长三角地区是我国城镇化程度最高的地区之一,下垫面存在典型的非均匀性特征,复杂下垫面结构甚至体现在亚公里级尺度.为了探讨城镇化背景下土地利用精细化对气象环境的影响,本文利用高分辨率土地利用数据探讨了次网格非均匀性对长三角地...长三角地区是我国城镇化程度最高的地区之一,下垫面存在典型的非均匀性特征,复杂下垫面结构甚至体现在亚公里级尺度.为了探讨城镇化背景下土地利用精细化对气象环境的影响,本文利用高分辨率土地利用数据探讨了次网格非均匀性对长三角地区气象环境模拟的影响.在基于WRF(Weather Research and Forecasting model)模式对2020和2022年夏季的数值模拟过程中,分别采用Noah_mosaic/Noah陆面方案开展是否考虑次网格非均匀性的高分辨率敏感性试验.结果表明,相比Noah方案,Noah_mosaic方案模拟结果与观测的相关性更高,误差更小,说明其能更好地反映城市群区域复杂下垫面物理过程.考虑次网格非均匀性后,城区变冷变湿,郊区变暖变干,这种变化在夜间更为显著,尤其是温度场,白天城区/郊区平均温度变化为-0.04℃/0.05℃,夜间城区/郊区平均温度变化为-0.14℃/0.53℃.非均匀性对模拟结果的影响可达到400 m高空,特别是在夜间增加了郊区大气的不稳定性.同时,夜间几乎整个陆地区域内的体感温度增加约0.27℃.此外,研究还发现当格点中建筑占比小于50%时,除了日最低温T_(min)以外,气象要素随着建筑占比的增加变化幅度较大,T_(mean)和T_(max)增率分别达到0.29℃/10%和0.55℃/10%,反之,则T_(mean)和T_(max)增率仅为0.1℃/10%和0.06℃/10%,这说明低建筑密度区域的小城镇未来发展将对气象环境产生更大的影响.展开更多
基于中国气象局(China Meterological Administration,CMA)高分辨率数值预报产品、欧洲中期数值预报中心(the European Center for Medium-range Weather Forecast,ECMWF)精细化数值预报产品和国家级地面观测站数据,采用小波分析方法及...基于中国气象局(China Meterological Administration,CMA)高分辨率数值预报产品、欧洲中期数值预报中心(the European Center for Medium-range Weather Forecast,ECMWF)精细化数值预报产品和国家级地面观测站数据,采用小波分析方法及滑动训练、最优融合等技术对模式误差序列进行时频处理,实现了对模式系统误差和局地误差的订正,发展了西北区智能网格气温客观预报方法(northwest intelligent grid temperature objective prediction method,NWTM)。以2017年3月—2018年2月数据作为训练样本,对2018年3月—2019年1月西北区239个国家基本站进行检验。结果表明:1)NWTM对CMA和ECMWF两种模式产品的气温预报能力有显著的提升;随着预报时效增长,两种模式订正产品的误差增大。2)NWTM对ECMWF西北区最高气温的订正效果要明显优于CMA,但就最低气温而言,NWTM对CMA的订正效果更为显著。其中,就24 h最高气温而言,ECMWF在宁夏的订正效果最好,CMA在青海的订正效果最好;而对于24 h最低气温的预报,CMA在西北4省的订正效果相差不大,ECMWF在陕西的订正效果最好。3)空间误差检验表明:针对最高气温的预报,ECMWF订正产品的订正能力明显优于CMA,特别是在甘肃河西走廊和中东部、陕西北部和南部、宁夏中南部及青海大部。就最低气温的预报而言,ECMWF和CMA对甘肃河东和陕西南部的订正能力较好;ECMWF订正产品在宁夏中南部及青海南部的订正能力高于CMA,而CMA订正产品在陕西中部的订正能力更优。展开更多
