共查询到19条相似文献，搜索用时 140 毫秒
1.
北京雾与霾天气大气液态水含量和相对湿度层结特征分析 总被引：3，自引：0，他引：3
为了研究空气中的水汽层结变化对雾、霾生消的影响,对北京2011年10月至2012年2月雾、霾天气个例中能见度变化和地基微波辐射计观测的相对湿度及液态水含量资料进行分析,结果表明:大气总液态水含量时序图对预报雾、霾没有参考意义,无论是大气总液态水含量数值的大小,还是大气总液态水含量随时间的变化都不能预测雾、霾的生成与消散。但不同时刻大气液态水含量的廓线图对雾、霾天气的预报还是具有指示意义的,因为雾、霾生消前后大气液态水含量层结变化明显。进一步分析不同情况的雾、霾天气发现:雾、霾生消前后均无降水出现和先出大雾后降水的情况,即降水后消散的雾、霾天气,大气相对湿度的变化和液态水含量的变化主要集中在3 km以下;对于先降水后出大雾的情况,整层大气相对湿度的变化都很明显,液态水含量的变化主要在3~7 km之间。由于降水既可以增加近地面的空气湿度,又可以消耗空气中的水汽,因此降水既是大雾形成的有利条件,也是大雾消散的有利条件。有降水出现的大雾天气,有饱和层(空气相对湿度达到或接近100%),无降水出现的重霾天气,则没有饱和层,且整体相对湿度偏低。 相似文献
2.
利用美国国家大气研究中心(NCAR)和宾夕法尼亚州立大学(PSU)联合研制的第5代中尺度气象模式系统MM5对2006年12月24—27日江苏及其周边地区出现的一次罕见持续性大雾进行数值模拟和诊断分析, 同时对影响大雾过程的辐射条件进行敏感性试验。结果表明:形成持续性大雾的主要原因是大气层结稳定, 水汽充沛, 同时, 地面和大气的长波辐射冷却是雾形成和发展的最重要因素; 而日出后太阳短波辐射加热和热量湍流输送是辐射雾消散的主要原因。在大雾发展和维持期间, 雾区近地层基本上为弱的水汽辐合区; 在大雾减弱和消散期间, 雾区大部分为弱的水汽辐散区。大范围的下沉辐散运动有利于中低层大气增温, 与近地层的辐射降温相配合, 加上近地层弱冷平流作用, 使低层大气降温, 有助于逆温形成, 而深厚逆温层的存在, 对雾区的长时间维持起着决定性作用。 相似文献
3.
民勤干旱区冬季浓雾形成的边界层条件分析 总被引：2，自引：2，他引：0
利用民勤县气象站过程地面小时观测资料、逐日08时和20时每隔50 m探空资料和NECP再分析资料,对2015年11月9—13日出现在干旱区民勤县的一次罕见浓雾天气过程进行了研究分析。结果表明:前期降水后地面相对湿度增大,为大雾形成提供了必要的水汽条件,稳定的高低层环流配置提供了大雾形成的稳定层结和弱风条件。雾层的厚度和强度与近地面逆温层的强度和厚度、边界层高度、水汽垂直运动以及夜间地气温差绝对值密切相关,边界层高度越高,逆温层越厚,雾层越厚;逆温层越强,夜间地气温差绝对值越小,雾层越强。高空环流形势稳定少动,近地层强逆温层、稳定等温层以及饱和湿层长时间维持,导致此次大雾强度和持续时间异常罕见。 相似文献
4.
陕西冬季一次大雾天气的数值模拟和生消机制分析 总被引：3，自引：1，他引：2
利用非静力平衡中尺度模式WRF、NCE P1°×1°再分析资料、高空地面资料,模拟分析2005年12月30—31日发生在陕西的大雾天气过程。结果表明,模拟结果和实况相似,尤其是雾的分布特征和生消时间。逆温层的发展、维持和近地层较高的相对湿度对雾的产生和发展起着重要作用;近地层的微风有利于雾产生、发展。地形追随坐标中0．85层（约1000m）以上的西北气流,有利于下沉增温,在低层形成逆温层。气温升高、湿度降低及逆温层的破坏是大雾消散的主要原因。 相似文献
5.
