干旱气象 ›› 2026, Vol. 44 ›› Issue (1): 126-137.DOI: 10.11755/j.issn.1006-7639-2026-01-0126
收稿日期:2025-07-09
修回日期:2025-09-24
出版日期:2026-02-28
发布日期:2026-03-25
通讯作者:
梁旭东(1971—),男,研究员,主要从事资料同化、数值天气预报研究。E-mail:liangxd@cma.gov.cn。作者简介:莫欣妍(1999—),女,硕士,主要从事数值预报与数值模拟研究。E-mail:mxy4321@qq.com。
基金资助:Received:2025-07-09
Revised:2025-09-24
Online:2026-02-28
Published:2026-03-25
摘要:
2023年7月27日—8月2日,华北地区发生特大暴雨(简称“23·7”过程),不同数值预报模式预报差异显著。本研究选取3个全球模式、7个区域模式,对逐3 h降水量开展分级研究,结合降水检验与地面风场分析,系统评估全球与区域模式在复杂地形条件下对本次暴雨的预报性能。结果表明:全球模式对≥0.1 mm、≥1 mm量级的降水预报较准,但空报明显,对≥10 mm量级的降水有明显漏报;区域模式总体预报能力优于全球模式,尤其对≥10 mm量级的降水预报能力显著高于全球模式。模式分辨率对不同量级降水预报能力具有一定影响,高分辨率模式比低分辨率模式具有更好的预报性能,尤其是对≥5 mm量级的降水预报效果更佳,但也存在例外。在降水频次随降水强度分布的拟合方面,区域模式性能整体明显高于全球模式。基于弗劳德数Fr(Froude number)分析揭示地形-风场协同作用机制,模式风速偏大或低估地形高度会将绕流误报为越山气流,导致降水落区预报偏差,而在局部Fr值合理区域能较好维持越山或绕流特征。
中图分类号:
莫欣妍, 梁旭东. 华北“23·7”极端降水数值预报误差特征及主要影响因素分析[J]. 干旱气象, 2026, 44(1): 126-137.
MO Xinyan, LIANG Xudong. Analysis of numerical forecast errors and key influencing factors of the “23·7” extreme precipitation event over North China[J]. Journal of Arid Meteorology, 2026, 44(1): 126-137.
图1 研究区域地形(填色,单位:m)及地面观测站点(黑点)空间分布
Fig.1 The spatial distribution of topography (the color shaded,Unit: m) and surface observation stations (black dots) in the study area
| 模式名称 | 分辨率/km | 云微物理 | 对流参数化 | 边界层 | 辐射 | 陆面 | 模式框架 |
|---|---|---|---|---|---|---|---|
| NCEP-GFS(黄伟等, | 25 | 简单暖云方案 | SAS | MRF | RRTM | Noah | WRF |
| CMA-GFS(张进等, | 12.5 | Liu-Ma | SAS | MRF | RRTMG | CoLM | GRAPES |
| CMA-SH3(李佳等, | 3.0 | Thompson | 无 | MYJ | RRTMG | Noah | WRF |
| CMA-SH9(Zhang et al., | 9.0 | Thompson | 无 | YSU | RRTMG | Noah | WRF |
| CMA-BJ3(陈敏等, | 3.0 | Thompson | 无 | YSU | RRTMG | Noah | WRF |
| CMA-BJ9(陈敏等, | 9.0 | Thompson | New Tiedtke | YSU | RRTMG | Noah | WRF |
| CMA-GD(文秋实等, | 3.0 | WSM6 | SAS | MRF | RRTMG | SLAB | GRAPES |
| CMA-TRAMS(文秋实等, | 9.0 | WSM6 | SAS | MRF | RRTMG | SLAB | GRAPES |
表1 模式参数及方案设置
Tab.1 Model parameters and scheme settings
