李杨
- 作品数:2 被引量:1H指数:1
- 供职机构:江苏省气象台更多>>
- 发文基金:江苏省社会发展科技计划国家自然科学基金更多>>
- 相关领域:天文地球更多>>
- 2020年7月22日苏北地区EF2~EF3级龙卷天气分析被引量:1
- 2021年
- 利用常规观测、地面自动站及江苏宿迁、淮安、盐城多部多普勒天气雷达对2020年7月22日发生在江苏北部EF2~EF3级龙卷天气过程进行了详细分析。(1)此次龙卷过程有利的环境场包括低层0~1km强垂直风切变,中低层充足的水汽、较低的抬升凝结高度以及较强的辐合上升运动。前期持续性降水、中层冷空气入侵,层结不稳定度加强,为龙卷的发生提供了潮湿不稳定环境。(2)龙卷对流风暴在地面辐合线附近形成并发展增强,在龙卷发生地附近有局地小尺度涡旋形成,伴随有地面辐合中心沿着地面辐合线向偏东方向移动。龙卷发生前后,地面自动站出现风速突增,风向突变、气压下降并伴有短时强降水。(3)导致此次龙卷的超级单体生命史长达3小时,在其东移过程中伴有深厚的中气旋和TVS特征,首次识别出中气旋是位于风暴中层,约2.6km高度,之后逐渐在垂直方向上拉伸发展;而TVS底高维持在1km左右,强度维持在60×10^(-3)s^(-1)左右。当中气旋底高较低且切变值持续较强时,结合地面中尺度系统演变为龙卷有效临近预警提供了可能。
- 慕瑞琪吴海英李杨王啸华吕润清孙康远
- 关键词:龙卷中气旋
- 基于深度学习的融合降水临近预报方法及其在中国东部地区的应用研究
- 2023年
- 为了实现对中国东部地区极端强降水的临近预报、预警,基于具有物理约束功能的PhyDNet构建了融合雷达反射率因子和分钟级降水观测资料的融合降水临近预报模型PhyDNet-RP,预测江苏省及其上游地区未来3 h降水量,对比和探究了PhyDNet-RP、INCA(交叉相关外推+中尺度模式融合)、PhyDNet-P(仅包含降水资料)和UNet-RP(融合因子与PhyDNet-RP相同,但采用UNet模型)4种临近预报方法及对强降水增强过程的预测能力。结果表明:(1)与INCA相比,深度学习方法能更好地体现强降水增强过程的发展和演变,(2)对比PhyDNet-P和PhyDNet-RP模拟结果发现,在深度学习模型输入资料中增加雷达反射率因子可以更好地再现强降水区的形状和移动特征,(3)UNet-RP能够再现降水区的形状和移动,但不能定量降水强度。4种方法中,PhyDNet-RP预报效果最优,说明在模型输入资料中叠加具有不同功能属性的通道因子对预测效果具有正贡献,为深度学习的可解释性提供了一定支撑。
- 庄潇然郑玉王亚强康志明康志明闵锦忠张文华
- 关键词:天气雷达雨量站