大庆地区大—暴雨数值预报模式

为开展地市级精细化天气预报，在引进和试验的基础上，设计研制出了大庆地区24～120h区域暴雨数值模式滚动预报业务系统，并于2003年7～8月进行模式试验。结果表明：模式对12～24h区域暴雨具有预报识别能力，48～120h具有指示意义。     

北欧数值预报系统HIRLAM在中国的应用——长江流域暴雨的预报试验

将北欧有限区域模式HIRLAM应用于中国地区，以检验该模式在定量预报夏季长江流域暴雨方面的能力。3次长江流域暴雨个例的预报试验表明；0～24 h的累积雨量预报是比较成功的，能够报出长江流域大部分日降水50 mm以上的暴雨区；24～48 h累积雨量预报的质量各个例有较大差异，总体上比0～24 h预报质量有相当大的下降，尤其是在50 mm以上暴雨区的预报方面能力较差。     

AREM模式对2002年汛期降水的实时预报试验

2002年主汛期,“973”(中国暴雨)项目研制开发的η坐标有限区域数值预报模式(AREM)在武汉暴雨研究所进行了每天两个时次(08时、20时)的实时数值预报试验。实时预报表明,该模式适合于我国计算机条件,对我国夏季降水有相当预报能力。对试验结果进行了分区Ts评分检验,模式对我国东部地区的降水预报评分最高,08时起报的0～24h时效的降水预报,对24小时降水量大于0．1、10、25和50mm的R评分分别为0．578、0．282、0．144和0．062。对2002年主汛期的几次强降水过程的预报结果表明：模式对2002年梅雨、长江流域暴雨、华南暴雨和华北暴雨都有很好的预报,模式对雨带的位置、移动、降水强度、降水的持续与减弱的预报都具备一定的能力。     

河南“75.8"大暴雨的中尺度集合预报试验

发生在河南的"75.8"特大暴雨是我国历史上影响最大、受灾程度最严重的一次灾害性天气过程.其造成的人员伤亡与唐山地震相当,造成的经济损失近百亿元,我国气象学家对此展开过大量的研究,其可预报性问题一直都受关注.尝试采用近年来在预报理论与实践中提出的中尺度集合预报技术,以GRAPES中尺度有限区模式作为试验模式工具,针对此次过程展开两组试验.试验1主要着眼于对暴雨有较大影响的积云对流参数化方案,分别从对流激发和大尺度环境场相互作用的角度出发,对其中一些经验性参数在合理取值范围内给予调整,使其在一定程度上表征模式的不确定性,来构建集合成员.试验结果表明:对流参数化方案中不同的参数对降水的影响作用各不相同,空间上对于降水落区的影响不是很大,但是对降水强度的改善却很明显,集合平均对强暴雨中心的体现有积极作用,平均后的暴雨区最大降水量预报为90mm/24h,比"确定性"预报(控制试验)值70mm/24h改善了约30%,最佳的单个成员的暴雨区最大降水量预报值(120mm/24h)比控制试验预报(70mm/24h)提高了70%;时间上看,不同的参数会影响到积云对流的激发,使得降水发生的时间有所不同,进而影响后续降水的发展.试验2利用模式不同分辨率和不同物理参数化方案的组合来构造集合成员,进行中尺度集合预报试验,试验结果表明:简单的集合平均能在一定程度上改善降水强度,与高分辨率模式预报结果比较,暴雨中心降水量约提高了20%～30%.可见:集合预报能在一定程度上减弱模式不确定性的影响;对流参数化方案和经验性参数的差异、模式分辨率的差异确实对模拟结果有一定的影响.     

西北四省(区)GRAPES模式降水预报的定量评估

基于中国西北四省(区)2016—2017年的站点观测降水数据和GRAPES区域数值模式24 h和48 h预报结果,采用平均误差、均方根误差、相关系数、分等级TS评分等指标,对GRAPES区域数值模式在西北四省(区)降水预报进行定量评估。结果表明:时间上,模式对西北四省的晴雨预报准确率能达到0.7以上,逐日空间相关系数为0.2～0.4。夏季降水的偏差最大,24 h和48 h预报平均误差分别为4、6 mm·d~(-1),均方根误差分别为6、8 mm·d~(-1)。不同等级降水的24 h和48 h预报TS评分显示,各个月份小雨TS评分为0.2～0.5,中雨为0.1～0.2,大雨以上不到0.1空间上,24 h和48 h预报晴雨准确率在大部分地区达到0.6以上,相关系数在甘肃东部、陕西中部和南部超过0.6。24 h预报平均误差在青海、甘肃、陕西三省南部最大(达到2～4 mm·d~(-1)),48 h预报的平均误差比相同区域的24 h预报高出1～2 mm·d~(-1),在陕西南部平均误差最大(达到5～8 mm·d~(-1))。各个量级的24 h预报TS评分明显好于48 h,24 h预报对大雨、暴雨有所预报,48 h预报对中雨以上量级降水预报较差。     

