一次粤西南暴雨过程的预报误差来源分析

本文基于WRF模式研究了2015年5月16～17日广东西南地区的一次暴雨过程的预报误差来源。首先比较了以NCEP_FNL为初始资料的WRF模式的模拟预报（记为WRF_FNL）和ECMWF（European Centre for Medium-Range Weather Forecasts）关于该次暴雨过程的确定性预报。结果表明,ECMWF具有较高的预报技巧,因此,认为ECMWF的模式和初始场都较为准确。进一步,以ECMWF的初值作为初始场,选用相同的物理参数化方案,再次用WRF模式进行预报（预报结果记为WRF_EC）。结果表明相对WRF_FNL,WRF_EC的预报结果有明显改善。这表明,初始场的改进对预报有较大的影响,初始误差是预报误差的重要来源。进一步,分析了初始误差的主要来源区域和来源变量。结果表明,南海北部湾至广西西南区域为本次暴雨预报初始误差的主要来源区域,而初始温度场和初始湿度场则为此次暴雨预报初始误差的主要来源变量。同时改进初始温度场和湿度场可以较大程度提高本次暴雨过程的预报技巧。     

北京地区一次空气重污染过程的目标观测分析

针对北京市2016年12月16~21日的空气重污染过程进行了回报试验,探讨了该次事件预报的目标观测敏感区。使用新一代高分辨率中尺度气象模式（Weather Research Forecasting,WRF）和嵌套网格空气质量模式（Nested Air Quality Prediction Model System,NAQPMS）,针对初始气象场的不确定性,通过4套初始场资料识别了影响北京地区细颗粒物（PM2.5）预报水平的目标观测敏感变量及其敏感区。结果表明:当综合考虑初始气象场的风场、温度、比湿不确定性的影响时,发现改善黑龙江区域上述气象要素的初始场精度,对北京地区PM2.5预报不确定的减小最显著;当分别考察风场、温度、比湿的不确定性的影响时,发现初始风场精度的改善,尤其是黑龙江区域风场精度的改善,能够更大程度地减小北京地区PM2.5的预报误差,对北京东南地区的PM2.5预报误差的减小甚至可达到40%以上。因此,优先对黑龙江区域的气象场,尤其是该区域的风场进行目标观测,并将其同化到预报模式的初始场中,将会有效提高初始气象场的质量,进而大大减小北京地区PM2.5浓度的预报误差,提高北京地区空气质量的预报技巧。初始风场代表了北京地区该次空气重污染事件预报的目标观测变量,而黑龙江地区则是该目标观测的敏感区域。     

北京地区暴雨个例的观测敏感区研究

利用基于集合预报的相关方法对2009年7月23日发生在北京及周边地区的暴雨过程的观测敏感区进行了分析。通过WRF(Weather Research Forecast)三维变分方法对初始场进行随机扰动,形成30个初始集合样本,做了预报时效为12 h的集合预报。利用该方法分析检验区(北京及周边地区)累积降水[14:00(北京时间,下同)至20:00]相对于初始时刻(08:00)各基本要素的敏感性,确定感性要素及其对应的区域。研究发现初步确定的敏感性要素为水汽和温度,对应的敏感区分别位于北京的西南侧和北京的东北侧,且通过实况分析可知初步确定的敏感性要素和对应的敏感区具有明确的物理意义。还进一步通过观测系统模拟试验(OSSE)的资料同化验证所确定的敏感区,结果表明在水汽对应的敏感区内同化水汽对降水的预报结果有明显的改进;在温度对应的敏感区内同化温度,降水的预报准确率有了明显的提高,说明了初步确定的敏感性要素和敏感区的正确性。在水汽对应的敏感区内同化水汽的同时在温度对应的敏感区内同化温度,使降水预报的技巧有大幅度的提高,说明了温度和水汽的共同作用对提高降水预报准确率贡献最大。因此,通过基于集合预报的相关方法能够快速的确定敏感区。研究结果将为确定北京暴雨的观测敏感区提供参考。     

基于BGM的暴雨集合预报初始扰动发展分析

基于增长模繁殖法（BGM）思想,采用AREM（新一代区域η坐标模式）,研究了暴雨过程中,初始随机扰动在繁殖循环中随时间的演变特征和发展机理。结果表明,初始扰动的演变决定于环流背景场的结构和大气中的湿物理过程。背景场不仅影响扰动的演变规律,而且决定了扰动发展的敏感区域。初始扰动随时间演变存在两个敏感区,一是背景场的大风速区,二是降水区附近。对流层高层,大风速区附近扰动得到最优发展;对流层中低层,扰动不仅沿大风速区发展,且与降水区配合较好。初始扰动发展的机理也有两种,一是大气湿物理过程引起的位势不稳定或第二类条件不稳定（CISK）;二是由风切变引起的大气动力不稳定。高层扰动的增长,以干大气的动力不稳定占优,中低层扰动的发展主要是湿物理过程的贡献,初始扰动在模式中的发展与降水的发展是同“源”的,有利于降水发展的环境也有利于初始扰动的发展,从而影响了降水的可预报性。所以利用暴雨预报模式制作集合预报时,BGM仍是可用的方法。     

