江苏省雷达降水估测集合分析

使用2019年、2020年5—8月江苏省降水分析场及站点观测资料,生成具有定量降水估测(Quantitative Precipitation Estimation,QPE)不确定性时间和空间结构的集合QPE,并用观测降水对集合QPE进行了确定性和概率性检验。确定性验证说明集合QPE能在总体上减小降水量的绝对误差和均方根误差,但也加重了某些区域的降水低估。集合平均能提高估测降水的准确率并减小空报率,也会使漏报增多,这使小雨的TS评分有所降低,但各量级降水TS评分仍能保持在较高水平。集合QPE对各量级降水都有较优的Brier评分,降水量级越大,估测效果越好。集合的离散度较小,且将集合成员排序后,观测值落在两头的频率更高,也反映了离散度偏小。此外,观测值大于集合成员最大值的频率更高,说明集合QPE倾向于低估降水。随着概率阈值的增大,集合估测降水发生的命中率(POD)和假警报率(POFD)逐渐增大,但POD增大的程度比POFD大得多,使相对作用特征曲线为折线。不同概率阈值下的POD和POFD体现了集合QPE对各量级降水都有较高的估测技巧,其中对小雨和中雨分辨能力最好。集合估测小雨和特大暴雨发生概率小于实际频率的情况较为严重,而估测的中雨和大雨发生概率与实际降水的发生频率非常接近,有很高的可靠性,但总体上集合QPE仍是倾向于低估降水的发生概率。     

SWAN定量降水估测和预报产品在贵州乌江流域的应用

该文选取乌江流域范围内出现区域性降水达到中雨以上量级的1 h降雨资料,再运用同期SWAN系统中定量降水估测(简称QPE,下同)和定量降水预报(简称QPF,下同)产品,计算贵州乌江流域范围内面雨量,对其进行误差订正及检验分析。结果表明:定量降水估测和定量降水预报的效果不好,经过误差订正后的QPE和QPF更加接近于实况;订正后的QPE的相对偏差在30%左右,而QPF多在40%~60%之间浮动;QPE和QPF经过二次订正后,与实况基本一致,具有更高的估测与预报能力,可应用于实际业务中。     

青海短时临近预报系统SWAN1.0本地化及应用

利用SWAN1.0系统对青海省2014年7月的19次降水过程进行个例反算,对其QPE产品进行效果检验,我们发现:对于青海东部农业区西宁和海北的QPE(1小时定量估测降水)产品来说,在青海主汛期7月具有较好的估测效果,对于实况在0~10mm量级的降水估测值比10~20mm量级对应的降水估测更为准确;QPE产品对于东部农业区出现的中雨以上量级的降水有较准确的监测能力。     

基于CINRAD SA双偏振雷达新型定量降水估测方法研究

杭州下沙S波段天气雷达在双偏振升级的基础上增加了精细化探测技术，为了进一步提高雷达定量降水估测精度，本文参考小时雨量计订正雷达估测降水算法模型，建立了一种基于分钟级雨量计数据的实时定量降雨估测雨强订正方法（简称QPE ADJUST法），利用雨量计资料对雷达的QPE数据逐体扫实时订正，累计完成1 h、3 h降水估测产品，提高了雷达降水估测精度。通过对雷达产品及自动站数据资料的评估，分别从降水估测算法、雷达分辨率影响及体扫周期速度影响3方面对QPE ADJUST法的估测降水效果进行了统计分析。结果表明：QPE ADJUST法在雷达高分辨率、快体扫周期的情况下均比其他算法更好地表现出降水时空分布特征，并将雷达小时定量降水估测的误差从50%降低至20%左右，有很高的估测精度和稳定性，具有业务应用价值。     

基于地理地形因子动态调整的复杂地形区雷达定量估测降水技术

雷达定量降水估测可以提供时间连续、水平分辨率高和覆盖范围广阔的降水产品,目前已成为气象监测的重要手段之一。尽管当前针对不同地区雷达估测降水的方法有了长足的发展,但是复杂地形区的雷达降水估测效果仍需改进。本文针对青藏高原东北边坡复杂地形区雷达降水估测,在固定经验Z-I关系、云分类经验Z-I关系、回波分级统计Z-I关系3种已有算法的基础上,建立了基于准稳定移动窗口的地理地形因子实时动态调整降水估测订正算法,并利用2017-2018年汛期临夏地区降水天气个例开展估测效果评估。结果表明：未经订正算法估测降水值往往较实况观测值偏小,而经过订正后的估测降水平均值与观测实况较为一致;不同算法对于小量级降水估测的累计概率分布（CDF）与观测实况偏差较大,而随着降水量级逐渐增加,估测降水的CDF与实况观测逐渐接近,基于回波分级统计Z-I关系的订正算法估测性能更为稳定;不同算法估测降水量的误差差异较大,未订正算法对所有降水以低估为主,基于回波分级统计Z-I关系订正算法和基于固定经验Z-I关系订正算法的整体估测偏差较小;未经订正算法对对流性降水天气主要降水落区估测较好,但对降水强度估测较差,而订正后估测效果...     

