基于CMA-MESO的分级短时强降水概率预报方法研究

随着预报服务需求不断增长和预报内容日趋精细化,仅针对20 mm·h^(-1)以上的短时强降水预报已不能完全满足业务需要,开展不同雨强等级的短时强降水预报方法研究显得十分必要。利用2016—2019年6—8月中国南方9省1市的国家及区域气象站共51355站次短时强降水样本,将雨强R分为4个等级:20≤R<30 mm·h^(-1)、30≤R<50 mm·h^(-1)、50≤R<80 mm·h^(-1)及R≥80 mm·h^(-1)(分别对应I、Ⅱ、Ⅲ、IV级)。将各级样本与同时段CMA-MESO(China Meteorological Administration mesoscale model)数值预报模式初始场进行时空匹配,提取22个相关物理量建立数据集并进行百分位值统计;利用XG⁃Boost(extreme gradient boosting)机器学习方法对物理量进行重要性排序以确定权重系数;应用连续概率预报方法,选用升、降半岭函数作为隶属函数,建立不同等级短时强降水概率预报模型。运用该模型在2020年汛期进行实时业务预报,并对湖北省2020年6—8月15次大暴雨过程0~36 h预报时效的逐小时不同等级短时强降水概率预报产品进行检验,结果表明:I级概率预报产品60%阈值的TS评分(0.145)最好,对应命中率为55.7%;Ⅱ级概率预报产品65%阈值的TS评分(0.083)最好,对应命中率为39.1%;Ⅲ级概率预报产品70%阈值的TS评分(0.03)最好,对应命中率为21.7%;IV级概率预报产品80%阈值的TS评分(0.005)最好,对应命中率为5.8%。对不同等级雨强个例对比检验表明,各级概率预报产品对CMA-MESO模式在同时次不同等级短时强降水预报上均有较好的订正作用。对3次强降水过程逐小时预报检验表明,I级概率预报产品命中率为40%~80%,空报率为50%~90%,预报时效达36 h,普遍优于同时次CMA-MESO降水量预报。本研究对不同等级短时强降水分型建模并在实际预报中有较好的参考性,能够对CMA-MESO的降水预报起到订正作用。     

基于GRAPES-MESO模式的极端短时强降水预报

利用2017—2018年5—9月四川盆地109个自动站逐小时降水资料,以及GRAPES-MESO模式0.1°×0.1°的逐3 h预报场资料,从热力不稳定、水汽、动力条件等方面分析极端短时强降水(1 h降水量大于等于50 mm)发生发展所需的关键物理量指标,结合随机事件概率思想和主成分分析方法构建预报模型,研发极端短时强降水概率预报产品。经预报效果评估,当概率值达0.7以上时,TS评分为24.0%,可将其作为极端短时强降水预报的参考阈值。2019年7月22日四川盆地暴雨过程应用表明,该产品对极端短时强降水落区有较好的参考意义。     

基于CMA-BJ的北京地区短时强降水预报试验

基于2019—2021年4—9月北京快速更新数值预报系统(CMA-BJ)产品以及北京地区地面气象站逐时降水实况,从表征水汽条件、热力和能量条件以及动力条件的多个物理量中筛选出在有无降水、是否强降水情形中有显著差异的物理量作为因子,采用配料法和模糊逻辑算法构建北京地区0～12 h时效逐小时短时强降水概率预报模型。以2019—2021年4—9月最优TS评分和偏差评分的概率值和组合反射率因子为确定性预报的概率阈值和消空处理阈值,运用该预报模型对2022年4—9月每日4次0～12 h预报时效北京地区短时强降水产品进行预报和检验。结果表明:北京地区短时强降水TS评分和偏差评分分别为0.104和1.341,预报效果明显优于CMA-BJ预报产品。概率预报模型能够有效提升强降水高发地区,即山前及平原地区的短时强降水预报技巧,获得较为平衡的命中率和空报率,但对山区预报技巧的提升有限。     

