排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
2019年12月2日01时沈阳国家基本气象站(沈阳站)气温1 h内异常回升了6.5℃,利用常规和加密地面观测站实况、NCEP再分析及沈阳站逐小时风廓线雷达资料,从系统配置、热力学诊断、城市热岛效应等方面对此次异常升温事件成因进行精细分析。结果表明:沈阳站异常升温阶段,超低空到近地面暖脊过境造成辽宁大部分地区出现气温回升,暖脊过境是引发沈阳站午夜时分异常升温的原因之一;沈阳站位于沈阳市的东南部,当地面风为西北风时,风从温度相对较高的城区吹向郊区,造成沈阳南部郊区各站气温回升,与北部郊区对比得出升温幅度约为3—4℃。城市热岛中心向下风方漂移是沈阳站气温骤升又一原因。值得注意的是,气温回升前的温度基础值对气温回升幅度存在一定程度影响,回升前的基础温度越低,则回升后造成的升温幅度越大。 相似文献
2.
利用2009年6月内蒙古自治区植保站的草地螟越冬代成虫标记放飞和捕获试验结果,结合2009年6月每日08时和20时500-1000 hPa高空天气图、每日8次的地面天气图等气象信息,分析2009年内蒙古自治区草地螟盛发期自然放飞并回收到的标记成虫的放飞与天气系统的关系。结果表明：草地螟成虫放飞后卷入东北冷涡并随其在控制区内沿逆时针方向旋转的气流飞行,其迁飞方向与天气系统密切相关;气流方向、降水和风力等气象因子是影响草地螟成虫迁飞与降落的主要原因,分析气象因子与草地螟迁飞和降落的关系,有利于进一步认识草地螟在盛发期的迁飞习性;分析草地螟主动降落迁入的气象条件和相关预警指标,对监测草地螟成虫迁入有重要指导意义。 相似文献
3.
采用耦合了砾石参数化方案CLM4.5的区域气候模式RegCM4对一次高原涡进行了模拟分析,并做了3组敏感性试验,结合欧洲中心ERA5再分析资料进行验证分析,使用了高空、低空及土壤水热属性参数等资料,分析了砾石参数化对高原涡初生、发展、消亡等影响。结果表明：在500 hPa形势场中,特别是在高原涡发生和发展的阶段,砾石含量越接近实际,模拟效果越好,RegCM4对青藏高原降水量的模拟能力随砾石含量接近实际而提升;在高原涡区及其东北移动路径上,2 m温度的模拟结果随砾石含量的增加而升高,为高原涡的生成和发展提供条件;砾石参数化方案明显提升了土壤导热率和土壤导水率,在高原涡初生和发展过程中,砾石含量接近实际,模拟土壤温度和土壤体积含水量也接近实际,在高原涡消亡阶段,土壤含砾石较高使浅层温度明显降低,加速了高原涡的消亡,并且随着土壤深度的增加,砾石对土壤升温作用明显减弱,在高原涡生成和发展阶段,砾石对模式的提升作用明显,但在高原涡减弱和消亡阶段,砾石对模式的提升作用逐渐降低。 相似文献
4.
为了验证陆面过程模式砾石参数化方案在青藏高原上的天气过程的模拟能力,本文通过耦合了砾石参数化方案CLM4.5的区域气候模式RegCM4,对一次高原低涡个例进行模拟研究,利用模拟的500 hPa高空形势场、2 m温湿度和土壤温湿度等数据,结合ERA5资料对比验证分析。结果表明：加入砾石参数化方案的RegCM4对本次高原涡个例模拟效果整体较好;在500 hPa高空形势场中,新方案比旧方案更为准确地模拟出高原涡中心位置和涡区温度场特征;在高原涡生成和发展阶段,新方案模拟的2 m温度和相对湿度效果明显较旧方案强,为低涡的生成和发展提供有利条件;在土壤温湿度的模拟中,加入砾石后提升了土壤的导热率和导水率,使高原涡在初生和发展阶段提供更好的土壤热力和水分条件;高原涡消亡阶段,新方案使浅层土壤温度下降,深层土壤温度升高;在500 hPa反气旋性环流地区,新方案模拟的土壤体积含水量较旧方案偏低,而当青藏高原高空无强烈天气系统时,新旧方案在土壤体积含水量的模拟表现差别不大。在高原涡整个生命史中,新方案在浅层土壤温度的模拟明显优于旧方案,而在土壤体积含水量模拟中第1层效果最好。 相似文献
5.
为系统研究ERA5再分析资料在辽宁省的适用性，本文基于近10a辽宁省62个地面站和9个探空站（省内4部，省外5部）资料，提取了温度、湿度、气压、风场等业务和研究中常用物理量，采用统计分析方法对ERA5资料在辽宁省的适用性进行了分析，并尝试使用机器学习的方法订正ERA5资料的偏差。结果表明：在地面观测要素分析中，2 m温度相关系数普遍较高，均方根误差普遍偏低，辽河流域及其西侧地区效果好于其他地区；10 m风速对比结果总体稍差，U分量相关系数总体低于V分量；ERA5资料质量有明显的月变化特征，相关系数总体呈现春秋季节高于夏冬季节，且相关系数总体较高的季节，均方根误差也普遍偏高。在高空观测要素分析中，辽宁中部地区的数据质量要高于东西部两地区，温度的平均相关系数最高，相对湿度相关系数平均较低，均方根误差总体较大；相对湿度的相关系数在春夏之交时最低，夏季上升较快，夏秋之交时达到最高，相关系数快速上升的月份，均方根误差也呈现出快速上升的趋势；高空U风场和V风场的均方根误差总体相差不大，且均方根误差月变化相一致，总体经向风（V风场）质量低于纬向风（U风场）。通过机器学习的订正方法有效提升了地面温度和相对湿度的应用能力，使ERA5地面温度资料的均方根误差缩小0.5～1.0℃，使地面相对湿度资料的均方根误差缩小最高可达26%。 相似文献
1