基于统计的台风影响下珠海站风速预报方法

利用2006—2016年中国气象局(CMA)台风最佳路径数据集和珠海站的逐小时风速资料,通过线性回归方法,建立了一种基于台风中心位置、强度对珠海站风速预报的方法。结果表明:(1)珠海站周围400 km范围内年平均有4.6个台风活动,且主要集中在西南象限和东南象限;(2)台风位于西南象限时其中心风速与珠海站风速的线性关系最好,珠海站风速也最大;(3)利用2017年台风数据和珠海站实际风速数据对预报方程进行检验,其预报效果较好。     

T639台风预报误差与环境场变量的相关分析和回归分析

利用国家气象中心全球谱模式T639L60(简称T639)数值预报结果和上海台风研究所整编的台风最佳路径数据,基于2009—2010年的样本,分析了西北太平洋和南海台风的环境场预报变量与路径预报误差的相关性,利用线性回归分析,建立了T639台风中心预报误差与环境风整层垂直切变、400 hPa台风环流强度的24~120 h各预报时效线性预估模型(建模样本数分别为299、232、170、117和84个),并利用2011年的样本对模型进行了检验(检验样本数分别为182、146、117、85和61个)。初步结果表明,环境风垂直切变与路径误差呈正相关,台风各层环流强度与路径误差大致呈负相关,其中400 hPa上的负相关性最明显;由环境风垂直切变与400 hPa台风环流强度建立的线性预估模型能对路径预报误差作出定性估计,其中24h预报时效的预估模型有较好的预估效果。     

2017年西北太平洋台风活动特征和预报难点分析

利用历史台风最佳路径、中央气象台台风路径强度实时预报,以及ECMWF数值预报和NCEP海温实况等资料,对2017年西北太平洋台风活动的主要特征和预报难点进行了分析,结果表明：2017年台风生成具有源地偏西、南海台风偏多和台风群发特征明显等特征;台风活动具有年度活跃程度低、台风极值强度偏弱和超强台风异常偏少等特征;台风登陆具有登陆台风个数多、登陆地点偏南、登陆强度偏弱等特征。对2017年度的预报误差进行分析,结果显示：24、48、72、96和120 h台风路径预报误差分别为74、137、233、318、428 km,各时效误差均较2016年有所增加;但与日本、美国相比,除120 h外,中国路径预报水平依然处于领先地位。 24、48、72、96和120 h台风强度误差分别为3.6、5.4、6.6、7.4和6.8 m·s-1,较2016年有所减小,24 h误差为历史最低值。强度预报水平居于日本、美国之间。另外,2017年最主要的预报难点是双台风或多台风之间复杂的相互作用和近海快速加强台风的强度预报。     

GRAPES_TYM模式对TC路径及环境引导气流预报检验分析

对2012—2013年GRAPES_TYM模式热带气旋路径预报结果进行检验,结果表明:模式对所有类型路径预报在24h、48h和72h预报时效的平均距离误差分别为94.3km,143.7km和260.8km,并且存在偏北的系统性偏差;对于南海TC,模式对TC移向预报较实况偏右,移速误差较小,移向偏差是路径偏差的主要原因;另外统计得到模式对TC移向的预报偏差与对其环境引导气流预报偏差有密切的关系,以1213号台风"启德"为例进一步通过移向误差诊断方程探讨了环境引导气流预报偏差(包括环境风场预报偏差、环境引导气流半径偏差及环境引导气流厚度偏差)对TC移向偏差的影响,而环境引导气流预报误差来源与模式对大尺度天气系统、TC大小及强度的预报偏差有关。     

