排序方式： 共有20条查询结果，搜索用时 15 毫秒
1.
太行山对北京“7.21”特大暴雨的影响及水汽敏感性分析的数值研究 总被引：5，自引：4，他引：1
运用GRAPES_Meso模式对2012年7月21—22日发生在北京地区附近的特大暴雨过程进行数值模拟和地形、水汽的敏感性试验。地形敏感性试验发现,在这次特大暴雨过程中,由于太行山北端的阻挡作用,使得气流和水汽辐合、抬升,加强了对流过程;对流层低层山前东南风和西南风、北风的辐合带增大了气旋性涡度,使东移到北京的低涡稳定维持5 h左右,对降水有明显的增幅作用;而且地形起伏和地形海拔高度对降水都有明显增幅作用,地形起伏的增幅作用较地形高度的大。水汽敏感性试验发现在这次特大暴雨过程中,水汽条件较小的变化,会导致水汽输送的明显差异,从而导致降水量显著地改变。 相似文献
2.
研究的第一部分讨论了如何有效应用集合预报误差的科学方案,确定了集合预报误差在GRAPES（Global Regional Assimilation and PrEdiction System）全球4DVar（four dimensional variational data assimilation）中应用的分析框架。在此基础上研究了针对集合预报误差实际应用于GRAPES全球4DVar,解决接近或超过100个集合样本数时高效生成的计算效率问题,以及与GRAPES全球4DVar匹配的同化关键参数确定问题。选择基于4DVar的集合资料同化方法生成集合样本,通过将第1个样本极小化迭代过程中产生的预调节信息用于其他样本极小化做预调节,将计算效率提高了2倍。通过时间错位扰动方法增加集合样本数,实现集合样本增加到3倍。对集合方差进行膨胀,并选择水平局地化相关尺度为流函数背景误差水平相关的1.4倍。通过批量数值试验方法确定背景误差与集合预报误差的权重系数,对60个集合样本当集合预报误差权重为0.7时预报效果最好。对北半球夏、冬两季各52 d的批量试验表明,对于南、北半球En4DVar （ensemble 4DVar）较4DVar的改进在冬季主要集中在700—30 hPa,而在夏季主要集中在400—150 hPa。赤道地区受季节影响较小,En4DVar对位势高度、风场与温度的改进都较为明显,且经向风场的改进最为显著。文中研发的集合预报误差在GRAPES全球4DVar中应用的方法合理可行。 相似文献
3.
基于华南地区自动站逐小时观测资料, 采用传统站点评分、邻域法等评估华南区域高分辨率数值模式(包括GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式)对降水、地面温度和风场等要素的预报能力。结果表明: GRAPES_GZ_R 1 km模式的降水预报技巧优于GRAPES_GZ 3 km模式, 模式预报以正偏差为主。对于不同起报时间的预报, 00时(世界时, 下同)起报的预报效果优于12时。GRAPES_GZ_R 1 km模式的TS评分是GRAPES_GZ 3 km模式的两倍以上, 对不同降水阈值的评分均较高。分数技巧评分(FSS)显示GRAPES_GZ_R 1 km模式6 h累计降水预报在0.1 mm、1 mm及5 mm以上的降水均可达到最低预报技巧尺度, 对所检验降水对象的空间位置把握能力更好。2 m气温和10 m风速检验结果表明两个模式均能较好把握广东省温度的分布特征, GRAPES_GZ_R 1 km模式对2 m气温预报结果优于GRAPES_GZ 3 km模式, 预报绝对误差更小; 两个模式对风速的预报整体偏强, 预报偏差在1~4 m/s之间, 但相比之下GRAPES_GZ 3 km模式在风场预报上表现更好。GRAPES_GZ_R 1 km模式的2 m气温和10 m风速预报偏差随降水过程存在明显波动, 强降水过后温度预报整体偏低, 风速预报偏强, 在模式产品订正、使用等需要考虑模式对主要天气系统的预报情况。总的来说, GRAPES_GZ_R 1 km模式的预报产品具有较好的参考价值。 相似文献
4.
