همبستگی افراط در واگرایی باد با افراط در باران بر فراز آتلانتیک گرمسیری

2 و

دانشکده علوم دریایی ، دانشگاه علوم و فناوری نانجینگ ، نانجینگ 210044 ، چین

دریافت: 18 ژانویه 2022 / اصلاح شده: 20 فوریه 2022 / پذیرفته شده: 22 فوریه 2022 / منتشر شده: 25 فوریه 2022

خلاصه

شارهای هوا و SEA با بادها و مبادلات عمودی تولید شده توسط سیستم های همرفت Mesoscale (MCS) بسیار افزایش می یابد. بر خلاف مدل های پیش بینی آب و هوا عددی جهانی ، پراکندگی های فضا متولد می توانند تنوع باد در مقیاس کوچک را در سطح MCSS در سطح اقیانوس حل کنند. کاهش باران شدید در MCS باعث ایجاد لکه های شدید و واگرایی بزرگ و گرداب در بادهای سطحی می شود. در این مقاله ، مزارع بادی 12. 5 کیلومتری از مأموریت پشت سر هم ASCAT-A و ASCAT-B ، که با سری زمانی کوتاه از مزارع باران نسل 3 کیلومتری Meteosat جمع شده است ، برای تعیین کمیت همبستگی بین واگرایی باد و باران در همگرایی بین گرمسیری استفاده می شود. منطقه (ITCZ) اقیانوس اطلس. ما نشان می دهیم که وقتی باران شدید وجود دارد ، همگرایی شدید/واگرایی در مجاورت وجود دارد. توزیع احتمال برای واگرایی باد و میزان باران به صورت سنگین مشاهده شد: دم های نمایی برای واگرایی باد (P ∼ E-α δ با دامنه هایی که با افزایش سرعت باران صاف می شوند) و دم قدرت قانون برای میزان باران (P ∼ ((P ∼ ((P) (P) (P). r *) - β با پوسیدگی آهسته تر و تقریباً مساوی برای افراط در همگرایی و واگرایی). نقاط همزمان در جداول احتمالی دو به دو ، که از آن همبستگی متقابل از نظر شانس و نسبت شانس برای هر تاخیر زمانی در جمع محاسبه می شود ، جدول بندی می شوند. نسبت شانس برای همگرایی شدید و واگرایی شدید هر دو اوج خوبی دارند. تاخیر زمان واگرایی نزدیک به صفر است ، در حالی که برای اوج همگرایی 30 دقیقه است ، دلالت بر این دارد که باران شدید به طور کلی پس از (تاخیر) همگرایی شدید ظاهر می شود. بنابراین مقیاس زمانی همرفت مرطوب همانطور که انتظار می رود با فرآیند ارتقاء کندتر تعیین می شود. تجزیه و تحلیل ساختاری انجام شد که نشان دهنده سازگاری با ساختار شناخته شده MCSS است. این کار نشان می دهد که (Tandem) بادهای ASCAT برای مطالعات تبادل هوا و دریا در همرفت مرطوب مناسب است.

1. معرفی

تعامل جو با اقیانوس در مناطق استوایی قوی ترین است ، جایی که همرفت عمیق و پایین آمدن ناشی از باران باعث تبادل عمودی شدید حرکت ، گرما و رطوبت می شود. در شرایط مناسب ، این فرآیندهای همرفتی مرطوب از طریق تجمع سیستم های ابری جداگانه (رعد و برق) به یک سیستم همرفتی mesoscale (MCS) ، یک منطقه بزرگ و همبستانه از باران همرفتی و طبقه ای که حدود 100 کیلومتر یا بیشتر در حداقل یک جهت افقی وجود دارد ، مجدداً سازماندهی می کنند. این می تواند برای چند ساعت ادامه یابد [1]. نمونه هایی از MCS در اقیانوس گرمسیری شامل سیکلون های گرمسیری و خطوط اسکوال است و آنها در امواج گرمسیری ، ابرقدرت ها و نوسان مادد ن-ژولیان تعبیه شده اند. MCS و سایر اشکال همرفت سازمان یافته از پیش بینی آب و هوا عددی جهانی معاصر (NWP) و مدلهای آب و هوایی جهانی (GCM) به دلیل وضوح کافی عددی و پارامترهای نامناسب استفاده نمی کنند [2،3]. علاوه بر این ، سیستم مشاهده جهانی اجازه ردیابی 4D این فرآیندهای در مقیاس کوچک را در جذب داده NWP اجازه نمی دهد [4]. در نتیجه ، مطالعات نظری و مشاهده ای بیشتر برای حمایت از نمایندگی مناسب این فرآیندها در GCM ها ضروری است.

یک مدل مفهومی از یک MC بالغ و رابطه بین ساختار مکانی آن و شدت بارش در شکل 1 نشان داده شده است (به Refs مراجعه کنید. [1،5]). ابرهای رسوب به صورت افقی در سه منطقه سازماندهی می شوند: یک منطقه طبقه ای ، یک منطقه همرفتی و یک منطقه انتقال باریک که این دو را به هم وصل می کند. منطقه همرفتی شامل همرفت عمیق و فعال فعال است که در آن هوای مرطوب در سطح مرطوب کشیده می شود و به سمت بالا در قوی (5-10 متر ثانیه-1) در مقیاس همرفتی (10 کیلومتر ∼) به سمت بالا به بالای تروپوپوز منتقل می شود ، جایی که در آن متفاوت است و در آن متفاوت است وگسترش می یابد. هوای مرطوب به روزرسانی افزایش می یابد ، گسترش می یابد ، خنک می شود و سپس به قطره های ابر و باران می چسبد ، که هنگام بلند شدن از سطح 0 درجه سانتیگراد یخ می زنند. تراکم و انجماد گرما را در هوا آزاد می کند و باعث افزایش شناور و افزایش آن می شود. با افزایش سن به روزرسانی همرفت ، حرکت هوای عمودی به حدی تضعیف می شود که ذرات رسوب جمع شده از بین می روند ، ذوب و تبخیر می شوند و در مسیر پایین می آیند ، هوای اطراف را خنک می کنند و آن را مجبور می کنند که در پایین آمدن و پایین آمدن در نزدیکی سطح اقیانوس در پایین آمدن قرار بگیرند. جریان جمعی از هوای سرد از پایین آمدن سلولهای همرفتی فردی به صورت افقی پخش می شود و هوای لایه مرزی گرمتر را جابجا می کند تا یک استخر سرد در سطح تشکیل شود و یک جبهه غلیظ در حاشیه آن ، که به نوبه خود باعث افزایش همرفت عمیق تر می شود. در منطقه انتقال ، سلولهای همرفتی سن و پوسیدگی به گونه ای است که حرکات هوای عمودی تا حدی تضعیف می شود که سطح همگرایی اوج به سمت بالا شیب می یابد تا اینکه در بالای لایه ذوب نشسته باشد (در رادار به عنوان "باند روشن" ظاهر می شود). در حال حاضر MCS دارای یک ساختار طبقه ای است که از دو لایه تشکیل شده است: سطح بالایی که تحت سلطه به روزرسانی ضعیف (به روزرسانی mesoscale) و یک سطح پایین تر تحت سلطه بر روندهای ضعیف (پایین آمدن mesoscale) است. مسیرهای هیدرومتری نشان داده شده است که روند مرتب سازی سرعت سقوط ، ارتفاع منبع هیدرومتری دیفرانسیل و حرکات هوای عمودی غیر یکنواخت را از طریق منطقه طبقه بندی نشان می دهد. واضح است که تعامل باران و باد برای وجود MCS اساسی است.

