排序方式： 共有15条查询结果，搜索用时 15 毫秒
1.
Logistic判别模型在强降水预报中的应用 总被引：2，自引：2，他引：0
利用Logistiv判别模型进行强降水预报,并设计3种方案进行对比分析。方案1直接使用14个影响因子进行判别预报,受因子共线性作用及噪音信号影响,虽然拟合效果较好,但预报效果明显下降。方案2对14个影响因子进行主成分分析,利用前6个主成分建模,虽然拟合效果较方案1降低,但由于消除了因子共线性作用以及噪音信号影响,预报效果较方案1提高。方案3运用Bootstrap抽样技术得到符干样本并建模计算模型参数,打乱了原有时间序列中的波动,仪保留平稳信息,拟合自由度进一步降低,导致拟合效果较方案案2下降,但预报效果却是3种方案中最好且最稳定的。在上述研究基础上,利用欧洲中心数值预报模式的预报场资料,建立基于Logistic判别模型的强降水客观预报系统,并在中央气象台业务运行。2013和2014年连续两年汛期预报检验结果表明,概模型对强降水预报的TS评分高于数值模式本身,具有一定的业务参考价值。 相似文献
2.
2019年第9号台风“利奇马”在8月10日登陆后引发了远距离大范围的暴雨,本文利用ECMWF(EC)和GRAPES全球集合预报模式等资料对暴雨短期预报的误差及原因进行了分析。此次台风远距离暴雨主要集中在8月10日夜间的山东中部地区,EC集合预报对该区域的降水量预报效果总体优于GRAPES集合预报。集合敏感性分析可以识别出和预报变量高相关(敏感)的天气系统,结果表明山东区域平均降水量对同期500 hPa副高、台风西北侧海平面气压和山东北部低层温度较为敏感,而对流层高层的高度及经向风存在更大范围的敏感区。根据暴雨预报TS评分选取EC集合预报成员作为优势组和劣势组,结果表明优势组预报成员表现为山东上空300 hPa低槽前倾,北侧高空偏南急流更强,同时配合低层台风外围偏东风急流,形成高层辐散、低层辐合的有利条件。另外,优势组预报的中纬度低层冷空气和斜压锋区更强,导致优势组在山东中部预报出暴雨,更加接近于实况。 相似文献
3.
ENSO与青藏高原积雪的关系及其对我国夏季降水异常的影响 总被引：5，自引：2，他引：3
文章利用1979 2005年Nino3区海温时间序列资料和中国雪深时间序列资料,分析了Nino3区海温与青藏高原积雪之间的关系,两者对我国夏季降水的影响以及两者共同作用下对我国夏季降水的影响。分析结果表明：当前期冬春季Nino3区SST为强暖（强冷）事件与高原积雪显著偏多（显著偏少）共同作用的配置下,我国东部夏季雨带往往偏南（偏北）。从月时间尺度方面,揭示了前期冬春季ENSO和冬春季青藏高原积雪对我国长江以南地区降水异常的影响在夏季各月是不一致的,前期冬春季逐月Nino3区SST和冬春季逐月高原积雪对长江以南地区6月的降水都为正相关,而对8月的降水都为反相关,并且春季逐月Nino3区SST和冬春季逐月高原积雪对长江以南地区7月的降水也都为正相关,另外,春季Nino3区SST和春季高原积雪对长江以南地区6月和7月降水更为重要。 相似文献
4.
基于2019—2020年1—3月延庆赛区11个站点的实况观测数据,分析了2022年北京冬奥会延庆赛区风、气温的时空分布特征,建立了阵风因子与平均风速、湍流强度之间的关系,为延庆赛区气温、风场尤其是阵风因子预报提供参考。结果表明:平均来讲,各站点在15时或16时出现日最高气温,06—08时出现日最低气温,气温日较差随海拔升高而减小;平均风速和极大风速有一致的日变化特征,以竞速5号站为界,高海拔站点白天风速小,夜间风速大,低海拔站点日变化相反,海拔超过1 900 m站点的风速随海拔升高而增大;位于山脊站点风向无日变化,以西北风为主,位于山坡站点风向日变化较小,白天以西北风为主,夜间为偏西风,而位于低海拔地区的山谷站点风向日变化大,表现出明显的山谷风环流特征。竞速1号站阵风因子有明显的日变化,白天阵风因子较大,最大值出现在午后,阵风因子离散度大,夜间阵风因子较小且离散度小。阵风因子与湍流强度呈正比,基于湍流强度拟合得到的阵风因子更接近实际。 相似文献
5.
