The "21.7" extreme rainstorm in Zhengzhou,Henan Province,was a severe meteorological disaster that has occurred in China in recent years. The numerical models show significant uncertainty in this rainfall event,and there are deviations in the forecast of rainfall areas and intensity. Currently,the formation mechanism of the "21.7" Henan rainstorm has been widely studied,but research on its ensemble sensitivity analysis is very limited. Ensemble sensitivity analysis is a method that utilizes ensemble forecasts to estimate the sensitivity of model forecasts to initial conditions. It diagnoses the influencing factors of extreme weather processes and analyze the uncertainty of ensemble forecasts. Therefore,this study focuses on the individual case of the "21.7" Henan rainstorm,using the WRF⁃ARW model,combined with ensemble initial conditions,multi⁃physics,and model perturbations to construct serveral regional model ensemble forecasts. Ensemble sensitivity analysis is used to assess the predictability of the "21.7" Henan rainstorm and analyze the factors influencing this rainfall. The results show that the "21.7" Henan rainstorm is sensitive to the temperature field,humidity field,wind field,and geopotential height field perturbations of the initial conditions. Enhancing the cyclonic circulation in the Zhengzhou area,changing the temperature over Zhengzhou,reducing the air pressure in the Zhengzhou area,or strengthening the intensity of Typhoon In⁃Fa can enhance the precipitation intensity of this rainfall. This study improves understanding of the causes of the "21.7" Henan rainstorm and enhance ensemble forecasts.
Zhao Zhiyu, Zhang Jin, Lei Lili, Zhang Yi. Ensemble sensitivity analysis for the "21.7" Henan extreme rainstorm. Journal of nanjing University[J], 2024, 60(2): 181-193 doi:10.13232/j.cnki.jnju.2024.02.001
2021年7月19日至22日,河南省出现了大范围极端降水天气,简称“21.7”河南暴雨.这次极端暴雨过程持续时间长,降水量极大,具有明显的极端灾害性,主要强降水时段集中在7月19日00时至22日00时.对于这次极端降水,数值模式对暴雨落区和降水强度的预测均存在较大的不确定性[1] .本研究对这次极端降水进行了敏感性分析.敏感性分析是一种用来表征预报变量对初始条件微小变化的响应,并研究天气事件背后的动力学机制和可预报性的定量方式.传统的敏感性分析通过主观选取状态变量和区域进行扰动,将模式向前积分,并评估预报响应来完成.然而,重新运行模式需要巨大的计算成本,并且由于扰动变量或区域的选择通常是主观的,往往难以获取优化的初始扰动.因此目前广泛使用的敏感性分析方法为客观方法,包括基于伴随模式的敏感性分析(Adjoint Sensitivity Analysis,ASA)[2]以及基于集合预报的敏感性分析(Ensemble Sensitivity Analysis,ESA)[3].伴随敏感性已被应用于极端降水事件的分析.Chu and Tan[4]使用伴随敏感性诊断了一次梅雨极端降水事件,指出减少低层温度和湿度的分析误差有利于改进梅雨强降雨的短期预报.然而,伴随敏感性需要使用切线性模式及其伴随模式,并进行反向积分[5].同时,伴随敏感性依赖于线性假设,即预报误差是线性增长的,这样的假设对于快速发生发展的天气事件通常难以满足.相对于伴随敏感性,集合敏感性则利用集合预报敏感性分析,既不需要伴随模式,也可由模式向前积分获得误差的非线性增长,因此相较于伴随敏感性,集合敏感性具有一定的优势.