《干旱气象》2020,(4)
利用NCEP再分析资料、地面观测资料和微波辐射计资料,分析2019年1月11—15日河北中南部持续大雾过程的大尺度背景场、边界层特征、形成原因及维持机制等。结果表明:此次大雾产生于稳定的纬向环流背景下,其间有弱短波槽快速东移,两次干性短波槽分别促成了大雾的形成、雾区范围扩大及强度增强;大雾高度仅有几十米,以辐射雾为主,双层逆温结构为大雾的形成酝酿了先期条件,贴地逆温层内的弱水汽辐合和西南水汽输送为大雾形成和维持提供了水汽,偏北风带来的弱冷空气降温与夜间辐射降温的叠加效应是促进大雾发展的热力学条件;低层正涡度、对流层中层的辐散下沉运动是大雾维持和发展的动力因子,晴夜长波辐射和湍流混合作用促进了边界层内的降温增湿;大雾发展后期,双层逆温结构转为以单层逆温为主,最终大雾的消散主要是强冷空气入侵,大气静稳结构被破坏所致。 相似文献
6.
《高原山地气象研究》2022,(Z1)
利用HTG-4型微波辐射计资料对2018～2020年成都双流机场冬季三次重要天气过程进行分析,结果表明：微波辐射计资料能够反映大雾、霜、积冰三种天气条件下的大气垂直特征及变化趋势,温度数据以及液态水路径LWP对大雾的生消具有很强的监测和预警作用,水汽密度能够帮助预报员提前认识大雾的环境场条件。大气温度数据能够探测逆温层的生消,相对湿度大值区（相对湿度≥85%）可用于判断是否有云,液态水路径LWP的激增对应大雾浓度的增加,但在霜天气情况下一直处于低值。液态水廓线LPR与大气温湿廓线配合可预报或探测空中积冰位置,即大气温度层-10～0℃,且处于高湿区,液态含水量大值区,此时容易造成航空器积冰。 相似文献
7.
利用常规气象观测数据、NCEP再分析资料和WRF4.0中尺度数值模式，对2019年12月8—15日新疆天山北坡出现的一次持续性大雾天气的成因进行分析。结果表明：此次大雾天气出现在500 hPa新疆脊控制、850 hPa暖中心维持、地面蒙古冷高压影响的环流背景下。雾开始和维持阶段，地面1 200 m存在逆温强度为0.9℃/100 m的强逆温层，为大雾的形成和维持提供了静力稳定条件；大雾一般出现在辐射降温最明显的傍晚前后；大雾天气出现后2 m气温和地面温度温差始终维持在5℃左右，地、气温差使地面积雪一直升华，为大雾天气持续提供了充足的水汽条件；近地层大气一直存在2.0 m/s以下的微风，形成的湍流维持了雾滴悬浮的平衡状态。当逆温层中上层出现6～10 m/s偏东风时，雾层厚度增加；中上层风速过大或地面～600 m风向一致时，雾减弱或消散。 相似文献
8.
《气象》2021,(9)
利用冬奥会云顶赛场2019年1月22日至3月30日自动站以及张家口探空资料,对微波辐射计反演温湿廓线的精度进行了分析,并结合NCEP/NCAR逐6 h再分析资料探讨了赛场夜间热力、水汽特征及其成因。结果表明:总体上微波辐射计反演温度和水汽密度与自动站、探空观测之间一致性较好,相对湿度略差。微波辐射计反演温度平均误差在各个层次相对不大,可用性较强;水汽密度均方根误差表现为近地面较大,随高度升高而减小;相对湿度平均误差在多数层次上均较大,最大平均误差达到25%。云和降水均会导致温度和水汽密度在大部分高度上误差加大,但降水天气相对湿度误差较晴空和有云天气条件明显减小。进一步研究赛场夜间热力、水汽特征发现,夜间逆温层结构在云顶赛场十分常见,出现概率达到50%,逆温层顶一般在山顶附近或以下,当配合暖平流时,逆温层厚度和温差将大大加强。锋区移过后中低层下沉运动以及中低层暖平流都可能给赛场带来明显的夜间增温。下沉运动主导的增温过程中,微波辐射计参数廓线表现为中低层温度整体升高,低层水汽密度在下沉辐散作用下明显减小。在中低层暖平流主导的增温过程中,增温强度随高度升高而减小,且增温过程表现出明显的增湿现象。 相似文献
9.
