排序方式: 共有57条查询结果,搜索用时 46 毫秒
1.
本文对2002年7月30日凌晨到8月1日上午,发生在盆地西部的一次局地性很强、强度大、演变特殊的持续性大暴雨过程的天气学条件进行了较详细的分析,对局地暴雨最大难点——落区进行中尺度滤波探讨,并对造成降雨的次天气尺度影响系统进行了追踪。事实说明,目前数值预报水平已有了较大提高。利用数值预报场进行中尺度波波已经成为可能,对中尺度分析的成功率已经高于其它方法。 相似文献
2.
基于2020年7—8月西南区域高分辨率模式输出的物理量因子,以及四川省区域自动气象站逐小时降水资料,在分区基础上,采用随机森林模型进行小时降水订正,检验该方法在本地的可用性。结果表明:(1)建模前,对全省进行分区有利于改进大量级小时强降水预报。(2)随机森林模型得到的小时强降水分布整体趋势与原模式一致,对模式未预报出的小时强降水也有一定反应,且实况未出现小时强降水的区域订正后量级有所减小,但仍存在大量级降水分布不均以及空报较多的情况。 相似文献
3.
基于HYSPLIT4的一次四川盆地夏季暴雨水汽路径和源地分析 总被引:12,自引:6,他引:6
利用四川省156站气象资料、全球同化系统(GDAS)资料,引入拉格朗日混合单粒子轨道模型(HYSPLIT4),定量分析了2013年7月7—11日四川盆地西部暴雨的水汽输送情况。结果表明:此次暴雨过程的水汽主要来自950和850 hPa,并且两者的水汽路径和来源有着显著差别。后向追踪1天,950和850 hPa的水汽来源大值区都出现在四川盆地区;追踪3天,950 hPa的水汽来源大值区仍然在四川盆地附近,但是850 hPa上则追踪到孟加拉湾东部;追踪到9天时,950 hPa的水汽主要来源出现在阿拉伯海到我国南海地区,850 hPa上则追踪到索马里半岛东部。总体上950 hPa的水汽输送路径有五条,其中两条是北方路径,另外三条为南方路径。850 hPa的水汽输送路径有两条,一条是北方路径,另一条是南方路径。定量分析指出,950 hPa的水汽源地主要有四个,其中阿拉伯海—孟加拉湾地区的水汽输送贡献率最大(44.1%),中南半岛—南海地区的水汽贡献率次之(33.1%),巴尔喀什湖地区(15.7%)和贝加尔湖地区(7.1%)的水汽贡献率相对较弱。850 hPa上的水汽源地也有四个,其中从阿拉伯海地区,沿南亚夏季风爆发路径而来的暖湿空气最重要(89.4%),其次从西北部巴尔喀什湖—贝加尔湖地区而来的干冷空气相对较弱(6.3%),而来自孟加拉湾(3%)和局地(1.3%)的水汽则非常少。 相似文献
4.
为了解2012年成都市PM10浓度分布情况及其与地面气象条件的相关性,通过分析2012年PM10浓度的分布情况,选取了13次污染过程,并对这些过程中的地面气象要素情况进行分析。结果表明,PM10浓度呈波状分布,其中3月和11月分别达到峰值,7月为全年最低;过程期间各变量具有以下特征:PM10浓度与温度呈正相关,与气压呈负相关,当有降温升压时PM10浓度减小;24小时变压变温都较小,表明天气较稳定;地面风速小,普遍小于2m/s,且主要为弱偏西偏北风,而当风速增大时有利于PM10的扩散;低能见度与较大的相对湿度对应较好,二者有明显的负相关。 相似文献
5.
利用GRAPES3Dvar系统,分别对2011年发生在四川境内的两次强降水个例进行了加密、常规探空资料的同化对比试验。结果表明,试验的各同化变量的平均、最大调整幅度都随高度增加而增加;通过对两个个例各个同化变量的增量场水平分布的分析可见,试验B主要对四川地区造成影响,试验C的影响区域分布在整个积分区域内,而试验D与试验C的各同化变量增量场分布相似,但它对四川地区各同化变量增量的调整幅度更大;另外B、C、D三组试验的降水预报相对控制预报都有所改善,试验D的预报更优,降水强度与降水落区预报与实况更为接近。 相似文献
6.
利用GRAPES—meso模式和T213资料,对2007年7月18日发生在我国四川盆地和华东地区一次大暴雨过程进行多组数值试验,以分析侧边界资料、驱动资料的垂直分辨率、模式积分区域、云物理参数及边界参数对GRAPES—nleso模式降水预报影响。试验结果表明:(1)侧边界资料对模式降水预报结果影响较小,驱动GRAPES—meso的全球模式产品质量提高,降水预报结果越好;(2)驱动资料垂直分辨率的高低对降水预报结果影响较大,分辨率越高,预报能力越强,反之越弱;(3)模式积分区域对降水预报结果也有明显影响,区域越大,降水预报未必总是最好;(4)物理过程和边界参数试验表明,WSM6方案与KFeta方案组合的24小时降水预报与实况更接近。 相似文献
7.
