共查询到19条相似文献，搜索用时 156 毫秒
1.
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
2.
基于SRTM 90 m、USGS 30 s地形高程数据及青海气象台站实际海拔高度数据,分析了采用不同高度数据对青海地区2014年夏季气温和降水模拟准确度的影响。采用国家基本观测站的气象观测资料对模拟结果进行检验,结果表明:相对于台站实际海拔高度,模式地形总体偏高,青海南部和祁连山区海拔较高地区及青海东部地形梯度较大地区尤甚。相对于模式自带的原始地形数据,除青海东部外,其余大部分地区SRTM高程数据给出的模式地形高度增加。采用SRTM高程数据对气温影响较小;模式中引入青海气象台站海拔高程数据对于最高气温的模拟准确率提高显著,青海南部及祁连山区海拔较高地区以及黄南、海南中部地形梯度较大地区模拟和实测数据偏差减少显著,模拟的最低气温改善不如最高气温明显。同时采用SRTM高程数据及引入气象台站实际海拔高度数据对青海海西中部及东部地区降水改进较为明显。 相似文献
3.
为更加精确地模拟复杂地形地区大气边界层中气象要素,将NASA发布的SRTM3(约90 m分辨率)地形高度数据引入中尺度气象模式WRF(weather research and forecasting)中,结合四种边界层参数化方案(YSU、ACM2、MYN 2.5 level TKE(简称MYN)、Bougeault and Lacarrere TKE(简称BL))及模式自带地形数据GTOPO30(约1 km分辨率),模拟了2008年4月24－25日安徽黄山及周边地区大气边界层气象要素场变化特征,并对模式输出的2m气温、2m露点温度、10 m风速、湿度廓线与模拟区域内19个气象站及2个探空站数据进行比较.结果表明,无论采用哪种地形数据,四种边界层参数化方案中,YSU方案模拟的2m气温误差最小,ACM2方案模拟的2m露点温度和10m风速误差最小;采用SRTM3数据后,四种边界层参数化方案模拟的2 m气温平均均方根误差(root mean squared error,RMSE)分别降低了3.79％(YSU方案)、2.48％(ACM2方案)、3.8％(MYN方案)、0.87％(BL方案);对2 m露点温度模拟,除MYN方案模拟平均RMSE降低了0.59％外,其他三种方案模拟误差分别增加了1.39％(YSU方案)、0.49％(BL方案)、0.89％(ACM2方案);而对10m风速的模拟结果,除ACM2方案模拟平均RMSE降低了2.28％外,其他三种方案模拟误差分别增加了0.22％(YSU方案)、2.32％(MYN方案)、2.45％(BL方案);对2个探空站点湿度廓线的模拟显示,各边界层方案均能模拟出水汽的垂直变化趋势,但模拟效果总体表现为偏湿,采用SRTM3地形数据之后,ACM2方案模拟部分时刻的低层水汽廓线有所改善. 相似文献
4.
为了提高GRAPES_3 km（Global/Regional Assimilation and Prediction System）模式在2018年平昌冬奥会气象服务中的预报能力,采用一阶自适应的卡尔曼滤波方法对GRAPES_3 km模式的2 m气温、2 m相对湿度和10 m风开展偏差订正。结果表明:偏差订正方法明显提高了地面要素的预报效果,其中2 m气温的均方根误差整体减小到2℃左右,站点订正改善率为10%~60%;10 m风速的均方根误差减小到2 m·s-1左右,站点订正改善率为10%~45%;2 m相对湿度减小到20%以下,站点订正改善率为0~20%。与韩国气象厅LDAPS（Local Data Assimilation and Prediction System）及美国宇航局NU-WRF（NASA-Unified WRF）模式相比,GRAPES_3 km模式的风速预报表现更为优异,各站点整体预报效果明显优于LDAPS和NU-WRF模式。偏差订正方法可有效改善模式在复杂地形条件下的预报能力,是提高精细化预报准确率的重要手段。 相似文献
5.