GRAPES区域集合预报系统对登陆台风预报的检验评估

针对2015年7—9月登陆中国大陆沿海的台风,利用GRAPES-REPS区域集合预报资料和集合统计诊断分析方法,对登陆台风的移动路径、时间、地点、强度和降水等进行检验评估,以期为预报员应用GRAPES登陆台风概率预报提供依据。检验结果表明,(1)集合平均移动路径要优于控制预报,集合预报各成员登陆地点存在20~340 km差异,但实况登陆地点均能落在集合成员登陆地点中。(2)对24 h和48 h登陆地点误差而言,集合平均较控制预报更接近实况。(3)随着预报时间的趋近,集合平均、控制预报和集合成员登陆地点距离误差逐渐缩小,登陆地点空间位置预报也没有明显的系统性误差。(4)集合成员对台风登陆时间预报偏早,平均提前2.3 h。(5)在强度预报中,尽管最低气压和近中心最大风速存在登陆前偏弱而登陆后偏强的趋势,但登陆点预报值区间包含了实况观测值,表明GRAPES-REPS集合预报能够较好展示多种可能信息。(6)不同量级降水AROC评分为0.56~0.76,具有预报参考价值;另外AROC评分的高低及台风暴雨落区的准确性与台风登陆点和登陆时间误差密切相关。可见,GRAPES-REPS区域集合预报可以在台风登陆地点、时间、强度和降水预报等方面提供更多的预报不确定性信息,有助于做出正确的预报决策。      

台湾岛对登陆台风的影响特征

利用2000—2014年上海台风所最佳台风路径资料和中央气象台路径和强度综合预报资料,分析登陆台湾岛的台风在登陆前48 h和登陆后18 h期间的强度和路径变化特征。结果表明：共有35个台风登陆台湾岛,其中29个资料完整的自东向西登陆台湾岛的台风过程中有26个发生在7、8、9月,登陆频数为89.7%。台风在登陆前48～18 h内强度逐渐增强,以后基本保持不变,一直持续到登陆前6 h,之后开始减弱;从登陆前6 h到离开台湾岛后6 h的时间内,强度由41.0 m·s-1减小到29.6 m·s-1,共减小了27.8%。台风经过台湾岛前48～36 h预报移向比实况偏北,30～0 h预报路径偏南。另外,登陆前24 h和登陆后6 h台风强度变化线性回归关系式在2015年登陆台湾岛的台风个例中得以验证,可以在业务预报中参考使用。     

2017年西北太平洋和南海热带气旋预报精度评定

以中国气象局上海台风研究所整编的最佳路径数据集为依据,对2017年西北太平洋和南海海域热带气旋定位精度及路径、强度和登陆点预报精度进行了评定。评定结果表明：2017年定位总平均误差为26.7 km,比2016年略偏大。无论是主观预报还是客观预报方法,近两年在72 h以内的路径预报整体水平并没有超越2015年。2017年,中央气象台除了对台风纳沙在台湾宜兰的24 h登陆点预报较差外,其余台风的24 h登陆点预报误差基本在65 km以下。采用不同机构的最佳路径或实时定位定强数据作为参考会对精度评定的结果产生较大影响。     

2016年西北太平洋台风活动特征和预报难点分析

利用历史台风最佳路径资料、2016年台风最佳路径实况和中央气象台台风路径强度实时预报资料,以及ECMWF数值预报和集合预报产品,对2016年西北太平洋台风活动的主要特征和预报难点进行了分析,结果表明：1—6月的淡季空台风和盛夏秋季多台风现象均与2016年〖JP2〗赤道海温由厄尔尼诺向拉尼娜转换有关;长时效路径预报误差有时异常偏大,可能与集合预报产品的发散度很大有关,但是如果能够掌握数值天气预报对大尺度天气系统预报的系统性偏差,也可以做出精度更高的预报;24 h强度预报误差超过了5 m·s-1,这种现象在过去十多年的业务预报中并不多见,个别最大误差竟达20~26 m·s-1。〖JP〗强度预报的大误差与强度预报中没有定量产品可供参考有关,定性地分析台风强度变化规律对于提高强度预报作用很小,所以急需建立和发展定量和精细化的强度预报方法。     

