【摘 要】
：
蒸发波导是影响海上雷达系统探测性能的主导机制,海表温度(SST)锋带来的蒸发波导非均匀性和突变性具有重要的研究价值.2018年春季航次“海气相互作用观测试验”,曾两次穿越黑潮海域获取了珍贵的观测资料.在此基础上,结合欧洲中期天气预报中心(ECMWF)再分析资料(ERA-Interim)和HYSPLIT(Hybrid Single Particle Lagrangian Integrated Trajectories)气块轨迹溯源,分离出两个重要的走航观测时段.S1段(持续约21 h)气流从暖海水区吹向冷海
【机 构】
：
国防科技大学气象海洋学院,长沙,410003;国防科技大学气象海洋学院,长沙,410003;96746部队,库尔勒,841000;91001部队,北京,100143
论文部分内容阅读
蒸发波导是影响海上雷达系统探测性能的主导机制,海表温度(SST)锋带来的蒸发波导非均匀性和突变性具有重要的研究价值.2018年春季航次“海气相互作用观测试验”,曾两次穿越黑潮海域获取了珍贵的观测资料.在此基础上,结合欧洲中期天气预报中心(ECMWF)再分析资料(ERA-Interim)和HYSPLIT(Hybrid Single Particle Lagrangian Integrated Trajectories)气块轨迹溯源,分离出两个重要的走航观测时段.S1段(持续约21 h)气流从暖海水区吹向冷海水区,以稳定层结为主,其间因黑潮海洋锋的存在,气流由黑潮主体的暖水区吹向大陆冷海区时,形成具有强逆温层的海洋边界层,并伴随海雾的生成,导致此处蒸发波导高度突降为0.此后为持续近66 h的S2段,气流由冷海水区吹向暖海水区,以近中性弱不稳定层结为主,蒸发波导高度基本维持在12 m高度.数值模拟结果表明,模拟时段内的黑潮海洋锋区,蒸发波导高度突变性和非均匀性始终存在,且伴随暖海水吹向冷海水的锋区突变性更强.黑潮海洋锋对蒸发波导的这种天气尺度强迫作用的加强与层结稳定度的突变和海雾的生成有关.
其他文献
为了建立一个应用于区域数值预报的四维变分资料同化(4DVar)系统,在近期开发的扰动预报模式GRAPES_PF基础上,开发完善增量四维变分同化系统框架.该框架中暂不包含物理过程(长短波辐射、边界层过程、对流参数化和云微物理等).对比业务使用的GRAPES 3DVar系统,增加了温度控制变量.将无量纲Exner气压与流函数的线性风压平衡方程直接在地形追随垂直坐标面上求解,且通过广义共轭余差法(GCR)求解扰动亥姆霍兹(Helmholtz)伴随方程.利用人造“探空”资料对2015年10月台风“彩虹”进行了理想
基于雷达资料快速更新四维变分同化(RR4DVar)技术和三维数值云模式发展的快速更新雷达四维变分分析系统(VDRAS),通过在系统中加入地面自动气象站观测资料的同化方法,对发生在北京地区的10个强对流过程开展了地面资料同化的高分辨率模拟分析和检验评估,并与已经业务使用的地面资料融合方法进行对比.研究结果发现,地面观测资料同化使边界层1 km高度以下的分析场改善最为明显,风速和风向的均方根误差分别平均降低0.1 m/s和7.2°,温度的均方根误差降低0.2℃.模式最低层100 m高度的风速均方根误差降低0.
