本文通过多套观测与再分析降水资料的比较,分析了雅鲁藏布江流域夏季降水的特征,从水汽含量与水汽输送的角度检验了雅鲁藏布江水汽通道的特点,研究了流域夏季降水的年际变化及其原因。分析表明:(1)该流域夏季降水大值位于雅鲁藏布江出...本文通过多套观测与再分析降水资料的比较,分析了雅鲁藏布江流域夏季降水的特征,从水汽含量与水汽输送的角度检验了雅鲁藏布江水汽通道的特点,研究了流域夏季降水的年际变化及其原因。分析表明:(1)该流域夏季降水大值位于雅鲁藏布江出海口至大峡谷一带,观测中流域平均降水可达5.8 mm d-1。不同资料表现的降水空间分布一致,但再分析降水普遍强于观测,平均为观测的2倍左右。(2)该流域夏季的水汽主要来自印度洋和孟加拉湾的偏南暖湿水汽输送,自孟加拉湾出海口沿布拉马普特拉河上溯至大峡谷,即雅鲁藏布江水汽通道。水汽收支诊断表明,夏季流域南部(即水汽通道所在处)是水汽辐合中心,流域平均的辐合约9.5 mm d-1,主要来自风场辐合与地形坡度的贡献。(3)不同再分析资料表现的流域降水和水汽分布特征总体一致,但量值差异较大。NCEP(美国国家环境预报中心)气候预报系统再分析资料CFSR、日本气象厅再分析资料JRA-25较欧洲中期天气预报中心再分析ERA-Interim资料更适于研究该流域(青藏高原东南部)的水汽特征,因为后者给出的流域降水和水汽偏强。(4)近30年该流域夏季降水无显著趋势,以年际变率为主。年际异常的水汽辐合(约为气候态的35.4%)源自异常西南风导致的局地水汽辐合(纬向、经向辐合分别贡献了16.5%、83.5%),地形作用很小。流域夏季降水的年际变化是由印度夏季风活动导致的异常水汽输送造成的,其关键系统是印度季风区北部的异常气旋(反气旋)式水汽输送。展开更多
基于GRAPES区域中尺度数值预报系统(GRAPES_MESO),针对700 h Pa、500 h Pa和200 h Pa的位势高度场H,温度场T,风场纬向分量U,经向分量V和地面降水场,在给定的模式物理过程下,分别考察了时间步长和空间分辨率对于模式预报效果的影响。研...基于GRAPES区域中尺度数值预报系统(GRAPES_MESO),针对700 h Pa、500 h Pa和200 h Pa的位势高度场H,温度场T,风场纬向分量U,经向分量V和地面降水场,在给定的模式物理过程下,分别考察了时间步长和空间分辨率对于模式预报效果的影响。研究结果表明,空间分辨率(0.3°×0.3°)相同时,各变量在不同层次的预报几乎都存在最优时间步长使得预报技巧最高,初步说明最优时间步长理论在复杂的偏微分方程组中的适用性。随后,将空间分辨率为0.3°×0.3°时最优时间步长(240 s)的预报结果与当前业务中(空间分辨率为0.15°×0.15°、时间步长为90 s)的预报结果进行比较,发现前者的变量H、T、U、V和地面降水场的预报技巧均高于后者,表明并不是空间分辨率越高预报效果越好。展开更多
文摘本文通过多套观测与再分析降水资料的比较,分析了雅鲁藏布江流域夏季降水的特征,从水汽含量与水汽输送的角度检验了雅鲁藏布江水汽通道的特点,研究了流域夏季降水的年际变化及其原因。分析表明:(1)该流域夏季降水大值位于雅鲁藏布江出海口至大峡谷一带,观测中流域平均降水可达5.8 mm d-1。不同资料表现的降水空间分布一致,但再分析降水普遍强于观测,平均为观测的2倍左右。(2)该流域夏季的水汽主要来自印度洋和孟加拉湾的偏南暖湿水汽输送,自孟加拉湾出海口沿布拉马普特拉河上溯至大峡谷,即雅鲁藏布江水汽通道。水汽收支诊断表明,夏季流域南部(即水汽通道所在处)是水汽辐合中心,流域平均的辐合约9.5 mm d-1,主要来自风场辐合与地形坡度的贡献。(3)不同再分析资料表现的流域降水和水汽分布特征总体一致,但量值差异较大。NCEP(美国国家环境预报中心)气候预报系统再分析资料CFSR、日本气象厅再分析资料JRA-25较欧洲中期天气预报中心再分析ERA-Interim资料更适于研究该流域(青藏高原东南部)的水汽特征,因为后者给出的流域降水和水汽偏强。(4)近30年该流域夏季降水无显著趋势,以年际变率为主。年际异常的水汽辐合(约为气候态的35.4%)源自异常西南风导致的局地水汽辐合(纬向、经向辐合分别贡献了16.5%、83.5%),地形作用很小。流域夏季降水的年际变化是由印度夏季风活动导致的异常水汽输送造成的,其关键系统是印度季风区北部的异常气旋(反气旋)式水汽输送。
文摘基于GRAPES区域中尺度数值预报系统(GRAPES_MESO),针对700 h Pa、500 h Pa和200 h Pa的位势高度场H,温度场T,风场纬向分量U,经向分量V和地面降水场,在给定的模式物理过程下,分别考察了时间步长和空间分辨率对于模式预报效果的影响。研究结果表明,空间分辨率(0.3°×0.3°)相同时,各变量在不同层次的预报几乎都存在最优时间步长使得预报技巧最高,初步说明最优时间步长理论在复杂的偏微分方程组中的适用性。随后,将空间分辨率为0.3°×0.3°时最优时间步长(240 s)的预报结果与当前业务中(空间分辨率为0.15°×0.15°、时间步长为90 s)的预报结果进行比较,发现前者的变量H、T、U、V和地面降水场的预报技巧均高于后者,表明并不是空间分辨率越高预报效果越好。