集合敏感性分析作为一种线性回归方法,利用集合预报的样本数据来估计预报响应函数与初始条件之间的关系[3].集合敏感性分析利用了各个集合预报成员对可能的初始条件扰动的响应,以此来识别对预报结果影响显著的初始变量的类型及其位置.通常,集合敏感性计算每个模式格点上每种状态变量变化所引起的预报响应函数的变化.而常使用的集合敏感性忽略了状态变量之间的协方差,因此通常被称为单变量集合敏感性.2007年,Ancell and Hakim[6]比较了单变量集合敏感性和伴随敏感性在冬季流型中的表现,发现集合敏感性分析能够提供初始场改变所得到的模式预报结果改变的准确估计.此后,集合敏感性分析方法被国内外学者广泛用于诊断影响各种极端天气事件的关键因素,并用于改善热带气旋和对流尺度事件的预报.Ren et al[7]研究了2013年的超强台风“海燕”的生成和发展过程,证明初始时刻的温度、湿度、低层辐合强度、高层辐散强度对台风“海燕”的发展有较大的影响,并证明相比多变量集合敏感性分析,单变量集合敏感性分析对结果存在高估现象.Torn and Hakim[8]研究了2012年冬季美国得克萨斯州的一次强对流过程,发现该次强对流过程对于初始时刻的风场和湿度较为敏感.Chang et al[9]使用集合敏感性分析方法分析了太平洋上的两个极端温带气旋,揭示了太平洋上极端温带气旋的生成与来自亚欧大陆上的长波能量输送有关.
“21.7”河南暴雨的极端性十分显著,其降水强度大,持续时间长,暴雨落区集中,且在暴雨期间还有影响我国的台风“烟花”和台风“查帕卡”.已经有很多学者对“21.7”河南暴雨的降水特征、天气系统、发生发展机制、下垫面影响和数值模式预报等方面进行了研究[10].然而,目前使用集合敏感性分析方法对“21.7”河南暴雨的成因和可预报性进行分析的研究还十分有限,特别是利用集合敏感性分析方法探究此次极端降水事件与台风“烟花”和台风“查帕卡”的相关性的研究.因此,本研究基于NCEP FNL (National Centers for Environmental Prediction Final)再分析资料[11] 和多组WRF模式(Weather Research and Forecasting Model)[12]区域集合预报资料,通过集合敏感性分析方法揭示影响暴雨强度的关键因子,分析模式区域与分辨率设置、参数化方案和模式扰动方案对此次极端暴雨事件的可预报性的影响,同时分析台风“烟花”和“查帕卡”的强度对此次极端降水的影响,以期能够加深对极端降水事件成因的理解,增进对极端降水事件和台风的认识,并改善极端降水事件数值天气预报的不确定性.
Fig.1
Accumulated precipitation distribution in Henan and its adjacent areas from 00:00 on July 18,2021 (UTC+8,the same below) to 00:00 on July 21,2021 (unit: mm): (a) represents the accumulated precipitation distribution for the 24 h from 00:00 on July 18 to 00:00 on July 19, (b) represents the accumulated precipitation distribution for the 48 h from 00:00 on July 18 to 00:00 on July 20, and (c) represents the accumulated precipitation distribution for the 72 h from 00:00 on July 18 to 00:00 on July 21 (The red asterisk represents the location of Zhengzhou)
Implementation in the NCEP GFS of a hybrid eddy⁃diffusivity mass⁃flux (EDMF) boundary layer parameterization with dissipative heating and modified stable boundary layer mixing
... 2021年7月19日至22日,河南省出现了大范围极端降水天气,简称“21.7”河南暴雨.这次极端暴雨过程持续时间长,降水量极大,具有明显的极端灾害性,主要强降水时段集中在7月19日00时至22日00时.对于这次极端降水,数值模式对暴雨落区和降水强度的预测均存在较大的不确定性[1] .本研究对这次极端降水进行了敏感性分析.敏感性分析是一种用来表征预报变量对初始条件微小变化的响应,并研究天气事件背后的动力学机制和可预报性的定量方式.传统的敏感性分析通过主观选取状态变量和区域进行扰动,将模式向前积分,并评估预报响应来完成.然而,重新运行模式需要巨大的计算成本,并且由于扰动变量或区域的选择通常是主观的,往往难以获取优化的初始扰动.因此目前广泛使用的敏感性分析方法为客观方法,包括基于伴随模式的敏感性分析(Adjoint Sensitivity Analysis,ASA)[2]以及基于集合预报的敏感性分析(Ensemble Sensitivity Analysis,ESA)[3].伴随敏感性已被应用于极端降水事件的分析.Chu and Tan[4]使用伴随敏感性诊断了一次梅雨极端降水事件,指出减少低层温度和湿度的分析误差有利于改进梅雨强降雨的短期预报.然而,伴随敏感性需要使用切线性模式及其伴随模式,并进行反向积分[5].同时,伴随敏感性依赖于线性假设,即预报误差是线性增长的,这样的假设对于快速发生发展的天气事件通常难以满足.相对于伴随敏感性,集合敏感性则利用集合预报敏感性分析,既不需要伴随模式,也可由模式向前积分获得误差的非线性增长,因此相较于伴随敏感性,集合敏感性具有一定的优势. ...
Comprehensive evaluations of multi?model forecast performance of
1
21
... 2021年7月19日至22日,河南省出现了大范围极端降水天气,简称“21.7”河南暴雨.这次极端暴雨过程持续时间长,降水量极大,具有明显的极端灾害性,主要强降水时段集中在7月19日00时至22日00时.对于这次极端降水,数值模式对暴雨落区和降水强度的预测均存在较大的不确定性[1] .本研究对这次极端降水进行了敏感性分析.敏感性分析是一种用来表征预报变量对初始条件微小变化的响应,并研究天气事件背后的动力学机制和可预报性的定量方式.传统的敏感性分析通过主观选取状态变量和区域进行扰动,将模式向前积分,并评估预报响应来完成.然而,重新运行模式需要巨大的计算成本,并且由于扰动变量或区域的选择通常是主观的,往往难以获取优化的初始扰动.因此目前广泛使用的敏感性分析方法为客观方法,包括基于伴随模式的敏感性分析(Adjoint Sensitivity Analysis,ASA)[2]以及基于集合预报的敏感性分析(Ensemble Sensitivity Analysis,ESA)[3].伴随敏感性已被应用于极端降水事件的分析.Chu and Tan[4]使用伴随敏感性诊断了一次梅雨极端降水事件,指出减少低层温度和湿度的分析误差有利于改进梅雨强降雨的短期预报.然而,伴随敏感性需要使用切线性模式及其伴随模式,并进行反向积分[5].同时,伴随敏感性依赖于线性假设,即预报误差是线性增长的,这样的假设对于快速发生发展的天气事件通常难以满足.相对于伴随敏感性,集合敏感性则利用集合预报敏感性分析,既不需要伴随模式,也可由模式向前积分获得误差的非线性增长,因此相较于伴随敏感性,集合敏感性具有一定的优势. ...
Examination of the sensitivity of forecast precipitation rates to possible perturbations of initial conditions
1
2003
... 2021年7月19日至22日,河南省出现了大范围极端降水天气,简称“21.7”河南暴雨.这次极端暴雨过程持续时间长,降水量极大,具有明显的极端灾害性,主要强降水时段集中在7月19日00时至22日00时.对于这次极端降水,数值模式对暴雨落区和降水强度的预测均存在较大的不确定性[1] .本研究对这次极端降水进行了敏感性分析.敏感性分析是一种用来表征预报变量对初始条件微小变化的响应,并研究天气事件背后的动力学机制和可预报性的定量方式.传统的敏感性分析通过主观选取状态变量和区域进行扰动,将模式向前积分,并评估预报响应来完成.然而,重新运行模式需要巨大的计算成本,并且由于扰动变量或区域的选择通常是主观的,往往难以获取优化的初始扰动.因此目前广泛使用的敏感性分析方法为客观方法,包括基于伴随模式的敏感性分析(Adjoint Sensitivity Analysis,ASA)[2]以及基于集合预报的敏感性分析(Ensemble Sensitivity Analysis,ESA)[3].伴随敏感性已被应用于极端降水事件的分析.Chu and Tan[4]使用伴随敏感性诊断了一次梅雨极端降水事件,指出减少低层温度和湿度的分析误差有利于改进梅雨强降雨的短期预报.然而,伴随敏感性需要使用切线性模式及其伴随模式,并进行反向积分[5].同时,伴随敏感性依赖于线性假设,即预报误差是线性增长的,这样的假设对于快速发生发展的天气事件通常难以满足.相对于伴随敏感性,集合敏感性则利用集合预报敏感性分析,既不需要伴随模式,也可由模式向前积分获得误差的非线性增长,因此相较于伴随敏感性,集合敏感性具有一定的优势. ...
