利用2004—2010年中国西北四省(区)强对流天气过程高空、地面实况资料,以及近15年西北区强对流研究主要成果,按照强对流天气产生的基本动力学原理,根据其主导因素的不同,将西北区强对流天气基本形势配置分为高空冷平流强迫、低层暖平流...利用2004—2010年中国西北四省(区)强对流天气过程高空、地面实况资料,以及近15年西北区强对流研究主要成果,按照强对流天气产生的基本动力学原理,根据其主导因素的不同,将西北区强对流天气基本形势配置分为高空冷平流强迫、低层暖平流强迫、斜压锋生等3类。分析3类基本配置天气尺度环境场显著特征,以及这些特征在中尺度强对流系统发展过程中所起的作用,总结各类配置之间的主要差异及其与中国其他区域的差异。结果表明,高空冷平流强迫类,冷平流可从300 h Pa向下延伸至对流层低层,而850 h Pa则多表现为弱的暖平流。与中国中东部相比,对流层中下层温度递减率更大,层结不稳定在午后会有强烈发展,LFC更高。区域性强对流天气与大范围降水后地面增湿或低层暖湿气流北上有关;局地强对流天气与复杂小地形对应地面抬升和水汽分布不均匀有关。低层暖平流强迫类强对流天气,中低层暖平流占主导作用,湿层可从地面向上延伸到500 h Pa附近,LFC高度明显偏低,温度垂直递减率小于冷平流强迫类。斜压锋生类强对流天气的显著特点是中低层冷暖空气强烈交汇,并伴有明显温度锋区和锋生。水汽条件好于冷平流强迫类,垂直风切变明显高于前两类。展开更多
利用常规气象观测资料、加密自动站雨量和NCEP l°×l°再分析资料,对2012年5月10日甘肃岷县一次短时暴雨并引发山洪的强对流天气成因进行综合分析。结果表明:此次致灾严重的局地性短时暴雨的影响系统斜压性显著,500 h Pa...利用常规气象观测资料、加密自动站雨量和NCEP l°×l°再分析资料,对2012年5月10日甘肃岷县一次短时暴雨并引发山洪的强对流天气成因进行综合分析。结果表明:此次致灾严重的局地性短时暴雨的影响系统斜压性显著,500 h Pa高空槽后较强冷平流和槽前暖湿平流强烈交汇,地面到500 h Pa锋生作用明显。从天气系统基本配置类型看,500 h Pa斜压槽、700 h Pa低涡切变及暖湿气流、地面冷锋是这次强对流过程的影响系统。物理量诊断表明,中低层冷暖平流较强,锋生函数在10日午后明显增强,锋生函数正值区前侧出现强中尺度雨团,雨团朝锋生函数梯度方向移动。此次强对流过程中,大气为条件不稳定,700—300 h Pa温差达-49℃。斜压锋生作用的逐渐增强导致不稳定条件增强,进而导致上升运动发展,是产生本次短时暴雨天气的根本原因。展开更多
为了考察辅助变量、时间滞后变量设置的重要性和神经网络中嵌入层对分类变量处理的有效性,利用2015年1月15日-2020年12月31日欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)高分辨率模式(high resolu...为了考察辅助变量、时间滞后变量设置的重要性和神经网络中嵌入层对分类变量处理的有效性,利用2015年1月15日-2020年12月31日欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)高分辨率模式(high resolution,HRES)输出产品及中国2238个国家级地面气象站基本气象要素数据集,在全连接神经网络基础上设计4个试验,构建24 h最高气温预报神经网络模型。结果表明:加入辅助变量、时间滞后变量的特征和带有嵌入层的全连接神经网络结构的深度学习神经网络模型对HRES日最高气温预报误差均有订正效果,均方根误差降低29.72%~47.82%,温度预报准确率提高16.67%~38.89%。加入经过嵌入层处理的辅助变量后,可显著提高青藏高原中南部和西南地区东部的平均绝对偏差不超过2℃的正技巧站点比例(比仅用HRES预报因子建模分别提高21.74%和14.17%),在此基础上加入时间滞后变量显著提高上述两个地区的平均绝对偏差不超过2℃的正技巧站点比例(比仅用HRES预报因子建模分别提高40.98%和20.33%),且预报性能更加稳定。展开更多
文摘利用2004—2010年中国西北四省(区)强对流天气过程高空、地面实况资料,以及近15年西北区强对流研究主要成果,按照强对流天气产生的基本动力学原理,根据其主导因素的不同,将西北区强对流天气基本形势配置分为高空冷平流强迫、低层暖平流强迫、斜压锋生等3类。分析3类基本配置天气尺度环境场显著特征,以及这些特征在中尺度强对流系统发展过程中所起的作用,总结各类配置之间的主要差异及其与中国其他区域的差异。结果表明,高空冷平流强迫类,冷平流可从300 h Pa向下延伸至对流层低层,而850 h Pa则多表现为弱的暖平流。与中国中东部相比,对流层中下层温度递减率更大,层结不稳定在午后会有强烈发展,LFC更高。区域性强对流天气与大范围降水后地面增湿或低层暖湿气流北上有关;局地强对流天气与复杂小地形对应地面抬升和水汽分布不均匀有关。低层暖平流强迫类强对流天气,中低层暖平流占主导作用,湿层可从地面向上延伸到500 h Pa附近,LFC高度明显偏低,温度垂直递减率小于冷平流强迫类。斜压锋生类强对流天气的显著特点是中低层冷暖空气强烈交汇,并伴有明显温度锋区和锋生。水汽条件好于冷平流强迫类,垂直风切变明显高于前两类。
文摘利用常规气象观测资料、加密自动站雨量和NCEP l°×l°再分析资料,对2012年5月10日甘肃岷县一次短时暴雨并引发山洪的强对流天气成因进行综合分析。结果表明:此次致灾严重的局地性短时暴雨的影响系统斜压性显著,500 h Pa高空槽后较强冷平流和槽前暖湿平流强烈交汇,地面到500 h Pa锋生作用明显。从天气系统基本配置类型看,500 h Pa斜压槽、700 h Pa低涡切变及暖湿气流、地面冷锋是这次强对流过程的影响系统。物理量诊断表明,中低层冷暖平流较强,锋生函数在10日午后明显增强,锋生函数正值区前侧出现强中尺度雨团,雨团朝锋生函数梯度方向移动。此次强对流过程中,大气为条件不稳定,700—300 h Pa温差达-49℃。斜压锋生作用的逐渐增强导致不稳定条件增强,进而导致上升运动发展,是产生本次短时暴雨天气的根本原因。
文摘为了考察辅助变量、时间滞后变量设置的重要性和神经网络中嵌入层对分类变量处理的有效性,利用2015年1月15日-2020年12月31日欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)高分辨率模式(high resolution,HRES)输出产品及中国2238个国家级地面气象站基本气象要素数据集,在全连接神经网络基础上设计4个试验,构建24 h最高气温预报神经网络模型。结果表明:加入辅助变量、时间滞后变量的特征和带有嵌入层的全连接神经网络结构的深度学习神经网络模型对HRES日最高气温预报误差均有订正效果,均方根误差降低29.72%~47.82%,温度预报准确率提高16.67%~38.89%。加入经过嵌入层处理的辅助变量后,可显著提高青藏高原中南部和西南地区东部的平均绝对偏差不超过2℃的正技巧站点比例(比仅用HRES预报因子建模分别提高21.74%和14.17%),在此基础上加入时间滞后变量显著提高上述两个地区的平均绝对偏差不超过2℃的正技巧站点比例(比仅用HRES预报因子建模分别提高40.98%和20.33%),且预报性能更加稳定。