تغییرپذیری باد در مقیاس کوچک در و در نزدیکی MCS می تواند توسط پراکندگی های فنی و پرتوهای فنی ثابت با باند C ، مانند پراکندگی سنج پیشرفته (ASCAT) روی سری ماهواره های METOP حل شود [6،7،8،99، 10،11،12]. پتانسیل ASCAT برای تشخیص واگرایی باد افقی در ارتباط با پیش نویس های MCS فردی توسط Kilpatrick و Xie [9] مورد بررسی قرار گرفت ، که نتیجه گرفت که ASCAT می تواند به طور قابل اعتماد Mesoscale (100-300 کیلومتر) را تشخیص دهد ، اما مقیاس همرنگ (5-2020) نیست. کیلومتر) جبهه های گوست. با این حال ، این نتیجه گیری بر اساس تجزیه و تحلیل ای بود که شامل بردارهای بادی از مناطقی با میزان باران بیشتر از 3 میلی متر در ساعت 1 نبود. محرومیت از چنین داده هایی مبتنی بر مشکلات آلودگی باران بود که با بادهای Ku-Band Quikscat تجربه شده بود. با این حال ، مطالعات ارزیابی کیفیت نشان داد که بادهای ASCAT نسبت به وزش بادهای پراکندگی باند Ku بسیار تحت تأثیر باران قرار دارند [13].

آلودگی باران (به عنوان مثال ، میرایی سیگنال ، پراکندگی حجم از قطره ها ، و پاشش باران و اثرات ضعف موج مویرگی در سطح) سیگنال رادار برای ASCAT کوچک است [6،7] (همچنین به [14،15] مراجعه کنید)، در حالی که وجود باران ، پیش نویس و پیش نویس ها باعث افزایش تنوع باد در یک سلول بردار باد می شود (WVC ، منطقه ای که از آن استفاده می شود و برای تولید یک بردار باد (C. F. ، [16]) پردازش می شود. این تغییرپذیری باد در زیر سلول افزایش یافته خطای نمایندگی باد در مدل NWP و مقایسه شناور را افزایش می دهد و منجر به عدم اطمینان در تفسیر کیفیت باد بازیابی شده ASCAT در تجزیه و تحلیل جمع آوری سه گانه می شود [8]. علاوه بر این ، کیفیت باد NWP را حتی بیشتر می کند ، زیرا مدل های NWP قادر به حل پویایی ناشی از باران نیستند [8]. بنابراین ، قوام بین بادهای ASCAT ، شناور و NWP با آلودگی باران کاهش نمی یابد ، بلکه عمدتاً توسط شیب باد محلی قوی مرتبط با باران شدید [7]. در نتیجه ، لین و همکاران.[8] نتیجه گرفت که در برنامه هایی مانند Nowcasting و Oceanography ، باد های پرچم دار باید نگه داشته شوند زیرا آنها حاوی اطلاعات اساسی در مورد فرآیندهای تعامل و هوا و هوا هستند. این نتیجه گیری توسط Priftis و همکاران پشتیبانی می شود.[10] ، که ASCAT را با رادار هواشناسی نسل بعدی (Nexrad) ، صداگذاری ها و شناورها برای کشف ساختارهای بادی تولید شده توسط MCS Oceanic MCS در نزدیکی دو مکان ساحلی در ایالات متحده ترکیب کرد. با استفاده از تمام بادهای ASCAT ، مناطقی از همگرایی و واگرایی در MCSS و همچنین مرزهای خروجی مرتبط با پیش بینی ها ، با موفقیت مشخص شد.

The above studies demonstrate that ASCAT-derived wind fields and their spatial derivatives contain useful information on the interaction between winds and rain. A next step is to quantify that information in ways that can help improve parameterizations of moist convection. If simultaneous and reliable measurements of wind and rain fields were possible, then it would be straightforward to calculate and analyze space time correlations. At present that is not possible. (However, such simultaneous measurements will be acquired in the future (from 2024 approximately), as the Metop Second Generation (Metop-SG) satellite series will carry on board the C-band scatterometer SCA and the high-frequency microwave radiometer MWI.) On the other hand, correlations can be investigated in a more limited way using ASCAT winds from the ASCAT triple configuration (i.e., ASCAT-A, B, and C on-board MetOp-A, B, and C, respectively, separated in time by 50 min (max)) collocated with rain fields retrieved from Meteosat Second Generation (MSG) geostationary imagery (namely, the daytime MSG rain product produced by the Royal Netherlands Meteorological Institute (KNMI)). One such collocation is illustrated in Figure 2. This figure shows wind vectors in the overlapped portion of two ASCAT swaths in the tandem configuration together with contours of a time-collocated MSG rain field. Note that the modification of the observed wind field (within 50 min) by the presence of heavy rain is remarkable and extends up to a few hundred kilometers from the rain cell location. Note also the areas of strongly converging and diverging wind vectors (pointed to in the figure by the letters C and D). These features occur near convective rain cells (>10 میلی متر در ساعت - 1) ، دلالت بر وجود بازپرداخت ، پیش نویس ها و جبهه های گوسفند مرتبط با همرفت مرطوب و بارش. سرانجام ، توجه داشته باشید که محصولات باران زمین شناسی MSG هر 15 دقیقه در دسترس هستند و بنابراین به ویژه برای مطالعه فرایندهای سریع همرفت مرطوب مناسب هستند.

هدف از این مقاله ارائه یک رویکرد آماری برای شناسایی و کمیت همبستگی بین میزان باران MSG و واگرایی باد Ascat است. ما توجه خود را به MSC ها در منطقه همگرایی بین المللی اقیانوس اطلس متمرکز می کنیم که در آن MCS فراوان است ، بارندگی شدید است و همرفت عمیق از سطح تا مناطق دیگر گسترش می یابد و به شدت سطح را با تروپوسفر فوقانی جفت می کند. مقدماتی برای تجزیه و تحلیل همبستگی ، نیاز به عقب نشینی نرخ باران MSG به شبکه Swath است. یک رویکرد این است که با میانگین میزان باران WVC دوباره از بین برود (ر. ک. [17]). با این حال ، برای اهداف ما ، این انتخاب نامطلوب است زیرا میانگین می تواند حضور کمبودهای در مقیاس همرفت را نقاب کند-حتی یک فرونشست در یک WVC دارای پتانسیل تولید موهای قابل توجهی باد است. بنابراین ، ما تصمیم گرفتیم که با حداکثر میزان باران WVC دوباره از بین برویم.

همانطور که نشان داده خواهد شد ، پراکندگی واگرایی باد در مقابل میزان باران یک همبستگی کاملاً غیرخطی را نشان می دهد ، و توزیع احتمال هر متغیر با یک هسته غیر اکستریم (یک هسته گاوسی در مورد واگرایی باد) به رنگ سنگین است. بشراین فکر را از نظر مقادیر شدید و طبقه بندی داده ها دعوت می کند که افراط همگرایی ، واگرایی و باران را برجسته می کند. نتیجه اصلی این است که افراط باران با افراط و تفریط باد ارتباط دارد.

نسخه اولیه کار ارائه شده در اینجا در [18] گزارش شده است. از آن زمان ، ما آموخته ایم که از یک روش مشابه با ما برای ارتباط افراط آب و هوا با افراط آب و هوا استفاده می شود. به عنوان مثال ، مارتیوس و همکاران.[19] و Zscheischler و همکاران.[20] سرعت باد با افراط و تفریط با افراط بارش همبستگی دارد. تفاوت های کلیدی بین کار آنها و ما (i) انگیزه (ارزیابی خطرات آب و هوا در مقابل بهبود پارامترهای همرفت سازمان یافته) ، و (ب) داده ها و مقیاس های مورد علاقه (ERA-40 100 کیلومتر داده های روزانه در مقابل باد با وضوح بالا (12. 5کیلومتر) و باران (3 کیلومتر) که در چند دقیقه توسط ابزارهای ماهواره ای به دست آورد).[توجه داشته باشید که ERA اساساً تنوع قابل توجهی ناشی از فرآیندهای همرفت مرطوب سریع را از دست می دهد [3].]

مقاله بصورت زیر مرتب شده است. داده ها و منطقه مورد مطالعه در بخش 2 شرح داده شده است. در بخش 3 روشهای مورد استفاده برای محاسبه و طبقه بندی واگرایی باد و عقب نشینی و طبقه بندی میزان باران را شرح می دهد ، در حالی که بخش 4 روشهای استفاده شده برای همبستگی دو زمینه را توصیف می کند. نتایج تجزیه و تحلیل همبستگی در بخش 5 آورده شده است ، و خلاصه ای مختصر و ایده های مربوط به کارهای آینده در بخش 6 آورده شده است.

2. داده ها و منطقه مورد مطالعه

2. 1بادهای آسکات

در حال حاضر سه پراکندگی ASCAT در مدار وجود دارد: ASCAT-A در METOP-A (در اکتبر 2006 راه اندازی شد و نوامبر 2021 را از بین برد) ، ASCAT-B در METOP-B (سپتامبر 2012) و ASCAT-C در METOP-C (نوامبر 2018). داده های مورد استفاده در این مقاله قبل از راه اندازی METOP-C جمع آوری شد. ماهواره های METOP توسط سازمان اروپایی برای بهره برداری از ماهواره های هواشناسی (EUMETSAT) اداره می شوند. آنها در مدارهای شبه و همزمان با زاویه تمایل θ = 98. 6 ∘ قرار دارند و در حدود ساعت 09:30 (پاس نزولی) و 21:30 (پاس صعودی) از استوا عبور می کنند. Scatterometer ASCAT از یک پیکربندی پرتو دوتایی دوتایی با دو چرخش 550 کیلومتر عرض استفاده می کند که با فاصله نادر در حدود 700 کیلومتر از هم جدا شده است. پیکربندی پرتو فن از هندسه اندازه گیری مداوم و عملکرد ابزار برخوردار است. ASCAT در فرکانس های باند C (5. 3 گیگاهرتز) [21] منتقل می شود ، که منجر به بادهایی می شود که بسیار کمتر از ابرهای باران تحت تأثیر قرار می گیرند تا بادهای حاصل از پراکندگی فرکانس کنگ بالاتر ، یعنی فرکانس رادار باند Ku بالاتر منجر به نتیجه می شوندحدود 40 برابر بیشتر از میرایی باران و پراکندگی باران [13،14].

در پیکربندی قبل از MetOP-C ، Metop-A و Metop-B در پشت سر هم با نوارهای همپوشانی در مناطق استوایی پرواز کردند (شکل 3 را ببینید) ، به گونه ای که حرکت چپ (راست) ASCAT-A با هم همپوشانی (سمت چپ) راست (سمت چپ) از راست (سمت چپ)ASCAT-B ، با اختلاف 50 دقیقه. مدارهای آنها به گونه ای است که نظمی را که از استوا عبور می کنند جایگزین می شوند: نیمی از زمان سفارش عبور AB و نیمی دیگر BA. بنابراین ، در این مقاله ، ما پراکندگی سنج ها را مجدداً بازتاب می دهیم تا نظم عبور از آنها را منعکس کنیم: پراکندگی قبلی دارای برچسب SCAT-1 است و در زمان T 1 از منطقه مورد مطالعه عبور می کند. پراکندگی بعدی بعدی دارای برچسب SCAT-2 است و در زمان T 2 = T 1 + 50 دقیقه عبور می کند. در این مقاله ، فقط داده های SCAT-1 مورد تجزیه و تحلیل قرار می گیرند. تجزیه و تحلیل تغییراتی که بین عبور SCAT-1 و SCAT-2 رخ می دهد (به عنوان مثال ، شکل 2 را ببینید) برای یک مطالعه آینده باقی مانده است.

پشتی رادار شناسایی شده توسط ASCAT پردازش و در یک شبکه 12. 5 کیلومتری بیان شده در یک سیستم مختصات متصل به ماهواره متحرک (شبکه Swath) ارائه می شود. محورها به موازات و عمود بر حرکت ماهواره ای به ترتیب ، جهت های مسیر و مسیر متقابل نامیده می شوند. نقاط شبکه در مرکز سلولهای بردار باد (WVCs) واقع شده اند - منطقه ای که از آن استفاده می شود و برای تولید یک بردار باد (C. F. ، [16]) پردازش می شود.

