介绍了宁夏C波段雷达快速循环同化技术及其在2018年夏季降水预报中的应用效果.快速循环同化技术主要基于天气研究预报(weather research and forecasting,WRF)模式,通过对C波段多普勒雷达资料进行去除奇异点、地物遮挡、谱宽检查、退模...介绍了宁夏C波段雷达快速循环同化技术及其在2018年夏季降水预报中的应用效果.快速循环同化技术主要基于天气研究预报(weather research and forecasting,WRF)模式,通过对C波段多普勒雷达资料进行去除奇异点、地物遮挡、谱宽检查、退模糊等质量控制,利用三维变分同化、动力降尺度及冷暖启动方法,实现了C波段多普勒天气雷达观测数据的逐小时快速循环同化分析,可逐时滚动输出未来12 h逐小时间隔、水平分辨率3 km的降水、气温、风向风速、相对湿度、物理量场等格点预报产品以及雷达回波产品.通过在2018年宁夏降水预报中的应用分析发现,加入雷达资料同化后的WRF模式降水预报能力有明显提升,可为宁夏降水天气智能网格预报特别是暴雨的短临预报预警提供技术支撑.展开更多
为了研究海表面温度(sea surface temperature,SST)对低空大气波导数值模拟的影响,针对南海海域基于天气研究与预报(weather research and forecasting,WRF)模式开展了不同SST对低空大气波导数值模拟的影响研究.结果表明:精确的SST对低...为了研究海表面温度(sea surface temperature,SST)对低空大气波导数值模拟的影响,针对南海海域基于天气研究与预报(weather research and forecasting,WRF)模式开展了不同SST对低空大气波导数值模拟的影响研究.结果表明:精确的SST对低空大气波导数值模拟影响最大,其次是更新周期;美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)提供的最优插值SST给出的大气波导模拟结果最好,正确率为68.2%,且波导底高平均误差和标准差最小,这是由于其模拟的相对湿度和气温变化较为准确,其次为气候预报再分析系统(climate forecast system reanalysis,CFSR)给出的SST方案较好;此外不同嵌套网格方式对大气波导数值模拟也有影响,在最优方案中子网格模拟的大气波导正确率和发生概率分别提高了11.8%和10.4%,虚报率降低了2.4%.该研究可为南海低空大气波导的精确预报提供技术支撑.展开更多
风速预测是风力预报中的核心与基础,采用天气研究和预报(Weather Research and Forecasting,WRF)模式进行风力预报往往存在风速预测误差较大的问题.为了提高风速预测精度,提出了一种基于深度学习和支持向量回归(Support Vector Regressi...风速预测是风力预报中的核心与基础,采用天气研究和预报(Weather Research and Forecasting,WRF)模式进行风力预报往往存在风速预测误差较大的问题.为了提高风速预测精度,提出了一种基于深度学习和支持向量回归(Support Vector Regression,SVR)相结合的风速预测模型.该模型以WRF模式预报输出的多种气象变量为基础,结合气象自动观测站传感器的实测风速,引入堆栈降噪自动编码(Stacked De-noising Auto-Encoder,SDAE)深度网络来学习样本数据中隐含的深度特征,然后将该深度网络最后一层输出的深度特征置入回归器SVR中,利用SVR良好的回归预测性能对WRF模式预报的未来1 h风速进行预测订正.结果表明:所建立的SDAE-SVR风速预测模型具有较高的风速预测精度,在对典型日的WRF模式预报未来1 h风速的预测订正中,其平均百分比误差与均方根误差仅为8.28%与0.8066m·s^-1.展开更多
文摘介绍了宁夏C波段雷达快速循环同化技术及其在2018年夏季降水预报中的应用效果.快速循环同化技术主要基于天气研究预报(weather research and forecasting,WRF)模式,通过对C波段多普勒雷达资料进行去除奇异点、地物遮挡、谱宽检查、退模糊等质量控制,利用三维变分同化、动力降尺度及冷暖启动方法,实现了C波段多普勒天气雷达观测数据的逐小时快速循环同化分析,可逐时滚动输出未来12 h逐小时间隔、水平分辨率3 km的降水、气温、风向风速、相对湿度、物理量场等格点预报产品以及雷达回波产品.通过在2018年宁夏降水预报中的应用分析发现,加入雷达资料同化后的WRF模式降水预报能力有明显提升,可为宁夏降水天气智能网格预报特别是暴雨的短临预报预警提供技术支撑.
文摘为了研究海表面温度(sea surface temperature,SST)对低空大气波导数值模拟的影响,针对南海海域基于天气研究与预报(weather research and forecasting,WRF)模式开展了不同SST对低空大气波导数值模拟的影响研究.结果表明:精确的SST对低空大气波导数值模拟影响最大,其次是更新周期;美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)提供的最优插值SST给出的大气波导模拟结果最好,正确率为68.2%,且波导底高平均误差和标准差最小,这是由于其模拟的相对湿度和气温变化较为准确,其次为气候预报再分析系统(climate forecast system reanalysis,CFSR)给出的SST方案较好;此外不同嵌套网格方式对大气波导数值模拟也有影响,在最优方案中子网格模拟的大气波导正确率和发生概率分别提高了11.8%和10.4%,虚报率降低了2.4%.该研究可为南海低空大气波导的精确预报提供技术支撑.
文摘风速预测是风力预报中的核心与基础,采用天气研究和预报(Weather Research and Forecasting,WRF)模式进行风力预报往往存在风速预测误差较大的问题.为了提高风速预测精度,提出了一种基于深度学习和支持向量回归(Support Vector Regression,SVR)相结合的风速预测模型.该模型以WRF模式预报输出的多种气象变量为基础,结合气象自动观测站传感器的实测风速,引入堆栈降噪自动编码(Stacked De-noising Auto-Encoder,SDAE)深度网络来学习样本数据中隐含的深度特征,然后将该深度网络最后一层输出的深度特征置入回归器SVR中,利用SVR良好的回归预测性能对WRF模式预报的未来1 h风速进行预测订正.结果表明:所建立的SDAE-SVR风速预测模型具有较高的风速预测精度,在对典型日的WRF模式预报未来1 h风速的预测订正中,其平均百分比误差与均方根误差仅为8.28%与0.8066m·s^-1.