CN103837911A - 一种运用物理初始化同化地闪资料的方法 - Google Patents
一种运用物理初始化同化地闪资料的方法 Download PDFInfo
- Publication number
- CN103837911A CN103837911A CN201410110400.8A CN201410110400A CN103837911A CN 103837911 A CN103837911 A CN 103837911A CN 201410110400 A CN201410110400 A CN 201410110400A CN 103837911 A CN103837911 A CN 103837911A
- Authority
- CN
- China
- Prior art keywords
- cloud
- water content
- height
- precipitation
- echo
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/16—Measuring atmospheric potential differences, e.g. due to electrical charges in clouds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2203/00—Real-time site-specific personalized weather information, e.g. nowcasting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Radar Systems Or Details Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种运用物理初始化同化地闪资料的方法,该方法包括以下步骤:⑴将由闪电资料转换的三维代理雷达回波进行垂直方向筛选,得到最大回波反射率因子;⑵根据公式求得降水强度,并将其转换成降水通量的形式;⑶设云顶高度为三维雷达代理回波顶高,云底高度则由背景场的抬升凝结高度近似代替;⑷表示云内垂直上升速度;⑸当降水强度小于0.1的区域时,垂直速度与背景场保持一致,比湿和云水含量不作改变;云水含量设为0,最大相对湿度不超过80%;当降水强度
Description
技术领域
本发明涉及一种气象资料的处理方法,尤其涉及一种运用物理初始化同化地闪资料的方法。
背景技术
闪电,作为大气中较为常见的一种放电现象,能够详细给出对流云所产生放电的时间、位置、数量、极性和强度等信息,并且受地形影响小,从探测范围和时空分辨率都要高于天气雷达,这使得闪电资料在强对流天气研究中具有一定的优势。如果将闪电资料用于精细化的天气预报的初始化过程,进一步提高模式初始场中的对流活动信息的准确性,预期会对提高强对流天气的短期预报准确性有重要的作用。闪电定位网资料的同化研究才刚刚起步,因而相对于其它大气资料而言,闪电资料同化的研究也相对较少。闪电定位网资料同化所面临的难点在于它的观测量不是模式变量,这就需要在同化前将它与某种模式变量(或诊断量)建立联系。近年来,国内外大量研究发现,对流天气的地闪与对流降水率(或云内降水粒子)(Chang等(Chang, D.-E., J. A. Weinman, C. A. Morales, et al. 2001. The effect of spaceborne microwave and ground-based continuous lightning measurements on forecasts of the 1998 Groundhog Day storm. Mon. Wea. Rev., 129,1809–1833); Tapia等( Tapia, A., Smith, J.A., and Dixon, M. 1998. Estimation of convective rainfall from lightning observations.J. Appl. Meteor., 37: 1497-509))、冰水含量(Gauthier等(Gauthier, M. L., et al. 2006. Relationship between cloud-to-ground lightning and precipitation ice mass: A radar study over Houston. Geophysical Research Letters, Vol. 33, L20803, doi:10.1029/2006GL027244); Deierling等(Deierling W., Univ. of Alabama, Huntsville, et al. 2006. Total lightning frequency in relation to ice masses and ice mass flux estimates. Preprints, Second Conf. on Meteorological Applications of Lightning Data, Atlanta, GA, Amer. Meteor. Soc., P2.8))、雷达垂直液态水含量VIL(Vertically Integrated Liquid)、回波顶高ET(Echo Tops)(Munsell(Munsell. 2009. Developing Proxy Radar Data with the Aid of Cloud-to-Ground Lightning for a Nowcasting System, Bachelor thesis, Massachusetts Institute of Technology))有很强的相关性。