地基微波辐射计对乌鲁木齐暴雨天气过程的观测分析 总被引：1，自引：0，他引：1
MP-3000A是一种新型大气探测仪器,可以连续得到从地面到10km高度上高分辨率的温度、相对湿度、水汽廓线以及液态水廓线。通过选取2011年5月1日的微波辐射计观测数据,分析在降水发生前后的水汽密度和液态水含量的变化,发现大气降水与水汽密度和液态水含量有很紧密的联系。大气中的可降水量一般会维持在25mm,当大气中的可降水量值超过50mm,液态水含量值开始增加的时候,发生降水的可能性增大;降水过后,液态水含量若是没有回落到0.0mm以内,在未来的2～3h内还是会发生降水,因此研究微波辐射计探测的大气水汽密度和液态水含量,将有助于提高短时、临近预报的准确度。 相似文献
10.
利用常规气象观测资料、射阳站探空资料、旋翼无人机探测资料等,分析2019年10月19日夜间到20日江苏东部沿海地区一次强浓雾过程的边界层特征。根据无人机垂直观测资料及湍流参数Ri结果发现:大雾形成之前到大雾成熟阶段,近地面始终存在强贴地逆温,最大逆温强度达4.6℃/(100 m)。在大雾形成到发展阶段,逆温逐渐增强,弱湍流区的发展高度也逐渐抬升,最大发展高度达280 m,雾层厚度逐渐增大。大雾成熟阶段,逆温层高度达到最大250 m,而此时受太阳辐射影响,逆温层上层湍流开始逐渐增强,弱湍流区发展高度降至150 m。大雾消散阶段,逆温减弱,雾层厚度迅速降低,湍流增强,逆温层逐渐趋于消散。在大雾形成之前到大雾成熟阶段,逆温层之上均存在较大的东南风,海上暖湿气流的输送不仅使逆温得以加强和维持,而且在冷的下垫面上促进了水汽凝结,从而形成了东部沿海地区的强浓雾。无人机垂直观测完整的获取了此次大雾过程的边界层结构变化特征,Ri的结果很好地反映了大雾发生期间稳定层高度的变化情况。 相似文献
11.
MWP967KV型地基微波辐射计是我国自主研发,拥有完整自主知识产权的新型大气微波遥感探测设备,为了实现国产设备在气象业务中的应用,需对设备的探测精度进行对比分析。利用2015年8月—2018年3月四川盆地南部山区的无线电探空数据和地基微波辐射计数据,分析晴空和有云天气条件下温度廓线、相对湿度廓线和水汽密度廓线及相关物理参数的精度。结果表明:晴空、层积云和高积云的微波辐射计与探空仪的温度、水汽密度和相对湿度相关系数整体上分别在0.9890,0.9665,0.5868以上,均达到0.01显著性水平。3种参数廓线的相关系数整体均呈地面大于高空,仅温度廓线相关系数达到0.01显著性水平,相对湿度廓线和水汽密度廓线在高空的相关系数未达到0.01显著性水平。3种参数的相关性整体上温度最高,水汽密度次之,相对湿度最低。温度、相对湿度和水汽密度的均方根误差平均值分别为2.8℃,22%和1.38 g·m-3,温度廓线和相对湿度廓线在层积云和高积云的云中及云上的精度明显降低,均方根误差较云层下温度升高1℃~2℃,相对湿度增大10%~20%。逆温层会影响廓线及物理参数的精度。晴天或云天等大范围相似天气条件下,探空气球飘移距离与温度廓线、相对湿度廓线和水汽密度廓线偏差的相关性较弱。 相似文献
12.
