基于随机森林模型的小时强降水订正分析

基于2020年7—8月西南区域高分辨率模式输出的物理量因子,以及四川省区域自动气象站逐小时降水资料,在分区基础上,采用随机森林模型进行小时降水订正,检验该方法在本地的可用性。结果表明：（1）建模前,对全省进行分区有利于改进大量级小时强降水预报。（2）随机森林模型得到的小时强降水分布整体趋势与原模式一致,对模式未预报出的小时强降水也有一定反应,且实况未出现小时强降水的区域订正后量级有所减小,但仍存在大量级降水分布不均以及空报较多的情况。     

一种Bayes降水概率预报的最优子集算法

MOS预报最优子集模型,通过消除数值模式系统性误差,可最大程度地提高其预报技巧。为了建立Na?ve Bayes降水最优模型,利用2008—2011年T511数值预报产品和单站观测资料,对介休、运城、丰宁3个站Na?ve Bayes降水概率分级预报模型进行研究。通过设计恰当的适应度函数,提出了一种用遗传算法搜寻Na?ve Bayes模型最优子集的计算方案,得到了3个站的最优子集模型。结果表明:最优子集的拟合效果明显高于普通初始子集,能够显著提升数值模式在单站的预报技巧。最优子集模型主要通过降低数值模式空报率提高单站晴雨、小雨预报效果,通过小幅提高正确次数和降低空报次数改善对中雨预报效果。     

岳阳市ECMWF数值模式降水预报检验与释用

该文应用TS评分、预报偏差（BIAS）等方法,对ECMWF模式预报的2015年12月—2018年12月岳阳市降水场资料,开展晴雨和分级降水检验。晴雨预报检验结果表明：ECMWF模式对岳阳市晴雨预报性能总体较稳定,年际变化幅度较小;晴雨预报准确率季节差异大,冬季最高,秋季次之,夏季最低;从逐月晴雨预报检验来看,12月份最高,8月最低;晴雨预报还存在明显的日变化规律,对夜间的预报能力明显优于白天;空间上总体呈北高南低的空间分布特征。分级降水预报检验结果表明：小雨量级降水预报评分明显高于其他量级降水,中雨次之,大雨及以上量级评分较低且无明显规律;小、中、大雨3个量级任一时效的空报率整体上比漏报率大,小雨量级表现得尤为明显,说明小雨量级的空报更为严重。针对小雨降水预报空报率高的现象,该文对岳阳市ECMWF模式预报降水量1.2 mm以下消空处理后进行了预报释用,结果表明：冬季订正空间较小,夏季各时效可适度订正;春季和秋季可视情况适度订正,订正后可以有效提升预报技巧,但增加了一定漏报风险。     

基于ECMWF模式的四川夏季强降水订正试验

利用2016—2018年6—8月四川地面观测降水资料(含加密自动站)及同时段ECMWF模式各要素预报场资料,根据基于"配料法"计算所得出的3 h间隔短时强降水概率预报,统计各格点各个转换概率阈值的次数,探索了一种针对模式24 h累计降水预报的强降水订正方法,并运用该方法对2018年6—8月降水集中时段24—72 h时效ECMWF模式降水预报进行逐日试验检验。试验结果表明:(1)从大雨、暴雨降水量级综合检验指标来看,各时效订正后命中率、漏报率、TS评分均有明显改善,且随着预报时效的延长,各指标数值提高的幅度愈大。空报率虽然0—24 h、24—48 h时效预报有所增加,但空报率增加幅度远小于漏报率减小幅度;(2)从个例检验结果来看,订正后的模式预报相比订正前的预报而言,降水量级明显增加,50 mm以上降水落区预报效果有较大程度提升,尤其是0—24 h时效预报,订正后降水落区分布与实况基本一致。     

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。     

中国东南地区降水的两种集合预报综合偏差订正对比分析

利用2015年6月1日—7月31日三个全球数值预报业务中心(CMA、ECMWF和NCEP)的24 h降水集合预报资料和我国东南地区降水观测资料,采用贝叶斯模型平均方法(A方案)和基于A方案的统计降尺度模型二次订正方法(B方案)对上述三个中心和多模式超级集合降水预报进行订正,并对比两种方案的订正效果;然后,选取2015年8月1—31日降水预报进行独立样本检验,分析订正前后的降水预报效果。结果表明:以第50百分位的降水预报为例,经A方案订正后各中心和多模式的集合平均消除了大量的小雨空报,其对小雨、中雨的订正效果很明显,对大雨以上的降水量级订正效果不明显。随着降水阈值增加,A方案的订正效果随之减弱。此方案对雨带走向的订正不明显,会使降水大值区量级降低甚至消失。采用B方案订正后,不仅可降低原始集合预报的空报率,还可对降水量级和落区进行订正,使降水预报的范围和量级与实况更接近,但对大量级降水,如50.0 mm以上的降水量级订正效果仍然不显著。     

