排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
为评价静止卫星大气温度廓线产品资料同化对飓风预报的影响,以2018年飓风“迈克尔”为例,选用GOES-16温度廓线产品,开展静止卫星资料同化及其对飓风预报影响的研究。首先,通过评估温度廓线产品精度,选取质量较好的高度层并以统计的各层均方根误差作为观测误差用于同化试验;然后,利用WRF-3DVar系统进行不同稀疏化及不同同化频次的循环同化敏感性试验;最后,利用WRF模式开展24 h数值预报。试验结果表明,在飓风“迈克尔”期间温度廓线在200~1 000 hPa之间的误差在2 K以内,将水平分辨率稀疏化为模式分辨率的6倍且循环同化频次为6 h时同化该资料对模式的初始场有最为合理的改进,从大尺度环境场上看使模式具备更合理的环流形势,能够有效提高对飓风的路径及强度的预报效果,更准确地模拟降水落区及美国佛罗里达州等降水关键区域的雨强。 相似文献
2.
选取2015年发生在西北太平洋的一次双台风"灿鸿"和"莲花",考察微波辐射率资料同化在双台风数值预报中的应用,采用WRF-3Dvar系统,将AMSU-A微波辐射率资料同化进数值模式用于改善模式的初始场。试验结果表明:直接同化AMSU-A辐射率资料能有效缓解台风在海面上观测资料的不足,对于数值模式初始场的改进效果要优于仅同化常规资料的效果,并且从大尺度环境场上看使模式具备更合理的环流形势,从而提高了对台风路径以及强度模拟的精度,同时对降水强度、落区的模拟更加准确。 相似文献
3.
为提高地基微波辐射计大气探测精度,融合BP神经网络与遗传算法,研究0~10 km大气温湿度廓线。首先,结合数据特征,基于数值模拟技术,建立一套TP/WVP-3000型号地基微波辐射计的一级数据质量控制和订正模型。然后,为减小训练样本代表性误差对模型反演精度的影响,利用遗传算法优化训练样本数据,建立一套精度更高的神经网络大气温湿度反演模型。最后,利用构建的反演模型,开展大气温湿度反演试验,结合探空资料和微波辐射计二级产品,评价反演模型精度。研究结果表明:(1)经过质量控制后的实测数据与模拟数据之间的相关性有显著提升;(2)经过质量控制与订正后建立的神经网络模型对比原微波辐射计二级产品的反演精度有一定提升,温度提升6.77%,湿度提升20.11%;(3)经过遗传算法优化后的训练样本所建立的神经网络反演模型对比原微波辐射计二级产品反演精度有进一步的提升,温度提升10.21%,湿度提升23.75%,反演结果与该地区同类型研究结果相比有着较大提升。 相似文献
1