排序方式: 共有63条查询结果,搜索用时 203 毫秒
31.
32.
33.
2012年初春华南“高架雷暴”天气过程成因分析 总被引:6,自引:2,他引:4
利用华南地区多普勒天气雷达资料、气象站监测资料以及NCEP客观分析资料,分析了2012年2月27日华南地区发生的一次罕见高架对流天气过程特点.结果表明,在低层强大冷气团控制下,地面冷锋后华南地区出现的伴有短时强降水、雷电和冰雹的强对流天气过程是一次较典型的冷区“高架雷暴”,近地面大气层结较稳定,低空存在逆温,强对流天气落区与850 hPa切变线位置有较好对应.中高层的西风槽东南移和高空急流南压,配合低层850 hPa南岭山脉南侧偏南急流显著加强,为高架对流发生发展提供了有利的大气环流背景.边界层冷空气补充南下迫使低层暖湿空气抬升,中高层槽前辐散气流产生高空“抽吸”作用,配合华南上空有利的大气动力和热力不稳定条件,形成了此次罕见的高架强对流.与一般地面发展雷暴不同,此次“高架雷暴”暖湿空气是从逆温以上的850 hPa附近开始对流抬升,而不是从边界层开始. 相似文献
34.
一次海南秋季台风暴雨的特征和成因分析 总被引:4,自引:1,他引:4
利用ECMWF再分析资料、TRMM-3B42降水资料及FY2E卫星TBB资料综合对2013年一次海南秋季台风“海燕”的暴雨特征及成因进行了诊断分析。结果发现:(1)台风内的中尺度云团是造成海南大暴雨的直接影响系统, 地形抬升作用和弱冷空气的入侵加剧了海南大暴雨的强度, 暴雨中心落在五指山迎风坡; (2)偏南气流和东南气流的辐合及低空急流的存在是触发和维持大暴雨的有利条件; (3)暴雨产生在θe面陡峭密集区, 陡立密集导致了倾斜涡度发展。MPV1和MPV2与强降水有很好的对应关系, 暴雨发生时, 对流层低层MPV1 < 0, 同时MPV2>0;(4) 850 hPa垂直螺旋度正值区对未来6 h强降水落区有很好的指示意义。 相似文献
35.
边界层参数化方案对南海秋季台风“莎莉嘉”(2016)模拟的影响 总被引:2,自引:2,他引:2
利用美国中尺度数值模式WRF,选取两个局地(QNSE、MYJ)闭合和两个非局地(YSU、ACM2)闭合的边界层参数化方案对台风“莎莉嘉”(2016)进行了4组模拟试验,结果表明,不同边界层方案对台风路径影响较小,但对台风强度和结构有明显的影响,就本个例研究而言,非局地闭合边界层方案明显优于局地闭合边界层方案。台风强度的差异是热力和动力共同作用的影响。局地闭合方案模拟的地表焓通量、水汽通量和动量通量更大,台风偏强;局地闭合方案模拟的边界层高度更高、边界层顶的夹卷过程更强、垂直混合更强、台风暖心结构更强,从而台风也更强。台风强度的差异和台风结构的变化密切相关。 相似文献
36.
利用室内地板温度、气温、露点、湿度,以及NCEP 1°×1°分析数据等资料,对2012年广东2—3月冬春过渡季节"回南天"(高湿天气)的5次个例的天气形势、气象要素特征和物理变化过程进行了分析。结果表明:冷空气影响结束后,广东上空迅速转受暖湿空气控制,当室外空气露点高于室内物体温度时"回南天"现象就会产生;"回南天"是出现在冷暖急转的天气背景下的;冬春季节当持续控制广东的冷高压脊快速减弱,同时925hPa上有明显的偏南气流时,预报员就要考虑是否会出现"回南天"现象;气温快速回升,露点高于室内物体温度是"回南天"出现的必要条件,要重点分析未来露点的变化;"回南天"有两种结束方式,即冷性结束和暖性结束。 相似文献
37.
交叉相关算法在强对流天气临近预报中的应用 总被引:4,自引:0,他引:4
利用"雨燕"临近预报系统的雷达回波外推算法,对三次强对流个例的3 km CAPPI反射率因子、回波顶和垂直累积液态含水量进行0~1小时外推预测,将预测结果和组合阈值比较进行强对流天气预警区域预报试验。资料来源于CINRAD-SB雷达基数据经RPG算法处理得到的雷达产品数据。所用的方法是在扩展后的交叉相关追踪算法基础上实现雷达回波移动预测。试验结果表明:3 km CAPPI反射率因子、回波顶和垂直累积液态含水量雷达产品与实况有较好的吻合,能较好地预报出回波的形状、变化趋势和移动方向,回波的范围、位置和强度中心与实况相似,外推时间越短,预报效果越好。交叉相关追踪算法外推得到的雷达回波结果在0~1 h内是可用的;外推预测结果经过组合阈值的过滤后,得出的强对流天气预警区域预警结果也是可行的,对强对流天气临近预报有一定指示意义。 相似文献
38.
冯业荣 《气象科技合作动态》2004,(4):7-12
第84届美国气象学会年会于2004年1月11~15日在美国西雅图市举行。正式大会由21个专题会议和报告会组成。今年大会的主题是“预报”。笔者受广东省气象局派遣参加了这次大会,并在第17届大气科学概率 相似文献
39.
40.
1前言BP网络[1]是神经网络[2],[3]理论中的一个重要网络模型。该网络由输入层、隐层、输出层构成,输入层接收到的外部信号经过隐层处理再由输出层输出,信号传递时每一层神经元的状态只影响下一层神经元的状态,因而它是一种前向网络。BP网络的特点是具有隐层即中间层,位于输入层神经元和输出层神经元之间,隐层可以有多层,也可以只有一层。另一个特点是网络在学习过程中的误差是向后传播的(BackPropagating),如果网络输出与期望输出有偏差,则把误差反向传播,先经隐单元最后传给输入层并修改各层神经元的连接权值,使误差信号减… 相似文献