三种数值预报模式降水产品在西藏高原检验分析

本文利用西藏7个主要城镇2009年6~9月24h观测降水对T639、日本和德国三种数值预报模式降水产品进行了检验分析。结果表明:三种数值预报模式中,德国模式对晴雨预报准确率最高、空报率低。小雨量级上三种模式预报能力较强,偏差较小。三种数值预报模式对中雨量级预报能力明显减弱,预报量级明显偏小,其中德国和日本模式基本没有预报能力。综合三种数值预报模式降水对西藏北部那曲、东部林芝和昌都具有一定的参考意义。     

最优TS评分方法在逐时降水订正中的初步应用及评估

使用2020年3—9月逐时更新的CMA广东短临3 km数值模式(CMA-GD(R3)模式)1~12 h逐小时降水量资料,利用最优TS评分订正方法(OTS)对逐小时降水量进行分级订正,并分别从整体和分类型降水过程预报订正效果进行了检验和对比评估。结果表明:从整体预报订正性能来看,通过OTS方法对CMA-GD(R3)模式订正后,对于≥1 mm/h及以上量级的降水,OTS均有较好的订正能力,并且随着雨强的增加,其TS评分的改善比率越大;同时,OTS可有效减少各个预报时效的漏报率和空报率,其中漏报率减小更加明显,表现出明显的湿偏差(空报偏多)。从三类暴雨过程逐时降水预报订正效果来看,通过OTS订正之后,对于≥1 mm/h的降水,OTS对三类暴雨类型均有正的订正能力。其中在0.1 mm、1 mm、10 mm、20 mm、35 mm、50 mm 6个量级上,季风型的逐时降水预报表现最好,6个量级的TS评分值分别为0.403、0.232、0.053、0.023、0.009和0.004;在5 mm量级上锋面型的逐时降水预报表现最优,其TS值为0.102。从改善效果来看,经过OTS订正后,在1 mm量级上台风型改善率最大,在5 mm和10 mm量级上锋面型改善率最大,在20 mm、35 mm和50 mm量级上季风型改善率最大。      

2020年广东省中期降水和气温预报检验评估

对2020年广东省中期时效的主客观降水和气温预报进行检验,结果表明:省级网格和融合法MIX的降水预报评分总体上优于客观模式ECMWF和NCEP;总体上省级网格的降水预报偏差较客观产品更趋近1,即空漏报相对持平;省级网格对大雨和暴雨以上量级降水的192 h预报从提高预报稳定性的角度出发,预报趋于保守,漏报明显多于空报。气温预报方面,省级网格对模式订正有正技巧,最高气温的订正能力强于最低气温,其中盛夏季节(6—9月)对模式最高气温的订正效果最好。     

T639模式降水预报产品在毕节市的检验和分析

分析毕节本站2013年6月1日至2014年7月10日逐日降水概况,利用毕节本站逐日降水资料对T639模式降水预报产品进行本地化检验,结果表明:T639模式降水预报产品在毕节各检验时段内的晴雨预报准确率较不高,在45-50%之间;但随着预报时效延长,其准确率仍能稳定维持。通过对T639模式降水预报空报率和漏报率的统计分析,发现在毕节T639模式降水预报出现的错误以空报为主;并通过定量分析,得出当T639模式降水在毕节预报小雨量级的降水时,出现空报的概率最高。     

华北夏季降水异常的客观分区及时间变化特征

应用1981—2007年华北地区703个站逐日加密站降水资料,运用旋转经验正交函数分解方法,对华北地区夏季降水进行了客观分区研究,并在此基础上应用Mann-Kendall和统计t检验方法分析了华北夏季降水不同区域的时间变化特征。结果表明:华北地区夏季降水区域性较强,华北地区夏季降水可分为7个典型天气区,7个典型天气区集中降水的起止时间不同,各分区的降水季节有别于自然季节,其中华北中部汛期开始迟,南、北部汛期开始早;华北东南部汛期结束最早,京津、河北东北部结束最晚。所分区域和所确定的各区域降水集中时间可应用到建立客观降水预报区域模型中,改善实际业务中客观降水的预报效果。     

