共查询到20条相似文献，搜索用时 125 毫秒
1.
次网格地形动力效应参数化及其对降水模拟效果的影响 总被引：1，自引：0，他引：1
地形对气流的动力抬升作用是地形降水的重要产生机制之一, 为了在模式中考虑地形对气流的动力抬升作用, 改进模式对复杂地形区域的降水模拟效果, 本文提出了一个次网格地形动力效应参数化方案.在模式中首先利用高分辨率的地形高度资料计算出次网格格点处的地形坡度、坡向, 这些微观地形参数可以较为精细地描述次网格尺度地形信息;然后再根据地面气压与地形对气流动力抬升作用的关系, 对地面气压倾向进行次网格修正;最后利用 p-σ区域气候模式进行了三个数值试验, 检验该方案对模式模拟降水能力的影响.结果表明, 次网格地形动力效应参数化方案的引入, 对中国区域的降水模拟有明显改进, 尤其对冬、春季的降水模拟, 无论是分布范围还是中心最大强度都与实况比较接近. 相似文献
2.
利用地面区域自动站逐时降水观测资料,采用百分位方法,对2008—2017年5—9月鄂西南极端降水特征进行分析,利用卫星云图TBB和NCEP 0.5°×0.5°再分析场资料,对典型个例进行成因分析。结果表明:(1)鄂西南小时强降水和日降水量极端阈值范围差别较大,各站降水极端性程度没有可比性。小时强降水和大暴雨出现频率高的站点主要分布于有地形辐合和地形抬升的山脉四周,小时强降水多发生在00:00—03:00和16:00—19:00时段;(2)鄂西南极端降水发生最多的是东南部海拔高度相差大的鹤峰附近,低空急流和地形作用,使中尺度对流系统在东移过程中存在后向传播,导致降水持续时间长,累计雨量大;(3)对于不同时期的极端降水过程,其形成的热力、动力作用和垂直结构均不相同,6月的暖区极端降水,热力作用占主导,高层系统先于低层发展,而9月极端降水锋区明显,以动力作用为主,系统整层发展加强。 相似文献
3.
利用区域自动站观测和NCAR/NCEP 1°×1°再分析资料,对比2012-2014年海河流域北系4次强降水过程成因,重点分析地形对强降水过程的影响。分析结果表明,4次强降水过程均属于低槽类暴雨,高空槽是影响流域北系强降水的主要影响系统,副热带高压、低层辐合系统对暴雨强度、位置及持续时间存在明显影响。此外,除能量及水汽的积聚外,地形对海河流域北系降水强度有明显增幅作用。风场与地形相配合的地形抬升是降雨增幅的动力因子。在水平方向上,呈"V"形分布的上升运动区,对应燕山山脉迎风坡坡度较大地区;在垂直方向上,地形强迫引起的低层上升运动中心与天气系统抬升引起的中高层上升运动中心逐渐合并加强。地形阻挡导致的水汽通量辐合也是迎风坡降雨增幅的重要因子,低层地形引起的水汽辐合明显强于中层天气系统引起的水汽辐合。 相似文献
4.
黄山山脉地形对暴雨降水增幅条件研究 总被引：1，自引：0，他引：1
利用103个自动气象站、6个人工观测站资料和5 km×5 km局地分析预报系统LAPS资料,分析了黄山山脉的日雨量和短时雨量极值分布,发现日雨量极值分布与地形关系密切.运用凝结函数、水汽收支和增幅系数方法诊断并计算了暴雨的地形增量,结果表明,降水系统经过黄山山脉时,扰动加强是降雨增幅的主要原因.扰动风场辐合与地形高度有利配合形成的地形抬升速度是降雨增幅的主要动力因子,地形抬升导致的水汽垂直通量和水平通量辐合是降雨增幅的直接原因. 相似文献
5.
