排序方式： 共有7条查询结果，搜索用时 15 毫秒
1
1.
EnSRF雷达资料同化对一次强对流天气模拟的影响研究 总被引：2，自引：2，他引：0
利用ARPS(Advanced Regional Prediction System)模式和具有流依赖背景误差协方差的集合均方根滤波(Ensemble Square Root Filter,简称En SRF)方法,通过同化多部多普勒雷达资料,对2013年6月23日的强对流天气过程进行了研究。首先对比同化试验和观测的组合反射率因子,检验了同化效果。通过计算均方根误差和离散度,进一步定量评估了同化结果。再对比模式变量,综合分析了En SRF雷达资料同化对模式热力、动力、湿度和微物理量等变量的影响。最后对集合平均场进行1 km的高分辨率数值模拟。结果表明:En SRF能够同化出与观测类似的对流系统,且减弱了南北部的虚假回波。径向风和反射率因子的均方根误差明显减少。En SRF雷达同化能够明显优化模式的初始场,同化试验的回波在垂直方向上范围增加,强度偏弱。在强对流区域,低层的冷池温度最多降低6 K,相对湿度最多增加30%。对流区域的雨水、冰晶和雪的混合比均有明显增加。模拟发现同化试验能够较好地模拟出对流系统的结构和位置。 相似文献
2.
EnSRF雷达资料同化在一次飑线过程中的应用研究 总被引：3，自引：1，他引：2
本文利用包含复杂冰相微物理过程的WRF（Weather Research and Forecasting）模式,针对2007年4月23日发生在我国华南地区的一次典型飑线天气过程,分别进行了确定性预报和集合预报试验,发现确定性预报能大致捕捉到飑线系统的发生发展过程,但对飑线后部的层云区模拟效果较差。集合预报能够有效地减少模式的不确定性,大部分集合成员对飑线的模拟效果优于确定性预报。进一步将集合预报得到的40个成员作为背景场,采用EnSRF（Ensemble Square Root Filter）同化多普勒天气雷达资料,并将分析得到的集合作为初始场进行集合预报,通过与未同化雷达资料的集合对比,考察了EnSRF同化多部雷达资料对飑线系统的影响。结果表明:EnSRF雷达资料同化增加了模式初始场的中小尺度信息,大部分集合成员的分析场能够较准确地再现飑线的热力场、动力场和微物理场的细致特征,并且模拟出飑线后部的层云结构。通过对EnSRF分析的集合进行模拟发现,大部分集合成员较未同化雷达资料时模拟效果有明显改善。同化后的集合预报ETS（Equitable Threat Score）评分最高,其次是未同化的集合预报,确定性预报的最低。 相似文献
3.
本文利用WRF(Weather Research and Forecasting)模式的不同云微物理方案对2009年6月14日发生在华东地区的一次飑线过程进行1 km的高分辨率模拟,探讨不同云微物理方案对飑线模拟的影响。结果表明:双参数方案的模拟效果总体上优于单参数方案,其中WDM6方案模拟效果最佳,能够较好的模拟出强对流回波区、层云区的主要特征。在单参数方案中以WSM6方案最优。Kessler和LIN方案模拟飑线的回波范围偏小,强度偏弱。进一步对比热力和动力场发现,WDM6方案模拟的冷池的面积最大,强度最强,气压最高,飑线前部的入流处风速最大。不同云微物理方案对微物理场的影响较明显,相比单参数方案,双参数方案模拟的水凝物混合比更高,且能够模拟粒子数浓度,更准确地描述了云中的各类粒子特征。 相似文献
4.
EnKF协方差膨胀算法对雷达资料同化的影响研究 总被引：1，自引：1，他引：0
基于集合卡尔曼滤波(EnKF)方法同化模拟雷达径向风和回波,引入具有时空自适应理论优势的贝叶斯膨胀算法,通过与常数膨胀算法的对比,分析了两种协方差膨胀算法对EnKF同化效果的影响。结果表明:在对流区域的北侧,由贝叶斯膨胀算法分析得到的回波在水平和垂直结构上均增强;在对流区域,由贝叶斯膨胀算法分析得到的各变量的集合离散度增大,均方根误差减小,水平和垂直速度增大,冷池强度减弱;模拟还发现贝叶斯膨胀算法提高了强对流系统的模拟效果,回波强度增强,阵风锋区内水平和垂直风速增大。这表明贝叶斯膨胀算法有效地改进了基于常数膨胀算法的EnKF同化雷达资料的效果。 相似文献
5.