2004年主汛期各数值预报模式定量降水预报评估

随着数值预报技术的飞速发展, 模式定量降水预报已成为天气预报业务工作中的主要参考依据。本文对目前在国家气象中心应用的3个业务运行模式T213L31, HLAFS0.25, 华北中尺度模式MM5和德国模式及日本模式的降水预报产品进行了季节空间分布、区域时间序列演变及统计检验, 试图从空间、时间及统计方面对降水预报产品的预报性能进行综合评估。检验结果表明:目前的数值预报模式对短期时效内定量降水预报均具有一定的空间预报能力, 但强降水中心位置有一定的偏差; 从时间序列演变检验来看, 模式对区域强降水过程的发展趋势具有较强的预报能力, 但降水量预报与实况有一定的差距; 从累加统计评分检验结果来看, 模式短期时效的预报性能差别不大, 全球模式在小中雨预报方面有一定优势, 其中日本模式的综合预报性能最好, 大雨以上量级的预报则是国内的模式有一定的优势, 其中华北中尺度MM5模式, T213L31模式各有所长, 但均存在预报量和预报区偏大问题。     

SRES A2情景下未来30年我国东部夏季降水变化趋势

采用与全球海气耦合模式 (NCC/IAPT63) 嵌套的区域气候模式 (RegCM2_NCC), 对东亚区域进行了30年的气候积分 (1961—1990年), 作为控制试验的气候背景场, 在此基础上, 在IPCC第三次评估报告SRES排放情景A2下对我国未来30年 (2001—2030年) 的气候变化趋势进行了预估, 重点分析了我国东部季风区夏季降水的变化趋势及区域特征。结果显示:未来30年夏季平均降水量在北部地区呈现增加的趋势, 以降水量距平代表的夏季主要雨带转到长江以北地区, 且北方地区降水量增加主要以对流性降水量增加为主, 长江以南地区降水量有所减少, 特别是华南地区降水量减少较为明显, 据此预测结果, 未来30年华北地区夏季干旱可能有所缓解。未来30年夏季低层空气湿度也将发生明显变化, 主要表现为中高纬度地区湿度增大, 较低纬度地区湿度减小, 东亚夏季风有所增强, 特别是西南气流明显加强, 有利于暖湿空气向北方地区输送。由于预估结果的可信度取决于全球模式和区域模式的模拟性能以及温室气体排放浓度的准确性, 因此还需要更多的试验及进一步的综合比较, 以减少未来气候变化趋势预估的不确定性。     

我国旬降水年变化特征的区域分布

利用全国多年平均旬降水资料，通过旋转EOF分解，将全国各地旬降水的年变化特征划分为6大类别，在地理分布上归属为8个区域，各区域的降水除了夏季多，冬季少的共同特征外，还有其地域性特点。各区域特征时段降水量间的显著统计相关有一定的中期天气预报意义。各区域特征时段降水量和年降水量近44a来有不同的趋势变化，部分区域可用特征时段的降水变化特征表示年降水的变化特征。     

Changes in Typhoon Regional Heavy Precipitation Events over China from 1960 to 2018

In earlier studies,objective techniques have been used to determine the contribution of tropical cyclones to precipitation(TCP)in a region,where the Tropical cyclone Precipitation Event(TPE)and the Regional Heavy Precipitation Events(RHPEs)are defined and investigated.In this study,TPE and RHPEs are combined to determine the Typhoon Regional Heavy Precipitation Events(TRHPEs),which is employed to evaluate the contribution of tropical cyclones to regional extreme precipitation events.Based on the Objective Identification Technique for Regional Extreme Events(OITREE)and the Objective Synoptic Analysis Technique(OSAT)to define TPE,temporal and spatial overlap indices are developed to identify the combined events as TRHPE.With daily precipitation data and TC best-track data over the western North Pacific from 1960 to 2018,86 TRHPEs have been identified.TRHPEs contribute as much as 20%of the RHPEs,but100%of events with extreme individual precipitation intensities.The major TRHPEs continued for approximately a week after tropical cyclone landfall,indicating a role of post landfall precipitation.The frequency and extreme intensity of TRHPEs display increasing trends,consistent with an observed positive trend in the mean intensity of TPEs as measured by the number of daily station precipitation observations exceeding 100 mm and 250 mm.More frequent landfalling Southeast and South China TCs induced more serious impacts in coastal areas in the Southeast and the South during 1990-2018 than1960-89.The roles of cyclone translation speed and"shifts"in cyclone tracks are examined as possible explanations for the temporal trends.     

