排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
利用NCEP再分析资料、常规气象资料、自动观测站资料和多普勒雷达等资料,分析了2019年4月9日发生在湖州地区的强对流天气过程。结果表明:500~700 hPa低槽配合强冷空气东移南下,中低层850 hPa切变东伸发展,西南暖湿气流加强,是这次强对流天气发生的有利天气背景场。上中层干冷、下层暖湿的温、湿场配置,为强对流的发生提供了大量不稳定能量;850 hPa以下冷空气渗透对不稳定能量的爆发起到了触发作用。强对流云团具有回波悬垂特征,出现的低悬强回波中心是高效率降水回波的标志,对短时强降水有指示意义。 相似文献
2.
3.
通过对2010年12月15日湖州市暴雪过程的风廓线雷达资料分析发现: 风廓线雷达风资料可以清楚地展示暴雪过程风场变化特点,通过分析高低层冷暖平流的分布变化情况,进一步了解暴雪过程的大气层结结构;风廓线雷达探测到的垂直速度、折射率结构常数及探测高度等指标的变化能反映降雪的开始、结束以及降雪的强度,为精细化预报提供参考。 相似文献
4.
风廓线雷达资料在暴雪天气过程中的应用 总被引:1,自引:0,他引:1
通过对2010年12月15日湖州市暴雪过程的风廓线雷达资料分析发现:风廓线雷达风资料可以清楚地展示暴雪过程风场变化特点,通过分析高低层冷暖平流的分布变化情况,进一步了解暴雪过程的大气层结结构;风廓线雷达探测到的垂直速度、折射率结构常数及探测高度等指标的变化能反映降雪的开始、结束以及降雪的强度,为精细化预报提供参考。 相似文献
5.
6.
提出了一个大雾预报的天气学模型,为了建立客观预报模式,必须把相应环流背景信息进行量化处理。该模式应用多种物理量来描述大雾发生前天气形势的变化,既便于量化又很容易实现预报的客观化和自动化。给出了物理量转换、组合计算方法,定向输送量概念对背景场的动态量化十分有效。应用BP神经网络建立大雾预报模型,选取的预报因子、预报指标可以较完整地描述形成大雾的整个背景场,包含的信息量大,业务应用效果明显。用于建模的神经网络设计和参数化方案对其他预报系统建设有借鉴意义。 相似文献
7.
通过对2010年12月15日湖州市暴雪过程的风廓线雷达资料分析发现,可以清楚地展示暴雪过程风场变化特点,通过分析高低层冷暖平流的分布变化情况,进一步了解暴雪过程的大气层结结构;风廓线雷达探测到的垂直速度、折射率结构常数及探测高度等指标的变化能反映降雪的开始、结束以及降雪的强度,为精细化预报提供参考。 相似文献
8.
9.
1