深度神经网络方法在山东降水相态判别中的应用

利用欧洲中心(ECMWF)ERA-Interim再分析资料,通过分析2008—2017年山东冬半年不同降水相态(雨、雪和雨夹雪)下温度和位势厚度特征,统计得到8个降水相态判别因子(T_(2 m)、T_(1000)、T_(975)、T_(950)、T_(925)、T_(850)、H_(850-700)、H_(1000-850)),并给出每个判别因子降水相态阈值指标。然后利用8个判别因子和阈值建立降水相态判别方程和训练DNN模型,通过随机检验发现DNN法对雨、雪和雨夹雪的预报准确率分别提高1.9%、0.2%和21.6%;利用ECMWF细网格预报资料进行个例检验,雨、雪和雨夹雪共106站中判别方程法判别错误29站,DNN法判别错误14站,即DNN法的降水相态判别能力优于判别方程法,且明显提高了对雨夹雪的判别能力。     

宝鸡市冬半年降水相态精细化客观预报方法研究

为探究复杂地形下冬半年降水相态预报方法,进一步提升降水相态预报时空分辨率和准确率,利用2010—2019年冬半年(11月至次年3月)宝鸡市11个国家气象站观测资料及欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)第五代大气再分析资料,统计分析宝鸡市冬半年雨、雨夹雪和雪3种降水相态时空分布特征,筛选确定降水相态判识因子及阈值,构建降水相态精细化客观预报方法,并检验预报效果。结果表明：宝鸡市初冬-冬末时期以降雨为主,雨雪转换时期3种相态日数占比相当,而隆冬时期则以降雪为主。降水相态空间分布与地形密切相关,海拔较低的渭河两岸川塬区降雨较多,而海拔较高的南北部山区降雪较多。地面2 m气温(T₂)、850 hPa和700 hPa温度(T₈₅₀、T₇₀₀)、850～1 000 hPa和700～850 hPa位势厚度(H_850-1000、H_700-850)可作为宝鸡市冬半年降水相态组合判据,川塬区渭滨站初...     

北京降水相态判别指标及检验

为提高降水相态预报准确率,以北京南郊观象台为代表站,选取1951年1月至2011年4月逐日20时至20时出现的雨夹雪日数,统计分析其月变化特征;再选取2000-2011年10月-4月08时和20时出现的雨、雨夹雪、雪个例,使用与降水个例对应时次的地面及高空常规观测数据,统计分析各层常用气象要素在各降水相态判别中的作用,并找出主要影响因子及降水相态判别指标;应用多元回归方法,建立降水相态统计预报方程,并对方程及判别指标进行检验。结果表明：雨和雪的温度、露点平均值在低层（地面到850 hPa）有明显差异,但随着高度增加其差异逐渐减小;因雨和雪的温度露点差平均值各层差异均很小,使用温度露点差很难区分降水相态;经过对2011年11月至2012年3月出现的降水相态进行检验可知,总结出的地面温度和露点判别指标以及降水相态统计预报方程均有一定的参考价值,可为今后做降水相态预报服务提供参考依据。     

0～6 h定量降雪(雨)预报技术及其在温哥华冬奥会中的应用

利用中尺度数值预报模式与雷达回波外推技术相结合,围绕SNOWV10项目的科学目标,在自动判识降水相态(雨、雪或雨雪混合物)基础上,利用雷达反演降雪(雨)关系,建立短时(0～6 h)定量降雪(雨)预报方法,并集成到GRAPES-SWIFT临近预报系统,为温哥华冬奥会提供实时场馆预报产品.从2010年2月冬奥会使用情况看,所建立的定量降雪(雨)预报技术,一定程度满足高纬度冬季降雪(雨)临近预报预警的需求,但降水(雨或雪)预报量级偏小,针对场馆的降水预报起止时间节奏偏差较大,各时次预报一致性有待改进.     

伴随对流层中低层气温持续下降的雪转雨过程分析

利用欧洲中期天气预报中心（ECMWF）0.25°×0.25°分辨率细网格模式产品、探空观测资料和风廓线雷达等资料,对2014年2月18日浙江嘉兴雨雪天气过程中降水相态先由雨转雪、再由雪转雨的变化条件进行了分析,并对ECMWF细网格模式产品进行了预报性能检验,结果表明：模式形势预报准确,但未能预报出雪转雨过程。在对流层中低层气温持续降低的情况下,水汽凝结高度不同是造成两次相态转换的主要原因。上午垂直运动加强,水汽充沛,降水粒子的凝结高度高,足以形成大的雪花,在较低的零度层高度以下降落时不至于融化;下午垂直运动减弱,水汽集中在低层,尽管这一高度层的气温在-3～-2 ℃,但是不足以凝结成固态降水,同时地面气温受海上暖平流影响而回升,因此降水相态由雪转雨。     

安徽冬季地面降水相态的判别研究

文章对安徽省2000—2009年11月至次年4月的雨、雨夹雪、雪和冻雨四类降水相态样本的温度、相对湿度和假相当位温分布特征进行了分析。从地面到500 hPa,气温、相对湿度和假相当位温对平原、山区的地面降水相态的区分能力均逐渐减弱,且相对湿度对降水相态的区分能力远弱于气温和假相当位温。在同一气压层上,假相当位温与气温对平原地区地面降水相态的区分能力相当,而假相当位温在某些气压层上对山区降水相态的区分能力略优于气温。在不同气压层上,平原地区各降水相态的气温和假相当位温均接近正态分布,山区假相当位温相对于气温更接近正态分布。因此假相当位温更适合作为地面降水相态的判别因子。选取地面到500 hPa共6个气压层(山区5个)的假相当位温作为地面降水相态的判别因子建立多级判别方程,利用2010年的降水相态样本对所建立的多级判别方程进行独立性检验。结果表明:多级判别方程对雨、雨夹雪或雪、冻雨的区分能力较好,对雨夹雪与雪的区分能力相对较弱。利用T639模式资料对两个降水相态复杂个例进行预报检验,多级判别方程能较好地预报雨雪转换的时间及区域,对降水相态的预报具有较高的参考价值。     

12011年2月26-27日雨雪天气过程分析P458

利用micaps常规气象资料分析2011年2月26-27日雨雪天气过程的天气形势,分析雨雪相态转换时间与850hPa温度以及自动站气象要素的关系,对欧洲中心和日本数值预报与实况进行对比分析。结果表明：雨雪天气过程发生在低层切变线和地面倒槽影响时段,降水相态由雨转化为雪时,符合850hPa温度三一4℃统计规律;对于雨雪时间转换可用自动站资料做进一步补充,当气温下降到O°C以下,且地面Ocm温度维持在O°C左右时,降水相态转变为雪。对比分析欧洲中心、日本数值预报结果,两者均准确预报低层切变线和地面倒槽影响时间和主要影响位置,日本降水量预报和实况相当,自南向北呈减小特征;欧洲中心和日本数值预报850hPa温度场影响时间相当,欧洲中心预报温度偏高约5℃。     

ECMWF细网格要素预报场在乌鲁木齐米东区的预报性能检验

利用升级后的ECMWF细网格模式2m温度、大尺度降水量(LSP)、累积降水量(TP)及850hPa风速等气象要素预报场,采用客观分析和统计学方法,对2015年2月至2017年1月乌鲁木齐米东区气温、降水及风速进行检验分析。结果表明:2m温度场对于米东区最高、最低气温有较好的预报能力,最高、最低气温年均准确率ECMWF细网格模式产品均高于中央气象台指导预报产品,分别达69.1%和73.8%。细网格和中央气象台指导预报的晴雨准确率均接近或超过80%,对降水天气预报有较好的参考价值;降水分级检验上看,ECMWF细网格和中央指导预报准确率均不太高;对于降雨天气,细网格的预报能力略高于指导预报;对于降雪天气,指导预报对小雪和大雪的预报准确率高于细网格;ECMWF细网格850hPa风速产品与实况风速有较好的相关性,对逐日风的预报有较好地指示意义。     

12011年2月26-27日雨雪天气过程分析P458

利用micaps常规气象资料分析2011年2月26-27日雨雪天气过程的天气形势,分析雨雪相态转换时间与850hPa温度以及自动站气象要素的关系,对欧洲中心和日本数值预报与实况进行对比分析。结果表明：雨雪天气过程发生在低层切变线和地面倒槽影响时段,降水相态由雨转化为雪时,符合850hPa温度三一4℃统计规律;对于雨雪时间转换可用自动站资料做进一步补充,当气温下降到O°C以下,且地面Ocm温度维持在O°C左右时,降水相态转变为雪。对比分析欧洲中心、日本数值预报结果,两者均准确预报低层切变线和地面倒槽影响时间和主要影响位置,日本降水量预报和实况相当,自南向北呈减小特征;欧洲中心和日本数值预报850hPa温度场影响时间相当,欧洲中心预报温度偏高约5℃。     

