评估FY-3A微波湿度计O-B对云的识别能力

应用FY-3A微波湿度计2010年1月份的Level-1c观测亮度温度O,NCEP GFS 6 h的预报场作为背景场,用RTTOV 9.3版本辐射传输模式模拟的亮度温度B以及美国NOAA-18 MHS业务微波地表和降水产品,研究了双权重质量控制算法对FY-3A MWHS 通道3至5云和降水视场的识别能力。研究表明双权重质量控制算法判断的负观测增量O-B的离群点中,大多数都受云和降水影响。通道3约占60%,通道4约80%,通道5超过80%。当降水率大于0.2 mm·h^-1时,通道3负离群点可识别超过60%降水云,随着降水率增大识别率超过80%。而通道4对大于0.2 mm·h^-1的降水的识别率超过90%。通道5负离群点几乎可以剔除100%的降水影响资料。在目前还没有MWHS自身云检测产品的条件下,双权重质量控制算法可剔除大部分云和降水影响视野。     

降水云团移动速度对风云四号A星降水反演误差的影响

针对FY-4A卫星降水反演产品GPM-SCaMPR中的误差,提出台风区域降水云团移动速度的计算方法并用于误差改进,以全球降水观测计划(Global Precipitation Mission,GPM)的IMERG(the Integrated Multi-satellite Retrievals for GPM)降水产品为参照、以台风"罗莎"、"利奇马"和"白鹿"降水反演为例进行误差影响研究。结果表明,其误差随降水云团移动速度的增大而增大,降水率均方根误差(Root Mean Square Error,RMSE)在台风成熟阶段比其他阶段大20%左右,在衰亡阶段最小。采用GPM/IMERG降水产品作校准数据,对3个台风初期、成熟和衰亡阶段的降水反演结果进行误差订正,台风"罗莎"初期、成熟及衰亡阶段订正后的降水率RMSE由5.81、7.07、5.51 mm·h^-1减小到5.54、6.16、5.27 mm·h^-1(分别减小0.27、0.91、0.24 mm·h^-1)。     

黔东南地区短时强降水时空分布特征分析

为进一步分析研究黔东南地区短时强降水的时空分布特征,更好地指导短时强降水预报预警业务工作,利用2015—2021年黔东南地区16个国家自动气象站和410个区域自动气象站逐小时降水资料,对≥20 mm·h^-1短时强降水的时空变化特征进行统计分析。结果表明：（1）黔东南短时强降水频次有逐年增加趋势,[20,40) mm·h^-1量级的短时强降水年际变化相对较小,其余量级年际变化较大。（2）短时强降水主要出现在主汛期4—9月,6月最多,5月次之;年际变化相对较小的是5月、6月、7月和8月,各月短时强降水量级均以[20,40) mm·h^-1量级最多,主要出现在5—8月,以6月出现频次最高。（3）短时强降水主要以[20,80) mm·h^-1量级为主,且日变化频次均呈双峰形势,以傍晚至凌晨时段出现最多,中午前后出现的频次次之,具有夜间发生的显著特征。（4）短时强降水空间分布呈南多北少特征,短时强降水高发区与雷公山、月亮山迎风坡、喇叭口等特殊地形的强迫抬升作用密切相关。     

2020年8月黄河中游致洪暴雨气象水文特征

利用ECMWF提供的ERA5再分析资料(分辨率0.25°×0.25°)和黄河流域加密的气象水文实况资料,分析了降水集中期的气象水文特征。结果表明:平均中纬度低槽、南亚高压和阻塞高压偏强,副热带高压位置偏西、偏北,且异常偏强是造成2020年8月黄河中游持续性强降水的主要环流背景;水汽输送较常年同期偏多,来自东海和孟加拉湾的东南和西南暖湿气流沿副热带高压边缘不断输送到黄河中游地区,并和中纬度低槽携带的冷空气在此交汇形成持续性的强降水。水文特征分析表明,导致潼关水文站出现3次洪水的较大面雨量,主要来源于潼关以上的8个子流域;2020年8月的洪水超过2011年9月的,为潼关站近20 a来的最大的洪水过程;5号和6号洪水连续超过编号标准的时长,为120 h和44 h,最大流量达6 300 m³·s^-1;流量开始增加的时间落后降水开始的时间12 h~3 d,峰值落后降水结束的时间12 h~4 d;黄河支流水文站的流量峰值与水文站所在子流域降水范围、量级呈正相关,流入潼关站的流量从大到小依次为龙门站、华县站、状头站和河津站。历史对比表明,2020年8月黄河中游累积面雨量为近30 a来最大,北部6个子流域面雨量表现更为极端,降水持续时间更长。     

2021年攀西地区精细化预报与数值模式小时降水检验

基于精细化预报（GDDZ）和CMA-MESO、西南区域模式（SWC）两家高分辨率模式的小时降水预报,从TS（Threat Score）评分、小时降水频次、小时降水强度、峰值时间等方面,对2021年汛期攀西地区16次降水过程进行小时尺度的检验。结果表明:（1）从逐时降水来看,在晴雨（0.1 mm）TS评分中,GDDZ在00~11时表现较优,CMA-MESO模式在12~23时表现较优;在大雨（7 mm）和暴雨（15 mm）TS评分中,CMA-MESO模式表现较优。（2）从小时降水频次来看,SWC模式预报的降水发生频次空间分布与实况更为接近;从小时降水强度来看,GDDZ预报的降水强度与实况更为接近。（3）从降水量峰值时间来看,GDDZ与实况更为接近;从小时降水强度峰值和降雨频率峰值时间来看,CMA-MESO模式预报与实况更为接近。      

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。     

黄淮地区副高边缘型降水数值预报精细化检验北大核心CSCD

以2020-2021年5-10月副高边缘型明显降水过程作为研究对象,针对黄淮地区太行山南麓、伏牛山东麓、东部平原3个典型区域,采用多种检验方法对CMA-MESO,CMA-SH9两模式降水日变化预报性能进行评估。结果表明:在山区,CMA-MESO预报有效降水时次占比与降水强度均偏小,CMA-SH9则相反,两模式分别在伏牛山东麓的04:00-10:00(北京时,下同)和太行山南麓的10:00-16:00预报有效降水时次占比偏小(大)更为显著;在平原,CMA-MESO对03:00-07:00和17:00-20:00有效降水时次占比显著低估,CMA-SH9对于17:00-20:00降水量的高估则主要来源于降水强度预报明显偏大。FSS(fractional skill score)评分结果显示:CMA-MESO对于伏牛山东麓15:00-17:00及21:00-22:00、东部平原02:00-04:00等时段10 mm·h^(-1)以上降水预报能力优于CMA-SH9,在太行山南麓17:00-23:00则相反。基于STFSS(spatial temporal fractional skill score)评分的评估表明:CMA-SH9对于太行山南麓前一日14:00-当日02:00的降水预报较实况显著偏晚,CMA-MESO对于伏牛山东麓02:00-08:00及平原地区08:00-14:00的降水预报均表现出较实况偏早的特征。     

基于T639集合预报的持续性强降水中期客观预报技术研究

针对持续性强降水预报困难的问题,根据Anderson-Darling检验原理,构建基于中国气象局T639集合预报系统的持续性强降水中期客观预报方法。对比分析2010-2015年5-9月T639集合预报降水与实况降水的累积概率分布函数差异,在此基础上采用扩展时间序列和空间范围的方法构建3种模式气候累积概率方案,通过批量预报试验和检验,选取最优概率方案纳入预报模型,考察持续性强降水个例的最长预报时间。结果表明,随着预报时效的延长,集合预报模式的降水逐渐集中于小和中雨量级,无降水和暴雨以上量级的降水概率低于观测,168 h以后模式降水概率趋于稳定。通过扩展时间序列和空间范围能弥补模式气候资料年限不足所带来的偏差,根据区域气候特征细分模式气候的方法重点突出了不同区域的降水特征,明显优于简单集合所有区域数据的模式气候方案。基于集合预报的持续性强降水预报模型对持续性强降水个例的预报能力为8-9 d,随着预报时效的延长,降水强度以及雨带位置的预报能力逐渐减弱。      

