共查询到20条相似文献，搜索用时 296 毫秒
1.
利用2014—2017年华南沿海及南海的浮标站、海岛站、石油平台站、沿海自动站等277个自动站风场数据,与ASCAT反演风场进行了对比分析。结果表明,当观测风速小于5 m/s(大于15 m/s)时,ASCAT反演风速的平均绝对误差在3 m/s左右(存在2级左右的高(低)估);当风速介于5~10 m/s时,平均绝对误差在2 m/s左右(多数ASCAT有1~2级的高估);介于10~15 m/s时,ASCAT反演结果相对最好,风速、风向准确率能够达到60%以上。ASCAT对风速的反演结果受陆地影响较大,与观测风速的相关系数从高到低可分为三类:(1)浮标、平台站;(2)西沙、南沙自动站;(3)广东沿海自动站及海岛站、海南海岛站。ASCAT反演风场在风向的应用较风速更优,其中,东北风样本数最多,其次分别为西南风、东南风和西北风。浮标站、平台站、西沙自动站的风向反演质量相对较好;所有测站风向偏差主要由5 m/s以下的弱风贡献。单站多年月平均风速变化显示,ASCAT反演风速相对测站主要为正偏差,且秋冬季比春夏季偏差更大,这可能与大气稳定度有关。 相似文献
2.
利用2016年全年进出厦门机场和晋江机场航班的AMDAR(Aircraft Meteorological DAta Relay)数据对双雷达反演风场进行检验,分析了厦门、泉州双雷达风场反演的总体误差,研究结果表明:1)验证了双雷达连线附近区域反演风场的平均绝对误差较大,发现了与两部雷达连线的夹角小于15°和大于165°的区域的反演结果的平均绝对误差明显大于误差的年平均值。2)对于反演风向而言,误差随着高度增加而减小。对于反演风速而言,高度在9 km以下的反演误差在5 m/s左右,而9 km以上的反演误差较小。3)剔除了双雷达连线附近区域(与两部雷达连线的夹角小于15°和大于165°的区域)和反射率因子小于5 dBZ以及等于100 dBZ(剔除非气象回波)的反演结果后,双雷达反演风场误差较小,相对于AMDAR数据的风向年平均绝对误差为29.4°,风速年平均绝对误差为3.28 m/s,总体误差在可接受范围之内,反演结果接近"真值",该反演方法稳定可靠。 相似文献
3.
基于中国科学院南海海洋研究所提供的2012年1月1日—2013年12月31日西沙自动气象站观测资料以及同时间序列的欧洲中心ERA-interim再分析风场产品,统计了ASCAT和HY-2A散射计风场产品的误差特征,分析散射计资料在南海的适用性。分析得出:ASCAT和HY-2A的风速、风向与自动站一致性高,相关系数均大于0.85,ASCAT风速和风向均方根误差分别为1.57 m/s和15.42 °,HY-2A均方根误差略微偏大,分别为2.02 m/s和24.75 °;ASCAT和HY-2A散射计与ERA-interim风速、风向有很好的一致性,在不考虑低风速（ < 3 m/s）的条件下,风速均方根误差分别为1.40 m/s和1.56 m/s,风向均方根误差分别为15.09 °和17.07 °,与设计精度一致,表明ASCAT与HY-2A风场产品在南海是适用的。此外,散射计相对再分析风场的偏差没有明显的季节性变化 相似文献
4.
利用LAPS系统,分别针对华中、华南两个区域,将2008—2010年5—7月采集的观测资料进行融合同化分析,设计几种敏感性试验方案,以探空资料为客观标准,对比分析各种观测资料对LAPS分析场各要素误差的作用。将LAPS分析资料和FNL再分析资料做比较,给出融合多种观测资料后LAPS分析场的误差精度。结果表明,LAPS融合同化雷达资料、探空资料、地面观测资料后所得到的分析场误差最小;雷达资料和探空资料的融合对于改善风场及温度场的分析具有正效果,并可减小低层相对湿度误差;融合地面资料后能改善低层的温度场和湿度场分析,但对中高层无影响。对比试验期间各要素总均方根误差可发现,LAPS分析的温度、风向和风速较FNL再分析资料有明显改善,各要素误差在观测误差范围内;高度误差在中低层小于10 m,高层小于20 m;温度误差在1℃左右;相对湿度误差在中低层小于20%,高层误差较大;850hPa以上风向误差较小,不超过20°,风速误差小于2m·s-1。 相似文献
5.