其中最为突出的就是在美国GSD(Global Systems Division)业务运行的RUC(Rapid Update Cycle)及RR(Rapid Refresh)同化系统GSI(Gridpoint Statistical Interpolation)中,闪电资料被按照简单假设转换成代理雷达回波来进行同化(Benjamin等(Benjamin, S. G., S. S. Weygandt, et al. 2006. Assimilation of lightning data into RUC model convection forecasting. Preprints, Second Conf. on Meteorological Applications of Lightning Data, Atlanta, GA, Amer. Meteor. Soc., CDROM, 4.3); Benjamin等[7]( Benjamin, S., et al. 2007. From the radar enhanced RUC to the WRF-based Rapid Refresh. 18th Conf. Num. Wea. Pred., Park City, UT, AMS, J3.4); Weygandt等( Weygandt, S.S., and S.G. Benjamin. 2007. Radar reflectivity-based initialization of precipitation systems using a diabatic digital filter within the Rapid Update Cycle. 18th Conf. Num. Wea. Pred., Park City, UT, AMS, 1B.7); Hu等(Hu, M, S. S. Weygandt, et al. 2008. Ongoing development and testing of generalized cloud analysis package within GSI for initializing Rapid Refresh. 13th Conf. on Aviation, Range, and Aerospace Meteorology, New Orleans, Paper 7.4); Hu等(Hu, M, S. S. Weygandt, S. G. Benjamin, et al. 2009.Assimilation of lightning data using cloud analysis within the Rapid Refresh, 4th Conference on the Meteorological Applications of Lightning Data.))。他们使用NSSL(National Severe Storms Laboratory)1km精度的全美回波拼图产品拟合出单位格点内的闪电个数和最大回波强度之间的经验关系,并根据线性关系模拟出三维代理回波强度,结果和观测回波比较接近。另外,Pessi 和 Businger ( Pessi, Antti T.and Steven Businger. 2009. Relationships among Lightning, Precipitation, and Hydrometeor Characteristics over the North Pacific Ocean*. J. Appl. Meteor. Climatol., 48: 833–848)同样也给出了冬季和夏季闪电频数和雷达最大回波及所在高度的定量关系,以及代理三维回波垂直廓线计算公式并准备将来运用至LAPS云分析内。同化由闪电资料转换过来的雷达回波也在RUC/RR业务运行,具有很好的可行性。所以说用同化雷达回波强度的方法来同化闪电资料具有一定可行性。有关多普勒雷达回波强度资料同化方法的研究在国内外已有大量的研究,当前这些研究采用的方法主要有变分方法(Xiao等( Xiao, Q. N., Y. H. Kuo, et al. 2005. Assimilation of Doppler Radar Observations with a Regional 3D–Var System: Impact of Doppler Velocities on Forecasts of a Heavy Rainfall Case. J. Appl. Meteor., 44(6): 768–788))、集合卡尔曼滤波方法(Tong and Xue(Tong, M. and M. Xue. 2005. Ensemble Kalman filter assimilation of Doppler radar data with a compressible nonhydrostatic model: OSSE Experiments. Mon. Wea. Rev., 133, 1789-1807))和一些经验的方法,如云分析和物理初始化方法(Krishnamurt等( Krishnamurti, T. N., K. Ingles, et al. 1984. Details of low latitude medium range numerical weather prediction using a global spectral model, part ii: effects of orography and physical initialization. Journal of the Meteorological Society of Japan, 62: 613-649); Haase G等( Haase G, Crewell S, Simmer C, et al. 