基于欧洲中期天气预报中心(the European Centre for Medium-Range Weather Forecasts,ECMWF)2015年2月8日—2016年12月31日中国华东及华南地区24~168 h预报时效的逐日24 h累积降水集合预报资料,利用前馈神经网络建立NN(Neutral Network...基于欧洲中期天气预报中心(the European Centre for Medium-Range Weather Forecasts,ECMWF)2015年2月8日—2016年12月31日中国华东及华南地区24~168 h预报时效的逐日24 h累积降水集合预报资料,利用前馈神经网络建立NN(Neutral Network)模型及NN-GI(Neutral Network-Geographic Information)模型进行概率预报试验,并对两个模型输出的概率预报结果进行评估。结果表明,经NN模型和NN-GI模型订正后,降水概率预报结果得到明显改进,在168 h预报时效时,降水概率预报的CRPS值与原始集合预报相比分别下降了约16.00%、21.27%。与NN模型相比,NN-GI模型由于考虑到各格点的地理信息差异,在区域内预报技巧整体改进更优。这表明,在利用机器学习方法改进降水预报时,在模型中加入各个格点的地理信息非常重要。展开更多
利用台站常规观测资料和NCEP-FNL再分析资料,检验了GRAPES(Global/Regional Assimilation and Prediction Enhanced System)对2011/2012年冬季我国寒潮天气过程的预报能力。结果表明,GRAPES模式能较好地预报出该冬季4次寒潮过程的明显...利用台站常规观测资料和NCEP-FNL再分析资料,检验了GRAPES(Global/Regional Assimilation and Prediction Enhanced System)对2011/2012年冬季我国寒潮天气过程的预报能力。结果表明,GRAPES模式能较好地预报出该冬季4次寒潮过程的明显降温、高低空环流形势及冷平流的入侵,模式对2月22日寒潮的预报效果较差。对于强降温预报,在1月18日、2月5日及2月14日寒潮过程中,模式在新疆部分地区、云贵高原和四川盆地的预报效果较差。在2月22日寒潮中,我国东部地区出现了较大偏差,模式预报的500 h Pa上阻塞高压及东亚大槽等系统的强度和位置出现较大偏差。4次过程中,模式预报的冷、暖平流在我国东北部大小兴安岭及长江流域以南有较大偏差。对于2月22日寒潮,模式预报新疆地区、大兴安岭和辽宁的冷平流范围和强度、及长江流域以南暖平流的范围和强度都要大于实况,导致此次寒潮温度预报误差大,这可能与在地形区域模式物理过程存在一定误差有关。展开更多
文摘长三角地区是我国城镇化程度最高的地区之一,下垫面存在典型的非均匀性特征,复杂下垫面结构甚至体现在亚公里级尺度.为了探讨城镇化背景下土地利用精细化对气象环境的影响,本文利用高分辨率土地利用数据探讨了次网格非均匀性对长三角地区气象环境模拟的影响.在基于WRF(Weather Research and Forecasting model)模式对2020和2022年夏季的数值模拟过程中,分别采用Noah_mosaic/Noah陆面方案开展是否考虑次网格非均匀性的高分辨率敏感性试验.结果表明,相比Noah方案,Noah_mosaic方案模拟结果与观测的相关性更高,误差更小,说明其能更好地反映城市群区域复杂下垫面物理过程.考虑次网格非均匀性后,城区变冷变湿,郊区变暖变干,这种变化在夜间更为显著,尤其是温度场,白天城区/郊区平均温度变化为-0.04℃/0.05℃,夜间城区/郊区平均温度变化为-0.14℃/0.53℃.非均匀性对模拟结果的影响可达到400 m高空,特别是在夜间增加了郊区大气的不稳定性.同时,夜间几乎整个陆地区域内的体感温度增加约0.27℃.此外,研究还发现当格点中建筑占比小于50%时,除了日最低温T_(min)以外,气象要素随着建筑占比的增加变化幅度较大,T_(mean)和T_(max)增率分别达到0.29℃/10%和0.55℃/10%,反之,则T_(mean)和T_(max)增率仅为0.1℃/10%和0.06℃/10%,这说明低建筑密度区域的小城镇未来发展将对气象环境产生更大的影响.
