排序方式: 共有42条查询结果,搜索用时 15 毫秒
31.
为了进一步提高GRAPES-REPS的降水预报性能,将GRAPES-Meso业务模式的高分辨率同化分析初值通过动力升尺度方法(简称GRAPES-M-US方案)产生GRAPES-REPS确定性初值,在此基础上进行了连续10 d的集合预报试验,并与基于T639全球模式同化分析初值动力降尺度方案(简称T639-G-DS方案)得到的确定性初值以及相应的集合预报结果进行了对比分析及预报检验,重点关注了降水预报的检验结果。结果表明:基于GRAPES-M-US方案得到的确定性初值相对于T639-G-DS方案得到的确定性初值而言,在低层具备更多的中小尺度信息;低层连续性变量预报表现较好,850 hPa的位势高度和温度的均方根误差以及概率预报评分(CRPS)均表现出了一定的改进效果,而中层和高层要素改进不显著,10 m风速均方根误差和CRPS均有较明显的改进效果,2 m温度均方根误差和CRPS则基本相当;对降水预报而言,24 h预报时效的小雨、中雨和大雨量级的TS评分、Brier评分和相对作用特征面积(AROC)均有一定的改进,其余预报时效总体而言基本相当或略有负效果;在2017年8月7日的强降水个例中,对强降水落区和强度的预报表现出了一定的"细化"和"纠偏"效果;总体而言,GRAPES-M-US方案较T639-G-DS方案表现出了一定的优势,特别是在短期降水预报方面。 相似文献
32.
33.
干旱半干旱地区、低密度不透水面地区、山区等困难地区具有灯光较弱、空间布局分散、周边遮挡物较多等特点,目前已有的大尺度不透水面研究中对困难地区不透水面的提取效果较差。鉴于此,提出了以多时相升降轨Sentinel SAR数据和光学影像为主,辅以灯光、DEM数据为阈值筛选的提取方法。对中国延安、越南南部、阿联酋迪拜、孟加拉国南部等困难地区进行了不透水面提取,并将提取结果与2010年GlobalLand 30产品进行了对比。结果表明,平均精度可达88.58%,平均Kappa系数可达0.76。该方法能增强困难地区不透水面提取效果,并有较高的提取精度,对于大尺度乃至全球不透水面的提取具有重要的指导意义。 相似文献
34.
利用集合预报成员初值误差在大气相空间中增长方向不同的特点,结合模式检验方法,构建持续性强降水可预报性评估指数(Index of Composite Predictability,ICP),为持续性强降水可预报性及数值预报误差增长机理研究提供科学方法。ICP综合评估指数包括三个数学模型:集合预报成员单一评估指数定义、集合预报成员综合评估指数定义和集合预报成员预报能力定义。利用中国国家气象中心T213全球集合预报资料,选取江淮流域2010年6月17—25日和2011年6月4—12日2次持续性强降水过程,进行ICP综合评估指数应用试验,其中,单一评估指数选取中雨公平成功指数ETS、500 hPa高度场均方根误差分别代表模式降水预报能力和环流形势预报能力。结果显示:可预报性评估指数ICP可有效挑选出预报最好和最差的集合预报成员,两者对持续性强降水过程的大尺度环流系统、中尺度影响系统、降水过程预报差异显著,预报最好成员对影响持续性强降水的大尺度环流形势(阻塞高压、西太平洋副热带高压和东亚大槽)的位置和强度及演变过程、低层中尺度影响系统(如切变线和西南低涡)发生发展过程预报,以及降水发生时间和落区预报与实况更接近,预报更成功,持续性强降水可预报性综合评估指数ICP合理可靠。 相似文献
35.
利用江苏省环保厅数据监测平台发布的扬州市区空气PM2.5浓度数据资料,结合仪器测量所得数据资料,分析扬州市空气PM2.5时空分异及其影响因素。结果表明:扬州市空气PM2.5浓度日均值总体低于75微克/立方米。从时间分布来看,早-中-晚呈现出"高-低-高"的变化趋势,夏收时期则高于规定的标准;从空间分布来看,城乡之间的浓度差异较大。影响扬州市空气PM2.5浓度的主要因素:一是污染源的排放程度(机动车尾气为主);二是气象条件(逆温、风、雨等)。对应对PM2.5污染提出了建议。 相似文献
36.