2000. Assimilation of radar data in mesoscale models: Physical initialization and latent heat nudging. Physics and Chemistry of the Earth, Part B: Hydrology, Oceans and Atmosphere, 25(10): 1237-1242); Milan M等( Milan M, Venema V, Schuttemeyer D, et al. 2008. Assimilation of radar and satellite data in mesoscale models: A physical initialization scheme. Meteorologische Zeitschrift, 17(6): 887-902); Yang等(Yang Y, Qiu C, Gong J. 2006. Physical initialization applied in WRF‐Var for assimilation of Doppler radar data. Geophysical research letters, 33, L22807, doi: 10.1029/2006GL027656); Yang等( Yang Y, Qiu C, Gong J, et al. 2009. The WRF 3DVar system combined with physical initialization for assimilation of Doppler radar data. Acta Meteorologica Sinica, 23(2): 129-139))等。
其中物理初始化最初由Krishnamurti等人提出,它在雷达回波强度与降水强度之间建立一种半经验关系,基于物理解析过程对垂直上升速度、比湿和云水含量进行调整,能明显缩短模式的初始调整时间(spin-up time),对降水预报有一定的正作用,使得临近预报变为可能Yang等(Yang Y, Qiu C, Gong J. 2006. Physical initialization applied in WRF‐Var for assimilation of Doppler radar data. Geophysical research letters, 33, L22807, doi: 10.1029/2006GL027656); Yang等(Yang Y, Qiu C, Gong J, et al. 2009. The WRF 3DVar system combined with physical initialization for assimilation of Doppler radar data. Acta Meteorologica Sinica, 23(2): 129-139))。这与GSI云分析中调整水汽和云微物理量的方法有类似之处。
雷达资料具有一定的缺陷,高回波值区域不一定有强对流的发生,而闪电发生的区域一定存在强对流。闪电作为强对流的指示器,将闪电资料同化入中尺度模式,会对提高强对流系统的临近预报精度产生积极作用。
发明内容
本发明所要解决的技术问题是提供一种提高模式对强对流系统临近预报精度的运用物理初始化同化地闪资料的方法。
为解决上述问题,本发明所述的一种运用物理初始化同化地闪资料的方法,包括以下步骤:
⑶设云顶高度为三维雷达代理回波顶高,云底高度则由背景场的抬升凝结高度近似代替 :
⑷云内垂直上升速度表示为:
其中:为垂直上升速度;为第k层的饱和水汽密度;为云底降水通量,假设云体内降水廓线从云底至云顶线性递减; 为可调参数,表征在云底处饱和水汽转化成雨水的转化效率,设为0.4;zct为云顶高度;zcb为云底高度;
⑸当降水强度小于0.1的区域时,垂直速度与背景场保持一致,比湿和云水含量不作改变;云水含量设为0,最大相对湿度不超过80%;
其中云水含量调整由下式计算得到:
本发明与现有技术相比具有以下优点:
1、本发明基于GSI云分析的方法,将地闪资料转换为三维代理雷达回波,再运用物理初始化方案对模式背景场的垂直上升速度、比湿和云水含量进行调整进行,可很好地改善预报回波,使其迅速向观测场逼近。
2、本发明闪电资料转换成三维代理回波能较为准确地反映实际观测回波信息,06~09时相关系数为0.847,均方根误差为6.062337。将闪电资料转为代理回波进行同化具有良好的适用性。
3、本发明与控制试验相比,同化后改善效果较为明显,多次循环同化效果优于单次同化。
4、本发明多次同化后,改善预报时效为3小时左右。这可能还是由于物理初始化过程中仅仅改变垂直速度、比湿、云水含量这三个物理量与模式其它变量之间不协调,导致衰减较快。今后如需运用此方法进行循环同化,同化时间窗最大为三小时。间隔三小时加入新时次的闪电资料,可使最大回波迅速向观测场调整,总体回波信号可维持三至四小时。这不仅为对流系统的发展和位置的移动,而且可为3小时降水的精细化预报提供很好的参考,从而提高模式对强对流系统临近预报的精度。
5、采用本发明方法,选取2009年6月5日江苏、安徽一次强对流天气过程进行试验分析。
