气象学的进展

近地层湍流对陆-气相互作用和污染物扩散具有重要影响，研究复杂地形下近地层湍流特征有助于理解陆-气相互作用，改善模式近地层参数化，提高污染预测能力。对2008年兰州大学半干旱气候环境观测站(SACOL)的近地层湍流观测数据进行了处理。计算了高质量湍流参数，分析了湍流的统计特性和传递特性，并从动力学和热力学角度评价了湍流的形成。黄土高原半干旱区大气稳定性基本以中性/近中性和弱不稳定/弱稳定条件为主;这一模式与其他站点不稳定层和稳定层的优势明显不同。湍流强度在水平方向和垂直方向上均有显著差异，基本表现出一定的关系 ．的平均值和分别是0.42和0.40，是0。14，这和一般的模式不同吗 ，这表明SACOL的湍流强度具有较大的侧风贡献。非中性风速分量的无量纲标准差满足“1/3定律”，无量纲标准差u， ，和半干旱区黄土高原分别为3.35、2.98和1.26。这些值大于平坦地形的值。剪切项对湍流形成的贡献大于浮力项，SACOL动能收支方程中剪切项和浮力的年平均值为47.94 × 10⁻⁴米²·年代⁻³还有11.32 × 10⁻⁴米²·年代⁻³,分别。动量传递系数的年平均值换热系数近中性条件下为8.54 × 10⁻³2。52 × 10⁻³,分别。

站基SAT数据的空间稀疏性和时间不连续性使我们无法充分了解南极地面气温在过去几十年的变化。利用空间插值生成时空连续的SAT场是解决这一问题的一种方法。本研究提出了一种基于遗传算法(GA)优化的反向传播人工神经网络(BPANN)来估算1960-2019年南极大陆的月卫星场。交叉验证表明，GA-BPANN插值精度高于BPANN和多元线性回归(MLR)两种基准方法。三种插值方法的误差随月份变化，且在暖月(冷月)有减小(增大)的趋势。1960-1989年，SAT年平均变冷趋势显著(趋势=−0.07°C/年; ）1990-2019年显著变暖趋势(趋势= 0.06°C/年; ）.其中，1960-1989年的1月和12月的气温变化趋势不显著，1990-2019年的1月、6月、7月和12月的气温变化趋势显著。此外，南极SAT随纬度和距离海岸线的距离而减小，但南极东部总体上比南极西部冷。南极大陆的SAT趋势存在明显的时空不一致性，例如，大部分南极大陆在1960-1989年期间呈现出冷却趋势(趋势=−0.20°C/年; ）在1990-2019年期间，整个南极大陆呈现出变暖的趋势(趋势= 0 ~ 0.10°C/年; ）在高纬度地区有一个峰。

本文对TRMM、CMORPH和PERSIANN 3种卫星降水产品在中国三峡库区的多时间尺度上进行了评价。评估内容包括降雨量、极端降水量和雨天探测能力。结果表明，CMORPH和TRMM对降雨量的估计较好，但PERSIANN对降雨量的估计偏大。CMORPH的数据精度略优于TRMM。三种卫星产品都可以重现降雨的日循环，即早晨降水多于晚上。在3小时和12小时的时间标度上，CMORPH的估计值最接近测站的观测值。CMORPH数据夜间的数据精度高于白天。在日时间尺度上，TRMM资料的质量略低于CMORPH，而PERSIANN与地面观测的差异较大。在月、季、年尺度上，TRMM与CMORPH均表现出相当的性能，且两者均明显优于PERSIANN。CMORPH和TRMM的雨天检测能力明显优于波斯菊。 The PERSIANN data tended to overestimate the light rainy days but underestimate the heavy and torrential rainy days. The CMORPH data overestimated mainly the moderate rainy days. The TRMM data overestimated the occurrence frequency of heavy rain during the winter half year (from October to the next March). Both the CMORPH and the TRMM provided good estimates of the regional average rainy days. The data accuracy of CMORPH was slightly better than TRMM, and both were far better than the PERSIANN with respect to the rainfall amount and rainy-day detection. Nevertheless, all satellite estimates showed large biases of extreme precipitation. The CMORPH estimate of the maximum 5-day precipitation was the best of all. Both the CMORPH and TRMM data overestimated the 95th percentile of precipitation, but the PERSIANN data severely underestimated it. The PERSIANN estimates of extreme precipitation amount were the best of all during the daytime, nighttime, and the whole day. The above evaluation results could facilitate the application of satellite rainfall products and provide a reference to precipitation-related studies.