条件非线性最优扰动在长江中下游地区冬季暴雨中的应用研究

为了提高长江中下游地区高影响天气的数值预报,利用条件非线性最优扰动(CNOP)方法,对一次长江中下游地区冬季降水个例(高影响天气事件)进行目标观测研究,并通过观测系统模拟试验(OSSE)检验了该方法确定敏感区的有效性和可行性。试验结果表明,CNOP方法可有效识别对应于高影响天气事件的敏感区。通过对敏感区进行初始场修正后,可明显改善验证区内24 h累积降水预报误差和总能量预报误差。进一步分析发现,通过改善敏感区内的初始场信息(如水汽通量场和低层冷空气活动等),使得数值模式不仅能更真实刻画该天气系统的初始结构,还能更好模拟出该天气系统随时间的演变特征,因而减少了验证区内对该天气系统的预报误差。这一结果表明可以把CNOP方法应用于长江中下游地区高影响天气事件的目标观测研究或实践中。      

不同水汽分析场对一次华南前汛期暴雨预报的影响分析

利用华南高分辨率模式分析了不同水汽分析场对一次华南前汛期暴雨模式预报效果的影响。分别使用来自NCEP-GFS（Global forecast system）和ECMWF-IFS（Integrated forecast system）两个不同预报系统提供的分析场进行模拟发现,使用IFS模式提供的初始场进行预报能够得到更为合理的降水预报效果,并发现初值中850hPa高度以下的水汽对本次过程的降水预报结果具有显著影响。由于在华南地区两种初始场内低层的水汽分布存在较大差异,导致了模式预报过程中出现了不同的降水发生机制,最终导致降水预报出现明显的偏差。在GFS分析场的基础上,进一步利用GRAPES-3DVar系统对常规观测资料进行再次同化,发现同化对本次降水过程的前期预报有改进,但是对24 h累计降水的预报改进并不明显。     

广州“5·7”局地突发特大暴雨过程的数值可预报性分析

2017年5月6日夜间至7日上午广州地区发生局地特大暴雨,分析表明对流触发与珠江口地区边界层南风增强等因素有密切关系。数值模式预报检验表明,ECMWF集合预报的强降水预报成员在初始条件上具有更显著的辐合上升、水汽和不稳定性条件,而GRAPES区域模式对6日20时初始场分析以及对边界层南风增强过程的预报都更为准确。集合敏感性分析表明,降水预报高敏感区分布与江南地区高压、南海高压以及华南低槽等关键天气系统的相对强度和位置有密切关系;降水对温度的预报敏感区主要位于关键区边界层内,近地面层到边界层底部温度越高、边界层顶越冷,越有利于对流不稳定性增强,有利于关键区内对流发展。通过3组探空预报试验分析了对流尺度降水预报关于初值热扰动、低层风场扰动和降水物理方案的敏感性,结果表明在特定环境条件下,与低层风场扰动试验组对比,降水预报对于初始热力扰动更为敏感;降水微物理方案预报试验表明,在小成员数的集合预报中物理方案扰动能够有效增大预报离散度。以上结果表明,分析对流尺度集合预报中各类初值扰动、物理扰动导致的预报变化和预报敏感性,能够更为全面地估计暖季中小尺度强降水事件的可预报性。     

陆面特征量初始扰动的敏感性及集合预报试验

文章利用中尺度模式Weather Research and Forecasting Model(WRF)3.2.1版本及National Centers for Environmental Prediction(NCEP)分析资料,研究了陆面变量(土壤湿度、土壤温度)和陆面参数(植被覆盖率)初始场随机扰动对长江中下游暴雨预报的影响并进行了集合预报试验。试验结果表明,短期暴雨过程对陆面变量(参数)扰动是敏感的;陆面变量(参数)初始场扰动影响降水的时间尺度小于10 h甚至可以小于6 h。从影响机理上来看,陆面变量(参数)扰动首先改变地表的潜热通量和感热通量,而地表通量的改变会通过陆气相互作用对局地大气的温、压、湿、风产生较大影响,从而对暴雨的强度和落区产生较大影响。集合预报结果表明,利用陆面变量(参数)扰动制作集合预报,预报的集合平均结果要好于控制预报的结果,且比集合成员稳定可靠,降水概率预报可以提供一些有用的信息,对预报强降水有一定的指示意义。在初值集合预报中,以这些参数或变量的扰动来引进集合成员是十分有意义的。     

