基于深度学习的京津冀地区精细尺度降水临近预报研究

精细尺度降水的临近预报对于提升现代城市内涝和山洪地质灾害预警能力具有重要意义。深度学习作为一种新兴方法,在挖掘数据内部特征及物理规律方面更具优势,近年来在天气雷达图像领域的应用已初见成效。为进一步提升精细尺度降水的临近预报能力,基于深度学习网络模型RainNet,研究建立了两种滚动预报方式,开展了京津冀地区1 km分辨率精细尺度降水滚动式临近预报试验和对比分析。 试验结果表明:与传统基于交叉相关的外推预报相比,深度学习网络模型RainNet总体可以明显改进降水1 h临近预报的绝对误差和相关系数;两个RainNet相结合的滚动预报方式对1.04 mm/（10 min）及以下阈值降水,在10—50 min预报性能一致优于传统的交叉相关外推预报。深度学习模型对降水消亡过程的时、空演变趋势刻画更好,尤其更适用于降水消亡过程的临近预报。采用两个RainNet模型相结合的滚动式预报方式优于单一模型滚动预报方式。      

基于集合预报的川渝地区极端降水指数应用研究

利用2007—2012年中国气象局T213集合预报资料,根据Lalaurette提出的集合预报极端天气指数预报方法,提取并对比分析了川渝地区的集合预报累计概率密度分布函数特征,建立了基于集合预报与其历史预报的累计概率密度分布函数连续差异的数学模型—极端降水预报指数(EPFI),并对川渝地区历史上3次预报服务误差较大的典型灾害性强降水过程进行了极端降水预报指数的预警试验。结果表明:极端降水预报指数可以充分利用集合降水累计概率密度分布的尾端信息,为川渝地区极端强降水提供科学合理的预警,在3次强降水预报业务中可提前1～5?d发出极端强降水预警信号,对控制预报的强降水落区有一定订正功能与补充指导作用;对于不同强降水天气过程,极端降水预报指数在不同预报时效上的预报能力有较大差异,但都对极端强降水的落区有较好的预报效果,在实际预报业务中,为灾害性降水落区的预报决策提供了有价值的参考。     

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。     

基于统计降尺度方法的夏季降水精细化预报

利用1999—2009年安徽省淮河以南地区60个县市站夏季逐日降水资料和安庆市探空站逐日资料,研究了中低层不同风向配置下局地降水与大尺度降水场之间的关系,以3种不同预报对象及相应的预报因子分别采用神经网络和线性回归方法设计6种预报模型对观测资料进行逼近和优化,从而实现空间降尺度.分析对比6种预报模型46站逐日降水量的拟合和预报效果,结果表明:采取相同的预报对象及预报因子的BP神经网络模型在拟合和预报效果上均好于线性回归模型,可见夏季降水场之间以非线性相关为主;神经网络模型预报结果同常用的Cressman插值预报相比,能很好地反映出降水的基本分布及局地特征;预报对象为单站降水序列的神经网络模型在以平原、河流为主要地形的区域预报效果较好,预报对象为REOF主成分的神经网络模型则在山地和丘陵地形区域预报效果较好.     

基于生成对抗网络GAN的人工智能临近预报方法研究

研究设计了基于生成对抗网络(Generative Adversarial Networks,GAN)的人工智能临近预报方法,并进行了业务试验。该方法利用广东12部S波段天气雷达2015—2017年海量雷达拼图资料进行人工智能学习来做临近预报。GAN方法从一系列雷达观测资料中,运用卷积法提取回波图像信息建立预报模型,并通过损失函数训练模型,得到基于人工智能技术的临近预报。对2018年发生在广东地区的4个天气过程的外推预报试验表明,GAN方法对对流天气过程的回波位置、形状及强度的临近预报多数情况下与实况基本一致,具有较好的预报效果。但是该方法预报的回波范围偏大,对层状云降水的预报效果较差。对西风带系统引起的降水,西南季风降水,东风系统引起的降水以及台风降水的18个个例1 h预报的3个级别的回波强度检验发现,GAN方法对中等强度回波的预报较好,但对强回波的预报效果仍有待提高。     

江西及其临近区域同化系统中不同季节背景误差协方差特征及其对降水预报影响

在不同季节背景下,对比分析多元变量相关的背景误差协方差特征,了解其在天气过程中的作用,可以改进同化系统性能,提高降水数值预报水平。对比分析汛期和非汛期江西及其临近区域多元变量相关的背景误差协方差特征,分别选取2019年汛期和非汛期的2次降水过程,设计2组循环同化试验,探讨多元变量相关的背景误差协方差对江西降水预报效果的影响。结果表明,相较于非汛期,汛期分析变量对风场、温度场和水汽场的贡献值整体上要更大,且汛期各个控制变量的背景场误差更为显著。多元变量试验的降水预报评估效果整体上更好,其汛期预报效果改善更显著。汛期与非汛期的多元变量试验降水预报结果更接近实况,且相对非汛期降水而言,汛期多元变量试验模拟效果更好,模拟的降水分布及强度与实况更为接近。     

