ECMWF极端降水指数对2016年夏季华东地区极端降水预报的检验

选取2016年6-8月华东地区降水资料,在分析检验欧洲中期天气预报中心(ECMWF)极端天气指数(EFI)与ECMWF降水预报效果的基础上,提出采用EFI的极端降水指数来改进ECMWF高分辨率模式降水预报的方法.结果表明,华东地区6-8月极端降水主要发生在华东沿海和华东中西部地区,在6月份开始增大, 6月底达到最大,后又减小,但最大值略有不同,在7月底至8月初达到一个更高的峰值,随后缓慢下降. EFI极端降水指数对2016年6-8月华东地区的历史极端降水95%和99%分位值有一定的预报能力,但对历史极端降水最大值的预报能力相对较差.随着预报时效的增长,预报效果也随之降低. EFI极端降水指数对极端降水预报的ETS评分整体高于ECMWF高分辨率模式降水,并对极端降水最大值也有一定的预报能力.用EFI极端降水指数改进的ECMWF高分辨率模式降水,对华东地区95%和99%分位值极端降水的预报准确率均有不同程度的提高.     

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.     

新疆GRAPES区域模式降水产品的性能检验分析

本文运用2010年新疆地区地面气象观测站的实况降水资料和GRAPES区域模式的降水预报产品。按照降水预报产品在新疆实际天气预报业务工作中的应用制定检验方案,对GRAPES区域模式12h降水预报产品进行检验。结果表明GRAPES区域模式的降水落区位置和落区面积预报准确率北疆高于南疆,降水落区位置预报偏南的概率比较高;各时效降水中心强度预报易偏强,随预报时效延长其准确率逐渐降低。     

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。     

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。     

人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报,根据南京夏季梅雨期的天气特点,用统计和动力学方法从HLAFS(高分辨率有限区域预报系统)预报产品中寻找预报因子,然后用2种方法选取输入因子分别对人工神经网络进行训练,并利用抽取的5天雨量实况作降水分级预报检验.通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现:与HLAFS数值模式的降水预报相比,人工神经网络降水预报方法的准确率提高了20%以上,而且漏报、错报明显减少;特别是与逐步回归预报相比,大到暴雨的预报准确率得到了明显提高,这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值.     

重庆“8.22”暴雨ECMWF模式中期预报转折分析

2018年8月22-23日重庆中部地区一次暴雨过程的预报出现了明显的偏差,本研究利用降水实测资料、高空探测资料和ECMWF(以下简称EC)模式的形势预报对降水产生原因、影响系统以及EC模式不同起报时间的预报效果进行了分析,结果表明:(1)此次暴雨过程是在高空槽和中低层切变线的共同影响下产生的.(2)EC模式降水预报在8月19日前后出现了突变,其原因是影响重庆地区的500 hPa高度场发生了转折性的变化.(3)在500 hPa高度场预报与实况基本一致的情况下,重庆中部地区的中低层切变线是20日主观预报降水落区与实况出现明显误差的原因.     

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.     

IASI卫星资料同化对江淮暴雨预报的试验研究

对2014年6月26日到6月28日发生在江淮地区的一次暴雨过程,运用中尺度预报模式WRF以及同化系统WRFDA同化ATOVS(包括AMSUA、MHS、HIRS4)和IASI(CO2吸收波段)亮温资料,对比不同卫星资料同化对此次暴雨过程预报影响,评价IASI卫星资料同化对江淮暴雨预报效果。结果表明,相比ATOVS资料同化,IASI资料同化对温度、湿度等气象要素的调整更明显。在24 h和12 h累计降水量模拟上,同化IASI资料对降水范围和降水强度的模拟与实况最为接近。在同化ATOVS试验中加入IASI资料后,降水模拟效果改进不大,说明同化资料的种类越多,相应累计误差越大,对降水模拟改进越不明显。     

逐步相似过滤法在青海省4～10天降水预报中的应用

依据逐步相似过滤法和最小相似离度原理,利用T213数值预报产品、NCEP逐日再分析资料和1957-2005年青海省42个地面站降水资料,建立不同的相似预报过滤方案,制作青海省未来4～10天的降水预报.经过降水预报准确率检验,确定"最优"逐步相似过滤方案.最优方案降水预报水平与青海省2008年降水业务预报水平对比表明:所建立的"最优"逐步相似过滤方案对青海省未来4～10天的降水预报具有更高的可信度,在日常预报中具有较高参考价值.     

人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报，根据南京夏季梅雨期的天气特点，用统计和动力学方法从HLAFS（高分辨率有限区域预报系统）预报产品中寻找预报因子，然后用2种方法选取输入因子分别对人工神经网络进行训练，并利用抽取的5天雨量实况作降水分级预报检验．通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现：与HLAFS数值模式的降水预报相比，人工神经网络降水预报方法的准确率提高了20％以上，而且漏报、错报明显减少；特别是与逐步回归预报相比，大到暴雨的预报准确率得到了明显提高，这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值．     

循环同化C波段雷达资料模拟贺兰山地区一次暴雨过程

利用宁夏气象站资料和银川站多普勒雷达资料,对2017年6月4-5日贺兰山地区一次暴雨过程进行数值模拟和同化试验,对比分析不同雷达资料同化窗对初始场及暴雨强降水时段的降水量和落区分布的影响.结果表明,同化雷达资料后加强了初始场中500 hPa“东高西低”的环流形势,700 hPa东南急流的强度和范围明显增强. TS评分结果相比控制试验, 6 h循环同化试验RAD6模拟的降水量仅对10 mm降水阈值的模拟效果有改进; 12 h循环同化试验RAD12的结果对10、 25和50mm降水阈值的评分均有显著提高.循环同化12 h雷达反射率因子后模拟的云水、雨水含量更大,假相当位温逆温区的水平范围更广,层结不稳定性显著增大,强降水时段雷达反射率因子与雷达观测实况有较好的一致性, 700 hPa正涡度带的分布与雨带位置更加一致.     

2010年7月一次影响陕西的灾害性暴雨过程分析

应用气象信息综合分析处理系统（MICPAS）站点降水资料、NCEP/NCAR1°×1°再分析资料、欧洲中期天气预报中心（ECMWF）以及日本（JAPAN）数值预报模式产品,对2010年7月22日至24日发生在陕西的暴雨天气过程的大尺度环流特征进行分析,并对此过程中的模式预报的主要天气系统和降水量进行检验分析和评估。结果表明,位于陕西的低涡中心在北部高压坝和东部副高环流的包围下,加之低空西南气流配合,有利于其气旋性环流的长时间维持,而不是很快的减弱消失。从北部湾至陕西地区的水汽输送大值带为暴雨发生提供了有利的水汽供应。ECMWF模式对此次暴雨过程的500hPa背景场有较好的稳定性和预报能力。JAPAN数值预报模式在降水发生及结束时间的预报效果显著,但在降水落区及量级的准确预报上有所欠缺。     

赣东主汛期模式降水预报检验分析

基于ECMWF模式形势场预报资料及JAPANFAX、GFS、EC-THIN、JMA、T639、NCEP等11家模式降水预报资料,从面雨量、极值降雨量2个方面对2015年江西省抚州市主汛期(6月上旬至7月上旬)区域性暴雨的降水预报结果进行了短期主观检验,对比分析了11种数值模式对江西省抚州市区域性暴雨系统预报的效果。结果表明:1)在面雨量预报方面,EC集合预报、T639模式预报、GFS预报在主汛期的降水预报准确率较好; 2)在极值降雨量的预报方面,EC-THIN、T639模式预报在主汛期的降水预报准确率更好; 3)得到本地化预报准确的模式,再对2016-2017年的强降水天气过程的面雨量和极值降水量进行了预报验证,找出这2个要素的预报思路及指标,为今后主汛期降水起到较好的参考指导意义。     

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。     

苏皖地区强降水过程双雨带漏报原因分析

基于降水量观测数据、ECMWF模式降水预报数据和ERA5再分析数据，研究了2022年3月19—20日苏皖地区一次降水过程中双雨带漏报个例，并对比分析了一次双雨带成功预报个例.结果表明：(1)漏报个例的北雨带中，16个站降水量进入近30年3月日降水量前10名，两个站降雨量刷新3月份的历史极值，是一次极端性较强的降水过程.(2)ECMWF模式未能准确预报北雨带冷平流，未反映实况中出现的对流活动，且预报的对流层低层相对湿度始终偏小，两个原因直接导致北雨带降水量预报值显著偏少.(3)成功预报个例中，过程开始阶段，ECMWF模式有700 hPa高湿区预报范围偏大、850 h Pa高湿区预报位置偏南的情况，以后逐渐调整为与实况一致，较好地预报了苏皖地区对流层低层湿度条件，佐证了湿度预报偏差是造成雨带预报偏差的重要原因.     

开封市一次暴雨的数值预报效果检验

利用EC模式和T639模式对2010年7月17—19日开封市暴雨进行了模拟,并将模拟结果与实况进行对比,发现两种模式在降水的落区和强度上均有较好的表现.在动力场和风场上的模拟结果虽然与实况略有偏差,但主要的降水系统与相差不多.与中尺度模式MM5的模拟结果则表明,在短期临近预报中,中尺度模式的效果更好.     

云南西部山地一次降水过程分析及数值预报检验

2015年7月22—24日滇西的怒江州出现1次持续强降水过程,分析这次降水过程的环流背景及物理量配置,并对此过程中ECMWF和T639模式预报产品的形势场和降水量进行检验分析,结果表明:副高外围暖湿气流及冷空气在怒江州中、低空交汇形成辐合切变并持续是导致本次强降水过程的主要原因;ECMWF模式的形势场预报较之T639更接近实况,强降雨的落区和量级预报准确率ECMWF模式高于T639模式.     

两次不同类型降水中GPS水汽特征对比分析

通过对2008年7月14-15日的稳定性区域暴雨天气过程以及2008年6月25-26日的对流性强降水中GPS水汽体现出的特征进行分析,结果表明：GPS水汽在稳定性降水中对实际预报具有较好的指示性能,可以用来区分潮湿气团与干燥气团.当大气达到高湿条件,可降水量增长到顶点,即预示未来4-5h会有降水出现;当可降水量（PWV）≥50 mm的持续时间越长,实况降水量越大.在6月25-26日的雷暴降水中,受中小尺度天气系统影响,PWV曲线起伏剧烈,局地性特征明显,但与降水量级以及降水起止时间并无明显联系,对未来降水预报所起意义不大.     

循环同化雷达资料对西安一次局地暴雨初始场的调整

应用中尺度WRF模式及其3DVar同化系统,针对2015年8月3日发生在西安地区的一次暴雨进行了多普勒雷达资料的循环同化试验.结果表明,同化后暴雨落区和强度有改善,预报降水的TS、ETS评分较未同化试验有很大提高.循环同化雷达资料改善了初始风场,使得低层气旋式环流加强,低层辐合和中层辐散加强,垂直环流增强;对水汽场的调整使得对流层中层水汽混合比和云水混合比升高,雨水混合比增大,降水落区更接近观测;中低层水汽上升凝结释放潜热,进而对温度场做出调整,西安上空气温升高.