跳到主要內容

臺灣博碩士論文加值系統

(54.161.24.9) 您好!臺灣時間:2022/01/17 11:12
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:童裕翔
研究生(外文):Yu-Hsiang Tung
論文名稱:MM5對東亞地區梅雨季的模擬及其可預報度之研究
指導教授:曾仁佑曾仁佑引用關係
學位類別:碩士
校院名稱:國立中央大學
系所名稱:大氣物理研究所
學門:自然科學學門
學類:大氣科學學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:85
中文關鍵詞:可預報度
外文關鍵詞:Predictability
相關次數:
  • 被引用被引用:2
  • 點閱點閱:145
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
以台灣這種特殊的地形及地理位置,水資源的利用與短期氣候的預報有著密不可分的關係。區域氣候模式對地形的特徵、地表與大氣間的交互作用過程有較高的解析度,故而要模擬像台灣地區區域性氣候的特性,應以中尺度模式才會有較佳的效果。短期氣候預報不佳的問題不只出現在台灣,甚至全球各主要氣象中心都有這樣的問題存在。於是如何找出一個合適方法來評估模式的可預報度,就成為本研究最主要的課題。
本研究是採用NCAR MM5的中尺度氣候模式模擬5、6月梅雨季期間之大氣環流狀況,以不同物理參數化、不同初始場和每天模擬的方法來模擬。然後使用天氣型態相關係數、時間相關係數、2~7天帶通濾波、經驗正交函數(empirical orthogonal function, EOF)以及統計迴歸分析等方法,分析MM5模式對於東亞地區的可預報度。
就MM5模式的長期積分而言,以Grell的積雲參數化法模擬的效果最好。比較模擬與觀測資料,發現在5/21~5/25南海季風肇始期間的模擬,天氣型態相關係數不高,系集平均則能夠平衡成員之間的強弱不均,使模擬結果更接近於真實大氣情況。分析發現,模式在6/10~6/14期間,無法正確模擬在長江口到日本一帶的滯留性低壓,是因為模式內部的綜觀系統擾動作用所造成的。在本研究模擬時期,長江流域附近之綜觀尺度擾動系統很不活躍,而主要的氣旋路徑則在四川盆地(西南窩)沿青藏高原東麓南下再進入南海北部地區。從潛在可預報度評估(PPI)分析發現從四川盆地向東南延伸到南海,再由南海向東北伸展到日本的這些地區,是受到模式內動力作用最強的地區。此路徑與這段時期之氣旋路徑一致。顯示模式的內動力作用,其實就是以2~7天的綜觀尺度擾動為主。東亞地區潛在可預報度比較高的地方在菲律賓以東的太平洋高壓籠罩位置,以及黃河流域以北的地方,顯示模擬結果是受到模式的側邊界或下邊界的作用所主宰。從迴歸分析發現,綜觀尺度擾動之可預報度為3~4天;而且能夠有效改善模式的模擬結果。
目 錄
摘要…………………………………………………………………….i
致謝…………………………………………………………………….ii
目錄……………………………………………………………………iii
圖表說明………………………………………………………………..v
第一章 緒論.............................................1
1.1引言…………………………………………………………1
1.2論文回顧……………………………………………………3
1.3論文結構……………………………………………………5
第二章 資料與分析方法...................................7
2.1MM5模式簡介…………...…………………………………7
2.2模擬的資料來源…………………………………………….10
2.3模式設定…………………………………………………….11
2.4統計分析方法……………………………………………….13
2.4.1潛在可預報度的評估…………………………………...14
2.4.2迴歸分析……………………………………………...…17
第三章 結果與討論………………………..………………………....20
3.1 綜觀天氣描述………………………………………….....20
3.2 模擬結果……………..……………………………..…….21
3.2.1 空間相關係數與均方根誤差分析…………….….22
3.2.2 時間相關係數、均方根誤差及變異數分析….….27
3.2.3 2~7天帶通濾波之天氣型態分析…………….....29
3.2.4 PPI分析系集模擬的結果……………………….31
3.3 迴歸分析………………………………………………….34
3.3.1 迴歸重組分析……………………………………..34
3.3.2 迴歸預報…………………………………………..35
3.3.3 綜合分析…………………………………………..36
第四章 結論與展望………………………………………………….39
4.1結論……………………………..………….………………39
4.2展望……………………………..……….…………………41
參考文獻…………………………………….………………………….42
附圖…………………………………………………………………..…46
Brankovic, C., T. N. Palmer and L. Ferranti, 1994: Predictability of Seasonal Atmospheric Variations. Journal of Climate, 7, 217-237.Chen, W. Y., and H. M. van Den Dool, 1997: Atmospheric Predictability of Seasonal, Annual, and Decadal Climate Means and the Role of the ENSO Cycle: A Model Study. Journal of Climate, 10, 1236-1254.Lorenz, E. N., 1982: Atmospheric Predictability Experiments with a large numberical model. Tellus., 34, 505-513, 1982.Krishnamurti, T. N., C. M. Kishtawal, T. LaRow, D. Bachiochi, Z. Zhang, C. E. Williford, S. Gadgil, and S. Surendran, 1999: Improved skills for weather and seasonal climate forecasts from multimodel super ensemble. Science, Sep. 3.Yang, X. Q., J. L. Anderson and W. F. Stern, 1998: Reproducible Forced Mode in AGCM Ensemble Integrations and Potential Predictability of Atmospheric Seasonal Variations in the Extratropics. Journal of Climate, 11, 2942-2959.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top