近年来，预测热带气旋(TC)强度的能力略有提高，部分原因是对眼壁对流过程的认识不足。短期周期对流活动(周期3 ~ 5 h)已在多个TC中得到证实，但这些活动对小时尺度TC强度演变的影响尚待深入研究。利用雷达观测和基于天气研究预报模式的高分辨率数值模拟，分析了台风“天凤”(2017)增强过程中眼壁对流的周期。结果表明，眼壁对流存在4个短期周期周期(周期3 ~ 5 h)，与TC增强相对应。我们将每个循环进一步划分为三个阶段。对流的周期性演化抑制了TC的快速强化。根据眼壁区域的虚拟势温趋势，最高和最低的强化速率分别与第一和第三阶段相关。加热以感热和潜热相关的垂直平流为主，受眼壁对流和结构控制。在每个周期的三个阶段中，垂直输送在第一阶段释放的潜热最大;因此，这一阶段的强化速率最高。 In the second stage, heating was reduced because of decreased latent heat and increased cooling of sensible heat associated with vertical advection as the eyewall intensified. Vertical transport was the weakest in the third stage; this resulted in the smallest amount of heating, which limited the rapid intensification of the TC.

在这项研究中，使用WRF(天气研究和预报)模式模拟和调查了两年(2016年和2017年)越南南部2千米水平分辨率下的风速和风力密度的日变化和年变化。模型的初始和边界条件来自国家环境预报中心(NCEP)最终分析(FNL)。利用北柳站20 m高度2年观测资料进行模式偏差校正，研究风速的日变化和年变化。结果表明，WRF模式高估了风速。经过偏差修正后，该模型较好地模拟了研究区域的风速。风速和风电密度在50 ~ 200 m高度显著高于近地面(20 m)高度，在沿海地区显著高于内陆地区。风速具有显著的年循环和日循环。该模型能较好地模拟风速的年循环和日循环。风速白天比夜间大得多。垂直动量混合高度活跃时，低空风速在14 ~ 15 LT左右达到最大值。必威2490 Wind speeds over the eastern coastal region of Southern Vietnam are much stronger in winter than in summer due to two main reasons, including (1) stronger large-scale wind speed in winter than in summer and (2) funnel effect creating a local maximum wind speed over the nearshore ocean which then transports high-momentum air inland in winter.

估计模型在强调大量粗糙信息和混沌成分的非线性联系方面变得越来越重要。该研究展示了一种利用创建的人工神经网络(ANN)方法的现代方法，这种方法可能是一种替代传统实际程序的策略，以推进降雨估算执行。以位于黑海南部海岸的土耳其Düzce和Bolu为例进行了研究。本研究的主要目的是创建一个独特的人工神经网络模型，即使在有限的数据下也能产生令人满意的结果。所提出的技术正在被用于估计降雨量和预测未来的降雨量。采用博鲁逐月日平均降雨量数据和有限数量的Düzce降雨数据。缺失的预报和潜在的降雨预测将在基础研究中进行检验。本研究进一步关注人工神经网络的计算概念，并开发了一种用于降雨时间序列预测的神经网络。本研究的重点是前馈反向传播网络。本研究采用Levenberg-Marquardt算法(LMA)训练双层前馈神经网络，用于降雨数据缺失预测部分。 The inaccessible rainfall parameters for Düzce were determined for the years 1995 to 2009. From 2010 to 2020, a two-layer feed-forward ANN was trained using the gradient descent algorithm to forecast daily average rainfall data by month. The findings reported in this study guide researchers interested in implementing the ANN forecast model for an extended period of missing rainfall data.