大气热力学(8)——热力学图的应用之一(气象要素求解)

本篇文章源自我在 2021 年暑假自学大气物理相关知识时手写的笔记,现转化为电子版本以作存档。相较于手写笔记,电子版的部分内容有补充和修改。笔记内容大部分为公式的推导过程。

文章目录

  • 8.1 复习斜 T-lnP 图上的几种线
    • 8.1.1 等温线和等压线
    • 8.1.2 干绝热线
    • 8.1.3 湿绝热线
    • 8.1.4 等饱和比湿线
  • 8.2 热力学图的简单应用
    • 8.2.1 求抬升凝结高度
    • 8.2.2 求露点温度
    • 8.2.3 求气块上升到特定高度时的温度
    • 8.2.4 求相当位温和凝结水量

8.1 复习斜 T-lnP 图上的几种线

现在我们在斜 T-lnP 图上接触了几种线,让我们来复习一下吧。

8.1.1 等温线和等压线

在这里插入图片描述

8.1.2 干绝热线

在这里插入图片描述

8.1.3 湿绝热线

在这里插入图片描述

8.1.4 等饱和比湿线

在这里插入图片描述

现在来看看 T-lnP 图的一些实际应用。

8.2 热力学图的简单应用

8.2.1 求抬升凝结高度

【例】温度 20℃,露点 6℃ 的气块从 1000hPa 高度抬升。求抬升凝结高度(LCL)及气块到该高度时的温度和位温。

【解】使用斜 T-lnP 图,先从图中找到四种线:等温线、干绝热线、湿绝热线、等饱和比湿线,如下图所示:

在这里插入图片描述

蓝色线是等温线,绿色线是等饱和比湿线,紫色线是干绝热线,红色线是湿绝热线。根据定义,1000 hPa 高度处气块所具有的温度即为位温,所以该气块的位温就是 20℃(本题的一大坑点:位温表示的是气块的热力性质,与高度无关!)。

现在来求气块的抬升凝结高度。先找到横坐标上露点温度 T d T_d Td 为 6℃ 的点,注意要沿着等饱和比湿线 BC 上升;再找到气压为 1000hpa、温度为 20℃ 的点 A,沿着干绝热线 AC 上升。两者交汇处 C 点即为气块的抬升凝结高度,此时气块已经饱和。从 C 点处沿着等压线可读出抬升凝结高度 LCL 为 800hpa;从 C 点处沿着等温线可读出该高度的气块温度为 3℃。

另外需要注意的是,若饱和气团继续上升,则需沿着湿绝热线 CD 上升。

8.2.2 求露点温度

【例】1000hPa 高度一气块温度为 298K,水汽混合比为 14g/kg。求气块的相对湿度和露点温度。

在这里插入图片描述

【解】这是一个静态的过程,不涉及气块的上升或下降。水汽混合比为 14g/kg,则在横坐标中找到 14g/kg 的点,然后沿着等饱和比湿线上升到 B 点(此处高度为 1000hPa)。此时从 B 点沿着等温线即可读出露点温度为 19℃。

298K 等于 25℃,则在横坐标中找到 25℃ 的点,然后沿着等温线上升到 A 点(此处高度为 1000hPa)。此时从 A 点沿着等饱和比湿线即可读出比湿为 29g/kg。于是相对湿度为 14/20 = 70%。

8.2.3 求气块上升到特定高度时的温度

【例】温度 20℃,露点 6℃ 的气块从 1000hPa 高度抬升,求气块抬升至 450hPa 时的温度。

在这里插入图片描述

【解】本题就是 8.2.1 节中的题目修改而来。先找到横坐标上露点温度 T d T_d Td 为 6℃ 的点,注意要沿着等饱和比湿线 BC 上升;再找到气压为 1000hpa、温度为 20℃ 的点 A,沿着干绝热线 AC 上升。两者交汇处 C 点即为气块的抬升凝结高度,此时气块已经饱和。饱和气团继续上升,则沿着湿绝热线 CD 上升至 D 点(450hpa 处),从 D 点沿着等温线可读出此时气块温度为 -29℃。

8.2.4 求相当位温和凝结水量

【例】800hPa 饱和气块温度为 −10℃。求:(1)相当位温;(2)气块被抬升到 425hPa 过程中凝结的水量。

在这里插入图片描述

【解】由气压 800hPa 和气块温度 −10℃ 在图中找到 A 点,此点即为气块的初始状态。此处沿着等饱和比湿线可读出比湿为 2.2g/kg。

饱和气块沿着湿绝热线上升到 C 点(此处气压为 425hPa),此处沿着等饱和比湿线可读出比湿为 0.1g/kg。在这个湿绝热过程中,气块凝结的水量为 2.2 - 0.1 = 2.1g/kg。

关于相当位温的求法,其实在 6.3 节中就已经介绍过了,这里再复习一下:湿空气绝热上升至所含水汽全部凝结脱落(假绝热过程),所含潜热全部释放后,再按干绝热过程下降到 1000hPa 时气块所具有的温度,就是相当位温。从 C 点沿着干绝热线下降到 B 点(此处气压为 1000hPa)。沿着等温线读出此时温度为 13℃,即为此气块的相当位温。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/799041.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

一个老程序员对小浣熊 AI 办公助手的使用体验

我是一个老程序员,今年 42 岁,仍然在一线编程领域工作。 2022 年底以 ChatGPT 为代表的 AI 工具席卷整个业界后,我也使用了不少能提高办公效率的 AI 工具。比如程序员的好帮手,来自微软的 Copilot. 这款名叫小浣熊的 AI 办公工具…

Web 性能入门指南-1.2 分析在线零售 Web 性能及优化方向

让顾客满意是零售业成功的秘诀。事实证明,提供快速、一致的在线体验可以显著提高零售商关心的每项指标——从转化率和收入到留存率和品牌认知度。 本文大纲: 页面速度影响在线零售业务数据 如何将您的网站速度与竞争对手进行比较 性能优化入门&#xf…

怎样在 PostgreSQL 中优化对复合索引的选择性?

🍅关注博主🎗️ 带你畅游技术世界,不错过每一次成长机会!📚领书:PostgreSQL 入门到精通.pdf 文章目录 怎样在 PostgreSQL 中优化对复合索引的选择性一、理解复合索引的概念二、选择性的重要性三、优化复合索…

神经网络识别数字图像案例

学习资料:从零设计并训练一个神经网络,你就能真正理解它了_哔哩哔哩_bilibili 这个视频讲得相当清楚。本文是学习笔记,不是原创,图都是从视频上截图的。 1. 神经网络 2. 案例说明 具体来说,设计一个三层的神经网络。…

采用自动微分进行模型的训练

自动微分训练模型 简单代码实现: import torch import torch.nn as nn import torch.optim as optim# 定义一个简单的线性回归模型 class LinearRegression(nn.Module):def __init__(self):super(LinearRegression, self).__init__()self.linear nn.Linear(1, 1) …

链接追踪系列-07.logstash安装json_lines插件

进入docker中的logstash 容器内: jelexbogon ~ % docker exec -it 7ee8960c99a31e607f346b2802419b8b819cc860863bc283cb7483bc03ba1420 /bin/sh $ pwd /usr/share/logstash $ ls bin CONTRIBUTORS Gemfile jdk logstash-core modules tools x-pack …

如何预防最新的baxia变种勒索病毒感染您的计算机?

引言 在当今数字化时代,网络安全威胁层出不穷,其中勒索病毒已成为企业和个人面临的重大挑战之一。近期,.baxia勒索病毒以其高隐蔽性和破坏性引起了广泛关注。本文将详细介绍.baxia勒索病毒的特点、传播方式,并给出相应的应对策略…

2024-07-15 Unity插件 Odin Inspector3 —— Button Attributes

文章目录 1 说明2 Button 特性2.1 Button2.2 ButtonGroup2.3 EnumPaging2.4 EnumToggleButtons2.5 InlineButton2.6 ResponsiveButtonGroup 1 说明 ​ 本章介绍 Odin Inspector 插件中有关 Button 特性的使用方法。 2 Button 特性 2.1 Button 依据方法,在 Inspec…

YOLOv8训练自己的数据集(超详细)

一、准备深度学习环境 本人的笔记本电脑系统是:Windows10 YOLO系列最新版本的YOLOv8已经发布了,详细介绍可以参考我前面写的博客,目前ultralytics已经发布了部分代码以及说明,可以在github上下载YOLOv8代码,代码文件夹…

力扣经典题目之->移除值为val元素的讲解,的实现与讲解

一:题目 博主本文将用指向来形象的表示下标位的移动。 二:思路 1:两个整形,一个start,一个end,在一开始都 0,即这里都指向第一个元素。 2:在查到val之前,查一个&…

昇思25天学习打卡营第12天|MindSpore 助力下的 GPT2:数据集加载处理及模型全攻略

环境配置 %%capture captured_output 此乃 Jupyter Notebook 中的一个魔法命令,其作用在于捕获后续单元格中的输出,并将之存储于变量 captured_output 当中,而非直接于输出区域予以显示。如此一来,便可隐匿某些可能存在的输出信息…

【学习笔记】无人机(UAV)在3GPP系统中的增强支持(九)-无人机服务区分离

引言 本文是3GPP TR 22.829 V17.1.0技术报告,专注于无人机(UAV)在3GPP系统中的增强支持。文章提出了多个无人机应用场景,分析了相应的能力要求,并建议了新的服务级别要求和关键性能指标(KPIs)。…

小程序里面使用vant ui中的vant-field组件,如何使得输入框自动获取焦点

//.wxml <van-fieldmodel:value"{{ userName }}"placeholder"请输入学号"focus"{{focusUserName}}"/>// .js this.setData({focusUserName: true});vant-field

钡铼ARMxy控制器在智能网关中的应用

随着IoT物联网技术的飞速发展&#xff0c;智能网关作为连接感知层与网络层的枢纽&#xff0c;可以实现感知网络和通信网络以及不同类型感知网络之间的协议转换。钡铼技术的ARMxy系列控制器凭借其高性能、低功耗和高度灵活性的特点&#xff0c;在智能网关中发挥了关键作用&#…

RPC与服务的注册发现

文章目录 1. 什么是远程过程调用(RPC)?2. RPC的流程3. RPC实践4. RPC与REST的区别4.1 RPC与REST的相似之处4.2 RPC与REST的架构原则4.3 RPC与REST的主要区别 5. RPC与服务发现5.1 以zookeeper为服务注册中心5.2 以etcd为服务注册中心 6. 小结参考 1. 什么是远程过程调用(RPC)?…

大语言模型诞生过程剖析

过程图如下 &#x1f4da; 第一步&#xff1a;海量文本的无监督学习 得到基座大模型&#x1f389; &#x1f50d; 原料&#xff1a;首先&#xff0c;我们需要海量的文本数据&#xff0c;这些数据可以来自互联网上的各种语料库&#xff0c;包括书籍、新闻、科学论文、社交媒体帖…

<数据集>光伏板缺陷检测数据集<目标检测>

数据集格式&#xff1a;VOCYOLO格式 图片数量&#xff1a;2400张 标注数量(xml文件个数)&#xff1a;2400 标注数量(txt文件个数)&#xff1a;2400 标注类别数&#xff1a;4 标注类别名称&#xff1a;[Crack,Grid,Spot] 序号类别名称图片数框数1Crack8688922Grid8248843S…

全栈智能家居系统设计方案:STM32+Linux+多协议(MQTT、Zigbee、Z-Wave)通信+云平台集成

1. 项目概述 随着物联网技术的快速发展,智能家居系统正在成为现代生活中不可或缺的一部分。本文介绍了一个基于STM32微控制器和Linux系统的智能家居解决方案,涵盖了硬件设计、软件架构、通信协议以及云平台集成等方面。 该系统具有以下特点: 采用STM32作为终端设备的控制核心…

springboot3——项目部署

springboot的项目开发完了&#xff0c;怎么样把他放到服务器上或者生产环境上让他运行起来跑起来。就要牵扯到项目部署&#xff0c;打包的方式了。 springboot支持jar和war: 打jar包&#xff1a;默认方式&#xff0c;项目开发完打个jar包&#xff0c;通过命令把jar包起起来就…

汇川ST 实现分拣

//初始化 IF init FALSE THEN// 初始化init : 1 ;//45 Y数组 BOOL[8] [OFF发料Y OFF分拣Y OFF送料Y OFF取料Y OFF摆取Y OFF摆放Y OFF升降Y OFF夹料Y] [OFF发料Y OFF分拣Y OFF送料Y OFF取料Y OFF摆取Y OFF摆放Y OFF升降Y OFF夹料Y] 不保持 私有 Y0(*Y数组[0] BOOL OFF 发料…