对比了2017～2019年重庆沙坪坝MP-3000A型地基微波辐射计和Metop-A掩星资料气温、湿度廓线探测之间的差异,并对两次天气过程中微波辐射计的探测特征进行分析,结果表明：(1)微波辐射计与掩星气温在整个探测高度上均为显著正相关,且低层高于高层；夏半年偏差小于冬半年；,4km以下微波辐射计探测气温高于掩星气温,降雨时偏差更大。(2)微波辐射计与掩星相对湿度相关性稍高于气温；,夏半年相关性高于冬半年,,偏差小于冬半年；降水天气时,1km以下及4～-6km之间,微波辐射计相对湿度的负偏差值明显比无降水时大。(3)降水时段,微波辐射计探测5km以下为高湿区,暖湿气团上升过程中凝结潜热和绝热冷却作用,中低层出现了逆温层；辐射雾出现时,微波辐射计探测到近地面层相对湿度增大和气温降低。 相似文献
13.
利用2012年1月至2014年8月重庆沙坪坝站的微波辐射计和探空数据,通过数值模拟检验微波辐射计的亮温精度,并统计分析晴空、有云和降水天气条件下微波辐射计反演产品的变化特征。结果表明:(1)有云时微波辐射计氧气通道53.85、54.00 GHz亮温与探空观测温度相关性较好;晴空和有云时MonoRTM模拟亮温与微波辐射计观测亮温相关性较好。(2)不同天气条件下,微波辐射计反演温度与探空观测值的相关性都较高,降水时4.0 km以下微波辐射计反演温度明显偏高,有云和晴空时3.8 km以下的温度平均绝对误差小于2℃。微波辐射计反演的相对湿度与探空观测值的相关性较同高度层温度的相关性差,有云时1.0~2.6 km高度反演的相对湿度平均误差很小,降水时4.5 km以下平均误差也较小且稳定。降水时4.0 km以下微波辐射计反演的水汽密度平均误差明显偏大,有云时多数高度层平均误差较小。(3)4.2 km以下降水时08:00微波辐射计反演温度的平均误差较大,有云时08:00微波辐射计反演温度和水汽密度的平均误差均较小。说明微波辐射计反演的大气廓线具有可用性,且在稳定大气环境中反演效果更好。 相似文献
14.
微波辐射计与探空仪测值对比分析 总被引：1，自引：0，他引：1
利用武汉站高时空分辨力探空资料(3h,30m)与同址的MP-3000A型地基微波辐射计资料,分析了微波辐射计探测偏差的日变化及时间序列变化特征。结果表明,微波辐射计对大气要素的探测具有较高的探测准确度,但仍然存在一定的探测偏差。温度的探测偏差大值区出现在午后,相对湿度及水汽密度的探测偏差大值区则在凌晨;温度及相对湿度探测误差的时间序列表现为起伏较大,而水汽密度则相对平稳,降水,特别是强降水,会对微波辐射计的探测准确度产生较明显的影响。 相似文献
15.
利用2018年1月至2019年12月河北省中南部地区的微波辐射计和探空数据,将两种探测设备取得的资料在时间和空间上进行点对点匹配,共筛选出187条晴空廓线、1176条云天廓线和12条毛毛雨天廓线,定量分析了各个高度层的晴天、云天和毛毛雨天气条件下两种大气探测设备的温度、相对湿度和水汽密度廓线的相关性及误差情况。结果表明：3种天气条件下的微波辐射计与无线电探空仪温度和水汽密度的相关性整体较好,地基微波辐射计观测的大气参数分布存在不同程度的差异,但是微波辐射计和探空的变化趋势一致性较好,并且无线电探空仪观测的大气参数和微波辐射计反演的温度、相对湿度和水汽密度相关性整体上均呈现低层大气优于高层大气,温度相关性最好,水汽密度次之,相对湿度最低。通过对比各个高度层的拟合程度,发现3.5 km以下的低层大气参数精度更可靠,对于需要间接计算的大气物理量,如K指数、有效位能、积分水汽含量等,使用低层数据计算的大气物理量精度会更好。本文开展的地基微波辐射计反演的大气物理参数与探空仪观测对比研究工作,对提高微波辐射计在大气物理和人工影响天气的探测精度方面具有参考意义。 相似文献
16.
