基于快速滚动更新的无缝隙定量降水预报模型

针对中小尺度天气系统极易导致突发性短时强降水而难以定量化预报的问题,提出了一种基于快速滚动更新的无缝隙定量降水预报模型。模型基于改进光流法技术实现临近（0～2h）定量降水预报,基于GRAPES 3km实时频率匹配订正技术构建短时（2～12h）定量降水预报,基于最优背景场生成技术形成短中期（12～240h）定量降水预报;依据3种预报时效定量降水预报技术的技巧差异,结合实时预报检验评估,提出了基于经验权重函数的不同预报时效之间的预报融合技术,并根据最新降水实况逐1h调整预报,构建了0～240h快速滚动更新的无缝隙定量降水预报模型。选取2018年5—10月24h定量降水预报进行检验,并与传统定时预报对比,结果表明该模型24h降水预报准确率高于传统定时预报,特别是对中小尺度天气系统突发性短时强降水预报时空精度明显提高,有利于中小河流洪水预报与灾害防控。     

基于多模式预报优选融合技术的短时定量降水预报

为提升短时定量降水预报准确率,使其更好地支撑城市暴雨洪涝及中小河流洪水预报,基于多源数值天气模式预报值,构建了基于预报成员优选融合的短时(0~12h)逐小时定量降水预报模型,模型由单模式百分位映射订正技术模块、模式订正预报成员实时优选技术模块、预报成员实时融合技术模块和融合预报的百分位映射订正技术模块4个技术模块组成。以河南省为例对模型进行检验,结果表明:模型预报降水分布和强度随着预报时效临近更接近实况降水;模型提前6h预报出郑州“7·20”暴雨最强时段降水的落区和强度;在2021年1—9月降水预报对比检验中,模型预报准确率高于任意单模式订正预报和原始模式预报,且准确率随着预报时效的临近逐步提高。     

ECMWF集合预报产品在河南省暴雨预报中的应用

对2014到2015年5—8月欧洲中期天气预报中心(ECMWF)的9类与降水相关的集合预报基本产品和统计量(以下简称集合预报产品)进行暴雨TS评分检验,筛选出:%90分位数、最大值、控制预报、融合产品、概率匹配平均5个评分较高产品.对所选产品做暴雨过程的应用效果分析发现:5个集合预报产品的强降水中心位置预报与实况较接近,大部分产品对大雨以上降水落区预报与实况较接近,但存在强降水中心极值预报较实况偏小的不足;最大值产品对于暴雨落区范围和强降水中心极值的预报通常较实况偏大;5个集合预报产品均表现为0~72 h时效内预报效果最好,72 h之后各产品对暴雨的预报能力明显减弱.基于检验和分析结果,采用百分比权重集成技术建立暴雨预报方法,2016年业务应用结果表明,集成后的暴雨预报产品效果优于单个集合预报产品.     

基于深度学习的短时强降水天气识别

气象预报人员面临的问题之一是如何准确有效地识别短时强降水天气.短时强降水是一种主要由强对流天气形成的气象灾害,产生原因与空气湿度、大气中的水分以及温湿等物理量参数有关,由此提出基于物理量参数和深度学习模型DBNs的短时强降水天气识别模型.首先,利用SMOTE算法人工合成短时强降水少数类(相对于非短时强降水天气类)样本,调整原始数据集不均衡分布问题;然后通过含有高斯玻耳兹曼机的深度学习模型对地面大气监测站逐小时加密的观测量,以及常用于天气预报分析的物理量等低层特征构造出抽象的高层特征,发现数据特征内在关系;最后实现了DBNs短时强降水的自动识别模型.结果表明,该方法能够较为准确地识别短时强降水,对于短时强降水的命中率、误警率和临界成功指数,都有着较好的表现.     

基于改进U-Net模型的次季节降水预报订正

针对现有次季节降水预报误差较大的问题，提出基于改进的U-Net模型的次季节降水预报订正方法.首先，通过指数变换，将非正态分布的降水预报数据变换到正态分布；其次，结合残差连接和通道注意力改进U-Net模型，用于订正模式预报结果，生成订正后的降水概率预报；最后，通过损失函数加权提高强降水预报性能.实验结果表明，订正结果相较于原始预报误差明显降低，CRPS降低了14%,概率预报的采样均值在10 mm日降水量阈值的TS评分提升48%.     

