静止气象卫星云导风的结果分析

对利用静止气象卫星云导风系统生成的云迹风资料与无线电探空风资料对比分析 ,估计云迹风资料的可靠性与精度。选取2001年5～7月间12天共16个时次的资料 ,采用临近层比较法 ,对气象卫星的红外图像云迹风与水汽图像的轨迹风计算结果分别与探空风进行对比分析 ,水汽图像的导风效果略好于红外图像。把云迹风矢和探空风矢分为高、低空两层 ,分别统计给出高、低空云迹风的误差 ,在高空 ,风速误差大、风向误差小 ;在低空 ,风速误差小 ,风向误差大。对卫星云迹风与无线电探空风的最佳层比较 ,在最佳层的风速误差均方根与风向差绝对平均值均明显地减小。     

云迹风资料的三维变分同化及对台风预报的影响试验

主要研究云迹风资料对三维变分同化分析场及台风预报的影响。首先分析了不同通道和层次的静止气象卫星云迹风产品的误差特征；然后，把云迹风资料放到GRAPES三维变分同化系统中进行同化，通过将不同观测类型资料的同化结果进行对比，探讨了红外通道和水汽通道云迹风资料对数值预报分析场的影响；最后，把同化后的分析场作为初始场，用WRF模式对2002年“森拉克”台风做24小时预报实验。结果表明，不同通道和层次的云迹风资料具有不同的误差特征；云迹风资料可以提高分析场和预报场中风压场的质量；而且在台风预报试验中可以更准确地预报台风的路径和降水。     

卫星云迹风微机客观导出系统

介绍用３８６微机开发的静止气象卫星云迹风客观导出系统软件和所采用的处理方法。资料分析表明，该系统所得结果与天气图分析有很好的一致性。本文还指出云迹风资料的特点，以及系统改进和资料解译而尚待解决的问题。     

云迹风资料导出的原理和方法

本文介绍了利用静止气象卫星云图导出云迹风资料的原理和方法，并对导出的云迹风资料进行了分析。结果表明，所得结果具有一定的合理性，合理利用这些资料可以弥补台站稀疏的地区资料缺少的缺陷，对天气分析和数值预报有一定的补充作用。     

两种导风方法在台风路径分析中的 应用比较研究

基于云导风使用的最大相关法（已经广泛应用）和TCFM法（傅立叶相位分析法和最大相关法相结合）两方法的原理,开发了利用FY-2C静止气象卫星30min间隔卫星云图资料获得云迹风的可视化导风实验系统。利用该系统处理2005年夏季麦莎、卡努、龙王等3个台风期间的卫星云图,对得到的云迹风进行台风路径反演分析。结果表明,TCFM导风方法得到的结果优于最大相关法。     

FY-2E云迹风资料的高度调整对“灿都”(1003)台风路径数值预报影响的研究

首先分析了FY-2E云迹风资料在不同高度上的分布,并利用背景场信息对云迹风资料的高度进行整体调整,然后进行数值对比试验,即将高度调整前和高度调整后的云迹风资料分别同化到GRAPES-3DVAR系统中,比较分析同化这两种资料对2010年7月21日0000 UTC—23日0000 UTC的台风路径预报的影响。结果表明,在垂直方向上,500 hPa以上才有云迹风资料,大约在300 hPa的资料最多;文中提出的重定高方法能有效地重新调整云迹风资料的高度,调整后的云迹风分布没有明显的矛盾,分布合理;同化重定高后的云迹风资料后,尤其是水汽通道的云迹风资料,能合理地对初始风场进行调整,使"灿都"台风周围的引导气流有利于其向实测路径靠近,进而有效改进台风路径预报。     

云迹风计算中的两个几何问题

文章分析了云迹风计算工作中所遇到的两个几何问题，即图像匹配问题和风矢量计算问题。图像匹配问题是指用于计算云迹风的两幅图像如果定位网格不一致，如何通过图像匹配来减少云迹风的计算误差。风矢量计算问题是指在已得到示踪云位置时，如何准确地求出风向风速。云迹风的计算在本质上是一个几何问题，几何处理周密是减少云迹风计算误差的一个重要途径。     

