应用多普勒天气雷达资料对四川“7·3”暴雨的变分同化试验

针对2011年7月3日四川地区一次强降雨过程,以NECP/NCAR 1°×1°再分析资料为背景场,采用中尺度数值天气预报模式WRF及其三维变分同化系统3DVAR,同时对多普勒天气雷达的径向速度和反射率因子进行了三维变分同化对暴雨模拟效果影响的研究.结果表明:同化了雷达资料后的初始场能够更加精细的刻画初始风场和水汽通量场的分布与数值,能展现出风场的辐合辐散区域,对水汽通量的中心位置有较大影响,大风速区域和水汽通量高值中心有较好的对应关系;同化了多普勒雷达资料后能较为明显的改变降雨落区及强度的预报精度,前6h有明显的改善作用,随着时间的增加改善作用逐渐减小,前9小时改进作用仍很明显,对比24小时实况降雨仍存在一定的改善作用;经过质量控制后的雷达资料对暴雨预报的改善作用要优于未进行质量控制的雷达资料以及每隔一小时加入一次雷达资料要优于每隔半小时加入雷达资料对于暴雨预报的改善作用.     

一次川东暴雨的雷达资料同化试验与诊断分析

为了对大尺度暴雨天气过程的雷达资料四维变分同化效果进行验证,选取2013年6月29日至7月2日发生在川东遂宁地区的一次暴雨天气过程,使用WRF中尺度模式进行雷达资料的同化模拟试验,并使用模式输出进行诊断分析。结果表明,高时空分辨率的雷达资料使短时间窗口的四维变分同化成为可能。同化结果能很好地改善由地形和初始场误差等因素带来的模拟缺陷,模拟输出场能完整再现整个暴雨的发生发展过程。副高西南侧低空急流带来的海上水汽与南亚季风自南向北带来的水汽共同构成了本次过程稳定的水汽供应通道。中β尺度涡旋的不断生消交替形成了该次暴雨过程的3次降水阶段。垂直方向不稳定能量的快速累积,缓慢释放以及垂直方向强的水汽输送交换,是造成该次过程降水时间长,量级大的主要原因。     

FY-3双星MWHS资料对江西暴雨的循环同化试验

为了提高卫星资料在同化系统中使用率及验证同化卫星资料的预报效果,采用循环同化方案并通过江西2012年5月11~14日的暴雨个例进行验证。试验设计了风三卫星MWHS资料的循环同化双星资料方案和单时次同化单星资料方案,并对方案的运行结果进行了分析。结果表明,使用MWHS资料可以改进湿度场和涡度场。相比单时次同化单星MWHS资料,循环同化双星MWHS资料方案能更好地改善湿度场和动力场,模拟的降水落区和强度更接近实况,其TS评分最优。单时次同化单星MWHS资料,选用降水期间探测的卫星资料同化效果更优。     

一阶有限元浅水模式的变分资料同化

一阶有限元浅水方程的伴随模式应用于气象资料同化场,并利用最优化方法对具有随机扰动的初始场进行优化处理。通过极小化算法,使所定义的目标函数达到最小,从而得到最优的气象要素初始场。数值试验结果表明这种处理是很有效的     

FY-3A卫星MWHS资料同化及四川盆地暴雨数值模拟分析

为研究中国FY-3A(风云三号A卫星)资料在数值模式中对暴雨模拟的作用,以2012年07月03日发生在四川盆地的一次暴雨过程为个例。利用WRF(V3.3)模式和三维变分同化系统WRF-3DVAR,对FY-3A的MWHS(微波湿度计)资料进行同化试验研究。研究结果表明:同化MWHS资料后,相比控制试验,(1)同化方案A在降水区出现+3K的正增量中心和+10%的正增量湿中心,改善了大气能量场和湿度场信息;(2)同化方案A提高了降水区垂直速度和涡度场的数值和分布位置,并较好的刻画出风场的辐合辐散区域和水汽通量高值中心,准确模拟出水汽通量的中心位置;(3)对此次暴雨个例试验研究,在中东部、东北部主降水区,同化方案A模拟降水区分布形式较好,尤其是降水强度得到较大提高降水值达230mm,非常接近实况降水值(227mm),同化MWHS资料可以较好提高WRF模式降水预报能力。     

2011年“7·3”特大暴雨天气过程诊断分析

为了更好的了解暴雨发生的机制且为未来预报奠定基础,需要对暴雨天气过程进行诊断分析.通过利用自动站降水观测资料、台站探空资料和NCEP逐6小时再分析资料,总结分析了成都地区2011年7月03至04日特大暴雨天气过程的环流背景和主要影响系统,并对相关物理量进行了诊断分析,结果表明:(1)这次降雨主要是在高空副高的突然加强西伸、低空西南急流的水汽输送和本地积聚的不稳定能量与弱冷空气侵入共同作用下产生的.(2)暴雨开始前,成都地区位于高空水汽通量散度梯度大值区北侧的辐散区.随着暴雨发展,水汽通量散度梯度区向北移动.(3)水汽通量散度正负临界值区和湿位涡对于本次降水落区的预报有较好的指示意义.在强降水区域,低层湿位涡的垂直正压项为明显的正值中心,斜压项为梯度大值区,斜压性很强.(4)风场在850hPa等压面和低层θe=325K(大约750hPa)等熵面上均表现为气旋式弯曲,有利于强降水的发生.     