攀西地区2021年夏季多模式降水预报检验

为提高定量降水预报产品在攀西地区的预报能力,对2021年夏季格点预报（Grid Weather Forecasting,GWF）、西南区域模式（South West Center-WRF ADAS Real-time Modeling System,SWCWARMS）、欧洲中心中期预报 （European Centre for Medium-Range Weather Forecasting,ECMWF）及中国气象局中尺度模式（China Meteorological Administration Meso-Scale Model,CMA-MESO）降水预报情况进行了检验分析。结果表明:（1）ECMWF模式雨日空报最明显,但其暴雨量级预报较实况偏干,其余各家产品中各量级降水均以湿偏差为主。有雨日数在攀西地区南部预报效果较好,其余地方空报较大。大雨日数在凉山州中部预报偏差较大,攀西地区南部预报偏差较小。（2）从16次过程检验来看,各预报产品在8月份过程中的表现优于其余月份,GWF产品25 mm以上TS（Threat Score）评分高于20分的过程次数最多且预报效果最稳定,CMA-MESO模式空报最大。（3）各产品3 h累计强降水开始时间大多早于实况,SWCWARMS模式雨强偏大且对于持续时间较长的过程预报效果较好,而GWF、ECMWF模式累计雨量较实况偏小。      

辽宁区域性大暴雨成因分析及多模式数值预报空间检验

利用三源融合格点降水实况、加密自动站观测资料、雷达基本反射率因子、高分辨率数值预报产品及FNL再分析资料, 对2020年汛期辽宁地区12次区域性暴雨过程进行天气系统分型检验表明, 气旋型暴雨模式的可预报性较低。选取2021年7月12—14日辽宁地区典型气旋型暴雨过程进一步分析, 采用面向对象目标的空间检验方法SAL, 结合传统检验方法, 从结构、强度和位置三个方面定量分析不同模式预报偏差的原因。结果表明: 暴雨落区集中且呈双雨带分布, 局地雨强大, 辽宁东、西部降水成因不同。CMA区域模式较全球模式暴雨TS评分高; SAL空间检验表明, CMA区域模式对于雨带内部结构把握较好, 全球模式结构误差主要来源于降水极值预报不足; 强度检验表明, CMA-MESO3km强度接近实况, EC_THIN次之, CMA_GFS的降水强度预报较差; 各模式暴雨落区基本可信, CMA-MESO3km最优, 暴雨落区的误差主要由于模式预报降水过程主体重心与实况的偏差较大所致。     

内蒙古夏季不同气候区短时强降水检验及制定

利用1991—2015年夏季(6—8月)内蒙古地区111个国家气象站小时降水量资料,对内蒙古不同气候区(极干旱、干旱、半干旱、半湿润和湿润)短时强降水(1 h降水量≥20 mm)进行检验分析,采用累积概率方法定义内蒙古夏季不同气候区短时强降水。检验结果表明:内蒙古地区年平均降水量和小时降水量极值自西部极干旱区向东部半湿润、湿润区递增,高值区位于大兴安岭东部,次高值区位于阴山山脉以南。内蒙古极干旱区小时降水量极值低于20 mm,半湿润区和湿润区小时降水量极值高于50 mm,个别站点甚至达到100 mm以上。但在半湿润区和湿润区东部小时降水量超过20 mm年平均发生仅为1次,其余地区均1次。在内蒙古极干旱区、干旱区、半干旱区、半湿润区和湿润区小时降水量分别达到6.1、9.8、12.5、15.2和14.3 mm·h~(-1)属于极端降水事件,小时降水量≥20 mm不宜作为内蒙古短时强降水定义。综合上述研究,结合内蒙古地区地形、地貌等因素,将内蒙古极干旱区和干旱区短时强降水定义为5 mm·h~(-1),半干旱区、半湿润区和湿润区短时强降水定义为10 mm·h~(-1)。     

CMA-MESO关键技术集成及应用

基于GRAPES-MESO 10 km系统,提高模式动力框架计算精度和稳定性,选择调试适合高分辨率模式的物理过程参数化方案组合,建立面向数值天气预报的全国雷达质量控制拼图系统,通过云分析系统融合全国三维组网反射率因子拼图,建立面向中小尺度系统的对流可分辨同化系统和陆面资料同化系统,实现雷达径向风、风廓线雷达、FY-4A成像仪辐射率、卫星云导风、卫星GNSSRO、地面降水观测以及近地面资料等非常规局地稠密资料的同化应用,发展快速循环技术,建立全国3 km间隔3 h的快速循环同化预报系统——CMA-MESO（GRAPES-MESO 3 km）并实现业务化运行。2020年6—9月汛期业务检验结果表明:CMA-MESO预报的近地面要素（降水、2 m温度、10 m风场）检验评分全面超越GRAPES-MESO 10 km结果;CMA-MESO的24 h累积降水TS评分略低于欧洲中期天气预报中心（ECMWF）的结果,但逐3 h累积降水预报TS评分尤其是对于较大降水阈值评分明显优于ECMWF结果;同时,对于能够表征模式对降水时空精细化特征预报能力的降水频次和降水强度等检验,CMA-MESO对我国汛期的预报准确率超过了ECMWF细网格模式结果。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

