抽查舔水白紧大视频,冲喜娘子超甜哒 激情五月,亚洲黄色图片偷拍网站,亚洲三级黄片免费播放,91在线观看喷潮红桃,日韩精品在线观看一区二区,久久久久久久久久久久黄色片子,日产精品99久久久久久久久,欧洲亚洲另类图片小说

摘要:北極濤動(dòng)(Arctic Oscillation,AO)作為北半球冬季中高緯度大氣環(huán)流年際變率的主模態(tài),是氣候可預(yù)測(cè)性的重要來(lái)源之一。然而,AO對(duì)中高緯度地表溫度、土壤濕度、積雪等陸面特征變量的影響缺乏系統(tǒng)研究。本文基于ERA5和ERA5-Land再分析資料,通過(guò)回歸分析和物理過(guò)程診斷,揭示了AO對(duì)冬春歐亞陸面變量的影響規(guī)律和機(jī)理。結(jié)果發(fā)現(xiàn):伴隨正位相的AO,歐亞地表溫度呈現(xiàn)南北偶極型分布,即歐亞北部地表異常增暖,而歐亞南部地表異常變冷;而積雪和土壤濕度異常則總體呈現(xiàn)南北向三極型空間分布,即中緯度地區(qū)積雪覆蓋和雪深異常減小、土壤異常干燥,而高緯度地區(qū)雪深異常增加、土壤異常濕潤(rùn),低緯度地區(qū)積雪覆蓋和雪深異常增加、土壤異常濕潤(rùn)。AO相關(guān)的大氣環(huán)流異常主導(dǎo)的異常水汽輸送驅(qū)動(dòng)了上述歐亞陸面變量異常的形成。歐亞北部(南部)水汽的異常輻合(輻散)引起整層水汽和云量增加(減少),導(dǎo)致向下長(zhǎng)波輻射增加(減少),使得北部(南部)地區(qū)地表異常增暖(變冷)。同時(shí),異常水汽輸送引起的降雪和降水異常導(dǎo)致了積雪和土壤濕度異?？臻g分布的形成。水汽的異常輻散(輻合)引起降雪或降水減少(增加),導(dǎo)致了歐亞中緯度地區(qū)(高緯和低緯度)積雪覆蓋、雪深、融雪和土壤濕度異常減少(增加)。此外,AO驅(qū)動(dòng)的積雪覆蓋異常通過(guò)冰雪反照率反饋加劇了青藏高原地表溫度異常。

摘要:本文基于1980—2005年ENSEMBLES(Ensemble-based Predictions of Climate Changes and their Impact)季節(jié)—年際多模式歷史回報(bào)數(shù)據(jù)和20世紀(jì)耦合季節(jié)預(yù)測(cè)(CSF-20C)回報(bào)數(shù)據(jù)的月平均海溫、地表氣溫、降水、風(fēng)場(chǎng)及位勢(shì)高度場(chǎng)資料,利用依賴月份的集合成員間奇異值分解方法研究了北大西洋海溫異常影響東亞氣候的兩種途徑。結(jié)果表明,春、夏季熱帶北大西洋海溫暖異常與西南風(fēng)異常密切耦合,暖中心由春至夏季加強(qiáng)西移,該暖海溫異常能夠激發(fā)東傳的Kelvin,造成夏季西北太平洋異常反氣旋顯著增強(qiáng),促進(jìn)了中南半島北部、日本南部及我國(guó)南方大部的降水增長(zhǎng)。而中高緯度北大西洋海溫在春季呈現(xiàn)東北暖、西南冷的偶極子型異常,該海溫異常通過(guò)與風(fēng)場(chǎng)的強(qiáng)烈耦合,激發(fā)了遙相關(guān)波列,影響烏拉爾山阻塞高壓及東亞大槽,造成東北亞地區(qū)的低壓異常,導(dǎo)致了朝鮮半島、日本大部及我國(guó)東部的氣溫降低。