中等到强风条件下近海拖曳系数随风速变化的观测 总被引：2，自引：1，他引：1
利用位于海岸的风塔提供的四层风速观测数据,经过系统和严格的数据质量控制,采用风廓线法,研究了海上来风拖曳系数随风速的变化。观测数据共2 003 h,期间包括三个台风数据。(1) 尽管风塔位于海岸,在风速较大时(u10>5.5 m/s),观测数据不受局部地形的影响,海上来风的下垫面具有近海海面的特征;(2) 总体而言,在10～24 m/s之间,当风速小于21 m/s时,随风速的增大,拖曳系数增大,在风速达到21 m/s时,拖曳系数达到最大值,随风速的进一步增大,拖曳系数减小;(3) 近海条件下,海况和波龄与风向密切相关,因此,在使用基于开阔海域海浪充分发展假设的拖曳系数风速参数化方案时,有必要考虑风向产生的影响。 相似文献
6.
根据广东阳江探空站L波段雷达系统观测的测风资料分析,测风记录用综合探测雷达测风方法与无斜距（或高度替代）测风方法计算的测风量得风层的结果,少数情况下会出现与理论值不相符的现象,两种测风方法计算的结果,有时会超出高空气象观测仪器总体测量准确度要求允许的误差范围。在雷达的仰角小于30°时,量得风层的风速小于3 m/s时,两种测风方法计算量得风层的风速基本相同（误差在允许范围内）,但风向有的相差较大,超出测量准确度要求允许的误差范围。当雷达仰角小于15°,量得风层的风速大于30 m/s时,两种测风方法计算量得风层的风向比较接近,但量得风层的风速有的却相差较大,超出测量准确度要求允许的误差范围。 相似文献
7.
南海海面风场变分融合的初步研究 总被引：1，自引：0，他引：1
利用二维变分同化(2DVar)方法,把南海海域(110.12~117.92 °E,10.12~17.92 °N)QuikSCAT散射计风场资料融合到区域高分辨率数值模式(华南中尺度天气预报模式GZMM)风场资料中,并利用独立的观测数据(西沙站海面风场观测值)对融合效果进行了检验。得到结论:(1) 风场单点融合试验表明,风场融合设计方案基本合理;(2) 与独立观测数据的偏差分析表明,融合后的风场在经向和纬向的均方根误差分别为2.59 m/s、2.76 m/s,明显好于模式风场(3.63 m/s、2.81 m/s)和散射计风场(2.79 m/s、2.80 m/s),这说明融合的风场优于模式风场和散射计风场;(3) 与独立观测数据的相关性分析表明,融合后的风场在经向和纬向的相关系数分别为0.80和0.81,好于散射计风场(0.74和0.79),而比模式风场(0.91和0.94)的要差。最后讨论了均方根误差与相关系数不一致的可能原因。 相似文献
8.
《高原气象》2017,(3)
为了弥补海上风的常规直接观测资料较少的不足,探索将合成孔径雷达(Advanced Synthetic Aperture Radar,ASAR)观测资料用于风场研究,以江苏近海为研究对象,利用沿海地面观测数据和2008年11幅ASAR影像反演获得的风速和风向进行对比,并将卫星反演风场同化至数值模式,分析对海上风场模拟效果的改进。结果表明:ASAR影像反演的海面风场和地面实测吻合度较高,可以作为没有直接风观测的海上区域的补充。风速反演值略大于观测值,均方根误差为1.8 m·s~(-1),83.6%的站点偏差在±2 m·s~(-1)之内;风向反演值比观测值偏北,均方根误差为39.3°,41.8%的站点偏差在±22.5°之内。将反演风场同化至WRF模式后,提高了海上风场的模拟效果,风速均方根误差1月降低至0.9 m·s~(-1),7月降低至1.6 m·s~(-1);风向均方根误差1月降低为57.3°,7月降低为50.6°。 相似文献
9.