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。     

中国北方冬季降水的多源资料产品评估和融合优化

为了考察不同来源降水产品在中国北方冬季（特别是固态降水）的精度和可用性,优化融合降水产品质量,利用2019年12月—2020年2月美国CMORPH和IMERGE卫星反演降水、日本GSMaP、中国气象局雷达定量估测降水（MOC-QPE）、CMA-MESO模式预报以及地面观测插值等不同来源分析的降水产品,以地面站观测逐小时降水量数据为基准,从KGE评分、相关系数、平均误差和均方根误差等精度统计指标以及命中率（FOD）、虚警率（FAR）和TS评分等降水事件发生角度开展评估,结果表明:中国区域单源降水产品中地面插值分析产品对冬季降水描述精度最高也最稳定,但存在明显的系统偏低;其次是MOC-QPE和IMERG卫星产品,对中国北方偏南部地区的降水有一定的描述能力,但对北方高纬度地区固态降水的反映能力较差;卫星产品中IMERG精度最高,CMORPH则基本没有反演能力;CMA-MSEO模式产品虽然误差较大但与地面站观测的降水特别是固态降水存在较高相关,明显优于雷达和IMERG、GSMaP等卫星产品。采用BMA技术融合雷达、模式、卫星降水形成优化背景场,评估逐步引入不同的数据源对融合降水在冬季的精度影响,引入IMERG卫星和CMA-MESO模式产品均能提升高分辨率融合产品的质量,其中模式产品的改进效果最显著。      

不同天气背景下京津冀降水临近外推预报

基于2019—2020年京津冀地区不同天气系统影响下的降水过程,采用交叉相关法和光流法对快速更新多尺度分析和预报综合集成系统（Rapid-refresh Multi-Scale Analysis and Prediction System-Integration,RMAPS_IN）的降水分析产品进行0~2 h临近外推预报的批量试验。结果表明:由交叉相关法和光流法计算的两种外推矢量在大小和方向上存在一定差异,直接差异与影响降水的天气系统位置有明显的对应关系,而方向差异受地理位置的影响更明显,台风类降水呈弧形带状分布,低槽冷锋类、低涡类、气旋类、暖切变线类等几类降水均呈西北大东南小的特点;预报效果方面,总体上交叉相关法优于光流法,尤其是预报时效超过30 min以后,各种降水类型的批量检验结果显示交叉相关法的预报评分优于光流法,且预报时效越长、优势越明显,但预报时效为10 min时,光流法在低涡类、台风类、暖切变线类的空报率上优于交叉相关法。此外,基于外推的临近预报方法对京津冀地区台风类降水的预报效果最好,其次为暖切变线类、低涡类、低槽冷锋类、气旋类。     

大气垂直运动对雷达估测降水的影响

运用雷达反射率因子（Z）与降水强度（R）之间的关系定量估测降水,降水云体中的大气垂直运动（w_a）不可忽视。PARSIVEL激光雨滴谱仪（简称PARSIVEL）在获取雨滴粒径分布的同时可以从测量的雨滴下降速度分布中提取w_a,用于分析PARSIVEL高度上的大气垂直运动对雷达Z估测降水强度影响。使用2014年5-6月华南季风降水观测试验期间广东阳江5次层状云、6次对流性降水过程中PARSIVEL数据分析大气垂直运动对定量估测降水影响,w_a对层状云和对流云降水强度影响范围分别为-0.18~1.05 mm·h-1和-5.44~24.81 mm·h-1,相对影响值分别为-13.61%~13.99%,-38.59%~25.92%。静止大气条件下,雷达估算降水Z-R关系式中系数A,b引起的层状云和对流云降水估测偏差平均分别为10.9%和25.5%。真实大气中雷达估测降水的偏差平均情况是层状云降水由于w_a的对消作用降低为9.2%,对流云降水则增加到51.2%。对流性降水中大气垂直运动对雷达估测降水的影响较大。