基于融合资料的天津短时强降水环境物理量可信度及特征分析

发布时间：2021-11-16 20:11

　　针对2009—2017年6—9月天津地区140次短时强降水天气过程,将NCEP FNL（1°×1°）全球分析资料与地面气象观测数据融合,计算天津地区短时强降水的环境物理量参数,通过偏差和偏差区间占有率等分析融合环境物理量的可信度,并在大量样本统计基础上给出不同月份的短时强降水环境参量特征和指标。结果表明:（1）基于NCEP FNL分析资料与地面气象观测数据融合的环境物理量在短时强降水潜势判断中具有较高的可信度,融合CAPE、LI、LCL平均绝对误差分别为260.7 J/kg、0.9℃、14 hPa,与融合前的NCEP FNL物理量相比绝对误差分别降低了58.1%、48.0%、49.0%。（2）不同月份短时强降水发生所必需的水汽、热力和能量等环境条件差异显著,TPW、K、LI、CAPE、LCL和Z0均呈现明显的月变化特征。（3）若以75%短时强降水发生的环境条件作为预报指标,7—8月TPW、K、CAPE、Z0、LCL物理量阈值极为相近,短时强降水多发生在TPW>45 kg/m2、K>32℃、CAPE>835 J/kg、LCL>882 hPa、Z₀

【文章来源】：沙漠与绿洲气象. 2020,14(05)

【文章页数】：8 页

【部分图文】：

天津226个气象观测站分布

1.2 资料融合处理首先对短时强降水发生前最近时次的NCEP FNL分析资料和同一时次地面气象观测数据进行要素一致性处理，统一转换为气压、温度、露点温度、风向、风速，进而利用NCEP FNL分析资料和地面气象观测数据融合算法，构建针对天津地区短时强降水过程的融合探空序列。具体处理如下：

表2给出了短时强降水过程中资料融合后的环境物理量和探空物理量对比结果。由于融合资料仅对NCEP FNL分析资料900 h Pa以下通过地面气象观测数据进行了订正，中、高层仍采用NCEP FNL分析资料，因而K、Z0并无改进效果，TPW偏差虽有变化，但改进效果亦不明显。而对于CAPE、LI和LCL（表2）来说，融合资料CAPE比探空资料仅偏高119.0 J/kg，两者之间绝对误差降低至260.7 J/kg；同时，融合环境物理量LI、LCL的偏差和绝对误差均明显较低。与前文中相应的NCEP FNL物理量（表1）相比，融合物理量CAPE、LI、LCL绝对误差分别降低了58.1%、48.0%和49.0%，表明融合物理量更加接近于探空物理量真值。进一步对融合物理量CAPE、LI、LCL的偏差区间占有率分布（图4）分析发现，将NCEP FNL分析资料与地面气象观测数据融合后，CAPE在以零值为中心的低偏差区间[-400,400]占有率明显增大至76.6%。同时，LI在低偏差区间占有率增至93.5%,LCL在低偏差区间占有率则增至83.1%。与前文中融合前的NCEP FNL物理量偏差区间占有率相比，融合后CAPE、LI、LCL在各自的低偏差区间占有率分别增大了32.5%、31.3%、31.2%，表明融合后环境物理量的改进效果明显。

【参考文献】：
期刊论文
[1]太原汛期短时强降水环流分型及环境参量分析[J]. 周晋红,赵彩萍,董春卿.  干旱气象. 2019(03)
[2]乌鲁木齐市短时强降水分布特征及环境条件分析[J]. 张超,贾健.  沙漠与绿洲气象. 2019(03)
[3]NCEP/NCAR FNL资料在强对流天气中可信度的初步分析[J]. 程胡华,闻斌,王益柏,徐影.  气象与环境科学. 2018(03)
[4]黔西南短时强降水时空特征分析[J]. 王芬,王文勇,李阳.  沙漠与绿洲气象. 2018(04)
[5]内蒙古夏季典型短时强降水中尺度特征[J]. 常煜,马素艳,仲夏.  应用气象学报. 2018(02)
[6]冷涡影响下一次冰雹强对流天气中尺度特征及形成机制[J]. 尉英华,陈宏,张楠,何群英,林晓萌.  干旱气象. 2018(01)
[7]我国中东部不同级别短时强降水天气的环境物理量分布特征[J]. 田付友,郑永光,张涛,曹艳察,盛杰.  暴雨灾害. 2017(06)
[8]2006—2015年黔西南初夏短时强降水时空特征分析[J]. 王芬,严小冬,谷晓平,李腹广,周仕鹏.  暴雨灾害. 2017(05)
[9]济南市区短时强降水特征分析与天气分型[J]. 张永婧,高帆,于丽娟,褚颖佳,尹承美,孙长征.  海洋气象学报. 2017(03)
[10]基于单站探空资料的不同强度短时强降水预报指标研究[J]. 李文娟,赵放,赵璐,黄娟.  暴雨灾害. 2017(02)



本文编号：3499492