摘要:本研究使用1961—2020年長(zhǎng)江流域161個(gè)氣象站點(diǎn)汛期時(shí)降水量數(shù)據(jù),利用Mann-Kendall趨勢(shì)分析等方法,分析長(zhǎng)江流域汛期降水量集中度、集中期,揭示長(zhǎng)江流域降水的時(shí)空變化趨勢(shì)和規(guī)律。通過(guò)分析洪水年汛期間的降水量時(shí)空分布特征,探索降水量集中分布特征和規(guī)律與長(zhǎng)江流域洪澇發(fā)生的關(guān)系。結(jié)果表明,長(zhǎng)江流域汛期各站平均降水量集中度保持在0.65~0.80,整體呈現(xiàn)由東向西遞增的趨勢(shì),長(zhǎng)江流域多年平均最大降水量集中期主要表現(xiàn)為以鄱陽(yáng)湖和洞庭湖流域以及四川盆地為中心向四周滯后。在長(zhǎng)江流域的典型洪水年,除了汛期間降水量較高之外,降水量集中度、降水量集中期均有比正常年份更集中、更異常的特點(diǎn)。

摘要:本文利用NCEP(National Centers for Environmental Prediction,NCEP)再分析資料、地面區(qū)域自動(dòng)站資料和MICAPS(Meteorological Information Comprehensive Analysis and Processing System)資料對(duì)云南四次冬季強(qiáng)降水過(guò)程進(jìn)行研究,再運(yùn)用HYSPLIT模式(Hybrid Single-Particle Lagrangian Intergrated Trajectory)方法模擬影響云南冬季強(qiáng)降水的主要路徑及不同源地的水汽貢獻(xiàn)。結(jié)果表明:過(guò)程1受南支槽、切變線以及地面冷鋒共同影響,是近年來(lái)云南冬季全省性暴雨的最強(qiáng)過(guò)程。過(guò)程2—4則僅受南支槽和地面冷鋒或準(zhǔn)靜止鋒影響。日平均整層水汽通量大小與暴雨站數(shù)具有明顯正相關(guān)。降水時(shí)對(duì)流層低層至高層西、南邊界均為水汽輸入。過(guò)程1水汽收支最大,強(qiáng)降水范圍最大。過(guò)程2、3水汽輸入較大,但同時(shí)水汽輸出也較大,收支中等,強(qiáng)降水范圍次之。過(guò)程4水汽收支最小,強(qiáng)降水范圍最小。云南暴雨區(qū)500 hPa的水汽中41%來(lái)自印度洋、55%來(lái)自大西洋、4%來(lái)自西太平洋。云南暴雨區(qū)700 hPa的水汽中26%來(lái)自西太平洋、59%來(lái)自印度洋、15%來(lái)自大西洋。地面以上100 m高度的水汽17%來(lái)自西太平洋、83%來(lái)自印度洋。對(duì)比四次過(guò)程水汽通量和降水實(shí)況,來(lái)自印度洋的水汽對(duì)于降水有重要作用。

摘要:選取我國(guó)西南高原地區(qū)2014年5月9—10日一次致災(zāi)性強(qiáng)降水過(guò)程,利用GPM(Global Precipitation Measurement)衛(wèi)星全球逐半小時(shí)降水實(shí)況數(shù)據(jù)和ERA5(ECMWF Reanalysis v5)等再分析資料,進(jìn)行集合預(yù)報(bào)模擬、評(píng)估及機(jī)理分析。結(jié)果表明:(1)WRF模式較好地再現(xiàn)了此次高原強(qiáng)降水過(guò)程,基于BGM(Breeding Growth Mode)和LBGM(Local Breeding Growth Mode)初始擾動(dòng)方法生成的集合平均預(yù)報(bào)對(duì)于此次高原強(qiáng)降水過(guò)程預(yù)報(bào)效果優(yōu)于控制預(yù)報(bào),且LBGM評(píng)估結(jié)果更優(yōu);(2)濕位渦的正壓項(xiàng)MPV1和斜壓項(xiàng)MPV2對(duì)強(qiáng)降水均有一定的指示意義,850 hPa MPV1負(fù)值區(qū)和MPV2正值區(qū)與降水雨帶的落區(qū)、強(qiáng)度發(fā)展演變有較好的對(duì)應(yīng)關(guān)系;(3)LBGM方案對(duì)于降水強(qiáng)度的改善優(yōu)于BGM方案,原因之一在于LBGM方案對(duì)水汽通量散度和渦度的模擬更合理。

