咸阳地区大风天气特征及智能网格大风预报订正

利用2014—2019年咸阳地区13个地面气象观测自动站风场数据、NCEP/NCAR 1°×1°再分析资料、西安探空资料及多普勒雷达产品、陕西智能网格逐小时格点化预报风场产品,对2014—2019年发生在咸阳地区的大风天气过程进行统计及分型处理,对比2017—2019年大风过程中陕西智能网格预报风场产品与实况风场差异,提炼出基于陕西智能网格预报风场产品的订正指标,利用2020年大风个例进行检验评估来验证订正指标的可靠性。结果表明：发生在咸阳地区的大风分为系统性大风和雷雨大风,其中系统性大风包括高压后部偏东大风和冷锋后部偏北大风,雷雨大风分为高空冷槽型、西风槽型、副高影响型、冷涡后部型以及低涡型;陕西智能网格预报可提前72 h准确预报出2类系统性大风天气过程,提前12 h预报的平均风速最大值与实况最大风速之间差值最小,可参考该预报时次的结果增加4 m/s进行订正,检验得到6级以上风速预报准确率提高约1831%左右;对于雷雨大风,最大小时增幅在2 m/s以上对雷雨大风的发生时段预报有一定的指示意义,结合25百分位的实况极大风速阈值、陕西智能网格预报极大风速阈值,与各个环境参量和雷达产品参数进行概率匹配,订正预报可在一定程度上提高此类大风极大风速预报准确率。     

一种基于粗糙度分布的大风风速降尺度方法初步研究——以上海市域为例

精细准确预报大风风速对于风功率预报和风灾防御具有重要意义。本文以上海市域为研究区域,基于形态学方法估算上海市域空气动力学粗糙度分布,并通过近地层分层风速插值方法推算上海市域10 m高度精细风速分布。针对2016年1月23日20时—24日20时一次大风过程开展实证检验,对比分析降尺度模拟风速、地面实测风速、ECMWF预报10 m风速的空间分布、时间变化以及垂直廓线特征。结果表明,该方法可以较好地模拟上海市域风速大小的精细空间分布,模拟精度总体上表现为中心城区精度高、郊区精度稍低,但相比于ECMWF预报10 m风速分布有了明显提高,可以为风速的精细化预报提供技术支撑。     

基于BP神经网络的宁波市台风灾情预估模型研究

选取1949—2015年间对宁波市影响较大、灾情记录完整的58个台风样本,基于灾损数据,采用灰色关联分析法建立台风灾情关联度,选取台风灾害致灾因子、台风灾情综合关联度,利用BP神经网络建立台风灾情预估模型。结果表明,利用台风灾情关联度评估台风灾情大小合理可用,台风灾害致灾因子与灾情评价指标及台风灾情综合关联度间均存在一定的相关性,利用BP神经网络预估模型对台风灾情预估效果较好,其中训练样本、测试样本的模拟值与实际值相关系数分别达到0. 94、0. 865,均通过了0. 01信度的显著性检验,训练集、测试集灾情级别预报一致率为85. 3%、77. 8%,相关研究成果可为政府决策部门的抗台减灾工作提供科学依据。     

中国台风灾情特征及其灾害客观评估方法

利用上海台风研究所及国家气象中心整编的中国台风灾情资料,分析了中国致灾台风造成的人员伤亡、房屋倒损、农田受淹及直接经济损失等灾情特征.引入了定基物价指数,改进了台风灾害指数(ATDI指数)的计算方法,基于1980-2004年间所有致灾台风的灾害指数的聚类分析,将致灾台风的灾害分为:轻灾(或小灾)、中灾、大灾(或中偏重灾)和重灾4个等级,并据此对1980-2004年间中国致灾台风的灾情进行了客观评估.结果表明:平均每年约有7.2个台风对中国造成明显灾情,最多的年份多达11个、最少年份也有4个.中国致灾台风的频数逐年减少,但造成的灾情却逐年趋重,因台风而伤亡的总人数逐年上升(死亡人数下降)、倒损房屋和受淹的农田面积以及造成的直接经济损失均逐年递增,倒损房屋、受淹的农田面积、直接经济损失的年平均增长率分别为1.33×10~4间/年、2.28×10~4 hm~2/年和14.56亿元/年.1980-2004年间,单个致灾台风而言,倒损房屋、受淹的农田面积、直接经济损失的平均增长率分别为581.4间/个、880.0 hm~2/个和0.33亿元/个.从台风灾害指数看,1990年代中期,中国的台风灾害较为严重,其中1996年最重,而1998年则是1980-2004年间台风灾害最轻的年份.     