中尺度对流系统(Mesoscale Convective System,MCS)是很多对流性天气的主要致灾体,可导致严重的气象和水文灾害,如雷暴大风、冰雹、龙卷风和山洪.对MCS进行准确的识别和追踪,并根据追踪轨迹及获得的MCS特征实现MCS的分类,对灾害天气的分析和预报有重要意义.基于京津冀地区2010—2019年的雷达组合反射率拼图资料,分别使用支持向量机(SVM)、随机森林(RF)、极度梯度提升决策树(XGBoost)和深度神经网络(DNN)4种机器学习方法,研发了京津冀地区MCS的自动识别算法.使
利用CM1数值模式,以2017年8月7日发生在长江三角洲地区的一次夜间飑线过程为例,开展弱切变背景下中层相对湿度、低层风切变和对流有效位能的敏感性试验.结果表明:中层相对湿度升高,有利于夜间飑线雷达回波面积、回波强度和地面降温幅度增大.湿度降低,虽导致夜间飑线的雷达回波宽度变窄,但有利于夜间飑线结构和强度的维持.中层相对湿度的改变对夜间飑线成熟阶段的地面最大风速的影响并不十分明显,但是中层相对湿度的降低会增大地面最大风速的波动;低层风切变的增大使夜间飑线雷达回波强度增强、面积增大、移速变慢,也使飑线冷池强
冬季降水相态及其转变时间的精细化客观预报对提高气象预报和服务质量具有重要的现实意义.利用京津冀地区国家级自动气象站观测资料及网格化快速更新精细集成产品,统计分析了京津冀地区复杂地形下各类降水相态温度和湿球温度平均气候概率的分布差异及不同降水相态时网格化快速更新精细集成产品中可能影响降水相态判断的特征信息.然后将地面观测天气现象资料、复杂地形下降水相态气候特征及高分辨率模式输出产品作为特征向量,分别基于梯度提升(XGBoost)、支持向量机(SVM)、深度神经网络(DNN)3种机器学习方法建立了降水相态的高
利用1961—2019年江苏省67个站降水量和气候指数数据集等资料,选取大气环流、海温和积雪等先兆信号的不同组合作为预测因子方案,通过对比不同机器学习方法对江苏省夏季降水开展预测试验.结果表明,深度神经网络(Deep Neural Network,DNN)较传统统计方法和其他机器学习方法有一定优势,深度神经网络结合动态权重集合因子方案对江苏省夏季降水的预测技巧最高,其独立样本检验结果稳定,2015—2019年的平均PS评分为76.0,距平符号一致率为0.62,距平相关系数达0.35,尤其对江苏省中南部的预
为了提高CMA-MESO (China Meteorological Administration Mesoscale model)(原GRAPES)三维变分同化系统中2 m相对湿度资料的应用效果,改善模式中相对湿度的分析和降水预报效果,分析了2015年6—8月T639(T639L60全球中期数值预报系统,0.28125°×0.28125°)分析场低层相对湿度和2 m相对湿度之差与表征稳定度的理查森数(Ri)的关系,发现二者有很好的相关,Ri<0时,模式低层相对湿度与2 m相对湿度的差异较小,基本在同化观
得益于第五次评估报告(AR5)以来约束预估研究的迅速发展,观测约束成为政府间气候变化专门委员会(IPCC)第一工作组(WGI)第六次评估报告(AR6)提升对未来预估约束的证据链中的重要一环.IPCC第一工作组第六次评估报告首次利用包括根据历史模拟温度升高幅度得到的观测约束、多模式预估以及第六次评估报告中更新的气候敏感度在内的多条证据链来约束全球地表温度未来变化的预估,减小了多模式预估的不确定性.文中回顾并介绍了IPCC第一工作组第六次评估报告中涉及的几种主要观测约束方法(多模式加权方法、基于归因结论的约束
本研究采用广西钦州康熙岭风电场的测风塔相关数据,分析测风塔近地层的风速特征,过程如下:首先,分析测风塔80m高度不同等级风速区间的阵风系数,构建外推函数,使其适用于各个风速等级;其次,利用激光雷达数据得到不同高度的风切变指数;最后,重塑“威马逊”过境期间的测风塔80m高度风速,展示台风期间测风塔近地层不同高度的风速特征.结果表明:(1)基于2017年的测风塔数据,得到阵风系数,从而建立的阵风系数与风速的拟合方程为:Y=1+0.919*X-1.通过拟合方程计算出期间的测风塔80m高度的10分钟平均最大风速,