2007年汛期AREM模式降水预报效果检验分析

过对2007年6～8月AREM模式降水预报做不同时效、不同区域的TS评分对比,比较AREM与T213、JAPAN三个模式降水预报TS评分,并对AREM模式2007年汛期主要降水过程预报效果进行检验分析,从而获得AREM模式2007年汛期降水预报效果和特点,结果表明:(1)从AREM模式不同时效降水预报TS评分对比可知,对长江中下游区域,AREM模式12～36 h预报效果好于0～24 h预报,24～48 h效果相对较差,对华南、华北、东北、西南东部区域的降水,AREM模式预报效果均随时效延长而减弱。(2)由AREM模式对不同区域降水预报TS评分的对比可知,AREM模式(各预报时效)对长江中下游地区各量级降水预报的TS评分均高于全国范围的TS评分,西南东部(各预报时效)小雨(以上)量级TS评分均为各区域最高,但中雨以上各量级TS评分均低于全国范围,其他区域无稳定的预报特性。(3)从AREM、T213、JAPAN对长江中下游地区12～36 h降水预报TS评分对比可知,三个模式小雨(以上)量级降水的TS评分基本相当,对该区域暴雨、大暴雨强降水中心的预报,AREM好于T213,JAPAN相对较差,随量级增加AREM预报优势表现更为明显。(4)对2007年汛期6次个例分析可知,AREM模式对长江中下游尤其是江淮流域的大范围强降水过程预报效果较好,对暴雨、大暴雨中心的预报较T213和JAPAN有明显的优势,但对小范围、局地强降水过程的预报效果不够理想。     

西南区域模式在成都地区的降水检验及物理量分析

本文选取2014年6～9月西南区域模式产品的每日20 h (北京时)起报的00 h～24 h降水量、相关物理量及成都地区实况降水量。首先利用领域法建立高分辨率模式与稀疏站点对应关系,其次比较领域内的降水量分级传统技巧评分以及强降水(25mm以上)与模式物理量阈值进行概率分析,得出强降水物理量阈值,最后通过个例对模式物理量阈值进行检验。得出如下研究结论:降水量分级评分结果表明模式对成都地区有无降水预报总体效果较好;TS评分随着预报降水量级增大而减小,同时模式空报率高于漏报率;而暴雨及暴雨以上量级降水混合评分为11.6%,具有一定的参考性。强降水与模式物理量阈值概率分析表明模式对强降水有一定的预报能力,但量级、落区相对较差。两次降水个例物理量阈值均满足以暴雨、暴雨以上降水为主的条件。      

LASG η坐标有限区域数值预报模式对一次登陆台风特大暴雨的数值试验

本文用LASG η坐标有限区域数值预报模式，对1975年8月河南地区登陆台风特大暴雨进行了数值试验。这次暴雨有很强的局地性，主要表现在水文站的雨量极值远超过气象站的最大雨量值，为3～16倍。一般有限区域数值预报模式预报的雨量都比气象站的最大雨量值小。与水文站的雨量极值相差更远。LASG_η坐标有限区域数值预报模式考虑了我国复杂的地形作用，具有能量和质量守恒的动力框架，考虑了与降水有关的主要物理过程。用该模式对著名的“75·8”特大暴雨5～7日3天3次暴雨作了24小时数值试验，取得了较好的预报结果:其预报最大雨量为气象站的最大雨量值的1～5倍，达水文站的雨量极值的34%～49%，为模式网格面积平均的最大深度的54%～98%。预报最大雨量中心位置偏离气象站雨量中心的距离约为0.67～1.47个网格距，偏离雨量极值的水文站的距离为0.23～1.07个网格距。这3次特大暴雨的强度、位置和其变化趋势的预报都与实况相近。同时，模式对暴雨系统和大尺度形势的预报也都与实况基本一致。该模式之所以对这种局地性很强的突发性特大暴雨有较好的预报能力，是由于它有较强的地形处理能力。还有，由控制试验和4种地形敏感性试验的结果可见，山脉的相对高度和陡峭程度，以及山脉与暴雨系统的相对位置等对暴雨的强度是非常敏感的，对地形稍有改变，其暴雨强度将减少3/4以上。这次数值试验为今后提高登陆台风特大暴雨预报水平，以及用数值模式探讨登陆台风造成的特大暴雨的物理机制，提供了良好的条件。     