Ensemble synoptic analysis
3
2008
... 2021年7月19日至22日,河南省出现了大范围极端降水天气,简称“21.7”河南暴雨.这次极端暴雨过程持续时间长,降水量极大,具有明显的极端灾害性,主要强降水时段集中在7月19日00时至22日00时.对于这次极端降水,数值模式对暴雨落区和降水强度的预测均存在较大的不确定性[1] .本研究对这次极端降水进行了敏感性分析.敏感性分析是一种用来表征预报变量对初始条件微小变化的响应,并研究天气事件背后的动力学机制和可预报性的定量方式.传统的敏感性分析通过主观选取状态变量和区域进行扰动,将模式向前积分,并评估预报响应来完成.然而,重新运行模式需要巨大的计算成本,并且由于扰动变量或区域的选择通常是主观的,往往难以获取优化的初始扰动.因此目前广泛使用的敏感性分析方法为客观方法,包括基于伴随模式的敏感性分析(Adjoint Sensitivity Analysis,ASA)[2]以及基于集合预报的敏感性分析(Ensemble Sensitivity Analysis,ESA)[3].伴随敏感性已被应用于极端降水事件的分析.Chu and Tan[4]使用伴随敏感性诊断了一次梅雨极端降水事件,指出减少低层温度和湿度的分析误差有利于改进梅雨强降雨的短期预报.然而,伴随敏感性需要使用切线性模式及其伴随模式,并进行反向积分[5].同时,伴随敏感性依赖于线性假设,即预报误差是线性增长的,这样的假设对于快速发生发展的天气事件通常难以满足.相对于伴随敏感性,集合敏感性则利用集合预报敏感性分析,既不需要伴随模式,也可由模式向前积分获得误差的非线性增长,因此相较于伴随敏感性,集合敏感性具有一定的优势. ...
... 集合敏感性分析作为一种线性回归方法,利用集合预报的样本数据来估计预报响应函数与初始条件之间的关系[3].集合敏感性分析利用了各个集合预报成员对可能的初始条件扰动的响应,以此来识别对预报结果影响显著的初始变量的类型及其位置.通常,集合敏感性计算每个模式格点上每种状态变量变化所引起的预报响应函数的变化.而常使用的集合敏感性忽略了状态变量之间的协方差,因此通常被称为单变量集合敏感性.2007年,Ancell and Hakim[6]比较了单变量集合敏感性和伴随敏感性在冬季流型中的表现,发现集合敏感性分析能够提供初始场改变所得到的模式预报结果改变的准确估计.此后,集合敏感性分析方法被国内外学者广泛用于诊断影响各种极端天气事件的关键因素,并用于改善热带气旋和对流尺度事件的预报.Ren et al[7]研究了2013年的超强台风“海燕”的生成和发展过程,证明初始时刻的温度、湿度、低层辐合强度、高层辐散强度对台风“海燕”的发展有较大的影响,并证明相比多变量集合敏感性分析,单变量集合敏感性分析对结果存在高估现象.Torn and Hakim[8]研究了2012年冬季美国得克萨斯州的一次强对流过程,发现该次强对流过程对于初始时刻的风场和湿度较为敏感.Chang et al[9]使用集合敏感性分析方法分析了太平洋上的两个极端温带气旋,揭示了太平洋上极端温带气旋的生成与来自亚欧大陆上的长波能量输送有关. ...