高时空分辨率三维风场在强对流天气临近预报中的融合应用研究 总被引：1，自引：0，他引：1
以业务应用为目标,开展高时、空分辨率三维风场在强对流天气临近预报中的融合应用研究。运用北京快速更新多尺度分析和预报系统集成子系统（RMAPS-IN,Rapid-refresh Multi-scale Analysis and Prediction System-Integration）,对雷达四维变分分析系统（VDRAS）30 min临近预报的高时、空分辨率三维风场作为数据源与自动气象站风场观测进行快速融合处理。结果表明,以VDRAS临近预报风场取代数值模式预报场作为融合初猜场后形成的分析结果对于风场有明显的改善:（1）长时间序列客观检验结果表明,地面10 m高风场U/V分量绝对误差分别为0.05和0.06 m/s。实时融合对未来预报的影响随着预报时效的延长,U/V分量的绝对误差不断增大。（2）对于11个强对流个例,地面10 m高风场风速均方根误差降低0.3 m/s,风向均方根误差降低13°;边界层三维风场,风速均方根误差降低0.8 m/s,风向均方根误差降低10°。平原站点融合以后风速、风向预报效果有较大改善,山区站点融合以后改善相对较小。（3）通过对2017年7月20日暴雨和7月7日雷暴大风个例的详细分析,发现融合基于雷达资料四维变分同化获得的高分辨率临近预报风场对各对流系统中的中尺度结构特征给出了更加细致准确的描述。 相似文献
10.
为了实现更准确的站点风预报,结合中尺度数值模式WRF预报结果和自动气象站观测数据,采用反距离加权插值法,将模式网格和观测站点的数据进行融合构建训练集,利用3种机器学习方法对WRF预报的风场结果进行订正,优化风场预报准确率。其中随机森林模型实现风速的预报均方根误差(RMSE)平均降低了18.22%,风向降低了15.97%;LightGBM模型对于风速、风向的RMSE平均降低了18.60%和17.56%;深度神经网络模型对于风速、风向的RMSE平均降低了5.53%和9.10%。对2020年宁波市9个大风过程进行检验,利用LightGBM模型对于3个站点预报进行订正,结果表明风速的RMSE从4.61 m/s下降到2.14 m/s,平均降低了53.58%,风向的RMSE从30.31°下降到18.20°,平均降低了39.95%。 相似文献
11.
利用中尺度天气预报模式WRF耦合小尺度诊断风场模型CALMET进行降尺度风场模拟,模拟了2016年12月—2017年2月覆盖关中盆地中部典型天气条件下的1km×1km空间分辨率风场,用气象站观测值与模拟值进行对比分析,对模拟时段和典型天气过程期间关中盆地中部近地面风场特征进行了分析,结果表明:(1)模拟风速、风向与实测风速、风向均基本一致,模拟风场可代表关中盆地中部的真实风场。(2)关中地区风速主要分布在1.6~3.3m/s和0.3~1.5m/s风速区间,风速较小;关中地区除南部由于受秦岭地形的影响以南风和西风为主,其余地区均以东北风为主。(3)当风速较小、天气形势较为稳定时,容易在关中地区中南部出现气流的辐合,不利于污染物的扩散;当风速较大、风场气流较为平整时,扩散条件较好,有利于污染物的扩散。 相似文献
12.
多普勒激光雷达在台风等强天气背景下的探测能力亟待研究,为此将多普勒激光雷达与70 m测风塔超声风温仪在同址同高度探测台风“利奇马”影响期间的边界层风场数据进行对比,并分析多普勒激光雷达的误差分布以及变化情况。结果显示:在高度70 m上,两者的水平风速、风向相关系数分别为0.97和0.99,垂直风速的相关系数为0.36。以超声风温仪为参考值,激光雷达水平风速、垂直风速和风向均方根误差分别为1.06 m/s、0.46 m/s和17.10 °。深入研究表明:降水对多普勒激光雷达测量水平风速和垂直风速误差均有一定影响。当激光雷达信噪比大于2 000时,各参量的误差与信噪比呈负相关关系。研究表明多普勒激光雷达至少可以较好地刻画台风环流内的水平风场结构及演变,可应用于台风外围环流影响下(即较弱降雨条件下)边界层风场的高分辨率探测和研究。 相似文献
13.
《干旱气象》2018,(5)
利用2016年8月28日至9月2日北京市朝阳区气象观测站激光测风雷达、风廓线雷达和GPS探空仪同步观测数据,对比分析三种测风仪在城市复杂下垫面条件下边界层不同高度处的测风性能。结果表明:(1)激光测风雷达与GPS探空仪测风结果具有较好一致性,风速、风向的相关系数分别为0. 66～0. 96、0. 71～0. 98,其中风速平均绝对误差小于2 m·s-1,风向误差在20°之内。(2)风廓线雷达资料的精度相对较差,与GPS探空仪的风速、风向相关系数分别为0. 66～0. 91、0. 55～0. 86,误差随高度呈现先减后增的垂直分布特征。其中,400～1000 m高度范围两种资料的吻合度最高,相关系数在0. 80以上,为仪器最佳测量范围;此外,风廓线雷达的风速整体高于GPS探空仪,两者最大偏差可达4 m·s-1左右,风向平均误差最大可达30°。(3) GPS探空仪的工作方式及测量结果也存在不足,一是观测频次较低,难以详细、精准地描述边界层风场结构的变化过程;二是当存在垂直风切变时,探测初期具有明显滞后性,由当前状态转变为真实的风场示踪物需要一定时间。 相似文献
14.