分析了经典多属性决策方法TOPSIS应用于空间信息的决策问题的局限性:缺乏求解空间信息的决策属性的理想解的方法,且难以获取空间信息的决策属性的效用度。针对该问题,引入区间分析的方法,对TOPSIS方法进行了扩展,提出了基于E-TOPSIS方法的分发决策算法。实验结果表明,基于E-TOPSIS方法能很好地进行空间信息智能分发决策。 相似文献
38.
39.
目前国际上采用的奇异向量集合预报初值扰动法对于初值不确定性的描述存在一定的不足,为了更有效地反映初始误差的时空多尺度特性,基于GRAPES全球奇异向量计算技术,计算了不同空间分辨率及不同最优时间间隔的多个尺度的奇异向量,并采用基于高斯分布的线性组合法来构造多尺度奇异向量的扰动初值,以代表在相空间中增长最快的多尺度初值误差模态。通过2019年1月19日的初值扰动集合预报试验,对比分析了单一尺度奇异向量初值扰动法与多尺度初值扰动法的扰动特征及集合预报效果。结果表明,多尺度奇异向量初值扰动法为区域集合预报提供的初始扰动场是合理的,扰动的大小随时间增长,且在空间分布上较好地反映了当前大气的斜压不稳定特征。此外,多尺度奇异向量扰动可以描述一定的大尺度以及中小尺度运动误差特征,较单一尺度奇异向量扰动能反映出更多初始场的不确定性信息。检验分析表明,GRAPES多尺度奇异向量集合预报在集合一致性、连续等级概率评分、离群值等方面有一定的优势,相比于单一尺度奇异向量法有较好的预报技巧。因此,基于GRAPES的多尺度奇异向量初值扰动法对于集合预报的预报效果有一定的提高,能为构建一套完善的GRAPES区域奇异向量集合预报系统提供一定的科学依据和应用基础。 相似文献
40.
GRAPES区域集合预报条件性台风涡旋重定位方法研究 总被引:1,自引:0,他引:1
为了在集合预报中更合理描述台风涡旋中心定位的不确定性,采用2009—2018年中国气象局和日本气象厅台风最佳路径数据,分析台风最佳路径涡旋中心定位的不确定性特征,在此基础上设计条件性台风涡旋重定位方法(Conditional Typhoon Vortex Relocation,CTVR),构建集合成员台风涡旋中心重定位阈值条件、台风涡旋分离数学处理及涡旋重定位等数学处理过程,利用中国气象局数值预报中心区域集合预报系统(Global/Regional Assimilation and Prediciton System-Regional Ensemble System,GRAPES-REPS)对2018年西北太平洋上的3个台风(1808号“玛莉亚”、1824号“谭美”和1825号“康妮”)进行轴对称结构和轴对称+非对称结构条件性台风涡旋重定位两种方案的集合预报试验和检验评估。结果表明:(1)中国气象局和日本气象厅台风最佳路径误差平均值为13.72 km,可视为台风涡旋中心定位不确定性的合理估计值;(2)统计检验结果和典型个例分析表明,采用轴对称结构和轴对称+非对称结构条件性台风涡旋重定位方法的台风集合预报路径误差及集合预报一致性结果比较接近;(3)条件性台风涡旋重定位方法可以有效改进GRAPES-REPS区域集合预报台风路径概率预报效果,如台风路径集合预报平均误差有所减小,集合预报一致性(路径离散度与路径均方根误差比值)增大,特别是预报初期概率预报效果改进更为显著,而预报中后期改进有限;(4)通过对“玛莉亚”台风集合预报诊断分析发现,经过条件性台风涡旋重定位后,各集合成员的台风路径误差在预报初期明显减小且路径收敛,但随着预报时效的延长台风路径逐渐发散。应用条件性台风涡旋重定位方法后,台风涡旋环流与大尺度环境场仍然比较连续协调,且台风涡旋环流外的大尺度环境场具有一致性特点,最低气压误差、最大风速误差和降水预报技巧基本不变。可见,条件性台风涡旋重定位方法的应用可以提供更准确的台风路径预报不确定性信息,帮助预报员做出更准确的预报决策。 相似文献