Mesoscale moist adjoint sensitivity study of a Mei?Yu heavy rainfall event
1
2010
... 2021年7月19日至22日,河南省出现了大范围极端降水天气,简称“21.7”河南暴雨.这次极端暴雨过程持续时间长,降水量极大,具有明显的极端灾害性,主要强降水时段集中在7月19日00时至22日00时.对于这次极端降水,数值模式对暴雨落区和降水强度的预测均存在较大的不确定性[1] .本研究对这次极端降水进行了敏感性分析.敏感性分析是一种用来表征预报变量对初始条件微小变化的响应,并研究天气事件背后的动力学机制和可预报性的定量方式.传统的敏感性分析通过主观选取状态变量和区域进行扰动,将模式向前积分,并评估预报响应来完成.然而,重新运行模式需要巨大的计算成本,并且由于扰动变量或区域的选择通常是主观的,往往难以获取优化的初始扰动.因此目前广泛使用的敏感性分析方法为客观方法,包括基于伴随模式的敏感性分析(Adjoint Sensitivity Analysis,ASA)[2]以及基于集合预报的敏感性分析(Ensemble Sensitivity Analysis,ESA)[3].伴随敏感性已被应用于极端降水事件的分析.Chu and Tan[4]使用伴随敏感性诊断了一次梅雨极端降水事件,指出减少低层温度和湿度的分析误差有利于改进梅雨强降雨的短期预报.然而,伴随敏感性需要使用切线性模式及其伴随模式,并进行反向积分[5].同时,伴随敏感性依赖于线性假设,即预报误差是线性增长的,这样的假设对于快速发生发展的天气事件通常难以满足.相对于伴随敏感性,集合敏感性则利用集合预报敏感性分析,既不需要伴随模式,也可由模式向前积分获得误差的非线性增长,因此相较于伴随敏感性,集合敏感性具有一定的优势. ...
What is an adjoint model?
1
1997
... 2021年7月19日至22日,河南省出现了大范围极端降水天气,简称“21.7”河南暴雨.这次极端暴雨过程持续时间长,降水量极大,具有明显的极端灾害性,主要强降水时段集中在7月19日00时至22日00时.对于这次极端降水,数值模式对暴雨落区和降水强度的预测均存在较大的不确定性[1] .本研究对这次极端降水进行了敏感性分析.敏感性分析是一种用来表征预报变量对初始条件微小变化的响应,并研究天气事件背后的动力学机制和可预报性的定量方式.传统的敏感性分析通过主观选取状态变量和区域进行扰动,将模式向前积分,并评估预报响应来完成.然而,重新运行模式需要巨大的计算成本,并且由于扰动变量或区域的选择通常是主观的,往往难以获取优化的初始扰动.因此目前广泛使用的敏感性分析方法为客观方法,包括基于伴随模式的敏感性分析(Adjoint Sensitivity Analysis,ASA)[2]以及基于集合预报的敏感性分析(Ensemble Sensitivity Analysis,ESA)[3].伴随敏感性已被应用于极端降水事件的分析.Chu and Tan[4]使用伴随敏感性诊断了一次梅雨极端降水事件,指出减少低层温度和湿度的分析误差有利于改进梅雨强降雨的短期预报.然而,伴随敏感性需要使用切线性模式及其伴随模式,并进行反向积分[5].同时,伴随敏感性依赖于线性假设,即预报误差是线性增长的,这样的假设对于快速发生发展的天气事件通常难以满足.相对于伴随敏感性,集合敏感性则利用集合预报敏感性分析,既不需要伴随模式,也可由模式向前积分获得误差的非线性增长,因此相较于伴随敏感性,集合敏感性具有一定的优势. ...