摘要:利用再分析格點(diǎn)資料,風(fēng)廓線雷達(dá)、微波輻射計(jì)、雨滴譜儀、S和X波段雙偏振雷達(dá)等多源探測(cè)資料,分別從形勢(shì)背景和降水精細(xì)結(jié)構(gòu)特征等不同尺度,分析臺(tái)風(fēng)"煙花"造成南京短時(shí)強(qiáng)降水的成因,并探索新型探測(cè)資料在提升短期臨近預(yù)報(bào)能力中的應(yīng)用。結(jié)果表明:(1)有利的氣旋組織結(jié)構(gòu)、環(huán)境風(fēng)場(chǎng)、水汽傳輸、環(huán)流形勢(shì)為短時(shí)強(qiáng)降水產(chǎn)生提供大尺度背景條件。迅速發(fā)展的邊界層急流和強(qiáng)垂直風(fēng)速切變,以及逆溫對(duì)兩者的正反饋?zhàn)饔?觸發(fā)了短時(shí)強(qiáng)降水。增強(qiáng)的水汽密度和云水含量、增厚的飽和濕層,有利于降水的維持。高數(shù)濃度小雨滴經(jīng)暖雨過(guò)程后,生成了較低數(shù)濃度、形狀規(guī)則、純液態(tài)的中—大粒徑雨滴,導(dǎo)致雨強(qiáng)的增強(qiáng),回波呈低云頂、低質(zhì)心、較高反射率強(qiáng)度的特征。(2)新型探測(cè)資料對(duì)預(yù)判此次短時(shí)強(qiáng)降水的產(chǎn)生和強(qiáng)度體現(xiàn)出較好指示作用,溫濕風(fēng)廓線提前1.5~4 h表征了風(fēng)暴組織結(jié)構(gòu)的增強(qiáng),微物理參量提前0.5 h預(yù)示了降水的強(qiáng)度和性質(zhì)。(3)X波段雷達(dá)探測(cè)的強(qiáng)降水回波強(qiáng)度弱、范圍小、衰減明顯,但可以獲取邊界層以下云水粒子的微物理特征,與S波段雷達(dá)配合可以有效提升低層的監(jiān)測(cè)能力。

摘要:采用NCEP/NCAR再分析資料對(duì)2019年超強(qiáng)臺(tái)風(fēng)"利奇馬"的干空氣和冷空氣侵入特征進(jìn)行分析,并利用WRF模式進(jìn)行數(shù)值模擬試驗(yàn)。結(jié)果表明:冷暖空氣主要在臺(tái)風(fēng)西側(cè)對(duì)峙,低層冷空氣從臺(tái)風(fēng)西北側(cè)隨臺(tái)風(fēng)倒槽和西風(fēng)槽旋轉(zhuǎn)逐漸包圍臺(tái)風(fēng)主體,隨著槽后暖脊東移,中高層槽后冷空氣逐漸被填塞,低層冷空氣侵入更加明顯。干空氣在臺(tái)風(fēng)西側(cè)聚集,中高層干空氣從南側(cè)侵入臺(tái)風(fēng)環(huán)流,破壞臺(tái)風(fēng)高層暖心結(jié)構(gòu),導(dǎo)致臺(tái)風(fēng)不對(duì)稱性增強(qiáng)。數(shù)值模擬顯示,冷暖空氣對(duì)峙位置及強(qiáng)度與暴雨落區(qū)及強(qiáng)度有較好的對(duì)應(yīng)關(guān)系。冷空氣強(qiáng)度減弱后,侵入速度明顯減慢,溫度梯度減小且大值區(qū)偏西,低層輻合高層輻散的動(dòng)力條件變差,造成降水減弱,雨帶分布偏西。冷空氣通過(guò)改變臺(tái)風(fēng)外圍西風(fēng)槽強(qiáng)度及溫度梯度,影響急流強(qiáng)度,進(jìn)而導(dǎo)致臺(tái)風(fēng)強(qiáng)度的變化。干空氣在模擬前期由于水汽在旋轉(zhuǎn)輸入途中不斷損耗,侵入速度減慢,對(duì)臺(tái)風(fēng)影響較小;在模擬后期,干空氣侵入強(qiáng)度減弱后,對(duì)中高層結(jié)構(gòu)破壞減弱,臺(tái)風(fēng)變性速度變慢。