⑴每6小时更新的1°×1°FNL(NCEP Final Analyses)资料作为WRF模式的初始场,采取一重区域(112°E~124°E,26°N~35°N)进行模拟,水平格距为13公里,水平格点数为101×101;垂直方向分为不等距的50层(即eta_levels= 1.0000, 0.9980, 0.9940, 0.9870, 0.9750, 0.9590,0.9390, 0.9160, 0.8920, 0.8650, 0.8350, 0.8020, 0.7660, 0.7270, 0.6850, 0.6400, 0.5920, 0.5420, 0.4970, 0.4565, 0.4205, 0.3877, 0.3582, 0.3317, 0.3078, 0.2863, 0.2670, 0.2496, 0.2329, 0.2188, 0.2047, 0.1906, 0.1765, 0.1624, 0.1483, 0.1342, 0.1201, 0.1060, 0.0919, 0.0778, 0.0657, 0.0568, 0.0486, 0.0409, 0.0337, 0.0271, 0.0209, 0.0151, 0.0097, 0.0047, 0.0000),模式顶层气压为10hPa,时间积分步长为60s;模式主要物理参数化方案包括:Lin微物理过程方案、RRTM长波辐射方案、Goddard短波辐射方案、RUC陆面过程方案、Grell 3D ensemble积云对流方案、Mellor-Yamada-Janjic TKE边界层方案、Monin-Obukhov(jiajic)地表方案。
⑵同化的闪电资料时间范围为6月5日06时至09时(UTC,以下所有时间均为世界时),根据GSI中经验关系将其转换变为三维代理雷达回波,与实际雷达观测的回波相比,06~09时相关系数为0.847,均方根误差为6.062337。整点时次的闪电资料为该整点时刻向后10分钟,向前30分钟(即40分钟内)闪电次数的累计量。图1为09时闪电频数分布的散点图。散点颜色越深代表闪电次数越多,由此可见苏皖中部地区、苏南及上海崇明岛地区闪电次数明显较多。图2为09时闪电资料转换成的代理最大回波水平分布图。与图1相比,闪电的高频区与转换回波的高值区位置基本对应,形状也较为一致。图3为雷达实际观测的最大回波水平分布图,与图2相较,闪电转换的回波形态与观测回波基本一致,高回波区能较好地反演出来,但某些区域仍有明显的高估和低估现象。总体来说,闪电资料转换成的代理回波具有良好的适用性。
⑶为了检验物理初始化方案运用于闪电资料同化的效果,设计如下几个试验:
试验一:控制实验(CTL)。以2009年6月4日18时FNL资料经WRF预报12小时,即6月5日06时的预报场为初始场,不加闪电资料同化直接进行预报。
试验二:同化一次(da_1)。以试验一06时的预报场为初猜场,运用物理初始化方案同化06时闪电资料,再进行预报。
试验三:同化两次(da_2)。在试验二的基础上,同化07时闪电资料后再进行预报,即循环同化两次后预报。
试验四:同化三次(da_3)。在试验三的基础上,同化08时闪电资料后再进行预报,即循环同化三次后预报。
试验五:同化四次(da_4)。在试验四的基础上,同化09时闪电资料后再进行预报,即循环同化四次后预报。
⑷结果分析:
图4~6为09时同化后增量场平面图。图4、图5、图6分别为模式第17层(高度约为4650m,基本为云内)处垂直速度、比湿和云水含量的增量场。垂直速度的增量基本位于回波大值区,最大增量可达0.8m/s。代理回波区域内,比湿的增量与代理回波形状、位置几乎一致,且代理回波大于30dBz区域的比湿改善十分明显,增量基本高于3g/kg。云水含量增量场,代理回波范围内,根据公式(5)进行调整,考虑由于不饱和空气、降水凝结夹卷造成云水含量的减小,代理回波区域基本都为正增量,最大为1.6g/kg。图7~8则显示了比湿与云水含量随高度的分布情况(选取34.39°N东西向剖面)。图中黑色零线代表0℃等温线。从图中可明显看出,云内部分比湿与云水含量的增量显著,与物理初始化调整方案一致。比湿最大增量为5.5g/kg,云水含量最大增量为1.6g/kg。比湿的垂直增量高度较大,可见部分区域的对流云发展旺盛;而云水含量着重调整的是云内过冷却水部分,所以增量垂直高度较比湿有很大区别。从水平与垂直增量场看,物理初始化方案调整的三个物理量效果较为明显,且能与代理回波很好地对应。
为了比较不同试验同化的效果,将几组试验的06~14时预报最大回波与实际观测最大回波进行对比,图9为实际观测的最大回波;图10为控制实验的预报最大回波;图11为同化一次的预报最大回波,其中由于同化后回波需要积分一段时间后才得以调整,故06时的预报场为同化后10分钟的预报场所替代。从图中看出,控制试验几乎没有回波信息。06时一次同化后,10分钟的预报场即能快速模拟出06时的回波,与观测位置较为一致。总体来说同化一次后,预报的效果要明显优于控制试验。为了定量化分析各组试验结果,下面引入ETS(Equitable Threat Score)评分(Gandin and Murphy[22](Gandin, L.S., Murphy, A.H., Equitable skill scores for categorical forecasts, Monthly Weather Review 120(1992), pp. 361-370))对观测最大回波与各组试验预报最大回波进行客观评价。设置10dBz、15dBz、20dBz、25dBz、30dBz、35dBz共6个阀值进行检验,如图12~17所示。控制试验ETS评分在低阀值区尚有小值,高阀值区几乎为0;同化一次后ETS评分值迅速上升,10dBz最高达到0.43,随着阀值的增高,ETS评分逐渐下降,35dBzETS评分为0.22;同化多次的效果优于单次同化,且同化次数越多各阀值评分越高。经四次同化后,10dBz、15dBz、20dBz评分均可达0.50左右;高阀值区25dBz评分为0.37,30dBz与35dBz评分分别为0.26、0.14,可见多次同化后,对高回波强降雨区域的预报有明显的改善。但从图中仍能发现一些问题,如虽然同化时刻ETS评分得到较大改善,但信号的持续优化性不是特别好,一般改善的预报时长为3小时左右。
⑸结论:
