锦州地区逐日降水概率分布特征

利用锦州地区的逐日降水量观测资料对逐日降水量的概率分布进行了统计分析,采用最大似然估计法得到Gamma函数分布的形状参数α和尺度参数β,通过Gamma概率分布模拟观测站点逐日降水的概率分布。结果表明：锦州地区逐日降水频率整体趋势先上升后下降,基本呈对称式分布,降水概率有一定的振荡,个别日会出现远超相邻日期的降水频率,7月21日降水频率最高,在不计微量降水的情况下,最低逐日降水概率有多个日期为0。各季降水频率偏低是造成义县地区干旱的原因之一;北镇夏季平均降水频率最低,但其夏季平均降水量却为锦州地区最高,说明北镇可能易出现较大量级降水或易出现极端降水天气。清明期间降水频率在50%以上、高考期间降水频率在80%以上,符合大众日常对特殊日期降水情况的认知;逐日降水频率可以为公众气象服务提供新的思路。凌海、北镇更容易出现极端降水天气;锦州地区日降水出现小雨天气概率最高,暴雨以上降水概率较低,锦州地区各站极少出现大暴雨以上量级降水,对锦州降水量级预报,尤其是暴雨或大暴雨以上降水量级的预报起到一定的指示作用。     

青海省49站降水概率及日气象要素资料查询系统

本系统可用图形方式或文本方式查看青海省49个气象站日、候、旬、月不同时段不同量级的降水概率,亦可查询各气象站逐日各气象要素,使预报员能直观的了解各气象站的气候背景及不同区段降水概率,为预报员制作概率预报及对外开展气象服务提供参考依据。     

概率匹配订正法在湖北襄阳地区降水预报中的应用

数值预报产品在天气预报预警中有着重要的作用。2016—2020年汛期ECMWF模式预报降水与湖北襄阳区域站观测降水的对比分析表明：ECMWF对中雨及以上降雨的预报，第1、2天预报偏小，而第3天预报偏大；三个预报时段强降雨中心位置偏差无规律。为了更好地对ECMWF产品进行释用，提高汛期降水预报准确率，从概率匹配角度研究了不同降水量级订正值，并对2021年汛期ECMWF降水预报进行逐日检验。结果显示：概率匹配订正法可有效地改善模式预报性能，对中雨及以上降雨预报均有良好的订正效果，尤其对第1天暴雨预报改进最为明显。228站平均的TS评分提高了6个百分点，由11.1%增加到17.1%，漏报情况改良了13.5个百分点，由85.0%降为71.5%。采用该订正法开展定量降水预报，由于增加了当地降雨概率分布的背景信息，能表现出比原模式更高的参考价值。     

我国东部地区几个代表测站逐日降水序列统计分布特征

本文根据Markov链理论分析了逐日降水序列的干湿统计特征及其概率模型,对我国东部地区沈阳、北京、荆州、上海、广州等5个代表性测站分别建立逐日降水序列的干湿日游程、干湿周期(天气循环)的概率分布模式。文中计算了各站干湿日游程的平均长度和方差、干湿周期的平均长度和方差、干湿日演变的极限分布概率等统计参数,所得结果较好地反映了我国季风气候所特有的干湿特征。上述理论计算结果不但可为农业生产和水资源开发、利用部门提供气候依据,也为逐日天气预报提供必要的气候背景。     

江苏省持续性雨日分布模式的研究

本文以江苏省城内二十个站点、三十年的逐日降水资料为基础，揭示了省域年及各季两日数和两日平均雨量分布的时空特征，建立了省城内不同站点、不同季节的雨日概率分布模式。研究结果表明用波亚（polya）概率分布模式能够较好地拟合省域雨日的分布特征。有了这些模式人们可以较为科学地估算省域内各地、各季不同持续时段雨日出现的气候概率，合理地安排生产、建设和生活等计划．     

基于马尔科夫链转移概率极限分布的降水过程持续性研究

各地不同气候条件所具有的天气状态转移概率的极限分布实际上代表了各地天气气候的持续性和转折性特征,同时也表明了它的可预报期限。从马尔科夫链理论出发,初步研究了中国160个代表测站逐日天气状态演变过程的极限分布。结果表明,转移概率的极限分布不但其空间分布有明显差异,而且不同季节的极限分布也有明显差异。例如,有的地区仅有2 d持续期,有的可达4—6 d或更长,充分反映出不同地区因其影响的天气系统差异所造成的逐日天气气候的持续性和转折性特征的差异。其研究意义在于,由此可作为天气气候分型区划的一种理论依据。统计分析结果表明,就全中国平均而言,夏季持续期最短,持续期由北向南、由西向东呈增加趋势,且春季平均降水持续期为5.1 d,夏季平均为5.0 d,秋季平均为6.5d,冬季平均为6.2 d。可见夏半年比冬半年的降水持续期短,这可能是因为春夏季的天气系统比较复杂且中小尺度天气系统较多的缘故。这从另一侧面再次证明,各地逐日降水天气状态演变过程具有一定的天气气候状态自然转折的持续性即自然天气周期的气候状况,从而为短期天气预报提供了气候背景。     