| 模式名称 | 分辨率/km | 云微物理 | 对流参数化 | 边界层 | 辐射 | 陆面 | 模式框架 |
|---|---|---|---|---|---|---|---|
| NCEP-GFS(黄伟等, | 25 | 简单暖云方案 | SAS | MRF | RRTM | Noah | WRF |
| CMA-GFS(张进等, | 12.5 | Liu-Ma | SAS | MRF | RRTMG | CoLM | GRAPES |
| CMA-SH3(李佳等, | 3.0 | Thompson | 无 | MYJ | RRTMG | Noah | WRF |
| CMA-SH9(Zhang et al., | 9.0 | Thompson | 无 | YSU | RRTMG | Noah | WRF |
| CMA-BJ3(陈敏等, | 3.0 | Thompson | 无 | YSU | RRTMG | Noah | WRF |
| CMA-BJ9(陈敏等, | 9.0 | Thompson | New Tiedtke | YSU | RRTMG | Noah | WRF |
| CMA-GD(文秋实等, | 3.0 | WSM6 | SAS | MRF | RRTMG | SLAB | GRAPES |
| CMA-TRAMS(文秋实等, | 9.0 | WSM6 | SAS | MRF | RRTMG | SLAB | GRAPES |
图2 2023年7月29日08:00—7月31日08:00华北地区地面观测站逐3 h累计降水量(单位:mm)空间分布 (灰色阴影为海拔高度,单位:m,下同)
Fig.2 Spatial distribution of 3-hourly accumulated precipitation (Unit: mm) at surface observation stations in North China from 08:00 on 29 to 08:00 on 31 July 2023 (The gray shading indicates elevation,Unit: m,the same as below)
图3 2023年7月29日08:00—7月31日08:00华北地区地面观测站逐3 h 10 m风场(风矢量,单位:m·s-1)空间变化 (黑色圆圈代表风速小于2 m·s-1,下同)
Fig.3 Spatial variation of 3-hourly 10 m wind field (Unit: m·s-1) at surface stations in North China from 08:00 on 29 to 08:00 on 31 July 2023 (Black circles indicate wind speed less than 2 m·s-1,the same as below)
| 模式 | 不同等级降水量(单位:mm)TS评分 | 不同等级降水量(单位:mm)Bias | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ≥0.1 | ≥1 | ≥5 | ≥10 | ≥25 | ≥50 | ≥0.1 | ≥1 | ≥5 | ≥10 | ≥25 | ≥50 | |
| ECMWF | 0.52 | 0.46 | 0.33 | 0.23 | 0.08 | 0.03 | 1.82 | 1.65 | 1.22 | 0.68 | 0.19 | 0.11 |
| NCEP-GFS | 0.49 | 0.41 | 0.29 | 0.23 | 0.13 | 0.02 | 1.66 | 1.44 | 0.81 | 0.63 | 0.38 | 0.09 |
| CMA-GFS | 0.52 | 0.42 | 0.27 | 0.14 | 0.00 | 0.00 | 1.62 | 1.65 | 0.98 | 0.41 | 0.01 | 0.00 |
| CMA-MESO | 0.53 | 0.45 | 0.31 | 0.25 | 0.15 | 0.07 | 1.34 | 1.20 | 1.06 | 0.94 | 0.76 | 0.63 |
| CMA-TRAMS | 0.56 | 0.45 | 0.32 | 0.24 | 0.13 | 0.05 | 1.33 | 1.32 | 1.05 | 0.93 | 0.86 | 0.74 |
| CMA-GD | 0.56 | 0.46 | 0.33 | 0.27 | 0.07 | 0.00 | 1.30 | 1.20 | 1.09 | 0.96 | 0.23 | 0.00 |
| CMA-BJ3 | 0.57 | 0.50 | 0.38 | 0.32 | 0.19 | 0.08 | 1.02 | 1.01 | 1.05 | 1.16 | 1.43 | 1.89 |
| CMA-BJ9 | 0.54 | 0.47 | 0.38 | 0.30 | 0.17 | 0.10 | 1.57 | 1.47 | 1.04 | 1.03 | 1.37 | 1.85 |
| CMA-SH3 | 0.56 | 0.45 | 0.31 | 0.23 | 0.13 | 0.08 | 1.26 | 1.25 | 1.07 | 0.98 | 0.93 | 0.84 |
| CMA-SH9 | 0.55 | 0.43 | 0.30 | 0.22 | 0.11 | 0.03 | 1.31 | 1.14 | 1.06 | 1.04 | 1.14 | 1.51 |
表2 2023年7月29日08:00—8月1日08:00不同模式对不同等级降水量预报性能的评估结果
Tab.2 Evaluation results of forecast performance of different models for different rainfall intensities from 08:00 on July 29 to 08:00 on August 1,2023
| 模式 | 不同等级降水量(单位:mm)TS评分 | 不同等级降水量(单位:mm)Bias | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ≥0.1 | ≥1 | ≥5 | ≥10 | ≥25 | ≥50 | ≥0.1 | ≥1 | ≥5 | ≥10 | ≥25 | ≥50 | |
| ECMWF | 0.52 | 0.46 | 0.33 | 0.23 | 0.08 | 0.03 | 1.82 | 1.65 | 1.22 | 0.68 | 0.19 | 0.11 |
| NCEP-GFS | 0.49 | 0.41 | 0.29 | 0.23 | 0.13 | 0.02 | 1.66 | 1.44 | 0.81 | 0.63 | 0.38 | 0.09 |
| CMA-GFS | 0.52 | 0.42 | 0.27 | 0.14 | 0.00 | 0.00 | 1.62 | 1.65 | 0.98 | 0.41 | 0.01 | 0.00 |
| CMA-MESO | 0.53 | 0.45 | 0.31 | 0.25 | 0.15 | 0.07 | 1.34 | 1.20 | 1.06 | 0.94 | 0.76 | 0.63 |
| CMA-TRAMS | 0.56 | 0.45 | 0.32 | 0.24 | 0.13 | 0.05 | 1.33 | 1.32 | 1.05 | 0.93 | 0.86 | 0.74 |
| CMA-GD | 0.56 | 0.46 | 0.33 | 0.27 | 0.07 | 0.00 | 1.30 | 1.20 | 1.09 | 0.96 | 0.23 | 0.00 |
| CMA-BJ3 | 0.57 | 0.50 | 0.38 | 0.32 | 0.19 | 0.08 | 1.02 | 1.01 | 1.05 | 1.16 | 1.43 | 1.89 |
| CMA-BJ9 | 0.54 | 0.47 | 0.38 | 0.30 | 0.17 | 0.10 | 1.57 | 1.47 | 1.04 | 1.03 | 1.37 | 1.85 |
| CMA-SH3 | 0.56 | 0.45 | 0.31 | 0.23 | 0.13 | 0.08 | 1.26 | 1.25 | 1.07 | 0.98 | 0.93 | 0.84 |
| CMA-SH9 | 0.55 | 0.43 | 0.30 | 0.22 | 0.11 | 0.03 | 1.31 | 1.14 | 1.06 | 1.04 | 1.14 | 1.51 |
图4 2023年7月29日08:00—8月1日08:00不同模式对不同量级降水预报性能的综合评分图
Fig.4 Comprehensive score maps of forecast performance for different rainfall intensities by various models intensities from 08:00 on July 29 to 08:00 on August 1,2023