日极端气温的主客观预报能力评估及多模式集成网格释用 总被引：1，自引：1，他引：0
精细格点天气预报是我国未来几年天气预报业务发展重点。利用ECMWF、GRAPES等业务数值模式和广东站点观测资料,对日极端气温的主客观预报能力进行了多角度综合评估。统计结果表明,T_(max)、T_(min)的主客观预报误差均存在明显季节差异,在系统误差相对平稳的夏半年主观预报具有较明显订正能力,模式预报呈现一定流依赖特征,温度越高(低),负(正)偏差越明显;主客观预报误差空间分布均受地形影响,随着时效延长误差总体增幅不大,主观订正能力也较稳定。根据以上评估特征和网格预报特点,研究开发了一套多模式动态集成网格释用技术方案(McGF)。结果表明,相比单个模式的预报和主观预报,McGF较明显提升了T_(max)的预报技巧;T_(min)的模式预报偏差总体较T_(max)偏小,McGF提升幅度相对较小;网格释用后的广东区域预报能较合理反映气温空间和强度特征,较周边未经释用区域明显更优。 相似文献
5.
This study investigated the impacts of increasing model resolutions and shortening forecast lead times on the quantitative precipitation forecast(QPF) for heavy-rainfall events over south China during the rainy seasons in 2013–2020.The control experiment, where the analysis-forecast cycles run with model resolutions of about 3 km, was compared to a lower-resolution experiment with model resolutions of about 9 km, and a longer-term experiment activated 12 hours earlier. Rainfall forecasting in th... 相似文献
6.
基于TIGGE资料的西太平洋热带气旋多模式集成预报方法比较 总被引：6，自引：2，他引：4
基于TIGGE资料中CMA、ECMWF、JMA和NCEP四中心2010、2011和2012年3年的资料,采用集合平均（EMN）、加权集合平均（WEMN）、消除偏差集合平均（BREM）和加权消除偏差集合平均（即超级集合,SUP）四种方法,对西太平洋地区热带气旋路径与中心气压进行时效为24、48、72、96和120 h的多模式集成预报,评估了不同单中心预报结果,并分析了不同多模式集成预报方法的特点,对比了不同多模式集成方法的效果。结果表明,对于热带气旋路径和中心气压预报,各中心预报技巧不同,其中3年的CMA预报效果均较差,2010、2011年的ECMWF预报和2012年的NCEP预报效果最优;总体上几种多模式集成方法在120 h预报时效内均优于单模式预报,其中EMN作为一种最简单的集成预报方法,具有一定的局限性,而WEMN由于给不同单模式预报赋予了权重,因此相对于EMN能够得到更好的多模式集成预报结果;BREM方案由于消除了模式预报中的系统性偏差,因此集成预报效果也优于EMN;由于去除了模式预报偏差,同时给不同模式赋予了权重,SUP方案得到的集成预报效果最优。 相似文献
7.
采用线性化物理过程方案的GRAPES全球模式奇异向量在进行非线性模式积分时会有部分奇异向量出现崩溃问题,这说明奇异向量结构可能存在扰动变量之间不协调之处,需要对奇异向量扰动的计算方法优化,进而改进基于奇异向量的集合预报初值扰动,提高GRAPES全球集合预报效果。基于原有的GRAEPS全球奇异向量计算方法,在求解奇异向量时,对气压扰动的处理进行改进,将初始时刻的气压扰动分量通过位温扰动根据静力平衡关系导出获得,其他保持一致,发展了静力平衡奇异向量改进方法。基于有两个台风过程的个例（2019年8月8日12时（世界时））,分别采用原奇异向量方法和静力平衡奇异向量改进方法进行热带气旋目标区奇异向量的计算求解,并进行相应奇异向量的非线性模式积分,对比分析奇异向量非线性积分的稳定性。进而,对比分析奇异向量求解方法改进前、后热带气旋奇异向量的结构特征和初值扰动特征,开展了集合预报试验,评估改进后的奇异向量求解方法对GRAPES全球集合预报系统预报性能的影响。试验结果表明,静力平衡奇异向量改进方法通过产生协调的气压扰动和位温扰动场,解决了奇异向量非线性积分崩溃的问题,消除了原来不利于积分稳定性的气压扰动过于局地化的小尺度结构。静力平衡奇异向量改进方法对奇异向量中位温扰动分量和纬向风扰动分量结构影响较小,使得气压扰动分量的大值区位于台风附近,更好地描述热带气旋初值不确定性,与位温扰动分量的分布更加协调。采用静力平衡奇异向量改进方法,可以提高GRAPES全球集合预报在北半球和南半球等压面要素集合预报技巧和中国地区24 h累计降水概率预报技巧,增大台风路径集合离散度。 相似文献
8.
