severe convective rainstorms under topographic effect［J］. Acta Meteorologica Sinica， 2020， 78（4）： 551-567.
	黄小彦，孙继松，刘文婷. 地形作用下低空急流的演变与强降水对流风暴系统的相互作用［J］. 气象学报， 2020， 78（4）： 551-567.
[33]	Perkey D J， Maddox R A. A numerical investigation of a mesoscale convective system［J］. Monthly Weather Review， 1985， 113（4）： 553-566.
[34]	Stensrud D J. Effects of persistent， midlatitude mesoscale regions of convection on the large-scale environment during the warm season［J］. Journal of the Atmospheric Sciences， 1996， 53（23）： 3 503-3 527.
[35]	Wang Xingbao， Zhang Weihuan. The influence of low-level jet stream and nonuniform stratification on the propagation and development of inertia-gravity wave［J］. Journal of Tropical Meteorology， 1992， 8（4）： 323-333.
[101]	郭欣，郭学良，付丹红，等. 钟形地形动力抬升和重力波传播与地形云和降水形成关系研究［J］. 大气科学， 2013， 37（4）： 786-800.
[102]	Schumacher R S， Schultz D M， Knox J A. Convective snowbands downstream of the rocky mountains in an environment with conditional， dry symmetric， and inertial instabilities［J］. Monthly Weather Review， 2010， 138（12）： 4 416-4 438.
[103]	Raman M R， Ratnam M V， Rajeevan M， et al. Intriguing aspects of the monsoon low-level jet over peninsular India revealed by high-resolution GPS radiosonde observations［J］. Journal of the Atmospheric Sciences， 2011， 68（7）： 1 413-1 423.
[104]	Oue M， Kollias P， Shapiro A， et al. Investigation of observational error sources in multi-Doppler-radar three-dimensional variational vertical air motion retrievals［J］. Atmospheric Measurement Techniques， 2019， 12（3）： 1 999-2 018.
[105]	Protat A， Williams C R. The accuracy of radar estimates of ice terminal fall speed from vertically pointing Doppler radar measurements［J］. Journal of Applied Meteorology and Climatology， 2011， 50（10）： 2 120-2 138.
[106]	Thompson E J， Rutledge S A， Dolan B， et al. A dual-polarization radar hydrometeor classification algorithm for winter precipitation［J］. Journal of Atmospheric and Oceanic Technology， 2014， 31（7）： 1 457-1 481.
[107]	Kollias P， Palmer R， Bodine D， et al. Science applications of phased array radars［J］. Bulletin of the American Meteorological Society， 2022， 103（10）： E2370-E2390.
[108]	Bodine D J， Griffin C B. Meteorological research enabled by rapid-scan radar technology［J］. Monthly Weather Review， 2024， 152（1）： 3-37.
[109]	Cohen B K， Bodine D J， Yeary M B， et al. Examining meteorological benefits of rapid-scan， fully digital phased array radar observations for detecting tornado formation and intensification［J］. Journal of Atmospheric and Oceanic Technology， 2025， 42（8）： 909-933.
[110]	Pichugina Y L， Brewer W A， Banta R M， et al. Properties of the offshore low level jet and rotor layer wind shear as measured by scanning Doppler Lidar［J］. Wind Energy， 2017， 20（6）： 987-1 002.
[111]	Tuononen M， O’Connor E J， Sinclair V A， et al. Low-level jets over utö， Finland， based on Doppler lidar observations［J］. Journal of Applied Meteorology and Climatology， 2017， 56（9）： 2 577-2 594.
[112]	Liu Y H. Impacts of active satellite sensors’ low-level cloud detection limitations on cloud radiative forcing in the Arctic［J］. Atmospheric Chemistry and Physics， 2022， 22（12）： 8 151-8 173.
[113]	Chen M H， Ren Y， Zhang H S， et al. The prediction of low-level jet using machine learning based on turbulence observations and remote sensing［J］. Remote Sensing， 2026， 18（3）： 470.
[114]	Foth A， Lochmann M， Saavedra G P， et al. Determination of low-level temperature profiles from microwave radiometer observations during rain［J］. Atmospheric Measurement Techniques， 2024， 17（24）： 7 169-7 181.
