CN113406590B - 一种抑制虚假对流的方法 - Google Patents
一种抑制虚假对流的方法 Download PDFInfo
- Publication number
- CN113406590B CN113406590B CN202110651804.8A CN202110651804A CN113406590B CN 113406590 B CN113406590 B CN 113406590B CN 202110651804 A CN202110651804 A CN 202110651804A CN 113406590 B CN113406590 B CN 113406590B
- Authority
- CN
- China
- Prior art keywords
- convection
- echo
- assimilating
- false
- max
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Environmental Sciences (AREA)
- Evolutionary Biology (AREA)
- Electromagnetism (AREA)
- Atmospheric Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Biodiversity & Conservation Biology (AREA)
- Algebra (AREA)
- Ecology (AREA)
- Software Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种抑制虚假对流的方法,该方法包括以下步骤:⑴确定虚假对流的范围:将观测的最大雷达回波小于10 dBZ且背景场中的最大回波与观测回波的差大于10 dBZ的范围确定为虚假对流的范围;⑵将0≤雷达回波≤10 dBZ的区域确定为非降水回波区域,定义0w max 为背景场非降水回波区最大垂直速度的平均值;⑶利用集合均方根滤波的方法,首先同化三维的雷达回波,然后在虚假对流区同化所述0w max 值,循环同化四次得到分析场;⑷利用分析场继续预报得到预报场;⑸进行预报检验。本发明可以有效降低预报空报率。
Description
技术领域
本发明涉及一种气象数据处理方法,尤其涉及一种抑制虚假对流的方法。
背景技术
数值天气预报模型(NWPs)中的初始条件对短期天气预报的技能起着重要作用。目前,雷达观测、闪电数据、卫星数据等已经通过各种方法进行同化,以改善NWPs的初始场,这些研究在提高强对流过程的命中率方面取得了良好的效果。但是,在实际天气预报中,经常会出现虚假预报的情况。对于快速移动的对流系统,模拟和观测之间可能存在明显的位置偏差,此时如果同化高时空分辨率的观测数据,很可能会出现两个雨带(一个是实际的,一个是假的)。虽然降水的命中率提高了,但空报率仍然很高。还有其他一些情况,数据同化可以改善强对流过程的预报,但同时也会产生一些虚假的降水。Vendrasco等人(2016)表明,使用三维变异(3DVAR)技术同化雷达数据可能会产生虚假降水,以及降水位置和数量的巨大误差。这些问题在快速循环同化中可能会恶化。
目前已有一些关于如何抑制假性对流的研究。其中一个原因可能是在引入高时空分辨率数据的情况下,初始分析中的动力和微物理场缺乏适当的平衡。Vendrasco等人(2016)试图通过在代价函数中加入大尺度分析约束来最小化高估的预报,Lin等人(2021年)通过谱Nudging方法对区域模型施加了一个大尺度约束以抑制虚假降水。除此之外,Reen(2017)认为虚假对流可能是由于噪声造成的,可以使用数字滤波方法(Lynch,1993)来试图减少它,然而,数字滤波也可能去除真正的大气特征。上述方法都能显著减少数据同化过程中引入的高估降水,但它们对不准确的驱动场导致的虚假降水带的抑制作用很小。
此外,一些学者试图减少虚假对流区域的水汽或水物质。Fierro等人(2019)将闪电密度数据同化为雷电发生区的水汽质量混合比,然后在整个领域内去除等量的水汽质量。但结果显示,这些在闪电区域外的水汽质量的增量负调整对虚假对流的影响可以忽略不计。主要原因是只有初始时刻的水汽被轻微调整,但对动力场和热力场没有足够的调整,新的对流仍然会在虚假区域被触发,周围区域的水汽在动力场的作用下会迅速补充到水汽减少的区域,用物理初始化方法去除初始场的水汽,可能只影响初始时刻的降水,但对流会在随后的时刻迅速重新发展。
晴空回波或无雨回波也可用来抑制虚假的对流,目前也取得了一些比较明显的效果,但仍然存在一些问题。首先,晴空回波的观测量很大,同化的工作量也会很大。第二,晴空回波的探测精度比降水回波低,观测误差不易给出(Rennie等,2018)。第三,以往的研究表明,在通过3DVAR将水物质混合比作为反射率数据同化的控制变量时,由于背景反射率小,代价函数梯度极大,可能导致同化效率低下(Sun等,1997),而在同化晴空回波时,这个问题会更加明显,因为晴空回波区域的背景反射率趋于小值(Kong,2017)。
一般来说,有效抑制假对流需要同时考虑动态和热力调整。一方面,需要从热力和动力方面抑制假对流区域的对流发展。另一方面,需要削弱假对流区与周围其他区域的热和动量交换,从而限制假对流区对流的再生。
集合平方根滤波器(EnSRF)使用集合预报来估计流依赖的背景误差协方差,它已被用于同化常规观测、雷达、卫星和闪电数据等(Wang等,2015;Gao和Min,2018)。EnSRF具有更大的灵活性,Gan等人(2021)提出了一种通过EnSRF方法同化闪电数据转换的二维w max 的方案,结果表明,同化二维w max 可以有效改善热力场,为对流的发展提供温暖湿润的环境,并可以调整动力场,使低层出现强辐合,高层出现强辐散,由于w max 与模式的动力和热力变量之间有很强的关联性,较大的w max 可以用来把中尺度和小尺度的信息很好地加入到背景中,并能在很大程度上减少工作量。
