排序方式: 共有13条查询结果,搜索用时 0 毫秒
11.
利用常规观测资料、地面自动站降水资料、FY-2E云顶亮温资料及NCEP 1°×1°逐6 h再分析资料,对2012年8月16日20时—18日08时副高边缘复杂地形暖区强降水过程的环流背景、环境条件、中尺度特征及其触发机制进行分析。结果表明:暖区强降水发生在四川盆地与青藏高原东坡的过渡带上,呈狭长带状,小时降水中心与MCS云团TBB梯度大值区对应较好。在南海台风西行及副高位置稳定的环流背景下,稳定的副高和近地层热低压阻止了西风带低值系统和地面冷空气影响龙门山地区,使大气高能高湿状态得以维持。同时冷、暖平流在龙门山上空交汇,使得大气层结不稳定性增强。龙门山对台风"启德"东北侧东南气流的强迫抬升最终触发暖区强降水。 相似文献
12.
本文基于2022年8月四川盆地104站逐时温度、降水数据和1971—2021年历史同期数据,及EC、CMA GFS、CMA MESO模式的2 m气温预报等数据,运用统计学相关方法分析了此次极端高温过程的特征及预报误差。结果表明:①2022年8月四川盆地极端高温过程范围大、强度强、持续时间长,有87.5%站最高气温超过该站历史同期极值,且高温最强盛时段较历史同期明显推后。②2022年8月最高气温分布为东高西低,最高气温与历史同期极值差分布则相反,其中最高气温随站点海拔增大而减小,而极值差则随站点海拔先增大再减小。另外,受热岛效应影响,极值差大值站点主要集中在龙泉山脉附近。③高温期间,最高、最低气温平均值高、距平大,且累计降水量和雨日数也明显低于历史同期。④相较而言,EC模式的预报优势主要在盆地低海拔地区。而CMA MESO模式在盆地周边陡峭地形区域的平均绝对误差则更小。另外,EC模式预报的最高气温峰值出现时间更接近于实况,而CMA MESO模式预报高温持续日数更接近实况。 相似文献
13.
基于四川地区1990—2019年的逐日2 m最高、最低温度站点实况数据,对气温转折天气过程进行统计和分析,在此基础上,应用LightGBM(Light Gradient Boosting Machine)算法及NCEP/NCAR(National Center for Environmental Prediction/National Center for Atmospheric Research)逐日再分析资料,构建气温转折天气过程变温订正模型。结果表明:(1)出现气温转折过程最多的区域是高原与盆地的边坡过渡区,最少的是盆地;(2)各区域的气温转折过程具有明显的季节差异,均表现为春季最多、冬季最少,且春季的气温转折过程明显多于其他3季;(3)在1990—2019年验证集中,LightGBM订正模型表现较好,准确率为78.64%,平均绝对误差为1.35℃。(4)在2020年的独立样本测试中,LightGBM订正模型的准确率为53.60%,平均绝对误差为2.19℃,整体订正效果优于ECMWF模式(European Centre for Medium-Range Weather Forec... 相似文献