[115]	Liu L P， Ding H， Dong X B， et al. Applications of QC and merged Doppler spectral density data from ka-band cloud radar to microphysics retrieval and comparison with airplane in situ observation［J］. Remote Sensing， 2019， 11（13）： 1595.
[116]	Grasmick C， Geerts B， French J R， et al. Estimating microphysics properties in ice-dominated clouds from airborne ka-W-band dual-wavelength ratio reflectivity factor in close proximity to in situ probes［J］. Journal of Atmospheric and Oceanic Technology， 2022， 39（11）： 1 815-1 833.
[117]	Roots M， Sullivan J T， Demoz B. Mid-Atlantic nocturnal low-level jet characteristics： a machine learning analysis of radar wind profiles［J］. Atmospheric Measurement Techniques， 2025， 18（5）： 1 269-1 282.
[118]	Haase J S， Murphy M J， Cao B， et al. Multi-GNSS airborne radio occultation observations as a complement to dropsondes in atmospheric river reconnaissance［J］. Journal of Geophysical Research： Atmospheres， 2021， 126（21）： e2021JD034865.
[119]	Turk F J， Padullés R， Cardellach E， et al. Interpretation of the precipitation structure contained in polarimetric radio occultation profiles using passive microwave satellite observations［J］. Journal of Atmospheric and Oceanic Technology， 2021， 38： 1 727-1 745.
[120]	Yan Y， Cai X H， Wang X S， et al. Low-level jet climatology of China derived from long-term radiosonde observations［J］. Journal of Geophysical Research： Atmospheres， 2021， 126（20）： e2021JD035323.
[121]	Smith E N， Gebauer J G， Klein P M， et al. The Great Plains low-level jet during PECAN： observed and simulated characteristics［J］. Monthly Weather Review， 2019， 147（6）： 1 845-1 869.
[122]	Yoshida S， Sakai T， Nagai T， et al. Water vapor lidar observation and data assimilation for a moist low-level jet triggering a mesoscale convective system［J］. Monthly Weather Review， 2024， 152（4）： 1 119-1 137.
[123]	Kollias P， Clothiaux E E， Ackerman T P， et al. Development and applications of ARM millimeter-wavelength cloud radars［J］. Meteorological Monographs， 2016， 57： 17.1-17.19.
[124]	Zhang H C， Zhou Y S， Lai Z Y， et al. Overshooting convection and torrential precipitation associated with the mesoscale northerly low-level jets in the Sichuan Basin， China［J］. Atmospheric Research， 2024， 310： 107604.
[125]	Lin Y C， Du Y. Sensitivity of coastal rainfall simulation to the assimilation of wind profiles near the marine boundary layer jet： an observing system simulation experiment［J］. Journal of Geophysical Research： Atmospheres， 2025， 130（15）： e2025JD044106.
[126]	Majewski A， French J R， Haimov S. Airborne radar Doppler spectrum width as a scale-dependent turbulence metric［J］. Journal of Atmospheric and Oceanic Technology， 2023， 40（12）： 1 541-1 555.
[127]	Zhu Z E， Kollias P， Yang F， et al. On the estimation of in-cloud vertical air motion using radar Doppler spectra［J］. Geophysical Research Letters， 2021， 48（1）： e2020GL090682.
[128]	Korolev A， Field P R. Assessment of the performance of the inter-arrival time algorithm to identify ice shattering artifacts in cloud particle probe measurements［J］. Atmospheric Measurement Techniques， 2015， 8（2）： 761-777.
[129]	Baumgardner D， Abel S J， Axisa D， et al. Cloud ice properties： in situ measurement challenges［J］. Meteorological Monographs， 2017， 58： 9.1-9.23.
[130]	Du Y， Zhang Q H， Chen Y L， et al. Numerical simulations of spatial distributions and diurnal variations of low-level jets in China during early summer［J］. Journal of Climate， 2014， 27（15）： 5 747-5 767.
[131]	Du Y， Chen Y L， Zhang Q H. Numerical simulations of the boundary layer jet off the southeastern coast of China［J］. Monthly Weather Review， 2015， 143（4）： 1 212-1 231.
[132]	Du Y， Rotunno R， Zhang Q H. Analysis of WRF-simulated diurnal boundary layer winds in Eastern China using a simple 1D model［J］. Journal of the Atmospheric Sciences， 2015， 72（2）： 714-727.
