IMERG卫星降水产品在我国梅雨极端降水期的适用性评估

为考察GPM卫星降水产品IMERG在梅雨极端降水期的适用性,以中国自动气象站观测数据与CMORPH降水产品融合的逐时降水量网格数据集资料作为参考,采用均方根误差RMSE和平均绝对误差MAE统计指标,对IMERG卫星降水产品在长江中下游地区2020年梅雨极端降水期的适用性进行评估。结果表明:IMERG卫星降水产品整体上与实测结果趋势一致,对于12 h和24 h累计降水,在强降水区域易出现高估。反演的3 h累计降水与实际降水一致性较好,累计降水量大于20、50、80、100 mm四种情况下的RMSE和MAE平均值均为10 mm左右。     

U-Net模型在京津冀临近降水预报中的应用和检验评估

利用2018—2019年期间10 min定量降水估计(Quantitative Precipitation Estimation, QPE)实况观测,构建基于U-Net的分钟级临近降水预报模型,实现了京津冀地区未来0~2 h逐10 min降水量滚动预报。以TS、BIAS、POD、SR、FAR作为评价指标,通过检验2020和2021年6—9月长序列以及分析2020年8月12日和2021年7月1日两次强降水个例,表明U-Net模型预报接近实况,局部伴随着一定程度的空报,相较光流法、持续性预报及CMA-MESO模式预报效果有明显提升。具体表现为:当分钟级降水预报不超过10 mm/(10 min)时,U-Net模型明显优于光流法和持续性预报;当小时预报不超过25 mm·h^-1,U-Net模型优于CMA-MESO模式和光流法。然而,当降水强度超过10 mm/(10 min)或 25 mm·h^-1时,U-Net模型存在预报偏弱的情况,可能与强降水样本较少有关。     

基于GPM卫星的广东汛期降水日变化特征与评估

新一代全球降水观测计划GPM作为TRMM卫星的继承者,在物理探测和降水反演算法上具有明显进步。以广东省雨量自动站为基准,对2014—2018年间GPM的格点降水估测产品IMERG（V5B）的日变化特征和估测误差进行分析。结果表明,IMERG能清晰反映广东前、后汛期的降水双峰型特征,但对下午降水峰值明显高估,峰值出现时间滞后;而对于沿海早晨峰值降水则明显低估,对于降水极值,低估更加显著。IMERG对两个峰值的估测误差受不同因素影响,下午峰值降水的相对偏差与地形密切相关,珠江三角洲平原为稳定高估区,地形高度越高,低估幅度越大;而早晨峰值降水极值负偏差与地形高度、降水量的相关性均较小。对出现显著负偏差的早晨沿海降水样本日进行925 hPa风场合成,可知IMERG明显低估时,对应区域上游较强的超低空西南气流与风速夜间增长。IMERG对这一季风活动背景降水的低估构成了其估测早晨降水误差的主要来源。      

精细化评估GPM/IMERG产品对台风“妮坦”降水的观测精度

采用地面加密雨量计观测资料，以1 h、3 h、6 h、12 h和24 h等多个时间尺度分别评估了全球降水观测GPM （Global Precipitation Measurement）计划降水产品IMERG （Integrated Multi-satellite Retrievals for GPM）对台风"妮妲"降水中小雨、中雨、大雨和暴雨等不同量级降水的估计能力，主要结论如下：（1）降水累积时长会影响IMERG降水产品的估计精度。随着降水累计时长的增加，IMERG与地面雨量计观测结果的一致性加大，相对偏差和偏差的随机性均减小；（2）降水累计时长1 h时，IMERG对不同量级降水的观测精度均存在较大偏差；（3） IMERG降水产品会高估小雨时地面雨量计的降水量，且低估小雨事件发生的概率，对于小雨等级降水的观测能力还有待提高；（4） IMERG能较好地观测到暴雨降水的空间分布区域，但对暴雨的估计量级会明显偏低。     