GRAPES模式对2005年登陆强台风预报检验分析

针对2005年4个登陆强台风,在台风移动路径、登陆时间、地点、强度等方面,对GRAPES模式的预报能力进行检验评价, 并进行了误差原因分析。检验结果显示,GRAPES 模式台风中心位置预报24 h平均误差131 km,48 h平均误差252 km。模式预报台风登陆的时间、地点接近实况,预报比较准确;台风登陆时的强度预报偏弱。模式48 h预报准确性略低于24 h。误差原因分析表明,需要加强对非常规观测资料的同化应用,改进模式初始条件;提高模式分辨率,使得模式对中小尺度系统的预报模拟能力增强;改进模式地形的精细处理方法,提高模式对地形影响涡旋移动的模拟能力。     

夏季南海台风移动路径的一种客观预报方法

以1960—2003年共44a夏季的7月、8月、9月西行进入南海海域的台风样本为基础,综合考虑南海台风移动路径的气候持续因子和数值预报产品物理量因子,运用条件数方法选取因子并建立回归方程,进行台风路径预报模型的预报建模研究。通过对比分析发现,基于条件数方法的南海台风移动路径模型具有较好的预报效果,7月、8月、9月3个月24h台风路径预报的平均距离误差为153．9km,预报能力明显高于目前国内外的其他一些台风路径客观预报方法。该方法的预报精度相对于逐步回归方法有了很大的提高,相对于气候持续法也为正的预报技巧水平。     

GRAPES模式对湖北省汛期强降水预报的分类检验分析

使用常规观测资料及GFS资料(1°×1°),选取2005-2008年汛期22次湖北省强降水天气过程,按照其影响系统分为低槽型、台风型和副高外围型三类,对GRAPES模式(2.1版本)预报效果进行分类检验分析,结果表明:(1)就低槽型降水而言,0-24 h预报时效内,模式对晴雨、小雨、大雨的预报效果在三类降水中最好,24～48 h则中雨预报效果最好,0～24 h预报效果总体而言优于24～48 h.模式预报的主要降水区从雨型、雨区范围和雨强的分布特征均与实况较为一致,预报的主要偏差在于强中心位置偏离和强度偏弱.(2)就台风型降水而言,0～24 h预报时效内,模式对中雨和暴雨的预报效果在三类降水中最好,24～48 h,则晴雨、小雨、大雨、暴雨预报效果最好,24～48 h预报效果总体而言优于0～24 h.模式对台风的主体降水落区把握得比较好,和实况较为一致,但对于台风外围云系产生的降水往往与实况差别较大,另外,主体降水中暴雨落区预报总是比实况偏小.(3)副高外围型降水在上述两个预报时次中,各量级的评分成绩均为最低,0～24 h预报效果总体而言优于24～48 h.模式对副高外围局地性强降水过程预报能力较弱,基本不具备预报中雨以上降水的能力.最后对(;RAPES模式的进一步改进提出了一些建议.     

台风路径数值预报实时订正技术及其集成应用

以台风路径数值预报的短时效预报偏差和目标时效（指所需订正的时效）的纬度预报为预报因子,采用多元线性回归方法建立了台风路径预报的偏差预估方程,继而对台风路径预报进行实时订正。本文以12 h为短时效,通过对欧洲中期天气预报中心确定性预报模式（ECMWF-IFS）和集合预报模式（ECMWF-EPS）的台风路径预报的应用,得到以下结论:2018年试报结果表明,24 h、36 h、48 h、60 h、72 h、84 h订正后的ECMWF-IFS台风路径预报的平均距离误差分别比订正前减小了7.3 km、9.3 km、8.9 km、6.5 km、6.9 km、2.6 km,总体来说较强台风（指12 h的台风强度实况≥32.7 m s?1）路径预报的订正效果更好。尝试了先对ECMWF-EPS各成员的台风路径预报进行订正,再进行集成预报,并对比了以下5种方式得到的台风路径预报:“订正后的确定性预报”、“所有集合预报成员集合平均”、“优选集合预报成员集合平均”、“所有集合预报成员先订正再集合平均”和“优选集合预报成员先订正再集合平均”,2018年试报结果表明,对于平均距离误差,24 h和36 h“优选集合预报成员先订正再集合平均”最小,48 h和60 h“所有集合预报成员先订正再集合平均”最小,72 h和84 h“优选集合预报成员集合平均”最小,如果在业务中有针对性地进行应用,有望获得一个在各预报时效表现都较优异的台风路径客观综合预报结果。24 h、36 h、48 h、60 h“优选集合预报成员先订正再集合平均”的平均距离误差分别比“所有集合预报成员集合平均”减小了13.3 km、11.7 km、10.0 km、7.6 km,比中央气象台官方预报（对应的时效为12 h、24 h、36 h、48 h）减小了0.7 km、2.0 km、3.9 km、2.4 km。     