摘要:本文利用ECMWF ERA-INTERIM(0.25°×0.25°)再分析資料和FY-2H衛(wèi)星云頂亮溫資料,通過(guò)計(jì)算鋒生函數(shù)、非地轉(zhuǎn)風(fēng)、水平風(fēng)切變強(qiáng)度的分布與暴雨的關(guān)系,對(duì)2020年7月5—7日江蘇一次暴雨過(guò)程的成因進(jìn)行了診斷分析。結(jié)果表明,強(qiáng)降水區(qū)中低層鋒生、中高層鋒消。850 hPa鋒生變化能反映出對(duì)暴雨的影響,散度項(xiàng)、變形項(xiàng)對(duì)鋒生為正貢獻(xiàn),變形項(xiàng)、傾斜項(xiàng)與總鋒生變化趨勢(shì)基本一致,散度鋒生始終伴隨整個(gè)降水過(guò)程,暴雨最強(qiáng)階段是由傾斜鋒生疊加在水平鋒生上作用的結(jié)果。鋒生加強(qiáng)了風(fēng)場(chǎng)的非地轉(zhuǎn)性,并強(qiáng)迫出鋒面次級(jí)環(huán)流,非地轉(zhuǎn)風(fēng)的散度形成次級(jí)環(huán)流上升支。對(duì)流層低層,鋒生強(qiáng)度隨急流發(fā)展同步增強(qiáng)。200 hPa高空急流經(jīng)向v場(chǎng)變化與暴雨強(qiáng)度演變趨勢(shì)正相關(guān):暴雨開(kāi)始階段,v場(chǎng)增大,降水增強(qiáng);當(dāng)高空急流v場(chǎng)最大時(shí),暴雨最強(qiáng);暴雨減弱結(jié)束階段,高、低空v場(chǎng)減小,北風(fēng)增大,高空西南風(fēng)急流右后方次地轉(zhuǎn)現(xiàn)象消失,轉(zhuǎn)為超地轉(zhuǎn)西南風(fēng)。

摘要:利用1961—2019年廣東省86站逐日降水資料及NCEP/NCAR再分析資料,對(duì)廣東前汛期連續(xù)暴雨統(tǒng)計(jì)特征進(jìn)行分析,并從500 hPa中低緯度環(huán)流條件、850 hPa u、v風(fēng)場(chǎng)條件和高低層散度條件3個(gè)方面進(jìn)行綜合分析,建立了廣東前汛期連續(xù)暴雨的天氣概念模型。結(jié)果表明:(1)廣東前汛期連續(xù)暴雨過(guò)程4、5、6月占比分別為12.0%、38.9%和49.1%,過(guò)程主要發(fā)生在5—6月。(2)對(duì)108次歷史連續(xù)暴雨過(guò)程進(jìn)行檢驗(yàn)統(tǒng)計(jì),其中102次符合概念模型,回報(bào)準(zhǔn)確率達(dá)94.4%;應(yīng)用概念模型準(zhǔn)確預(yù)報(bào)了2020年6月5—9日的連續(xù)暴雨過(guò)程,說(shuō)明其具有較好的預(yù)報(bào)能力。

摘要:利用2018—2019年多普勒激光雷達(dá)資料及Micaps數(shù)據(jù),探討了北京地區(qū)邊界層低空急流的季節(jié)變化、日變化及發(fā)展演變特征,統(tǒng)計(jì)分析了不同天氣系統(tǒng)下,邊界層低空急流出現(xiàn)的頻次。結(jié)果表明:(1)北京地區(qū)邊界層低空急流表現(xiàn)出明顯的季節(jié)性差異特征。急流在春、夏、冬季每日發(fā)生的頻率分別為56.2%、52.3%、54.8%,而秋季最高,為79.4%,且四季都存在單日多急流過(guò)程的現(xiàn)象;急流軸高度表現(xiàn)為單峰狀態(tài),春、冬兩季急流發(fā)生頻率與高度呈反比,秋、冬兩季的急流多發(fā)生于200~400 m低層峰值內(nèi);北京地區(qū)全年急流強(qiáng)度多以弱急流為主,主要集中于5~9 m·s^-1,春、秋及冬季急流強(qiáng)度較弱,夏季急流較強(qiáng)。(2)北京地區(qū)邊界層低空急流具有明顯的日變化特征,近89.5%的急流發(fā)生于夜間,日間發(fā)生的急流主要集中于上午,發(fā)生頻率為7.6%,統(tǒng)計(jì)發(fā)現(xiàn)這部分急流主要為夜間急流的延續(xù)。(3)北京地區(qū)邊界層低空急流按其發(fā)展特征可分為5種類型:經(jīng)典型、抬升型、下沉型、間歇型及弱風(fēng)速帶型。(4)急流多發(fā)的天氣形勢(shì)可分為高壓控制、高壓前部、高壓后部、高壓底部、高壓頂部及均壓場(chǎng)6種類型,急流發(fā)生頻率分別為11.1%、9.5%、7.9%、6.3%、15.9%及38.1%。

摘要:基于中尺度氣象—化學(xué)模式WRF-Chem,研究了黑碳?xì)馊苣z自周邊地區(qū)向青藏高原輸送的季節(jié)性差異,并分析了其可能原因。結(jié)果表明:青藏高原近地面平均黑碳?xì)馊苣z濃度夏季最低,春季最高。青藏高原當(dāng)?shù)睾谔細(xì)馊苣z主要來(lái)自于南亞地區(qū),其次是東南亞地區(qū),我國(guó)貢獻(xiàn)相對(duì)較小。春季南亞地區(qū)的黑碳?xì)馊苣z主要通過(guò)干沉降輸送至高原,夏季僅有少量的黑碳?xì)馊苣z通過(guò)濕沉降的方式從我國(guó)輸送至青藏高原的東北部地區(qū),冬季青藏高原近地面的黑碳?xì)馊苣z均通過(guò)干沉降從南亞地區(qū)輸送而來(lái)。

摘要:本文利用主要的大氣污染物濃度和氣象觀測(cè)要素、ERA-5再分析數(shù)據(jù)等資料,結(jié)合后向軌跡模式(HYSPILT),對(duì)2020 年12月長(zhǎng)三角地區(qū)連續(xù)重污染期間的氣候背景、天氣形勢(shì)及氣象特征進(jìn)行了分析。結(jié)果表明,此次污染過(guò)程是發(fā)生在西伯利亞高壓偏強(qiáng),低空存在逆溫的背景下,弱冷空氣將山東南部的污染物不斷向長(zhǎng)三角地區(qū)輸送,后受弱氣壓場(chǎng)控制,污染物滯留在長(zhǎng)三角地區(qū),在穩(wěn)定層結(jié)、高濕小風(fēng)、二次生成及污染邊界層正反饋的作用下,污染物不斷累積,污染質(zhì)量濃度增大,表現(xiàn)了該地區(qū)大氣重污染的復(fù)雜特征。

摘要:利用氣象常規(guī)觀測(cè)資料以及國(guó)家環(huán)境監(jiān)測(cè)站PM_2.5質(zhì)量濃度資料,分析2019年3月1—6日北京持續(xù)性霧霾過(guò)程特征、環(huán)流形勢(shì)和氣象影響因子;再基于HYSPLIT模式,模擬過(guò)程期間北京近地層氣團(tuán)的后向軌跡;采用WRF-Chem對(duì)污染過(guò)程中PM_2.5輸送通量進(jìn)行模擬分析。結(jié)果表明,在整個(gè)污染過(guò)程中北京高空環(huán)流平直或受槽后西北氣流控制,地面受弱高壓或低壓槽控制,風(fēng)速較小,近地層逆溫維持,氣象條件不利于污染物擴(kuò)散;PM_2.5質(zhì)量濃度與地面風(fēng)速、相對(duì)濕度變化明顯相關(guān),是影響PM_2.5質(zhì)量濃度日變化的重要?dú)庀笠蜃?除不利于本地污染擴(kuò)散的氣象條件外,HYSPLIT軌跡聚類結(jié)果顯示,本次污染過(guò)程中有向北京的污染氣團(tuán)輸送,以西南—東北向路徑為主,此類軌跡占比大、PM_2.5平均質(zhì)量濃度大,在污染輸送中貢獻(xiàn)最大;WRF-Chem模擬PM_2.5輸送通量結(jié)果表明在整個(gè)污染過(guò)程中北京南側(cè)和東側(cè)有較大的PM_2.5輸入通量,與軌跡模擬結(jié)果及北京東南部污染相對(duì)西北更重的觀測(cè)實(shí)際基本一致。