基于因子分析的广东省短时强降水预报模型及其业务试验

利用每天4次0.125°×0.125°的ECMWF-Interim再分析资料和广东省2009—2018年地面气象站逐时雨量观测的短时强降水数据集,针对广东不同季节、不同地域的短时强降水,以提高命中率同时控制虚警率为目的,提出基于显著性和敏感性评价的物理量优选和因子分析法,用于构建分期、分区的广东短时强降水概率预报模型。以参数显著性和预测敏感性为标准,在49个待选物理量中挑选18个既与多年平均态存在明显差异,又具有较低虚警率的物理量,应用方差最大正交旋转因子分析法将遴选物理量组合成表征大气不同环境条件的6个因子;为使组合因子更具适应性,基于因子偏离度特征对广东前、后汛期不同区域独立建模,构建分期、分区短时强降水逐6 h格点概率预报模型。汛期业务试验表明,模型对短时强降水发生概率预报效果较好。对2019年汛期模型每天两次起报的12 h预报时效内概率产品进行格点检验,以训练期最优TS评分对应的固定概率作为预测概率阈值,广东省大部分区域TS评分超过0.25,最高超过0.42,平均较ECMWF-Fine业务模式在前、后汛期分别提升0.23与0.21,南部沿海TS评分提升幅度最大,并且模型在提升命中率与降低虚警率之间取得较好的平衡。个例分析表明,对于ECMWF模式常漏报的广东暖区短时强降水,概率预报模型具有明显优势,尤其能为天气尺度弱动力强迫的强降水早期预警提供更多有效信息。      

基于探空数据集成学习的短时强降水预报试验

使用2015—2019年6—9月08:00（北京时）我国119个探空站的大气层结和对流参数作为特征参数,基于XGBoost集成学习方法,建立短时强降水事件预报模型。同时,提出一种面向高影响天气的模型优化思路,通过使用分段权重损失函数,进行模型调优,在空报率不超过一定阈值的情况下,可提升模型预报的命中率和TS评分。设计分段权重损失函数权重敏感性试验和损失函数对比试验,选取7个区域中心探空站对比分析模型优化方法的有效性和泛化性。利用2019年6—9月全国探空数据针对短时强降水预报开展批量独立检验和个例分析,结果表明:改进后的预报模型TS评分提高0.05~0.1,命中率提高0.15以上,空报率提高0.05~0.1,表现出明显的“宁空勿漏”预报倾向,模型预报能力得到明显提升;在全国短时强降水预报试验中,预报模型命中率为0.65,空报率为0.37,漏报率为0.34,TS评分为0.47,说明该模型对短时强降水天气具有一定预报能力。     

基于短时强降水概率预报的模糊检验试验

利用短时强降水概率预报模型生成短时强降水(≥20mm/h)概率预报产品,并对其进行“点对面”模糊检验试验。结果表明:短时强降水(≥20mm/h)概率预报和SWC_WARMS模式最大小时雨量(≥20mm/h)的“点对面”TS评分均明显高于相应的“点对点”评分,短时强降水(≥20mm/h)预报结果可在30～40km范围内进行调整;短时强降水(≥20mm/h)概率预报在概率为30%时TS评分达到最大,Bias接近为1,预报偏差最小;短时强降水(≥20mm/h)概率预报比SWC_WARMS模式最大小时雨量(≥20mm/h)预报更具有参考价值。      

