黄南州“4·23”暴雪天气过程数值预报产品检验

【目的】对2022年4月23日出现的暴雪天气进行数值模式检验分析,检验各种数值预报产品对强降雪的预报能力,从而提高本地暴雪预报准确率。【方法】选取此次暴雪天气过程（四个国家站及区域自动站24 h累计降雪量≥10 mm）,采用天气学分析、对比分析法,利用EC-thin,CMA-3KM和CMA-GFS三种模式与暴雪个例实况进行检验对比评估。【结果】(1)环流形势场对比CMA-GFS模式对于高原槽预报较EC稳定且准确,基本与实况吻合,而EC越靠近临近时次预报更为准确;从槽线移速来看,两家模式均预报槽线移速比实况快。(2)24小时降水预报检验,EC模式对落区、强度的把握明显优于CMA-GFS模式,且临近时次预报效果最佳。(3)一般性降水准确率预报CMA-3KM参考性最好,且最稳定,准确均在70%以上;三种模式的暴雪的准确率并不稳定,夜间出现的暴雪预报效果08时次优于20时次。【结论】CMA-3KM预报降水效果较好,但稳定性不高,EC模式对降水的落区、强度的把握优于CMA＿GFS模式,且临近时次预报效果最佳。     

3种修正的机器学习算法在逐3h降水量预报中的比较应用

为了订正数值预报产品,完善预报模型本地化应用,提高石林地区降水预报准确率,采用石林地区2016—2018年3h累计降水量观测资料和欧洲细网格数值预报场资料,基于概率神经网络(PNN)、支持向量机(SVM)和Logistics判别的3种机器学习算法对石林地区的逐3h时间间隔降水量的8个等级进行回归建模。利用遗传算法修正PNN网络的平滑因子和SVM模型的核函数中的Gamma值及惩罚系数,选择最优模型参数并建模;尝试线性回归后再多次使用Logistics判别的技术获得8个降水量级的预报值来构建预报模型,修正AUC阈值获取方式,提高预报模型TS评分。通过3种机器学习模型2018年汛期降水预报的业务检验表明,PNN和SVM模型优于扩展的Logistics判别模型,3种模型中Logistics判别模型的TS评分接近30%,PNN和SVM模型TS评分在45%左右,特别是对中雨以上的较强降水预报,3种模型TS评分达到28%。     

四个统计学预报模型对比分析

利用临河(53513)2014年3月11日至12月26日的地面观测资料和T639数值模式、欧洲中心细网格(ECTHIN)数值模式、中央指导预报、德国天气在线预报等预报结果通过平均误差、绝对平均误差和均方根误差来建立统计学最佳预报模型、预报准确率权重预报模型天气跟踪预报模型和天气学解释模型,并对统计学模型进行检验,结果表明:最高气温、最低气温预报整体效果较好,24h 2℃最高气温预报准确率,最佳预报模型为85.91%,预报准确率权重模型为82.13%,天气跟踪模型为83.47%,天气学解释模型为80.07%,指导预报为为79.04%;24h 2℃最低气温预报准确率,最佳预报模型为75.95%,预报准确率权重模型为74.57%,天气跟踪模型为72.51%,天气学解释模型为65.29%,指导预报为59.9%。     

驻马店地区温度与降水的多模式预报对比检验

分析高分辨率数值模式温度和降水预报在驻马店地区的预报效果和误差特点,为该地区精细化预报订正提供科学、可靠的依据.利用该地区31个考核站2020—2021年地面实况资料,对其四季温度以及汛期降水的数值模式预报的产品进行检验及对比分析.结果表明:最高温度预报EC优于GRAPES,最低温度预报则略高于GRAPES;GRAPE...     

2015年11月23-24日商丘市暴雪天气过程分析

本文利用常规观测资料、数值预报等,从天气形势和物理量场两方面对2015年11月23-24日河南省商丘市一次区域性暴雪天气过程进行诊断分析发现:此次过程主要是由低槽和冷空气共同影响造成,低槽东移发展,促使冷暖空气在商丘上空交汇,为暴雪的产生提供了大尺度的环流背景;700h Pa西南急流将四川盆地的暖湿空气不断向商丘输送,为降水提供了水汽条件,同时,高低空急流的耦合作用促使低层辐合高层辐散(在物理量场上也有较好的体现),也为此次降水提供了较好的动力条件;此外,北方干冷空气的入侵,使低层形成冷垫,且低层有逆温存在,为雨转雪提供了有利的温度条件,地面图上,偏北风不仅使温度降到零度以下,同时"天南地北"的高低空风场配合也有利于暴雪的形成。