发明内容
本发明所要解决的技术问题是提供一种有效降低预报空报率的抑制虚假对流的方法。
为解决上述问题,本发明所述的一种抑制虚假对流的方法,包括以下步骤:
⑴确定虚假对流的范围:
将观测的最大雷达回波小于10 dBZ且背景场中的最大回波与观测回波的差大于10 dBZ的范围确定为虚假对流的范围;
⑵将0≤雷达回波≤10 dBZ的区域确定为非降水回波区域,定义0w max 为背景场非降水回波区最大垂直速度的平均值;
⑶利用集合均方根滤波的方法,首先同化三维的雷达回波,然后在虚假对流区同化所述0w max 值,循环同化四次得到分析场;
⑷利用分析场继续预报得到预报场;
⑸进行预报检验。
所述步骤⑶集合均方根滤波的方法中同化三维的雷达回波和同化二维的0w max 时分析变量包括风场(u,v,w)、扰动位温(prt)、扰动位势(ph)、水汽混合比(qv)、雨水混合比(qr)、冰混合比(qi)、霰混合比(qg)、云混合比(qc)、雪混合比(qs)。
所述集合均方根滤波的方法中同化三维的雷达回波时采用的水平局地化方案和垂直局地化方案是GC函数。
所述集合均方根滤波的方法中同化二维的0w max 采用GC函数作为水平局地化函数。
本发明与现有技术相比具有以下优点:
1、本发明基于中尺度数值模式WRF和EnSRF同化方法,通过在虚假对流区域同化0w max 值,从动力场和热力场两方面对背景场进行调整,可以减小虚假对流区域的背景场中的水汽和上升运动,有效抑制该区域对流的发展,还可以减少周边区域向虚假对流区域的水汽输送,并且削弱地面冷池,不利于虚假对流的再生和维持,对于虚假降水和虚假回波的预报具有显著的抑制效果,也可以有效降低预报空报率。
2、相比于已有的同化晴空回波、或者同化非降水回波的方法,本发明提出的在虚假对流区域同化0w max 值的方法抑制虚假降水预报的效果更加显著。
3、相比于已有的同化三维的晴空回波、或者同化非降水回波的方法,本发明提出的在虚假对流区域同化二维0w max 值的方法很大程度上减小了计算量。
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为本发明中试验设计的流程图,其中RF、DA、wmax分别表示雷达回波、资料同化、最大垂直速度,CTL、RDA、RDA_0Wmax分别表示控制试验、同化雷达回波的试验、以及同时同化雷达和0w max 值的试验,Spin-up可以理解为:因为中小尺度模式都是由无云初始场开始的,所以开始需要一定的时间产生相应的云水信息,冷启动之后会在一段时间内产生实际的云水信息,但是这几个小时内的预报是不准确的,将这几个小时称为“spin-up”时间。
图2为本发明同化的雷达回波和同化的0w max 范围。其中(a1)是2018年6月27日12UTC观测的最大回波,(a2)是2018年6月27日13 UTC观测的最大回波,(a3)是2018年6月27日14 UTC观测的最大回波,(a4)是2018年6月27日15 UTC观测的最大回波;(b1)是同化2018年6月27日12 UTC的0w max 的范围,(b2)是同化的2018年6月27日13 UTC的0w max 的范围,(b3)是同化的2018年6月27日14 UTC的0w max 的范围,(b4)是同化的2018年6月27日15 UTC的0w max 的范围。
图3为本发明预报的最大雷达回波和最大回波的预报性能图。(a)为观测的2018年6月27日16 UTC的最大雷达回波,(b)为CTL试验预报的2018年6月27日16 UTC的最大雷达回波,(c)为RDA试验预报的2018年6月27日16 UTC的最大雷达回波,(d)为RDA_0Wmax试验预报的2018年6月27日16 UTC的最大雷达回波,(e)为阈值取10 dBZ的预报性能图,(f)为阈值取20 dBZ的预报性能图,(g)为阈值取30 dBZ的预报性能图。
图4为本发明累积降水分布和累积降水的预报性能图。(a)为观测的2018年6月27日15 UTC至2018年6月27日18 UTC的累积降水,(b)为CTL试验预报的2018年6月27日15 UTC至2018年6月27日18 UTC的累积降水,(c)为RDA试验预报的2018年6月27日15 UTC至2018年6月27日18 UTC的累积降水,(d)为RDA_0Wmax试验预报的2018年6月27日15 UTC至2018年6月27日18 UTC的累积降水,(e)为阈值取1 mm的预报性能图,(f)为阈值取5 mm的预报性能图,(g)为阈值取10 mm的预报性能图。
具体实施方式
一种抑制虚假对流的方法,包括以下步骤:
⑴确定虚假对流的范围:
10 dBZ被认为是区分降水回波和非降水回波的阈值。将观测的最大雷达回波小于10 dBZ(包括观测缺省的区域)且背景场中的最大回波与观测回波的差大于10 dBZ的范围确定为虚假对流的范围。
⑵将0≤雷达回波≤10 dBZ的区域确定为非降水回波区域,定义0w max 为背景场非降水回波区最大垂直速度的平均值;
非降水回波区对流发展很弱,所以该区域的最大垂直速度是接近于0 m/s的小值。本发明中根据2018年6月27日个例背景场计算得到的0w max 为0.2 m/s。
⑶利用集合均方根滤波(EnSRF)的方法,首先同化三维的雷达回波(>10 dBZ),然后在虚假对流区同化0w max 值,循环同化四次得到分析场。
由于最大垂直速度是一个特殊的二维的变量,EnSRF具有很强的灵活性,易于建立最大垂直速度和其他变量之间建立平衡约束,此外EnSRF方法避免了产生扰动观测时生成的采样误差,所以本发明中选用EnSRF同化闪电转换的最大垂直速度。