短期集合降水概率预报试验

以MM5模式作为试验模式, 通过选取不同的物理过程参数化方案产生8个集合成员, 分别用平均法、相关法和Rank法对2001年11月至2002年5月期间的22个降水个例进行短期集合降水概率预报试验。试验结果显示对小雨—大暴雨6类降水的概率预报, Rank法的综合预报效果明显好于相关法和平均法, 相关法的综合预报效果与平均法基本相同; 无论从均方误差角度还是从命中率和假警报率的相对大小角度, 对小雨、中雨、大雨和暴雨各量级以上降水的概率预报, Rank法的平均预报效果是三种方法中最好的, 相关法的平均预报效果与平均法相同; Rank法好于平均法的平均幅度从均方误差角度较大, 从命中率和假警报率的相对大小角度则较小。平均而言, 三种方法对各量级以上降水的概率预报都是有技巧预报, 对量级小的降水的概率预报技巧高于对量级大的降水的概率预报技巧。     

转折性天气降水预报检验方法及应用

采用转折性天气降水检验评估方法,从转折天气预报能力的角度评价了模式降水预报能力。对全球中期T213、日本和德国数值预报模式在2006年9月至2008年8月的降水预报检验评估分析表明:转折天气降水预报能力检验是目前降水检验方法的有效补充。3种模式的转折天气降水预报能力随着预报时效的延长,存在逐渐递减的趋势;短期预报能力分析,T213和日本模式春季最好,而德国模式是夏季最好;48h预报分析,T213和日本模式在长江中下游、华北及东北等部分地区、德国模式在四川盆地和华南部分地区预报效果较好。     

不同天气背景下京津冀降水临近外推预报

基于2019—2020年京津冀地区不同天气系统影响下的降水过程,采用交叉相关法和光流法对快速更新多尺度分析和预报综合集成系统（Rapid-refresh Multi-Scale Analysis and Prediction System-Integration,RMAPS_IN）的降水分析产品进行0~2 h临近外推预报的批量试验。结果表明:由交叉相关法和光流法计算的两种外推矢量在大小和方向上存在一定差异,直接差异与影响降水的天气系统位置有明显的对应关系,而方向差异受地理位置的影响更明显,台风类降水呈弧形带状分布,低槽冷锋类、低涡类、气旋类、暖切变线类等几类降水均呈西北大东南小的特点;预报效果方面,总体上交叉相关法优于光流法,尤其是预报时效超过30 min以后,各种降水类型的批量检验结果显示交叉相关法的预报评分优于光流法,且预报时效越长、优势越明显,但预报时效为10 min时,光流法在低涡类、台风类、暖切变线类的空报率上优于交叉相关法。此外,基于外推的临近预报方法对京津冀地区台风类降水的预报效果最好,其次为暖切变线类、低涡类、低槽冷锋类、气旋类。     

北京地区夏季多模式降水预报的降尺度集成应用

以2008—2010年5—9月日本、德国、T639数值预报模式降水产品为基础,采取反距离插值的统计降尺度分析方法,将数值预报模式降水格点数据插值到北京西北、东北、西南、东南区域的延庆、密云、房山、观象台4个典型代表站点上;再结合统计分析,将夏季产生降水的天气系统分为西来槽、东北低涡、蒙古低涡、其他系统4种类型,采用预报准确率定级方法对各家模式配以不等权权重系数,从而建立北京地区夏季多模式集成降水预报模型,并用独立的样本对预报模型进行了业务试运行检验,检验结果表明:所建模型对降水预报的改进效果较好,优于单个数值模式降水预报。该模型的建立和应用方法为其他区域本地释用数值模式降水预报产品提供了一定的客观参考。     

天气系统预报效果的量化检验方法及应用

对中国天气过程进行了分类,并介绍了一种针对模式对于降水及各种天气系统预报效果的天气学检验方法,将此方法应用于AREM模式对2007年降水个例预报及2005—2007年汛期天气过程的批量预报检验,得出结论如下:(1)此天气学检验方法能够对各类天气系统及降水进行有效的检验,(2)对于中国典型高空槽类降水,AREM模式总体上对高空槽预报较为稳定、强度接近实况,对降水预报稳定性相对较差、强度偏弱,槽预报的较好(差)与降水预报的较好(差)不完全对应,(3)对于梅雨锋类降水,AREM模式对副高预报总体偏西、偏北、偏强,对高空槽、降水预报均总体偏弱,副高预报的较好(差)对应降水预报的较好(差)。     

“动态辨识”技术在三峡汛期降水趋势预报中的应用

本文应用“动态辨识”技术和数据分析的多种数学模型,分析研究了三峡地区汛期降水的历史变化规律。分析表明,辨识技术和动态数据分析中的数学模型相结合,能有效改善模型的预报效果,并成功地预报了1996年宜昌地区汛期降水明显偏多的趋势。     

典型相关分析在攀枝花市雨季开始期预报中的应用

利用典型相关分析作攀枝花市雨季开始期预报试验,选择1965~2001年的海洋特征指数、500hpa环流指数、太阳黑子数作为预报因子,建立典型回归模型。再以典型变量作为预报因子,用逐步回归和最优子集回归分别建立各站的预报模型,用2002~2004年的资料进行检验,对比试验结果表明:逐步回归和最优子集回归预报效果较好,典型回归模型效果较差。     