Comparing adjoint? and ensemble?sensitivity analysis with applications to observation targeting
1
2007
... 集合敏感性分析作为一种线性回归方法,利用集合预报的样本数据来估计预报响应函数与初始条件之间的关系[3].集合敏感性分析利用了各个集合预报成员对可能的初始条件扰动的响应,以此来识别对预报结果影响显著的初始变量的类型及其位置.通常,集合敏感性计算每个模式格点上每种状态变量变化所引起的预报响应函数的变化.而常使用的集合敏感性忽略了状态变量之间的协方差,因此通常被称为单变量集合敏感性.2007年,Ancell and Hakim[6]比较了单变量集合敏感性和伴随敏感性在冬季流型中的表现,发现集合敏感性分析能够提供初始场改变所得到的模式预报结果改变的准确估计.此后,集合敏感性分析方法被国内外学者广泛用于诊断影响各种极端天气事件的关键因素,并用于改善热带气旋和对流尺度事件的预报.Ren et al[7]研究了2013年的超强台风“海燕”的生成和发展过程,证明初始时刻的温度、湿度、低层辐合强度、高层辐散强度对台风“海燕”的发展有较大的影响,并证明相比多变量集合敏感性分析,单变量集合敏感性分析对结果存在高估现象.Torn and Hakim[8]研究了2012年冬季美国得克萨斯州的一次强对流过程,发现该次强对流过程对于初始时刻的风场和湿度较为敏感.Chang et al[9]使用集合敏感性分析方法分析了太平洋上的两个极端温带气旋,揭示了太平洋上极端温带气旋的生成与来自亚欧大陆上的长波能量输送有关. ...
Multivariate ensemble sensitivity analysis for super typhoon Haiyan (2013)
2
2019
... 集合敏感性分析作为一种线性回归方法,利用集合预报的样本数据来估计预报响应函数与初始条件之间的关系[3].集合敏感性分析利用了各个集合预报成员对可能的初始条件扰动的响应,以此来识别对预报结果影响显著的初始变量的类型及其位置.通常,集合敏感性计算每个模式格点上每种状态变量变化所引起的预报响应函数的变化.而常使用的集合敏感性忽略了状态变量之间的协方差,因此通常被称为单变量集合敏感性.2007年,Ancell and Hakim[6]比较了单变量集合敏感性和伴随敏感性在冬季流型中的表现,发现集合敏感性分析能够提供初始场改变所得到的模式预报结果改变的准确估计.此后,集合敏感性分析方法被国内外学者广泛用于诊断影响各种极端天气事件的关键因素,并用于改善热带气旋和对流尺度事件的预报.Ren et al[7]研究了2013年的超强台风“海燕”的生成和发展过程,证明初始时刻的温度、湿度、低层辐合强度、高层辐散强度对台风“海燕”的发展有较大的影响,并证明相比多变量集合敏感性分析,单变量集合敏感性分析对结果存在高估现象.Torn and Hakim[8]研究了2012年冬季美国得克萨斯州的一次强对流过程,发现该次强对流过程对于初始时刻的风场和湿度较为敏感.Chang et al[9]使用集合敏感性分析方法分析了太平洋上的两个极端温带气旋,揭示了太平洋上极端温带气旋的生成与来自亚欧大陆上的长波能量输送有关. ...