集合均方根滤波的方法中同化三维的雷达回波和同化二维的0w max 时分析变量包括风场(u,v,w)、扰动位温(prt)、扰动位势(ph)、水汽混合比(qv)、雨水混合比(qr)、冰混合比(qi)、霰混合比(qg)、云混合比(qc)、雪混合比(qs)。其中:集合均方根滤波的方法中同化三维的雷达回波时采用的水平局地化方案和垂直局地化方案是GC函数(Gaspari和Cohn,1999)。因为弱对流区垂直速度的垂直变化不明显,集合均方根滤波的方法中同化二维的0w max 采用GC函数作为水平局地化函数,没采用垂直局地化函数。
⑷利用分析场继续预报得到预报场。
⑸进行预报检验。
为了验证本发明对强对流预报的改善效果,选取了2018年6月27日发生在我国江苏和安徽地区的一次强对流过程进行个例分析,本次试验总共设计一组控制实验以及两组循环同化试验,试验设计的流程图如图1所示。图1中RF、DA、wmax分别表示雷达回波、资料同化、最大垂直速度,CTL、RDA、RDA_0Wmax分别表示控制试验、同化雷达回波的试验、以及同时同化雷达和0w max 的试验。Spin-up可以理解为:因为中小尺度模式都是由无云初始场开始的,所以开始需要一定的时间产生相应的云水信息,冷启动之后会在一段时间内产生实际的云水信息,但是这几个小时内的预报是不准确的,将这几个小时称为“spin-up”时间。
详细的试验设计如表1所示:
表1 试验设计表
在上述试验中,试验Ⅰ(CTL)是控制试验,试验Ⅱ(RDA)是利用EnSRF方法同化雷达回波的试验,同化时间是2018年6月27日12、13、14、15 UTC,试验Ⅲ(RDA_0Wmax)是利用EnSRF方法同化雷达回波和虚假对流区的0w max 的试验。本研究选用WRF 4.0版本,21个全球集合成员预报系统的集合预报被用为WRF模式提供初始场和边界场,为了使样本离散度增强,选用RRTMG和Goddard辐射参数化方案使21个样本扰动成为42个样本,除此之外,选用的参数化方案有Thompson微物理方案、Monin-Obukhov近地层方案、Mellor-Yamada-JanjicTKE行星边界层方案、unified Noah陆面方案,Tiedtke积云参数化方案(只在D01中使用)。本研究采用两重嵌套网格,D01的水平分辨率为9 km,模式网格为171×191,D02水平分辨率为3 km,模式网格为211×271,垂直方向有50层。
本发明采用EnSRF方案同化雷达回波和虚假对流区的二维0w max 值,图2所示是四个同化时刻的雷达回波和0w max 值的分布情况。仅同化雷达回波的试验(RDA)存在比较明显的虚假对流,主要位于真实对流的周围。
图3(a-d)和图4(a-d)显示了雷达最大反射率和累积降水的分布。2018年6月27日16 UTC,有两个强回波区域:一个在安徽和江苏两省交界处,另一个在海洋上空。RDA试验很好地模拟了强反射率,但反射率的范围比观测回波要大。RDA_0Wmax试验预报的反射率的范围小于RDA试验。在降水方面,RDA实验在江苏中部出现了明显的虚假降水,但RDA_0Wmax试验模拟的降水范围与观测值接近。
图3(e-g)和图4(e-g)分别是不同阈值的雷达回波和累积降水的预报性能图,预报性能图可以反映很多信息,包括预报偏差(FR,图中虚线所示,越接近1表明预报偏差越小,大于1表示高估,小于1表示低估)、命中率(POD,越高表明预报越好)、临界成功指数(CSI,图中曲线所示,范围0-1,约接近于1越好)、成功率(SR,1减去空报率,越接近于1越好),综合来说在预报性能图中约接近于右上角,表明预报效果越准确。反射率的预报性能图显示RDA_0Wmax实验的空报率小于RDA实验,降水的预报性能图也可以得到同样的结论。综上所述,通过EnSRF在虚假对流区域同化0w max 可以有效地抑制虚假对流。
Claims (3)
1.一种抑制虚假对流的方法,包括以下步骤:
⑴确定虚假对流的范围:
将观测的最大雷达回波小于10 dBZ且背景场中的最大回波与观测回波的差大于10dBZ的范围确定为虚假对流的范围;
⑵将0≤雷达回波≤10 dBZ的区域确定为非降水回波区域,定义0w max 为背景场非降水回波区最大垂直速度的平均值;
⑶利用集合均方根滤波的方法,首先同化三维的雷达回波,然后在虚假对流区同化所述0w max 值,循环同化四次得到分析场;所述集合均方根滤波的方法中同化二维的0w max 采用GC函数作为水平局地化函数;
⑷利用分析场继续预报得到预报场;
⑸进行预报检验。
2.如权利要求1所述的一种抑制虚假对流的方法,其特征在于:所述步骤⑶集合均方根滤波的方法中同化三维的雷达回波和同化二维的0w max 时分析变量包括风场、扰动位温、扰动位势、水汽混合比、雨水混合比、冰混合比、霰混合比、云混合比、雪混合比。
3.如权利要求2所述的一种抑制虚假对流的方法,其特征在于:所述集合均方根滤波的方法中同化三维的雷达回波时采用的水平局地化方案和垂直局地化方案是GC函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110651804.8A CN113406590B (zh) | 2021-06-11 | 2021-06-11 | 一种抑制虚假对流的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110651804.8A CN113406590B (zh) | 2021-06-11 | 2021-06-11 | 一种抑制虚假对流的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113406590A CN113406590A (zh) | 2021-09-17 |
CN113406590B true CN113406590B (zh) | 2023-03-10 |
Family
ID=77683567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110651804.8A Active CN113406590B (zh) | 2021-06-11 | 2021-06-11 | 一种抑制虚假对流的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113406590B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2420749A2 (en) * | 2010-08-20 | 2012-02-22 | INTERALU, naanloze vennootschap | Climatisation for application in a suspended ceiling of a space in a building |
CN104977584A (zh) * | 2015-06-29 | 2015-10-14 | 深圳市气象台 | 一种对流天气的临近预报方法及系统 |
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 |
CN107037504A (zh) * | 2016-11-15 | 2017-08-11 | 兰州大学 | 用于强对流天气预报的同化地闪转换代理雷达回波的方法 |
CN109063083A (zh) * | 2016-07-20 | 2018-12-21 | 中国水利水电科学研究院 | 一种多源气象信息数据同化方法 |
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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9285504B2 (en) * | 2008-11-13 | 2016-03-15 | Saint Louis University | Apparatus and method for providing environmental predictive indicators to emergency response managers |
US9664793B2 (en) * | 2014-01-08 | 2017-05-30 | Byron Gene Stinson | System for GPS location, impact, and temperature recorder for a transporting container |
-
2021
- 2021-06-11 CN CN202110651804.8A patent/CN113406590B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2420749A2 (en) * | 2010-08-20 | 2012-02-22 | INTERALU, naanloze vennootschap | Climatisation for application in a suspended ceiling of a space in a building |
CN104977584A (zh) * | 2015-06-29 | 2015-10-14 | 深圳市气象台 | 一种对流天气的临近预报方法及系统 |
CN109063083A (zh) * | 2016-07-20 | 2018-12-21 | 中国水利水电科学研究院 | 一种多源气象信息数据同化方法 |
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 |
CN107037504A (zh) * | 2016-11-15 | 2017-08-11 | 兰州大学 | 用于强对流天气预报的同化地闪转换代理雷达回波的方法 |
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 |
Non-Patent Citations (2)
Title |
---|
" 雷达资料同化在强对流天气预报中的应用研究";高士博;《中国优秀博硕士学位论文全文数据库(博士)基础科学辑》;20190115;第A009-33页 * |
"大尺度约束下雷达资料同化的方法研究";岳欣健;《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》;20181115;第A009-43页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113406590A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mizuta et al. | 20-km-mesh global climate simulations using JMA-GSM model—mean climate states— | |
Kanamitsu | Description of the NMC global data assimilation and forecast system | |
Wang | An explicit simulation of tropical cyclones with a triply nested movable mesh primitive equation model: TCM3. Part II: Model refinements and sensitivity to cloud microphysics parameterization | |
Pu et al. | The impact of TRMM data on mesoscale numerical simulation of Supertyphoon Paka | |
CN112558188B (zh) | 一种通过同化闪电资料改进强对流预报的方法 | |
Zhao et al. | A modeling study of cloud physical properties of extreme and non-extreme precipitation in landfalling typhoons over China | |
Li et al. | Effects of latent heat in various cloud microphysics processes on autumn rainstorms with different intensities on Hainan Island, China | |
Lee et al. | Comparing 3DVAR and hybrid radar data assimilation methods for heavy rain forecast | |
Jian et al. | Precipitation simulation associated with Typhoon Sinlaku (2002) in Taiwan area using the LAPS diabatic initialization for MM5 | |
Fujii et al. | Assimilating ocean observation data for ENSO monitoring and forecasting | |
Iguchi et al. | Impacts of aerosol and environmental conditions on maritime and continental deep convective systems using a bin microphysical model | |
Leung et al. | Evaluation of regional climate simulations of the 1998 and 1999 East Asian summer monsoon using the GAME/HUBEX observational data | |
CN113406590B (zh) | 一种抑制虚假对流的方法 | |
Stensrud et al. | Importance of cold pools to NCEP mesoscale Eta Model forecasts | |
Yun et al. | Physical processes in sea fog formation and characteristics of turbulent air-sea fluxes at socheongcho ocean research station in the yellow sea | |
Bengtsson et al. | Global observations and forecast skill | |
Abhilash et al. | Impact of Doppler radar wind in simulating the intensity and propagation of rainbands associated with mesoscale convective complexes using MM5-3DVAR system | |
Davolio et al. | High resolution simulations of an intense convective precipitation event | |
Zhou et al. | Sensitivity of summer precipitation simulation to the physical parameterizations in WRF over the Tibetan Plateau: A case study of 2018 | |
Murata | A mechanism for heavy precipitation over the Kii Peninsula accompanying Typhoon Meari (2004) | |
Huang et al. | Tropical cyclone structure in the South China Sea based on high-resolution reanalysis data and comparison with that of ‘bogus’ vortices | |
Hui-jun et al. | A case study of numerical simulation of sea fog on the southern China coast | |
Sun et al. | Numerical simulation of two East Asian dust storms in spring 2006 | |
Tsujino et al. | Effects of mid-level moisture and environmental flow on the development of afternoon thunderstorms in Taipei. | |
Kong et al. | Evaluation of surface meteorology parameters and heat fluxes from CFSR and ERA5 over the Pacific Arctic Region |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |