加密自动气象站实时监控与查询显示系统

张家口于2005年建立首批60套雨量、温度两要素加密自动气象站,并于汛期投入应用.为有效利用加密 自动气象站资料,充分发挥加密自动气象站资料高时空分辨率的特点,结合日常业务运行流程和公众服务的需求, 研制了"加密自动气象站实时监控与查询显示系统".该系统集数据查询、统计计算、自动绘制雨量等值线图、文件 输出、报警监控等于一体,具有界面美观、易于操作、自动化程度高等特点.业务运行表明该系统功能实用、运行稳 定、查询速度快、输出图表清晰美观,适合在基层业务部门推广应用.     

NASA/Goddard长波辐射方案在GRAPES_Meso模式中的应用研究

本文将NASA（National Aeronautics and Space Administration）/Goddard长波辐射方案引入到GRAPES_ Meso（Global/Regional Assimilation and PrEdiction System_Meso）模式中,对2006年4月中国地区进行了一个月的模拟试验,并与相应的NCEP（National Centers for Environmental Prediction）再分析资料进行了对比分析。试验结果表明:在模拟区域内,使用GRAPES_Meso模式进行24 h、48 h预报得到的晴空大气顶向外长波辐射通量（the clear sky outgoing longwave radiation flux,OLRC）、地面接收到向下长波辐射通量（the clear sky downward longwave radiation flux at ground,GLWC）分布形势与NCEP再分析资料具有较好的对应关系;模式预报24 h、48 h OLRC和NCEP再分析资料月平均误差百分比控制在－10%～＋10%以内,GLWC月平均误差百分比比OLRC略大,但总体上两者误差都在合理和可接受范围之内。OLRC和GLWC 24 h、48 h的预报和NCEP再分析资料的逐日距平相关系数及标准误差的对比显示,模式24 h预报OLRC、GLWC的距平相关系数月平均值分别为0.96、0.98,标准误差月平均值分别为24.54 W m-2、27.23 W m-2;模式48 h预报OLRC、GLWC的距平相关系数月平均值分别为0.9521、0.9804,标准误差月平均值分别为22.43 W m-2、27.64 W m-2。总体上,模式24 h、48 h预报OLRC和GLWC的距平相关系数都在0.93以上,标准误差都在31 W m-2以内,且GLWC预报和NCEP再分析资料的相关性比OLRC略好,OLRC预报与NCEP再分析资料的的标准误差比GLWC略小。通过和RRTM长波辐射方案对比可知,两者的预报水平基本一致。本文研究结果表明,引入NASA/Goddard长波辐射方案后的GRAPES_Meso模式整体上能够较好地预报OLRC和GLWC,该辐射方案可以作为模式GRAPES_Meso的备选辐射方案之一。     

毫米波雷达云回波的自动分类技术研究

毫米波雷达在云探测方面比厘米波天气雷达和激光雷达具有显著优势,可获得更多的云粒子信息,是研究云特性的主要遥感探测设备。为了开展对毫米波雷达探测的云回波进行自动分类的研究,利用161次云回波的个例数据,统计得到了卷云、高层云、高积云、层云、层积云和积云6类云型的特征量和其他参量的数值范围,利用分级的多参数阈值判别方法,达到了自动分类的目标,通过与人工分类的初步验证,两种分类结果的一致性达到84%,其中,层云和积云的识别一致较低的原因在于样本数据有限,仅有6次层云和8次积云的个例样本数据。通过更多样本的处理,提取的特征参量更可靠,自动分类的准确率会得到提高,以便将基于毫米波雷达的云分类技术应用于将来的云观测自动化业务。      

基于MonoRTM模型的微波辐射计反演方法研究

基于辐射传输模型MonoRTM计算天空亮温度,使用多元线性统计回归方法和BP神经网络方法分别对大气温度和水汽密度廓线进行了反演,检验并分析了两种方法的反演精度.结果表明,多元线性回归方法反演的温度偏差总体不大于6K,反演的水汽密度偏差小于4 g/m3;神经网络方法反演的温度偏差小于2K,反演的水汽密度误差总体不大于2 g/m3.与探空数据的对比表明,对于大气温度和水汽密度反演,BP神经网络方法的反演结果都要比多元线性回归方法的反演结果更接近探空资料值.     

一次东北冷涡天气过程双偏振雷达降水粒子相态识别

本文利用双偏振天气雷达资料,对2019年6月7-9日辽宁地区一次东北冷涡强对流天气过程进行分析。分析了东北冷涡的演变过程以及双偏振雷达的偏振参量在降水粒子相态识别中的作用,研究了不同判别规则对模糊逻辑算法识别结果的影响。结果表明：双偏振雷达的偏振参量可以对水凝物的种类、空间分布、物理形态进行大致判断,但水凝物相态识别结果仍需细化。模糊逻辑算法在强回波区域的识别结果更准确,采用不同的判别规则得到的水凝物分类结果虽存在一定差异,但在大部分观测区域的分类结果基本一致,符合天气演变规律,能够为气象预报预警提供鉴别参考。具有广泛时间、空间适配性的模糊逻辑算法,仍需大量实测案例数据的验证与仿真。     