Climate effect caused by urbanization has been an indispensable
anthropogenic factor in the research on regional climate change. Based on daily
precipitation data, possible effects of precipitation on the development of three
city groups in eastern China are discussed. With three classification methods
(TP, PD and MODIS land cover), urban and rural stations are identified. The main
findings are as follows. Climate effects caused by urbanization are different
from place to place. In 1960 to 2009, the urbanization brought more precipitation
to the Yangtze River Delta and Pearl River Delta city groups but had no obvious
effect on the precipitation of the Beijing-Tianjin-Tangshan city group. The
difference of precipitation is slight between urban and suburban areas during
slow period of the urbanization from 1960 to 1979. It is more evident in the
rapid period (1980 to 2009) that urbanization has positive effects on
precipitation in every city group. The difference of precipitation between urban
and rural stations is sensitive to the ways of distinguishing rural from urban
area, which may cause uncertainties in 1960 to 1979, while it is very different
in 1980 to 2009 in which urbanization favors more precipitation in all city
groups and their differences in precipitation are not sensitive to the division
methods. 相似文献
6.
分级集合滤波(Hierarchical Ensemble Filter,HEF)和采样误差修正(Sampling Error Correction,SEC)局地化算法能够使采样误差取得极小值,且不需要给出距离的定义。为了检验其理论优势,基于集合卡尔曼滤波(Ensemble Kalman Filter,En KF)方法同化模拟雷达资料,通过与Gaspari-Cohn(GC)局地化算法对比,分析不同局地化算法对En KF同化效果的影响。结果表明,HEF和SEC局地化算法的雷达回波在水平和垂直方向上均强于GC局地化算法。HEF局地化算法各个变量的离散度最高,均方根误差最低;SEC局地化算法离散度略低,均方根误差略高;GC局地化算法离散度最低,均方根误差最高。相比于GC局地化算法,HEF和SEC局地化算法的冷池强度减弱,面积减小,下沉气流的速度和范围增大,雹霰混合比的大小和覆盖面积增大。通过模拟发现,HEF局地化算法模拟的北侧对流中心最强,SEC局地化算法模拟的南侧对流中心最强,且模拟出(40 km,60 km)处的强对流中心。HEF局地化算法模拟的冷池强度最强,HEF和SEC局地化算法基本上模拟出北侧的雹霰混合比高值区。这表明HEF局地化算法有效地改进了基于GC局地化算法的En KF雷达资料同化效果,SEC局地化算法减小了计算量,是HEF局地化算法较好的近似。 相似文献
7.
本文针对2009年6月5日发生在我国华东地区的一次中尺度对流过程（Mesoscale Convective System,简称MCS）,基于集合均方根滤波（Ensemble Square Root Filter,简称EnSRF）方法同化多部多普勒天气雷达资料,引入具有时空自适应理论优势的贝叶斯膨胀算法,通过与常数膨胀算法的对比,分析了两种膨胀算法对EnSRF同化效果的影响。结果表明:贝叶斯膨胀算法同化的雷达组合反射率因子在强对流中心处有所增强,改善了基于常数膨胀算法的EnSRF同化强对流系统偏弱的问题。相比常数膨胀算法,贝叶斯膨胀算法同化的冷池结构更合理,径向风和反射率因子的均方根误差均减少。进一步探讨贝叶斯膨胀算法对同化效果改善的原因,结果发现:贝叶斯膨胀参数的分布与反射率因子的均方根误差分布十分吻合,这表明贝叶斯膨胀算法可以在背景场均方根误差较大,即背景场与观测差距较大时,给出较大的膨胀参数,进而增加集合的背景场误差,使得观测权重增大,从而给出了较大的分析增量。对集合平均分析场进行了1小时的确定性预报发现,贝叶斯膨胀算法提高了预报模式对安徽与江苏交界处的强对流系统的模拟效果,回波强度更强,冷池强度和范围更大,且对于不同组合反射率因子的阀值,贝叶斯膨胀算法的评分（Equitable Threat Score,简称ETS）均高于常数膨胀算法。这表明贝叶斯膨胀算法有效地改进了基于常数膨胀算法的EnSRF同化雷达资料的效果。 相似文献
1