非地转湿Q矢量在台风暴雨预报中的应用试验

利用NCEP/NCAR全球格点资料和TRMM卫星资料,采用改进后的非地转湿Q矢量,对0908号台风“莫拉克”引起的台湾南部特大暴雨过程进行预报应用试验.试验结果表明:(1) 850hPa高度层的非地转湿Q矢量散度及水汽通量散度分布可以预报未来24 h暴雨的落区及其雨带的分布,暴雨发生在Q矢量散度梯度大值区靠近辐合区域,...     

A dissection of the surface temperature biases in the Community Earth System Model

Based upon the climate feedback-responses analysis method, a quantitative attribution analysis is conducted for the annual-mean surface temperature biases in the Community Earth System Model version 1 (CESM1). Surface temperature biases are decomposed into partial temperature biases associated with model biases in albedo, water vapor, cloud, sensible/latent heat flux, surface dynamics, and atmospheric dynamics. A globally-averaged cold bias of ?1.22 K in CESM1 is largely attributable to albedo bias that accounts for approximately ?0.80 K. Over land, albedo bias contributes ?1.20 K to the averaged cold bias of ?1.45 K. The cold bias over ocean, on the other hand, results from multiple factors including albedo, cloud, oceanic dynamics, and atmospheric dynamics. Bias in the model representation of oceanic dynamics is the primary cause of cold (warm) biases in the Northern (Southern) Hemisphere oceans while surface latent heat flux over oceans always acts to compensate for the overall temperature biases. Albedo bias resulted from the model’s simulation of snow cover and sea ice is the main contributor to temperature biases over high-latitude lands and the Arctic and Antarctic region. Longwave effect of water vapor is responsible for an overall warm (cold) bias in the subtropics (tropics) due to an overestimate (underestimate) of specific humidity in the region. Cloud forcing of temperature biases exhibits large regional variations and the model bias in the simulated ocean mixed layer depth is a key contributor to the partial sea surface temperature biases associated with oceanic dynamics. On a global scale, biases in the model representation of radiative processes account more for surface temperature biases compared to non-radiative, dynamical processes.     

不同垂直分辨率对台风数值模拟影响的敏感性试验

利用新一代数值预报模式ARW(Advance Research WRF),模拟试验了在不同垂直分辨率条件下模式对"罗莎"台风的预报性能。试验结果表明,数值模式的垂直分辨率变化对台风路径预报效果的影响不大,但对台风强度和结构的预报效果有明显影响。但是,对于一定的水平分辨率而言,有一个与之匹配的垂直分辨率,垂直分辨率低于或者高于这个相匹配的阈值,模式的预报性能都会下降。     

淮河流域大气环流型在冬季气温预测中的应用

应用Lamb-Jenkinson大气环流分型方法,根据由1970—2012年NCEP/NCAR逐日海平面气压场计算得到的环流指数,对淮河流域的环流进行分型。分析了冬季主要环流型和气温的分布特征及两者的联系,并以环流指数和主要环流型为预测因子,结合经验正交函数分解(EOF)方法和逐步回归方法,建立了淮河流域冬季气温距平的预测模型。结果表明,淮河流域冬季的主要环流型是东北风型、东风型、反气旋环流型以及东北风、东风配合下的反气旋性环流型,划分的环流型符合实际情况,这些环流型具有显著的年际和年代际变化特征。通过对预测模型进行后报试验和独立预报试验,表明该模型具有一定的预报技巧。     

发展与不发展南海扰动的能量收支与转换特征

利用多年逐月海温距平和区风应力距平观测资料,运用线性回归和ＥＯＦ分析方法,分析了ＥＮＳＯ相联系的热带太平洋典型风应力异常场结构。结果显示,与ＥＮＳＯ线性相关的风应力异常场在时间尺度上表现为低频变化,在水平结构上主要表现为四个典型分布。     

新一代"西北干旱监测预测业务服务综合系统"