基于误差权重的站点降水订正预报方法研究

基于2018—2020年逐日修水国家基本气象站降水实况和模式降水预报数据,对ECWMF、NCEP、JMA、CMA-GFS、CMA-SH9等5种模式24 h及48 h降水预报进行了误差分析及检验。结果表明,总体上各模式24 h、48 h降水预报误差均以一个量级的正误差为主;各模式24 h降水预报误差小于48 h;CMA-SH9、JMA模式24 h、48 h预报误差均较小;总体上各模式24 h预报评分优于48 h;华东模式、日本模式24 h、48 h晴雨准确率均较高;CMA-SH9、ECMWF、NCEP模式24 h、48 h降水预报各量级风险评分均较高;JMA模式对24 h暴雨及以上量级降水可能具有一定的预报指示意义;总体上各模式24 h、48 h降水预报风险评分随量级增大而降低,空报率、漏报率随量级增大而增大;总体上各模式24 h、48 h小雨预报性能较优,中雨均易空报,大雨均易漏报,暴雨及以上降水均易空报与漏报。进一步通过引入滑动训练期,并基于平均绝对误差权重的多模式集成订正方案对降水预报进行订正,且对订正预报结果进行了整体及分季节评估检验。结果表明,相对多数模式,经订正后24 h、48 h降水预报性能总体上均有所提升,即提高了预报准确率,减小了预报误差,改进了晴雨准确率,提升了小雨—中雨的预报评分,提高了夏季48 h暴雨及以上降水的风险评分,并降低了其空报率;48 h降水订正预报效果总体优于24 h,春季及秋季降水订正预报效果总体优于夏季及冬季。     

淮河流域不同时间尺度暴雨的多模式预报性能评估及洪水可预报性探讨

为了让数值预报产品能够在流域气象业务中达到最佳应用效果,从而为淮河防汛调度提供决策支持,利用2015—2017年6—8月EC、JMA、WRF、INCA四种数值模式降水预报产品,采用TS评分、空估率和漏估率等方法,分别评估四种模式对淮河流域24、12、6、3和1 h时间尺度暴雨的预报性能,并对比分析四种模式对各种时间尺度暴雨预报的可用时效。在此基础上,选取EC的24 h累积降水预报产品驱动分布式水文模型CREST,构建淮河上游的气象水文耦合洪水预报模型,并对2016年6—8月、2017年5—8月的实时运行结果进行评估,探讨了淮河流域洪水的可预报性。主要结论如下:(1)对于24、12h时间尺度的暴雨,EC预报性能最优、可用时效最长。当暴雨时间尺度缩短到6 h时,WRF的预报性能及可用时效均超越EC,当暴雨发生在3 h内时,WRF的优势更加明显。JMA对各个时间尺度暴雨的预报能力均最差。(2)在0～3 h预报时效内,EC和WRF均存在暴雨漏报率异常偏高、TS异常偏低的现象,其暴雨预报在临近预警中不具备参考价值。INCA则表现出在临近预报中的绝对优势,对1 h预报时效的暴雨预报TS评分为54%,可用时效为3 h。(3)EC、JMA和WRF对6、3 h时间尺度的暴雨预报性能存在明显的日变化特征。(4)淮河上游洪水预报的可用时效为108 h。     

梅雨锋暴雨研究中的四维变分同化试验

作者利用PSU/NCAR的MM5数值预报模式及其伴随模式, 以中国1999年6月23日～24日的一次梅雨锋暴雨过程为个例, 根据气象要素与同化窗口之间的配置差异, 作了3组变分同化试验.试验结果表明: 4DVAR方法在提高梅雨锋暴雨的数值预报水平上具有重要的作用.     