... 集合敏感性分析作为一种线性回归方法,利用集合预报的样本数据来估计预报响应函数与初始条件之间的关系[3].集合敏感性分析利用了各个集合预报成员对可能的初始条件扰动的响应,以此来识别对预报结果影响显著的初始变量的类型及其位置.通常,集合敏感性计算每个模式格点上每种状态变量变化所引起的预报响应函数的变化.而常使用的集合敏感性忽略了状态变量之间的协方差,因此通常被称为单变量集合敏感性.2007年,Ancell and Hakim[6]比较了单变量集合敏感性和伴随敏感性在冬季流型中的表现,发现集合敏感性分析能够提供初始场改变所得到的模式预报结果改变的准确估计.此后,集合敏感性分析方法被国内外学者广泛用于诊断影响各种极端天气事件的关键因素,并用于改善热带气旋和对流尺度事件的预报.Ren et al[7]研究了2013年的超强台风“海燕”的生成和发展过程,证明初始时刻的温度、湿度、低层辐合强度、高层辐散强度对台风“海燕”的发展有较大的影响,并证明相比多变量集合敏感性分析,单变量集合敏感性分析对结果存在高估现象.Torn and Hakim[8]研究了2012年冬季美国得克萨斯州的一次强对流过程,发现该次强对流过程对于初始时刻的风场和湿度较为敏感.Chang et al[9]使用集合敏感性分析方法分析了太平洋上的两个极端温带气旋,揭示了太平洋上极端温带气旋的生成与来自亚欧大陆上的长波能量输送有关. ...
Medium?range ensemble sensitivity analysis of two extreme Pacific extratropical cyclones
1
2013
... 集合敏感性分析作为一种线性回归方法,利用集合预报的样本数据来估计预报响应函数与初始条件之间的关系[3].集合敏感性分析利用了各个集合预报成员对可能的初始条件扰动的响应,以此来识别对预报结果影响显著的初始变量的类型及其位置.通常,集合敏感性计算每个模式格点上每种状态变量变化所引起的预报响应函数的变化.而常使用的集合敏感性忽略了状态变量之间的协方差,因此通常被称为单变量集合敏感性.2007年,Ancell and Hakim[6]比较了单变量集合敏感性和伴随敏感性在冬季流型中的表现,发现集合敏感性分析能够提供初始场改变所得到的模式预报结果改变的准确估计.此后,集合敏感性分析方法被国内外学者广泛用于诊断影响各种极端天气事件的关键因素,并用于改善热带气旋和对流尺度事件的预报.Ren et al[7]研究了2013年的超强台风“海燕”的生成和发展过程,证明初始时刻的温度、湿度、低层辐合强度、高层辐散强度对台风“海燕”的发展有较大的影响,并证明相比多变量集合敏感性分析,单变量集合敏感性分析对结果存在高估现象.Torn and Hakim[8]研究了2012年冬季美国得克萨斯州的一次强对流过程,发现该次强对流过程对于初始时刻的风场和湿度较为敏感.Chang et al[9]使用集合敏感性分析方法分析了太平洋上的两个极端温带气旋,揭示了太平洋上极端温带气旋的生成与来自亚欧大陆上的长波能量输送有关. ...
河南
1
21
... “21.7”河南暴雨的极端性十分显著,其降水强度大,持续时间长,暴雨落区集中,且在暴雨期间还有影响我国的台风“烟花”和台风“查帕卡”.已经有很多学者对“21.7”河南暴雨的降水特征、天气系统、发生发展机制、下垫面影响和数值模式预报等方面进行了研究[10].然而,目前使用集合敏感性分析方法对“21.7”河南暴雨的成因和可预报性进行分析的研究还十分有限,特别是利用集合敏感性分析方法探究此次极端降水事件与台风“烟花”和台风“查帕卡”的相关性的研究.因此,本研究基于NCEP FNL (National Centers for Environmental Prediction Final)再分析资料[11] 和多组WRF模式(Weather Research and Forecasting Model)[12]区域集合预报资料,通过集合敏感性分析方法揭示影响暴雨强度的关键因子,分析模式区域与分辨率设置、参数化方案和模式扰动方案对此次极端暴雨事件的可预报性的影响,同时分析台风“烟花”和“查帕卡”的强度对此次极端降水的影响,以期能够加深对极端降水事件成因的理解,增进对极端降水事件和台风的认识,并改善极端降水事件数值天气预报的不确定性. ...