基于WRF/CALMET的近地面精细化风场的动力模拟试验研究 总被引：2，自引：1，他引：1
本文利用中尺度动力模式 WRF和诊断模式CALMET对琼州海峡的两次冷空气过程的近地层风场进行模拟和诊断,所用的资料是美国NCEP再分析FNL资料。WRF模式第一至第四层网格的水平距离分别是27、9、3和1 km,并用WRF-1 km场以单向嵌套模拟方式降至200 m,同时以 WRF-1 km 预报场作为 CALMET 初猜场降尺度诊断至200 m。分别用CALMET-200 m风场、WRF-1 km风场和 WRF-200 m风场,3个风场的风速、风向与沿琼海海峡分布的21个测站（其中6个测风塔）观测资料进行检验比较分析。主要结论是：（1）CALMET-200 m的风速RMSE明显小于另外两组试验,风向RMSE总体上差异不大;在60～80 m高度上也没有明显差异。（2）在0～8 m·s－1风速,10 m高度上CALMET-200 m风场诊断结果最好,风速平均偏差值从4～0 m·s－1,WRF的两组试验平均偏差值比CALMET-200 m结果大约2 m·s－1,风向上表现为偏差的分布更加集中;60～80 m高度上,CALMET-200 m 诊断效果与 WRF-1 km 模拟效果相当,但是冷空气时段内 WRF-200 m的风速要远远差于另外两组试验;而3组试验的风向并无大的差异。（3）WRF／CALMET模式系统在非冷空气活动时段内的风速风向模拟诊断偏差更小,说明其在层结相对较稳定时模拟诊断的准确度更高。 相似文献
15.
利用渤海观测站风场对ASCAT风场进行检验,发现其风速、风向均有较大误差,尤其在渤海中部以外的海域可信度相对较低。为提高ASCAT风场在渤海海域的精度,基于变分方法,利用渤海观测站风场对2017年9月—2018年2月的ASCAT风场进行订正,得到空间分辨率为12.5 km×12.5 km的订正风场。并对辽东湾、渤海湾、莱州湾、渤海中部和渤海海峡5个海域风场的订正误差进行检验,结果表明:ASCAT风场订正后精度提高显著,风速平均偏差从4 m·s-1减小为1 m·s-1,风向平均偏差从-30°~30°减小为-7°~4°,可见变分方法对渤海ASCAT风场有很好的订正效果,尤其对误差较大的渤海湾订正效果最为明显。对2017年12月18日的一次大风过程进行订正分析,结果表明:订正风场可以很好地反映沿岸风场信息和大风过程中的风速极值区,并能动态监测大风变化过程。变分方法解决了海面观测数据空间分辨率低、ASCAT数据精度低的问题,能够实时监测海上大风,且对大风预报有很好的指导意义,能够为海洋模式提供更精确的初始场。 相似文献
16.
QuikSCAT卫星散射计矢量风检验及南海月平均风场特征分析 总被引：4，自引：1，他引：3
采用中国科学院南海海洋研究所2008年建设的,西沙海洋观测研究站上的自动气象站实测数据,对亚太数据研究中心提供的近实时QuikSCAT卫星遥感风场资料(2008年4月6日—12月31日)进行了检验和统计特征分析,得出:这两者风速的相关系数为0.86,平均偏差为-1.50 m/s,均方根误差为1.71 m/s,表明QuikSCAT卫星遥感风场资料在南海具有很高的适用性。在此基础上,利用QuikSCAT卫星遥感的月平均风场资料分析了南海月平均风场特征。结果表明:(1)南海季风10月到次年3月盛行东北风,6—8月盛行西南风,4、5、9月为季风转换季节;(2)存在两个平均风速大值中心,一个位于南海南部(10°N,108°E)附近,另一个位于台湾海峡附近,其位置和强度会随着季节变化而变动。 相似文献
17.