通过以上试验发现,运用物理初始化方案同化闪电资料转换的代理回波效果明显,预报回波可迅速得以改善,但同化的时间窗最大不能超过3小时。为检验间隔3小时循环同化的实际效果,分别在06时、09时与12时进行同化。图18~23为此同化方案提供定量化分析。经循环同化后,各阀值的ETS评分大幅度提高,峰值均发生于加入闪电资料同化的时刻。10dBz至25dBz阀值,循环同化后ETS评分一般均大于0.2,其中同化时刻可达0.5左右,三次循环同化后时效可达4小时以上,适用于一般强度降水。30dBz至35dBz阀值,属于高回波区间,可用于暴雨的预测。此区间内,循环同化后,ETS评分基本为0.1至0.2,第三次同化后,同化时刻评分可达0.36和0.29,时效约为3小时。纵观各阀值评分结果,低阀值评分优于高阀值,且时效性更强,可达4小时以上。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1为本发明09时闪电频数分布图(单位:dBz)。
图2为本发明09时代理最大回波分布图(单位:dBz)。
图3为本发明09时雷达观测最大回波分布图(单位:dBz)。
图4为本发明09时垂直速度水平增量场(单位:m/s)。
图5为本发明09时比湿水平增量场(单位:g/kg)。
图6为本发明09时云水含量水平增量场(单位:g/kg)。
图7为本发明09时比湿垂直增量场(单位:g/kg)。
图8为本发明09时云水含量垂直增量场(单位:g/kg)。
图9为本发明06时雷达观测最大回波分布图(单位:dBz)。
图10为本发明06时CTL试验预报最大回波分布图(单位:dBz)。
图11为本发明06时da_1试验预报最大回波分布图(单位:dBz)。
图12为本发明各组试验预报最大回波ETS评分(阀值为10dBz)。
图13为本发明各组试验预报最大回波ETS评分(阀值为15dBz)。
图14为本发明各组试验预报最大回波ETS评分(阀值为20dBz)。
图15为本发明各组试验预报最大回波ETS评分(阀值为25dBz)。
图16为本发明各组试验预报最大回波ETS评分(阀值为30dBz)。
图17为本发明各组试验预报最大回波ETS评分(阀值为35dBz)。
图18为本发明三小时间隔同化预报最大回波ETS评分(阀值为10dBz)。
图19为本发明三小时间隔同化预报最大回波ETS评分(阀值为15dBz)。
图20为本发明三小时间隔同化预报最大回波ETS评分(阀值为20dBz)。
图21为本发明三小时间隔同化预报最大回波ETS评分(阀值为25dBz)。
图22为本发明三小时间隔同化预报最大回波ETS评分(阀值为30dBz)。
图23为本发明三小时间隔同化预报最大回波ETS评分(阀值为35dBz)。
具体实施方式
一种运用物理初始化同化地闪资料的方法,包括以下步骤:
⑶设云顶高度为三维雷达代理回波顶高,云底高度则由背景场的抬升凝结高度近似代替 :
⑷云内垂直上升速度表示为:
其中:为垂直上升速度;为第k层的饱和水汽密度;为云底降水通量,假设云体内降水廓线从云底至云顶线性递减; 为可调参数,表征在云底处饱和水汽转化成雨水的转化效率,设为0.4;zct为云顶高度;zcb为云底高度;
其中云水含量调整由下式计算得到:
Claims (1)
1.一种运用物理初始化同化地闪资料的方法,包括以下步骤:
⑶设云顶高度为三维雷达代理回波顶高,云底高度则由背景场的抬升凝结高度近似代替 :
⑷云内垂直上升速度表示为:
其中:为垂直上升速度;为第k层的饱和水汽密度;为云底降水通量,假设云体内降水廓线从云底至云顶线性递减; 为可调参数,表征在云底处饱和水汽转化成雨水的转化效率,设为0.4;zct为云顶高度;zcb为云底高度;
其中云水含量调整由下式计算得到:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410110400.8A CN103837911B (zh) | 2014-03-24 | 2014-03-24 | 一种运用物理初始化同化地闪资料的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410110400.8A CN103837911B (zh) | 2014-03-24 | 2014-03-24 | 一种运用物理初始化同化地闪资料的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103837911A true CN103837911A (zh) | 2014-06-04 |
CN103837911B CN103837911B (zh) | 2016-08-17 |
Family
ID=50801609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410110400.8A Active CN103837911B (zh) | 2014-03-24 | 2014-03-24 | 一种运用物理初始化同化地闪资料的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103837911B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106249319A (zh) * | 2016-07-13 | 2016-12-21 | 成都信息工程大学 | Wrf模式对多单体风暴中强地闪活动的模拟方法 |
CN106772696A (zh) * | 2016-11-15 | 2017-05-31 | 兰州大学 | 用于强对流天气预报的同化总闪转换代理湿度的方法 |
CN109975809A (zh) * | 2019-04-26 | 2019-07-05 | 兰州大学 | 一种同化雷达及闪电资料的方法 |
CN110765644A (zh) * | 2019-11-06 | 2020-02-07 | 兰州大学 | 一种风云四号卫星闪电成像仪资料同化方法 |
CN112213703A (zh) * | 2020-08-18 | 2021-01-12 | 成都信息工程大学 | 一种利用毫米波云雷达反演云参数的方法及装置 |
