排序方式： 共有42条查询结果，搜索用时 15 毫秒
21.
DEVELOPING AND NON-DEVELOPING TROPICAL CYCLONES AS REVEALED BY HIGH DENSITY CLOUD MOTION WINDS 总被引：1，自引：0，他引：1
An algorithm for computation of cloud motion winds has been developed at the National Satellite
Meteorological Center in China. Since 1997, it has been applied to calculate the cloud motion winds for a 1.25
lat. 1.25 long. mesh over the northwest Pacific region with the satellite data from GMS-5. The development
of the tropical cyclones is studied. It shows that the tropical cyclone is usually intrigued by the westerly jet
streams at the upper levels of the troposphere, which may be caused by mid-latitude troughs well extending into
the tropics. During the prime season of summer, the westerly flowing equatorward of the TUTT may also be a
cause for the generation of typhoons. 相似文献
22.
该文利用1995年6月中旬至7月初GMS-5水汽图像，对青藏高原地区对流层上部水汽分布进行了初步分析。发现高原地区对流层上部水汽的汇集主要通过以下4种方式进行:①水汽从高原东南方的雅鲁藏布江河谷等地进入高原，是主要路径；②从西南方越过喜马拉雅山进入高原；③从帕米尔及其以北地区漂过塔里木盆地后进入高原；④对流活动可以引起水汽在高原上空积聚。从多时相平均水汽图像上反映出高原上西北干、东南湿的水汽分布特征，并初步讨论了水汽图像所揭示的在高原生成的系统对我国东部天气的影响。 相似文献
23.
利用长时间序列气象卫星及多源数据,研究青藏高原低涡综合识别方法,完成低涡数据集并与青藏高原低涡年鉴中低涡位置、路径和分布进行对比分析。研究表明:卫星识别多年平均低涡分布存在两个高值区,分别位于西藏的中北部和青海西南部及青藏高原西部,在有探空站的青藏高原东部（90°E以东）,卫星识别低涡高值区和年鉴数据吻合,冬半年,卫星识别低涡活动明显高于年鉴,主要为青藏高原西部低涡活动引起,逐年及2008年低涡路径对比也显示,有探空站区域卫星识别低涡和年鉴具有较好的一致性,表明卫星识别低涡在青藏高原东部地区的可信性;2015年青藏高原中西部新增3个探空站,年鉴中90°E以西低涡约占全年低涡总数量的22%,该区域卫星识别低涡和年鉴一致性较高,表明卫星识别低涡在高原中西部的可信性。因此,卫星识别低涡与年鉴低涡在有探空站区域有较好的一致性,可对年鉴中青藏高原东部低涡源地进行追踪,又可识别青藏高原中西部尤其是活跃于冬半年的低涡,是青藏高原年鉴低涡数据的有效补充。 相似文献
24.
25.
应用AMSU B微波资料分析0509号Matsa台风水汽场分布特征 总被引：2，自引：0，他引：2
热带气旋的形成、发展、移动以及消亡与大范围水汽输送和集中息息相关.此研究以2006年7-8月的AMSU-B的183.3±1、183.3±3、183.3±7GHz三个水汽通道亮温为主要资料源,利用三个通道所在的权重高度差异,分别建立了对流层高、中、低层水汽量与三个通道亮温的e指数统计回归关系.在此基础上,选取西北太平洋2005年09号麦莎台风,利用AMSU-B亮温通过回归关系式计算出的高、中、低层水汽量,就其水汽输送与强度变化关系进行了分析.结果表明,其一,微波水汽通道亮温能够很好地表征热带气旋环境场不同高度的水汽分布和水汽输送,尤其是对流层中层亮温的变化显示出的水汽量的变化与热带气旋强度密切相关;其二,热带气旋发展过程中,除了西南季风形成的西南水汽通道是水汽维持的重要输送带外,东南水汽通道也经常成为登陆热带气旋强度维持的主要水汽供给. 相似文献
26.
利用多普勒雷达资料,对发生在安徽的3次强烈龙卷过程进行了分析.重点研究了导致F2～F3级强龙卷的3次超级单体风暴多普勒雷达回波特征及其与强冰雹超级单体风暴的差异.另外,利用安徽省、市、县气象报表、历年气候评价灾情资料(部分来自民政部门的灾情报告),对1960年至今的龙卷天气的时空分布及变化趋势、产生龙卷的环流形势特征进行了分析,结果表明:(1)龙卷主要出现在淮北东部和江淮之间东部地势平坦地区,7月份出现龙卷的概率最高.(2)超级单体龙卷产生在中等大小的对流有效位能和强垂直风切变条件下,同时抬升凝结高度较低.(3)3次F2～F3级龙卷在发生前、发生时在多普勒雷达上都探测到强中气旋和龙卷涡旋特征TVS.与非龙卷超级单体风暴相比,导致强龙卷的中气旋底高明显偏低,基本在1 km以下.同时风暴结构也有所不同,造成龙卷天气的超级单体风暴最大反射率因子与风暴质心高度接近,基本在3 km左右,反射率因子在50～60 dBz.造成强冰雹的超级单体风暴在冰雹产生前,风暴最大反射率因子高于风暴质心的高度;当风暴开始降雹时,最大反射率因子高度开始降低,而风暴质心的高度变化不大,高于最大反射率因子高度,基本保持在5km左右,反射率因子在60～70 dBz. 相似文献
27.