摘要:為獲取不同種類冰相粒子擬合譜參數(shù)的統(tǒng)計(jì)關(guān)系,本文利用2017年5月22日的飛機(jī)原位探測(cè)數(shù)據(jù),對(duì)中國(guó)北方地區(qū)的冰相粒子譜進(jìn)行研究。針對(duì)機(jī)載高容量降水光譜儀(High Volume Precipitation Spectrometer, HVPS)觀測(cè)數(shù)據(jù),提出了一種基于決策樹方法的圖像分類算法,可將水凝物粒子分為小冰晶、柱狀冰晶、聚合狀雪花和雨滴,并提取出水凝物粒徑、軸比和數(shù)量等特征,結(jié)合采樣體積計(jì)算沿飛行軌跡的各類水凝物的粒子譜。利用觀測(cè)粒子譜的各階矩將其擬合為Gamma譜分布,并分析譜分布參數(shù)間的統(tǒng)計(jì)關(guān)系,該關(guān)系可作為雷達(dá)反演模型的約束條件。為了驗(yàn)證擬合粒子譜參數(shù)的準(zhǔn)確性,利用T矩陣方法計(jì)算沿飛行軌跡的各類水凝物散射特性,并使用雷達(dá)模擬器結(jié)合擬合粒子譜模擬雷達(dá)變量。結(jié)果表明,模擬雷達(dá)反射率與附近S波段雷達(dá)觀測(cè)結(jié)果吻合良好,在整個(gè)飛行過(guò)程中平均絕對(duì)誤差為19.55%,這可能是由飛行觀測(cè)和雷達(dá)觀測(cè)的采樣體積不同以及T矩陣方法中參數(shù)假設(shè)所造成的?；谟^測(cè)構(gòu)建中國(guó)北部背景下粒子譜和雷達(dá)變量間的物理關(guān)系,可以改進(jìn)冰相粒子譜的雷達(dá)反演算法,為進(jìn)一步分析冰相微物理過(guò)程,提高數(shù)值預(yù)報(bào)的準(zhǔn)確性提供基礎(chǔ)。

摘要:FY-3G是我國(guó)首顆低傾角軌道降水衛(wèi)星,于2023年4月16日成功發(fā)射升空,主要用于災(zāi)害性天氣系統(tǒng)的降水監(jiān)測(cè),觀測(cè)范圍在50°S~50°N內(nèi)。MWRI-RM (Microwave Radiation Imager for the Rainfall Mission)是FY-3G搭載的主載荷之一。與搭載在FY-3B/C/D上的微波成像儀不同,MWRI-RM 設(shè)有26個(gè)通道,包括中心頻率覆蓋10~89 GHz的大氣窗區(qū)通道1~10,54 GHz附近的溫度探測(cè)通道11~18、118 GHz和166 GHz的弱降水探測(cè)通道19~23、以及183 GHz附近的濕度探測(cè)通道24~26。本文發(fā)現(xiàn)MWRI-RM 26個(gè)通道觀測(cè)亮溫均存在條紋噪聲。頻率范圍在10.65~36.5 GHz觀測(cè)資料中的條紋噪聲相對(duì)較小,大部分在±0.3 K之間;頻率范圍在89~183 GHz觀測(cè)資料中的條紋噪聲較大,除大部分在±0.5 K之間外,有些可達(dá)±1 K。本文所使用的條紋噪聲去除方法能使海陸邊界和云邊緣處的亮溫突變不被誤認(rèn)為條紋噪聲的一部分,保證亮溫重構(gòu)場(chǎng)的正確性。識(shí)別和消除條紋噪聲是MWRI-RM亮溫觀測(cè)降水產(chǎn)品反演和數(shù)據(jù)同化應(yīng)用的重要步驟。

