基于贝叶斯融合方法的高分辨率地面-卫星-雷达三源降水融合试验

为了探讨一种适用于区域性的地面、雷达、卫星等多源降水资料融合的方法,一种曾用于高分辨雷达、卫星土壤湿度产品反演的贝叶斯融合(Bayesian Merging)方法被尝试应用于江淮地区1 h-0.05°×0.05°经纬度高分辨率的雷达估测降水、卫星反演降水与地面站点观测降水3种资料的融合。在应用该方法时,通过2009年8月样本统计分别估计卫星和雷达反演降水的误差关系,通过曲线拟合建立误差方程,并以卫星资料作为背景场,但在融合时将雷达估测降水作为新的观测信息与地面观测降水同时引入。融合试验检验结果表明:贝叶斯融合方法能够有效实现雷达、地面、卫星3种不同来源资料的融合,该方法生成的多源融合产品的精度均优于任何单一来源的降水产品。

CMORPH卫星-地面自动站融合降水数据在中国南方短时强降水分析中的应用

对比分析了国家级气象观测站逐时地面降水资料和CMORPH卫星-地面自动站融合降水数据在反映中国南方地区2008—2013年4—10月短时强降水时空分布特征上的差异,并在此基础上利用融合降水数据分析了短时强降水与暴雨的关系,结果表明:(1)融合降水数据所反映的短时强降水的大尺度特征与站点资料一致,并能更好地描述地形的影响;(2)短时强降水的季节变化与东亚夏季风进程和雨带的季节性位移密切相关;(3)短时强降水与暴雨日的空间分布特征和季节变化趋势相似,4月下半月—10月上半月,超过60%的短时强降水发生在暴雨日,同时短时强降水也是暴雨形成的重要因素,短时强降水暴雨日数占总暴雨日数的比例(68.6%)普遍高于非短时强降水暴雨日(31.4%),但是短时强降水暴雨日的发生具有显著的季节和区域差异。

融合物理信息的热带气旋强度估计

热带气旋强度的精确估计是进行有效强度预测的基础工作,对于灾害预报至关重要.当前基于深度学习的热带气旋强度估计技术展现出了优越的性能,但仍然存在着物理信息融合不足的问题.因此,本文基于深度学习框架,提出一种融合物理信息的热带气旋强度估计模型(physical factor fusion for tropical cyclone intensity estimation,PF-TCIE),来估计西北太平洋的热带气旋强度.PF-TCIE由多通道卫星云图学习分支和物理信息提取分支组成.多通道卫星云图学习分支用于提取热带气旋云系特征,物理信息提取分支用于提取物理因子特征,来约束云系特征的学习.本文数据选用葵花-8卫星资料和ERA-5再分析资料.实验证明,在引入多个通道后,模型的RMSE误差较单通道降低了3.7%.同时,物理信息的引入使模型的误差进一步下降了8.5%.PF-TCIE的RMSE最终达到了4.83 m/s,优于大部分深度学习方法.

基于不同降水产品的WRF-Hydro模式径流模拟——以漳河流域为例

以漳河流域为研究区域,以CMORPH卫星-地面自动站-雷达三源降水融合数据和ERA5再分析降水资料为WRF-Hydro模式的输入,进行径流模拟,对比分析模拟径流与实测径流的差异,探讨基于两种降水数据的WRF-Hydro模式在漳河流域的径流模拟效果。结果表明:三源降水融合数据的径流模拟效果较优,纳什系数均达到0.7以上,模拟径流与实测径流过程吻合较好;采用三源降水融合数据和ERA5再分析降水资料率定WRF-Hydro模式,以ERA5再分析降水资料为输入,径流模拟结果都不佳;总体而言,三源降水融合数据与WRF-Hydro模式耦合能够较好地模拟漳河流域径流过程。

测量云液水柱含量的一个设想

云液态水柱含量是一个重要的气象学和云雾物理参数。对于云液水柱含量测量已发展了多种技术,但由于云在时空上变化很大,目前地基、飞机以及卫星测量的全部资料,都不能满足数值天气预报、人工增雨及气候变化研究等方面的工作需要。作者提出一种测云水的新方法,即从卫星-地面的微波衰减来确定云水（斜）柱量,并研究了此方法中的测量通道选择及测量方式问题,进行了初步的误差分析研究。结果表明,此方法在现有技术条件下可行,云水的测量精度不难达到20％～30％的水平。与卫星被动微波遥感结合起来,可获得精度更高的云水全球分布资料。