[133]	Ma X， Li Y P， Li Z H， et al. Investigation of the characteristics of low-level jets over North America in a convection-permitting Weather Research and Forecasting simulation［J］. Atmospheric Chemistry and Physics， 2024， 24（20）： 12 013-12 030.
[134]	Shen Y A， Du Y. Sensitivity of boundary layer parameterization schemes in a marine boundary layer jet and associated precipitation during a coastal warm-sector heavy rainfall event［J］. Frontiers in Earth Science， 2023， 10： 1085136.
[135]	Ju C X， Li M， Yang X， et al. Mesoscale analysis and numerical simulation of an extreme precipitation event on the northern slope of the middle Kunlun Mountains in Xinjiang， China［J］. Remote Sensing， 2025， 17（14）： 2519.
[136]	Chen R D， Tomassini L. The role of moisture in summertime low-level jet formation and associated rainfall over the East Asian monsoon region［J］. Journal of the Atmospheric Sciences， 2015， 72（10）： 3 871-3 890.
[137]	Huang L， Bai L Q， Zhang Y J. Analysis of uncertainties in convection-permitting ensemble simulations of land breeze and nocturnal coastal rainfall in South China［J］. Journal of Meteorological Research， 2024， 38（6）： 1 047-1 063.
[138]	Efstathiou G A， Plant R S， Chow F K. Grey-zone simulations of shallow-to-deep convection transition using dynamic subgrid-scale turbulence models［J］. Quarterly Journal of the Royal Meteorological Society， 2024， 150（764）： 4 306-4 328.
[139]	Honnert R， Efstathiou G A， Beare R J， et al. The atmospheric boundary layer and the “gray zone” of turbulence： a critical review［J］. Journal of Geophysical Research： Atmospheres， 2020， 125（13）： e2019JD030317.
[140]	Strauss C， Ricard D， Lac C. Dynamics of the cloud-environment interface and turbulence effects in an LES of a growing cumulus congestus［J］. Journal of the Atmospheric Sciences， 2022， 79（3）： 593-619.
[141]	Köcher G， Zinner T， Knote C. Influence of cloud microphysics schemes on weather model predictions of heavy precipitation［J］. Atmospheric Chemistry and Physics， 2023， 23（11）： 6 255-6 269.
[142]	Lin G X， Jones C R， Leung L R， et al. Mesoscale convective systems in a superparameterized E3SM simulation at high resolution［J］. Journal of Advances in Modeling Earth Systems， 2022， 14： e2021MS002660.
[143]	Weide L E， Fiedler S. Spatiotemporal observations of nocturnal low-level jets and impacts on wind power production［J］. Wind Energy Science， 2022， 7（4）： 1 575-1 591.
[144]	Dong Y， Li Q Q. Microphysical processes of the “21·7” Henan extremely heavy rainfall event as simulated with the Thompson microphysics scheme［J］. Atmospheric and Oceanic Science Letters， 2025， 18（2）： 100480.
[145]	Werth D， Kurzeja R， Dias N L， et al. The simulation of the southern Great Plains nocturnal boundary layer and the low-level jet with a high-resolution mesoscale atmospheric model［J］. Journal of Applied Meteorology and Climatology， 2011， 50（7）： 1 497-1 513.
[146]	Klein P M， Hu X M， Shapiro A， et al. Linkages between boundary-layer structure and the development of nocturnal low-level jets in central Oklahoma［J］. Boundary-Layer Meteorology， 2016， 158（3）： 383-408.
[147]	White B， Gryspeerdt E， Stier P， et al. Uncertainty from the choice of microphysics scheme in convection-permitting models significantly exceeds aerosol effects［J］. Atmospheric Chemistry and Physics， 2017， 17（19）： 12 145-12 175.
[148]	Ralph F M， Prather K A， Cayan D， et al. CalWater field studies designed to quantify the roles of atmospheric rivers and aerosols in modulating U.S. west coast precipitation in a changing climate［J］. Bulletin of the American Meteorological Society， 2016， 97（7）： 1 209-1 228.
[35]	王兴宝，张维桓. 低空急流和非均匀层结条件下重力惯性波的传播与发展［J］. 热带气象， 1992， 8（4）： 323-333.
