共查询到20条相似文献，搜索用时 406 毫秒
1.
《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
2.
基于2016年12月—2017年2月和2017年12月—2018年2月两年冬季的近地面自动气象站逐时观测数据以及张家口探空数据分析延庆-张家口一带（包括张家口崇礼、赤城、海坨、小五台山区,延怀、怀涿、洋河、蔚县盆地以及北京延庆、昌平、怀柔部分平原地区）复杂地形的风场精细化时、空分布特征,揭示不同复杂地形下局地风场的时、空变化规律,加深对复杂地形动力、热力作用对近地面风场影响的认识,为冬季山区风场预报以及复杂地形数值模式改进提供参考。结果表明:晴朗小风天风持续性作为矢量平均风速和标量平均风速的比值,可以作为研究风场变化规律的重要参数。根据风持续性的日变化特征,可以将研究区域内所有站点分为10种类型,分别代表不同局地地形特征的影响,风持续与风向变化的相关也很强。研究区域主要有3种类型的地形风:斜坡风、峡谷风以及较大尺度的山区平原风。不同地形特征下的风场、风持续性存在明显不同的日变化特征,山风和谷风相互转化的时间也不同,山区最早,盆地次之,平原区最晚;山风时段持续时间较谷风时段长,风速小;晴朗小风天实测风反映了实际风场的特征,而排除环境背景风场,弱化地形动力作用后整个冬季的局地风作为理论山谷风,更能反映热力作用下的山谷风特征。 相似文献
3.
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
4.
华南区域GRAPES模式动力框架的更新使得高分辨地形数据能够进入模式。引入SRTM数据实现静态数据更新,结合模式内置数据,进行了批量模拟试验;通过站点检验方式,对批量试验结果进行对比,得出以下结论:对比业务使用的Topo10 m地形、Topo30 s地形、SRTM地形和基于SRTM多种插值方案得到的地形,海拔偏差的空间分布和分位数统计都有明显的改善,复杂地形区域的改善效果更显著。通过地面要素平均绝对误差(MAE)箱须图统计和模式西部站点绝对误差(AE)时间序列图对比分析,发现高分辨地形试验的2 m气温和10 m风速MAE和AE有大幅度的改善。高分辨地形对模式静态数据的改善是2 m气温和10 m风速MAE下降的主要原因,地形复杂区域对MAE改善的贡献高于模式其他区域。高分辨地形进入模式后会引起动力过程计算的虚假扰动,适当的滤波平滑能够抑制扰动,从而进一步提高预报精度。 相似文献
5.
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0.5 m/s,风速的误差随高度上升逐渐增大。模式最低层风向的均方根误差降低15.5°,温度的均方根误差降低0.4℃,且1.5 km高度以下的温度偏差都减小。区域内地面10 m高风速的均方根误差平均降低0.2 m/s,风向的均方根误差降低10.8°,地面2 m气温的偏差也降低。随着预报时效的延长,地面温度和风场的误差不断增大,但地面资料同化方法在一定程度上可以提高1 h内地面气象要素的预报效果。对2019年5月17日北京地区局地强对流新生和增强过程的详细分析表明,地面自动气象站观测资料的同化方法相对于融合,可以通过更细致准确地分析低层大气的热动力特征,改善低层气象要素的预报效果。在此基础上,通过探究对流单体的局地触发机理发现,海风锋辐合线与城市的相互作用一定程度上影响了对流的局地新生和发展,该同化方法可以进一步提高北京地区局地突发强对流的临近数值预报能力。 相似文献
6.
《高原气象》2017,(3)
基于6层嵌套的WRF-ARW模式,在新疆博斯腾湖某湖岸地区进行了实际大气条件下的LES近地面风场数值模拟,并依据该地观探测资料开展了模拟结果的比对分析。为了探讨该地陆面特征对模拟结果的影响,分别针对地形分辨率、土壤湿度和地表粗糙度开展了敏感性试验。研究结果表明,在所关注的小尺度研究区域内,WRF-LES通过对大气边界层内大尺度湍涡的直接解析,相比于中尺度模拟,模拟结果更能体现出近地层风场的高度起伏性,进而提高数值模拟的真实性和准确性。为达到预期应用效果,WRF-LES需要与之相匹配的高分辨率的地形数据,此外土壤湿度数据会通过改变地表热通量分配来影响日间大尺度湍涡的发展,进而影响近地面风场模拟结果,而地表粗糙度对WRF-LES近地面风速模拟的影响则较为复杂。 相似文献
7.