基于ECMWF细网格模式的短时强降水客观概率预报方法研究

根据陕南643个经质量控制的自动气象站2010—2014年逐小时观测降水,采用百分位法确定陕南短时强降水标准。基于2010—2014年11 824站次短时强降水个例和欧洲中心（ECMWF）间隔6 h的0.25 °×0.25 °再分析格点资料,以空间最近、时间最近前1时次原则:计算并确定陕南汛期5—9月各月短时强降水36种对流参数历史概率分布特征值;考虑对流参数的显著性和适度性指标构建评价方案,利用相对模糊偏差矩阵、标准差系数方法,优选出陕南5—9月各月的15种对流参数及其权重。业务运行以ECMWF细网格模式的基本预报产品,计算优选的对流参数值,结合参数历史概率分布值及其权重,建立陕南分月短时强降水客观概率预报模型。将模型概率预报结果升序排列后80%处对应的数值,且大于0.2作为短时强降水的临界概率,对2015年汛期降水过程进行检验,TS评分为0.59,漏报率为0.18,空报率为0.31。      

基于ECMWF产品福建省前汛期短时强降水预报方法

利用2014—2016年福建省1605个自动气象站逐时降水资料和ECMWF全球模式细网格预报产品,分析福建省前汛期短时强降水发生背景下模式预报物理量的分布特征,并基于阈值判定的方法建立短时强降水预报模型。结果表明:福建省内陆县市前汛期短时强降水发生频次较高,沿海县市发生频次低,且日变化特征表现出双峰结构。箱型图差异指数（I_bd）在评估相关变量对于区分短时强降水发生与否的敏感程度有较好的作用,比湿、整层可降水量等水汽变量I_bd最为显著,K指数、对流有效位能等变量的I_bd仅次于水汽变量,说明模式预报变量对于预测短时强降水有较好的表征作用。针对短时强降水事件的物理量集合,采用剔除异常值后的最小值作为判定阈值,通过训练集分析结果客观订正对流有效位能和3 h降水量两个高I_bd变量的阈值,建立潜势预报模型。对于福建省西部的关键区,检验集白天时段12 h时间分辨率预报TS评分可达0.5,夜间时段约为0.3。对于福建省进行分区建模预报,检验集预报结果显示白天时段比夜间准确率高、内陆县市比沿海县市准确率高。     

基于ECMWF细网格、GRAPES _MESO的短时强降水潜势预报和检验

摘要：利用2016-2018年6-8月ECMWF细网格、GRAPES _MESO、黑龙江省822个自动站资料研究黑龙江省6-8月短时强降水（一般短时强降水和极端短时强降水）的预报方法和各项影响因子指标与他们之间的融合。采用双线插值法或临近格点法、分位数法、配料法、排除法、多重分析法，形成以水汽、不稳定、抬升为框架的客观预报方法。研究发现，强降水的环境背景不仅受限于各物理因子阈值，也与他们之间融合密切相关。各因子间存在一定旬差异和日较差，夜间与水汽相关的各阈值明显大于白天，白天热力不稳定性高于夜间。6月中上旬与水汽含量相关的各因子阈值小于其他时段。从检验结果上看，由于强降水的突发性、局地形和研究方法以及模式本身的特性，预报的空报率非常大，漏报率较低，TS评分最低且随着分布密度的降低而降低。一般强降水检验中，两种模式点对点检验的TS评分为0.015左右，14km和40km点对面检验夜间TS评分约0.03和0.08。极端强降水检验中，两种模式点对点检验TS评分约0.004，14km和40km点对面检验准确率约分别为0.005和0.02。7月份由于强降水分布密度相对较大，检验效果也相对较好。一般性强降水EC细网格TS评分高于GRAPES_MESO，而极端强降水检验TS评分刚好相反。     