华中区域LRUC系统的构建与试验

如何将区域观测资料在中尺度模式中快速有效同化是提高区域精细化数值预报准确率和时效性的关键所在。本文简单介绍了基于LAPS和WRF建立的快速循环同化预报系统LRUC,以一次影响长江中游的典型梅雨锋暴雨过程为例,设计几种试验方案,结合实况降水分布,对比分析华中区域多普勒雷达资料循环同化对改善暴雨预报的作用;根据个例试验结果,设计批量后报试验方案,对比分析雷达资料同化对华中区域2007年主汛期(6—8月)多个时效降水预报评分。暴雨个例试验结果表明,华中区域多普勒雷达资料在LAPS中的同化,能为WRF提供更优初值场;同化华中区域地面资料和雷达资料后,比仅同化地面资料更能改进模式初值,改善模式降水预报,且降雨量级越大,24 h降水预报TS评分越高。批量后报试验结果表明,建立的快速循环同化预报系统LRUC,能对区域多源观测资料进行多时次循环同化分析,为模式初值增加观测资料的时间演变信息,提高模式对暴雨量级降水的预报水平;系统具有稳定性和一定的评分水平。     

雷达降水资料一维变分同化研究——湿度廓线调整

采用η坐标中尺度有限区域模式进行了数字化天气雷达探测降水资料的一维变分(1DVAR)同化试验,结果表明充分利用高时空分辨率的雷达降水资料所包含的丰富的中尺度信息,调整湿度廓线,从而改善模式初始湿度场,能有效提高模式暴雨预报能力。“98·7”鄂东沿江特大暴雨的数值试验结果表明,应用1DVAR方法同化1h雷达降水资料调整模式湿度廓线后,极大地缩小了分析降水与观测降水间的差距,而且24h预报能模拟出与实际降水发生区域相对应的位于鄂东的大暴雨区,而变分前模式预报效果不佳。进一步的分析表明,应用雷达降水资料对短时预报(0～12h)的改进更为显著,而对12h之后降水预报的改善则不明显。     

华东区域模式对河南“7·19”特大暴雨的数值检验与分析

采用9 km分辨率的华东区域模式预报产品,对2016年7月19日发生在河南省的极端暴雨过程进行天气学检验与分析,结果表明:1)华东区域模式提前60 h对本次暴雨过程做出了较好预报,能反映出该暴雨过程的降水中心、强度及强降水发生时段。对临近时效和极端暴雨中心极值,该区域模式表现出优于全球模式的预报能力。2)华东区域模式能较好预报出本次过程中对流层中低层主要影响系统,但对系统位置、强度和移速预报与实况的差异导致了降水落区预报的偏差;西南急流预报较实况偏强是导致豫东南暴雨区空报的原因之一。3)华东区域模式对暴雨发生前K指数分布及不稳定层结有较好预报,对暴雨预报业务有重要指示意义。4)模式能较好地刻画出地面辐合线及气旋位置。     

2008年汛期两种模式降水预报的检验分析

使用WRF模式和MM5模式分别对吉林省全省50个地面观测站做了降水预报的数值模拟．并进行了检验分析和对比。全省区域降水预报检验结果表明：WRF模式0-24h和24-48h的预报正确率为82．4％和81．1％,分别高出MM5模式6．1和7．4个百分点;WRF模式各级降水预报的TS评分均高于MM5模式,对于暴雨以上的降水预报,WRF模式0-24h和24-48h预报的TS评分为11．2％和14．5％,具有一定的预报能力;两种模式的降水预报都存在着一定的空报率和漏报率,其中大雨以上预报的空报率和漏报率均超过了45％,暴雨以上预报的空报率和漏报率均超过了70％。     

T639和德国模式对新疆地区大降水预报的检验

对T639和德国数值预报模式(简称德国模式)的降水预报产品进行了分类检验,挑选新疆2011年6场大降水过程分别进行晴雨、大雨(雪)、暴雨(雪)对比分析,了解了降水模式产品误差并为业务中选择较好的预报产品提供了依据。结果表明:两种模式对预报过程降水落区和强降水中心都有较好的指示意义,在过程累计降水预报中,德国模式的晴雨预报准确率为80.49%,高于T639模式;大雨(雪)预报的准确率两种模式接近,大约为44%;T639模式暴雨预报的准确率为29.07%,明显高于德国模式。在逐24 h降水预报中,两种模式都以48～72 h的预报准确率为最高。     

数值模式在遂宁区域暴雨过程中的检验评估

利用ECMWF细网格、GRAPES＿GFS、GRAPES＿MESO、SWC＿WARM四种数值模式降水资料,以及四川省气象台智能网格格点降水预报产品,对遂宁地区2020年7月发生的六次区域性暴雨天气过程进行了24h时效检验分析。结果表明：四种数值预报模式对遂宁地区的降水预报均有较大偏差,预报值普遍偏小1～2个量级;SWC＿WARM针对暖区暴雨的落区预报具有较好的指示意义;在锋面降水过程中,ECMWF细网格模式的参考价值更大;而GRAPES＿GFS和GRAPES＿MESO的偏差最大,对暴雨的指示性较差;四川省气象台的智能网格降水预报产品对暴雨预报有一定的指导作用,但还需要本地预报员对落区和量级进行进一步订正。     

