排序方式: 共有89条查询结果,搜索用时 15 毫秒
1.
本研究利用加入起电、放电参数化方案的数值模式(Weather Research and Forecasting Model(Version 3.7.1),WRF3.7.1_ELEC),通过设计五组不同非感应起电及感应起电参数化方案敏感性试验,对发生在青藏高原东北部青海大通地区的一次雷暴过程进行模拟研究,对比分析了不同非感应起电机制及感应起电机制对雷暴云电荷结构的影响.结果表明:在雷暴云发展旺盛阶段,Saunders(S91)、Riming Rate(RR)、和Saunders和Peck(SP98)三种非感应起电方案模拟的雷暴云最低层均为负电荷区,而混合方案(Brooks and SP98,BSP)模拟的雷暴云最低层为正电荷区,主电荷区自下而上为"+-+-"排列的四层电荷结构.与甚高频辐射源定位法推算的结果对比,BSP方案模拟的本次高原雷暴云电荷结构更接近实际情况;几种不同非感应起电方案模拟的主电荷区外围与主电荷区电荷结构不同,说明在雷暴发展的不同阶段雷暴云的电荷结构是不同的;几种非感应起电方案模拟的电荷结构不尽相同,主要是由于霰、冰和雪粒子在不同高度所带电荷的极性及电量的大小不同,霰粒子的电荷密度对低层的影响较大,冰粒子和雪粒子的电荷密度对中上层的影响较大;加入感应起电机制后,雷暴云电荷结构分布几乎没有变化,但能使雷暴云发展旺盛阶段低层和中层的正负电荷区电荷密度有所加强. 相似文献
2.
湖泊模式为青藏高原湖-气相互作用研究提供了有效方法,而驱动数据对模拟结果影响显著,但目前用来驱动模式的再分析资料对高原不同地区湖泊的适用性依然不够清楚。利用野外观测数据、M ODIS地表温度数据和WRF耦合的一维湖泊模式,对比分析了中国区域高时空分辨率地面气象要素驱动数据集(简称ITPCAS)、ERA-Interim和NCEP/NCAR三套再分析资料在青藏高原地区纳木错、班公错和鄂陵湖三个不同深度湖泊的适用性,并对三套再分析资料的准确性进行了初步验证,进一步分析了不同校正方式后的再分析资料对模拟结果的影响。结果表明,用三套不同再分析资料作为模式驱动数据时,WRF耦合的一维湖泊模型均能够较好地模拟出高原湖泊表面温度的变化,但仍然与MODIS观测结果存在偏差。三套再分析资料中ITPCAS数据集的各气象要素与站点观测更为接近,ERA-Interim数据的向下长波和短波辐射比观测值偏大,NCEP/NCAR数据中的向下长波较观测值偏小而风速偏大。利用站点观测对再分析资料进行校正,ITPCAS数据进行全要素校正前后模拟结果差别不大,ERA-Interim和NCEP/NCAR进行全要素校正后模拟结果准确性显著提高;对于实地观测资料匮乏的地区,单独对ERA-Interim向下短波辐射数据进行校正以及同时对NCEP/NCAR气温和向下长波辐射数据进行校正均能优化湖表面温度的模拟结果。 相似文献
3.
利用2011年10月至2017年12月黄河源区鄂陵湖野外观测数据,对比分析多雪年与少雪年土壤冻结与消融时间、土壤温湿度、地表能量分量的变化特征。结果表明:多雪年地表反照率偏高,净辐射偏低,地表感热输送偏低,土壤由热“源”转为热“汇”的时间晚于少雪年。积雪可减少土壤吸收辐射能量,减少地表感热通量,在土壤完全冻结期与消融期增大地表潜热通量,在完全冻结期,减少土壤向大气的热输送,在消融期,减少大气向土壤的热输送。积雪在冻结期有降温作用,使得多雪年土壤较早发生冻结,且同一时期土壤温度偏低;在完全冻结期有保温作用,使得土壤温度偏高;在消融期有保温(“凉”)作用,使得消融较晚,且同一时期土壤温度偏低。在整个积雪年内,多雪年浅层土壤湿度高于少雪年,积雪对浅层土壤有保湿作用。积雪使土壤开始冻结时间有所提前,开始消融的时间有所滞后,可延长该年土壤完全冻结持续天数。 相似文献
4.
利用中国科学院那曲高寒气候环境观测研究站那曲/BJ观测点的野外观测数据,估算了青藏高原那曲地区典型高寒草地下垫面的热量和水汽总体输送系数以及地表大气相对湿度因子,在此基础上利用中国气象局那曲气象站1980-2016年的常规业务观测数据,采用总体输送法计算并分析了那曲高寒草地地表通量特征。研究结果表明:(1)那曲/BJ观测点地表大气相对湿度因子γ的数值在33%~62%,9月最大,2月最小,热量和水汽输送系数CH和Cλ的季节变化范围分别在1.6×10^-3~2.7×10^-3和1.0×10^-3~2.0×10^-3,两者存在较大的差异。(2)1980-2016年那曲高寒草地感热通量总体呈现减弱趋势,而潜热通量呈现增强趋势,导致地面热源变化趋势不明显;分阶段来看,感热通量的变化在2004年前后发生转折,转折点前后的趋势为先减弱后增加,潜热通量在1994-2005年下降趋势明显,这也导致地面热源在1995-2005年有一个明显的减少。(3)年内季节变化上潜热通量相较于感热通量更明显,地面热源的季节变化更依赖于潜热通量的季节变化。 相似文献
5.
高原季风特征及其与东亚夏季风关系的研究 总被引:1,自引:0,他引:1
利用ERA-Interim的位势高度场、温度场和风场再分析资料,计算了1988-2017年的传统高原季风指数(Trational Plateau Monsoon Index,TPMI)和动态高原季风指数(Dynamic Plateau Monsoon Index,DPMI),分析了高原季风的空间分布特征和时间演变规律,结合东亚夏季风指数(East Asian Summer Monsoon Index,EASMI),探讨了高原季风与东亚季风的关系。研究表明:(1)高原夏季风从4月开始形成,暖性低值系统在高原上生成;6月暖性低压系统中心形成并达到最强,此时高原夏季风强度也达到最大;10月暖性闭合低压系统向东北方向移动且强度也随之减弱并退出,高原夏季风结束。(2)DPMI和EASMI具有明显的年际变化特征,在关键年高原夏季风和东亚夏季风的强度表现一致。(3)中纬度受东亚季风所影响区域的位势高度场和青藏高原区域的位势高度场均处于同一正相关区域,而且超前两个月的DPMI同EASMI的相关系数最大,表明高原夏季风对东亚夏季风具有一定的指示意义。(4)东亚夏季风经圈环流受高原温度场变化的影响而移动,高原夏季风的低压系统与高原温度场关系密切。 相似文献
6.
利用1979-2016年中国区域长时间序列逐日雪深资料,分析了青藏高原积雪深度与积雪日数的分布及变化特征,并将积雪期划分为三个阶段(积累期、鼎盛期和消融期),结合ERA-Interim月平均再分析资料,分析了积雪与地表热状况(气温、地表和土壤温度)和能量输送量(地表净短波辐射、地表净长波辐射、感热通量、潜热通量、地表热通量和土壤热通量)的相关关系,初步探讨了积雪在高原陆面过程中的作用。结果表明:研究时间范围内青藏高原积雪(深度和日数)主要呈减少趋势,仅在黄河源区及高原边缘地区为增加趋势,积雪鼎盛阶段(1-2月)的减少趋势最显著;高原积雪对地表主要起降温作用,深层土壤温度对积雪的响应存在滞后性,积雪的减少抑制了土壤向上的热量输送进而不利于冻土的发育;高原积雪与地表感热和地表热通量主要呈现负相关关系,潜热通量与积雪也呈负相关特征但比感热通量的相关性小。由于ERA-Interim资料对高原积雪深度的描述与本研究使用的卫星遥感积雪深度存在较大偏差(包括空间分布、气候倾向率、年际变化以及绝对大小等),导致本研究中积雪与地表热状况和热通量的相关度不高,需要通过陆面模式模拟做进一步探讨。 相似文献
7.