利用2016—2019年ECWMF模式降水预报及对应时段的观测资料,设计了最优百分位(OP)、最优TS评分(OTS)、概率匹配(PM)、分区OTS和分区PM-OTS融合共5种方案,对数值模式晴雨预报展开了订正试验.结果表明:(1)OP和PM方案的晴雨订正阈值为静态阈值,OTS方案为动态阈值.5种方案的阈值均适用于A区(盆地、阿坝州和甘孜州北部),其中PM、分区PM-OTS融合方案阈值更适用于数值模式湿偏差明显的B区(甘孜州南部和攀西地区).(2)各方案对ECWMF模式晴雨预报均有明显的订正能力,24 h时效订正效果最优,B区订正效果优于A区,秋冬季节优于春夏季节.(3)分区后的订正方案晴雨评分优于分区前,其中分区PM-OTS融合方案评分最优.个例和批量试验表明,A区各方案订正效果相当,B区以PM、分区OTS和分区PM-OTS融合3种方案订正后的雨区分布与实况更接近,其中分区PM-OTS融合方案订正效果最优. 相似文献
8.
利用四川地区自动气象站逐小时降水观测资料,分析了2010~2019年5~9月短时强降水事件24h累计降水量、频次和强度的时空分布特征,探讨了短时强降水事件发生的频次、极值分布及其与地形、海拔高度等的关系。结果表明:四川地区平均24h累计降雨量基本在50mm以上,盆地东北部、西南部、南部及阿坝州东部甚至超过100mm,最大值出现在广安,达175mm。四川地区短时强降水事件开始时间的日变化特征表现为“V”型结构的夜间峰值位相,事件持续时段多为傍晚至凌晨,时长可达10h以上,最长甚至可持续22h。在强降水事件极值的日变化上,极大值频次和降水量呈单峰结构,在03时达到最大,其后逐渐减小至15时达到谷值,而后再次增大;降水强度呈弱双峰结构,分别在04时和16时达到谷值,13时和18时达到峰值,其日变化呈“增-减-增-减”的特征。四川短时强降水事件与复杂地形有密切的关系,5~6月事件活跃区在四川盆地中部,7月在盆地西部的龙门山脉一带,8月在雅安、乐山附近,9月在盆地北部且频次明显减少;短时强降水事件的最大小时雨强可达80mm以上,出现在7~8月的盆地西部龙门山一带和南部地区。短时强降水事件随着海拔高度的增加,发生频次和日数逐渐减少,海拔2000m以上地区基本无强降水发生日出现( 峨眉山气象站例外)。 相似文献
9.
利用异物理模态法的数学计算方案,选择积分12h的500hPa水汽通量散度(湿位涡)预报离差构造初值扰动的归一化初值扰动模态,进而构造扰动初值,对一次川东北大暴雨个例进行集合预报试验,从扰动初值水平结构、集合预报平均、大于50mm降水量概率、降水离散度、区域预报离差、Talagrand分布、Brier评分、集合预报系统对控制预报的逐时方差演变等多个方面对两种物理量处理方法所得结果进行对比分析,认为两种处理方法所得结果总体上非常相似,不存在显著差异。两种处理方法产生的扰动初值差异并没有引起大尺度环流明显差异,但对中尺度动力场、热力场产生了一定影响。就Brier评分、雨带位置而言,水汽通量散度处理方法略优于湿位涡处理方法,而强降水区范围而言则是湿位涡处理方法略占优。另外,区域预报离差显示,湿位涡处理方法的集合预报系统发散度要大一些。 相似文献
10.
本文通过分析2017年9~12月四川地区ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式、GRAPES_GFS(Global and Regional Assimilation and Prediction System)全球模式和西南区域模式(South West Center-WRF ADAS Real-time Modeling System, SWCWARMS)2m温度168h预报时效内的系统性偏差特征,采用滑动双权重平均法分别对三种模式温度预报产品进行偏差订正,并集成得到各时效2m温度的订正场,结果表明:(1)三种模式的预报存在明显的日变化,整体上EC模式的预报最优。(2)三种模式对于低温和高温的预报,在全省均大致呈现负的系统性误差,特别在高原及过渡区表现的尤为明显。(3)订正后三种模式的预报准确率显著提高,均方根误差减小1.4~2.5℃,大部分地区平均误差维持在±0.5℃之间,在系统性偏差较大的地区,订正效果更好。(4)两种集成方案预报结果接近,且均优于三种模式的订正预报。 相似文献