山西省夏季三类典型强降水的集合预报试验

利用我国自主研发的多尺度通用的新一代同化与数值预报系统--GRAPES模式,通过对4种积云参数化方案的比较,确定集合预报成员,对山西省夏季3类典型强降水过程进行了集合预报试验.试验结果表明:(1)对所模拟的个例,Betts-Miler-Janjic对流调整方案和Kain-Fritsch对流参数化方案优于对流调整方案和郭氏参数化方案;(2)积云参数化方案对降水的影响比边界层参数化方案对降水的影响大,不同个例对2种不同积云参数化方案和3种不同边界层参数化方案的6种组合的反应敏感程度也各不相同;(3)不同集合成员对降水的预报结果各不相同,其预报偏差也各不相同;(4)对于不同的天气系统,不同的方案其预报效果是不同的;(5)通过集合平均,降水预报偏差明显减小,降水预报偏大的情况得到改善,且其24～36 h预报效果最好.     

区域集合预报对华南一次暴雨试验研究

利用增长模繁殖法(BGM),对2012年6月我国长江中下游及华南地区的一次强降水过程进行了不同扰动方案的集合预报试验研究。分别对集合预报中只考虑初值扰动、加入模式物理过程扰动和加入地表参量扰动的三种不同扰动方案进行了对比试验,并对最优试验方案的降水集合预报结果进行检验分析。(1) 同时考虑风场、温度场、湿度场、高度场和地表参量的初值扰动,以及考虑模式物理过程扰动的降水集合预报效果最优,可有效提高灾害性天气的预报效果。(2) 初值扰动和模式物理过程扰动对降水预报都有着重要的影响,相同的模式物理过程扰动会由于不同的初值扰动而产生较大差异,并且扰动的集合平均预报对降水有较好的指导意义 。(3) 对于位势高度场预报检验 ,集合预报平均要好于控制预报,并且随着预报时效延长,这种优势更加明显。(4) 对此次强降水过程在长江中下游、华南地区和全国区域的各量级降水预报TS评分检验可知,集合预报较单一的决定性预报(控制预报)效果有明显改善;集合平均预报一般都好于控制预报 ,同时集合预报也为预报员提供了天气不确定性的警示作用。      

典型相关分析在攀枝花市雨季开始期预报中的应用

利用典型相关分析作攀枝花市雨季开始期预报试验,选择1965～2001年的海洋特征指数、500hpa环流指数、太阳黑子数作为预报因子,建立典型回归模型.再以典型变量作为预报因子,用逐步回归和最优子集回归分别建立各站的预报模型,用2002～2004年的资料进行检验,对比试验结果表明:逐步回归和最优子集回归预报效果较好,典型回归模型效果较差.     

雷达资料与中尺度数值预报的融合方法研究及其在临近预报中的应用

通过融合多普勒天气雷达资料与中尺度数值预报产品,发展了一种便于临近预报业务使用的方法。该方法首先通过相关分析计算当前相同时刻雷达估测降水与中尺度数值预报的反射率因子估测降水之间的位置偏差,导出一个位移偏差矢量场;然后,利用人机交互的方式对矢量场进行分区,并对各分区的矢量场进行平滑处理,计算出各分区的平均位移偏差矢量;最后,采用最小二乘法对各分区连续多次的平均位移偏差矢量进行线性拟合,得到各分区平均位移偏差矢量随时间的变化特征,订正未来时段相应区域的数值预报反射率因子估测降水的位置偏差。利用该方法对2012和2013年夏季发生在重庆西部、四川东部的3次强降水天气过程进行临近预报试验并对预报结果进行了检验,结果表明:对0~2 h的临近预报,融合预报效果总体上优于模式预报效果;另外,与雷达外推定量降水预报相比,0~1 h雷达外推预报效果优于融合预报效果,1~2 h融合预报效果优于雷达外推预报效果。     

汉江中上游致洪降水过程的预报方法研究

使用1970－1998年5－10日地面以及850hPa、700hPa、500hPa天气图资料，卫星云图资料，同期丹江口水库入库流量资料和汉江中上游50个雨量站点日平均降水量资料，采用统计学方法，对影响到丹江口水库运行的致洪降水过程的天气系统进行了归类分型，建立了汉江中上游致洪峰水过程预报模型；配合预报模型，对致洪降水的诸多天气因子进行了相关分析，筛选相关性和稳定性较好的因子，建立了汉江中上游不同量级降水的预报指标和预报判据；将以上预报方法试用于2000年5－10月，其预报效果较好。     

东北区夏季月降水数值产品释用预报方法

采用卡尔曼滤波法对国家气候中心的T63动力延伸预报场进行误差订正, 将订正后的预报场用于基于天气系统特征定性判断与相似离度指数定量相似相结合的降水预报模型, 制作东北区51个站点的定量的月降水预报, 并对1996~1998年夏季月降水进行了预报试验, 试验效果较好.     

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。