国家级强对流天气分类预报检验分析

预报产品的客观检验是记录、考量各种预报业务质量,促进预报水平提高的重要手段,也是整个天气预报过程中的重要环节。本文采用"点对面"Threat Score(TS)、漏报率、空报率等客观指标首次对2010—2015年4—9月国家级强对流天气预报中雷暴、短时强降雨以及雷暴大风和冰雹等分类预报进行了检验。同时,本文也对强对流天气落区分类预报客观检验存在的问题以及未来发展进行了讨论。检验结果表明:过去6年间,6~24 h时效预报,雷暴TS评分为0.22~0.34,短时强降水为0.18~0.24,雷暴大风和冰雹为0.01~0.07;48、72 h时效预报、雷暴TS评分为0.30~0.40,强对流天气TS评分为0.16~0.23,除雷暴预报TS评分在2012—2013年有所回落外,其他类别的强对流天气预报总体上TS评分呈上升趋势,雷暴大风和冰雹预报评分明显低于其他两个类别。雷暴空报率是漏报率的2~3倍,短时强降水漏报率与空报率接近,雷暴大风和冰雹天气漏报率和空报率都在0.8以上。与美国风暴预报中心(SPC)2000—2010年定期发布的1 d对流展望产品检验结果比较,强天气预报中心雷暴和短时强降水落区预报TS评分较高,雷暴大风和冰雹评分较低。典型个例预报检验结果表明,系统性大范围的风雹天气可预报性较强,评分要显著高于平均预报水平;对于非过程性的、分散的风雹天气,预报难度大,TS评分低。     

极轨气象卫星图像的两种投影算法

本文通过读取极轨气象卫星1B(1A5)资料和MODIS的HDF文件,实现了极轨图像的两种投影算法--后向映射法、抛点法.后向映射法通过粗扫描、精扫描两步,经计算循环数最小值得出最佳的粗扫描步长,同时也是精扫描的子窗口大小,从而得到原始极轨图像的投影变换算法;抛点法通过获取源始图像中每个像素值的地理位置,将其投影到新的投影图中,充分利用了源文件的所有像素信息,最后将投影图上由于变形而没有数据的位置进行插值,从而实现数据的投影变换,该方法最大的优点是速度快,算法简单,可以应用到各种极轨图像的投影中去.     

基于ARM与Linux的姿态角测量系统的研制

选取旋转矢量算法作为姿态角测量系统的姿态矩阵更新算法.针对三子样算法采样周期长的特点,提出了重复使用采样数据的方案以保证系统的实时性.选取陶瓷静电陀螺仪CG-L53为角速率传感器,设计了以AT89S51为MCU的信号采集板,搭建了以ARM芯片为CPU的计算机平台,完成了系统各模块的软件设计.仿真测试结果表明,系统能较稳定地输出姿态角信息.     

基于卫星云图的对流初生预测技术综述

简要回顾了国内外利用静止气象卫星云图资料进行对流初生预测研究工作的进展,详细介绍了近年来国外提出的对流分析追踪(SATCAST)和对流初生临近预报(UWCI)两种方法的原理和流程,重点对这两种方法在实际应用中的技术性能进行了对比分析。     

局部均值伪最近邻算法在降水预报中的应用

分析北京地区日降雨量资料发现,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。在样本不均衡的情况下,K最近邻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,应用局部均值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,计算得到不同天气样本在所有类中的局部均值伪最近邻,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市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、空报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。     

Cloud Classification and Distribution of Cloud Types in Beijing Using Ka-Band Radar Data

A cloud clustering and classification algorithm is developed for a ground-based Ka-band radar system in the vertically pointing mode. Cloud profiles are grouped based on the combination of a time–height clustering method and the k-means clustering method. The cloud classification algorithm, developed using a fuzzy logic method, uses nine physical parameters to classify clouds into nine types: cirrostratus, cirrocumulus, altocumulus, altostratus, stratus, stratocumulus, nimbostratus,cumulus or cumulonimbus. The performance of the clustering and classification algorithm is presented by comparison with all-sky images taken from January to June 2014. Overall, 92% of the cloud profiles are clustered successfully and the agreement in classification between the radar system and the all-sky imager is 87%. The distribution of cloud types in Beijing from January 2014 to December 2017 is studied based on the clustering and classification algorithm. The statistics show that cirrostratus clouds have the highest occurrence frequency(24%) among the nine cloud types. High-level clouds have the maximum occurrence frequency and low-level clouds the minimum occurrence frequency.     