应用黄山地区191个地面自动观测站资料,统计分析了201 5年发生在黄山地区短时强降雨时空分布。统计发现:发生短时强降雨过程次数在午后及傍晚(14和18时)时段中明显增多;黄山山脉及其附近是短时强降雨多发生的中心地带,发生短时强降雨次数分布与山脉形态一致、和地形高度相关,短时强降雨与地形关系密切。分别利用三个典型个例分析了山脉地形动力阻拦和热力对短时强降雨的增幅作用,结果表明:(1)山脉地形迎风坡处因地形抬升速度与地面辐合线相配合降雨增强,水汽收支方法诊断计算降雨增量可达6成;(2)锋面过境山脉时垂直扰动增强水平位温梯度增大锋生,在背风坡处地面涡度、上升运动增强,导致降水增幅;(3)山脉西南区域因地面感热通量差异形成热低压,在该区域增暖增湿,大气不稳定增强,受冷平流影响形成强对流天气,导致山区降水增幅。 相似文献
6.
“7.15”宜昌大暴雨的地形影响特征 总被引：2，自引：0，他引：2
湖北地形复杂,受地形影响产生的局地强降水造成的灾害很多。2010年7月15日宜昌地区的强降水是在满足大尺度降水条件下受地形作用加强的局地暴雨。本文利用实况高空、地面、加密自动站、雷达以及LAPS再分析资料对背景场、低层流场、雷达回波等几个方面进行了分析。得出：冷空气南下和副热带高压的加强促进低层风场的调整,在大尺度降水条件下,地形对低层风场的辐合作用触发了局地强降水的发生。此次过程中地形对降水的触发主要有两方面的作用：一方面为地形迎风坡抬升触发作用,另一方面为地形对近地层流场的影响造成的辐合触发。 相似文献
7.
河南“7·19”豫北罕见特大暴雨降水特征及极端性分析 总被引：7，自引：5，他引：2
2016年7月18-20日受低涡气旋影响,河南省出现了一次全省大范围的强降水过程("7·19"),其中豫北部分地区出现特大暴雨,最大过程雨量达732 mm。本文基于自动气象站降水、地面风场观测资料、雷达组合反射率资料、常规气象探空资料和1°×1°ECMWF再分析资料,对"7·19"过程的降水特征、大尺度环流特征和中尺度系统进行了分析,同时也对比分析了"7·19"过程和1980-2016年以来发生在豫北太行山东麓的71个强降水过程(所选区域至少有一个站点的日降水量大于100 mm)的物理量场特征。结果表明:太行山地形和低涡气旋背景下有利的大尺度环流为"7·19"特大暴雨提供了充沛的水汽和辐合抬升条件;中尺度地形辐合线的生成、发展和维持、多个地面中尺度气旋移动造成的列车效应是导致局地特大暴雨的主要原因,对比不同强降水过程的物理量场显示"7·19"的动力因子具有明显的极端性特征。 相似文献
8.
9.
利用1971-2010年大连地区64个乡镇的冰雹观测资料和1:50 000数字高程模型,选择和设计对冰雹空间分布可能有影响的地形因子,如海拔高度、坡度、坡向、地形起伏度、地形切割深度等,采用数字地形分析、不规则窗口统计等方法研究冰雹分布与地形因子间的相关关系。结果表明：地形高程、西北偏西坡向和地形切割深度是影响大连地区冰雹分布的最主要地形因子。地形高程抬升下的强对流天气系统有利于降雹;西北偏西坡向有利于冰雹的形成;地形起伏显著的区域更有利于冰雹的形成和降落。建立了冰雹与地形因子间的回归方程,模拟了大连地区的冰雹空间分布,结果显示大连地区冰雹最严重区域位于瓦房店和普兰店北部地区,沿海及南部地区较少。 相似文献
10.
使用贵州省1961—2004年84个气象台站44年历史冰雹记录及1:1000000全国数字高程模型(DEM)资料, 采用基于GIS的数字地形分析、分区统计和图像分类方法, 研究了冰雹分布与地形高程、坡向、坡度及地形切割深度的关系。研究表明:地形高程是影响贵州省降雹分布的最主要地形影响因子; 微观地形因子如坡向和坡度对降雹日数的变异并没有显著性影响, 但大范围的地势抬升及暖湿空气的迎风坡有利于降雹; 地形切割深度并不是年平均降雹日数差异的显著影响因子; 纬度位置的不同, 使其受暖湿空气影响程度不同, 热力条件也存在差异, 也是影响平均降雹日数差异的因子之一; 根据3个影响因子建模获得的方程及贵州省冰雹风险分区图, 经统计检验和与历史乡镇降雹资料比较, 具有较好的一致性。 相似文献
11.