CN112558188A (zh) * | 2021-01-22 | 2021-03-26 | 兰州大学 | 一种通过同化闪电资料改进强对流预报的方法 |
CN116911082A (zh) * | 2023-09-14 | 2023-10-20 | 成都信息工程大学 | 基于降水雷达和同化资料的降水粒子质量和数量估算方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1137832A (zh) * | 1994-01-07 | 1996-12-11 | 美国3M公司 | 基于全球定位系统和交通控制先行系统 |
CN1366465A (zh) * | 2000-03-21 | 2002-08-28 | 索尼计算机娱乐公司 | 娱乐设备、存储媒介和决定天气的方法 |
-
2014
- 2014-03-24 CN CN201410110400.8A patent/CN103837911B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1137832A (zh) * | 1994-01-07 | 1996-12-11 | 美国3M公司 | 基于全球定位系统和交通控制先行系统 |
CN1366465A (zh) * | 2000-03-21 | 2002-08-28 | 索尼计算机娱乐公司 | 娱乐设备、存储媒介和决定天气的方法 |
Non-Patent Citations (1)
Title |
---|
杨毅: "Doppler雷达资料同化技术研究", 《中国博士学位论文全文数据库基础科学辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106249319A (zh) * | 2016-07-13 | 2016-12-21 | 成都信息工程大学 | Wrf模式对多单体风暴中强地闪活动的模拟方法 |
CN106249319B (zh) * | 2016-07-13 | 2018-11-13 | 成都信息工程大学 | Wrf模式对多单体风暴中强地闪活动的模拟方法 |
CN106772696A (zh) * | 2016-11-15 | 2017-05-31 | 兰州大学 | 用于强对流天气预报的同化总闪转换代理湿度的方法 |
CN109975809A (zh) * | 2019-04-26 | 2019-07-05 | 兰州大学 | 一种同化雷达及闪电资料的方法 |
CN109975809B (zh) * | 2019-04-26 | 2021-05-04 | 兰州大学 | 一种同化雷达及闪电资料的方法 |
CN110765644A (zh) * | 2019-11-06 | 2020-02-07 | 兰州大学 | 一种风云四号卫星闪电成像仪资料同化方法 |
CN110765644B (zh) * | 2019-11-06 | 2022-02-22 | 兰州大学 | 一种风云四号卫星闪电成像仪资料同化方法 |
CN112213703A (zh) * | 2020-08-18 | 2021-01-12 | 成都信息工程大学 | 一种利用毫米波云雷达反演云参数的方法及装置 |
CN112558188A (zh) * | 2021-01-22 | 2021-03-26 | 兰州大学 | 一种通过同化闪电资料改进强对流预报的方法 |
CN112558188B (zh) * | 2021-01-22 | 2022-05-27 | 兰州大学 | 一种通过同化闪电资料改进强对流预报的方法 |
CN116911082A (zh) * | 2023-09-14 | 2023-10-20 | 成都信息工程大学 | 基于降水雷达和同化资料的降水粒子质量和数量估算方法 |
CN116911082B (zh) * | 2023-09-14 | 2023-12-05 | 成都信息工程大学 | 基于降水雷达和同化资料的降水粒子质量和数量估算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103837911B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103837911A (zh) | 一种运用物理初始化同化地闪资料的方法 | |
Sun et al. | A frequent-updating analysis system based on radar, surface, and mesoscale model data for the Beijing 2008 forecast demonstration project | |
Zhang et al. | Cloud-resolving hurricane initialization and prediction through assimilation of Doppler radar observations with an ensemble Kalman filter | |
Litta et al. | Simulation of a severe thunderstorm event during the field experiment of STORM programme 2006, using WRF–NMM model | |
Weckwerth et al. | Radar refractivity retrieval: Validation and application to short-term forecasting | |
Xu et al. | A comprehensive physical pattern of land-air dynamic and thermal structure on the Qinghai-Xizang Plateau | |