2011年“7·3”特大暴雨天气过程诊断分析

为了更好的了解暴雨发生的机制且为未来预报奠定基础,需要对暴雨天气过程进行诊断分析.通过利用自动站降水观测资料、台站探空资料和NCEP逐6小时再分析资料,总结分析了成都地区2011年7月03至04日特大暴雨天气过程的环流背景和主要影响系统,并对相关物理量进行了诊断分析,结果表明:(1)这次降雨主要是在高空副高的突然加强西伸、低空西南急流的水汽输送和本地积聚的不稳定能量与弱冷空气侵入共同作用下产生的.(2)暴雨开始前,成都地区位于高空水汽通量散度梯度大值区北侧的辐散区.随着暴雨发展,水汽通量散度梯度区向北移动.(3)水汽通量散度正负临界值区和湿位涡对于本次降水落区的预报有较好的指示意义.在强降水区域,低层湿位涡的垂直正压项为明显的正值中心,斜压项为梯度大值区,斜压性很强.(4)风场在850hPa等压面和低层θe=325K(大约750hPa)等熵面上均表现为气旋式弯曲,有利于强降水的发生.     

应用多普勒雷达资料对成都地区暴雨的研究

利用多普勒天气雷达资料结合其它实测资料,分析研究了2003年8月28～31日发生在大成都地区的区域性暴雨过程.从回波的强度、结构、风场以及影响系统等方面得知:由冷锋激发的絮状回波有利于区域性降水的产生;回波强度、VIL和RZ值与降水有很好的相关性;当近地层具有低空急流和强烈垂直风切变以及低层径向速度辐合时对暴雨的发展十分有利.     

四川盆地强暴雨过程诊断及中尺度分析

为了探索四川盆地暴雨天气发生发展的机制,利用云图和美国环境预报中心的全球再分析资料,针对2010年8月18—19日出现的暴雨过程进行环流形势、物理量场及中尺度特征分析,结果表明：暴雨过程中不断有低压槽东移,西太平洋副高西伸至盆地东部,暖湿气流通过低层绕流等方式进入盆地;在低层辐合高层辐散和热力不稳定的条件下,随着干冷空气入侵,对流运动异常强烈,促使强降水发生,湿位涡等值线密集带对暴雨落区预报有较好的指示意义。中尺度对流系统各阶段特征明显,与中尺度气旋演变有很好的相关性。     

多分辨率遥感土地覆被数据质量综合评价——以湖南省桃源县为例

评价土地覆被数据质量是正确、合理使用数据的前提和保障,有助于遥感制图方法的改进。本文以1：10万土地利用数据为参考数据,选取2010年RapidEye_5 m、FROM_GLC（30 m）、MODIS_V005（500 m）,以及2009年GlobCover 2009（300 m）土地覆被数据,以湖南省桃源县为例对4种不同分辨率的遥感土地覆被数据质量,引入窗口的分类类别统计方法,进行了综合评价,并分析了其误差和空间分布。结果表明：（1）RapidEye_5 m数据总体精度最高,MODIS_V005和FROM_GLC次之,GlobCover 2009数据相对最低。高分辨率土地覆被数据对于居民地、交通用地、水体等精细地物分类较好,具有一定优越性,各数据在一级类上的面积相关性和一致性总体高于二级类;（2）各数据在建筑用地和其他未利用地类型上的生产者精度均较低,FROM_GLC和MODIS_V005数据,在灌木草地上的空间一致性较差,4种数据在以耕地为主的平坦地区空间一致性较好,混淆主要发生在灌木草地、乔木林地和耕地之间;（3）随着土地覆被数据分辨率的提高,分出较多地物类型数的面积比例也随之增加,较高分辨率的RapidEye_5 m和FROM_GLC分出的类别数集中在7-16种较高水平上,低分辨率数据集中在1-5种较低水平上,在丘陵山区差异显著,而高分辨率数据对地物区分更好,集中于11-16种地物。     

基于多元数据的中国地理空间疫情风险评估探索——以2020年1月1日至4月11日COVID-19疫情数据为例

新冠肺炎（COVID-19）在空间上具有一定的传播风险,对城市的安全健康构成了威胁,防止疫情传播成为紧迫的任务。在2020年1月1日至4月11日,COVID-19疫情经历了发生、迅速发展和趋于稳定的发展过程,利用初期的COVID-19数据进行宏观层面的疫情风险评估,为防疫控制措施提供一定的参考。因此本研究基于行政区划、定点医院、疫情小区以及道路交通等多元数据,在宏观层面提出并构建全国地理空间疫情风险性评估,对疫情风险分布探讨的同时进行评估效果验证,并根据构建指标揭示影响风险的因素及其机理,主要结论： ① 地理空间风险评估具有有效的可行性。② 地理空间疫情风险分布全局Moran's I指数为0.758,具有显著的空间集聚特征。同时,不同的省区市之间的局部LISA值呈现空间差异性,其中高—高聚类省区市占比全国25.81%,风险程度较高,主要分布在湖北、河南、湖南、江西、安徽、浙江、江苏、上海,低—低聚类省区市占比全国9.68%,风险程度较低,主要分布在青海、西藏、新疆。③ 地理空间疫情风险分布与地理区位、道路交通、医疗卫生、疫情现状指标均存在一定的相关性。根据统计学的Pearson相关性分析,其相关指标R ²存在差异,在数值上由高到低依次为疫情现状、地理区位、道路交通、医疗卫生,在属性上其相关因子存在正负2种效应,地理空间疫情风险与武汉市地理距离、定点医院密度以及居民-医院地理距离呈现显著的负相关,其R ²分别为0.813、0.545、0.436,与铁路网密度、公路网密度以及疫情小区密度呈现显著的正相关,其R ²分别为0.751、0.792、0.825。④ 地理空间疫情风险的构成因素错综复杂,其受到多种因子的共同作用,根据空间分层异质性分析,不同因子之间均存在交互作用,其中居民—医院地理距离与公路网密度、铁路网密度交互作用较强,q值分别为0.9842、0.9837。本研究在宏观层面为城市管理中重大疫情的空间资源分配以及区域空间的联防联控策略提供了相应的依据。