观测误差对GRAPES区域集合预报影响的敏感性试验

通过设计3组不同的观测误差均方差,对2012年8月1日—29日进行了基于GRAPES-M EPS(Global/Regional Assimilation and Prediction System-Mesoscale Ensemble Prediction System)的集合预报敏感性试验,研究观测误差均方差对集合预报初始扰动场结构、扰动量及垂直扰动总能量发展的影响,评估集合预报结果的差异,并分析了一次典型的江淮流域强降水个例。结果显示,模式变量扰动结构和扰动振幅对观测误差均方差较敏感,较小的观测误差均方差使得温度和风等模式变量的初始扰动量增大,扰动总能量增长更快,降水集合预报效果更优。因此在GRAPES-MEPS中,可以考虑对观测误差均方差进行适当的扰动,以体现观测误差均方差的不确定性对集合预报的影响,提高GRAPES-MEPS的集合预报技巧。     

一次华南暴雨的可预报性分析

利用WRFV3.2.1数值模式,以2009年7月2-3日华南暴雨为例,考察随机添加的初始场误差在此次暴雨中的演变过程。结果表明:添加在初始场的误差随着积分过程延长对模拟结果的改变逐渐增大,且湿过程误差造成的模拟结果改变更大;从空间上来说,模式对高层温度的预报能力较差,对低层风场的预报能力较好;暴雨的可预报性与水汽场的精确度有关,水汽初始场越准确,暴雨的模式可预报性就越长,初始风场对暴雨模拟结果主要体现在经向风场的影响上,经向风场越准确,暴雨的可预报性就越好。     

CRA资料对一次江淮暴雨过程模拟效果的评估北大核心

利用中尺度模式WRF v4.1,分别以中国第一代全球大气/陆面再分析产品CRA、欧洲ECMWF的ERA5和美国NCEP的FNL作为初始场,对2013年7月4—6日江淮地区一次持续性暴雨过程进行了模拟试验。分析可知,此次暴雨过程是在东北冷涡、江淮切变线和西南急流3个影响系统的共同作用下,高低空冷暖空气形成对峙而导致的。与实况资料相比,3组试验均能够模拟出此次暴雨过程的主要环流形势,以及水汽、能量和动力条件。但3组试验的切变线和低空西南急流均较为偏南,强度较强,使得模拟的主要降水中心较实况位置更偏南,降水量级更大。其中CRA试验对安徽南部的水汽和垂直运动模拟更好,在该地区产生的降水也与实况更接近。而FNL试验对水汽条件和动力抬升条件模拟较弱,导致其模拟的降水明显偏小。整体而言,针对此次降水过程,ERA5模拟效果最好,CRA模拟效果接近ERA5,并且对大雨量级降水的TS(Threat Score)评分优于ERA5。     

极端天气预报指数和集合异常预报法在浙江台风和梅雨暴雨预报中的应用北大核心

利用2016—2021年ECMWF集合预报,评估了极端天气指数EFI(Extreme Forecast Index)、尾偏移指数SOT(“Shift of Tail”index)以及集合异常预报法在浙江台风和梅雨暴雨预报中的应用效果。通过研究极端天气预报指数对浙江台风和梅雨暴雨的最优预报阈值,发现梅雨暴雨阈值比台风暴雨明显偏小,且随预报时效增加减小速度偏慢。最优阈值预报相比确定性模式预报,在台风和梅雨暴雨预报检验中体现出更好的稳定性、提前性和准确性。进一步研究发现,通过区分天气类型确定的最优预报阈值,可作为台风和梅雨暴雨落区预报的参考依据。925 hPa水汽通量散度的集合异常度对浙江台风暴雨的落区和强度变化有较好的预报效果,850 hPa涡度和700 hPa垂直速度的集合异常度可以反映稳定性梅雨暴雨的过程演变。     

华南暖区暴雨预报的模式初始场质量敏感性分析北大核心

本文利用高分辨率中尺度数值预报模式WRF和两组再分析资料,在研究不同模式初值对华南暖区暴雨预报质量差异明显的基础上,利用合成初值方法进行了模式初值对暖区暴雨预报的敏感性数值试验研究,讨论了模式初始场关键物理量对暖区暴雨预报质量的影响,重点开展了模式初值湿度场质量对华南暖区暴雨降水预报的敏感性分析。结果表明:模式初始场质量的较小差异,可显著影响本次华南暖区暴雨预报的降水强度、降水落区以及降水发生时间等的质量。初始水汽场对暖区暴雨预报影响最大,也最为敏感,是准确预报对流单体的发生发展以及地面强降水的基础。风场和温度场对暖区暴雨预报的影响相对较小。对流层低层较强的风速辐合是本次暖区暴雨强对流单体触发、生成和加强发展以至产生暖区强降水的物理基础。     

Impact of ECMWF,NCEP, and NCMRWF global model analysis on the WRF model forecast over Indian Region

The global model analysis has significant impact on the mesoscale model forecast as global model provides initial condition (IC) and lateral boundary conditions (LBC) for the mesoscale model. With this objective, four operational global model analyses prepared from the European Centre for Medium-Range Weather Forecasts (ECMWF), National Centers for Environmental Prediction (NCEP) Global Data Assimilation System (GDAS), NCEP Global Forecasting System (GFS), and National Centre for Medium Range Weather Forecasting (NCMRWF) are used daily to generate IC and LBC of the mesoscale model during 13th December 2012 to 13th January 2013. The Weather Research and Forecasting (WRF) model version 3.4, broadly used for short-range weather forecast, is adopted in this study as mesoscale model. After initial comparison of global model analyses with Atmospheric Infrared Sounder (AIRS) retrieved temperature and moisture profiles, daily WRF model forecasts initialized from global model analyses are compared with in situ observations and AIRS profiles. Results demonstrated that forecasts initialized from the ECMWF analysis are closer to AIRS-retrieved profiles and in situ observations compared to other global model analyses. No major differences are occurred in the WRF model forecasts when initialized from the NCEP GDAS and GFS analyses, whereas these two analyses have different spatial resolutions and observations used for assimilation. Maximum RMSD is seen in the NCMRWF analysis-based experiments when compared with AIRS-retrieved profiles. The rainfall prediction is also improved when WRF model is initialized from the ECMWF analysis compared to the NCEP and NCMRWF analyses.     

Assimilation and Simulation of Typhoon Rusa （2002） Using the WRF System

Using the recently developed Weather Research and Forecasting (WRF) 3DVAR and the WRF model, numerical experiments are conducted for the initialization and simulation of typhoon Rusa (2002).The observational data used in the WRF 3DVAR are conventional Global Telecommunications System (GTS) data and Korean Automatic Weather Station (AWS) surface observations. The Background Error Statistics (BES) via the National Meteorological Center (NMC) method has two different resolutions, that is, a 210-km horizontal grid space from the NCEP global model and a 10-km horizontal resolution from Korean operational forecasts. To improve the performance of the WRF simulation initialized from the WRF 3DVAR analyses, the scale-lengths used in the horizontal background error covariances via recursive filter are tuned in terms of the WRF 3DVAR control variables, streamfunction, velocity potential, unbalanced pressure and specific humidity. The experiments with respect to different background error statistics and different observational data indicate that the subsequent 24-h the WRF model forecasts of typhoon Rusa‘s track and precipitation are significantly impacted upon the initial fields. Assimilation of the AWS data with the tuned background error statistics obtains improved predictions of the typhoon track and its precipitation.     

持续性强降水的区域模式动力中期预报研究

持续性强降水及其次生灾害给人民的生产和生活造成严重影响, 延伸其模式动力预报能力对防灾、减灾具有重要意义。随着对持续性强降水过程形成机理及模式动力中期预报认识的不断提高, 以减小模式初始条件误差、边界条件误差以及内场预报误差为目标提出了一系列动力中期预报技术方法, 主要包括:针对边界条件提出低通滤波技术方案, 改进了5 d以上的环流及降水预报; 针对模式预报内场进行谱逼近技术试验, 对提前3—7 d的小雨以上量级的降水预报改进明显; 针对初始条件进行多尺度混合更新初值技术预报试验, 融合全球预报的大尺度场及区域模式预报的中小尺度场进行15 d预报, 明显提高了50及100 mm以上的持续性累积降水预报时效。      

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

EC-thin降水预报与极端天气预报指数在浙江暴雨预报中的检验与释用

利用ECMWF模式降水和极端天气指数资料,以及浙江省68个气象站降水观测资料,评估了ECMWF细网格模式(EC-thin)和降水极端天气指数(EFI)对浙江2018—2020年梅汛期暴雨预报效果。研究表明：对于同一预报时效,随着阈值的增加,EC-thin和降水EFI的暴雨预报评分都呈现“先增加、后减小”的趋势,对于不同预报时效都存在某一阈值使得暴雨预报评分达到最大。从24 h时效到72 h时效,EC-thin的降水预报阈值从45 mm逐渐下降到25 mm,而降水EFI的暴雨预报阈值从07下降到06。EC-thin和降水EFI对暴雨预报的空报率随着阈值的增大而减小,漏报率随着阈值的增大而增大。对于不同预报时效,通过合理组合EC-thin降水阈值和降水EFI阈值,可以得到更好的暴雨预报效果,其评分高于单独使用降水EFI阈值或EC-thin降水阈值得到的评分。