陕西降水相态识别判据研究及检验

利用2003年1月至2016年12月逐日地面观测资料,统计分析了陕西延安、西安、汉中、安康等雨夹雪天气的月变化特征。选取雨雪转换季节的雨、雨夹雪和雪天气个例,对地面和高空观测数据进行统计分析,筛选雨雪相态转换的主要影响因子和判别指标;采用多元线性回归算法,分别建立各站的雨雪相态预报方程并进行检验。结果表明:延安、西安、汉中、安康4站雨雪相态的地面温度和露点温度均有明显差异,低层(925 hPa或850 hPa)温度也有明显差异,但随着高度增加其差异减小。利用陕西4站的判别指标和统计预报方程对2017年1月至2018年1月出现的雨雪天气过程进行检验,效果较好;但由于检验时间较短,结论的适用性有待进一步验证。     

海河流域东北冷涡背景下的降水预报订正研究

针对海河流域东北冷涡降水样本,应用海河流域加密自动站降水资料及欧洲中期天气预报中心（ECMCWF）降水预报资料,利用滑动相关分析方法建立重组预报序列,基于加密自动站24 h累积降水量及重组24 h降水预报序列的Gamma累积概率分布曲线,采用预报—实况概率匹配方法建立1～3日的短期订正模型并进行试报检验。结果表明:欧洲中心数值模式对于海河流域东北冷涡降水的预报较实况偏慢;概率匹配法主要通过订正降水量级来改善预报结果,订正后降水预报对于小雨、大雨、暴雨预报的TS（Threat Score）评分技巧均有提升,尤其对于大雨和暴雨及以上量级预报,订正后预报量级及预报落区大小均与实况更加接近,订正效果显著。东北冷涡降水对流性强,模式预报能力弱,而订正后预报能有效提高此类强降水的预报技能,具有较好的应用价值。     

基于集合预报和支持向量机的中期强降雨集成预报试验

本文基于欧洲中期天气预报中心(ECMWF)和美国国家环境预报中心(NCEP)集合预报资料和支持向量机(SVM)回归方法建立了多模式集成的动力-统计客观预报模型(SVM-多模式集成预报),继而选用2012年5—9月(共计153 d)发生在淮河流域及其以南地区的大雨和暴雨开展了回报试验,并将所得预报结果与ECMWF的控制预报和集合平均预报进行了多角度比对评估。结果表明:在中期预报时效(4~7 d),SVM-多模式集成预报方法对2012年5—9月大雨和暴雨的预报效果最优,尤其对暴雨预报准确率明显提高,其优势主要体现在对强降雨中心分布范围和强度的预报更接近实况。     

三种数值模式对四川省汛期降水预报性能的检验

应用国家基本观测站资料,基于MET系统的客观统计检验方法,针对24h降水分别评估SWCWARMS模式、GRAPES模式和ECMWF模式对2017～2019年5～10月四川地区汛期预报能力,得到如下几点结论:(1)SWCWARMS模式小到大暴雨降水范围大于实况,GRAPES模式小到暴雨降水范围大于实况、大暴雨多漏报,ECMWF模式小雨和中雨降水范围大于实况、大到大暴雨多漏报,三个模式无降水或微量降水均少于实况。(2)ECMWF模式对四川雨季小到大雨预报能力优于SWCWARMS和GRAPES模式,SWCWARMS模式在部分时次上暴雨和大暴雨预报优于ECMWF模式,GRAPES模式TS评分略偏低。(3)GRAPES模式在2018年秋季开始中雨及以上量级降水预报上改善大于SWCWARMS和ECMWF模式,SWCWARMS模式2019年空报较2017年和2018年显著降低;3个模式在小雨和中雨预报上不相上下,GRAPES模式优势在2019年大雨和暴雨预报上,ECMWF模式优势在2017年秋季和2018年初夏大雨预报上,SWCWARMS模式大雨和暴雨预报能力介于二者之间。(4)ECMWF和SWCWARMS模式川东预报优于川西,GRAPES模式川西预报优于川东;三个模式存在不同程度空报,川东地区空报略多于川西,其中ECMWF模式空报最多。      

降水预报-观测概率匹配动态订正法在江西降水集中期的应用与检验

为提高数值预报降水预报的准确率,本文利用欧洲中期天气预报中心的高分辨率数值预报（ECMWF）降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配,选取Gamma累积概率分布函数用于拟合预报与观测的降水累积概率,通过在2017年江西省一次降水集中期的应用试验,得到以下结论：基于ECMWF的降水预报-观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中,并根据近期模式预报调整及误差不断自动更新各量级降水修正值,可实时动态订正模式降水预报;检验发现ECMWF模式降水产品对于24 h内12 h间隔的10 mm及以下量级的预报普遍偏大,25 mm及以上量级的预报普遍偏小,在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况、预报效果较好.本降水预报订正法能提高小雨和暴雨的TS评分、降低暴雨的漏报率且提升其命中率,但对大雨及部分中雨的订正效果不佳,在实践中应权衡利弊使用.     