Progress in research of the July 2021 extreme precipitation event in Henan province,China
1
2023
... “21.7”河南暴雨的极端性十分显著,其降水强度大,持续时间长,暴雨落区集中,且在暴雨期间还有影响我国的台风“烟花”和台风“查帕卡”.已经有很多学者对“21.7”河南暴雨的降水特征、天气系统、发生发展机制、下垫面影响和数值模式预报等方面进行了研究[10].然而,目前使用集合敏感性分析方法对“21.7”河南暴雨的成因和可预报性进行分析的研究还十分有限,特别是利用集合敏感性分析方法探究此次极端降水事件与台风“烟花”和台风“查帕卡”的相关性的研究.因此,本研究基于NCEP FNL (National Centers for Environmental Prediction Final)再分析资料[11] 和多组WRF模式(Weather Research and Forecasting Model)[12]区域集合预报资料,通过集合敏感性分析方法揭示影响暴雨强度的关键因子,分析模式区域与分辨率设置、参数化方案和模式扰动方案对此次极端暴雨事件的可预报性的影响,同时分析台风“烟花”和“查帕卡”的强度对此次极端降水的影响,以期能够加深对极端降水事件成因的理解,增进对极端降水事件和台风的认识,并改善极端降水事件数值天气预报的不确定性. ...
NCEP FNL operational model global tropospheric analyses,April 1997 through June 2007
1
1997
... “21.7”河南暴雨的极端性十分显著,其降水强度大,持续时间长,暴雨落区集中,且在暴雨期间还有影响我国的台风“烟花”和台风“查帕卡”.已经有很多学者对“21.7”河南暴雨的降水特征、天气系统、发生发展机制、下垫面影响和数值模式预报等方面进行了研究[10].然而,目前使用集合敏感性分析方法对“21.7”河南暴雨的成因和可预报性进行分析的研究还十分有限,特别是利用集合敏感性分析方法探究此次极端降水事件与台风“烟花”和台风“查帕卡”的相关性的研究.因此,本研究基于NCEP FNL (National Centers for Environmental Prediction Final)再分析资料[11] 和多组WRF模式(Weather Research and Forecasting Model)[12]区域集合预报资料,通过集合敏感性分析方法揭示影响暴雨强度的关键因子,分析模式区域与分辨率设置、参数化方案和模式扰动方案对此次极端暴雨事件的可预报性的影响,同时分析台风“烟花”和“查帕卡”的强度对此次极端降水的影响,以期能够加深对极端降水事件成因的理解,增进对极端降水事件和台风的认识,并改善极端降水事件数值天气预报的不确定性. ...
1
2019
... “21.7”河南暴雨的极端性十分显著,其降水强度大,持续时间长,暴雨落区集中,且在暴雨期间还有影响我国的台风“烟花”和台风“查帕卡”.已经有很多学者对“21.7”河南暴雨的降水特征、天气系统、发生发展机制、下垫面影响和数值模式预报等方面进行了研究[10].然而,目前使用集合敏感性分析方法对“21.7”河南暴雨的成因和可预报性进行分析的研究还十分有限,特别是利用集合敏感性分析方法探究此次极端降水事件与台风“烟花”和台风“查帕卡”的相关性的研究.因此,本研究基于NCEP FNL (National Centers for Environmental Prediction Final)再分析资料[11] 和多组WRF模式(Weather Research and Forecasting Model)[12]区域集合预报资料,通过集合敏感性分析方法揭示影响暴雨强度的关键因子,分析模式区域与分辨率设置、参数化方案和模式扰动方案对此次极端暴雨事件的可预报性的影响,同时分析台风“烟花”和“查帕卡”的强度对此次极端降水的影响,以期能够加深对极端降水事件成因的理解,增进对极端降水事件和台风的认识,并改善极端降水事件数值天气预报的不确定性. ...
Construction of correlation functions in two and three dimensions
Implementation in the NCEP GFS of a hybrid eddy?diffusivity mass?flux (EDMF) boundary layer parameterization with dissipative heating and modified stable boundary layer mixing