期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
海洋混合层厚度对热带气旋结构和强度变化影响的数值试验 被引量:5
1
作者 曾智华 陈联寿 《高原气象》 CSCD 北大核心 2011年第6期1584-1593,共10页
利用高分辨率大气模式WRF(Weather Research Forecast)耦合了简单的海洋混合层模式,设计了不同海洋初始混合层厚度条件下的数值试验,研究了不同混合层厚度对热带气旋(TC)结构和强度的影响。结果表明,当TC经过海洋混合层厚度较浅海域时,T... 利用高分辨率大气模式WRF(Weather Research Forecast)耦合了简单的海洋混合层模式,设计了不同海洋初始混合层厚度条件下的数值试验,研究了不同混合层厚度对热带气旋(TC)结构和强度的影响。结果表明,当TC经过海洋混合层厚度较浅海域时,TC对应的海洋底层的冷水更易上翻,最冷中心区出现在TC大风中心右后方160~240km处,海表面温度最大降温值可达-7℃,使其右后方的总表面热量通量交换显著减少,导致TC强度显著变弱;海洋冷却作用还会增强TC结构的非对称性,这与海洋冷却作用的非对称造成TC在边界层附近的涡度和散度平流分布不均密切相关。 展开更多
关键词 热带气旋 海洋混合层 数值模拟
下载PDF
SST data assimilation experiments using an adaptive variational method 被引量:7
2
作者 ZHU Jiang WANG Hui ZHOU Guangqing 《Chinese Science Bulletin》 SCIE EI CAS 2002年第23期2010-2013,2029,共5页
An adaptive variational data assimilation method is proposed by Zhu and Kamachi[1]. This method can adaptively adjust the model state without knowing explicitly the model error covariance matrix. The method enables ve... An adaptive variational data assimilation method is proposed by Zhu and Kamachi[1]. This method can adaptively adjust the model state without knowing explicitly the model error covariance matrix. The method enables very flexible ways to form some reduced order problems. A proper reduced order problem not only reduces computational burden but also leads to corrections that are more consistent with the model dynamics that trends to produce better forecast. These features make the adaptive variational method a good candidate for SST data assimilation because the model error of an ocean model is usually difficult to estimate. We applied this method to an SST data assimilation problem using the LOTUS data sets and an ocean mixed layer model (Mellor-Yamada level 2.5). Results of assimilation experiments showed good skill of improvement subsurface temperatures by assimilating surface observation alone. 展开更多
关键词 data ASSIMILATION ADAPTIVE VARIATIONAL method sea surface temperature oceanic mixed layer.
原文传递
Summer Persistence Barrier of Sea Surface Temperature Anomalies in the Central Western North Pacific 被引量:2
3
作者 赵霞 李建平 张文君 《Advances in Atmospheric Sciences》 SCIE CAS CSCD 2012年第6期1159-1173,共15页
The persistence barrier of sea surface temperature anomalies (SSTAs) in the North Pacific was investigated and compared with the ENSO spring persistence barrier. The results show that SSTAs in the central western No... The persistence barrier of sea surface temperature anomalies (SSTAs) in the North Pacific was investigated and compared with the ENSO spring persistence barrier. The results show that SSTAs in the central western North Pacific (CWNP) have a persistence barrier in summer: the persistence of SSTAs in the CWNP shows a significant decline in summer regardless of the starting month. Mechanisms of the summer persistence barrier in the CWNP are different from those of the spring persistence barrier of SSTAs in the central and eastern equatorial Pacific. The phase locking of SSTAs to the annual cycle does not explain the CWNP summer persistence barrier. Remote ENSO forcing has little linear influence on