图5 2023年7月29日08:00—8月1日08:00不同模式预报及观测的降水频次随降水量级的拟合分布
Fig.5 Fitted distribution of precipitation frequency with rainfall intensities from observations and different model forecasts from 08:00 on July 29 to 08:00 on August 1,2023
图6 2023年7月29日23:00—30日02:00华北地区地面观测站降水(散点)与不同模式模拟降水(等值线)空间分布(单位:mm)
Fig.6 Spatial distribution of precipitation observed at surface stations (scatter points) and precipitation simulated by different models (contours) in North China from 23:00 on 29 to 02:00 on 30 July 2023 (Unit: mm)
| 数据源 | 平均风速 | 平均U | U均方误差 | 平均V | V均方误差 |
|---|---|---|---|---|---|
| 观测 | 2.08 | -1.44 | 0.12 | ||
| NCEP-GFS | 4.42 | -3.26 | 6.70 | 0.91 | 3.09 |
| CMA-GFS | 4.91 | -3.22 | 5.96 | 0.75 | 5.89 |
| CMA-SH9 | 5.39 | -3.90 | 10.58 | 0.73 | 5.80 |
| CMA-BJ9 | 3.49 | -2.41 | 3.38 | 0.33 | 2.02 |
| CMA-GD | 2.85 | -1.89 | 1.40 | 0.56 | 1.64 |
| CMA-TRAMS | 3.58 | -2.44 | 2.75 | 0.47 | 2.71 |
表3 2023年7月29日23:00不同模式模拟与观测的华北地区10 m风场及其均方误差单位:m·s-1
Tab.3 10 m wind fields and their root-mean-square errors over North China from different models and observations at 23:00 on 29 July 2023
| 数据源 | 平均风速 | 平均U | U均方误差 | 平均V | V均方误差 |
|---|---|---|---|---|---|
| 观测 | 2.08 | -1.44 | 0.12 | ||
| NCEP-GFS | 4.42 | -3.26 | 6.70 | 0.91 | 3.09 |
| CMA-GFS | 4.91 | -3.22 | 5.96 | 0.75 | 5.89 |
| CMA-SH9 | 5.39 | -3.90 | 10.58 | 0.73 | 5.80 |
| CMA-BJ9 | 3.49 | -2.41 | 3.38 | 0.33 | 2.02 |
| CMA-GD | 2.85 | -1.89 | 1.40 | 0.56 | 1.64 |
| CMA-TRAMS | 3.58 | -2.44 | 2.75 | 0.47 | 2.71 |
图7 NCEP-GFS(a、d)、CMA-GFS(b、e)、CMA-SH9(c、f)、CMS-BJ9(g、j)、CMA-GD(h、k)、CMA-TRAMS(i、l)模式地形与实际地形差异(a、b、c、g、h、i)(单位:m)及模式地形与实际地形沿36°N剖面(d、e、f、j、k、l)
Fig.7 Differences (a,b,c,g,h,i) between model topography and actual topography (Unit: m) and cross-sections along 36°N (d,e,f,j,k,l) for NCEP-GFS (a,d),CMA-GFS (b,e),CMA-SH9 (c,f),CMS-BJ9 (g,j),CMA-GD (h,k),CMA-TRAMS (i,l)