应用AMSU-B微波资料识别强对流云区的研究 总被引：3，自引：1，他引：2
微波遥感可以穿透云顶直接探测对流云内的冰态粒子分布,受冰晶粒子的强烈散射衰减作用,AMSU-B的3个微波水汽吸收波段亮温随冰粒子的增加而降低.由于探测权重高度不同,辐射传输过程中受冰粒子的散射影响也不尽相同,3个水汽通道之间存在亮温差异,这种差异与对流云的强弱密切相关.利用微波向量辐射传输模式(VDISORT)模拟了云雨粒子对微波水汽通道观测的影响,并利用2005年8月12日华北地区的对流天气过程,分析了AMSU-B通道亮温与对流强弱变化之间的对应关系.在此基础上,建立了一种利用NOAA卫星AMSU-B水汽通道亮温差定量判识深对流云和冲顶对流云的方法.利用该方法对典型对流降水云团进行判识,结果显示,微波识别的对流云区可以较好地表征强降水的分布,其中的冲顶对流区与可见光云系的上冲云顶结构有着很好的对应. 相似文献
28.
2007年7月8日特大暴雨过程的中尺度特征 总被引：15，自引：2，他引：13
利用雷达、卫星、闪电定位仪及NCEP资料分析了2007年7月8日在安徽沿淮西部出现的特大暴雨过程的中尺度特征.分析结果表明:造成特大暴雨的强对流回波带与近地面层925hPa辐合区位置一致,而且回波单体移向与回波带走向一致,另外发现该中尺度对流雨团(rainstor ms)属于后向传播,其传播方向和单体的移动方向相反,使得强回波在特定区域保持相对静止,造成特大暴雨;逐时降水极值基本出现在对流发展旺盛和对流回波发生合并时.另外通过分析单多普勒雷达反演二维风场发现,中低层气旋性切变的维持是强降水形成和维持的重要条件. 相似文献
29.
夏季风爆发伴随着风场和大气温湿度的急剧变化,我国风云气象卫星反演的云导风(AMV)和黑体亮温(TBB)产品可从大气动力和热力两个方面对夏季风活动进行实时监测。根据气象卫星AMV和TBB资料综合分析,选择南海夏季风监测区域为110~120 °E,10~20 °N。夏季风爆发期间,对流层高层(150~300 hPa高度层范围)云导风由偏西风转为偏东风,风云气象卫星区域日平均TBB下降至280 K以下,综合利用AMV和TBB双指标可更好描述南海夏季风的爆发特征。定义气象卫星监测南海夏季风爆发判别方法为:4月15日以后,AMV和TBB指标同时稳定大于临界值,其中,AMV指标稳定是指持续10天且中断不超过5天,TBB指标稳定是指维持5天。该判别方法可为南海夏季风业务服务和研究提供参考。 相似文献
30.
A technique for estimating tropical cyclone (TC) intensity over the Western North
Pacific utilizing FY-3 Microwave Imager (MWRI) data is developed. As a first step, we
investigated the relationship between the FY-3 MWRI brightness temperature (TB) parameters,
which are computed in concentric circles or annuli of different radius in different MWRI
frequencies, and the TC maximum wind speed (Vmax) from the TC best track data. We found that
the parameters of lower frequency channels’ minimum TB, mean TB and ratio of pixels over the
threshold TB with a radius of 1.0 or 1.5 degrees from the center give higher correlation. Then
by applying principal components analysis (PCA) and multiple regression method, we established
an estimation model and evaluated it using independent verification data, with the RMSE being
13 kt. The estimated Vmax is always stronger in the early stages of development, but slightly
weaker toward the mature stage, and a reversal of positive and negative bias takes place with
a boundary of around 70 kt. For the TC that has a larger error, we found that they are often
with less organized and asymmetric cloud pattern, so the classification of TC cloud pattern
will help improve the acuracy of the estimated TC intensity, and with the increase of
statistical samples the accuracy of the estimated TC intensity will also be improved. 相似文献