引入一维加权平均的谱分析方法定量研究四川地形强迫对该区域降水分布的影响。结果表明:纬向地形和冬季降水谱峰锁相于同一波长（475.8 km）,呈共振关系,地形与其他季节降水呈漂移关系,这与经向和纬向上环流变动有关,即冬季纬向环流占主导,纬向地形触发的大气波动对冬季降水策动作用大;夏季降水是各种不同尺度系统相互作用的结果,地形是重要因素之一。经向和纬向地形特征尺度分别为296.8 km和475.8 km,反映了地形强迫的中尺度特征,且纬向地形谱峰比经向大1个数量级,纬向强迫更明显。夏季降水谱峰比冬季大2个数量级,降水系统纬向特征尺度比冬季小约150 km,说明夏季在纬向地形强迫下,降水系统尺度减小的同时其强度大大增加,这在一定程度上可以解释中尺度对流性降水在夏季偏多。四川夏季最大降水位于雅安地区,其地形扰动比四川整体扰动更明显,故产生的降水也更大。夏季降水和经向地形锁相于同一波长（37.1 km）,经向地形对雅安夏季强降水起关键作用。 相似文献
12.
利用地面加密自动站、常规观测资料、NCEP再分析资料和两种模式产品,对发生在宜昌峡谷地区2016年7月7日局地极端短时强降水过程和2018年4月22日稳定性极端降水过程形成原因及模式预报性能进行检验分析。结果表明:(1)强的块状回波稳定少动,造成7月7日高效率的对流降水。4月22日降水既有沿山中尺度对流回波造成的对流降水,也有螺旋状涡旋回波形成的锋面层状云降水。(2)山谷风形成中尺度切变线,触发对流,中尺度切变线发展为中尺度涡旋使对流加强是极端短时降水形成的主要原因。(3)地形强迫抬升使对流降水强度明显增大,锋面层状云回波受地形阻挡影响长时间维持是稳定性极端降水形成主要原因。(4)地形相差大的地区模式预报性能差异较大,模式对复杂地形下的对流降水预报偏弱,导致系统强度出现差异,进而影响降水强度预报。 相似文献
13.
利用1983—2017年湖北省汛期74个国家气象站逐小时降水数据,按长、短历时强降水事件分类研究强降水频次的时空特征,并运用普通最小二乘法(OLS)、地理加权回归(GWR)方法定量探讨强降水频次与地形因子之间的关系。(1) 湖北汛期长、短历时强降水年频次周期变化明显,年代际变化(≥10 a)存在1个主振荡模态,年代际以下尺度(＜10 a)存在2个主振荡模态。(2) 长历时强降水旬频次在梅雨期达到顶峰,盛夏期减少,而短历时则在梅雨结束后的7月中旬出现跃升;长、短历时强降水频次日变化曲线都为单峰结构。(3) 湖北长、短历时强降水高频次站点多出现在地面存在准常定中尺度辐合线或涡旋的特定地形条件下。(4) 地理加权回归较传统普通最小二乘法显著提高了强降水频次与海拔高度、坡度的拟合效果。结合拟合系数显著性检验分析,地理加权回归不适用于样本偏少、站点稀疏的鄂西山地,更适用于多中小尺度地形的湖北中东部。(5) 地理加权回归模型中,海拔高度与长历时强降水频次在大别山东麓西侧正相关最大,在大别山西麓南侧负相关最大,坡度则正相反;海拔高度、坡度对短历时强降水频次的最大影响在大别山东麓西侧以及沿长江干流的低洼城市带武汉-黄石地区,武汉站分别为-0.20次/米、6.43次/度,这里地形坡度影响远超海拔高度。 相似文献
14.
利用NCEP提供的0.25°×0.25° FNL资料和国家气象信息中心提供的高分辨率三源融合降水资料,以台风"利奇马"为研究个例,从动力和热力因素两个方面研究了中纬度高空槽与台风之间的相互作用对台风远距离暴雨的影响。研究认为中纬度高空槽—台风的相互作用是此次台风远距离暴雨的主要原因之一。在高空槽—台风的相互作用中,随着弱正PV异常从中纬度高空槽向台风区域的水平平流,台风西北部地区逐步处于高空槽前西南急流的次级环流的上升区域,而对流层深厚的暖平流恰好位于台风西北部3~5个纬距的地区,此热成风暖平流的作用增强了台风西北地区的上升运动。另外,中纬度高空槽后的干冷空气的逼近,促进了在台风西北部地区的中纬度斜压锋生,斜压锋面进一步增强了台风远距离暴雨处的动力抬升作用。同时还发现当台风与中纬度槽的距离大约是10个纬距时其相互作用最为显著。 相似文献
15.
基于GIS的面雨量估算方法和基于模式输出的雨量产品都无法解决分辨率过低的问题,并且都不同程度地忽略了中小尺度地形对降水的影响.回顾了各种统计学降尺度方法,使用NCEP/NCAR提供的2011年4—9月的6 h一次的再分析资料,以及江苏省气象台提供的全省20多个常规站降水实况观测资料,结合高分辨率DEM数据,利用偏最小二乘法(PLS)设计了一套考虑地形因子动力作用的面雨量降尺度方案.通过合理选择和构造大尺度预报因子,地形因子动力作用参数化,回归分析与空间插值相结合的面雨量降尺度方案,成功还原了研究区域内代表站的实况降水序列,并绘制出研究区域内高分辨率的面雨量空间分布图. 相似文献
16.
利用中国国家级地面气象站逐时降水资料,采用地理加权回归(Geographically Weighted Regression,GWR)模型系统分析了中国中东部暖季降水与海拔高度的关系,并将二者关系作为一种客观标准,评估了ECMWF-IFS模式对2017年暖季降水的预报能力。主要结论如下:(1)总体来看,中国中东部降水频率(强度)随海拔高度升高而增加(减小),二者在不同地区的贡献程度不同导致降水量与海拔高度关系的区域差异显著。(2)通过对比午后短时和夜间长时降水事件与海拔高度关系的差异,发现午后短时降水事件的降水量主要随海拔高度升高而增加,且以降水频率与海拔高度关系的贡献为主。而夜间长时降水事件的降水量与海拔高度关系的区域一致性较差。相较于午后短时降水事件,夜间长时降水事件中有更多站点表现出降水量随海拔高度升高而减小的特征,在大地形周边陡峭地形处的站点所表现出的此种差异较东部孤立地形处更加显著。(3)根据ECMWF-IFS模式的评估结果,模式能够较好地刻画出中国中东部2017年暖季降水气候态的空间分布特征,且与观测具有较大的空间相关系数。但从降水与海拔高度关系来看,观测与模式的空间相关性偏弱。此外,模式能够表现出降水强度(频率)主要随海拔高度升高而减小(增加)的特征,但绝大多数站点在模式中的降水强度(频率)与海拔高度的负(正)回归关系要弱(强)于观测结果。 相似文献
17.
Machine learning models were used to improve the accuracy of China Meteorological Administration Multisource Precipitation Analysis System (CMPAS) in complex terrain areas by combining rain gauge precipitation with topographic factors like altitude, slope, slope direction, slope variability, surface roughness, and meteorological factors like temperature and wind speed. The results of the correction demonstrated that the ensemble learning method has a considerably corrective effect and the three methods (Random Forest, AdaBoost, and Bagging) adopted in the study had similar results. The mean bias between CMPAS and 85% of automatic weather stations has dropped by more than 30%. The plateau region displays the largest accuracy increase, the winter season shows the greatest error reduction, and decreasing precipitation improves the correction outcome. Additionally, the heavy precipitation process’precision has improved to some degree. For individual stations, the revised CMPAS error fluctuation range is significantly reduced. 相似文献
18.
以NCEP资料为初始场和侧边界条件,利用WRF模式对东、西天山地形对2015年12月9—12日大暴雪影响进行敏感性试验,从降水强度和分布等方面对比分析模拟结果,探讨地形在暴雪过程中的作用,对成因进行初步研究分析,结果表明:(1)此次强降雪发生是高空西南急流抽吸、低层风切变及风速辐合、偏北风与地形强迫抬升、地面冷锋移动缓慢等共同造成的。(2)此次暴雪天气过程,地形对强降雪的落区、强度影响很大,东、西天山高度与强降雪强度正相关,东、西天山高度降低、强降雪落区沿环流方向移动。(3)地形动力强迫整体上增强次级环流圈。近地面上升速度中心出现在迎风坡山脚至山腰区域,并向两侧递减,与此次大暴雪中心落区以及乌鲁木齐附近测站降雪量分布吻合,东、西天山地形高度降低50%,近地面上升速度中心值减少30%。地形强迫东、西天山峡谷近地面生成辐合中心和辐合线,辐合中心强度与地形高度正相关。(4)地形强迫抬升有加强水汽辐合汇聚的作用,东、西天山地形高度降低50%,水汽通量与水汽通量散度减少30%。 相似文献
19.
GRAPES千米尺度模式在西南复杂地形区降水预报偏差与成因初探 总被引：1，自引：0，他引：1
利用2019年夏季（6—8月）西南复杂地形区地面观测站逐时和逐日降水量观测数据,从降水量和降水频率入手,对同期GRAPES-Meso 3 km业务模式短期（36 h以内）降水预报性能,特别是在不同典型地貌区—四川盆地子区、云贵高原北部子区和南部子区、青藏高原东缘山地子区的预报偏差进行细致评估与分析。结果表明:（1）GRAPES-Meso 3 km模式能合理地刻画出西南复杂地形区夏季日降水和日内尺度降水的主要特征,以及小时降水频次-强度的基本关系。（2）在各子区,模式日降水量（频率）预报表现为清晰的正偏差,正偏差在盆地子区最显著,为观测值的1.1倍（0.3倍）;日降水量正偏差主要由强降水日降水量预报偏大引起,但频率正偏差在云贵高原南、北子区与其他两个子区不同,主要是中小雨日数预报偏多的贡献;强降水（中小雨）落区预报存在明显（轻微）偏大倾向,强降水预报落区偏大频率在青藏高原东缘山地子区最高,达82.8%,在云贵高原南部子区最低,为53.6%。（3）日循环上,各时次小时降水量（频率）预报整体偏大,且主要正偏差出现在观测的夜雨峰值时段,其中海拔1200 m以下区域的降水频率正偏差从夜间峰值区延续到中午,模式偏强的日降水量预报往往表现为日内偏长的降水时长或小时降水空报。（4）诊断分析显示,模式在四川盆地区突出的夏季日降水预报正偏差是模式对流层低层在云贵高原南-东南侧偏强的西南风预报与西南地区特殊地形结合的产物。 相似文献
20.
Milovanović Boško Schuster Phillip Radovanović Milan Vakanjac Vesna Ristić Schneider Christoph 《Theoretical and Applied Climatology》2017,130(1-2):687-700
Monthly, seasonal and annual sums of precipitation in Serbia were analysed in this paper for the period 1961–2010. Latitude, longitude and altitude of 421 precipitation stations and terrain features in their close environment (slope and aspect of terrain within a radius of 10 km around the station) were used to develop a regression model on which spatial distribution of precipitation was calculated. The spatial distribution of annual, June (maximum values for almost all of the stations) and February (minimum values for almost all of the stations) precipitation is presented. Annual precipitation amounts ranged from 500 to 600 mm to over 1100 mm. June precipitation ranged from 60 to 140 mm and February precipitation from 30 to 100 mm. The validation results expressed as root mean square error (RMSE) for monthly sums ranged from 3.9 mm in October (7.5% of the average precipitation for this month) to 6.2 mm in April (10.4%). For seasonal sums, RMSE ranged from 10.4 mm during autumn (6.1% of the average precipitation for this season) to 20.5 mm during winter (13.4%). On the annual scale, RMSE was 68 mm (9.5% of the average amount of precipitation). We further analysed precipitation trends using Sen’s estimation, while the Mann-Kendall test was used for testing the statistical significance of the trends. For most parts of Serbia, the mean annual precipitation trends fell between −5 and +5 and +5 and +15 mm/decade. June precipitation trends were mainly between −8 and +8 mm/decade. February precipitation trends generally ranged from −3 to +3 mm/decade.
相似文献