图8 2023年7月29日23:00不同模式模拟(紫色风矢)与实况(黑色风矢)10 m风场(单位:m·s-1),及模式模拟Fr与实况的差值(等值线)
Fig.8 The 10 m wind fields (Unit: m·s-1) simulated by different models (purple wind vectors) and observations (black wind vectors),as well as the difference of Fr between simulations and observations (contours) at 23:00 on 29 July 2023
| [1] | 曹萍萍, 杨康权, 肖递祥, 等, 2023. 2022年汛期四川多模式降水预报检验[J]. 高原山地气象研究, 43(2): 28-35. |
| [2] | 陈敏, 仲跻芹, 卢冰, 等, 2023. CMA-BJ 2.0版逐时快速更新追赶循环同化预报系统研发及应用Ⅰ:资料同化及系统构建[J]. 气象学报, 81(6):911-925. |
| [3] | 陈阳权, 杜安妮, 丁旭, 等, 2022. WRF模式对乌鲁木齐机场终端区一次强对流天气过程的模拟分析[J]. 沙漠与绿洲气象, 16(2):48-55. |
| [4] | 丁一汇, 2015. 论河南“75.8”特大暴雨的研究:回顾与评述[J]. 气象学报, 73(3): 411-424. |
| [5] | 符娇兰, 代刊, 2016. 基于CRA空间检验技术的西南地区东部强降水EC模式预报误差分析[J]. 气象, 42(12):1 456-1 464. |
| [6] | 黄伟, 张旭, BAO J W, 等, 2018. GFS物理过程包在GRAPES区域模式中的实施及改进:单柱试验[J]. 大气科学, 42(6):1 219-1 234. |
| [7] | 琚陈相, 李曼, 艾力亚尔·艾海提, 等, 2023. 不同初始场条件对新疆区域数值模式预报性能的影响[J]. 沙漠与绿洲气象, 17(5): 38-46. |
| [8] | 李佳, 陈葆德, 张旭, 等, 2017. 2016年6月23日江苏阜宁龙卷的高分辨快速更新同化预报与分析[J]. 大气科学, 41(6):1 221-1 233. |
| [9] | 刘红武, 胡燕, 曾腊梅, 等, 2025. 2023年6月湖南极端“端午水”成因及模式预报订正分析[J]. 高原山地气象研究, 45(4): 58-67. |
| [10] |
龙柯吉, 杨康权, 康岚, 2024. 多模式对四川盆地强降水过程的预报性能检验[J]. 干旱气象, 42(3): 473-483.
DOI |
| [11] | 任余龙, 张铁军, 柳媛普, 等, 2020. 夏季风过渡区下垫面非均匀性对一次暴雨影响的数值模拟[J]. 干旱气象, 38(5): 755-763. |
| [12] | 孙继松, 2005. 气流的垂直分布对地形雨落区的影响[J]. 高原气象, 24(1): 62-69. |
| [13] | 孙继松, 何娜, 王国荣, 等, 2012. “7.21”北京大暴雨系统的结构演变特征及成因初探[J]. 暴雨灾害, 31(3): 218-225. |
| [14] | 孙建华, 赵思雄, 2002. 华南“94·6”特大暴雨的中尺度对流系统及其环境场研究 Ⅱ.物理过程、环境场以及地形对中尺度对流系统的作用[J]. 大气科学, 26(5): 633-646. |
| [15] | 孙建华, 赵思雄, 傅慎明, 等, 2013. 2012年7月21日北京特大暴雨的多尺度特征[J]. 大气科学, 37(3): 705-718. |
| [16] | 孙明生, 杨力强, 尹青, 等, 2013. “7·21”北京特大暴雨成因分析(Ⅱ): 垂直运动、风垂直切变与地形影响[J]. 暴雨灾害, 32(3): 218-223. |
| [17] | 文秋实, 梁卓轩, 魏丹淇, 等, 2024. 基于广东数值天气预报模式产品的扰动天气图系统[J]. 热带气象学报, 40(4): 633-649. |
| [18] | 吴启树, 韩美, 刘铭, 等, 2017. 基于评分最优化的模式降水预报订正算法对比[J]. 应用气象学报, 28(3): 306-317. |
| [19] |
邢蕊, 杨健博, 田梦, 等, 2023. 不同边界层参数化方案对台风“烟花”北上阶段暴雨模拟的影响试验[J]. 干旱气象, 41(1): 91-102.