极端降水天气预报指数对气候累积概率分布敏感性研究

针对中国气象局T213全球集合预报系统历史样本较短、极端降水天气预报指数数学模型中气候累积概率分布样本不足的问题,选取气候背景和地理地貌特征较为相似的长江中下游地区,利用扩展时间序列和空间范围的方法,增加T213全球集合预报系统的降水预报气候分布样本数,改进模式降水预报气候累积概率分布,利用2011年6月10—20日集合预报资料进行极端降水天气预报指数预报试验,分析气候累积概率分布敏感性。结果显示:扩展时间序列和空间范围增加模式T213集合预报气候样本数的方法,生成的模式气候累积概率分布较单一格点方法更具代表性,能提高极端降水天气预报指数的识别技巧,并提前8 d发出长江中下游地区极端强降水预报信号。     

降水概率预报业务应用系统的研究

降水是大气中不同尺度天气系统相互作用的结果,降水概率预报是利用现代科技和手段,对未来天气出现降水的可能性用百分率定量表达的一种天气预报方法。黑龙江省气象台于１９９６年开始了对哈尔滨市降水概率预报系统的研究工作。这里简要介绍该预报系统的研究情况。     

神经网络方法在广西日降水预报中的应用

以广西前汛期5、6月区域平均日降水量作为预报对象，采用人工神经网络方法进行新的数值预报产品释用预报研究。对T213预报因子进行自然正交分解，有效浓缩数值预报产品因子的预报信息，并结合日本降水预报模式因子建立广西3个不同区域的逐日降水神经网络释用预报模型。运用与实际业务预报相同的方法对2004年5、6月进行逐日的实际预报试验，并与T213的降水预报进行对比分析。结果表明，本文建立的3个区域日平均降水量神经网络预报模型，在预报性能上明显优于同期的T213降水预报。     

中央气象台森林火险气象等级中短期预报系统

应用T213数值预报产品日最高气温、最小相对湿度、最大风速、24小时降水预报(考虑日降雨量及其后连续无雨日数）,计算未来五天逐日森林火险天气综合指数。综合考虑森林火险天气综合指数、天气实况、卫星云图热点和未来五天中央气象台主观滚动降水预报并根据不同季节的植被状况等对森林火险天气综合指数进行订正，最终得出未来五天逐日森林火险气象等级预报。     

晴雨(雪) 和气温预报评分方法的初步研究

利用全国逐日天气预报产品和对应实况数据, 分析了目前普遍使用的晴雨(雪) 和气温预报评分方法存在的问题, 并进行了改进尝试和研究。结果表明:由于没有考虑降水概率的影响, 在降水概率全国差异较大的多数月份, 晴雨(雪) 预报正确率与单站无降水频率表现为正相关, 具有无降水频率越大评分越高的趋势; 采用绝对标准值(1 ℃或2 ℃) 作为阈值进行气温预报准确率评分, 评分结果与气温日际变化呈明显负相关, 气温日际变化偏小则评分值偏高的趋势比较明显。该文提出的晴雨(雪) 和气温预报改进评分方法能有效减少降水概率和气温日际变化对晴雨(雪) 和气温预报评分的影响, 提高不同气候背景地区天气预报评分结果的可比性, 在天气预报质量检验和评估业务中具有一定的应用和推广价值。     

杂交水稻制种最佳期的确定

针对杂交水稻制种对晴，雨天气敏感反应，根据建阳市降水资料，分析降水分布规律，采用历年６－９月逐日，各候连阴雨天气概率分布规律了连续１０天内遇阴雨天概率分布谷期，确定闽北地区杂交水稻制种的最佳期。     

基于集合预报的中国极端强降水预报方法研究

极端强降水天气属于小概率事件,其发生具有很多不确定的因素,预报难度很大。根据Anderson-Darling检验原理研究基于集合预报资料的极端强降水天气预报方法,利用2007—2010年中国T213集合预报资料和2001—2010年6—8月中国降水观测资料,分析观测与集合预报累积概率密度分布函数的特征,建立基于集合预报与模式历史预报累积概率密度分布函数连续差异的数学模型——极端降水天气预报指数(EPFI),并对2011年7月中国极端强降水天气进行预报试验。结果表明,极端降水天气预报指数可以充分利用集合降水累积概率密度分布的尾端信息,为极端强降水提供科学合理的预报,基于中国气象局(CMA) T213集合预报的极端降水天气预报指数可提前3—7 d发出极端强降水预警信号,随着预报时效的延长,预报技巧逐渐降低。研究还表明,模式气候累积概率分布的合理性将直接影响极端强降水天气识别能力。     

广东省24～144小时降水概率回归预报

本文利用欧洲中心10年（1980-1989年）物理量资料，建立了广东省86站1-12月的晴、雨及有无大于25mm降水完全概率回归预报方程，并利用T106逐日要素场预报资料，作24-144小时逐日滚动降水概率回归预报，并逐日上网做指导预报，供广东省各台站调用。     