基于阴阳历叠加的中长期天气预报方法

采用在阴阳历叠加的基础上进行修正的方法,利用环渤海地区和青藏高原东北部地区1960-2010年地面测站降水、风速资料,探讨了阴阳历叠加法进行中长期天气预报的可行性.结果表明:对于不同地区,不同要素阴阳历叠加预报时最佳样本长度略有差异,降水预报时环渤海地区最佳样本长度为37 a,青藏高原东部地区最佳样本长度为20 a;对大风天气过程而言,环渤海地区最佳样本长度为34 a,青藏高原东北部地区为31 a.降水日预报检验表明,环渤海地区和青藏高原东北部地区降水日预报威胁评分(TS)呈单峰型变化,峰值均集中在夏季,6-8月降水日预报TS评分均高于0.4,两地各月降水日预报TS评分均高于气候概率.利用站点相关订正后,准确率最高可提高14.2%,最低提升了4.1%,平均提高9.8%,站点相关订正是有效的.两地大风预报准确率呈现单峰型分布特征,并在3-5月间为明显的波峰,且两地的预报TS评分均高于气候概率TS评分,预报是有效的.     

一种新的基于伪最近邻算法的降水预报方法

分析北京地区日降雨量资料,相较于其他降雨事件,大雨或暴雨事件发生的次数较少,因此该地区的降水量预报属于样本不均衡问题。在样本不平衡的情况下,K最近邻(PNN)算法的分类误差率将会大大提高,这也就使传统的基于K最近邻算法的降水量预报方法的应用受到了限制。针对北京地区降水量预报这一样本不均衡问题,应用伪最近邻算法构建了北京市的降水量预报模型。该方法利用北京地区日降雨量资料和美国国家环境预报中心全球格点资料,将降雨量作为类,将美国国家环境预报中心全球格点资料的各种因子场作为天气样本特征,通过决策规则实现最优分类。利用提出的降水预报模型对北京地区2010年6~8月进行了24 h降水预报,实验结果表明,提出的预报方法对于降水等级预报的预报准确率以及晴雨预报的TS评分、正样本概括率和漏报率均优于传统的K最近邻预报方法,该方法具有较好的预报效果。     

确定性预报和集合预报融合降水预报产品应用

针对确定性模式和集合预报模式降水产品没有得到最优应用的问题,该文开展多模式降水融合预报研究。应用福建省智能网格预报业务关键点的降水观测资料,对4种确定性模式降水预报和欧洲中期天气预报中心(ECMWF)集合预报的降水集合统计量产品进行降水分级统计检验,确定融合方案,并根据融合方案产生多模式和集合预报降水融合产品。结果表明,除了后汛期(7～9月)外,大部分产品的TS评分随降水量级的增大而下降,随着预报时效的延长,各量级降水TS有所下降。融合产品在3～4月的表现较确定性预报有一定的性能提升; 5～6月融合产品表现最差; 7～9月融合产品TS评分基本与最优确定性预报接近。对于个例检验而言,融合产品能够较为准确地刻画强降水的落区,但存在大暴雨落区范围过大等偏差。     

福建前汛期一次强降水的集合预报检验和预报偏差分析

基于中国气象局最新业务化运行的GRAPES REPS,针对2020年5月5—7日福建前汛期一次强降水过程进行集合预报检验评估,并与ECMWF EPS对比分析,最后分析预报偏差原因.结果表明,在临近36 h预报上,GRAPES REPS不仅在集合平均预报的TS和BIAS评分上优于ECMWF EPS,而且概率预报误差小于E...     

莆田市两场短时强降水的物理量对比分析

利用NECP数据、常规观测资料及自动站资料全面分析了2013年6月莆田地区出现的两次短时强降水过程的环流背景、物理量条件和t-logp图,结果表明:两次短时强降水具有不同的天气背景,降水前热力结构不同是造成两次短时强降水过程性质不同的最重要原因;两场降水的物理量在上下层配置和强度上有所差异;加密观测期间t-logp图对预报短时强降水有很好的指导价值。     

