基于降水目标的主雨带识别及预报误差空间检验

利用2014—2018年4—6月福建省及周边地区实测降水量和ECMWF模式降水量预报产品资料,采用目标识别方法,设定降水量阈值α,选取合适的特征尺度D₀和邻近度阈值β,分别识别实况降水场的主雨带和预报降水场的所有雨带,并选取匹配度阈值进行目标配对,确定与实况降水场主雨带最匹配的预报降水场主雨带。改进SAL空间检验方法,将模式主雨带预报误差用主雨带的强度（指降水极值和降水量阈值）、位置（指重心点位置）、形态（指主轴、次轴特征长度和轴向角度）属性的预报误差来表示。结果表明：预报主雨带的降水极值比实况小,但降水量阈值比实况大;预报主雨带的重心点位置与实况相比,4月偏西、偏南,5月、6月偏西、偏北,预报主雨带的重心位置多是滞后于实况,位于实况主雨带的上游;主雨带大都呈窄长带状分布,预报主雨带比实况更窄长,且预报时效越长越窄长。预报主雨带轴向角度比实况略小,总体均呈东偏北走向。以上分析结果可为模式主雨带预报误差的订正提供依据。     

一种定量降水预报误差检验技术及其应用

面向对象检验技术是定量降水预报误差分析方法之一,通过对某一降水过程进行分离,实现对其落区、量级等预报误差的定量化分析。基于面向对象的检验方法和天气系统识别技术,本文利用实况观测资料、ECMWF全球数值模式产品,以2012年汛期西南地区5个典型强降水天气过程作为检验对象,对其降水及天气尺度影响系统1～10 d模式预报误差进行了定量化分析。分析表明:在中短期时效内,模式均对西南地区雨带位置预报偏北、偏西,中期时效内偏差更显著,雨带主轴上70%以上的点预报较实况偏北在2°以内,偏西约3°以内;预报的大雨及以上量级降水量较实况偏弱;模式1～2 d预报的极值分布与实况较为接近,随着预报时效延长,预报的极值较实况明显偏小;模式预报的小雨及以下量级的降水范围较实况偏大,对大雨以上量级的降水范围较实况明显偏小。对于四川盆地而言,预报的切变线较零场偏西0.5°～3°。低空急流预报偏西0.5°～1.5°;低空急流强度预报偏差具有季节差异。     

T639、ECMWF细网格模式对2012年5～8月四川盆地降水预报的天气学检验

为了对比T639和ECMWF模式预报产品性能的优劣,提高预报员使用其产品的能力,针对2012年5~8月四川盆地降水天气过程,根据不同的影响天气系统,分别对T639和ECMWF细网格模式96h降水预报进行检验对比。结果表明:(1) EC模式对不同系统降水的预报效果都优于T639,预报指示意义大,且两家模式对高原涡和西南涡降水预报效果均优于模式对其它系统降水预报。(2) T639模式对主雨带强度和降水中心强度预报易偏弱,主雨带范围预报易偏小,漏报可能性大;EC模式对主雨带强度、降水中心强度预报也易偏弱,但主雨带范围预报易偏大。(3) T639和EC模式在预报主雨带落区、降水中心位置和实况不一致时,预报易偏西、偏南,雨带的移速偏慢。      

自贡七月暴雨天气特征分析

应用地面气象观测、雷达、风云二号卫星等资料,对自贡7月的三次暴雨天气进行分析。结果表明：高空低值系统、地面冷空气和副高阻挡,使得三次暴雨天气小时雨量大,范围也较大。“7.15”暴雨过程实况较模式预报低涡位置偏南,副高东退较慢;“7.2”暴雨过程实况地面辐合线均偏东,预报降雨落区与实况略有误差。数值模式预报对雨带把握较好,但对降水强度均较实况偏弱、偏北。NCEP、SWC数值模式和四川省气象台指导预报的降水强度和落区与实况更为接近。     