采用四重嵌套的WRF-LES,针对2022年北京冬奥会张家口崇礼赛区开展局地风场模拟试验,基于地面自动气象站和激光雷达观测资料,对一次晴空高压系统控制下的具有明显局地风环流特征的天气个例模拟结果进行检验评估。文中引入了STRM1 30 m地形数据、glc2015 27 m土地利用数据和CL‐DAS的土壤湿度数据用以提高模拟结果的准确性,并设计了敏感性试验来探讨不同资料对模拟结果的影响。结果表明：(1)WRF-LES能够呈现出复杂地形下局地风场的时空变化特征,各站风向绝对误差在10°～60°,风速绝对误差在0.5～2 m·s-1。在山谷和山沟区域,模拟风场和观测风场都表现出明显的日变化特征,海拔较高站点的误差比海拔相对较低站点的误差更小。海拔较低站点在山谷风或上下坡风发展稳定时段风向误差较小,风向转换时段误差较大。(2)更新地形、土地利用以及CLDAS土壤湿度初始场对模拟结果都有一定程度改善。其中更新CLDAS土壤湿度初始场对风向和2 m气温的改善效果最为明显,风向绝对误差减小4.26°,2 m气温绝对误差减小0.84℃。更新土地利用对风速的改善效果最明显,风速绝对... 相似文献
18.
基于台风边界层的最新观测和研究成果,提出了最大风速半径、边界层风速比、拖曳系数等关键参数的经验方案,并依据垂直平均水平运动方程,建立适用于西北太平洋的工程台风风场模型,最高分辨率为2 km。通过理想试验,验证了所建模型的合理性,并重点关注模拟风场对拖曳系数参数化方案的敏感性。结果表明,不同拖曳系数参数化方案（增长型、饱和型、下降型）对强台风内核区的风场模拟有显著影响,但对最大风速的模拟影响不大。为验证所建模型对实际西北太平洋台风的适用性,选取台风“海葵”（1211）进行个例试验,得到最大风速的平均误差为-0.36 m/s,均方根误差为2.22 m/s。进一步选取我国沿海6个受“海葵”影响的测站,进行模拟风向、风速与观测的对比分析,发现所建台风风场模型能很好地模拟出台风影响过程中的风向转变,但各测站的风速均方根误差在1.61~6.92 m/s之间。较大的风速误差主要出现在位于台风中心附近的测站,意味着我国沿海复杂地形对台风的衰减作用在模型中考虑不足,是未来的改进方向。 相似文献
19.
奥运会赛艇场馆逐时风场特征 总被引：5，自引：4，他引：1
应用2007年8月北京奥林匹克水上公园12个自动测风仪逐时风场资料、BJ-ANC对流临近预报系统提供的产品和自动气象站资料等,统计分析了8月奥林匹克赛艇场地的逐时风场各级风的出现频率,同时分析了逐时风速特征和风向特点.结果表明:08:00～18:00,0～2 m/s风速出现的最大频率为82%,出现在08:00;风速在3～5 m/s的最大频率为41%,出现在09:00,次之是15:00频率为36%;风速呈现在6～8 m/s的频率迅速降低,最大仅有14%.大于9 m/s的风速出现频率更小,这种风速一般与强对流天气相对应.BJ-ANC系统的强度产品弱窄带同波,能够预报风向的转变:当弱窄带回波经过奥林匹克水上公周时,有风向转变和风速变化,若两条弱窄带回波碰撞时,雷暴加强,这对奥运赛艇比赛有指导意义. 相似文献
20.
对QuikSCAT和ASCAT原始轨道10 m反演风场与浮标资料在中国南海北部的统计检验分析结果表明:两套卫星资料在中国南海北部具有较好的适用性,QuickSCAT反演风速偏高0.46 m·s~(-1),ASCAT反演风速在近海偏高0.45 m·s~(-1),在开阔海域偏高0.07 m·s~(-1)。超过半数的QuickSCAT反演风向误差30°。在近岸海域,ASCAT反演风向误差30°的超过56%,在开阔海域,误差绝对值30°的达到64%。小风时卫星反演风速偏大,大风时卫星反演风速明显偏小,且白天的偏差大于夜间;在5~10 m·s~(-1)风速条件下,两者的一致性较好。用WRF模式模拟的近海风能资源存在高估的可能,卫星资料对近海风能资源评估是个有益的补充,本文对卫星反演风场误差的分析结果也可以为卫星反演风场的资料同化提供参考。 相似文献