尺度叠加高斯相关模型在GRAPES-RAFS中的应用 总被引：1，自引：0，他引：1
背景误差水平相关模型影响着分析增量的结构,同时也决定着不同尺度上分析增量信息的多少。为了提高中小尺度系统的分析质量,研究尺度叠加高斯相关模型的特征及其在三维变分同化系统中的应用效果。通过分析高斯模型和尺度叠加高斯模型的空间特征,以及它们的拉普拉斯算子和谱响应函数的特征,同时依据统计的背景误差特征来改进背景误差水平相关模型。通过采用不同相关模型的GRAPES-RAFS快速分析预报循环批量试验表明:改进的尺度叠加高斯相关模型不仅能增加分析场的中小尺度信息,同时尺度叠加高斯函数描述的风场背景误差相关特征更符合实际统计结果,缓解了原高斯函数方案风场负相关偏大的问题。因而尺度叠加高斯相关模型的应用大幅度提高了分析质量,特别是风场分析质量,同时12 h内风场预报质量也略有提高,也显著提高了前24 h各量级降水的ETS评分,明显缓解了原高斯模型方案的虚警现象。尺度叠加高斯相关模型能明显增加分析的中小尺度信息和更合理地描述风场负相关结构,在三维变分分析中的应用能显著改进分析和降水预报质量。 相似文献
9.
利用ERA5 0.25°×0.25°再分析资料、MICAPS4的常规资料以及四川加密自动站逐时降水观测资料,对2020年8月11~13日和15~18日发生在四川盆地西部的两次极端暴雨过程的广义位温和广义湿位涡进行诊断分析。结果表明:两次暴雨过程均属于500 hPa“东高西低”型暴雨,中高层南亚高压、高空急流、西风槽和低层切变线、低涡等天气系统是两次暴雨有利的动力条件,低空急流则是暴雨区良好的水汽条件。两次过程暴雨区上空均存在强广义位温梯度区和强广义湿位涡异常区,“8.11”暴雨出现高度为800~900 hPa,“8.15”暴雨出现高度为700~800 hPa,这种分布与低层相对湿度含量密切相关,即相对湿度越高,广义位温垂直梯度越强,广义湿位涡异常区中心值越高。两次暴雨的强降水站点广义位温和广义湿位涡的时空演变和降水的时间演变均有较好的对应关系,但广义湿位涡强度与小时雨强并不存在明显的正相关关系。 相似文献
10.
通过引入流依赖的集合预报误差,使得同化分析与天气形势紧密相关,是改善初值分析质量的重要途径。文中在GRAPES（Global Regional Assimilation and PrEdiction System）全球四维变分资料同化（4DVar）中研究了如何有效应用集合预报误差,包括增加扩展控制变量时如何降低其计算消耗以及如何在局地化过程中保持不同变量之间的动力平衡。利用高斯分布的谱滤波实现水平局地化,利用垂直正交经验函数分解实现垂直局地化,并采用前8个主导特征模态来限制控制变量空间维数增加。引入20至180个集合样本,在水平二维局地化情形下,控制变量总数的增长可以限制在1.1—1.8倍,而在三维局地化情形下,控制变量总数的增长限制在1.7—7.1倍。对60个集合样本和1°水平分辨率内循环,4DVar引入扩展控制变量后墙钟时间增加了约30%。进一步,通过采用在非平衡分析变量上进行水平局地化,然后再将风压地转平衡关系重新叠加到非平衡分析变量上,使得分析更好地保持了风压平衡关系,初始场地面气压倾向变化减小。此外,虽然垂直局地化对分析平衡影响较大,但依靠目标函数中的数字滤波弱约束,分析变量之间仍能较好满足动力平衡关系。结果表明,GRAPES全球4DVar中发展的增加扩展控制变量、谱滤波实现水平局地化、非平衡分析变量进行水平局地化等有效应用集合预报误差的方法,适合集合样本数超过100个的情况,在分析质量改善的同时,4DVar系统的计算和存储消耗没有显著增加。 相似文献