新一代“西北干旱监测预测服务综合业务系统”,是一个具有较好物理基础,较强的监测、预测、服务能力,较高自动化程度并具有西北地域特色的业务服务综合系统。本系统以短期气候预测为依托,集气象信息采集、加工、信息存储为一体,并充分利用互联网技术和已有的系统、资料及信息,吸纳了项目其它子专题的系统和成果,节省了计算机海量空间,避免了许多重复劳动,在近几年日常监测、预测业务服务工作中发挥了积极作用。     

鄱阳湖汇流顶托对长江汉口水位影响的量化分析

为定量评估汇流顶托对水位变化的影响,本文从水文过程仿真及顶托响应评价入手,提出了一种汇流顶托对水位影响的量化分析方法,并以长江汉口江段为例,开展了鄱阳湖汇流顶托对长江汉口江段水位影响的量化评价,结果表明:改进提出的长江汉口江段水文仿真模型,经参数优选后确定性系数可达0.98以上,总量相对误差绝对值在3%以内,较好地再现了水文变化过程;通过响应指数定义及水文过程模拟,研制了汉口多值型水位流量关系响应特征曲线,揭示了鄱阳湖与长江水位变化的关联性机制;经2016和2020年洪水实例分析,汉口江段长历时高洪水位主要受长江来水及鄱阳湖汇流顶托共同驱动,二者合力贡献可达83.3%以上,其中鄱阳湖汇流顶托贡献率在35%左右.其余因素(如区间洪水、沿江排涝等)亦助推高洪水位形成,部分时段贡献可达近34.4%.本文提出的顶托量化分析方法,可定量评估因顶托效应引起的水位变化,为解析河段高洪水位成因机制提供了有效的技术支撑.     

三峡工程蓄水后长江中游城陵矶—汉口河段过流能力变化及影响因素分析

受上游水库运行的影响,自2003年后长江中游河段河床调整,引起河道自身过流能力的变化.本文选取长江中游城陵矶—汉口河段作为研究对象,根据实测资料计算了 2003-2016年两个水文断面的水位—流量关系及特征流量变化,并采用一维水动力学模型计算了河段尺度的平滩流量.结果表明:(1)螺山站及汉口站2003-2016年的水位...     

长江中游沙质河段床沙级配调整过程计算

三峡工程运用后,长江中游荆江河段持续冲刷,床沙与推移质、悬移质泥沙不断交换,从而造成该河段床沙发生不同程度的调整,对长江中下游河床演变及非平衡输沙机理的研究具有重要影响.在新水沙条件下,总结分析了沙波运动特性及床沙交换方式,引入Markov三态转移概率及非均匀沙隐暴系数,得到基于状态转移概率的沙质河段床沙级配调整的计算模型.研究结果表明:(1)20092014年,沙市站年内床沙中值粒径有先增大后减小的趋势,而监利站年内床沙中值粒径则先减小后增大,且荆江河段年际床沙中值粒径总体呈上升趋势,粗化程度约为6.9%~9.3%;(2)20092014年,沙市站床沙组成中粒径d<0.062 mm的泥沙所占比重不变,0.062 mm≤d<0.25 mm的泥沙所占比重逐年减少(累计减少11.4%),d≥0.25 mm的泥沙所占比重逐年增加(累计增加11.4%),而监利站床沙组成均存在波动性变化;(3)荆江河段床沙转换为推移质的概率随着泥沙粒径的增大而增大,床沙转换为悬移质的概率随着泥沙粒径的增大而减小,而推移质和悬移质转换为床沙的概率均随着泥沙粒径的增大而增大,河床发生冲刷粗化时泥沙输移的主要形式为悬移质(概率为81%~87%),而淤积细化时床沙补给主要来源于推移质(概率为8%~12%).通过验证,本文概率模型的计算结果与实测资料符合较好,能够应用于长江中游沙质河段年际床沙粗化及年内床沙级配调整过程预报,为进一步开展三峡工程下游非均匀悬移质泥沙沿程恢复机理的研究提供理论基础.     

BP模型双样本训练方法

根据气象预报应用情况，分析ＢＰ模型训练人工神经元网络中存在的问题，并提出双样本训练方案。试验表明，采用双样本训练的网络，实际预报能力较高。