全球区域同化预报系统的使用及其数值模拟解读
基于GRAPES_Meso的集合预报扰动方案设计与比较
基于GRAPES_Meso的集合预报扰动方案设计与比较张涵斌;陈静;智协飞;龙柯吉;王亚男【摘要】基于GRAPES_Meso区域集合预报系统,设计了三种集合预报扰动方案,即多初值、多初值多物理、多初值多物理多边值,并针对三种方案进行了连续一个月的批量试验,重点分析了2008年7月23日江淮暴雨过程.结果表明,对于降水预报,三种集合扰动方案均相对于控制预报均有所改善,多初值多物理与多初值多物理多边值方案对小雨、中雨预报改进效果显著,对暴雨预报略有改进;多初值方案仅能产生有限的集合离散度且难以增长,引入物理参数方案扰动及边界条件扰动能显著提高集合离散度,改善各物理量场的预报效果;通过比较,多初值多物理多边值为最优方案.该批量试验表明,模式物理过程及边界条件是影响GRAPES _Meso区域集合预报不确定性的不可忽视因素.【期刊名称】《大气科学学报》【年(卷),期】2014(037)003【总页数】9页(P276-284)【关键词】数值预报;集合预报;GRAPES_Meso;扰动方案【作者】张涵斌;陈静;智协飞;龙柯吉;王亚男【作者单位】南京信息工程大学大气科学学院,江苏南京210044;中国气象局数值预报中心,北京100081;气象灾害教育部重点实验室(南京信息工程大学),江苏南京210044;四川省气象台,四川成都610072;浙江省气象服务中心,浙江杭州310017【正文语种】中文【中图分类】P4350 引言GRAPES模式是我国近年来自主研发的新一代数值模式，包含有资料同化系统、区域/全球模式统一设计的模式动力框架以及经过优选的参数化方案(陈德辉和沈学顺，2006;张人禾和沈学顺，2008)，其中区域模式称为GRAPES_Meso，目前已经发展出多个版本，较新的为GRAPES_Meso V3.0(王雨和李莉，2010)。
GRAPES模式的研发成功体现了我国的数值预报发展的进步，而基于GRAPES_Meso模式来发展我国的区域集合数值预报技术，是目前研究的一个重要方向。
数值预报简介
日本气象厅数值预报模式
2、区域谱模式（ASM）
水平分辨率为20km，垂直40层。预报起始时刻为00（世界）时 和12（世界）时。预报时时效为0 - 72小时。 模式预报区域为以日本为中心的5100km x 4300km 的区域。我 国东部地区在其范围之内。该模式的预报结果大多以传真图的形 式向外发布。 我国单收站能收到ASM模式一天两次的0-72小时的地面气压和 降水（12-24h、24-36小时、24-48h、48-72h）、0-36小时 的500 hPa温度和700 hPa温度露点差、0-48小时的850 hPa温 度和风场、700 hPa垂直速度。
发展SISL而不是欧拉模式 大气中垂直方向的声波和水平方向的重力外波的传播速
度比局地风速快好几倍。显式欧拉差分方案的时间步长完 全依赖于快波的速度，对于一个全球经—纬度格点差分模 式来说，由于经线在极地汇合，这一问题变得尤其严重。 对那些包含有快波的项采用隐式（或半隐式）处理，可以 取较长的时间步长也不会降低计算稳定度和精度 （Skamarock et al., 1997）。Staniforth（1997）指 出隐式（或半隐式）时间差分方案还可“滞后”（retard） 有限区域模式的侧边界误差（或变网格模式的外区域误差） 向内的传播。
(3DVAR) 8. Kalman Filter (KF) 9. Variational over Space and Time (4DVAR)
二、业务数值预报种类
数值预报模式分： 气候模式 谱模式 全球模式 天气模式 格点模式 区域模式
几种模式简介
ECMWF全球谱模式 日本气象厅数值预报模式 美国NCEP模式
全球谱模式
美国国家环境预报中心的全球中期数值天气预报 模 式 ， 从 1995 年 的 T126L28 升 级 到 目 前 的 T170L42，即水平分辨率从1°× 1°增加到0.7°× 0.7°（约为80公里）。垂直层次从28层增加到42 层。每天在世界时00点用T170L42作7天预报， 随后用T126L28作第8天到第16天的预报。
数值预报AI气象大模型国际发展动态研究
数值预报AI气象大模型国际发展动态研究黄小猛;林岩銮;熊巍;李佳皓;潘建成;周勇【期刊名称】《大气科学学报》【年(卷),期】2024(47)1【摘要】数值预报是研究地球系统的重要工具,有助于加深科学家对大气、海洋、气候和环境等复杂系统之间相互作用和变化过程的理解,在防灾减灾、气候变化和环境治理等方面发挥着不可或缺的作用。
随着模式复杂度和分辨率的提高,传统数值模式在气候变化研究和气候预测方面取得了迅速的进展,但也面临一些挑战,需要得到数据同化、集合耦合、高性能计算和不确定性分析等多方面的支持。
而近年来,“AI+气象”的交叉研究在气象领域引起了广泛关注。
基于多种深度学习架构的人工智能大模型,依托强大的计算资源和海量的数据进行训练,能够以新的科学范式进行高效数值预报。
气象大模型不断涌现,一些科技公司如华为、英伟达、DeepMind、谷歌、微软等,以及国内外高校如清华大学、复旦大学、密歇根大学、莱斯大学等发布了多个涵盖临近预报、短时预报、中期预报和延伸期预报等不同领域的气象大模型。
这标志着人工智能与气象领域的交叉融合已经达到新的高度。
尽管气象大模型在现阶段取得了较大突破,但其发展仍然面临弱可解释性、泛化能力不足、极端事件预报强度偏低、智能预报结果过平滑、深度学习框架能力需要拓展等诸多挑战。
【总页数】9页(P46-54)【作者】黄小猛;林岩銮;熊巍;李佳皓;潘建成;周勇【作者单位】清华大学地球系统科学系;浙江工业大学计算机科学与技术学院;中国气象局气象发展与规划院【正文语种】中文【中图分类】TP3【相关文献】1.BP神经网络模型在甘蔗绵蚜虫发生发展气象等级预报中的应用研究2.面向气象数值预报质量检验的数据仓库模型研究3.面向气象数值预报质量检验的数据仓库模型研究4.山东省西北地区棉铃虫发生发展气象等级预报模型研究5.短期跨境资本流动与人民币国际化的动态发展研究——基于马尔科夫区制转移向量误差修正模型(MS-VECM)因版权原因，仅展示原文概要，查看原文内容请购买。
天气预报中的数值模拟技术研究
天气预报中的数值模拟技术研究第一章：引言天气预报准确性一直是气象领域关注的热点问题。
为了提高天气预报的准确性，气象科技研制出了许多数值模拟技术，例如格点模型、集合预报和预报模型等。
本文将重点研究数值模拟技术在天气预报中的应用。
在研究中，我们将介绍数值模拟技术的基本概念、原理和应用，以及它们在天气预报中的角色和作用。
第二章：数值模拟技术的基本概念和原理数值模拟技术指的是利用数学方法对天气和气象变量进行模拟和预测的技术。
它的基本原理是将地球大气分成很多小颗粒，然后用数学方程描述气流的运动和变化，最终得到天气预报结果。
数值模拟技术的重点是建立一个可靠的预报模型，以便精确地预测未来的气象变化和天气状况。
数值模拟技术通常使用的模型是格点模型。
格点模型是使用数学方程描述天气变化的一般方法。
这种方法涉及到将地球的表面分成网格，然后在每个网格上放置一个数学模型。
之后，可以在每个网格上求解物理方程，从而得出该区域内的气象变量和天气预测结果。
第三章：数值模拟技术在天气预报中的应用在天气预报中，数值模拟技术可以解决许多问题，例如雨、雪、风和气压的变化等。
这些变量都可以使用数值模拟技术进行建模和预测，从而得到更加准确的天气预报结果。
数值模拟技术在天气预报中的应用主要包括以下几个方面：3.1 气象预报模型气象预报模型是天气预报的核心。
模型可以对各种气象现象进行建模和预测。
