舟山地区近10年阵风特征分析.docxVIP

舟山地区近10年阵风特征分析 定量预报的必要性 本文在提出航空航天安全、设计应对趋势、风速变化等方面发挥了重要作用。 在阵风客观定量预报方面, 美国国家气象局早在2003年就决定在全国开展阵风预报 此外, 由于不同地区的地貌差异明显, 且影响天气系统不同, 阵风因子离散程度较大 1 数据和方法 1.1 大气环流形势分析 地面站点风场观测资料来自浙江舟山海岛的4个常规气象观测站, 分别为嵊泗 (58472) 、岱山 (58484) 、定海 (58477) 和普陀 (58570) , 4个测站均建在小山顶上, 附近一般为居民区, 一侧离海较近, 测站为周边区域的相对制高点, 嵊泗站和普陀站海拔高些在80m左右, 定海站和岱山站海拔相对低些为35～40m, 具体地理位置见图1, 定海站距离普陀站和岱山站的基本相同约为25km, 离嵊泗站远些为80km。 风资料为2008—2016年, 10 min的平均风速 (也称为稳定风速) 和期间所对应的极大风速 (3s风速平均的最大值) , 譬如极大风速出现在05:13, 则取05:11—05:20的10min平均风速, 由于本文重点研究沿海大风, 选取的样本的平均风速≥8.0m·s 大气环流数据来自/datasets/网站, 采用ERA-interim 4时次 (02:00、08:00、14:00和20:00) 的高度场、温度场、湿度场、风场等要素, 时间跨度为2008—2016年, 水平分辨率为0.125°×0.125°, 垂直层包括10m、1000hPa、975hPa、950hPa、925hPa、900hPa等。选取离站点最近的4个ERA-interim格点数据将之插值到站点, 垂直方向则插值到250、500、750和1000m等高度处。 由于再分析资料存在一定误差, 需与实况资料进行比较后使用。由于选取的4个海岛站并无探空观测, 因此本文将所选时次的整点地面观测资料与对应的再分析资料做个简单对比, 选取的地面观测要素包括2m气温、2m露点温度、本站气压和2min的10m平均风速, 对比结果见表1, 可见本站气压绝对误差最小, 其次为2m气温和露点温度, 10m风速的误差大一些, 再分析误差大小应该与要素的空间连续性直接相关。 1.2 矩阵矩阵因素 世界气象组织 (WMO) 给出阵风因子的定义为在时距T 式中, V 1.3 大气稳定度的测定 大气稳定度是非中性层结大气表征湍流发展的一个重要参数, 本文采用理查孙数来衡量大气的稳定度。由于计算理查孙数时需要计算风、温度的梯度, 特别理查孙数分母的风速梯度平方, 会引起较大的误差, 为此采用总体理查孙数R 式中, θ和θ 1.4 不同高度风速与近地面风速的比 考虑地面阵风与边界层内上层气流向下偏移运动有直接关系 式中, w 1.5 人工神经网络bp 阵风成因十分复杂, 预报模型显然是非线性函数, 本文采用已在气象研究中广泛使用的BP人工神经网络方法 2 风观测数据的统计特征 2.1 填充颜色的概率 制作平均风速与阵风因子的散点图, 并依据样本出现概率的大小来填充颜色, 结果如图2所示。可见, 总体上来看, 平均风速较小时对应的阵风因子变化范围要大, 比如风速小于10m·s 2.2 双上覆盖层阵风因子大一些 统计阵风因子逐时的平均值、中值及标准差的分布, 结果见表2, 可见从气候来看, 阵风因子在白天11:00—16:00要大一些, 其平均值为1.49, 中值为1.46～1.47, 标准差为0.17～0.18, 均比其它时段大0.01～0.02, 主要原因是此时段近地层太阳辐射增温明显, 边界层稳定度减少, 湍流增强, 有利于气流的垂直交换, 导致阵风因子有所增大。 2.3 统计结果的所需分配的比例 统计逐月、不同风向的阵风因子分布, 为了结果的稳定性, 每个分类区间的样本数至少要在20个以上, 由于58477站样本明显偏少, 没有考虑其统计结果。表3和表4分别为阵风因子最大和最小5个分类区间的统计情况, 可见阵风因子在7—9月和11—12月相对较大, 7—9月阵风因子相对要大些与期间沿海台风影响频繁有关 3 矩阵因子与边界层的物理因子之间的关系 3.1 不同高度风速与10m风速的关系 统计阵风因子与边界层不同高度风速与10m风速比值x 3.2 参数关系是边界层不同高度的高度 统计阵风因子与边界层大气稳定度参数R 3.3 变化温对阵风因子的影响 大风往往是不同气团相互作用结果, 而气温是气团重要属性之一, 因此统计阵风因子与边界层不同高度6h变温的相关关系, 结果显示两者之间具有正相关, 即气温的上升有利于阵风因子增大, 显著性检验见表7。可见750m和1000m处变温的相关性比250m和500m处的要好, 相关最好为1000m处变温, 说明