中国数值天气预报的自主创新发展

数值天气预报是天气预报业务和防灾、减灾的核心科技。中国数值天气预报研究和业务应用一直受到高度重视,在理论、方法和数值模式研究方面取得了有广泛国际影响的研究成果。在回顾新中国数值天气预报自主创新研究成果的基础上,重点对GRAPES（Global Regional Assimilation and PrEdiction System）半隐式半拉格朗日格点模式与物理过程的研发和业务应用的状况以及所取得的重要科学进展进行了综述。近年来,通过自主研发建立了中国数值天气预报业务体系—GRAPES体系。首次以自主技术实现了从区域3—10 km到全球25—50 km分辨率的确定性预报和集合预报系统,并在模式动力框架、四维变分同化和卫星资料同化技术等方面有所突破,建立了大气化学数值天气预报、台风数值预报和海浪预报等系统。自主研发的数值天气预报体系的建立是长期坚持既定科学技术方向以及研究和业务紧密结合、经验不断积累的结果,是中国自主发展数值天气预报技术的重要起点。      

基于ECMWF产品的站点气温预报集成学习误差订正

提出一种基于数值模式预报产品的气温预报集成学习误差订正方法,通过人工神经网络、长短期记忆网络和线性回归模型组合出新的集成学习模型（ALS模型）,采用2013—2017年的欧洲中期天气预报中心数值天气预报模式2 m气温预报产品和中国部分气象站点数据,利用气象站点气温、风速、气压、相对湿度4个观测要素,挖掘观测数据的时序特征并结合模式2 m气温预报结果训练机器学习模型,对2018年模式2 m气温6~168 h格点预报产品插值到站点后的预报结果进行偏差订正。结果表明:ALS模型可将站点气温预报整体均方根误差由3.11℃降至2.50℃,降幅达0.61℃（19.6%）,而传统的线性回归模型降幅为0.23℃（8.4%）。ALS模型对站点气温预报误差较大的区域和气温峰值预报的订正效果尤为显著,因此,集成学习方法在数值模式预报结果订正中具有较大的应用潜力。     

天气学检验在东北区域数值模式秋冬季降水预报中的应用

根据影响天气系统不同,利用2007年9月－2008年2月东北区域中尺度数值模式12h累积降水预报和东北地区常规站降水实况资料,采用天气学检验方法,从降水中心强度、中心位置、降水主体强度、落区、范围和移速6个方面对东北区域中尺度模式降水预报产品的预报性能进行检验。结果表明：模式对东北地区秋、冬季降水有很好的预报能力,但因天气系统和预报时效不同其预报能力也有较大差异,其中对高空槽预报效果最好;一般情况下,在预报出现偏差时中心和主体强度易偏强,雨带范围易偏大,移速易偏慢。     

区域业务模式6 h降水预报检验方案比较

对我国华东、华南、华北区域气象中心和中国气象局数值预报中心业务运行的区域模式2011年5—9月的6 h降水预报, 采用不同检验结果平均方案进行对比检验。对比结果表明:不同的检验结果平均方案基本不影响与中国气象局数值预报中心模式 (NMC-GRA) 在相同区域关于TS评分比较的相对检验结论,即当两个模式评分差距较大时,评分高的模式在两个方案中是一样的,但评分比较接近时,若有一个模式对该区大尺度降水预报较好时,则可能在新方案中有较高的TS评分,而此模式原方案评分则可能略低于局地小尺度降水预报较好的模式。但对于较少发生的强降水预报的预报偏差的评价有很大不同,当新方案的结果显示多数模式对强降水的预报偏少,原方案则可能显示偏多,说明模式对大尺度的强降水预报较实况偏少,但对小尺度局地降水的预报则可能偏多。     

南大4 km预报系统对新疆夏季降水预报的评估北大核心

南大4 km预报系统(WRF_NJU)是南京大学自2013年起每年夏季每日两次对中国地区进行的4 km分辨率的48 h实时预报。将该系统、欧洲中期天气预报中心(EC)、中国气象局(CMA)和日本气象厅(JMA)在2016—2018年夏季6—8月对新疆北疆和南疆地区降水的预报与自动站观测资料进行对比分析。结果表明:Gilbert技巧评分(GSS)一般EC最高,WRF_NJU次之,JMA最低。空间上,EC在南、北疆的预报都最接近观测,WRF_NJU预报降水平均偏低,CMA和JMA明显偏高。WRF_NJU预报降水的日变化趋势与观测一致,峰值时段基本相同,稍有1~2 h偏差。量级上总体偏高,在峰值时段尤为明显。降水过程发展方面,WRF_NJU对大多数降水过程模拟效果较好。通过个例分析,发现高空急流和低层水汽输送的预报效果直接影响着降水的预报效果。