the CWNP summer persistence barrier, compared with local upper-ocean process and atmospheric forcing in the North Pacific. Starting in wintertime, SSTAs extend down to the deep winter mixed layer then become sequestered beneath the shallow summer mixed layer, which is decoupled from the surface layer. Thus, wintertime SSTAs do not persist through the following summer. Starting in summertime, persistence of summer SSTAs until autumn can be explained by the atmospheric forcing through a positive SSTAs-cloud/radiation feedback mechanism because the shallow summertime mixed layer is decoupled from the temperature anomalies at depth, then the following autumnwinter-spring, SSTAs persist. Thus, summer SSTAs in the CWNP have a long persistence, showing a significant decline in the following summer. In this way, SSTAs in the CWNP show a persistence barrier in summer regardless of the starting month. 展开更多
关键词 SST anomalies persistence barrier oceanic mixed layer atmospheric forcing positive cloudfeedback on SSTAs
下载PDF
基于一个海洋混合层模式对中国近海浮标SST日变化的模拟 被引量:2
4
作者 彭婕 凌铁军 王斌 《海洋预报》 北大核心 2014年第3期1-9,共9页
收集整理了中国近海18个浮标2011年全年的高时频实时观测资料,对中国近海SST日变化时空分布规律进行了分析,并利用一个改进了的一维海洋混合层模式对中国近海浮标资料进行了模拟。分析表明,中国近海SST日变化具有明显的季节变化特征。... 收集整理了中国近海18个浮标2011年全年的高时频实时观测资料,对中国近海SST日变化时空分布规律进行了分析,并利用一个改进了的一维海洋混合层模式对中国近海浮标资料进行了模拟。分析表明,中国近海SST日变化具有明显的季节变化特征。按照各季节SST日变化的明显程度,可以把近海海域分为两季型与四季型。两季型海域的SST日变化在春夏季非常明显,且变化幅度一致,而秋冬季日变化明显减小,如渤海、黄海北部和东海北部。而东海南部和南海北部等四季型海域的SST日变化幅度在各个季节均不相同,具有四季分明的特征。各个海域的短波辐射等热力通量、海面风应力等动量通量,以及上层海流等因素是造成上述分布特征的主要原因。文中使用的海洋混合层模式在对不同浮标观测SST的逐日演变过程中表现良好,对平均日变化的模拟比较合理,可以模拟出连续的、完整的SST日变化周期,并且与观测基本一致,该模式在中国近海区域具有良好的应用前景。 展开更多
关键词 SST 日变化 海洋混合层模式
下载PDF
全球气候模式对影响西北太平洋台风强度的大尺度环境因子的模拟评估 被引量:1
5
作者 吴斌 钱业 +2 位作者 王瑞芳 赵鑫 金磊 《干旱气象》 2021年第3期466-479,共14页
基于NOAA和NCEP再分析资料以及CMIP5(coupled model intercomparison project phase5)模式历史试验输出结果,首先评估模式对控制台风强度的大尺度环境因子空间分布的模拟能力,然后在台风主要发展区域,评估模式对环境因子的空间分布和时... 基于NOAA和NCEP再分析资料以及CMIP5(coupled model intercomparison project phase5)模式历史试验输出结果,首先评估模式对控制台风强度的大尺度环境因子空间分布的模拟能力,然后在台风主要发展区域,评估模式对环境因子的空间分布和时间变化特征的模拟能力。结果表明:CESM1-BGC,CESM1-CAM5和CNRM-CM5能模拟出观测的海表面温度气候分布和上升特征;CCSM4,CESM1-BGC和CESM1-CAM5能模拟出观测的混合层厚度气候分布和增厚特征;ACCESS1-0,ACCESS1-3,CanESM2和GFDL-ESM2M能模拟出观测流出层温度气候分布和下降特征,但模拟的下降率小。ACCESS1-0,CESM1-CAM5,CNRM-CM5,MPI-ESM-MR和GFDL-ESM2G能模拟出观测垂直风切变的气候分布和趋势特征。综合评估表明CESM1-BGC和CESM1-CAM5可用来研究西北太平洋台风强度的气候变化问题。 展开更多
关键词 台风强度气候变化 海温 海洋混合层厚度 流出层温度 垂直风切变
下载PDF
一种海洋混合层深度的智能识别方法研究 被引量:1
6
作者 张康 郭双喜 +6 位作者 黄鹏起 屈玲 鲁远征 岑显荣 于璐莎 周伟东 周生启 《热带海洋学报》 CAS CSCD 北大核心 2019年第5期32-41,共10页
文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型,并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布,在一个自海表向下移动的窗口内通过贝叶斯链式... 文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型,并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布,在一个自海表向下移动的窗口内通过贝叶斯链式法则和最小描述长度原理学习新数据,得到系数均值的最大后验概率估计。用F-检验识别系数发生突变的位置,以此确定混合层的存在性及其深度。通过2017年2月太平洋海域的地转海洋学实时观测阵(Arrayfor Real-time Geostrophic Oceanography,ARGO)数据进行测试,并且以质量因子(Quality Index,QI)值作为判断识别混合层深度结果准确性的依据,发现该方法相比于梯度法、阈值法、混合法、相对变化法、最大角度法和最优线性插值法在识别结果上具备更大的QI值。表明该方法能够准确识别混合层深度。 展开更多
关键词 海洋混合层 人工智能方法 贝叶斯链式法则 最小描述长度原理
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部