南海区域台风大风预报探讨

台风是夏半年影响南海和华南的主要灾害性天气,其中台风大风是其带来的灾害之一。为了提高台风大风预报的准确率,提前报出台风影响时风速大小,这对航海及沿海防台抗台都有积极的意义。本文采用旋衡风方程和静止台风气压场分布模式,用地面天气图上台风区域内某站的气压及其与台风中心的距离求出台风风速计算式,然后用北京气象中心广播的国家气象局气象科学研究院的台风路径数值预报结果或其它台风路径客观预报的结果来作南海区域台同大风的数值预报,经1981—1982年10次台风过程试报效果尚好,可供台风大风业务预报中参考。     

机器学习在广西台风极大风速预报中的应用

以1980-2020年广西台风期间桂林、梧州、龙州、南宁、玉林等5个气象观测站的地面日极大风速为研究对象,采用多元线性回归(MR)、支持向量机(SVM)、模糊神经网络(FNN)等三种较为常用的线性和非线性方法分别进行预报建模,对2011-2020年共10a独立样本的检验.结果 表明,在全样本风速预报的平均绝对误差上,FNN模型对桂林站、梧州站、龙州站、玉林站共4个站点预报的平均绝对误差最小,总体预报精度最好,MR预报模型则对南宁站有较好的预报能力,SVM模型预报效果总体偏差.对于6级以上大风的TS评分、命中率、空报率和预报偏差等4个评估指标的统计,FNN模型的预测精度最高且相对稳定,MR方案次之,SVM在三种方案中预报效果最差.FNN方法对广西台风期间地面日极大风速的预报有较好的参考作用.     

山东WRF集合概率预报对台风“麦德姆” 逐6h精细化预报检验

用山东WRF集合预报72h预报时效内逐6h概率预报产品对2014年7月24—26日台风“麦德姆”影响山东期间产生的强降水和大风进行了检验。结果表明：WRF集合对强降水和大风有较好的预报能力,总体预报效果较好。强降水和大风的概率都是初期预报概率偏小,后期预报概率较高,开始和结束时间比实况滞后6～18h ,前期漏报率高,后期空报率高,总体来说23日20时的预报优于08时的预报。台风低压中心强度和移动路径与实况基本一致,但移速偏慢,这是导致强降水和大风前期漏报后期空报的主要原因。     

巴中地区强对流天气预报方法研究

利用1987-2017年高空观测资料、地面观测资料,以及巴中市国家气象站、区域气象站资料,雷达资料,灾情资料,EC细网格预报资料,采用中尺度分析方法分析,总结了巴中地区强对流天气的四种概念模型、分类预报方法和地面要素临近预警指标。并基于EC细网格历史资料,采用主成分分析方法筛选物理量因子,通过配料法建立了巴中地区雷暴大风预报方程,实验表明当雷暴大风预报方程预报值大于60%时,巴中地区发生雷暴大风的概率很大,具有很好的指示作用。     

基于遗传—神经网络方法的广西台风灾害评估模型研究

选取1981—2018年影响广西且灾情记录比较完整的86个台风样本,基于台风灾害伤亡人数、直接经济损失划分灾情等级,选取致灾因子,利用遗传算法与神经网络相结合的方法建立广西台风灾害评估模型。结果表明：选取的台风灾害致灾因子与台风灾情等级之间具有显著的相关性,构建的遗传—神经网络集合预报模型对台风灾情预估效果较好,训练样本拟合一致率为86.1%,测试样本预报准确率为71.4%,其中严重和较重的台风灾情等级预报结果与实况基本一致,较轻等级的预报准确率达83.3%。     

我国登陆热带气旋引起的大陆地面风场分布

利用逐小时风速观测资料以及台风年鉴资料,分析了2008~2014年登陆我国大陆地区的51次热带气旋（TC）的地面风场分布特征,包括TC登陆期间大陆地面风场演变和大风分布特征、海岛站和内陆站的风速差异以及海拔对风力造成的影响等。结果表明:6级及以上大风主要发生在距离TC中心300 km内、TC强度达到台风（TY）以上时,并主要位于TC移动方向的右侧,尤其是右前象限;华南区TC风场分布主要由在此区域登陆的TC（Ⅰ类）造成,较大风速区包括广东西南部沿海、雷州半岛附近和海南西部沿岸;华东区TC风场分布主要由在此区域登陆的TC（Ⅱ类）造成,杭州湾出海口以及浙闽沿海是较大风速区;6级及以上大风广泛分布在华南和华东沿海,6~7级地面大风高频站主要位于杭州湾附近,8级及以上地面大风高频站点在杭州湾和福建沿海分布比广东西南部更为密集;TC登陆前后均可能造成大风,大风出现时间与站点至TC中心的距离密切相关;同等强度TC在海岛站造成的风速比陆地站更大,对高海拔站点造成的风力大于低海拔站点。本文研究结论对于TC大陆地面风场的预报具有一定参考价值。     