Qie et al. | Recent advances in research of lightning meteorology | |
Wang et al. | Improving forecasting of strong convection by assimilating cloud-to-ground lightning data using the physical initialization method | |
Luo | Advances in understanding the early-summer heavy rainfall over South China | |
Seed et al. | Variability of summer Florida rainfall and its significance for the estimation of rainfall by gages, radar, and satellite | |
CN109975809A (zh) | 一种同化雷达及闪电资料的方法 | |
Yuter et al. | The impact of varying environmental conditions on the spatial and temporal patterns of orographic precipitation over the Pacific Northwest near Portland, Oregon | |
Roberts et al. | REFRACTT 2006: Real-time retrieval of high-resolution, low-level moisture fields from operational NEXRAD and research radars | |
Yasunaga et al. | Characteristics of 3–4-and 6–8-day period disturbances observed over the tropical Indian Ocean | |
Gan et al. | Assimilation of radar and cloud-to-ground lightning data using WRF-3DVar combined with the physical initialization method—A case study of a mesoscale convective system | |
Rao et al. | A numerical simulation study of the Indian summer monsoon of 1994 using NCAR MM5 | |
Besson et al. | Links between weather phenomena and characteristics of refractivity measured by precipitation radar | |
Vaidya | Simulation of weather systems over Indian region using mesoscale models | |
Vanina-Dart et al. | Main results of recent investigations into the physical mechanisms of the interaction of tropical cyclones and the ionosphere | |
Wang et al. | Statistical characteristics of convective initiation in the Beijing-Tianjin region revealed by six-year radar data | |
Srivastava et al. | Simulation of high impact convective events over Indian region by ARPS model with assimilation of Doppler weather radar radial velocity and reflectivity | |
Xiong et al. | Analysis and numerical study of a hybrid BGM-3DVAR data assimilation scheme using satellite radiance data for heavy rain forecasts | |
Hu et al. | Development and testing of a new cloud analysis package using radar, satellite, and surface cloud observations within GSI for initializing Rapid Refresh | |
Macpherson et al. | Assimilation of radar data in numerical weather prediction (NWP) models | |
Feng et al. | Precipitation microphysical characteristics of typhoon Ewiniar (2018) before and after its final landfall over southern China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |