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。     

基于多模式和网格预报产品融合的降水预报释用方法

网格降水的预报准确率是精细化天气预报业务的核心问题。利用多家数值模式和国家气象中心逐3h网格降水预报指导产品,以格点降水实况分析资料为参照,在客观评估模式表现的基础上,提出多模式和网格降水预报产品融合的降水预报释用方法。研究表明:给定降水阈值,不同降水产品的预报性能有显著差异,存在预报表现好的降水产品漏报,而其他降水产品命中的情况;对确定性单模式来说,在降水检验阈值给定的条件下,预报降水量超出阈值越大,其空报的可能性越低。检验三种降水产品72 h时效内逐3 h降水量,晴雨预报的降水漏报次数明显低于空报次数,基于该特性,可以利用不同模式未预报降水的格点来消除空报。以检验为基础,选用前期表现好的降水预报为背景场,使用高阈值融合满足条件的其他强降水预报产品,使用低阈值消除弱降水空报。回算表明,相对背景场,该方法可以同时提高强降水的TS评分和晴雨预报准确率。     

乌鲁木齐区域数值预报业务系统降水预报检验与评估分析

基于乌鲁木齐区域数值预报业务系统,运用Ts和Bias评分方法,对2012年9月1日—2015年8月31日逐日2个起报时次的逐6 h累积降水量的年与季节预报性能进行检验,并从空间上分析了2015年全疆站点逐6 h累积降水量在4个预报时段的评分特征。结果表明:(1)2个起报时次的降水评分相差较小,00 UTC起报略优于12 UTC起报,2015年系统改进了白天大量级降水的空报现象。(2)系统对晴雨预报较为准确,Bias接近1,空报、漏报率很小;随着降水阈值的升高,Ts评分减小,Bias变幅增大,空、漏报率也随之增加。系统对强降水过程以漏报为主。(3)系统的降水预报能力存在季节差异,夏季Ts评分最高,秋季次之,冬季最小;随时间模式对四季降水预报能力均有提高,降低了冬季大量级降水的漏报率和夏季大量级降水的空报率。(4)在新疆地区,08—14 BT(Beijing Time)、14—20 BT、20—次日02 BT空报站点数多于漏报,14—20 BT空报率最高;在02—08 BT整体呈漏报。(5)各站点整体来看,白天Ts评分高于夜间,山区及邻近地区评分高于平原地区;西天山评分略优于东天山,夜间晴雨预报有天山北坡漏报、南坡空报的趋势。     

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。     

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。