پشتی رادار دو سطح پردازش را طی می کند. پردازش سطح 1 شامل میانگین اندازه گیری های پشتی فردی است و آنها را در یک شبکه به طور مرتب فاصله تولید می کند. سطح 2 داده های سطح 1 را می گیرد و وارونگی و حذف ابهام را اعمال می کند. عملکرد مدل ژئوفیزیکی مشتق شده از تجربی (GMF) ، که پشتی رادار را به سرعت و جهت معادل استرس 10 متری استرس مربوط می کند [22] ، معکوس می شود. با توجه به ماهیت بسیار غیرخطی GMF و وجود خطاهای اندازه گیری ، روش وارونگی معمولاً راه حل های مختلفی را ارائه می دهد ، که از آنها به ابهامات یاد می شود. یک الگوریتم حذف ابهام برای تولید بادهای "انتخاب شده" اعمال می شود. چندین مرحله کنترل کیفیت (QC) ، قبل و بعد از وارونگی [6] و همچنین در هنگام برداشتن ابهام انجام می شود. پردازش سطح 2 در موسسه هواشناسی رویال هلند (KNMI) با استفاده از تأسیسات کاربرد ماهواره ای پیش بینی آب و هوا Eumetsat (NWP-SAF) پردازنده داده باد ASCAT (AWDP) انجام می شود. GMF مورد استفاده در AWDP CMOD5 است ، همانطور که در [23] بررسی شده است ، و همچنین سلف CMOD7 است [24]. حذف ابهام با استفاده از یک روش تنوع 2D (2DVAR) انجام می شود [25]. باقیمانده وارونگی باد (MLE) ، که برای QC استفاده می شود ، اندازه گیری تنوع باد WVC است. در نتیجه ، بادهای غیرقانونی در MCS در محصولات ASCAT پرچم گذاری می شوند تا از استفاده از آنها در جذب داده های NWP جلوگیری شود که در آن فرآیندهای همرفت مرطوب اقیانوس به طور کلی حل نشده است. توجه داشته باشید که QC عملیاتی منجر به حدود 0. 3 ٪ از رد باد ASCAT پرچم دار در منطقه مورد علاقه (یعنی اقیانوس اطلس گرمسیری) می شود. با این حال ، لین و همکاران.[8] نتیجه گرفت که وزش باد شدید باران ، که اغلب با باران همراه است ، باید در برنامه های اقیانوس شناسی نگه داشته شود زیرا آنها حاوی اطلاعات اساسی در مورد فرآیندهای تعامل و هوا-دریا هستند. بنابراین ، برای تجزیه و تحلیل کامل MCS ، تمام بادهای پرچم دار نگهداری می شوند.

2. 2باران MSG

نسل دوم Meteosat (MSG) نسلی از ماهواره های زمین گازی است که توسط Eumetsat اداره می شود [26،27]. مشاهده مداوم دیسک کامل زمین با رادیومتر تصویربرداری تصویربرداری قابل مشاهده و مادون قرمز قابل مشاهده و مادون قرمز تقویت شده و پیشرفته انجام می شود. Seviri یک تصویرگر 12 کانال است که 11 کانال در حال مشاهده دیسک کامل زمین با یک چرخه تکرار 15 دقیقه ای با وضوح نادر 3 کیلومتر است. اندازه گیری های Seviri امکان نظارت بر فرآیندهای فیزیکی ابرها را برای تعیین رشد و ریزساختارهای آنها فراهم می کند. میزان باران با استفاده از الگوریتم خصوصیات فیزیکی-خصوصیات فیزیکی Cloud (CPP-PP) به دست می آید [28،29]. بر خلاف داده های رادار ، الگوریتم میزان باران را با اندازه گیری سطح باران سطح کالیبره نمی کند. درعوض ، و در اینجا مرتبط تر ، الگوریتم میزان باران در هر پیکسل را از مسیر آب چگالش شده ابر ، شعاع مؤثر ذرات ، فاز ترمودینامیکی ابر و دمای بالای ابر بازیابی شده از Seviri تخمین می زند. بازیابی محدود به ساعات روز (07: 30-16: 30 UTC) و زاویه های خورشیدی Zenith کوچکتر از 60 است. محصول باران MSG برای اقیانوس اطلس ، اروپا و آفریقا بین طول ها - 50 ∘ ، 50 ∘ و عرض جغرافیایی - 80 ∘ ، 80 ∘ در دسترس است و دارای دقت 1 میلی متر ساعت - 1 است. اطلاعات بیشتر را می توان در وب سایت KNMI در http://msgcpp. knmi. nl/ (دسترسی به 22 فوریه 2022) یافت.

2. 3منطقه مورد مطالعه

شکل 3 آتلانتیک گرمسیری را به سه باند عرض جغرافیایی تقسیم می کند. تمرکز این مقاله بر روی داده های منطقه برجسته شده توسط مستطیل است ، که عرض جغرافیایی (5 ∘ S-15 ∘ N) را مشخص می کند که بین آن منطقه همگرایی بین گرمسیری (ITCZ) باعث مهاجرت سالانه می شود (C. F. ، Waliser وگوتیر [31]). مناطق شمال و جنوب ITCZ عبارتند از: منطقه I ، 15 ∘ N - 25 ∘ N ؛و منطقه III ، 25 ∘ S-5 ∘ S.

2. 4همایند

مجموعه داده های جمع آوری متشکل از شش ماه باد ASCAT و باران MSG ایجاد شده است: 425 در (نیمکره شمالی ، NH) زمستان (دسامبر 2012 - فوریه 2013) و 376 در (NH) تابستان (ژوئن - اوت 2013). محصول باران MSG محدود به ساعات روز است و این باعث می شود باد ASCAT فقط از مدارهای نزولی باشد ، با پوشش بین 08:30 UTC (لبه شرقی منطقه مورد مطالعه) و 13:30 UTC (لبه غربی). تمام Swaths Ascat در ساعت 9:30 زمان خورشیدی محلی (LST) است ، دلالت بر اینکه Swath سمت چپ در ساعت 9:08 LST و سمت راست در ساعت 9:52 LST است.

هر جمع از وزش باد از چرخش های همپوشانی ASCAT-A و ASCAT-B (بین عرض جغرافیایی 25 ∘ S و 25 ∘ N) تشکیل شده است ، و دنباله ای از 17 میدان باران MSG که از 2 ساعت شروع می شود قبل از اولین پراکندگی تا 2 ساعت پس از 2 ساعت پس از 2 ساعتعبور از پراکندگی دوم. مزارع باران ذخیره شده در هر مجموعه به میزان مکانی محدود بودند تا منطقه ای را که توسط Swaths Asca t-A و-B همپوشانی شده است ، شامل شود. تعداد جمع آوری در ساعات مختلف روز در شکل 4 نشان داده شده است. هیستوگرام ها تفاوت معنی داری بین زمستان و تابستان نشان نمی دهند.

3. واگرایی باد و باران برهم خورده

3. 1محاسبه واگرایی باد

سرعت باد و جهت باد به اجزای سرعت (x) و در امتداد مسیر (y) (u (x ، y) ، v (x ، y)) تبدیل شد (به پیوست A مراجعه کنید). شیب باد با استفاده از اختلافات مرکزی تخمین زده شد و برای کاهش نویز به طور متوسط به طور متوسط انجام شد. از آنجا که باران یک مقدار مکانی بسیار متغیر است ، عملیات تفاوت مرکزی و متوسط (CDA) با استفاده از کوچکترین منطقه ممکن در شبکه پراکندگی-یک بلوک دو به دو از WVC انجام شد. برای بلوک نشان داده شده در شکل 5 ، واگرایی باد δ توسط: