排序方式： 共有25条查询结果，搜索用时 15 毫秒
1.
Based on the 1951–2007 thunderstorms in Jiangsu, a study is conducted for their climate trends, periodicity, spatiotemporal patterns, and the distributions of the first and last days of the thunderstorms at different guarantee rates (GRs) using climate tendency rate, wavelet analysis, and GR for diagnosis. Results suggest that the inter-annual number of thunderstorm days (TSDs) exhibits a decreasing trend in this province. The trend is displayed mainly in the decreasing TSD number in summer and autumn except in spring, when the variation is not significant in the study period. In this province, the TSD number declines by ~2 days per 10 years. On an inter-annual basis, the pronounced positive departures of the number take place chiefly in the early 1960s, the late 1960s to the early-mid-1970s, the late 1980s, and the late 1990s compared with the negative anomalies dominant in the late 1970s to the mid-1980s, the mid-to-late-1990s, and the late 1990s to 2007. There are vast differences in the initial and ending days at diverse GRs in different areas of the province. At 50% GR, the earliest (last) days occur from mid-March to early April (early to late September) while at 80% GR, the initial (last) days are from late March to early May (early to late October). For the distribution of periods, the periods >8–10 years are relatively stable for the entire province. Based on 1951–2007 period analysis, the region north (south) of the Huaihe River experiences TSDs less (more) than normal days in recent years. 相似文献
2.
采用SAL定量降水预报检验方法,对2017年梅雨期一次区域性极端降水过程EC-THIN、RIOF、NCEP、CMA的高分辨率数值预报产品,从结构、强度和位置3个方面进行检验对比,同时对72 h内各模式降水预报稳定性开展检验分析。在此基础上,剖析了降水预报误差成因。分析发现：（1）在降水分布上,RIOF、EC-THIN和CMA预报的雨带走向与实况基本一致,NCEP预报主雨带范围偏大,暴雨区偏东;（2）雨区结构上RIOF和EC-THIN把握较好,NCEP和CMA在降水强度方面预报较好,位置预报上各家误差均较小,其中CMA误差最小;（3）EC-THIN和NCEP在结构、强度和位置预报上均有较好的稳定性。CMA在降水强度方面预报稳定较好,位置预报上调整较大。RIOF在降水结构预报上稳定性较好,落区预报上变化幅度较大;（4）降水预报误差根本原因是由系统预报误差而形成,系统强度、位置、移动直接影响着降水偏差。垂直物理量的预报偏差对降水时段、加强、强度也具有一定影响。 相似文献
3.
4.
By analyzing the change of an index for the characteristics of South Asia High and variations of upper-air troughs in 2002–2005,we studied the impact of South Asia high on the beginning and ending of the Mei-yu(i.e.sustained rain corresponding to the ripening season of plum)in Jiangsu province.Statistic verification is conducted on the relationships between the index and the Mei-yu season in 1991–2005 to examine the impacts of the SAH characteristics index on a rain intensity index of Mei-yu and regional distribution of a characteristics index for different annual patterns of Mei-yu.Historical composite is performed of the 100-hPa circulation field for these patterns using the 100-hPa geopotential height of Northern Hemisphere from 2002 to 2005 and 45-year NCEP reanalysis to study the difference in the circulation for different patterns of Mei-yu.Diagnostic and statistic conclusions,which share much in common,have been obtained as follows.(1)The characteristics preceding to and the advancement/retreat of SAH and the movement of westerly troughs are the factors that influence the onset time of the Mei-yu season;after the Mei-yu onset,the progression/withdrawal of SAH and how farther east it extends are determining how long the Mei-yu lasts and when it ends.(2)During the Mei-yu,the general 100-hPa circulation situation and average characteristics of the SAH are well corresponding to the characteristics of the season and annual patterns of Mei-yu.In addition,the averages of the SAH ridgeline and east-extending index for June,July and the Mei-yu season have some implications to the forecast of the index of Mei-yu intensity.These conclusions can be served as powerful means in determining the starting/ending dates, duration and annual pattern of the Mei-yu season. 相似文献
5.
长江下游地区汛期暴雨气候特征分析 总被引：10，自引：1，他引：9
IPCC(1995)第二次科学评估报告指出了极端气象事件变化研究的重要意义[1].长江下游地区地势低平,往往是我国暴雨洪涝的多发区域,造成严重灾害,因此,研究长江下游地区暴雨的规律具有极其重要的意义.选取了长江下游地区52站1960～2003年逐日降水资料,运用EOF分析将其分为3个分区,采用小波分析,Mann-kendall非参数检验法及趋势系数法等分析方法研究各分区汛期暴雨降水的气候统计特征.结果表明:虽然汛期同为暴雨降水的集中时期,但各分区暴雨降水在汛期降水中所占比重略有差异,暴雨降水量、频次所占比例的空间分布为西区较大、东区和北区略小,暴雨平均强度则西区和北区东部强、其他区域小.同一区域中降水量与频次具有显著的正相关,不同区域间仅暴雨降水量的相关性较好.暴雨降水量44 a中呈现了增加的趋势.各区汛期暴雨具有多重时间尺度的周期变化,暴雨降水量和频次的周期在西区与全区的较为一致,主要是6～9 a的周期振荡.东区和北区有着不同尺度的振荡周期.各区的暴雨降水强度都不同程度地存在着3 a的周期振荡.长江下游地区汛期暴雨降水量除北区外,全区及其他分区的突变时刻均发生在1980年代末～1990年代初这一时期,暴雨降水量在1980年代中期～20世纪末出现了一个增长的过程,北区趋势并不显著.全区暴雨平均强度在突变时刻之后有一个减弱的过程,而西区和北区的暴雨平均强度变化并不显著. 相似文献
6.