中国大陆台风远距离极端降水的基本特征

台风远距离极端降水可以分为极端小时降水(Extreme Hourly Precipitation,EXHP)和极端持续性强降水(Extremely Persistent Heavy Rainfall,EPHR)两类,因其作用距离远、机理复杂,是强降水业务预报中的重大挑战。为了加深对台风远距离极端降水特征的认识,本文利用2009—2019年中国自动站融合CMORPH卫星降水数据、热带气旋的最佳路径数据集,揭示了中国大陆EXHP和EPHR事件的基本特征。结果表明:环渤海、长江中下游、四川盆地是由台风远距离降水引发的EPHR和EXHP事件的3个高发区,强降水持续时间≥5 h为台风远距离EPHR的判别标准,在3个不同的区域内,EXHP的阈值分别为34.05、30.52及27.19 mm·h^-1。EPHR的发生时次与EXHP重合率高。EPHR事件的持续时间最长可达44 h,最大累积降水量可达542.03 mm,而EXHP的小时降水量更强。环渤海地区极端降水多发于夜间到清晨,长江中下游地区多集中在上午,四川盆地则集中在凌晨。造成长江中下游远距离极端降水的最大台风强度在3个地区中最强。极端降水落区与台风的最远距离发生在环渤海地区,可达4 333.1 km。     

双偏振雷达评估IMERG对不同类型降水的观测精度

采用地面雨量计校准后的南京信息工程大学 (Nanjing University of Information Science & Technology, NUIST) C波段双偏振 (C band Dual Polarization Radar, NUIST CDP) 雷达降水估测数据，研究全球降水观测 (Global Precipitation Measurement, GPM) 计划多星融合降水产品 (Integrated Multi satellite Retrievals for GPM, IMERG) 对苏皖地区梅雨、台风和飑线等不同类型降水观测精度，结果表明，①梅雨降水过程中，IMERG的累计降水量整体大于NUIST CDP的累计降水量；②台风降水过程中，IMERG一定程度上低估了累计降水量较大时的降水结果；③IMERG不能很好地观测到飑线降水的空间结构，几乎没有观测到这次降水过程中的强降水区域。     

GPM卫星降水产品在台风极端降水过程的误差评估

以雨量站观测数据为基准,利用相关系数(CC)、相对偏差(RB)、均方根误差(RMSE)以及分级评分指标(探测率POD、误报率FAR、临界成功指数CSI),对全球降水计划GPM多卫星融合产品4. 4版本准实时产品IMERG_ER(简称IMERG)在2017年接连登陆广东的3个台风"天鸽"、"帕卡"和"玛娃"极端降水过程性能进行评估。广东省内"天鸽"、"帕卡"和"玛娃"的CC分别为0. 80,0. 68和0. 47,RB为-12. 00%,-47. 06%和-29. 10%,RMSE达33. 00,40. 03和26. 40 mm。雨区的CC分别为0. 59,0. 48和0. 33,RB为2. 21%,-43. 58%和-25. 94%,RMSE为44. 34,51. 04和40. 64 mm。IM ERG低估了"天鸽"、"帕卡"、"玛娃"的总体降水强度,主要源自于对雨区的低估。从散点分布来看,IMERG高估了强降水,低估了弱降水的强度,对极端强降水的估测能力存在较大的不稳定性。降水量时序变化特征表明,IMERG较好体现了降水峰值和谷值的数量及变化趋势,但时间和强度有偏差。误差来源于复杂地形、PMW观测时间分辨率不足和IR反演降水准确度不足对卫星估测降水的影响。分级检验结果显示,相同量级内,雨区的POD更大,FAR更小,CSI评分更高,IMERG对雨区的反演能力更强。IMERG对"天鸽"估测效果最好,POD较高,FAR较小,CSI较高;"帕卡"POD较低,暴雨及以上的FAR较高,CSI下降显著;"玛娃"POD比"帕卡"高,但FAR也高,CSI中等。可见IMERG对小量级降水具有较好的估测能力,强降水估测显著偏高,暴雨及以上的降水误差起了主要贡献。     

多卫星融合降水产品对2015—2020年登陆浙江台风降水的监测能力评估

基于浙江省雨量站观测数据,利用相对偏差(RB)、均方根误差(RMSE)、相关系数(CC)对2015—2020年登陆浙江的“灿鸿”“摩羯”“利奇马”“米娜”和“黑格比”影响期间全球降水观测计划GPM多卫星融合产品V06B版的准实时降水产品IMERG＿ER(简称IMERG)进行总体评估,并采用探测率(POD)、空报率(FAR)和临界成功指数(CSI)来评估不同降水量级下IMERG的降水估测能力。结果表明：IMERG总体能较好反映降水的空间分布特征,但对强降水落区范围大小的捕捉能力尚有一定不足。IMERG对“灿鸿”过程总降水量具有一定程度的低估,对“摩羯”“利奇马”“米娜”和“黑格比”过程总降水量存在高估。此外,IMERG对“黑格比”降水变化的捕捉能力最强,接着依次是“灿鸿”“摩羯”和“利奇马”,较差的是“米娜”。从分级检验结果看,随着降水量级的增加,POD和CSI稳中有降,FAR稳中有升,即IMERG对小雨的辨识能力最优,对大暴雨的捕捉能力较差,同时高估了较强降水发生的可能性。客观上看,IMERG对个别台风降水强度的捕捉能力稍显不足,定量误差较大,但总体上追踪台风降水动态变化的能力尚可,具...     

台风“利奇马”(1909)快速增强事件的降水演变

利用台风路径资料及GPM多星集合降水反演产品(IMERG),分析了“利奇马”台风快速增强(RI)事件的平均降水率、降水(>0 mm·h^-1)和短时强降水(>20 mm·h^-1)的覆盖率随时间的演变。进一步,将RI事件分为RI启动前0~24 h、RI启动期、RI持续期、RI结束前0~24 h,和RI结束后0~24 h等阶段,分析平均降水率、降水和短时强降水发生频率的空间分布。研究结果表明:(1)在整个RI事件中,平均降水率和短时强降水发生频率较高的区域主要集中在台风中心西北方位,但其面积和位置随阶段转换而变化;(2)在RI启动前0~24 h,降水覆盖率的高值区由台风内核逐渐扩大至台风外围,而平均降水率和短时强降水覆盖率在RI启动后才明显增强;(3)在RI启动前0~12 h到RI结束前0~24 h的4个阶段,平均降水率和短时强降水发生频率的高值区都出现在台风移动方向的正前方。     

南京市降水化学特征及其来源研究

为了解南京江北地区降水化学特征,分析了2011年3—6月共25个降水日的109个降水样品中的主要水溶性离子,并利用后向轨迹模式探讨了降水气团来源.结果表明:1)南京地区3—6月降水主要受南、北2种气团影响,北方气团降水的主要离子浓度高于南方气团降水.2)海盐示踪法和相关性分析显示,降水中NO₃^-和SO₄^2-主要来自燃煤、工业排放和汽车尾气;Ca²⁺主要来自地壳源;Cl^-主要来自海洋;海洋源和陆源对Mg²⁺和K⁺都有贡献,Mg²⁺的陆源贡献大于海洋源贡献,K⁺受海洋源的影响程度要低于Mg²⁺.3)南、北气团初期降水的各离子浓度高于总降水的各离子浓度,且初期降水的主要离子的富集系数高于总降水.这说明在降水初始阶段,雨水对南京大气中污染物(气态污染物和颗粒物)的云下冲刷去除作用较强,降水的离子浓度最高,局地源对降水离子的贡献较明显.     

Surface rainfall and cloud budgets associated with mei-yu torrential rainfall over eastern China during June 2011

Surface rainfall and cloud budgets associated with three heavy rainfall events that occurred over eastern China during the mei-yu season in June 2011 were analyzed using 2D cumulus ensemble model simulation data.Model domain mean rainfall showed three peaks in response to three prescribed ascending motion maxima,primarily through the mean moisture convergence during the torrential rainfall period.Prescribed ascending motion throughout the troposphere produced strong convective rainfall during the first （9 June） and third （17-18 June） rainfall events,whereas strong prescribed ascending motion in the mid and upper troposphere and weak subsidence near the surface generated equally important stratiform and convective rainfall during the second rainfall event （14 June）.The analysis of surface rainfall budgets reveals that convective rainfall was associated with atmospheric drying during the first event and moisture convergence during the third event.Both stratiform and convective rainfall responded primarily to moisture convergence during the second event.An analysis of grid data shows that the first and third mean rainfall maxima had smaller horizontal scales of the precipitation system than the second.     

北京地区两次极端特大暴雨过程中短时强降水环境条件对比分析

针对北京地区2012年7月21日(简称“7.21”过程)和2016年7月20日(简称“7.20”过程)极端特大暴雨中的短时强降水,对短时强降水实况、环流形势、地形影响及环境的动力、水汽和热力条件进行了分析,并结合较长时段的历史资料,从单点和区域角度对环境动力、水汽和潜在热力条件的极端性进行了对比分析。结果表明:(1)尽管两次过程中的短时强降水实况差异显著,但均出现在非常有利的天气形势下。(2)针对短时强降水环境的单点动力、水汽和热力条件对比显示,两次过程中的850 hPa动力抬升和整层可降水量(PWAT)均极端偏强,但抬升指数(LI)表征的热力条件差异差别巨大,2012年“7.21”过程中为偏强,2016年“7.20”过程中为偏弱。(3)针对长时间序列资料的标准化偏差异常(SD)显示,两次过程中850 hPa风场和PWAT的SD均超过了3σ,为极端偏强,LI表征的潜在热力条件方面,2012年“7.21”过程中低于-1σ,2016年“7.20”过程中与历史同期持平,表明热力条件的差异是导致两次极端暴雨过程中短时强降水强度巨大差异的重要原因。     

Estimating actual rainfall from satellite rainfall products

The lack of uncertainty measures in operational satellite rainfall (SR) products leads to a situation where users of the SR products know that there are significant errors in the products, but they have no quantitative information about the distribution of these errors. The authors propose a semiparametric model to characterize the conditional distribution of actual rainfall (AR) given measures from SR products. The model consists of two components: a conditional gamma density given each SR, and a smooth functional relationship between the gamma parameters and SR. The model is developed for monthly rainfall, estimated from a satellite with sampling frequency once a day, averaged over an area of 512 × 512 km² in the Mississippi River basin. The conditional distribution results are more informative than deterministic SR products since the whole conditional distribution enables users to take appropriate actions according to their own risk assessments and cost/benefit analyses.     

大暴雨过程中短时强降水机制分析

利用雷达径向速度、风暴相对径向速度和风廓线产品以及数值预报产品和雨量资料,分析了临沂2008年汛期中最大也是最后一场大暴雨过程中短时强降水发生机制。结果发现:在有利的大尺度环流背景形势下,中小尺度系统的生成是短时强降水产生的原因。分析还表明:低空西南气流的稳定维持利于降水过程持续,而高空气流的短波波动则造成降水强度的强弱波动变化;当高空气流由偏西风转为西南风,中低空西南气流和中高空西南气流同向叠加时,对流层中层西南急流建立并且向超低空传递,高空冷空气的加入和低层西南气流加强促使中小尺度系统生成,导致短时强降水。     

江苏不同强度降雨对能见度影响分析

利用江苏70个基本站多年逐时雨量、相对湿度、风向、风速以及同时段内最低能见度等观测资料,分析不同强度降雨对能见度的影响,并对比分析两种不同强度降雨造成的低能见度事件统计特征。结果表明:降雨是除雾以外,江苏低能见度的主要影响天气(14. 7%),其中稳定性弱降雨和短时强降雨影响最大。与低能见度雾事件不同,降雨造成的低能见度事件全天各时段均可能出现,发生时可伴随较强的风速(2 m/s),短强低能见度多见风速4 m/s(26. 6%)。江苏冬春两季为雨雾高发季,主要受降雨持续时间影响,对应的低能见度区间为500~1 000 m,有明显日变化。短强低能见度主要受雨强影响,多发生于6—9月,对应的低能见度区间为小于200 m,无明显日变化。两种降雨产生的低能见度事件有明显的空间分布差异,且雨雾低能见度发生时偏北风占主导,短强低能见度发生时则偏东风占主导。     

Impact of 4DVAR assimilation of rainfall data on the simulation of mesoscale precipitation systems in a mei-yu heavy rainfall event

The multi-scale weather systems associated with a mei-yu front and the corresponding heavy precipitation during a particular heavy rainfall event that occurred on 4 5 July 2003 in east China were successfully simulated through rainfall assimilation using the PSU/NCAR non-hydrostatic, mesoscale, numerical model （MM5） and its four-dimensional, variational, data assimilation （4DVAR） system. For this case, the improvement of the process via the 4DVAR rainfall assimilation into the simulation of mesoscale precipitation systems is investigated. With the rainfall assimilation, the convection is triggered at the right location and time, and the evolution and spatial distribution of the mesoscale convective systems （MCSs） are also more correctly simulated. Through the interactions between MCSs and the weather systems at different scales, including the low-level jet and mei-yu front, the simulation of the entire mei-yu weather system is significantly improved, both during the data assimilation window and the subsequent 12-h period. The results suggest that the rainfall assimilation first provides positive impact at the convective scale and the influences are then propagated upscale to the meso- and sub-synoptic scales.
Through a set of sensitive experiments designed to evaluate the impact of different initial variables on the simulation of mei-yu heavy rainfall, it was found that the moisture field and meridional wind had the strongest effect during the convection initialization stage, however, after the convection was fully triggered, all of the variables at the initial condition seemed to have comparable importance.     

Diurnal Variation of Southwest Monsoon Rainfall at Indian Stations

ＤｉｕｒｎａｌＶａｒｉａｔｉｏｎｏｆＳｏｕｔｈｗｅｓｔＭｏｎｓｏｏｎＲａｉｎｆａｌｌａｔＩｎｄｉａｎＳｔａｔｉｏｎｓＪ．Ｍ．Ｐａｔｈａｎ（ＩｎｄｉａｎＩｎｓｔｉｔｕｔｅｏｆＴｒｏｐｉｃａｌＭｅｔｅｏｒｏｌｏｇｙ，Ｐａｓｈａｎ，Ｐｕｎｅ－４１１００８，...     

春季一次特殊的暴雨天气过程分析

对2000年春季一次高空槽快速移动影响的暴雨天气过程发生的特殊性进行分析,寻找这次暴雨过程发生的前期特征.     

流域面雨量的计算方法

经对面雨量的几种计算方法对比分析，确定了以等雨量线法为计算流域面雨量的方法，同时对于计算方法进行了部分优化，并应用于业务中。     

Application of ATOVS microwave radiance assimilation to rainfall prediction in Summer 2004

Experiments are performed in this paper to understand the influence of satellite radiance data on the initial field of a numerical prediction system and rainfall prediction. First, Advanced Microwave Sounder Unit A （AMSU-A） and Unit B （AMSU-B） radiance data are directly used by three-dimensional variational data assimilation to improve the background field of the numerical model. Then, the detailed effect of the radiance data on the background field is analyzed. Secondly, the background field, which is formed by application of Advanced Television and Infrared Observation Satellite Operational Vertical Sounder （ATOVS） microwave radiance assimilation, is employed to simulate some heavy rainfall cases. The experiment results show that the assimilation of AMSU-A （B） microwave radiance data has a certain impact on the geopotential height, temperature, relative humidity and flow fields. And the impacts on the background field are mostly similar in the different months in summer. The heavy rainfall experiments reveal that the application of AMSU-A （B） microwave radiance data can improve the rainfall prediction significantly. In particular, the AMSU-A radiance data can significantly enhance the prediction of rainfall above 10 mm within 48 h, and the AMSU-B radiance data can improve the prediction of rainfall above 50 mm within 24 h. The present study confirms that the direct assimilation of satellite radiance data is an effective way to improve the prediction of heavy rainfall in the summer in China.