江苏西部—次大暴雨过程的中尺度分析

利用常规探测资料、NCEP10？10再分析资料、结合江苏省自动气象站观测资料、追踪南京多普勒天气雷达观测资料、垂直风廓线产品以及FY2C红外卫星云图分析发现：在这次暴雨过程中,对流不稳定能量、700hPaθse高能舌的形成和锋区的分布是揭示强雷雨活动的重要特征。在θse的剖面图上,θse高能舌跃过500hPa,是判断盎夏季节强雷雨结束的重要信号。新对流与MCS结合会触发新的MCS迅速发展增强。相对于对流层的平均风而言,新的对流在MCS的上风方发展,MCS将逐渐东移。利用多普勒雷达垂直风廓线产品能很好地追踪冷空气的活动。另外,当自动气象站地面风场产生扰动形成气旋性波动时,雨团将会在气旋性区域内发展并作相应的移动,这对短时临近落区预报有指示意义。     

2010—2012年河南省驻马店市短历时强降水的形成原因及物理模型的建立

针对驻马店2010—2012年出现的54次短历时强降水过程,研究了其时空分布特征、天气背景和环境条件,从形成机制上将其分为暖区对流系统和锋面对流系统两类,同时对短历时强降水的天气雷达产品如反射率因子、径向速度场、垂直积分液态含水量、风暴跟踪信息等特征进行了详细的分析,并以此建立短历时强降水的物理模型;对预报中的失误之处进行反查,整理出了此类天气的天气模型和预报思路,为以后准确预报短历时强降水天气提供科学借鉴.     

异常分析在长江中下游暴雨分析和预报中的应用

极端天气事件极易造成严重的气象灾害,对人类的生命财产和国民经济建设及国防建设等造成严重损害。使用欧洲中心(ECMWF)的ERA5再分析资料,选择对极端天气有分析和预报有效的原始异常度(RA)和标准化异常度(NA)对南通地区2016年7月11日极端强降水过程进行分析和预报。研究表明,相比于常用的原值场,RA和NA等异常场对分析和预报该次强降水过程更有优势。日常业务中常用的原值场,很难明显给出对极端降水有较好指示意义的预报指标,相比之下,RA和NA这种异常场,可以给出更为有效的极端降水预报指标。这表明,极端降水事件与气象要素的异常部分直接相关。极端降水的落区与位势高度RA和NA的负异常中心接近,湿度的RA和NA正异常出现的时段和位置也与降水出现的时段和位置有较好的相关性,降水强度与湿度和位势高度的RA和NA的异常强度也有一定关系。综合分析不同高度和位置位势高度和湿度的RA和NA,对分析和预报潜在极端天气的落区、强度和出现时段有重要帮助。使用ECMWF的模式预报资料,通过分析不同时效对该次过程的降水和850 hPa位势高度的预报结果,相比于对降水本身的预报,模式对850 hPa位势高度NA场的预报更为稳健,更有利于预报员该次极端降水事件的把握。     

局地分析预报系统在龙卷强对流天气分析中的应用

融合多种探测资料的局地分析预报系统(LAPS)能够提供包含中尺度信息的高分辨率中尺度分析场,利用LAPS资料同化分析场分析2009年6月5日发生在江苏徐州的一次冰雹、龙卷强对流天气的中尺度特征.分析结果表明,(1)对流发生时,大气处于不稳定状态.(2)动力不稳定条件,为强对流天气提供了能量;而充足的水汽条件,有利于强对流的维持.(3)低层辐合、高层辐散的配置有利于对流运动的产生和发展.(4)强对流发生时会伴随强烈的上升气流.(5)从可降水量和水或物分布可以很好的识别出降水区和冰雹发生区.应用结果表明,LAPS输出的各种物理量场对强对流天气系统有较好的解释应用能力,能清楚地反映强对流系统的中尺度特征.     

一次暴雨过程中GPS三维层析水汽场的变化特征

利用小尺度GPS网络, 使用蒙特卡罗GPS水汽层析算法获取高时空分辨率的水汽场, 并通过与探空资料对比验证层析水汽场具有理想的精度。结合GPS三维层析水汽场与天津气象雷达资料, 分析2011年7月29日大暴雨过程, 首次给出小尺度水汽场在强对流过程中连续的变化过程以及精细结构。对于局地的对流过程, 三维层析水汽场能够在降水发生前约20分钟捕捉水汽在空中的富集现象并给出相应位置, 对降水预报具有指示作用。对于大范围强降水过程, 水汽场能够明确地给出水汽输送来源的位置和强度, 与天气形势分析和雷达气象分析的结论一致。     

2012年“6.02”云南漏报首场强降水过程分析

A strong precipitation and cooling process happened at central and south of Yunnan on 2nd June,2012.There were 77 stations daily precipitation over 25mm and 15 stations daily precipitation greater than 50mm in Yuxi city.The precipitation above heavy rain appeared in whole city,biggest daily precipitation which was 123.5mm,happened at Yuanjiang Qinlong factory among them.But forecaster’s empirical extrapolation and EC numerical forecast products had not forecasted this process.Based on reanalysis data,radar data satellite images and NCEP data,this strong precipitation process had been diagnosed and analyzed,missing report was investigated as well.The results showed that Humidity vertical distribution was different in the rainstorm area.The vertical distribution feature was high humidity was at low layer and low humidity was at higher layer,which was beneficial to thunderstorm and other severe convective weather.Humidity in Kunming was high all of the level.The sheer line and cold air moved southward suddenly,so confluence of cold and warm air happened.The cold air triggered strong mesoscale convective system which brought about this strong rainfall.The results which caused missing forecast included the situation of the sheer line moving southward was not obvious on upper air chart,the newest aging numerical forecast products of model WRF had not been paid attention to enough and numerical forecast products were depended on too much.     

浙南山区小流域WRF模式参数化方案对比与优化组合

准确的降水预报对好溪流域防洪减灾具有重要意义。本研究选取好溪流域典型降水场次,基于WRF（Weather Research and Forecasting）模式,开展云微物理过程参数化方案和积云对流参数化方案敏感性分析,优选适用于好溪流域的物理过程参数化组合方案,提高好溪流域降水预报精度。研究结果表明：云微物理过程和积云对流参数化过程的方案选择及组合对降水预报影响显著,然而没有某一种组合方案的模拟效果对于所有场次的降水都是最佳的;综合考虑所有的典型降水场次,当云微物理参数化方案选择Lin（Purdue Lin）方案、积云对流过程参数化方案选择KF（Kain-Fritsch）方案时,降水预报精度最高。     

宁夏一次大到暴雨过程成因分析

利用地面、高空常规观测资料、数值预报物理量场以及卫星、雷达、自动站等资料,综合分析了2009年8月18日发生在宁夏的全区性大到暴雨过程．分析表明,台风“环高”的生成发展与西太平洋副高（简称副高）之间的相互作用,形成了有利宁夏降水的“东高西低”的环流形势,在副高东退过程中宁夏出现明显降水．500hPa短波槽和700hPa低涡是造成降水的天气系统．降水期间,中低层有明显的水汽和不稳定能量输送,且存在层结不稳定条件;云图中有多个中小尺度对流云团先后影响;雷达回波图上,此次降水过程表现为混合性降水,强降水由多个强度35～40dBz的强回波块影响造成,出现强降水的站点附近有“逆风区”或明显的气流辐合区存在,有明显的中小尺度上升运动,在雷达反演的风廓线可分析出“低层暖平流,高层冷平流”的配置．     

长江中下游一次暖区极端致洪暴雨特征及天气学成因分析

基于多源观测资料和再分析资料,采用天气学诊断分析方法研究了2019年5月长江中下游地区发生的一次致洪暴雨的特征及主要成因。结果表明:该次极端致洪暴雨过程是在稳定的“西低东高”天气形势下,由持续时间长的短时强降水累积而成,具有明显的中尺度和阶段性特征。直接造成极端暴雨的中尺度对流系统在低空急流前沿不断新生东移,表现出明显的“列车效应”和准静止特点。过程中低空急流和超低空急流异常强盛,为极端暴雨提供了持续有利的水汽和对流不稳定条件,特别是整层高湿、较低的抬升凝结高度和较大暖云层厚度有利于提高降水效率,产生雨强较大的短时强降水；高低空急流耦合是强降水发生发展的重要动力机制,强垂直风切变区与暴雨落区有较好的对应。     

基于深度神经网络的强对流天气识别算法

短时强降水、大风等强对流天气危害巨大,对其进行自动识别存在相当大的技术困难.提出一种基于深度神经网络的强对流天气智能识别模型,以雷达回波图像和表征回波移动路径的光流图像作为输入,通过神经网络的自学习,寻求雷达图像与"是否发生强对流天气"之间的函数映射关系;并运用数据集增强、代价函数优化和模型泛化性能优化等技术,解决了训练样本的不均衡问题,避免了模型训练过程陷入局部极值的问题.实验结果表明,该方法对强对流天气识别的准确率达到96％,误报率低于60％.该方法也适用于对下击暴流等灾害性天气的自动识别.