利用ECMWF集合预报资料,采取连续SVD的方法作为敏感性分析的工具,对同受江淮气旋影响的江苏省沿江苏南和淮北地区两次不同暴雨过程中海平面气压场的敏感区进行诊断分析。结果表明:1)敏感信号最早可提前2 d左右被锁定,存在明显地东传特征,也有位相之间转换。2)沿江苏南的降水过程中信号最早出现在江西北部和湖南西北部,主要沿着长江一线向下游传播;正负信号的转换对应有雨带位置向南调整,而一致的负信号可引起降水整体偏多,反之亦然。3)淮北暴雨预报的不确定性始于江苏中东部沿海,它的正扰动和湖北北部的负扰动都可使异常雨带呈东北-西南向正-负形式的分布,而以鄂西为中心的正扰动则可使得区域降水整体偏弱,反之也都亦然;但这些信号主要沿着鄂-豫-皖-苏一线传播。4)两次过程前两模态的敏感区在覆盖离散度的大值区域上有一定的互补性。 相似文献
7.
2013年1月江苏雾霾天气持续和增强机制分析 总被引：4，自引：1，他引：3
利用江苏省能见度监测资料、自动站气象要素资料、探空资料、NCEP(1°×1°)和CFSV2(0.5°×0.5°)再分析资料,对2013年1月江苏雾霾持续性和13—14日大雾形成机制展开分析,结果表明:(1)中高纬平直的纬向环流,江苏位于地面高压底部偏东气流中,冷高压主体偏北,是1月发生持续雾霾天气的大背景。较弱的偏北经向风导致冷空气势力较弱,为1月江苏雾霾天气持续发生提供了近地层有利的稳定形势。(2)近地面相对湿度85%以上,风速小于3 m·s~(-1),风向以偏东风为主,凌晨与夜间温度露点差小于3℃。这些条件的稳定为持续雾霾发生提供了良好的气象因子。(3)地面辐射降温和弱冷平流共同作用引起的温度快速下降以及日出后潮湿地面蒸发增强对雾的加强起到一定的触发作用。近地面冷平流和混合层以上暖平流为本次雾增强提供了稳定的大气层结条件。近地面弱上升运动、中高层弱的下沉运动是14日凌晨雾快速加强的动力机制。 相似文献
8.
利用2016年1月1日—12月31日全球预报系统(GFS,Global Forecasting System)1～5 d的2 m气温预报资料,以及同期中国地面气象站2 m气温观测资料,研究模式地形高度偏差对地面2 m气温预报的影响。结果表明,较大模式地形高度偏差可严重影响2 m气温模式预报性能,导致较大预报误差。随着模式预报时效延长,2 m气温预报均方根误差也略有增加。比较模式地形高度偏差和预报时效对于模式预报性能的影响,发现模式地形高度偏差对于模式预报效果的影响更加显著。两种地形订正方案,即不做温度垂直订正的线性回归以及对温度进行垂直订正的线性回归都能显著减小2 m气温模式预报的误差,后者的订正效果更好。 相似文献
9.
利用欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)以及英国气象局(UKMO)四个中心1~7 d日累计降水量集合预报资料,以中国降水融合产品作为"观测值",对我国地面降水量进行统计降尺度预报,并对预报降水的空间相关性和时间连续性进行重建。对降水量进行分级后,建立各个量级的回归方程进行统计降尺度预报。此外,还利用Schaake Shuffle方法重建丢失的空间相关性和时间连续性。结果表明,分级回归比未分级回归后的预报结果相关系数更高,预报误差更小,更接近观测值。Schaake Shuffle方法可以有效地改进降水预报的空间相关性和时间连续性,使之更接近实况观测,集合成员间的相关性也更好。 相似文献
10.
基于南京地区2014—2016年逐日电力负荷资料,采用谐波分析、功率谱等方法分析该地区电力负荷的变化规律及其与自然周的关系,并对极端电力负荷日中离差曲线型与气温、湿度等气象要素及环流形势的关系进行分析。结果表明:南京地区电力负荷的季节变化呈双峰型;在季节内(月际)尺度上,存在30d周期;在月内尺度上,存在7d周期且与自然周同步。夏季极端负荷日离差曲线主要存在3种类型:典型双峰型(Ⅰ)、单峰型(Ⅱ)、非典型双峰型(Ⅲ)。Ⅰ型和Ⅲ型与气温和炎热指数均呈显著正相关,而3种类型都与相对湿度呈显著负相关。Ⅰ型对应环流场上副高持续控制南京地区,冷空气活动偏弱,气温日变化小;Ⅱ型对应冷空气活动频繁,副高具有东西摆动特征,南京常出现阵雨或雷阵雨天气;Ⅲ型对应的副高强度弱于Ⅰ型,冷空气强度弱于Ⅱ型。采用逐步回归方法建立极端负荷日的预测模型,3种型的平均相对误差分别为6.4%、5.6%和5.3%,较好地对极端电力负荷进行了定量预报。 相似文献