留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

优先发表

优先发表栏目展示本刊经同行评议确定正式录用的文章,这些文章目前处在编校过程,尚未确定卷期及页码,但可以根据DOI进行引用。
显示方式:
双偏振雷达KDP足及ZDR弧的自动识别及应用研究
管理, 戴建华, 袁招洪, 陶岚, 尹春光, 邹兰军
, doi: 10.11676/qxxb2022.047
摘要(96) HTML(37) PDF(46)
摘要:
差分反射率($ {Z}_{\mathrm{D}\mathrm{R}} $)弧表示超级单体风暴中前侧入流区域弧状的$ {Z}_{DR} $大值区,差分相移率($ {K}_{\mathrm{D}\mathrm{P}} $)足则表示风暴核心顺切变方向$ {K}_{\mathrm{D}\mathrm{P}} $大值区。超级单体风暴中的$ {Z}_{\mathrm{D}\mathrm{R}} $弧及$ {Z}_{\mathrm{D}\mathrm{R}} $弧-$ {K}_{\mathrm{D}\mathrm{P}} $足分离特征已被证实为风暴中粒子“分选机制”的重要示踪因子,并且$ {Z}_{\mathrm{D}\mathrm{R}} $弧和$ {K}_{\mathrm{D}\mathrm{P}} $足质心连线和分离角与低层入流和风暴相对螺旋度相关较好。为快速识别$ {K}_{\mathrm{D}\mathrm{P}} $足及$ {Z}_{\mathrm{D}\mathrm{R}} $弧并提取$ {Z}_{\mathrm{D}\mathrm{R}} $弧-$ {K}_{\mathrm{D}\mathrm{P}} $足分离特征,运用其指示意义提升极端大风和冰雹的预报能力。基于经典概念模型和机器学习方法,利用华东地区S波段双偏振雷达探测资料,进行了$ {K}_{\mathrm{D}\mathrm{P}} $足和$ {Z}_{\mathrm{D}\mathrm{R}} $弧的自动识别算法设计,并计算了$ {Z}_{\mathrm{D}\mathrm{R}} $$ -{K}_{\mathrm{D}\mathrm{P}} $足质心距离和分离角。而后针对华东地区4次超级单体风暴过程,结合地面自动观测资料验证了$ {K}_{\mathrm{D}\mathrm{P}} $足及$ {Z}_{\mathrm{D}\mathrm{R}} $弧识别结果及定量化计算效果。结果显示:设计的方法能够准确识别出超级单体风暴中的$ {K}_{\mathrm{D}\mathrm{P}} $足和$ {Z}_{\mathrm{D}\mathrm{R}} $弧,$ {Z}_{\mathrm{D}\mathrm{R}} $$ -{K}_{\mathrm{D}\mathrm{P}} $足质心距离和分离角的变化也可在一定程度上指示极端大风的发生。
利用深度学习开展偏振雷达定量降水估测研究
皇甫江, 胡志群, 郑佳锋, 朱永杰, 尹晓燕, 左园园
, doi: 10.11676/qxxb2022.046
摘要(64) HTML(6) PDF(38)
摘要:
利用2018—2020年经偏振升级改造后的广州S波段双偏振雷达(CINRAD/SAD)82892个体扫的0.5°仰角数据,以及雷达100 km探测范围内1109个雨量站共计538560个分钟雨量数据,分别构建了单参量、三参量雷达定量降水估测(QPE)深度学习网络架构(Z-Rnet、KDP-Rnet、Pol-Rnet),并以KDP=0.5°/km为阈值分别训练得到大雨、小雨、总体等9个定量降水估测模型。在常用的均方误差作为损失函数的基础上,对不同降水强度采用不同权重提出了自定义损失函数,并利用比率偏差、相对偏差、均方差、平均绝对误差和平均相对误差作为评价指标对模型进行评估。通过对以积-层混合云为主、以对流云为主和以层状云为主的3次降水过程的模型验证结果表明,利用深度学习训练的模型有较好的定量降水估测效果,区分雨强的小雨、大雨模型比不区分雨强的总体模型的效果要好。采用自定义损失函数模型效果更好,其均方差、平均绝对误差和平均相对误差分别较采用传统均方误差损失函数提升了8.62%、12.52%、16.34%。自定义损失函数中,采用ZH-ZDR-KDP三参量网络架构训练得到的定量降水估测模型效果最好,其均方差、平均绝对误差和平均相对误差分别较采用ZH的单参量Z-Rnet架构提升6.82%、8.43%、7.22%;较采用KDP的单参量KDP-Rnet架构提升12.33%、17.61%、17.26%。
夏季印度洋MJO活跃时间对中国长江流域降水日数的影响
雷徐奔, 张文君, 刘超
, doi: 10.11676/qxxb2022.029
摘要(119) HTML(8) PDF(33)
摘要:
利用1980 2020年中国753站逐日降水资料、NCEP/NCAR大气再分析资料以及哈德莱中心的海表温度资料和实时多变量 MJO指数,研究了MJO在印度洋地区(1—3位相)活跃日数对长江流域夏季降水日数的影响。结果表明两者存在统计显著的联系,在MJO活跃日数偏多的年份,MJO相关的西北太平洋反气旋环流异常有利于长江中下游地区的水汽输送,进而导致长江流域中下游范围内降水日数的增加,且这种影响主要体现在降水等级为大雨(25 mm/d)及以上强度的日数上。进一步研究发现,MJO在印度洋活跃日数与长江中下游夏季降水日数的关系存在年代际变化,两者显著的联系仅出现在2000年之后,在之前的时段两者联系则较弱。这种关系的转变可能与印度洋海表温度变率减弱的背景有关,印度洋海洋年际变率变弱导致其对于长江中下游地区的影响减弱,进而使得MJO的调控作用凸显出来。夏季季节平均的印度洋MJO活跃日数可以对长江中下游的大雨以上的降水日数产生影响,且两者间的关系在大约2000年之后变得尤为显著。