被动式微波遥感技术发展及其对汽/液态水物理参数反演的研究进展

大气遥感是1960年代以来发展最为迅速的学科分支之一,也是大气科学发展的关键技术支柱之一;其中,被动式微波遥感具有体积及功耗小,能进行全天候连续观测等优点,为获取大气、海洋、陆面等多领域观测信号提供了直接和有利手段。由于水汽、液态水是影响天气气候变化的重要要素,对其的探测技术在当前气象业务中显得尤为重要。简单回顾了被动式微波遥感的主要进展,重点介绍微波辐射计对水汽、云液态水、降水等物理量进行反演时所采用的统计方法、物理方法、物理统计方法等方法研究方面的国内外进展,并对微波辐射计的未来发展前景作了简单介绍。     

参数化的多次散射雷达方程和它的反演理论 Ⅱ:反演理论

本文根据参数化的多次散射雷达方程,分析了激光多次散射对激光回波信号和一次散射雷达方程反演结果的效应,提出了迭代前向积分法和迭代后向积分法以求解参数化的多次散射雷达方程,并根据多次散射信号对云和气溶胶的前向散射相函数的高度敏感性提出了一个从双接收视场的多次散射激光回波信号,同时确定云和气溶胶消光系数分布和前向散射相函数的方法.此外,本文还根据数值试验分析了这些反演方法在地基激光雷达和空间站激光雷达两种情形下的适用性.     

多普勒天气雷达中气旋产品在强风预报中的应用

在深入了解WSR-88D多普勒天气雷达产品——中气旋算法的基础上,对上海地区近6年间中气旋产品的几个重要特征参数进行了统计研究,并结合局地强风的个例分析,总结了上海及周边地区中气旋发生发展过程中各阶段的基本特征。最后综合参考雷达其他相关产品,提出利用中气旋产品进行强风预报的思路,以期为准确预报局地强风天气提供一些参考信息。     

基于WRF模式的青岛近海能见度算法比较研究

采用GFS背景场资料和ADAS资料同化系统,使用WRF模式对2014—2016年青岛近海17个海雾个例进行了模拟,分析了3种能见度算法的预报效果。结果表明, FSL（Forecast Systems Laboratory）算法对于沿海站、岸基站雾的预报较SW99（Steolinga and Warner 1999）算法有优势;对于海岛站而言,SW99算法则优于FSL算法。混合算法CVIS（Combined Visibility）较单一算法预报雾准确率有所提高。3种能见度算法基本上是高估能见度的,SW99算法能见度预报均方根误差最大。另外,SW99算法对沿海站、岸基站雾开始时间预报较实况多偏晚,结束时间预报较实况多偏早,持续时间预报较实况多偏短。     

WSR-88D冰雹探测算法在贵州地区的评估检验

通过制定一定的规则,使用贵州504个防雹炮点的冰雹观测资料及2005,2006年贵阳雷达站8次冰雹过程观测资料,使用时间窗方法间接地将风暴单体与降雹记录相联系,建立了冰雹算法校验数据库,并对降雹校验数据库的数据进行统计分析,应用探测概率、虚警率、临界成功指数来检验冰雹探测算法。强冰雹概率 (POSH) 的强冰雹探测算法的总体评估结果表明:当POSH算法的强冰雹预警阈值为30%时,在贵州地区获得最高的临界成功指数评分,但这个阈值在每次强冰雹预警时并不是都获得最佳结果。强冰雹预警阈值选择模式 (WTSM,即根据冻结层高度动态选择每天强冰雹指数的预警阈值) 在不同地区气候状况下的差异,是导致缺省的POSH算法在贵州地区应用不佳的最主要原因,这也说明对冰雹探测算法的局地性适用评估非常必要。通过对WTSM的调整,改进了原来的POSH算法。