基于ECMWF集合预报产品的降水相态客观预报方法

基于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）集合预报系统的降水相态产品（precipitation type,PTYPE）,分别以HSS评分最优、TS评分最优和频率偏差最优为标准,运用最优概率阈值法,生成雨、雨夹雪、雪和冻雨4类降水相态的确定性预报产品,并与ECMWF集合预报系统控制成员及细网格模式确定性预报进行对比。最优概率阈值显示:3种最优标准下,不同相态降水最优概率阈值不同,但冻雨和降雪最优概率阈值均最大,为40%~80%,雨夹雪最优概率阈值最小,约为10%,三者最优概率阈值均随预报时效延长而减小;降雨最优概率阈值为7%~25%,随预报时效延长而增大。对比检验结果显示:最优概率阈值法明显提高了降水相态预报能力,且以HSS评分最优时预报效果最佳;最优概率阈值法有效减小冻雨空报,同时显著改善降雨和降雪预报的频率偏差和TS评分,对雨夹雪预报改进效果有限。     

人工神经网络法和线性回归法对降水相态的预报效果对比

本文主要对相同条件下线性回归法(LR)和人工神经网络法(ANN)对降雨、雨夹雪和降雪3种降水相态的预报效果进行了对比检验.选取降水发生时和发生前6h的地面2 m温度、露点温度作为预报因子,对降雨、雨夹雪和降雪进行预报.应用国家气象中心2001-2011年我国地面756站实况观测资料,其中应用2001-2010年资料对方法进行训练,2011年资料用来对比检验预报效果.结果显示,(1)两种方法对3种相态降水都有一定的预报能力,对降雪预报最好,其次是降雨和雨夹雪;(2)两种方法对北方的雨雪分界线预报比对南方的好;(3)无论是对全国还是长江中下游流域,在相同条件下,ANN法的预报效果大都优于LR法,当温度和露点温度预报准确时,ANN法对北方的雨雪分界线能进行较准确的预报.     

基于TIGGE资料的地面气温和降水的多模式集成预报

利用TIGGE资料集下中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24 h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96 h延长至192 h,且除个别时效外,小雨、中雨的TS评分得到明显提高。     

ECMWF集合预报产品在广西暴雨预报中的释用

基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心（ECMWF）集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。     

SMS-WARMS V2.0模式对中国西南地区降水预报能力的客观检验

本文采用标准降水检验方法、EDI方法和MODE方法对新一代上海区域中尺度模式SMS-WARMS V2.0模式2015年12月至2016年11月的西南地区降水预报效果进行评估。结果表明:(1)模式对西南地区四季的降水TS评分均较高,夏季和秋季相对更高,且在48 h内预报性能比较稳定。(2)预报偏差和TSS评分显示,模式对西南地区春、夏两季的各个量级降水预报均较实况偏多,而对秋季的大暴雨和冬季的大雨以上量级预报则相对偏少。总体而言,对西南地区的降水技巧呈现出预报成功率高于空报率的特征。(3)模式对西南地区的小雨、暴雨和大暴雨预报评分优于EC模式。(4)EDI检验显示模式对西南地区的极端降水有较高的预报技巧,对四川中部和东北部以及贵州西南部的极端降水预报技巧相对更高。(5)模式对2015年8月一次西南涡诱发的暴雨过程的空间落区预报较好,强度较实况偏强。(6)MODE方法统计结果表明,模式对西南地区暴雨预报的目标质心偏差较小,降水中心强度偏强。     

概率匹配订正法在湖北襄阳地区降水预报中的应用

数值预报产品在天气预报预警中有着重要的作用。2016—2020年汛期ECMWF模式预报降水与湖北襄阳区域站观测降水的对比分析表明：ECMWF对中雨及以上降雨的预报，第1、2天预报偏小，而第3天预报偏大；三个预报时段强降雨中心位置偏差无规律。为了更好地对ECMWF产品进行释用，提高汛期降水预报准确率，从概率匹配角度研究了不同降水量级订正值，并对2021年汛期ECMWF降水预报进行逐日检验。结果显示：概率匹配订正法可有效地改善模式预报性能，对中雨及以上降雨预报均有良好的订正效果，尤其对第1天暴雨预报改进最为明显。228站平均的TS评分提高了6个百分点，由11.1%增加到17.1%，漏报情况改良了13.5个百分点，由85.0%降为71.5%。采用该订正法开展定量降水预报，由于增加了当地降雨概率分布的背景信息，能表现出比原模式更高的参考价值。