利用中国西北地区2015年9月至2016年8月38个站点L波段探空观测、2016年7月加密探空观测和ERA-Interim边界层高度资料,对比分析了西北地区大气边界层高度变化特征。观测资料表明,在中国西北地区,08:00(北京时,下同)冬季边界层高度最高; 20:00春季边界层高度最高,边界层高度从西部到东部有显著降低的趋势。ERA-Interim资料基本能表现出边界层高度的区域分布,但相对于探空观测得到的边界层高度,除夏季20:00外,ERA-Interim再分析资料边界层高度均偏低。全年平均而言,08:00(20:00)偏低160 m(170 m),其中在08:00(20:00),冬季(春季)偏低最显著。08:00边界层高度与低层稳定度、近地层温度和风速相关更加显著; 20:00边界层高度与低层稳定度和相对湿度相关更加显著。2016年7月加密观测资料对比表明,ERA-Interim资料的对流(中性)边界层高度显著偏高;低层稳定度、相对湿度偏小,风速偏大可能是造成边界层高度偏高的原因; ERA-Interim资料的稳定边界层高度偏低,与低层稳定度和近地层温度偏低相关,但其影响因素相对更加复杂。 相似文献
8.
利用"中国干旱气象科学研究计划——我国北方干旱致灾过程及机理"的观测数据,分析塔中站、奈曼站、平凉站和锦州站2015年8—10月及定西站2016年8—10月地表能量通量变化特征。分析发现,不同下垫面辐射均表现出明显的日变化,相对于向下短波辐射和向下长波辐射,不同下垫面反射辐射和向上长波辐射差异更加明显。塔中站反射辐射和向上长波辐射最大,锦州站和平凉站相对较小。净辐射具有明显的日变化特征,和总辐射相位一致,农田净辐射日峰值相对较大。地表反照率3个月平均从大到小依次为塔中站(0. 27)、定西站(0. 19)、锦州站(0. 16)、奈曼站(0. 15)和平凉站(0. 14)。各站点感热通量和潜热通量均为单峰型,其中,奈曼站感热通量峰值最大(276 W·m~(-2)),平凉站潜热通量峰值最大。定西站和锦州站净辐射分配以感热通量为主,平凉站则以潜热通量为主。 相似文献
9.
利用国际耦合模式比较计划第六阶段(CMIP6)多模式的模拟结果,对比观测和青藏高原冻土图评估各模式对当前(1985-2014年)青藏高原与冻土相关气候变量以及多年冻土的模拟能力,并应用多模式集合平均的方法预估了未来4个SSP情景下2021-2040年、2041-2060年、2081-2100年高原多年冻土的变化趋势。结果表明:CMIP6各模式都能够较好地模拟出与冻土相关气候变量的分布特征与趋势,但对于气温的模拟有着较为明显的冷偏差,对于积雪的模拟明显偏大;利用冻结数模型(SFI)计算的当前多年冻土分布与青藏高原冻土图有较好的吻合,1985-2014年的表面多年冻土面积约为134.52×104km2(包含湖泊和冰川面积);随着气温的升高,21世纪青藏高原多年冻土呈现区域退化的趋势,在SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5情景下,青藏高原东部、南部以及北部边缘地区多年冻土呈现区域性退化,至2041-2060年间多年冻土面积分别减少13.81×104 km2、19.51×1... 相似文献
10.
土壤温度是地球科学研究中的重要物理量。在陆-气相互作用研究中,土壤温度不仅影响土壤内部的物理、生物、化学过程,而且对陆-气之间能量和物质交换起重要作用。随着可获取的相关数据越来越丰富,机器学习方法已经被越来越多的研究人员引入到土壤温度预估中,在很多任务中已经超过了统计模型、物理模型的性能。本文对比了统计模型、物理模型和机器学习方法这三种土壤温度常用计算方法的异同,简要介绍了应用于土壤温度研究的各类机器学习模型的原理和特点,综合国内外文献归纳了传统机器学习和深度学习在土壤温度空间分布、时间变化和时空变化三方面的研究进展。在土壤温度空间分布研究中,传统机器学习方法能够通过影响因子的空间异质性学习空间特征,并利用站点观测数据计算土壤深处的温度,但随土壤深度增加模型效果减弱,而深度学习模型有能够提取空间特征的结构,但对数据量要求高,当前研究中仅用于地表温度的遥感反演;在土壤温度时间序列研究中,加入了周期性信息的传统机器学习方法具有更好的模型效果,深度学习中的序列学习模型能自动捕捉土壤温度变化规律,结合了非平稳序列分析方法的混合模型能充分考虑土壤温度变化的连续性和周期性;由于陆面过程复杂性,土壤... 相似文献