逐时云迹风资料同化对暴雨预报的模拟试验

文中基于不同的云迹风同化方案,用GRAPES模式对2005年7月11-12日长江中下游一次暴雨强降水过程进行了云迹风资料同化试验及数值模拟,通过对比分析不同方案所得的分析场及预报场的差异,研究逐时云迹风资料三维变分同化对分析场及暴雨预报的影响.首先,根据连续性原理及双通道各层次云迹风资料的误差分析,分3个步骤对7月11日00:00-12:00 UTC共12个时次的双通道云迹风资料进行了初步的质量控制;然后,把经过质量控制的云迹风资料放入基于GRAPES 3D-VAR三维变分同化方案开发的逐小时循环同化系统中进行同化,将得出的分析场与单一时次未经质量控制的云迹风资料同化得出的分析场进行对比,探讨了逐时云迹风资料同化对数值预报分析场的影响;最后,把同化后的分析场作为初始场,用 GRAPES模式对 2005年7月11-12日长江流域暴雨过程做24 h降水预报试验,分析两个同化方案所模拟得到的预报场的差异.结果表明,经资料的筛选、同经纬度单点通道的选择及资料的稀疏化3个步骤控制后,各层次云迹风资料的误差有明显减小;加入经质量控制的逐时云迹风资料其三维变分同化可以提高分析场中风压场及水汽场的质量;而且在暴雨预报试验中可以相对更准确地预报暴雨落区及雨强.     

FY-2C云迹风资料在中尺度数值模式中的应用研究

利用探空观测资料对FY-2C云迹风资料进行统计检验和误差分析,并针对其误差特征进行偏差订正和热成风原理两种方法的质量控制.然后通过GRAPES-3Dvar同化到GRAPES-Meso模式中,对2005年7月1日00时至7月2日00时发生在中国西北部的一次暴雨过程进行了数值对比试验.结果表明:云迹风数量在垂直方向上主要集中分布于500 hPa以上的对流层中高层,在250 hPa附近数量分布概率最大;高度在500 hPa以下云迹风存在明显的风向误差和很大的风速误差,而且误差分布发散,可用性较差.500 hPa以上层次的云迹风误差较小,且误差分布呈高斯分布具有一定的系统特性,可用性较好;通过质量控制后,可以把风向错误或风速偏差太大的云迹风予以剔除,进一步提高云迹风的精度;同化云迹风资料后,在暴雨区附近初始风场低层的西南气流明显加强,有利于暴雨区水汽输送和水汽辐合,最终能很好地改善24 h暴雨预报的强度和落区.     

云迹风资料同化对暴雨预报影响的数值模拟

文中运用MM5对 1998年 6月 13～ 14日长江中下游一次暴雨强降水进行了数值模拟及云迹风资料同化试验研究。结果表明 ,云迹风资料同化能有效地改善高空风场质量 ,修正控制试验中模式高空风场对中纬度高空西风急流前沿西风强度的描述 ,使得模拟的暴雨强度与实际降水分布更加接近。分析认为在暴雨预报业务和科研中 ,云迹风资料的使用可有效地改善高空风场分布 ,对提高降水预报质量是一个有效途径 ,值得进一步尝试     

三种云导风资料及其对台风数值预报影响试验的比较分析

由于在海面上缺乏重要的常规观测资料,因而云导风成为研究西太平洋台风一种不可缺少的重要资料。为了对“南京信息工程大学”开发的云导风系统(CWIS)进行质量评价及其对台风研究的贡献,选取了三种云导风资料进行综合对比。通过对比CWIS导出FY2C云迹风数据、中国气象局国家卫星中心(NSMC)导出FY2C云迹风数据和日本气象卫星中心（JMSC）的MTSAT云导风数据,采用逐点比较法分析了不同资料的精度与误差。所得结果发现：CWIS的风速与JMSC风速、NSMC的风向与JMSC风向分别均有较好的一致性。使用三重制约法获得了三种云导风资料的误差信息,风速误差标准差以JMSC最小、NSMC最大;风向误差标准差以JMSC最小、CWIS最大。云导风资料在中尺度对流云带和高空急流云带上,NSMC云导风风速大于CWIS、JMSC;而在台风云系上三种云导风资料没有特别的差异。根据以上比较的三种云导风资料的结果,进行了云导风资料对台风路径数值预报的影响的初步试验。结果表明：加入云导风资料模拟后得到的台风移动路径与实况总体上比较接近,不同的资料导出不同的结果,台风中心位置误差减小到23%~74%。     