利用常规气象观测资料、自动站资料、卫星、雷达和NCEP再分析资料,针对2015年8月22日冷涡背景下华北东北部和黄淮地区同时出现的不同类型强对流天气,对比分析引发不同天气的两种中尺度对流系统的演变过程及冷涡背景下不同强对流天气的成因。具体结论如下:(1)同一冷涡背景下,华北东北部位于冷涡中心外围西南象限和地面冷高压前沿,触发的分散性多单体风暴位于冷涡外围的涡旋云系中,引发以短时强降水为主的强对流天气;黄淮地区位于冷涡后部和地面冷锋前,槽后晴空区的多个对流单体,合并后形成人字形飑线系统引发短时强降水、冰雹和雷暴大风天气;(2)环境热力和水汽的差异为形成不同的强对流天气提供了前提条件:华北东北部受高层暖脊影响,地面高压后部的偏东气流带来水汽输送,整层暖湿的条件利于产生强降水;黄淮地区高层有补充干冷空气,利于热力不稳定条件发展,但黄淮地区低层水汽不足,风雹天气在较干环境场中不易被触发;(3)引发不同强对流天气的对流触发机制不同,两处的初始对流均受同一地面辐合线影响,但华北东北部在地形抬升与辐合线共同作用下不断新生单体;黄淮地区的初始局地热对流形成后,其前沿的辐散出流与环境风形成新的辐合,使原辐合线断裂和转向;(4)出现不同强对流天气时垂直风切变不同,黄淮风雹区的中层垂直风切变更显著,有利于形成持续性的强风暴;强对流天气发生时,华北东北部中低层风场的演变与天气尺度系统的变化有关,黄淮地区中低层风的垂直分布与中尺度对流系统的发生发展有关。 相似文献
6.
2016年1月寒潮天气过程极端性分析及集合预报检验 总被引：2，自引：1，他引：1
利用欧洲中期天气预报中心(ECMWF)再分析资料和集合预报极端天气预报指数（extreme forecast index,EFI）,对2016年1月21—25日强寒潮天气环流异常性和EFI对极端低温事件的预报进行了分析和检验。中亚地区一直维持标准化异常度在3个标准差以上的高压脊,冷涡系统不断发展增强,随着横槽转竖,冷空气爆发南下使得我国中东部出现极端低温。最低温度EFI可以提前7 d预报出低温信号,随着EFI预报时效的延长所对应的最大TS评分随之降低,对不同时效预报需选取合适的EFI阈值。对5%百分位的低温事件短期时效（1~3 d）最低温度EFI临界阈值为-0.6,中期时效（4~7 d）临界阈值为-0.5;对1%百分位的低温事件临界阈值则为-0.7。5%百分位的低温事件各时效最低温度EFI在江南、黄淮、江淮、江汉等地表现最好,华北、华南、西南、西北地区表现次之,在东北地区表现相对较差。 相似文献
7.
本文分析了2018年春末我国南方地区持续性极端高温过程及其影响系统。本次事件自5月15日首先在江淮等地迅速发展,17日之后扩展至华南并在该地区维持至6月初。江南南部和华南东部等地高温日数比常年同期偏多6～10 d,累计近两千站次出现了35℃以上的高温天气,约是之前最多年（1991年）的2.6倍。研究区域内有超过三分之一的测站高温日数突破5月历史极值。统计分析结果显示,春末南方高温日数与该地区上空位势高度、其西侧经向风及其上空对流活动均有显著关系,但对流的影响更为超前,约在一周左右。除和华南地区对流呈显著正相关外,春末南方高温还和热带印度洋OLR（Outgoing Longwave Radiation）呈显著的负相关,这种相关模态和MJO（Madden-Julian Oscillation）的第一、二位相对应的对流异常分布一致。对2018年的个例分析支持这一统计结果。2018年5月,MJO有20 d持续位于这两个位相,且振幅均超过1,是有MJO监测以来5月这两个位相最多的一年。因此,无论是统计分析还是个例都表明MJO对本次春末南方高温有重要影响。 相似文献
8.