面向流域的定量降水估测产品检验订正

伴随着多源降水融合技术的发展,我国卫星、雷达反演、地面雨量观测计定量降水估测(QPE)产品已逐步趋于成熟,有效弥补了仅基于常规雨量站降水数据时空分辨率不足的缺陷,为江河流域面雨量产品开发和应用提供了契机;而对QPE产晶进行适用性检验和汀正是其在面向流域面雨量应用中的前提和基础。本研究利用国家气象中心及国家气象信息中心开发的QPE产品,结合水文站点实测降水数据,分别从产品误差的时空分布、流域的平均误差、不同量级降水的产品质量等角度,综合利用TS评分、命中率、漏估率、空估率以及ROC曲线等多种统计检验方法总体评估降水产品的适用性;采用递减平均法对每日的定量降水估测和实况降水的误差进行相关统计,在此基础上,对初始的QPE产品进行了优化订正,建立了基于QPE的流域面雨量产品;最后以沂河临沂站以上流域的水文要素预报为例,验证了订正产品对水文模式预报改进效果。上述研究表明,基于多源降水融合的QPE面雨量产品开发,在一定程度上可弥补目前国家级流域面雨量业务精细化不足,提升了国家级水文气象业务的技术能力。     

SWAN中定量降水估测和预报产品的检验与误差分析

采用2010—2011年5—9月河南省区域加密自动站雨量和全省6部新一代天气雷达资料,用点对点统计检验评分方法,分析SWAN系统中定量降水估测(QPE)和定量降水预报(QPF)产品在河南省短时强降水过程中的误差分布,并分别讨论二者在河南省区域与局地强降水过程中的差别及产生误差的直观原因。结果表明:1)SWAN中QPE和QPF均对小时雨量低于10 mm的降水有较好的估测和预报能力;QPE以豫西南和豫北效果最好,QPF在豫中地区预报能力更强。QPE估测较实况偏大;QPF对小时雨量低于20 mm的短时强降水预报略偏大,而对更强降水预报偏小,尤以豫西和豫南最明显。2)QPE和QPF均对区域性降水有更好的估测或预报能力。3)区域降水过程中,QPE对降水中心范围和位置估测较准确,估测值较实况偏大;QPF对强降水中心位置预报略有偏差,其中心强度较实况偏弱。     

SWAN系统中QPE产品的应用评估

“灾害天气短时临近预报系统”(SWAN)在我国气象预报业务中已得到广泛应用。文章介绍其中雷达定量降水估算QPE算法 (RASIM方法)的技术与特点,选取湖北省6部S波段多普勒天气雷达在2012年探测的暴雨天气过程资料,系统性评估了SWAN系统中QPE产品实用性,初步分析了产生估算误差的原因。评估表明：整体而言该方法在湖北省使用效果较好,平均绝对误差率小于30%;探测距离的增加对S波段雷达QPE精度影响不大;各雷达对30 mm以上降水的估算平均绝对误差率较小,但估算结果较实况偏弱,随着雨量（雨强）增大,低估的比例也增大。就单部雷达而言,宜昌雷达估算降水误差最大,武汉雷达受附近建筑遮挡影响次之,恩施雷达估算降水误差最小。     

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。     

浙江省2021年梅雨及台风期间雷达估测降水产品效果评估

利用2021年6一9月浙江省3667个包括区域站在内的站点观测资料,对同期雷达定量降水估测(QPE)产品进行统计分析,并主要针对期间的梅雨及台风“烟花”“灿都”天气过程进行产品的诊断评估。结果表明:(1)雷达估测降水产品对台风的降水估计整体效果较梅雨好;(2)从整体估计结果上看,1~3h相关系数较低,偏差较大,但随着累计时效的增长,QPE与地面观测结果的一致性提高,相对偏差的随机性减小;(3)QPE产品在不同累计降水时效内均会高估小雨时地面雨量计的降水量。     