《气象与环境学报》2016,(1)
不同地区中尺度气象模式WRF的模拟性能存在明显差异,本文利用数值模拟和统计方法,评估了WRF模式在济南地区的模拟性能,并对比研究地形和土地利用对WRF模式模拟性能的影响,为WRF模式在济南地区的业务化运行提供参考。结果表明:WRF模式能较准确的模拟济南地区近地面气象场及其时间变化特征;统计分析发现,WRF模式对济南地区近地面气温、比湿、风速及风向的模拟准确率分别为72.5%、59.6%、29.4%和36.2%。WRF模式模拟的济南地区夏季比湿偏低、风速偏高,模拟的风速存在系统性偏差。下垫面对WRF模式的模拟结果有显著影响,10 m风速的均方根误差(RMSE)与地形、坡度、模式格点和观测站点的地形偏差显著相关,与坡度的相关系数最大;2 m气温的RMSE仅与地形偏差显著相关,在复杂地形区比较站点观测气温与模式格点气温时,需考虑地形偏差的影响。 相似文献
6.
针对离散站点资料格点化的业务需求及 Cressman 方法在地形复杂区域客观分析存在的问 题,利用山东及周边省自动气象站观测的 2 m气温和 ECMWF预报的海上 2 m气温,结合山东省中尺度数值预报位温递减率、90 m分辨率 SRTM高程数据,采用统一高度 Cressman 方法对山东省地面2 m气温进行客观分析,生成了逐 1 h、0.01°×0.01°高分辨率的地面 2 m气温格点产品。结果表明,统一高度 Cressman 方法的客观分析格点产品在地形复杂区域的分析更合理,月平均误差基本在±1 ℃以内,鲁中山区地形高度较高区域月平均误差略大于鲁西北、鲁西南、鲁东南和山东半岛等地的平原地区,气温偏低的10、11、12月温度准确率均略低于 5、6、7、8、9 月;2020 年 5—12 月平均误差为－0.0039 ℃,平均绝对误差为 0.1469 ℃,均方根误差为 0.3597 ℃,2 ℃以内准确率为 99.64%,1 ℃以内准确率为 98.24%,各项检验指标均较优。总体上统一高度 Cressman 客观分析格点产品质量接近中国气象局陆面数据同化系统（ HRCLDAS ）高分辨率格点实况产品。 相似文献
7.
采用一元线性方法建立南海台风模式CMA-TRAMS地形高度偏差和地面气温预报误差的回归关系,分别开展不分级、高度偏差分级和地面气温误差分级的三种订正方法的研究,并进行订正效果评估。结果表明,模式地面气温预报误差与地形高度偏差总体呈负的线性相关关系,地面气温预报绝对误差随地形高度偏差绝对值增大而增大（对模式地形高度偏低站点尤为明显）,但不同时刻地面气温预报误差特征表现不同,模式对地形高度偏高（即模式地形高于测站高度）和地形高度偏差小于50 m的站点,06时地面气温（世界时,下同）预报总体偏低,对地形高度偏低大于50 m的站点（即模式地形低于测站高度）,06时地面气温预报总体偏高;而无论站点地形高度偏差如何,模式对18时地面气温预报总体偏高。三种订正方法中地面气温误差分级法能有效地减小地面气温预报误差,该方法订正后的分析场准确率可达96%~99%,12~48小时时效预报场准确率总体可提升至90%以上,该方法具有回归关系稳定、效果显著、适用性广、简单易行等特点。 相似文献
8.
本文以传统机器学习算法XGBoost和深度学习算法CU-Net为基础,针对北京快速更新无缝隙融合与集成预报系统（RISE系统）预报的北京冬奥会延庆及张家口赛区100米分辨率的冬季近地面10 m风速数据,进行每日逐小时起报的未来逐6小时间隔的冬奥高山站点及其周边地区风速预报偏差订正方法研究和对比分析。对于站点订正,首先将RISE系统预测的10 m风速插值到对应的自动气象站站点,然后根据风速等级表归类,针对每个分类单独构建XGBoost模型,每个区间模型合并后形成L-XGBoost,使用均方根误差和预报准确率作为评分标准,结果表明风速归类的L-XGBoost算法订正效果比不归类的原始XGBoost模型有一定提升,说明在传统机器学习中加入归类方法有助于改善复杂山地站点风速预报技巧。对于站点及其周边地区风速订正,本文在CUNet模型基础上,通过引入不同深度的CU-Net子网络,构建了新的算法模型CU-Net++,并考虑了预报日变化误差和复杂地形对10 m风速的影响,以自动气象站为中心构建空间小区域样本数据,对RISE系统风速预报偏差进行订正。试验结果表明,CU-Net和CU-Net++均可以充... 相似文献
9.