基于模式先验信息的贝叶斯集合降水概率预报试验

为了更好地利用降水预报历史先验概率分布函数信息修订集合概率预报效果,基于贝叶斯原理和贝叶斯降水概率预报模型,分别使用1952—2007年历史观测资料和2009—2011年6月24~120 h中国T213全球集合预报历史资料作为先验信息,对中国不同气候区代表站（广州、南京、武汉和成都）建立贝叶斯降水概率预报模型,对比不同先验信息下集合成员与集成贝叶斯降水概率预报拟合结果差异,分析先验信息对贝叶斯降水概率预报模型的影响,在此基础上,采用模式先验信息的贝叶斯降水概率预报模型,进行2008年6月降水概率预报试验。试验结果表明,由T213集合预报产生的先验信息较历史观测资料产生的先验信息更优,当先验信息的降水概率分布函数曲率最大处偏向降水大值区时,贝叶斯模型的降水预报结果也偏向降水大值区,反之亦然。结果还显示,先验信息对贝叶斯降水概率预报模型有重要影响,若先验信息偏向更多更大降水量时,贝叶斯降水概率预报对有降水的预报更优,若降水先验信息偏向更少更小降水量时,对无雨或微量降水预报效果越好。     

1960-2005年长江流域降水极值概率分布特征

 摘 要：根据1960-2005年长江流域147个气象站逐日降水观测资料和ECHAM5/ MPI-OM气候模式20世纪试验期（1941-2000年）79个格点逐日降水模拟资料，建立年最大强降水AM（annual maximum）序列及汛期日降水量＜1.27 mm的最长干旱持续天数MI（Munger index）序列，分析了长江流域降水极值序列的时空分布特征和概率分布模式。结果表明：1) 长江流域强降水事件的强度和概率最大的地区位于岷沱江流域中游、洞庭湖湖区、长江中下游干流区与鄱阳湖东南部支流等地区，干旱事件强度和概率最大的地区位于金沙江流域中下游与嘉陵江流域；2) 气候模式模拟的长江流域AM事件的多年平均值普遍高于观测值，但离差系数普遍低于观测值; 3) 气候模式模拟结果与观测的降水极值空间分布有一定的差异，但对气候模式和实际观测的降水极值概率分布的拟合，均证明Wakeby分布函数能够较好地拟合降水极值的概率分布。     

杂交水稻制种最佳期的确定

针对杂交水稻制种对晴、雨天气敏感反应，根据建阳市（１９６１－１９９６年）降水资料，分析降水分布规律，采用历年６－９月逐日、各候连阴雨天气概率分布规律和连续１０天内遇阴雨天概率分布谷期，确定闽北地区杂交水稻制种的最佳期。     

基于贝叶斯理论的集合降水概率预报方法研究

将贝叶斯理论应用到集合降水概率预报方法研究中.采用集合预报资料和历史观测资料,通过建立贝叶斯产品处理技术(Bayesian Processor of output,BPO)降水概率预报模型,将一组集合成员降水确定预报值修订为一组贝叶斯降水概率分布或概率密度的预报,并获得表征每个集合成员预报能力有效信息评分(Informativeness Score,IS).基于IS值对集合成员概率预报信息融合,得到集成贝叶斯降水概率预报,并采用连续等级概率评分(Continuous Ranked Probablity Score,CRPS)方法检验试验结果.结果表明,基于BPO方法得到的集成贝叶斯降水概率预报可靠性高于由集合预报得到的直接概率预报.     

客观和主观降水概率预报:一些相互关系的统计分析

本文提出有关客观和主观降水概率预报之间相互关系的两个具体问题:主观预报是否包括客观预报未包括的信息?主观预报是否充分利用了客观预报?关于第一个问题,11年以上的资料分析说明,主观降水概率预报包括的信息超过客观降水概率预报所包括的信息。本研究中研究了包括地理区、预报时效和季节的所有组合。对于较长的预报时效来说,这一结论似乎与早期研究结果矛盾。在早期研究中,这两种降水概率预报是用集合技能评分作比较的。关于第二个问题,统计结果说明主观预报一般不能充分利用客观预报的信息。然而,从统计意义来说,后者的结果不象与第一个问题有关的结果强;此外该结果说明主要是在气候概率(即0.10—0.40)附近能较充分利用客观预报。这一结果说明,在做降水概率预报时结合客观和主观预报用更多信息量也许是可能的。     

神威中期集合数值预报产品的业务应用

目前神威中期集合数值预报产品包括 500 hPa 集合平均预报图、850 hPa 温度距平概率分布图、不同降水级别的降水概率分布图。 其中 500 hPa 集合平均预报场对欧亚大型环流形势演变趋势、春季风沙天气、降水天气过程以及夏季副热带高压变化趋势等的预报中得到应用, 850 hPa 温度距平概率分布图对未来气温变化趋势以及冷空气过程的预报有很好的使用价值, 而降水概率分布图可供预报员在做降水预报时参考。