南京地区雨滴谱参数的详细统计分析及其在天气雷达探测中的应用

雨滴谱包含了降雨的丰富信息,不仅能反映雨滴群的微物理特性,也能反映降雨类型、降雨强度等宏观特性,并且在雷达气象领域也有重要的价值。论文对2015和2016年度南京地区32次降雨过程的雨滴谱资料进行了处理、并对多种雨滴参数进行了详细的统计和分析,拟合了层状云降雨、对流云降雨以及积层混合云降雨的雨滴谱Gamma分布参数。另外,还基于雨滴谱数据拟合了雷达反射率因子Z与降雨强度R的Z-R关系,计算了差分反射率Z_DR、相位常数K_DP以及衰减参数,并利用衰减参数进行了C波段雷达回波的衰减订正试验。结果表明:（1）层状云降雨的各微物理参数比较稳定,积雨云的变化剧烈;层云降雨和积层混合云降雨的中雨滴、积雨云降雨的大雨滴对雷达反射率因子的贡献最大。（2）积雨云降雨的滴谱最宽,层状云降雨的最窄。（3）利用依据雨滴谱数据拟合的三类降雨Z-R关系,可以一定程度地提高雷达估测降雨的精度。（4）利用基于雨滴谱数据拟合的衰减系数,有效地进行了C波段双偏振雷达回波强度的衰减订正,体现了统计参数和拟合参数准确性。     

利用雷达回波自动识别锋线的方法

运用Matlab软件对冷锋过境的多普勒雷达径向速度进行模拟,运用合成切变估算方法,采用多普勒雷达获取的速度基数据资料,探讨了自动识别锋线的判据,并以动态链接库的方式进行了多普勒雷达锋线自动识别模块的工程设计。对2002年5月13日湖南省入汛后首场大范围暴雨过程进行自动识别处理,对比模拟结果表明该模块对此次过程中的锋线有较好的识别能力。     

冰雹云的多普勒天气雷达识别参量及其预警作用

使用宜昌多普勒天气雷达基数据资料,采用统计计算方法,分析了2004—2008年宜昌境内52块强对流云的特征。结果表明：（1）在宜昌地区,产生冰雹的对流云中其平均最大反射率因子均在50 dBz及以上;回波顶高均在9 km以上,最高达到22 km,其中80%的冰雹云的回波顶高在12～16 km之间;最大垂直液态含水量在50 kg.m-2以上的比例为76%;利用回波强度、回波顶高和垂直液态含水量均不能很好地辨别雹云和雷雨云,但可将这些参量作为冰雹发生的参考条件。（2）利用45 dBz回波顶高可较好地识别冰雹云,当强回波高度达到7.6 km时预示有冰雹出现,其临界成功指数达86%。（3）降雹前,强中心回波顶高会出现跃增现象,跃增后不久地面出现降雹,这一特殊现象有助于提前进行冰雹预警。     

太赫兹频段雷达探测的冰云微物理参数反演算法模拟研究

在假设冰云粒子呈球形以及粒子谱服从对数正态分布的条件下,利用离散偶极子近似法(DDA),计算出太赫兹频段(220 GHz)冰云粒子的雷达反射率因子,及其与瑞利假设下雷达反射率因子的比值。忽略衰减和多次散射的影响,根据太赫兹波段冰云的雷达反射率因子,基于最优估计理论反演冰云的微物理参数,并验证该算法的可靠性。反演结果表明,当冰云粒子大小在设定的尺度范围内时,有效粒子半径(r_e)的反演误差小于4%,粒子谱宽(σ)的误差小于2.5%、粒子数密度(N_T)的误差小于1%,冰水含量(IWC)的误差小于5%。还分析了当N_T和σ为定值时,反演结果随粒子尺寸的变化情况,当冰云粒子尺寸在模拟计算设定的范围内时,r_e的反演误差小于0.04%,σ的反演误差小于0.02%,N_T的反演误差小于0.50%,IWC的反演误差小于0.08%,如果冰云粒子大小超出模拟计算设置的范围,反演误差随着r_e增加而增大。该结果证明了基于最优估计理论反演得到的冰云微物理参数与模拟设定值有良好的一致性,说明该方法可应用于太赫兹频段云雷达的冰云观测及云微物理参数的反演和研究。      

山西一次降雪云物理特征的飞机观测研究

液态水含量（Liquid Water Content,LWC）是重要的云参数,对了解云微物理过程以及在人工影响天气效果检验等方面有重要的指导意义。针对已有研究的反射率因子（Z）与LWC经验公式适用范围有限的问题,利用2018—2020年飞机观测资料,在验证中国首部机载云雷达（Ka-band Precipitation Radar,KPR）探测能力和数据可靠性的基础上,采用分档平均方案,建立了适用于降水性积层混合云的Z-LWC经验公式（ Z) and LWC proposed in previous studies is limited. In this study, the reliability of the airborne Ka-band millimeter wavelength cloud radar (Ka-band Precipitation Radar, KPR) and cloud particle detection instruments are validated first. Cloud data collected by the radar and the particle instrument onboard airplane during 2018—2020 are then processed and smoothed within different cloud diameter ranges and radar reflectivity ranges to build a new Z-LWC relationship suitable for precipitating stratiform-convective cloud. The new relationship is 相似文献