相似集合是近年来提出的一种基于相似理论、大数据挖掘和集合预报思路的统计释用方法。文中首先介绍了相似集合的基本原理,并应用该方法对北京快速更新循环数值预报系统（BJ-RUC）v3.0预报地面要素开展了订正释用试验。结果表明,相似集合订正后,在0—36 h预报时段内,10 m风速的均方根误差降低44%,2 m气温的均方根误差降低22%,均方根误差均显著减小。对比测站预报误差的水平分布,相似集合方法的应用对于提升非城区站点的10 m风速预报、复杂地形区域的2 m气温预报具有更为明显的效果。相同预报因子的相似集合和支持向量机方法对模式10 m风速和2 m气温预报均具有显著且相似的订正效果,但相似集合方法具有计算资源需求较少、不需要大量人工干预的优势。相似集合方法形成的集合较好地模拟了模式平均误差的增长情况,集合离散度与集合平均均方根误差表现出理想的统计一致性,即相似集合方法在形成确定性预报的同时,还能够提供预报要素的不确定性或概率信息。因此,相似集合方法在模式预报订正及释用方面具有广阔的应用前景。 相似文献
10.
利用广东省水文站降水观测实况、国家气象观测站和区域自动站资料,对广东区域2020年的网格实况分析产品质量进行检验评估,结果表明:(1)2020年广东省5和1 km温度网格实况数值与站点实况相近,逐时温度、最高气温、最低气温平均绝对误差均小于1℃;(2)降水网格实况的误差随着降水量级增大而增大,个例对比评估显示1 km实时融合分析降水网格数据优于其他三套降水网格数据;(3)10 m风速网格实况的误差随着风级增大而增大,不分级风速误差小于1 m/s,趋势变化与站点实况接近,个例对比显示1 km的网格数据优于5 km数据。 相似文献
11.
基于中尺度气象模式,采用次网格地形方案模拟了2019年3月19~20日四川、云南交界处白鹤滩水电站的一次大风过程,对10 m风速、风向和2 m温度空间分布及日变化的模拟结果进行检验评估,并结合地形分析了坝区易产生大风的原因。结果表明:此次西南大风天气是由高低空一致的西南气流配合地面“东高西低”的环流形势共同造成的。午后热低压发展强盛,地面风速增大,坝区出现8级大风。采用次网格地形方案后,风速的平均绝对误差和均方根误差最高可分别减小17%和14%,同时该方案有效地缓解了模式对白天风速的低估和夜间风速的高估,在大风和小风时段均对风速有较好的模拟能力,从而能更好地刻画风速的日变化特征。综合来看,次网格地形方案能显著改善风场的模拟效果,其中Jiménez方案更适用于坝区大风的模拟,但次网格地形方案对温度模拟没有改善作用。白鹤滩水电站的大风受局地地形影响极大,南北向狭长河谷地形产生的狭管效应使气流增速显著,坝区主体高度区河谷风的放大系数超过3.0,使得白鹤滩水电站极易出现灾害性大风天气。 相似文献
12.
京津冀地区经济和文化的快速发展对冬季地面瞬时强风预报要求越来越高。正确估计和预测冬季地面瞬时强风,尤其是复杂地形条件下的阵风高分辨率格点精准预报,对于提升重大活动服务保障、首都及周边地区城市安全运行及防灾减灾能力等方面都具有重要意义。本研究基于京津冀长时间序列的实况观测资料,建立了阵风系数与稳定风速、风向、地形高度各要素之间的关系模型,并结合客观统计分析方法、阵风观测数据融合技术、格点偏差订正技术,发展了一种既保留模式物理参数特征和阵风局地气候特征,又发挥格点偏差订正技术的阵风客观预报方法。冬季奥林匹克赛事期间批量检验和个例分析结果表明,基于阵风系数格点模型和模式后处理订正技术得到的百米级分辨率、分钟级更新的阵风客观预报产品,24 h预报时效内张家口赛区和延庆赛区考核站平均绝对误差分别在2.3 m/s和3.0 m/s以下,延庆赛区8级以上大风,阵风风速预报评分超过0.5,解决了复杂山区数值模式阵风预报误差大、几乎无法业务应用的瓶颈问题,满足冬季奥林匹克运动会现场服务要求。 相似文献
13.
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
14.
提出了一种利用SRTM资料构建海岛CFD计算模型的技术方法,并以珠江口的东澳岛为对象,进行了模型构建试验及边界层风场的数值模拟试验.实验结果表明,SRTM资料作为开源的资料,可有效地解析空间尺度在1 km以内数量级的海岛地形,并可以此为基础构建用于CFD模拟的计算模型,真实地刻画出岛屿的地形.利用计算模型进行的模拟试验表明,岛屿地形对风场的影响明显,且这种影响可以被计算模型有效地描述.所提出的技术未来在海岛风资源评估、风电场选址、污染扩散等领域有望发挥作用. 相似文献
15.