六盘山区是中国典型的农牧交错带和生态脆弱带,也是黄土高原重要的水源涵养地、生态保护区及国家级扶贫开发区。利用2017年6-11月隆德气象站地基多通道微波辐射计资料,结合同期平凉探空站及隆德地面降水等观测资料,分析了六盘山区夏秋季大气水汽、液态水变化特征。结果表明：六盘山区夏秋季在降水天气背景下,大气水汽含量和液态水含量均较高,分别为无降水天气背景下的1.4倍和7.0倍;降水天气背景下水汽在5000 m以下有明显的增加,且在此高度范围内的水汽密度随高度的递减率比无降水天气背景下明显偏小;各高度层的液态水相比无降水天气背景下均有明显增大,除6月外,主峰值均出现在0℃层高度层以下。六盘山区夏秋季各月中,6-9月。大气水汽含量高值区均出现在正午到傍晚时段,低值区均出现在日出前后;液态水含量在日出前、午后及傍晚分别出现峰值,最明显的峰值出现在午后。对一次对流性降水天气过程分析后发现,降水发生前40 min大气水汽含量和液态水含量出现两次明显的跃增,水汽向上输送不断加强,2500-7500 m高度的相对湿度明显增大。 相似文献
17.
利用中国气象局上海台风研究所台风试验获取的4个典型台风个例数据,对地基微波辐射计反演的温度、水汽密度廓线与同址GPS探空资料得到的廓线进行对比分析,发现二者的温度、水汽密度相关系数分别为0.988、0.928。微波辐射计的探测精度在不同高度上有很大差异,整体来说,在高层温度探测精度较优于低层,而在低层水汽密度探测精度较优于高层。进一步研究表明,探测水汽密度精度与降水强度存在显著的正相关,而与风速及相对台风位置没有明显的关系。经计算,21组水汽密度廓线均方根误差与对应时段降雨强度的相关系数为0.912。本研究定量化地展示了微波辐射计在台风天气条件下对温度的探测精度相对比较高,且对水汽密度的观测质量有一定的可靠性和可用性,这一研究为今后将微波辐射计用于观测台风、锋面等强对流天气系统的大气温度湿度结构提供可靠性依据。 相似文献
18.
以2007～2018年西宁二十里铺气象站探空资料为模拟样本,利用MonoRTM模式模拟中心频率21.985～58.759GHz的35通道亮温,应用BP神经网络对模拟数据进行反复训练,构建最优反演模型,并以2019年探空资料为测试样本,对比分析了不同季节和不同天气条件下BP神经网络与微波辐射计的反演效果.结果表明:晴空条... 相似文献
19.
Deviation exists between measured and simulated microwave radiometer sounding data. The bias results in low-accuracy atmospheric temperature and humidity profiles simulated by Back Propagation artificial neural network models. This paper evaluated a retrieving atmospheric temperature and humidity profiles method by adopting an input data adjustment-based Back Propagation artificial neural networks model. First, the sounding data acquired at a Nanjing meteorological site in June 2014 are inputted into the MonoRTM Radiative transfer model to simulate atmospheric downwelling radiance at the 22 spectral channels from 22.234GHz to 58.8GHz, and we performed a comparison and analysis of the real observed data; an adjustment model for the measured microwave radiometer sounding data was built. Second, we simulated the sounding data of the 22 channels using the sounding data acquired at the site from 2011 to 2013. Based on the simulated rightness temperature data and the sounding data, BP neural network-based models were trained for the retrieval of atmospheric temperature, water vapor density and relative humidity profiles. Finally, we applied the adjustment model to the microwave radiometer sounding data collected in July 2014, generating the corrected data. After that, we inputted the corrected data into the BP neural network regression model to predict the atmospheric temperature, vapor density and relative humidity profile at 58 high levels from 0 to 10 km. We evaluated our model’s effect by comparing its output with the real measured data and the microwave radiometer’s own second-level product. The experiments showed that the inversion model improves atmospheric temperature and humidity profile retrieval accuracy; the atmospheric temperature RMS error is between 1K and 2.0K; the water vapor density’s RMS error is between 0.2 g/m3 and 1.93g/m3; and the relative humidity’s RMS error is between 2.5% and 18.6%. 相似文献