摘要:2021 年 5 月10 日和2022年3月16日,湖北省東部分別發(fā)生14級(jí)和12級(jí)的極端雷暴大風(fēng)天氣過(guò)程(簡(jiǎn)稱"5·10"和"3·16"過(guò)程)。本文利用地面加密氣象站的觀測(cè)資料和ERA5逐小時(shí)0.25°×0.25°再分析資料及多普勒天氣雷達(dá)等資料,對(duì)比分析了兩次過(guò)程產(chǎn)生的環(huán)境背景和雷達(dá)回波特征。結(jié)果表明: (1)兩次過(guò)程均受川東低槽和中低層低渦東部暖切變的影響,呈現(xiàn)上干冷下暖濕、低層輻合高層輻散的特征,表征雷暴大風(fēng)的物理量如對(duì)流有效位能、下沉對(duì)流有效位能等極端異常,環(huán)境場(chǎng)有利于極端雷暴大風(fēng)發(fā)生。(2)兩次過(guò)程均由冷池出流形成陣風(fēng)鋒觸發(fā)雷暴大風(fēng),但"5·10"過(guò)程還受其他地面中尺度輻合影響。(3)兩次過(guò)程強(qiáng)風(fēng)暴均由多個(gè)單體合并發(fā)展而成,"5·10"風(fēng)暴高度更高,而"3·16"則強(qiáng)度更強(qiáng),"5·10"表現(xiàn)出小弓狀回波及其后側(cè)弱回波通道特征;"3·16"弱回波區(qū)清晰,表現(xiàn)出類超級(jí)單體特征。(4)速度圖上均表現(xiàn)出低仰角大風(fēng)區(qū)和小尺度的輻散特征。"5·10"過(guò)程以低仰角大風(fēng)區(qū)為主,大風(fēng)由超低空急流疊加下?lián)舯┝髟斐?"3·16"過(guò)程則以中層徑向輻合和最大反射率因子的快速下降特征為主,為下?lián)舯┝鞔箫L(fēng)。

摘要:本文利用白鶴灘水電站峽谷區(qū)2020年11月—2021年7月的觀測(cè)數(shù)據(jù),選擇多種風(fēng)場(chǎng)變化情景時(shí)段,將邊界層風(fēng)廓線雷達(dá)與地面和高空觀測(cè)結(jié)果進(jìn)行對(duì)比分析,以檢驗(yàn)風(fēng)廓線雷達(dá)在特殊地形下的探測(cè)效果。結(jié)果表明:(1)風(fēng)廓線雷達(dá)能夠準(zhǔn)確捕捉到低空0.5~1 km的風(fēng)速演變信息,且能夠反映邊界層低空急流和2~3 km低空急流的發(fā)展,以及山谷風(fēng)的轉(zhuǎn)換時(shí)間,雷達(dá)數(shù)據(jù)獲取率在地面低風(fēng)速時(shí)段較強(qiáng)風(fēng)速時(shí)段高,但受自身探測(cè)體制的制約和山區(qū)峽谷特殊地形的影響,雷達(dá)在0.5 km以下獲取的有效數(shù)據(jù)量少,且探測(cè)的風(fēng)向風(fēng)速與地面觀測(cè)存在不一致,在低風(fēng)速時(shí)段還有風(fēng)速瞬時(shí)異常增大現(xiàn)象。(2)在峽谷區(qū)大風(fēng)伴隨降水天氣中,風(fēng)廓線雷達(dá)探測(cè)有效數(shù)據(jù)的高度增加且整層數(shù)據(jù)獲取率增加,其中0.7~3.5 km數(shù)據(jù)獲取率大于90%。且能夠探測(cè)2~3 km的強(qiáng)垂直風(fēng)切變及其高度變化。當(dāng)降水增強(qiáng)時(shí),雷達(dá)探測(cè)的大氣折射率結(jié)構(gòu)常數(shù)和垂直風(fēng)速值都會(huì)顯著增大,且大值區(qū)高度上升。(3)對(duì)比風(fēng)廓線雷達(dá)與ERA5再分析數(shù)據(jù)和探空觀測(cè)的結(jié)果,發(fā)現(xiàn)在4 km以下雷達(dá)探測(cè)結(jié)果穩(wěn)定,在4 km以上由于雷達(dá)探測(cè)體制的影響,探測(cè)結(jié)果不穩(wěn)定。具體表現(xiàn)為雷達(dá)能夠準(zhǔn)確探測(cè)低空急流高度和強(qiáng)度,并獲取1~4 km冷暖平流特性。