改进的物理过程参数化对台风路径数值预报的影响

文章介绍了国家气象中心的台风路径数值预报试验模式和新开发的改进物理过程参数化方案，对1992年的5个台风个例初步试验结果表明:改进物理过程参数化模式对台风路径和台风强度的预报比简单物理过程模式有明显提高，24 h和48 h台风中心位置预报误差分别为188 km和337 km，比原模式减小38 km和190 km；48 h台风中心气压与实况之差平均减小3 hPa。     

山东WRF集合概率预报对台风“麦德姆” 逐6h精细化预报检验

用山东WRF集合预报72h预报时效内逐6h概率预报产品对2014年7月24—26日台风“麦德姆”影响山东期间产生的强降水和大风进行了检验。结果表明：WRF集合对强降水和大风有较好的预报能力,总体预报效果较好。强降水和大风的概率都是初期预报概率偏小,后期预报概率较高,开始和结束时间比实况滞后6～18h ,前期漏报率高,后期空报率高,总体来说23日20时的预报优于08时的预报。台风低压中心强度和移动路径与实况基本一致,但移速偏慢,这是导致强降水和大风前期漏报后期空报的主要原因。     

基于局部线性嵌入的人工智能台风强度集合预报模型

利用局部线性嵌入算法通过学习挖掘高维数据集的内在几何结构,高效地实现维数约简和特征提取的能力,论文以2001—2012年共12年6—9月西北太平洋海域内生成的台风样本为基础,将气候持续因子作为台风强度的基本预报因子,采用局部线性嵌入的特征提取与逐步回归计算相结合的预报因子信息数据挖掘技术,以进化计算的粒子群算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行了分月台风强度预报模型的建模研究。在建模样本、独立预报样本相同的情况下,分别采用人工智能集合预报方法和气候持续法进行预报试验。试验对比结果表明,前者较后者在6、7、8和9月24 h台风强度预报中,平均绝对误差分别下降了23.34%、24.46%、19.41%和27.45%,4个月的平均绝对误差下降了23.10%;48 h台风强度预报中,6—9月平均绝对误差分别下降了44.82%、16.73%、0.89%和49.26%,4个月的平均绝对误差下降了25.54%。进一步研究发现,在变动局部线性嵌入算法忌近邻个数的情况下,建立的台风强度集合预报模型,其预报结果稳定可靠,相对于气候持续法均为正的预报技巧水平,为台风强度客观预报提供了新的预报工具和预报建模方法。     

华南快速循环同化模式在湖南不同环流型下的小时降水预报性能检验

利用T-mode斜交旋转主成分分析法,对湖南2021年汛期(4—9月)逐小时850 hPa风场进行环流分型,在此基础上开展同期华南快速循环同化模式(CMA-GD-R3)小时降水预报性能检验。结果表明：影响湖南2021年汛期的主要环流型为西南涡切变型、切变型、副热带高压边缘南风型和台风外围东风型4类;模式小时降水预报的晴雨准确率和分级降水TS评分日变化特征明显,晴雨准确率夜间高于白天,分级降水TS评分峰值出现在早晨,各环流型的临近时效降水预报效果较好,短时强降水发生频次最高的西南涡切变型晴雨准确率较低,副热带高压边缘南风型在较大量级降水表现相对较差;SAL(structure amplitude and location)检验显示,西南涡切变型、切变型过程模式位置预报较接近实况,强度预报表现为前弱后强,副热带高压边缘南风型过程预报落区分散,位置预报不稳定,整体强度较实况明显偏弱,台风外围东风型过程在短时预报时效落区接近实况,强度预报显著偏弱,该方法能较客观地反映模式降水预报空间偏差。     