基于多模式2015年江西省汛期区域性暴雨的检验

利用24 h降水实况资料和高空实况形势场资料、ECMWF模式形势场预报资料及ECMWF、JMA、T639模式降水预报资料,对2015年江西省汛期(4月上旬至7月上旬)区域性暴雨的时空分布特征进行分析,并对2015年江西省汛期区域性暴雨的影响系统和降水预报结果进行了短期主观检验,对比分析了ECMWF、JMA和T639等3种数值模式对江西省区域性暴雨系统预报的效果。结果表明:ECMWF模式对江西省汛期暴雨天气系统的调整和演变具有一定的预报能力,如对副热带高压和西南急流的预报;但随着预报时效增加,预报误差增大。ECMWF模式预报的48 h和72 h副热带高压强度较实况明显偏弱,预报的副热带高压西脊点位置偏东,随着季节转变预报的副热带高压强度明显偏弱,其中24 h预报的准确率较高。ECMWF模式对高空槽的预报基本准确;ECMWF模式对切变线移动的总体预报效果较好,72 h预报的切变线移动偏慢;ECMWF模式对700 hPa西南急流强度的预报易偏弱,对850 hPa和925 hPa西南急流的预报易偏强;ECMWF模式预报的急流轴位置多数偏北;ECMWF模式对低层比湿的预报较实况偏强。随着预报时效临近,ECMWF、JMA和T639等3种数值模式对江西省汛期区域性暴雨的预报具有较强的调整能力;JMA模式预报的暴雨与实况最接近,表现出对雨带分布具有较强的预报性能,但对降水量级预报偏弱;ECMWF模式对降水强度的预报性能较好,预报的降水分布总体偏北;T639模式预报的主雨带范围较实况偏大,3个模式均存在对暴雨以上量级降水漏报的问题。     

基于多模式2015年江西省汛期区域性暴雨的检验

利用24 h降水实况资料和高空实况形势场资料、ECMWF模式形势场预报资料及ECMWF、JMA、T639模式降水预报资料,对2015年江西省汛期(4月上旬至7月上旬)区域性暴雨的时空分布特征进行分析,并对2015年江西省汛期区域性暴雨的影响系统和降水预报结果进行了短期主观检验,对比分析了ECMWF、JMA和T639等3种数值模式对江西省区域性暴雨系统预报的效果。结果表明:ECMWF模式对江西省汛期暴雨天气系统的调整和演变具有一定的预报能力,如对副热带高压和西南急流的预报;但随着预报时效增加,预报误差增大。ECMWF模式预报的48 h和72 h副热带高压强度较实况明显偏弱,预报的副热带高压西脊点位置偏东,随着季节转变预报的副热带高压强度明显偏弱,其中24 h预报的准确率较高。ECMWF模式对高空槽的预报基本准确;ECMWF模式对切变线移动的总体预报效果较好,72 h预报的切变线移动偏慢;ECMWF模式对700 hPa西南急流强度的预报易偏弱,对850 hPa和925 hPa西南急流的预报易偏强;ECMWF模式预报的急流轴位置多数偏北;ECMWF模式对低层比湿的预报较实况偏强。随着预报时效临近,ECMWF、JMA和T639等3种数值模式对江西省汛期区域性暴雨的预报具有较强的调整能力;JMA模式预报的暴雨与实况最接近,表现出对雨带分布具有较强的预报性能,但对降水量级预报偏弱;ECMWF模式对降水强度的预报性能较好,预报的降水分布总体偏北;T639模式预报的主雨带范围较实况偏大,3个模式均存在对暴雨以上量级降水漏报的问题。     

陕西省中尺度模式降水预报效果检验

对2006年汛期AREMS、GRAPES、WRF模式的降水预报结果作每日定量检验和2006年汛期的主要大降水过程作定性检验。结果表明：WRF模式48h的预报效果要明显好于24h;各模式的小雨预报效果基本接近;AREMS和GRAPES对中雨以上量级预报时效主要在24h之内;AREMS在24h之内对中雨、大雨的预报效果好于GRAPES、WRF模式。定性检验显示,WRF对强降水的量级和降水中心落区有较好的参考意义;AREMS模式对系统性降水的雨带走向预报较好,雨带比实况略偏北,量级比实况偏小;GRAPES模式对强降水雨带走向预报与AREMS模式类似,但对各量级的降水预报范围偏大。     