[36]	Li N， Gao S T， Ran L K. A PV-gradient related quantity in moist atmosphere and its application in the diagnosis of heavy precipitation［J］. Atmospheric Research， 2016， 167： 285-297.
[149]	Zheng M H， Ralph F M， Tallapragada V， et al. Atmospheric river reconnaissance： mission planning， execution， and incorporation of operational and science objectives［J］. Bulletin of the American Meteorological Society， 2025， 106（11）： E2243-E2275.
[150]	Li J X， Hong D F， Gao L R， et al. Deep learning in multimodal remote sensing data fusion： a comprehensive review［J］. International Journal of Applied Earth Observation and Geoinformation， 2022， 112： 102926.
[151]	Karniadakis G E， Kevrekidis I G， Lu L， et al. Physics-informed machine learning［J］. Nature Reviews Physics， 2021， 3（6）： 422-440.
[152]	Testik F Y， Bolek M M. What Doppler velocity spectrum broadening reveals about wind shear and turbulence［J］. International Journal of Engineering and Geosciences， 2023， 8（3）： 168-174.
[153]	Von Terzi L， Dias N J， Ori D， et al. Ice microphysical processes in the dendritic growth layer： a statistical analysis combining multi-frequency and polarimetric Doppler cloud radar observations［J］. Atmospheric Chemistry and Physics， 2022， 22（17）： 11 795-11 821.
[154]	O’Shea S， Crosier J， Dorsey J， et al. Characterising optical array particle imaging probes： implications for small-ice-crystal observations［J］. Atmospheric Measurement Techniques， 2021， 14（3）： 1 917-1 939.
[155]	Reichstein M， Camps-Valls G， Stevens B， et al. Deep learning and process understanding for data-driven Earth system science［J］. Nature， 2019， 566（7 743）： 195-204.
[156]	Billault-Roux A C， Ghiggi G， Jaffeux L， et al. Dual-frequency spectral radar retrieval of snowfall microphysics： a physics-driven deep-learning approach［J］. Atmospheric Measurement Techniques， 2023， 16（4）： 911-940.
[157]	Willard J， Jia X， Xu S， et al. Integrating physics-based modeling with machine learning： a survey［J］. ACM Computing Surveys， 2022， 55（4）： 1-34.
[158]	Kashinath K， Mustafa M， Albert A， et al. Physics-informed machine learning： case studies for weather and climate modelling［J］. Philosophical Transactions of the Royal Society A： Mathematical， Physical and Engineering Sciences， 2021， 379（2 194）： 20200093.

[1]	仲雷,葛楠,马耀明,傅云飞,马伟强,韩存博,王显,程美琳. 利用静止卫星估算青藏高原全域地表潜热通量[J]. 地球科学进展, 2021, 36(8): 773-784.
[2]	田苗，王鹏新，孙威. 基于地表温度与植被指数特征空间反演地表参数的研究进展[J]. 地球科学进展, 2010, 25(7): 698-705.
[3]	施生锦，黄彬香，刘绍民，杨燕，黄勇彬，徐自为. 大尺度水热通量观测系统的研制[J]. 地球科学进展, 2010, 25(11): 1128-1138.
[4]	刘忠方,田立德,姚檀栋,巩同梁,尹常亮. 水汽输送对雅鲁藏布江流域降水中稳定同位素的影响[J]. 地球科学进展, 2007, 22(8): 842-850.
[5]	王润元,刘宏谊,张强,赵鸿,杨兴国,王鹤龄,张凯,杨启国,王胜. 夏季草原与戈壁地表能量分析[J]. 地球科学进展, 2007, 22(6): 642-648.
[6]	王宝鉴,黄玉霞,王劲松,陶健红. 祁连山云和空中水汽资源的季节分布与演变[J]. 地球科学进展, 2006, 21(9): 948-955.
[7]	陈继;程国栋;吴青柏;牛富俊;胡泽勇. 冻土地区风的作用分析——以青藏铁路沿线多年冻土为例[J]. 地球科学进展, 2005, 20(3): 275-271.

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

A Review of the Coupling Mechanisms Between Low-Level Jets and Cloud-Precipitation Systems: Observations, Modeling, Frontiers and Challenges

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

A Review of the Coupling Mechanisms Between Low-Level Jets and Cloud-Precipitation Systems: Observations, Modeling, Frontiers and Challenges