湿Q矢量释用技术在登陆华东台风定量降水预报(QPF)中的应用研究

利用湿Q矢量对数值预报模式输出的风场、温度场、温度露点场进行动力释用,并考虑地形强迫作用,得到一个独立于数值模式直接预报输出降水场的释用预报降水场即湿Q矢量释用(Q~MVIP)技术。结合2010—2014年汛期(6—9月)登陆我国华东14个历史台风降水实况资料以及华东区域中尺度模式(基于WRF V3.1)(简称WRF模式)预报产品,统计检验分析了Q~MVIP技术对登陆台风降水的定量预报能力。结果表明,Q~MVIP技术较WRF模式明显改善了对25.0 mm·(24 h)~(-1)以上及50.0 mm·(24 h)~(-1)以上降水的定量预报能力。进一步结合"菲特"台风(2013)登陆前后所引发的24 h累积降水场进行比较分析发现,Q~MVIP技术对台风暴雨落区、强度的反映能力均优于WRF模式。这表明,湿Q矢量释用技术可以在一定程度上弥补现有数值预报模式对登陆台风定量降水预报(QPF)能力的不足。     

台风路径多模式集成预报技术研究

利用NCEP、ECMWF、日本数值、英国数值、上海台风模式和广州模式包含全球模式和区域在内的6家数值模式资料,利用近似SEAV方法,设计台风路径多模式集成预报方法(SHME),并用2014—2016年的台风客观预报数据进行多模式集成预报的效果检验,且与ECMWF模式进行比较,通过比较发现,SHME方法较ECMWF在12～48 h预报上有明显改进,在72～120 h预报2014年尤其突出,2015—2016年均与ECMWF预报效果相当。     

基于ECMWF模式的江西及周边地区锋面暴雨预报检验和订正

利用全国降水资料（包括江西加密降水资料）、探空资料、ECMWF模式72—24 h降水和形势预报资料,采用天气学检验、SAL定量降水预报检验等方法,对2017—2019年江西及附近地区锋面暴雨的实况和模式产品进行检验分析,检验主要影响天气系统预报效果,得出ECMWF模式降水预报误差分布特征及原因,并对模式的暴雨预报进行订正。结果表明：ECMWF模式对2017—2019年锋面暴雨过程预报较实况大多偏北,落区预报误差主要源于大尺度降水。从锋面暴雨三种SAL分析误差可见,落区预报较实况大多偏北,暴雨过程强度多数较实况偏弱,结构较实况偏小。对误差较大个例的分析得出两点订正思路：1） 锋区南侧有较明显动力热力对流发展的弱锋区暴雨,暴雨落区可订正至925 hPa锋区南侧高温高湿区。2） 较强锋面暴雨,当中低层切变辐合抬升区重叠时,暴雨落区可向925 hPa锋区位置调整,暴雨通常不易出现在锋区北侧冷区。     

2015年6—8月T639、ECMWF及日本模式中期预报性能检验

对2015年6—8月T639、ECMWF及日本（文中简称EC和JP）数值模式的中期预报产品进行了对比分析和检验,结果表明：三个模式对亚洲中高纬环流形势的调整和演变具有较好的预报性能,其中EC模式的预报效果最好。EC模式对西太平洋副热带高压的预报较为准确,T639模式的预报与实况存在一定偏差。三个模式均能较好地预报出2015年7月新疆持续性高温天气,且对北方地区850 hPa温度的预报较零场均偏高。在南方地区,三个模式预报的温度偏差比北方地区小,EC模式的预报效果优于T639和JP模式。对于1513号台风苏迪罗,T639模式较好地预报了台风的登陆位置和路径变化,强度预报略偏强,而EC模式预报的台风登陆时间偏早。