台风“山竹”登陆前后广东沿海珠三角机场阵风预报方法研究

利用WRF模式对1822号台风"山竹"的登陆过程进行数值模拟试验,分析台风产生的大风特征,比较不同的阵风参数化方法在机场大风预报中的效果,结果表明:(1)试验基本模拟出了台风的路径和强度变化过程,模拟的珠三角机场平均风速大小和变化趋势与观测非常接近。(2)地面最大风速区出现在距离台风中心大约50-100km的位置上,垂直方向上风速从低层到高层逐渐减小,湍流动能的大值区集中在1.5km以下的边界层内。(3)台风登陆过程中广州、深圳和珠海机场的平均阵风因子分别为1.45、1.51和1.46,且随着平均风速的增大,阵风因子有减小的趋势。(4)基于湍流动能的阵风参数化方案在珠三角机场阵风预报中效果最好,平均预报误差只有3.9m/s,可以考虑应用到台风天气过程中机场阵风的业务预报。     

超强台风“罗莎”和“韦帕”大风过程对比分析

摘要利用常规探空和地面、加密自动站资料、FY-2C卫星红外云图资料以及多普勒雷达径向速度资料,对2007年登陆浙南闽北交界的超强台风“罗莎”和“韦帕”大风过程及成因进行了对比分析。结果发现：地面气压场的分布对台风登陆前后大风的出现时间、影响范围以及登陆后大风的持续时间有重要的影响;台风登陆之前FY-2C红外云图对大风的影响范围有一定的指示作用,而台风外围螺旋云带进入东海海域的时间则可以作为预报台风大风开始影响温州的一个参考依据;多普勒雷达最大径向速度对台风极大风速的预测有重要的参考作用。     

我国大风机理研究和预报技术进展

大风作为常见且影响严重的天气现象,可在各类天气系统和地形综合影响下产生。全面认识其机理和预报方法,对风灾防御和风能利用都有很大帮助。本文梳理了我国气象观测和业务预报关于大风定义、大风分布特征以及雷暴、台风等主要灾害性系统大风分布情况。之后简述雷暴、台风、冷空气等系统产生大风的机理,以及复杂地形下垫面的热力和动力作用对局地大风的影响,概括了不同系统大风预报技术的研究进展。最后总结大风研究现状和不足。     

基于ERA5再分析资料的余姚地区阵风预报模型探究

利用2007—2017年余姚地区44个气象自动站观测数据和欧洲中心ERA5再分析资料,对余姚地区日极大风分布进行了统计分析,并提出一种本地化的经验阵风预报模型(雷暴日除外)。研究发现:余姚地区日极大风呈正态分布,风力峰值为4～5级,平均每年大风日占比达7.03%,累计大风时次占比3.32%,年平均大风日26 d。风力越小,阵风与平均风之间的线性拟合效果越好。影响阵风预报的因子主要有10 m平均风速、925 hPa风速、地面粗糙度、摩擦速度和3 h变压。6级及以下阵风预报中,业务中的阵风经验系数1.4容易造成余姚本地阵风预报偏低,适用于余姚本地阵风预报经验系数为1.775;6级以上阵风预报经验方程考虑了平均风速、垂直动量下传、水平动量传输、地面摩擦和海拔高度订正,其与925 hPa风速的平方呈正相关,与摩擦速度呈自然指数相关,经验方程相对于经验阵风系数的预报拟合优度提升了59.61%;经验阵风预报方程通过了2018—2019年的数据检验,该方程对1～2级阵风预报偏高,3～5级效果最好,6级阵风的预报偏低;6级以上的阵风等级预报准确率达55.2%。地形摩擦作用在冷空气大风与台风大风过程中尤为重要,这两类过程阵风系数分布类似,但台风带来的动量下传比冷空气更为明显。     

广东省突发事件应急指挥决策辅助系统的建设

根据突发事件预警信息发布运行业务的需要,结合智能网格预报以及政府部门间防灾减灾相关数据,利用统计分析算法、地理信息技术对数据进行整合、分析与展示,建立基于B/S架构、以影响预报为核心的广东省突发事件应急决策辅助系统。通过分析台风"海马"袭击广东沿海的应急决策案例,简述系统为决策者在灾情研判上提供的支撑和发挥的作用。     

