排序方式: 共有18条查询结果,搜索用时 15 毫秒
1.
利用NCEP再分析资料和地面自动站观测数据,从环流特征、低涡演变等方面,诊断分析了2019年7月6~9日湖南中南部地区的一次致洪极端暴雨过程的成因。结果表明:此次极端暴雨具有显著极端性和“潇湘夜雨”的日变化特征,在副高长时间稳定、主体异常偏南的环流背景下,地面浅薄冷空气侵入,不对称的位涡分布、中低层持续较强上升运动促使低涡加强并长时间维持是造成湖南此次极端暴雨的主要原因。低涡加强时段与降水最强时段、正位涡中心与暴雨中心均对应较好。强降雨发展阶段垂直螺旋度维持“下正上负”分布特征,低层正值中心的大小与降水强度变化一致。湖南中部以南强雨带与低层正螺旋度大值中心均出现在南岭山脉北麓的陡峭地形区。水汽主要来源于边界层,925 hPa水汽汇合中心出现时刻、区域与暴雨发生时段、落区吻合,两支主要的水汽输送带分别来源于孟加拉湾的偏西气流和南海的西南气流。 相似文献
2.
对2002年6月21~23日发生在黄海-长江流域梅雨锋上的一系列由中尺度对流系统(MCS)引起的强对流天气过程进行了云顶辐射亮温(TBB)和天气形势、气象要素等的诊断分析.结果表明梅雨锋上的MCS是造成这次长江流域产生暴雨甚至大暴雨级强降水的主要系统;MCS的强降水中心(区)与TBB≤-32℃的频率FM、TBB≤-52℃的频率Fs高值中心(区)关系密切,由FM和Fs可以相当明显地反映降水的总体特征,而且比使用TBB低值中心(区)来反映降水的总体特征能力要强;地面的梅雨锋、低层的切变线、对流层上层的高压这种上下层系统的配置十分有利于强对流天气的发生. 相似文献
3.
21世纪前期长江中下游流域极端降水预估及不确定性分析 总被引:1,自引:0,他引:1
在全球变暖背景下,极端降水的频率、强度以及持续时间均在显著增加,尤其是对于气候变化敏感的长江中下游流域。由于模式本身、温室气体排放情景以及自然变率存在较大的不确定性,因此未来预估变化的不确定性一直备受关注。为了能够得到对于未来极端降水更为准确的预估结果,使用NEX-GDDP(NASA Earth Exchange Global Daily Downscaled Projections)提供的19个CMIP5降尺度高分辨率数据(0.25°×0.25°),给出21世纪前期(2016—2035年)长江中下游流域极端降水的可能变化。根据长江中下游流域178个气象站1981—2005年的逐日降水量数据,计算了能够代表极端降水不同特征的指数,在评估模拟能力的基础上给出了21世纪前期RCP4.5情景下极端降水的变化。结果表明,降尺度结果对长江中下游流域极端降水有很好的模拟能力,除R90N外,所有模式模拟其余指数的空间结构与观测的相关系数均超过了0.6。其中所有模式模拟PRCPTOT和R10的相关系数均超过0.95。21世纪前期,长江中下游地区降水趋于极端化,尤其是在流域的西部地区。极端降水日数的变化在减少,表明对于极端降水的贡献主要来自于极端降水日的较大日降水量,而非极端降水日数。未来预估不确定性的大值区主要位于流域的南部地区,流域的西部地区不确定性较低,西部地区极端降水的增加应该受到更多的重视。 相似文献
4.
利用湖南省区域自动站和常规观测站降水资料、NCEP/NCAR和JRA-55再分析资料及湖南省气象台大气河预报业务产品,分析了2017年6月22日至7月2日湖南一次特大致洪暴雨过程的雨洪和水汽输送异常特征,以及大气河水汽输送对强降雨的影响,在此基础上定量分析了强降雨区各边界的水汽收支状况及各水汽轨迹的贡献。结果表明:此次强降水过程分为三个阶段,第一、第三阶段降雨的范围、强度均明显大于第二阶段。欧亚中高纬稳定的"1槽1脊"环流形势、低纬较稳定的西太副高及其外围强劲的水汽输送是此次暴雨发生的环流背景。水汽通量、水汽通量散度、比湿等物理量的水平及垂直分布对降水的阶段性特征和位置、强度变化有很好的指示作用。三个强降雨时段,来自孟加拉湾、南海和西太副高西南侧的水汽输送表现出不同的强度和位置,造成到达湖南境内的偏南水汽输送空间异常程度不同。大气河的强弱及其水汽输送通道、辐合区位置以及强降雨区各边界水汽净收入对强降水发生、发展起关键作用。水汽后向轨迹分析表明,低层偏南的水汽输送是此次极端强降雨较长时间维持的重要因素,而来自北方的干冷空气侵入利于大气斜压性增强和对流不稳定维持,是第二阶段降水强度弱于第一、第三阶段的另一原因。 相似文献
5.
6.
基于1986—2015年湖南逐日降水资料、同期美国气象环境预报中心(NCEP)和美国国家大气研究中心(NCAR)再分析资料,通过分析强低频振荡年的汛期强降水特征和低频环流场演变对强降水的影响,建立了湖南省汛期延伸期强降水过程预报指数。结果表明:(1)汛期33%的强降水过程均发生在具有显著30~60 d低频振荡的年份中,且大多位于低频降水峰值阶段。(2)通过对强低频振荡年进行合成发现,在活跃位相,南亚高压偏强偏东,副热带高压偏西偏强,这种环流配置导致中国南方大部分地区的高层环流为辐散,底层环流为辐合,有利于降水的产生。在中断位相,南亚高压呈东西带状分布且其位置偏西、强度偏弱,副热带高压偏东偏弱,使得向湖南地区输送水汽的西南气流减弱,进入降水中断期。(3)基于低频散度场不同位相的变化特征,选取了与低频降水相关的两个关键区,从而建立延伸期预报指数,该指数对低频降水显著年的强降水回报准确率能够达到73%。(4)前期4月黑潮的海温异常(SSTA)可作为湖南省强低频振荡年的预测指标。 相似文献
7.
GRAPES-Meso云分析系统的设计与试验 总被引:5,自引:0,他引:5
研究应用LAPS(Local Analysis and Prediction System)云分析方案,基于美国"风暴分析预报中心"开发的中尺度模式ARPS(Advanced Regional Prediction System)的资料分析系统ADAS(ARPS Data Analysis System),开发了GRAPES-Meso(Mesoscale of the Global and Regional Assimilation and Prediction System)区域中尺度数值预报模式的云分析系统,首次实现了地面云观测资料、卫星云图、多普勒雷达反射率资料在GRAPRS模式中的综合同化应用。详尽分析了地面云观测资料、卫星红外云图、可见光云图、多普勒雷达反射率多种观测资料对GRAPES模式初始三维云覆盖、多相混合比等云微物理因子以及初始场的调整。通过对2009年6月28日至7月4日湖南省一次强降水过程的模拟试验检验云分析系统的性能,对比分析表明:(1)云分析系统通过地面云观测资料、卫星红外云图、可见光云图、多普勒雷达反射率的同化,能够反演出三维云覆盖状况;(2)在三维云覆盖的基础上结合云底云顶高度,能够反演出云水、雨水、云冰等微粒,并显著改善模式初始湿度场;(3)云分析系统能够显著缩短模式的热启动时间,明显增大了开始几小时的降水量预报,对24小时的降水预报效果也有显著改善。 相似文献
8.
借鉴美国CAPS开发的中尺度ARPS模式的资料分析系统ADAS,设计了基于GRAPES_Meso的云分析系统,实现了地面云观测资料、卫星云图、多普勒雷达反射率资料在GRAPRS模式中的综合融合应用。通过对登陆台风莫拉菲 (0906) 数值模拟检验云分析系统的性能。结果表明:云分析系统通过地面云观测资料、卫星红外云图、可见光云图、多普勒雷达反射率的同化,能够反演出合理的三维云覆盖状况;在三维云覆盖的基础上结合云底云顶高度,进而反演出云水、云冰、雨水、雪、霰等云微物理量,并显著改善模式初始湿度场;在台风登陆过程的模拟中,虽然对台风路径的预报有所偏差,但对比控制试验,在台风登陆地点、台风强度、路径的预报中云分析发挥了正作用;通过对云分析后初始场反演的雷达回波进行检验,验证了云分析的可行性与正确性,对整体的降水预报效果也有明显改善。 相似文献
9.
湖南省夏季极端降水异常时空特征及其成因分析 总被引:3,自引:2,他引:1
利用湖南省88站常规观测资料、NCEP全球再分析资料,采用EOF分解和合成分析方法研究了湖南省1961—2014年极端降水的年际变化异常和时空特征,以及极端降水异常的环流成因。并主要分析了由EOF方法分析得出的第一类极端降水形态(一致偏多或偏少型)与环流异常之间的联系。结果表明,湖南省夏季极端降水分布有较大的空间差异,且湖南省极端降水呈明显增强的趋势。由于极端降水的变化周期与大尺度环流固有的2~4 a周期相同,因此大尺度环流的变化是湖南省极端降水异常的主要成因。大尺度环流的变异引起中国东部经向排列的环流异常分布,使得高度场和风场等气候场产生变异,从而引起湖南省极端降水的异常。从极端降水偏多年与偏少年大气环流的差值场可以看出:湖南省处于显著差异区,湖南省极端降水偏多(偏少)主要是由于北方的偏北风加强(减弱)和经西太平洋—南海进入湖南地区的西南风加强(减弱)并在湖南地区产生辐合(辐散)。当夏季东亚副热带西风急流偏南时,湖南正处在偏南较强西风急流的南侧,较强西风急流所产生的抽吸现象使得上层空气辐散,增加了湖南省极端降水的强度。副热带高压强度偏强、位置偏南、偏西,使得东亚夏季风偏弱,导致气流辐合稳定在湖南省,造成极端降水偏强。前冬中东太平洋海温偏暖(EI Ni1o)/偏冷(La Ni1a),湖南地区的极端降水容易一致偏多/偏少。同时黑潮暖流区也是影响湖南极端降水变化的可能原因。 相似文献
10.
利用1996—2015年中国的高空探测资料和地面观测数据,挑选发生降水的数十万个样本将其分为降雨和降雪两类事件,抽象为二分类问题,采用深度学习网络技术构建降水相态判识模型,并用2016—2017年的数据进行测试检验,针对2018年1月下旬中国一次大范围雨雪天气过程进行个例检验,在此基础上探讨了深度学习网络在降水相态判识和预报中的应用。主要结论如下:基于深度学习网络判识模型的判识准确率为98.2%,雨、雪的TS评分分别为97.4%和94.4%,相应空报率为1.7%和2.0%,漏报率为1.0%和3.7%,较传统指标阈值法的判识准确率有较大提高;个例检验显示,基于实况探空数据的模型判识结果与降水相态实况在全国基本保持一致,欧洲中期数值预报中心(ECMWF)的降水相态预报产品和模型的预报结果对全国的降水相态都表现出较好的预报能力,而对雨雪分界线的预报,模型的预报结果较ECMWF总体上更接近实况。测试结果表明,模型较好地提取了雨、雪降水相态的结构特征,深度学习网络在降水相态判识和预报中的应用具有可行性和一定的优势,可为降水相态的客观判识和预报提供重要技术支撑。 相似文献