辽宁省夏季多模式降水预报检验及晴雨预报技术研究

利用辽宁省291个国家气象观测站的降水资料,对2019年夏季（6-9月）8种模式降水预报及中央气象台格点降水预报进行了检验评估和比较,并采用消空方法进行晴雨预报技术研究。结果表明：2019年,EC模式具有最优的暴雨预报性能,而日本模式暴雨TS评分最高;中尺度模式对于局地性暴雨和短时强降水具有较好的预报潜力,性能较好的是GRAPES_MESO模式和睿图东北3 km模式;全球模式对24 h暴雨的预报频率比实况偏低30%,3 h强降水则偏低60%,中尺度模式对24 h暴雨的预报频率比实况偏高30%,3 h强降水则偏低20%。由于对小量级降水存在较多空报,各模式原始预报的晴雨预报大多呈现空报偏多的情况;使用小量级降水剔除的消空策略能够明显提高晴雨准确率,消空之后EC模式具有最优的晴雨预报性能。分别使用24 h和3 h累计降水量优化消空策略,发现分别取1.0 mm和0.8 mm的阈值进行消空可以使24 h晴雨准确率提高15.58%,3 h晴雨准确率提高10%-30%。     

豫北“7·9”特大暴雨的短期预报分析和反思

对2016年7月9日豫北特大暴雨的短期预报决策过程进行了总结和反思,主要结论如下:(1)此次降水过程存在明显的对流云团之间的合并及组织化过程,这些过程涉及中小尺度系统相互作用。作为重要业务参考的全球模式(包括确定性和集合预报)均未能提前(24或12h)对此次暴雨过程做出有效预报或提示。(2)高分辨区域模式和快速同化更新系统大多表现出更好的预报能力,可提前12或6h提示预报员豫北地区有暴雨或大暴雨。(3)特大暴雨过程预报失败的主要原因是预报员过份依赖全球模式的结果,缺乏使用高分辨区域模式产品的经验或对这些模式产品信心不足。高分辨区域模式在投入业务运行之前,需加强对预报员的系统性培训,才能更有效地发挥这些模式产品的业务效能。(4)在现有QPF业务流程中逐渐增加概率产品的使用,既符合新技术的发展趋势,也可望对暴雨或极端降水的预报提供更有效支撑。     

多数值模式对2021年7月两次大暴雨过程预报能力检验评估

传统点对点的二分类检验方法能够客观反映模式预报的整体表现,但该方法存在双重惩罚现象。本文在传统检验基础上结合FSS（Fraction Skill Score）评分和MODE（Method of Object-based Diagnostic Evaluation）方法,对2021年7月影响四川的两次区域性大暴雨过程开展检验评估,对比分析了华东区域BCSH模式、ECMWF模式、西南区域SW3KM和SW9KM模式的预报性能。结果表明:（1）BCSH和ECMWF模式在小到中雨评分上略优于西南区域2个模式,SW3KM模式优势体现在暴雨预报上;BCSH和SW9KM模式预报偏差无显著规律,ECMWF模式小到大雨多空报,SW3KM模式中到暴雨多空报。（2）邻域半径为7个格点时,SW3KM模式在72 h预报时效上小雨、36~72 h大雨、24~66 h暴雨评分高于其它模式;区域模式分辨率提高,其FSS和TS评分相应增加,随着预报时间延长,区域模式FSS评分以大于ECMWF模式为主,SW9KM模式各级降水评分整体低于SW3KM模式。（3）4个模式降水落区质心位置预报的经向偏差略大于纬向,BCSH和SW9KM模式降水质心较实况偏西北,ECMWF模式暴雨质心偏西北、大暴雨质心偏西南,SW3KM模式暴雨质心多偏西南、大暴雨质心较实况多偏西北。ECMWF模式对雨带走向和面积的把控好于区域模式;SW3KM模式在72 h预报时效上多个属性值优于BCSH模式,SW3KM模式匹配目标属性值以优于SW9KM模式为主;BCSH、ECMWF和SW3KM模式均存在降水强度预报偏大的特征。