文摘基于中国气象局(China Meterological Administration,CMA)高分辨率数值预报产品、欧洲中期数值预报中心(the European Center for Medium-range Weather Forecast,ECMWF)精细化数值预报产品和国家级地面观测站数据,采用小波分析方法及滑动训练、最优融合等技术对模式误差序列进行时频处理,实现了对模式系统误差和局地误差的订正,发展了西北区智能网格气温客观预报方法(northwest intelligent grid temperature objective prediction method,NWTM)。以2017年3月—2018年2月数据作为训练样本,对2018年3月—2019年1月西北区239个国家基本站进行检验。结果表明:1)NWTM对CMA和ECMWF两种模式产品的气温预报能力有显著的提升;随着预报时效增长,两种模式订正产品的误差增大。2)NWTM对ECMWF西北区最高气温的订正效果要明显优于CMA,但就最低气温而言,NWTM对CMA的订正效果更为显著。其中,就24 h最高气温而言,ECMWF在宁夏的订正效果最好,CMA在青海的订正效果最好;而对于24 h最低气温的预报,CMA在西北4省的订正效果相差不大,ECMWF在陕西的订正效果最好。3)空间误差检验表明:针对最高气温的预报,ECMWF订正产品的订正能力明显优于CMA,特别是在甘肃河西走廊和中东部、陕西北部和南部、宁夏中南部及青海大部。就最低气温的预报而言,ECMWF和CMA对甘肃河东和陕西南部的订正能力较好;ECMWF订正产品在宁夏中南部及青海南部的订正能力高于CMA,而CMA订正产品在陕西中部的订正能力更优。
文摘基于欧洲中期天气预报中心(the European Centre for Medium-Range Weather Forecasts,ECMWF)2015年2月8日—2016年12月31日中国华东及华南地区24~168 h预报时效的逐日24 h累积降水集合预报资料,利用前馈神经网络建立NN(Neutral Network)模型及NN-GI(Neutral Network-Geographic Information)模型进行概率预报试验,并对两个模型输出的概率预报结果进行评估。结果表明,经NN模型和NN-GI模型订正后,降水概率预报结果得到明显改进,在168 h预报时效时,降水概率预报的CRPS值与原始集合预报相比分别下降了约16.00%、21.27%。与NN模型相比,NN-GI模型由于考虑到各格点的地理信息差异,在区域内预报技巧整体改进更优。这表明,在利用机器学习方法改进降水预报时,在模型中加入各个格点的地理信息非常重要。
文摘利用台站常规观测资料和NCEP-FNL再分析资料,检验了GRAPES(Global/Regional Assimilation and Prediction Enhanced System)对2011/2012年冬季我国寒潮天气过程的预报能力。结果表明,GRAPES模式能较好地预报出该冬季4次寒潮过程的明显降温、高低空环流形势及冷平流的入侵,模式对2月22日寒潮的预报效果较差。对于强降温预报,在1月18日、2月5日及2月14日寒潮过程中,模式在新疆部分地区、云贵高原和四川盆地的预报效果较差。在2月22日寒潮中,我国东部地区出现了较大偏差,模式预报的500 h Pa上阻塞高压及东亚大槽等系统的强度和位置出现较大偏差。4次过程中,模式预报的冷、暖平流在我国东北部大小兴安岭及长江流域以南有较大偏差。对于2月22日寒潮,模式预报新疆地区、大兴安岭和辽宁的冷平流范围和强度、及长江流域以南暖平流的范围和强度都要大于实况,导致此次寒潮温度预报误差大,这可能与在地形区域模式物理过程存在一定误差有关。