基于陕西省1 540个地面自动气象站的观测资料,采用平均误差、平均绝对误差、均方根误差、相关系数等评估指标对5 km分辨率的CLDAS小时产品——2 m气温、2 m相对湿度、能见度、10 m风速在陕西的适用性进行了评估检验。结果表明:CLDAS 2 m气温、2 m相对湿度产品在陕西质量较好,能见度次之,10 m风速质量相较差。对CLDAS 2 m气温评估结果的进一步分析表明,各评估指标具有一定的月变化、日变化特征,但整体质量趋于稳定;高海拔地区,评估指标变化明显,代表性相对差。CLDAS 2 m气温对日最高、最低气温也有很好的指示性。分辨率为1 km与5 km的CLDAS 2 m气温产品对比评估表明,1 km气温产品的误差较小,相关系数更大,尤其对于高海拔地区,质量有明显改善,代表性增强。 相似文献
8.
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
9.
《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
10.
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
11.
复杂地形区陆面资料对WRF模式模拟性能的影响 总被引：2，自引：0，他引：2
本文利用WRF（Weather Research and Forecasting）模式耦合Noah陆面过程模式,对比研究了使用不同精度陆面资料:WRF默认陆面资料、中国1 km分辨率数字高程模型数据集、2006年MODIS（MODerate-resolution Imaging Spectroradiometer）土地利用和植被覆盖度资料,WRF模式对兰州地区冬季气象场模拟结果的差异。结果表明,近地面气温对陆面资料的精度非常敏感,而风场对陆面资料的精度不敏感,WRF模式对气温的模拟效果好于对风场模拟。采用高精度且时效性好的陆面资料后,WRF模拟的近地面气温准确率提高了15.8%,模拟的夜间气温改进幅度较白天大。陆面资料可影响整个边界层温度场分布,准确的陆面资料对提高WRF模式模拟近地面乃至整个边界层气象场至关重要。尽管风速模拟误差较大,但总体上WRF模式能较准确地模拟出研究区的风场演变特征。使用新的陆面资料后WRF模拟的风速误差略有减小,风向误差略有增加。干旱半干旱区冬季数值模拟需要注意土壤湿度初值和模式初始积分时刻对模拟结果的影响。 相似文献
12.
本文通过对比检验2013年1月至2016年6月ASCAT卫星反演风场与青岛浮标海岛站实测10m风场资料,开展ASCAT卫星反演风场在青岛沿海的适用评估。结果表明:ASCAT反演风速整体偏大,风向偏左,但整体偏差均较小。ASCAT反演风场和浮标海岛站实测风场的风速和风向的整体偏差分别为1.6m/s和-9.6°,说明ASCAT反演风场在青岛沿岸有很好的适用性,比EC再分析资料能更细致地反映青岛沿岸的风场空间分布。从风速分级比较来看,风速越弱,卫星反演风速越接近站点实测风速,反演结果越好,而风向反演结果则反之。风速和风向的反演效果皆是晚上比早晨好。并且季节变化对风速反演效果影响不大,但是对风向反演效果有一定的影响,秋冬季节风向反演结果好于春夏季节。最后,对ASCAT反演风速分别进行线性回归订正、综合误差、风速等级误差和升降轨误差订正,发现线性回归订正结果最佳。 相似文献
13.