一种可用于登陆台风定量降水估计(QPE)方法的初步建立

借鉴Adler-Negri[1]、Goldenberg等[2]及李俊等[3]的工作,通过对三者工作的有机结合及完善,针对登陆台风GMS-5 IR1TBB特征及逐时观测雨量强度及水平分布特点,初步建立一种可用于登陆台风的定量降水估计(QPE)方法,并结合0104号登陆台风“尤特”个例,从各站点逐时雨量、过程雨量以及区域面雨量角度,分析检验了初步建立的云估计降水方法的定量估计能力。结果表明:(1)所建QPE方法可以反映出登陆台风逐时降水的水平分布不均匀性,可以分离出对流降水和层云降水,但对大于15.0 mm/h的降水强度估计能力有限。(2)51.7%的站点过程雨量相对误差小于20%,过程雨量相对误差小于40%的站点数占总站点数的75.9%,表明所建QPE方法对过程雨量的估计能力还是相当强的,这也间接反映了其对逐时雨量较强的估计能力。(3)所建QPE方法对逐时面雨量也具有一定的估计能力,可以为抗旱、防洪决策服务提供一定的参考。     

回波强度垂直廓线与雷达定量估测降水的关系

为了分析不同高度回波强度与地面降水的关系,提高雷达定量估测降水的能力,本文对石家庄2006~2008年5~9月共77次降水过程的反射率因子垂直廓线(VPR)进行了统计分析。对比降水实况和VPR发现,各个高度层的反射率因子波峰(谷)同降水波峰(谷)相一致,而且降水强度越大,反射率因子核心高度越低。同时,还比较了距离雷达站不同的水平距离和不同海拔高度的反射率因子特征,发现海拔高度对5 mm/h以下降水率和垂直高度在4 km以下各层的反射率因子会造成一定的影响,而对强降水和高层反射率因子影响较小。另外,零度层亮带在VPR上表现出反射率因子增大的特征,影响降水估测效果。为了消除零度层亮带的影响,选取1.5~3.5 km为估测降水的最佳高度范围,各站具体选取高度则取决于其距雷达站的水平距离和海拔高度。     

CINRAD-SA偏振雷达定量降水估测算法改进及应用评估

为了提高雷达定量降水估测的精度,建立一套高精度的双偏振雷达定量降水估测方法,并对其在业务应用中的表现进行评估。本文利用雨滴谱仪数据使用非球形粒子的散射模型（T-Matrix模型）进行不同偏振量的模拟计算,根据计算结果对实测雨滴谱数据（DSD）进行分类拟合,实现对CSU-HIDRO（Colorado State University-Hydrometeor Identification Rainfall Optimization）优化降水估测算法的改进。为了评估改进后CSU-HIDRO优化算法（简称CSU-HIDRO_I）的应用效果,本文选取2016～2017年两年汛期发生于中国华南地区的6次大范围强降水过程为评估对象,分别采用单偏振雷达定量降水估测的R(Z_H)关系法（WSR-88D Precipitation Processing System,简称PPS法）和CSU-HIDRO_I法进行小时降水量估测。按照不同降水率大小以及距离雷达20～60 km和60~100 km范围分别对两种降水估测方法进行评估,并将雷达估测的小时降水量同地面雨量计小时降水量资料进行对比,结果表明:（1）CSU-HIDRO_I法在应用评估过程中取得了较好的评估效果,其估测精度及稳定性均较好。（2）PPS法对小雨（降水率R<2.5 mm/h）存在一定的高估,对大雨及暴雨（R>8 mm/h）存在明显低估,而CSU-HIDRO_I法能够有效的降低强降水的低估情况,同时提高了小雨的估测精度。与PPS法相比,CSU-HIDRO_I法对小雨、中雨、大雨及暴雨的估测偏差分别降低了38%、24%、17%、15%。（3）PPS法在降水估测中对离雷达的距离更为敏感,相同降水率下不同距离处的相对误差波动较大,CSU-HIDRO_I法对距离敏感性较弱,相同降水率强度下,相对误差随距离的变化波动较小。     

SWAN系统雷达定量降水估测产品在江西的应用

利用SWAN1.0系统对江西省2010年1—7月的25次降水过程进行反算。结果表明,雷达定量降水估测(QPE)产品在江西省的主汛期(4—7月)应用效果要好于非主汛期,QPE产品的1 h雨量值比实际观测值要小,偏差大约20%;对3块小流域的QPE检验,其中2块小流域的QPE产品误差与全省范围的误差差别很小,QPE对小流域短时中阵雨以上量级的降水具有较高可靠性。依据检验工作的结果,开发出的QPE修正产品可以作为江西省短时临近天气预报业务使用。     

Operational Evaluation of the Quantitative Precipitation Estimation by a CINRAD-SA Dual Polarization Radar System

In this paper, the quantitative precipitation estimation based on hydrometeor classification (HCA-QPE) algorithm was proposed for the first operational S band dual-polarization radar promoted by the CINRAD/SA radar of China. The HCA-QPE algorithm, the localized Colorado State University-Hydrometeor Identification of Rainfall (CSU-HIDRO) and Joint Polarization Experiment (JPOLE) algorithms, and the dynamic Z-R relationships based on variational correction QPE (DRVC-QPE) algorithm were evaluated with the rainfall events from March 1 to October 30, 2017 in the Guangdong Province. The results indicated that even though the HCA-QPE algorithm did not use the observed rainfall data for correction, its estimation accuracy was better than that of the DRVC-QPE algorithm when the rainfall rate was greater than 5mm h^(-1); and the stronger the rainfall intensity, the greater the QPE improvement. And the HCA-QPE algorithm worked better than the localized CSU-HIDRO and JPOLE algorithms. This study preliminarily verified the improved accuracy of QPE by a dual-polarization radar system modified from CINRAD-SA radar.     