这个模型涉及到很多因素，如温度、湿度、风力、风向、气压等。
气象预报模型可以利用多样化的数值技术，以及在气象数据处理中应用的复杂计算方法，模拟出未来一段时间内的气象变化。
3.2 集合预报集合预报是数值模拟技术的一种方法。
它是一种融合了多个不同数值模型的天气预报系统。
集合预报可以充分利用不同模型的长处，从而提高天气预报准确性。
这种方法通常生成数百个预报结果，然后综合考虑它们的结果，以得到最终预报结果。
3.3 降水预报降水预报是天气预报中的另一个重要问题。
它需要对雨、雪、霜冻等降水量进行预报。
数值计算方法在气象学中的应用
数值计算方法在气象学中的应用一、引言数值计算方法在气象学中的应用，是指数学模型和计算方法与气象学相结合，进行天气和气候预测、空气质量研究、气候变化模拟等领域。
目前，气象数值模拟技术已成为气象学中不可或缺的重要工具之一，也是各国气象预报事业发展的重要法宝。
二、气象数值模拟的概念及方法气象数值模拟是通过数学模型来描述、分析、模拟大气环流、气象要素变化等规律的一种模拟技术。
主要分为两个方面：气象数值模拟方法和气象数值模拟的嵌套方法。
（一）气象数值模拟方法气象数值模拟方法需要借助大规模计算机进行数值计算，其基本原理是将大气运动分割为微小的网格点，通过计算每个微小网格点上的能量平衡、动量守恒以及相关化学反应等规律，再通过微积分和数值分析等方法，对大气中的各种动力学和物理过程进行计算模拟。
气象数值模拟方法由于其模拟精度高、计算效率高、适应性广等优点，被广泛用于气象学、地理信息系统等领域。
根据模拟空间尺寸和时间尺度的不同，气象数值模拟方法又可以分为：天气数值预报模拟和气候变化模拟。
（二）气象数值模拟的嵌套方法气象数值模拟的嵌套方法，是指通过将人工站点观测资料和雷达、卫星等远程探测资料与模型模拟数据嵌套，以获得对现实的更为准确的预测。
嵌套方法的实现需要借助于数据同化技术，即不断校正模型计算结果，减少误差。
其中，奇异扰动同化方法被广泛用于气象乃至地球科学中，可获得比其他传统方法更为优秀的数据同化效果。
三、气象数值模拟应用场景数值计算方法在气象预报、气象变化模拟等应用中起到重要的作用。
以下列举几个应用场景：（一）天气预报天气预报是气象学中的重要内容，其预测准确率关系到人们的生产生活。
为了提高预报准确性，气象学家采用了气象数值模拟技术。
他们使用计算机对各种运动过程、能量传输过程、水循环过程等进行模拟，得到各种气象要素的变化情况，从而预测天气变化。
（二）气象灾害预警数值计算方法在气象预警中也有广泛应用。
针对强降雨、强台风、大雾等天气灾害，气象学家通过计算模拟，提前进行预警，以保障人们的生命财产安全。
气象卫星资料的时间序列分析与数值模拟
气象卫星资料的时间序列分析与数值模拟气象卫星是一种空间观测技术，为气象学提供了海量的气象资料，其中包括地表温度、云量、降雨量等多种气象参数，这些数据对于气象预测、灾害预警、气候变化研究等方面具有十分重要的意义。
而对于这些气象卫星资料的处理和分析，则需要借助时间序列分析和数值模拟等工具。
一、时间序列分析时间序列分析是指对一组随时间变化而产生的数据序列进行分析的方法，其主要目的是识别序列中存在的模式和趋势，并对将来的趋势进行预测。
对于气象卫星资料而言，时间序列分析可用于预测天气、灾害预警等方面。
1. 时间序列的分类时间序列通常分为两种类型：平稳型时间序列和非平稳型时间序列。
平稳型时间序列指在均值和方差等统计性质不随时间变化的时间序列，如白噪声序列；非平稳型时间序列则指在均值和方差等统计性质随时间变化的时间序列，如ARIMA模型。
2. 常见的时间序列分析方法时间序列分析有多种方法，常见的包括：（1）移动平均法：该方法将数据序列中连续的一定时间段的数值作平均，来逐步消除数据中的噪声，使数据序列更具有规律性。