摘要:本文使用MICAPS天氣圖、閃電數(shù)據(jù)、雷達(dá)回波等資料,采用天氣學(xué)、雷達(dá)氣象學(xué)的原理和方法,對(duì)2018—2022年江西4次超級(jí)單體冰雹回波特征進(jìn)行分析。結(jié)果表明:(1)超級(jí)單體發(fā)生在500 hPa低槽東移過(guò)程和"上干下濕"的重疊地區(qū)。超級(jí)單體垂直速度區(qū)比較明顯,正負(fù)速度梯度密集、分布零散,對(duì)應(yīng)雷達(dá)回波上是典型的雷暴回波群超級(jí)單體結(jié)構(gòu)。(2)贛州市石城觀音坑超級(jí)單體冰雹直徑≥2 cm,回波強(qiáng)度為65 dBZ,強(qiáng)回波面積為119 km²;南昌超級(jí)單體冰雹直徑≥10 cm,回波強(qiáng)度≥70 dBZ,強(qiáng)回波面積為750 km²,并具有"盾"形回波結(jié)構(gòu);新余羅坊鎮(zhèn)超級(jí)單體冰雹直徑≥2 cm,回波強(qiáng)度為65 dBZ,強(qiáng)回波面積為280 km²;浮梁縣經(jīng)公橋鎮(zhèn)、西湖鄉(xiāng)微型超級(jí)單體冰雹直徑≤2 cm,回波強(qiáng)度≤60 dBZ,強(qiáng)回波面積為119 km²。(3)超級(jí)單體垂直積分液態(tài)水含量VIL≥60 kg·m^-2,反射率因子垂直剖面RCS上回波強(qiáng)度≥65 dBZ,有回波核與傾斜;60 dBZ回波頂高在10 km以上。(4)超級(jí)單體"盾"形回波結(jié)構(gòu)在底層1 000~2 000 m比較明顯,層次越高有所分散,甚至形成多個(gè)回波中心。超級(jí)單體風(fēng)暴中1 000~4 000 m 高度風(fēng)場(chǎng)變化比較雜亂,可見(jiàn)輻散、輻合等多種矢量流線,5 000 m 以上風(fēng)場(chǎng)趨于一致。

摘要:利用2008—2022年江蘇省65個(gè)縣、區(qū)的大風(fēng)災(zāi)情數(shù)據(jù)和同步氣象資料,對(duì)不同量級(jí)的災(zāi)情指標(biāo)做規(guī)范化處理,建立綜合災(zāi)情指數(shù);經(jīng)K-均值聚類分析,確定大風(fēng)指標(biāo)和災(zāi)情等級(jí);基于各等級(jí)大風(fēng)的成災(zāi)頻率和災(zāi)情指數(shù)構(gòu)建大風(fēng)災(zāi)害損失風(fēng)險(xiǎn)評(píng)估模型,結(jié)合GIS的空間分析技術(shù)開(kāi)展江蘇省大風(fēng)災(zāi)害損失風(fēng)險(xiǎn)評(píng)價(jià)研究。結(jié)果顯示,江蘇省大風(fēng)災(zāi)害損失風(fēng)險(xiǎn)分布總體呈現(xiàn)北高南低的態(tài)勢(shì),災(zāi)害損失的高、中風(fēng)險(xiǎn)區(qū)主要分布在淮北西部、沿淮東部以及蘇南的局部地區(qū),而連云港和淮河以南大部分地區(qū)大風(fēng)災(zāi)害損失風(fēng)險(xiǎn)相對(duì)較低,這在一定程度上體現(xiàn)出江蘇各地的大風(fēng)成災(zāi)風(fēng)險(xiǎn)水平和抗災(zāi)能力。