应用多种常规和非常规观测气象资料以及再分析资料对2020年2月13日夜间至14日白天北京地区一次极端雨雪过程的成因进行了分析,并重点探讨了模式降水相态预报的误差及其原因。结果表明:（1）本次降水过程中,低涡系统深厚,强度异常强,移速慢,影响时间长,导致北京地区部分站点降水持续12 h左右。异常偏强的东南风急流向北京西部山前输送水汽,配合与急流相伴的较强低空风切变形成的对称不稳定,产生高降水率的斜升对流降水。较长的降水时间以及冬季夜间罕见的高降水率共同造成了此次极端日降水。（2）北京凌晨0℃层高度和地面气温下降缓慢,北京西部处于两股冷空气间的暖舌中,冷空气从东路入侵造成北京东部降温时间较西部早,且降温辐度较大,导致0℃层高度呈西高东低形势,故转雪时间东部早于西部。（3）模式预报的东路冷空气较观测偏强偏早,降水的对流性也显著弱于观测,导致其预报的凌晨地面气温较观测低,0℃层高度下降过快,从而过早预报转雪时间,高估了降雪量和积雪深度,利用非常规温度观测对模式温度廓线预报误差进行检验,可为订正模式相态转化时间预报偏差提供依据。 相似文献
9.
往返平飘式探空观测是我国研发的一种新型高空观测技术,除了具备与传统探空观测一致的上升段大气垂直廓线观测能力,同时还增加了平飘段和下降段的大气探测,自动实现了探测廓线的时空加密。利用ERA5再分析资料作为“真值”,利用往返平飘式探空模拟仿真系统构造了往返式探空模拟观测,基于CMA-MESO区域模式和3D-Var同化系统进行了观测系统模拟试验(Observing System Simulation Experiments,OSSEs)。数值试验结果表明:相比传统单次上升段探空观测,往返平飘式探空在全国组网的情况下,其增加的下降段模拟探空观测,能够有效提高CMA-MESO的降水预报技巧,不同降水量级的ETS评分提高约2%~5%,同时改进要素场(温、湿场和风场)的预报,改进率约为2%~5%。此外,典型天气个例分析结果表明,增加往返平飘式探空观测能够改善模式初值偏差,从而更准确地模拟降水分布。该文的研究结论为往返平飘式探空的未来科学布局和应用提供了理论支撑。 相似文献
10.
基于2019—2021年1月1日至3月15日北京冬奥会延庆赛区（以下简称海陀山）降水观测资料和ERA5再分析资料,对期间34次降水过程进行天气分型,并对各天气型下不同海拔的降水实况特征开展统计分析。研究结果表明：冬季海陀山降水根据天气系统及地形影响可分为偏北气流型、偏东气流型、低涡低槽型、回流低涡低槽型四种天气型。不同天气型下海陀山地形高度以下主要气流方向和强度、水汽垂直分布等条件,以及与地形相互作用使得不同海拔之间降水量、持续时间等呈现显著差异。偏北气流型受500 hPa槽后整层强偏北气流控制,形成越山气流,降水集中在高海拔地区;偏东气流型受低层偏东气流影响,降水集中在低海拔地区,以上两种天气型无天气尺度系统配合,由地形强迫作用主导,降水量不大、持续时间相对较短。低涡低槽型受高空东移低涡低槽作用,配合低层西南气流,高海拔降水量更多,同时该型也是海陀山冬季最主要的降水天气型;回流低涡低槽型受高空东移低涡低槽影响,配合降水前东风回流对低层增湿并起到冷垫作用,低海拔降水量更多,以上两种天气型均存在天气尺度系统,并叠加海陀山地形作用,降水量显著且持续时间长,会对赛事运行造成较大影响。上述特征统计结果在2022年北京冬奥会期间一次强降雪预报服务中得到验证和应用,证明上述结果可以在冬季海陀山复杂地形降水预报中发挥作用。 相似文献