利用深度学习开展偏振雷达定量降水估测研究

利用2018—2020年经偏振升级改造后的广州S波段双偏振雷达（CINRAD/SAD）82892个体扫的0.5°仰角数据,以及雷达100 km探测范围内1109个雨量站共计538560个分钟雨量数据,分别构建了单参量、三参量雷达定量降水估测（QPE）深度学习网络架构（Z-Rnet、K_DP-Rnet、Pol-Rnet）,并以K_DP=0.5°/km为阈值分别训练得到大雨、小雨、总体等9个定量降水估测模型。在常用的均方误差作为损失函数的基础上,对不同降水强度采用不同权重提出了自定义损失函数,并利用比率偏差、相对偏差、均方差、平均绝对误差和平均相对误差作为评价指标对模型进行评估。通过对以积层混合云为主、以对流云为主和以层状云为主的3次降水过程的模型验证结果表明,利用深度学习训练的模型有较好的定量降水估测效果,区分雨强的小雨、大雨模型比不区分雨强的总体模型的效果要好。采用自定义损失函数模型效果更好,其均方差、平均绝对误差和平均相对误差分别较采用传统均方误差损失函数提升了8.62%、12.52%、16.34%。自定义损失函数中,采用Z_H-Z_DR-K_DP三参量网络架构训练得到的定量降水估测模型效果最好,其均方差、平均绝对误差和平均相对误差分别较采用Z_H的单参量Z-Rnet架构提升6.82%、8.43%、7.22%;较采用K_DP的单参量K_DP-Rnet架构提升12.33%、17.61%、17.26%。      

GPM/IMERG产品在鲁南地区的精度评估

为了评估GPM/IMERG产品在鲁南地区的精度,利用2016年1—12月鲁南地区35个国家气象站的降水观测数据,采用定量和分类评分指标的方法,从时间、空间和降雨强度等方面对GPM/IMERG产品在鲁南地区的适用性进行评估。结果表明:IMERG数据在鲁南地区具有较高的精度,IMERG与站点观测数据相关系数为0.8,均方根误差为5.47mm/d,相对偏差为2.27%;从时间上来看,IMERG与站点观测区域平均日降水和月降水总体变化趋势是一致的,夏季的估算精度高于其他季节;从空间上来看,年降水量偏多的台站,IMERG数据会低估,年降水量偏少的台站,IMERG数据会高估,IMERG对中纬度山地和丘陵的估测精度优于平原;IMERG产品的估计精度与降雨强度有关,当降水量级为微量降水(小于1mm/d)时,卫星估测能力较弱,当降水强度为小雨及以上量级时,卫星估测降水产品与实际观测概率密度差异较小;IMERG估算稳定性降水的能力较强,在降水较多月份,IMERG的探测准确率较高、空报率较低、临界成功指数较好。     

Incorporation of parameter uncertainty into spatial interpolation using Bayesian trans-Gaussian kriging

Quantitative precipitation estimation(QPE) plays an important role in meteorological and hydrological applications.Ground-based telemetered rain gauges are widely used to collect precipitation measurements. Spatial interpolation methods are commonly employed to estimate precipitation fields covering non-observed locations. Kriging is a simple and popular geostatistical interpolation method, but it has two known problems: uncertainty underestimation and violation of assumptions.This paper tackles these problems and seeks an optimal spatial interpolation for QPE in order to enhance spatial interpolation through appropriately assessing prediction uncertainty and fulfilling the required assumptions. To this end, several methods are tested: transformation, detrending, multiple spatial correlation functions, and Bayesian kriging. In particular, we focus on a short-term and time-specific rather than a long-term and event-specific analysis. This paper analyzes a stratiform rain event with an embedded convection linked to the passing monsoon front on the 23 August 2012. Data from a total of 100 automatic weather stations are used, and the rainfall intensities are calculated from the difference of 15 minute accumulated rainfall observed every 1 minute. The one-hour average rainfall intensity is then calculated to minimize the measurement random error. Cross-validation is carried out for evaluating the interpolation methods at regional and local levels. As a result,transformation is found to play an important role in improving spatial interpolation and uncertainty assessment, and Bayesian methods generally outperform traditional ones in terms of the criteria.