"18·8"广东季风低压持续性特大暴雨成因分析     

蔡景就  伍志方  陈晓庆  兰宇  郭姿佑  郭春迓 《湖北气象》2019,38(6)

利用NCEP FNL 1°×1°再分析、地面观测和广东雷达等资料,对2018年8月27日—9月1日广东季风低压持续性特大暴雨过程进行了综合分析,主要结论如下:(1)在南亚高压稳定少动、西太平洋副热带高压呈异常双脊形态、强盛的西南季风低空急流北抬的大尺度环流背景下,季风低压显著发生发展并缓慢偏西移,促使本次广东持续性特大暴雨过程的发生。(2)季风低压的生命史可划分为两个阶段:波动加强阶段与减弱消亡阶段。季风低压强度演变与暴雨落区范围大小的逐日分布是同步,但与日最大降水量逐日演变不完全同步。在低压由强转弱并加速远离阶段(8月30日),处于季风低压外围倒槽区的粤东地区却发生了破纪录的极端暴雨。(3)粤东极端暴雨发生在边界层动力辐合及水汽辐合最强、对流层中低层的层结最不稳定阶段,中层南海高压与季风低压的相互作用为暴雨增幅提供了有利条件。来自海洋的偏南暖湿气流北推与前期MCS冷池出流相互作用导致粤东沿海地面辐合线的形成,辐合线西段受莲花山脉地形阻挡和抬升作用长时间停滞维持,致使极端强降水回波的触发和维持。(4)雷达回波演变可划分为三个阶段:块状弱回波西移阶段、带状回波叠加强短雨带东北移阶段和回波减弱东南移阶段。强降水回波呈典型的低质心暖云对流降水结构。  相似文献   

三种机器学习方法在广东雷暴大风自动识别的应用效果评估     

兰宇  罗聪  伍志方  唐思瑜  吴林  程兴国  陈蝶聪 《热带气象学报》2023,(2):256-266

基于2012—2019年自动站雷暴大风观测实况和对应雷达回波,利用传统机器学习方法(决策树)和深度学习方法(CNN、YOLO)等三种机器学习方法分别建立雷暴大风自动识别模型。根据广东雷暴大风回波特征,选取50 dBZ高度、反射率因子强度梯度等5个回波参量作为决策树的特征因子;将1～9 km高度的雷达回波分为11层,作为YOLOv3的输入层,使其由原3个特征层扩展到11层,训练优化后的YOLOv3可更合理刻画雷暴大风的空间结构特征。经批量测试和业务试运行试验,检验结果表明：三种模型中基于决策树的模型虚警最高,基于CNN的模型漏报最多,基于YOLO的模型识别效果最好,其POD和CSI均最高。通过对广东2020年汛期5次系统性和5次局地性雷暴大风过程进行分类型自动识别效果评估,并选取任意天气下长达30天连续时段进行不间断识别检验,结果表明该算法对于不同类型的雷暴大风均有较好的识别能力,具备业务化应用前景。  相似文献   

无人机倾斜摄影在高位危岩体调查中的应用     

吴森  陈超  薛廉  王成锋  唐晓玲  兰宇 《四川地质学报》2019,(3)

针对传统高位危岩体地面调查强度大、效率低、风险高、精度低、轻整体重局部的不足,提出了基于无人机倾斜摄影技术的高位危岩体调查方法。本文以青城山后山景区危岩为例,通过无人机倾斜摄影处理技术流程,构建危岩体三维立体实景模型,通过解译分析,提取了危岩体地层岩性、产状、裂隙发育情况、块体大小等信息。结果表明,与传统地面调查分析相比,该方法更全面、客观、准确,具有巨大的推广前景。  相似文献