广东省后汛期强对流天气潜势预报方法研究

利用2007—2008年两年7—10月广东后汛期强对流天气出现时的雷达资料、对应的GRAPES模式资料以及地市台站上报的强对流天气发生的实况,把瞬时大风〉17.2 m·s^-1、冰雹、龙卷作为强对流发生的依据,对上述数据进行整理。根据广州热带海洋研究所中尺度模式的输出GRAPES资料,结合雷达CAPPI数据,计算单体的各层风速、温度、湿度、有效位能等环境特征量,将单体特征和模式计算的单体环境场要素以及强对流发生实况,通过多元逐步回归方法建立后汛期强对流天气潜势预报方程,据此对发生于广东省后汛期强对流天气（如雷雨大风、冰雹和龙卷风）进行0～1小时临近预报。用预报成功率（POD）、虚假警报率（FAR）和关键成功指数（CSI）衡量方法的预报性能。共有5540个有效样本参与回归计算,31个因子中有12个引入了回归方程,建立的预报方程在阈值取为0.26时,得到的预报成功率POD为0.73,虚假警报率FAR为0.61,关键成功指数CSI为0.338,各项指标均要好于前汛期预报性能;从实际的预报能力来看,在后汛期强对流潜势预报中,后汛期强对流潜势预报方法得到的空报率和漏报率都要低于前汛期,预报效果较好,可用于广东后汛期的强对流天气潜势预报中。     

基于EC细网格产品在乌鲁木齐机场低能见度预测中的释用

利用2015—2018年乌鲁木齐机场航空例行天气报告(METAR报)、ECMWF(European Centre for Medium-Range Weather Forecasting)细网格数值预报产品对影响能见度的主要因子进行分析,提取与低能见度相关性高的物理量作为预报因子,采用SVM方法,分别基于Poly、RBF核函数建立乌鲁木齐机场未来21 h能见度预报模型。结果表明:(1)基于预报因子区间分类的SVM模型物理意义明确,试验结果较好;以RBF为函数建立的SVM模型(SVM-RBF)预报能力更好,其训练样本预测的TS评分0.84,准确率89.20%。(2)SVM-RBF模型的检验样本中,预报准确样本的预报误差整体偏小;在漏报样本中则有能见度越低、预报误差越大的特点,模型的振荡性明显。(3)结合NCEP/NCAR再分析资料研究SVM-RBF模型对天气过程的预报表现,发现模型对于特定天气形势下引发的低能见度天气,预报误差较小且预报提前量较大。     

基于卷积门控循环单元神经网络的临近预报方法研究

基于天气雷达资料的外推预报是灾害天气0~2 h临近预报基础,本文以业务应用为目标,应用广东省2015-2018年11部新一代多普勒雷达反射率拼图资料,研究了基于卷积门控循环单元神经网络ConvGRU的临近预报方法,采用多损失函数加权与分级加权的策略,基于ConvGRU框架建立三层自编码模型(Encoder-Decoder)的雷达回波临近预测模型,进行未来2 h逐6 min、连续20帧雷达回波图的预测,并与业务上已经应用的交叉相关法、光流法和粒子滤波法的临近预报结果对比,进行典型个例分析和长时间检验。结果表明,基于ConvGRU方法对强对流天气具有较好的预报效果,对雷达回波位置、强度和形状与实况更接近,表明深度学习方法通过对时间序列数据的学习,能较好地把握强回波区域的特征,在一定程度上能够相对比较准确地预报较强回波范围,但该方法预报雷达回波图像存在损失空间细节信息的局限,且对层状云降水的预报效果较差;ConvGRU方法的临界成功指数(CSI)和命中率(POD)评分高于传统的交叉相关法、光流法和粒子滤波法,且虚警率(FAR)评分为最小,在业务中具有广泛的应用前景。