复杂地形区域风场模拟的准确率一直是风能研究领域的难点和重点。WRF模式是目前风能评估领域应用最广泛的天气数值模式之一,但该模式在复杂地形区域存在对平原、山谷风速高估且对山顶风速低估的系统性误差,并有研究建立次网格地形方案以订正误差。而次网格地形方案在不同水平分辨率下常出现错误的修正结果,该文基于高精度地形高程数据分析了方案失效的主要原因,发现其方程组中判断山体形态特征的阈值-20在过低和过高水平分辨率下均失去参考性。针对这一原因,将方案中影响关键参数Ct的地形高度算子与模式水平分辨率进行拟合,形成地形高度算子与水平分辨率相依赖的线性关系,获得不同分辨率下更适合的山体形态阈值。通过与自动气象站10 m风速对比分析了修正前后WRF对低层风速的模拟效果,结果显示:修正后的次网格地形方案能够分别在较低和较高分辨率下,部分矫正原方案错误的订正结果,使低层风速模拟更接近实况。修正后的次网格地形方案可为复杂地形区域开展高分辨率风场模拟提供参考。 相似文献
16.
选取2016年1月至2018年12月ECMWF（简称EC）细网格10 m风资料,与大连地区8个国家气象观测站地面各类实况风速资料进行对比分析,得出EC 10 m风速预报与最大风速最为接近,与极大风速相关性最好,EC 10 m风速对大连地区8站整体预报平均偏大。通过对EC 10 m风速各预报时限资料与其对应的最大风速误差进行统计分析。结果表明：按实况分类,从风速平均误差来看,实况3级与预报最接近,小于3级时预报偏大,大于3级时预报偏小,各风向间的风速误差也比较明显,但比风级间的误差要小一些;平均绝对误差则是2—3级最小。各时限风速平均误差相差不大,基本在0.1—0.3 m·s-1间,平均绝对误差则随时限延长呈缓慢增大趋势。风速误差具有明显的日变化,表现出白天小、夜间大、午后最小、下半夜最大的特征。风速误差也因测站不同,在不同风级和风向的反应也各不相同。 相似文献
17.
基于2020年中国近海31个浮标的逐小时数据,使用统计分析方法对中国气象局高分辨率陆面数据同化系统(HRCLDAS-V1.0)和欧洲中期天气预报中心第5代全球大气再分析数据(ERA5)海面风场进行了系统的检验,检验结果表明:两者在我国近海均具有较高的可信度,风速平均绝对误差(MAE)分别为1.16 m/s和1.09 m/s,风向MAE分别为23 °和22 °。随着风力增大两者的风速准确度均有所降低,当风力等级≥10级时,前者准确度优于后者;对于风向而言,随着风力增大,两者准确度均升高。此外,选取2020年典型的两次冷空气过程和2008号台风“巴威”过程,检验两者在不同天气过程影响下的准确度,两类融合产品均能较好地再现冷空气过程引起的风向变化,而对不同强度的冷空气过程下的风速反映存在差异;对于台风引起的大风,在风速较低时两者风速均具有不错的表现,但HRCLDAS-V1.0对峰值强度的表现优于ERA5。 相似文献
18.
海面风速对航运及海上生产作业影响重大,但数值模式对于海面的风速预报仍存在较大误差。为降低数值模式海面10 m风速预报的系统性误差,提高海上大风预报准确率,基于2017—2019年中国气象局地面气象观测资料对ECMWF确定性模式的10 m风场预报结果进行检验评估,并采用概率密度匹配方法对模式误差进行订正。分析结果表明,概率密度匹配方法可有效地改善数值模式10 m风速预报的系统性误差,订正后风速在各个预报时效和风速量级的平均误差均较订正前有所降低。对于大量级风速的预报,经概率密度匹配方法订正后的风速预报的漏报率可减少10%以上。订正后12 h预报时效的8、9级风速预报的平均绝对误差分别由4.15 m/s、5.61 m/s降低至3.12 m/s、4.08 m/s,120 h预报时效的8、9级风速预报的平均绝对误差由7.38 m/s、9.35 m/s减小至6.46 m/s、8.07 m/s。在冷空气、台风大风天气过程中,基于概率密度匹配方法订正后的风速与实况观测更接近,能够为我国近海洋面10 m风速的预报提供更准确的参考。 相似文献