利用云导风矢量的台风中心自动定位

文中提出了一种利用云导风矢量图进行台风中心自动定位的方法。云导风矢量通过对具有一定时间间隔的两幅相关卫星云图进行模板匹配而得出。模板匹配就是根据已知模式的图像在一幅陌生图像中寻找对应于该模式的子图像的过程。根据气象知识 ,台风云系运动的特点是中心平移量大而自旋很弱 ,且台风中心与台风云系整体的移动方向一致 ,因此求出云导风矢量图中与台风整体移动矢量大小和方向一致的矢量集合的最密集区 ,经过数学形态学处理后便得到台风中心     

利用静止卫星窗区红外亮温反演晴空区风场的初步研究

云导风反演明显的局限是在晴空区无法获取风场。为克服这种局限,提出利用静止卫星红外图像资料反演晴空区风场的方法—时间序列差值法,利用LOWTRAN7对其进行可行性分析,并应用云导风实验系统CWIS进行晴空区导风实验。结果表明：实验结果与NCEP资料低空风场有很好的一致性。因此,在传统的“云导风”基础上,增加晴空区卫星导风,可为卫星遥感资料在台风、梅雨和强对流等天气系统分析预报中的定量应用提供更多的卫星风矢。     

在台风业务系统中使用卫星云导风资料的试验

在国家气象中心台隐数值预报业务系统中引入国家卫星气象中心提供的卫星云导风资料,进行两项预报试验。第一项是把卫星云导风资料作为观测资料进行最优插值客观分析;第二项是将云导风资料加入到轴对称的人造台风模型风场上,使之产生非对称风场。试验结果表明：卫星云导风资料作为观测资料进入模式后对减小台风路径预报误差效果明显;用云导风形成人造台风模型非对称风场可进一步提高台风路径预报精度。     

FY-2C云迹风资料同化应用对台风预报的影响试验研究

针对0505号台风“海棠”, 采用WRF区域中尺度模式进行控制试验和两个同化试验, 利用WRF-3DVAR同化系统同化FY-2C红外和水汽两个通道云迹风反演产品, 同化分云迹风经质量控制和未经质量控制两组同化试验。通过三组试验分析云迹风资料对降水和风场等的预报结果的影响, 并进行24小时降水量分级Ts评分检验以及风场点对点检验。结果表明: 同化经质量控制云迹风资料可以提高降水落区和强度预报的准确度, 不同等级的Ts评分较其它试验都有较明显改进; 风场预报模拟也有所改善。增加两例台风, 使用与“海棠” 相似的处理方法进行模拟试验, 并对模拟结果24小时降水分析与检验, 得到与“海棠”类似结论。因此, 经过合理性选择的云迹风资料的加入, 有利于补充初始场中可能未包含的中尺度信息, 从而提高试验中对于降水、风场等的模拟效果, 提高WRF模式的模拟预报能力。     

云迹风反演中高密度示踪云选取技术的研究

云迹风反演中的一项很重要的工作是选取随风移动、变化缓慢的云，即示踪云。文中设计了一种示踪云选取算法，以改善云迹风的质量和密度分布。该算法的特色是反演风的位置并不固定在反演网格的中心位置，而是通过梯度分析的方法使反演风的位置得到优化，再经过积雨云检测和灰度分布均匀程度检验，剔除不适合用来反演的目标物。对用该方法选取的示踪云进行云迹风反演，然后对反演出的云迹风进行环流分析，并与探空风进行比较。结果表明，反演出的云迹风质量好，密度很高，清晰地反映出天气系统的风场结构。     

Coherence between low‐level cloud motion vectors and surface wind measurements Near 0°, 152°W from April 1979 to February 1980

Abstract

Low‐level cloud motion vectors determined by the National Oceanic and Atmospheric Administration (NOAA) and the University of Wisconsin in a 5‐degree square centred at 0°, 152°30’ W were intercompared with moored buoy wind measurements made at 0°, 152°W during April 1979‐February 1980. At the site of the intercomparison test the prevailing wind direction was easterly; monthly mean values of the meridional wind speed were less than 20% of the zonal component. The surface winds measured during the observational period were similar to the climatological‐mean wind conditions. Although the satellite wind speeds were larger than buoy wind speeds, as a priori expected, because of the vertical separation between the measurements, the comparison indicated that in the case of the zonal component there was a maximum usable frequency (muf) below which cloud drifts and surface wind vectors were 95% significantly correlated and the correlation was greater than the 50% noise level. The muf were 0.17 and 0.3 cpd for the NOAA and Wisconsin cloud motion vectors, respectively. At frequencies below the muf, an algorithm describing the frequency‐dependent differences of the rms zonal wind speed amplitudes was developed. Coherences involving the meridional wind speeds were too low for the estimation of a muf.