（2）指数平滑法：该方法主要用于对非平稳时间序列的平滑处理，其基本思想是将未来预测值与过去数值以不同程度的权重相加，如Holt-Winters法。
（3）ARIMA分析：该方法通过寻找最优的ARIMA模型，来对时间序列进行预测。
ARIMA模型包括自回归模型、移动平均模型和差分模型三部分。
3. 时间序列在气象卫星资料中的应用在气象卫星资料中，时间序列分析可应用于：（1）天气预测：通过对过去的气象卫星数据序列进行时间序列分析，可以预测未来的天气情况，从而提前做好应对措施。
（2）灾害预警：通过对空间和时间上的观测数据，以及历史气象卫星数据的时间序列分析，可以预测并发出灾害预警，如飓风警报、洪水警报等。
（3）气候变化研究：通过对气象卫星资料中反映气候变化的时间序列进行分析，可以对气候变化规律进行研究和预测。
二、数值模拟数值模拟是指通过计算机程序对现实世界进行虚拟模拟的方法，其主要目的是在各种条件下进行虚拟实验，从而预测未来现象，并分析各种因素对结果的影响。
气象预测的数值模拟技术
气象预测的数值模拟技术气象预测是指根据大气环境的相关数据，运用一系列科学方法和技术手段，对未来一段时间内的气象演变进行预测和模拟。
在过去的几十年里，气象预测的准确度不断提高，而数值模拟技术则是其中一项重要的手段。
数值模拟技术是利用计算机对大气环流、温度、湿度等气象要素进行数值计算和模拟的一种方法。
它基于一套数学物理方程组，采用有限差分、有限元或谱方法等数值逼近技术，将大气运动方程、热力学方程、湿润空气运动方程等转化为计算机可以处理的形式，进而进行数值求解。
数值模拟技术的核心是数学物理方程组的建立和求解。
这些方程组描述了大气运动的动力学、热力学和湿力学过程，通过求解这些方程，可以获得大气的演变过程。
数值模拟技术的输入数据主要包括大气初始场和边界条件，初始场包括温度、湿度、风向等气象要素的分布情况，边界条件则是指影响大气运动的外部因素，如地表气压、海温等。
在气象预测中，数值模拟技术通常分为中尺度模式和细尺度模式两种。
中尺度模式适用于对几百到几千公里范围内的天气系统进行预测，如台风、暴雨等，而细尺度模式则适用于对几十到几百公里范围内的天气系统进行预测，如局地降雪、雷暴等。
中尺度模式采用的是全球或区域范围的模拟。
在这种模式下，数值计算的步长比较大，通常在几公里到几十公里之间，计算速度相对较快，可以预测数天的天气情况。
细尺度模式则采用更小的步长，通常在几百米到几公里之间，计算速度相对较慢，但可以提供更加详细和准确的天气预测，包括降水、风暴状况等。
数值模拟技术的核心是模型的设置和参数选择。
模型的设置涉及到模拟的空间范围、时间步长、相互作用的物理过程等等，而参数选择则关系到数值计算的准确性和稳定性。
不同的模型和参数选择会对模拟结果产生不同的影响，因此，科学家需要根据实际情况进行模拟参数的优化和调整，以提高预测的准确性。
数值模拟技术在气象预测中已经得到广泛应用，并取得了显著的成就。
通过数值模拟技术，气象预报员可以根据大气背景和相关数据，对未来的天气情况进行模拟和预测，提前做好各种天气变化的应对准备。
数值天气预报中卫星资料同化应用现状和发展
数值天气预报中卫星资料同化应用现状和发展数值天气预报中卫星资料同化应用现状和发展一、引言天气预报是人们生活中非常重要的一部分，它直接影响到人们日常生活、农业、交通等诸多方面。
随着科技的飞速发展，数值天气预报成为人们获取天气信息的主要途径。
数值天气预报是利用数值模型对大气现象进行模拟和计算，从而得到未来一段时间内的天气趋势。
但是，数值天气预报存在预报精度不高的问题，其中一个原因就是模型的初始场不准确。
而卫星资料同化技术则是通过将实测资料与数值模型结合起来，从而提高模型的初始场，进而提高数值天气预报的准确性。
本文将重点介绍数值天气预报中卫星资料同化的应用现状和发展。
二、数值天气预报中的卫星资料同化概述数值天气预报的发展离不开观测数据的支撑，其中卫星资料在天气预报中起着重要的作用。
目前常用的卫星资料包括卫星云图、卫星风场、卫星温度场等。
而卫星资料同化技术则是将这些卫星资料与数值模型进行融合，以获取更准确的初始场。
卫星资料同化技术主要包括两种方法：顺序同化方法和变分同化方法。
顺序同化方法是先将观测数据通过统计方法转化为初始场的估计值，然后将这个估计值与数值模型的输出进行比对，从而调整初始场；而变分同化方法则是将观测数据融入到数值模型的最优解中，从而得到更准确的初始场。
三、数值天气预报中卫星资料同化的应用现状卫星资料同化在数值天气预报中已经得到广泛应用。
目前，许多国家的气象预报中心都使用卫星资料同化技术来提高数值天气预报的准确性。
例如，美国的国家海洋和大气管理局（NOAA）通过使用雷达、卫星等多源观测数据进行同化，改进了数值天气预报系统的初始场，从而提高了预报的准确性。
同样，中国的国家气象中心也在数值天气预报中广泛应用卫星资料同化技术，通过将卫星资料融入到数值模型中去掉预报偏差，提高预报的准确性。
四、数值天气预报中卫星资料同化的发展趋势1. 多源数据同化目前，数值天气预报中主要使用卫星资料进行同化，但是单一的数据源往往难以获得全面准确的初始场。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
全球区域同化预报系统的使用及其数值模拟*陈建萍（江西省环境预报中心，江西，南昌，330046）摘要：介绍了中国气象科学研究院数值预报中心自主开发的GRAPES V2.1数值模式运行步骤，并利用该模式对2005年5月1日06～07时在江西南昌市区出现的30 mm/h 强降水过程,进行了数值模拟和诊断分析。
结果发现，北方干冷空气南下，到达30°Ｎ附近后，与南方暖湿空气在南昌市区上空低层形成交汇，促使暖湿空气沿着锋面迅速抬升凝结，触发不稳定能量的释放，是造成南昌强降水产生的主要原因；GRAPES模式能很好地模拟出高低空环流形势场特征和主要天气系统，能提供较准确的高分辨率诊断分析资料。
关键词：GRAPES模式强降水数值模拟诊断分析中图分类号：P456.7；P458.1+21 文献标识码：A 文章编号：1007-9033（2005）02-00023-041 GRAPES V2.1简介及模式运行1.1 模式简介GRAPES（Global/Regional Assimilation and Prediction System）—全球区域同化预报系统，是中国气象局负责研究开发的、研究与业务通用的数值天气预报系统。
GRAPES系统是集常规与非常规变分同化、静力平衡与非静力平衡、全球与区域模式、科研与业务应用、串行与并行计算、标准化与模块化程序、理想实验与实际预报等为一体，中小尺度与大尺度通用的先进数值预报系统。
1.2 GRAPES V2.1模式的运行使用2005年4月29日20时的T213资料，以及2005年4月30日08时的探空资料，对2005年4月30日08时—5月1日08时的暴雨过程进行数值模拟。
1.2.1 资料准备2005年4月29日20时的Ｔ２13资料（BJ*.*）放在grapes/data/9210_t213目录下，2005年4月30日08时的探空资料（*.ABJ）则放在grapes/data/9210_obs目录下。
1.2.2 探空资料预处理进入grapes/grapes_3dv/preproc/9210_obs_proc/datatran，使用命令pgf90 -o ptrans0.exe ptrans0.for和pgf90 -o ptranstp.exe ptranstp.for分别编译当前目录下的ptrans0.for和ptranstp.for；成功编译后，将在当前目录下分别生成ptrans0.exe 和ptranstp.exe文件。