淮北夏半年大风预报方法的建立及检验

利用T639业务数值模式预报场和大风观测资料,分别采用I_W雷暴大风指数和多个对流指数方法,计算相对应的指标值,建立淮北市夏半年大风预报方法,得到淮北市大风的短期预报结果,并对2011年的预报应用情况进行检验。结果表明：基于T639业务数值模式的I_W大风指数与多指标的叠加,实现夏半年定量和定性的大风预报。将多种不稳定指标与T639数值模式相结合的叠加预报,当4个指标中有3个满足条件时预报淮北有大风出现,否则没有大风;I_W大风指数的风速预报与实际极大风速较为接近。两种预报方法对淮北市的大风预报具有较好的指导作用,多数大风天气能够预报准确,但是容易空报,不太容易漏报。     

台风网格风场主客观融合技术的应用及评估

针对实际预报工作中,台风主观预报和模式风场客观预报不一致的问题,基于南海台风模式(CMATRAMS)资料、实时台风主观预报资料,采用一种考虑下垫面作用的动力解释应用方法TCwind,得到了能较合理描述台风风场的数学方程组,结合网格预报技术,进行台风主观预报和模式风场的主客观融合,实现了台风风场预报的订正,能为网格预报提供有效辅助。以实时台风主观预报为评判标准,检验评估了2018—2019年西北太平洋所有台风的融合订正效果,发现订正后的台风风场中心能较准确地向主观路径预报调整;台风中心附近最大风速相较模式显著增强,趋近主观强度预报;台风环流风速比模式原始风速增大,风场结构分布相比模式原始风场也更合理。      

台风灾害综合等级评判模型改进及应用分析

本文首先对2010年王秀荣等建立的台风灾害综合等级评判模型进行了改进,主要基于以下三个方面:一是对倒损房屋数指标的转换函数进行重新定义,二是对直接经济损失指标的去通货膨胀化;三是对原模型综合关联度指数分析中"死亡人数、直接经济损失、倒损房屋数、农作物受淹面积"4个指标的权重系数优化;然后,运用改进模型对2000—2015年登陆我国的历史台风灾害进行了综合等级评定与大小排序;同时,将评定结果与原模型的评定结果进行了比对。通过应用与检验分析,证明了改进后模型明显降低了通货膨胀对直接经济损失指数的影响,凸显了以人为本的防灾理念,较原模型具有更好的等级识别度,评定灾情等级结果更符合实际灾情,具备较好的评判功能,可以试用于气象服务等相关业务中快速对台风灾情进行综合等级或历史排序等评判。     

2019年广西临桂微下击暴流和广东湛江龙卷现场灾情调查对比分析

2019年3月21日21:13广西桂林市临桂区国家气象观测站测得60.3 m·s^-1的瞬时极大风速,2019年4月13日14:11广东湛江市徐闻县下属和安镇镇政府自动气象站测得50.7 m·s^-1的瞬时极大风速,两地均出现比较明显的风灾。通过分析监控视频、无人机航拍资料、现场勘察和走访目击者,获得如下结论:21:09—21:14临桂国家气象观测站及周边区域的风灾过程是一次EF2级微下击暴流,时间尺度大于6 min,空间尺度约为1.6 km×2.0 km,属于α小尺度(400~4000 m)微下击暴流,其中包含7个β小尺度(40~400 m)微下击暴流;灾害现场呈现出受灾区域的纵横比小、灾情不连续和树木倒向有明显辐散的特征。14:09—14:15广东湛江徐闻的风灾过程是一次EF3级的强龙卷,持续时间约为7 min,龙卷路径长约为3.2km,宽约为30~280 m,监控视频显示在龙卷发生地附近出现了持续时间极短的旋转性大风。相对于临桂微下击暴流,龙卷灾害现场具有风灾破坏带纵横比大、灾情连续和多处树木倒向呈现辐合的特征。     

1990—2019年新疆不同等级风灾变化特征

风灾对新疆农牧业生产造成极大危害。本研究以风灾造成的倒塌房屋数、倒塌棚圈数、死亡人数、农作物受灾面积、损坏大棚数、牲畜死亡数作为6大灾情要素，运用比值权重和无量纲化线性求和方法构建表达风灾事件强弱的灾损指数，并采用百分位数法将风灾事件的强度划分为一般（1级）、较重（2级）、严重（3级）、特重（4级）4个等级。根据灾损指数和灾害等级，研究新疆风灾的时空变化特征。结果表明：新疆风灾集中于4—5月，南疆多于北疆，吐鲁番盆地和塔里木盆地北部是风灾的多发区和重发区；近30年风灾年出现次数呈显著的线性增加趋势，年灾损指数没有表现出线性增加或减少的变化趋势，其中1～4级风灾的年际变化具有明显的差异性；引发1～4级风灾的极大风速阈值分别为12.9、13.7、14.1、15.0 m〖DK〗·s-1；超过12.9 m〖DK〗·s-1极大风速出现日数逐年增多，加之农牧业生产快速发展，导致风灾年出现次数不断增加。