利用2009—2018年冬季北京地区200多个自动气象站逐时10 m风速、风向观测数据,分典型区域（山区、山区与平原过渡区、平原区、城区）研究北京地区冬季近地面风的精细特征,并使用有完整记录的2 a（2017和2018年）冬季延庆高山区不同海拔高度10 m风逐时观测数据,多视角分析高山区不同海拔高度近地面风的特征和成因,以深刻认识北京地区复杂地形条件下冬季近地面风的特征和规律。结果表明:（1）北京地区冬季近地面平均风受西部北部地形、城市下垫面粗糙度和冷空气活动共同影响,平均风速沿地形梯度分布,山区高平原低,平原中又以城区风速最小;盛行西北风和北风,在城区东、西两侧盛行风出现扰流,在山区和过渡区一些地方还存在与局地地形环境明显关联的其他盛行风向。（2）4个典型区域冬季近地面风速日变化均表现为白天风速大于夜间,午间风速最大的“峰强谷平”单峰特征,这一特征的稳定性在城区高、山区低。（3）4个区域冬季弱风（< 1 m/s）频率为31%—42%,城区较高、山区较低;强风（> 10.8 m/s）频次则是山区多、城区少,强风风向主要表现为偏西—偏北,与冷空气活动密切关联;城区、平原区和过渡区偏南风频率均为极小,暗示北京“山区—平原”风模态在冬季是“隐式”的、不易被直接观测到。（4）近地面风的水平尺度代表范围在延庆高山区高海拔处明显大于低海拔处,海拔1500 m附近（平均的边界层顶高度）是延庆高山近地面风速日变化特征的“分水岭”,低于该海拔高度时近地面风速日变化表现为前述“峰强谷平”单峰特征,而高于该海拔高度时近地面风速日变化则呈现相反特征,即夜间大白天小、午间最小的“峰平谷深”特征,这是由边界层湍流活动的日变化及伴随的低层自由大气动量向边界层内下传所致。（5）延庆高山近地面风速大体上随观测高度而增大,高海拔站点日平均风速数倍于低海拔站点。白天—前半夜,海拔约2000 m的站点冬季盛行偏西风,风向变化不大,但风速为2—12 m/s;1000 m左右的低海拔站则风速比较稳定（< 6 m/s）,风向从午间至傍晚相对多变。 相似文献
14.
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
15.
利用2017年151个地面气象站的逐时观测数据和相关高空资料分析关中盆地近地面风场与输送特征。首先分析盆地内代表性站点的风速和风向观测事实,然后用CALMET风场诊断模式和轨迹计算模式获取当地逐小时风场和每日逐小时传输轨迹,分析风场类型。结果表明:关中盆地内日平均风速约1～3 m s?1,夏季风速高、秋冬季低;盆地中央的主导风向以沿地形走向的东北风和西南风为主,盆地四周测站的主导风向表现出顺着地形向盆地中央汇流的趋势。各站主导风向的季节变化不大。盆地内风场分为系统控制型、弱天气背景型和局地环流型3类,全年出现日数比例分别占8%、17.3%和74.7%。以山谷风日夜循环为特征的局地环流型风场最多。以西安城区为源点的大气输送轨迹显示,系统控制型风场以偏东北方向的输送为主,弱天气背景型和局地环流型风场的轨迹输送都大致以偏东北和偏西（以及偏西南）沿盆地走向以及偏东南朝向秦岭山地这三个方向为主。局地环流型的轨迹影响范围小,集中于盆地中央和南侧山地之间,表明这是一种不利于污染扩散的风场类型。 相似文献
16.
多普勒激光雷达风场反演方法研究 总被引：3，自引：0，他引：3
采用三维变分同化反演(3DVAR)、 四维变分同化反演(4DVAR) 对多普勒激光雷达资料反演风场的方法进行了研究, 利用车载多普勒激光雷达在2008年残奥会测试赛期间外场试验取得的数据, 反演了海面10 m高度处的风场, 并将风场反演结果与浮标资料进行了对比分析, 结果表明: 3DVAR、4DVAR风场反演方法均能实现近海面风的精细化风场反演, 并能反映出风向的变化, 反演风场与浮标数据基本一致, 在风速较大的天气情况, 3DVAR与4DVAR反演风场的一致性要好于风速较小的天气情况; 4DVAR反演方法中以浮标资料作为背景场, 使得其与浮标的符合程度要好于3DVAR方法反演风场; 反演风场的风向与浮标风向具有很好的相关关系, 反演风场的风速与浮标风速具有一定的相关关系, 反演风场的风向、风速与浮标的风向、风速之间平均均方根误差和平均绝对误差表明, 这两序列之间具有一定差别, 在风速较小的天气情况下使用时需要注意。 相似文献
17.
《高原气象》2018,(5)
为了实现复杂地形下高分辨率风场的数值模拟及特征分析,采用中尺度气象模式WRF(Weather Research and Forecasting M odel)结合牛顿松弛逼近Nudging资料同化技术,实现哈密地区水平分辨率1 km的近地层风场数值模拟计算。基于模拟区域测风塔实测数据的对比检验发现,同化观测资料后风速风向的模拟结果均与实测更加接近,70 m高度风速模拟结果的绝对误差降低0. 25 m·s~(-1),同化后的模拟结果可以较好的修正风速较小时模拟值偏高和风速较大时模拟值偏小的问题,同时风廓线的模拟结果也与实测更加吻合。通过分析哈密复杂地形下水平分辨率1 km逐10 min风场输出结果发现:(1)哈密地区地形比较复杂,风速平面分布差异很大,4月份风速较大区域主要分布在山北地区和西部山南垭口附近,而7月份风速较大区域则位于西部的山坳南部和北部地区;(2)复杂地形下风速较小时风速为负切变,且平均风速越小负切变值越大,地形越复杂负切变值越大;风速较大即使是复杂地形下同样为正切变,但是正切变值比平坦地区的值要小,平坦地形下风速越大正切变值越大;(3)哈密地区复杂地形下,风速12～25 m·s~(-1)的风速占比在时间和空间上分布差异较大,风速较大的4月份,大部分地区占比达到20%以上,尤其是山北和西部垭口附近,占比甚至达到了50%以上,风速为12～25 m·s~(-1)的情况下80 m高度平均风速比60 m高0. 60～0. 80 m·s~(-1),比月平均风速的垂直变化值要大;(4)风速较大时,风向10 min变化不明显,风速较小时,风向变化值较大,且地形较平坦地区风向变化值较大,地形复杂地区变化值较小;(5)风向的垂直变化与风速大小关系比较明显,风速越小,其垂直变化越大,风向垂直变化的区域分布与地形复杂程度相关,地形越复杂风向的垂直变化值越大。 相似文献
18.
为了实现时间跨度较长(20—30年)的风能资源数值模拟评估,建立了一种新的分型方案,采用地面和探空观测资料,以风速、风向和最大混合层高度作为分型因子,针对每种类型随机抽取5%的日数进行真实算例的数值模拟。根据中国所有地区典型日的平均风能参数和30年观测平均结果的对比分析,得出以下结论:(1)中国所有分型站点挑选典型日的平均风速与30年平均风速的绝对误差均小于0.10 m/s,相对误差均低于6.50%;挑选典型日各风向频率值与30年结果的绝对误差平均值为0.28%—0.48%,风速频率绝对误差的平均值为0.09%—0.54%。(2)通过模拟区域分型站点以外探空气象站的风向频率和风速频率的对比检验发现:沿海地区风向频率绝对误差为0.27%—0.63%,风速频率绝对误差为0.14%—0.49%;内陆复杂山地风向频率绝对误差基本在0.57%以下,风速频率绝对误差为0.22%—0.60%;结果表明选取一个分型站点能够代表整个模拟区域内的风能资源特性。(3)根据沿海和内陆山地模拟区域重合范围内的探空站分型结果对比分析发现:对于模拟区域重合范围内的探空站,采用所有模拟区域分型站典型日结果加权平均后的风能参数对比误差大大低于各自模拟区域分型站点的对比误差。 相似文献
19.
为了实现时间跨度较长(20—30年)的风能资源数值模拟评估,建立了一种新的分型方案,采用地面和探空观测资料,以风速、风向和最大混合层高度作为分型因子,针对每种类型随机抽取5%的日数进行真实算例的数值模拟。根据中国所有地区典型日的平均风能参数和30年观测平均结果的对比分析,得出以下结论:(1)中国所有分型站点挑选典型日的平均风速与30年平均风速的绝对误差均小于0.10 m/s,相对误差均低于6.50%;挑选典型日各风向频率值与30年结果的绝对误差平均值为0.28%—0.48%,风速频率绝对误差的平均值为0.09%—0.54%。(2)通过模拟区域分型站点以外探空气象站的风向频率和风速频率的对比检验发现:沿海地区风向频率绝对误差为0.27%—0.63%,风速频率绝对误差为0.14%—0.49%;内陆复杂山地风向频率绝对误差基本在0.57%以下,风速频率绝对误差为0.22%—0.60%;结果表明选取一个分型站点能够代表整个模拟区域内的风能资源特性。(3)根据沿海和内陆山地模拟区域重合范围内的探空站分型结果对比分析发现:对于模拟区域重合范围内的探空站,采用所有模拟区域分型站典型日结果加权平均后的风能参数对比误差大大低于各自模拟区域分型站点的对比误差。 相似文献
20.
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