然后使用命令cat grapes/data/9210_obs/*.ABJ >fn.dat把ABJ文件连接成１个文件，执行后当前路径下会生成fn.dat。
再在当前目录下把wsdat.dat 的时间修改为05042300。
最后分别执行ptrans0.exe和ptranstp.exe，将在grapes/grapes_3dv/data/input/GTS目录下生成TEMP文件。
1.2.3 T213资料预处理首先进入grapes/9210_t213_proc目录，使用命令：9210_t213_proc.sh 2005042912 48 grapes/data/9210_t213/ grapes/T213_DATA/ ，对T213原始报文资料进行解码。
执行后将在grapes/T213_DATA目录下自动生成2005042912目录，并在该目录下生成T2132005042912、T2132005042918……T2132005050112等9个文件。
然后进入grapes/grapes_3dv/preproc/9210_t213_proc目录，修改namelist.t213中解码后T213资料的路径，即把record4中Ｔ213_file的路径修改为grapes/T213_DATA/2005042212/T2132005042300。
最后运行make编译当前目录下的文件，成功编译后将生成t213proc.exe文件；执行t213proc.exe后，将在grapes/grapes_3dv/data/input/backgrd目录下生成以xb.dat命名的背景场。
1.2.4 分析系统编译连接及运行进入grapes/grapes_3dv/3dv/rundir，运行make_script脚本文件，编译整套分析系统，成功编译后有可执行文件Grapes3dvar.exe生成。
运行时首先要编辑当前目录下的namelist.3dvar,修改record3中的ANALYSIS_DATE='2005043000'，以及record14中的file_dxa_binary='../../data/output/dxa2005043000.dat'和file_xa_binary='../../data/output/xa2005043000.dat'。
然后，根据需要指定分析的区域、分辨率、日期等参数，直接运行Grapes3dvar.exe。
成功运行后，在grapes/grapes_3dv/data/output目录下有形如dxa2005043000.dat和xa2005043000.dat的分析场生成。
1.2.5 主模式运行进入grapes/grapes_model_v2.1/run目录，把解码后的t213资料链接到当前目录的T213下，即ln -s grapes/T213_DATA/2005042912/T213* ./T213。
然后返回grapes/grapes_model_v2.0目录，使用compile grapes命令运行compile脚本文件，编译安装整套模式系统。
成功编译后，在grapes/grapes_model_v2.0/run目录下，有２个可执行文件（si.exe和grapes.exe）生成。
再把grapes/grapes_3dv/data/output/xa2005043000.dat的背景场资料拷到当前目录下，并把文件名修改为xa.dat。
最后在当前目录grapes/grapes_model_v2.0/run/下使用go.go.9210命令提交作业，即go.go.9210、积分步长、步数、多少次输出１次、起始年、起始月、起始日、起始时、终止年、终止月、终止日、终止时、 do_static_data=true或false、模式起报时间。
文中的个例模拟是使用命令：go.go.9210 600 144 4 2005 04 30 00 2005 0501 00 “.true.” 2005043000来进行的。
2 个例分析2.1 天气实况受地面弱冷空气南下和低层切变影响，2005年4月30日14时～5月1日08时,江西北部普降中到大雷阵雨，有16个县市遭受短时雷雨大风、强降水和冰雹天气袭击，有3个县市出现暴雨。
其中南昌市区自动站监测到南昌市区（28.6°Ｎ、115.9°Ｅ）5月1日06～07时出现了30 mm／h的强降水天气。
2.2 模拟结果的诊断分析2.2.1 地面形势分析从海平面气压场和地面流场分布图的演变可以看出，4月30日14时地面冷高压主体位于45°Ｎ、105°E，中心气压值为1 014 hPa，锋面呈NE-SW走向，到达河套南部一带（图略）。
20时冷高压中心南移到42°Ｎ、109°E，中心气压值增加到1 020 hPa，冷锋前沿已移到江淮地区（图略）。
到5月1日06时，冷高压中心南移到40°Ｎ、110°Ｅ，中心气压值为1 025 hPa，冷锋前沿正好到达30°Ｎ附近。
此时南昌市区处于偏南风和偏北风的风速辐合区（图1）。
与实况地面天气图相比，GRAPES模式模拟出的冷空气南下并逐渐加强的过程、地面风场结构以及冷锋位置，与实况都十分接近。
2.2.2 低层切变分析从850 hPa等压面流场和等风速线分布图的演变可以看出，4月30日14时华南地区已有西南急流形成，中心位于25°Ｎ、110°E，中心最大风速为16 m/s（图略）。
30日20时，西南急流略有加强，中心最大风速为18 m/s，急流中心向东北方向移动，中心位于26°Ｎ、112°E（图略）。
20时与08时的流场和等风速线明显不同的是，在北方（36°Ｎ、110°E）有另一偏北风急流生成，急流中心最大风速达24 m/s（图略）。
到5月1日06时,西南急流中心位置没有移动，中心最大风速继续加强，为22 m/s，而偏北风急流中心明显向南移动,并到达32°Ｎ、110°E区域，风向转为东北风，急流中心最大风速仍为24 m/s，但范围明显增大（图２）。
此时南昌市区处于西南急流和东北急流的交汇区。
与实况相比，GRAPES模式能很好地模拟西南急流的维持，并能模拟出4月30日20时偏北风急流的形成、南下及风向的转变，但是模拟出的急流中心强度都偏大了很多（4月30日20时实况图中西南急流强度为14 m/s，偏北风急流中心强度也只有16 m/s）。
另外，从5月1日06时沿115.9°Ｅ的水平风速经向分量（v）的垂直剖面图可以看出，低层900 hPa在35°Ｎ附近为20 m/s的北风中心，27°Ｎ附近为10 m/s的南风中心；南昌市区近地面的经向风速为零值，且零值线随高度向北逐渐倾斜，一直伸展到40°Ｎ对流层顶（图３）。
这说明西南急流带来了强降水必须的水汽，当冷锋南下时，造成动力抬升作用，触发不稳定能量的释放，产生强降水。
2.2.3 850 hPa散度场和涡度场分析从850 hPa涡度场的演变可以看出，4月30日20时南昌上空散度还是零值区（图略）。
到５月1日06时，出现了-3×10-5 s-1的辐合中心(图4a)。
从850 hPa涡度场的演变可以看出，850 hPa涡度场与散度场分布较吻合，4月30日20时南昌上空涡度也为零值区（图略），到5月1日06时，南昌上空出现15×10-5 s-1的正涡度中心(图4b)。
中低层的辐合上升运动，使大量的暖湿空气得到抬升凝结，从而产生了十分有利的降水条件。
2.2.4 垂直速度分析从低层925 hPa垂直速度场的演变可以看出，4月30日14时和20时，南昌上空的垂直速度还是0 m/s（图略）。
到5月1日06时，出现了0.03 m/s的上升运动中心（图5）。
从5月1日06时沿115.9°Ｅ的垂直速度垂直剖面图也可以看出，南昌上空有２个0.05 m/s的上升运动中心，分别位于850 hPa和400 hPa（图６）。