DOI |
| [20] | 杨侃, 纪晓玲, 毛璐, 等, 2020. 贺兰山两次特大致洪暴雨的数值模拟与地形影响对比[J]. 干旱气象, 38(4): 581-590. |
| [21] | 杨群, 冉光镜, 张李娟, 等, 2024. 梵净山突发特大暴雨地形作用及动热力特征分析[J]. 沙漠与绿洲气象, 18(6): 55-63. |
| [22] | 张博, 张芳华, 李晓兰, 等, 2024. “23·7”华北特大暴雨数值预报检验评估[J]. 应用气象学报, 35(1): 17-32. |
| [23] | 张进, 孙健, 沈学顺, 等, 2023. CMA-GFS V4.0模式关键技术研发和业务化[J]. 应用气象学报, 34(5): 513-526. |
| [24] | 张舒婷, 仲跻芹, 卢冰, 等, 2023. CMA-BJ V2.0系统华北地区降水预报性能评估[J]. 应用气象学报, 34(2): 129-141. |
| [25] | 张颖, 肖庆农, 1996. 层结大气中Froude数对过山气流的影响[J]. 气象科学, 16(1):40-46. |
| [26] | 朱文达, 杨静, 张媛, 等, 2024. 改进WRF模式静态数据对复杂地形下准静止锋雾模拟的影响[J]. 高原山地气象研究, 44(4): 81-89. |
| [27] |
BAO X H, SUN J S, YIN J F, et al, 2024. What caused the differences between the July 2023 and August 1996 extreme rainfall events in North China under similar synoptic background?[J]. Journal of Meteorological Research, 38(5): 861-879.
DOI |
| [28] | HOUZE R A Jr, 2012. Orographic effects on precipitating clouds[J]. Reviews of Geophysics, 50(1): 2011RG000365. DOI:10.1029/2011rg000365. |
| [29] |
LI J, YU R C, 2014. A method to linearly evaluate rainfall frequency-intensity distribution[J]. Journal of Applied Meteorology and Climatology, 53(4): 928-934.
DOI URL |
| [30] | NIE Y B, SUN J Q, 2022. Moisture sources and transport for extreme precipitation over Henan in July 2021[J]. Geophysical Research Letters, 49(4): e2021GL097446. DOI: 10.1029/2021GL097446. |
| [31] |
RAO J, XIE J, CAO Y, et al, 2022. Record flood-producing rainstorms of July 2021 and August 1975 in Henan of China: Comparative synoptic analysis using ERA5[J]. Journal of Meteorological Research, 36(6): 809-823.
DOI |
| [32] |
ROE G H, 2005. Orographic precipitation[J]. Annual Review of Earth and Planetary Sciences, 33: 645-671.
DOI URL |
| [33] |
ROEBBER P J, 2009. Visualizing multiple measures of forecast quality[J]. Weather and Forecasting, 24(2): 601-608.
DOI URL |
| [34] | SMITH R B, 1979. The influence of mountains on the atmosphere[J]. Advances in Geophysics, 21: 87-230. |
| [35] |
XIA R D, ZHANG D L, FU S M, et al, 2022. On the anomalous development of a series of heavy rainfall events from central to North China during 19-21 July 2016[J]. Quarterly Journal of the Royal Meteorological Society, 148(742): 272-293.
DOI URL |
| [36] |
YIN J F, ZHANG D L, LUO Y L, et al, 2020. On the extreme rainfall event of 7 May 2017 over the coastal city of Guangzhou. Part I: Impacts of urbanization and orography[J]. Monthly Weather Review, 148(3): 955-979.
DOI URL |
| [37] | ZHANG X, YANG Y H, CHEN B D, et al, 2021. Operational precipitation forecast over China using the weather research and forecasting (WRF) model at a gray-zone resolution: Impact of convection parameterization[J]. Weather and Forecasting, 36(3): 915-928. |
| [38] |
ZHOU B Q, NIU R Y, ZHAI P M, 2015. An assessment of the predictability of the East Asian subtropical westerly jet based on TIGGE data[J]. Advances in Atmospheric Sciences, 32(3): 401-412.
DOI URL |
| [1] | 崔慧慧, 李荣, 孙存永. 郑州短时强降水精细时空分布特征及地形影响[J]. 干旱气象, 2025, 43(6): 920-930. |
| [2] | 任丽, 卜文惠, 于震宇, 白俊杰, 李瑶. 一次伴有极端降水的东北冷涡过程分析[J]. 干旱气象, 2025, 43(6): 939-952. |
| [3] | 王鑫, 杨金虎, 王朋岭, 黄鹏程, 卢国阳, 胡婕. 近62 a甘肃极端降水特征及其关键影响因子[J]. 干旱气象, 2025, 43(5): 745-758. |
| [4] | 陶涛, 舒志亮, 邓佩云, 何佳, 巴音那木拉, 常倬林. 六盘山一次积层混合地形云宏微观特征观测分析[J]. 干旱气象, 2025, 43(2): 277-288. |
| [5] | 邓佩云, 常倬林, 何佳, 杨萌, 陈得圆, 林彤, 穆建华, 戴言博. 六盘山地区大气水汽的时空差异与驱动因子分析[J]. 干旱气象, 2024, 42(3): 376-384. |
| [6] | 段婧, 王新, 陈勇, 郭强, 王田田, 陈添宇, 陈宝君. 祁连山中段夏季降雨与对流特征分析[J]. 干旱气象, 2024, 42(3): 405-414. |
| [7] | 姚彦伶, 王悦, 陈权亮, 廖雨静. 青藏高原中东部极端降水的时空变化特征[J]. 干旱气象, 2023, 41(5): 714-722. |
| [8] | 黄晓龙, 吴薇, 徐晓莉, 王丽伟, 宋云帆, 李雪. 基于地形起伏度的四川省地面气象站点适宜性研究[J]. 干旱气象, 2023, 41(4): 579-588. |
| [9] | 唐永兰, 徐桂荣, 王晓芳, 肖艳姣, 祁海霞, 冷亮. 1992—2021年三峡库区夏季小时强降水时空分布特征[J]. 干旱气象, 2023, 41(4): 589-598. |
| [10] | 杨丽杰, 曹彦超, 刘维成, 徐丽丽, 张洪芬, 孙子茱. 陇东黄土高原旱区短时强降水的时空分布特征及地形影响研究[J]. 干旱气象, 2022, 40(6): 945-953. |
| [11] | 魏华兵, 陈正洪, 罗翔, 肖运, 罗昱, 张鹏. 基于GIS的鄂东南枇杷种植生态适宜性精细化区划[J]. 干旱气象, 2022, 40(5): 823-830. |
| [12] | 裴坤宁, 王雁, 闫世明, 蒋云盛, 郭伟. 地形和天气形势对临汾市大气污染的影响[J]. 干旱气象, 2022, 40(5): 879-887. |
| [13] | 马思敏, 穆建华, 舒志亮, 孙艳桥, 邓佩云, 周楠. 六盘山区一次典型暴雨过程的地形敏感性模拟试验[J]. 干旱气象, 2022, 40(3): 457-468. |
| [14] | 张桂莲, 刘澜波, 孟雪峰, 张璐, 李林惠. 冷垫背景下回流暴雪成因与雷达回波特征分析[J]. 干旱气象, 2022, 40(3): 500-506. |
| [15] | 黄楚惠, 牛金龙, 李国平, 陈朝平, 肖递祥, 张平. 基于西南区域中尺度模式系统预报的陡峭地形过渡带降水订正方法[J]. 干旱气象, 2022, 40(2): 317-326. |
| 阅读次数 | ||||||
|
全文 |
|
|||||
|
摘要 |
|
|||||
甘公网安备62010002000425号
陇ICP备17000949号-2
Copyright © 2019 《干旱气象》 编辑部
地址: 甘肃省兰州市东岗东路2070号,中国气象局兰州干旱气象研究所 730020
电话: 0931-2402270、0931-2402775 Email:ghqx@iamcma.cn、ghs_ghqx@sina.com
技术支持: 北京玛格泰克科技发展有限公司
访问总数: 当日访问总数: 当前在线人数: