“23·7”华北特大暴雨数值预报检验评估

针对“23·7”华北特大暴雨过程,采用天气学检验及TS(thrcat scorc)评分和MODE(mcthod for objcct-bascd diagnostic cvaluation)方法对中国气象局高分辨率全球同化预报系统(CMA-GFS)、较低分辨率全球集合预报系统(CMA-EPS)、欧洲中期数值预报中心集合预报系统(EC-EPS)和业务预报模式(EC-HR)、美国环境预报中心全球预报系统(NCEP-GFS)等全球模式和中国气象局区域台风数值预报系统(CMA-TYM)、中尺度天气数值预报系统(CMA-MESO)和区域数值预报系统(CMA-BJ)等进行中短期预报效果检验评估。结果表明:EC-EPS提前14 d预报京津冀一带有过程累积降水量超过100 mm强降水的发生概率,CMA-EPS可提前12 d报出,但预报欠稳定且落区偏东偏南。EC-HR对100 mm以上过程累积降水量及2 d以上暴雨日的位置预报提前时效均达8 d左右,CMA-GFS的过程累积降水量预报显著偏小、强降水落区明显偏东,可用预报时效短;NCEP-GFS预报性能介于二者之间。各模式均可提前36 h预报强降水落区和...     

攀西地区2021年夏季多模式降水预报检验

为提高定量降水预报产品在攀西地区的预报能力,对2021年夏季格点预报（Grid Weather Forecasting,GWF）、西南区域模式（South West Center-WRF ADAS Real-time Modeling System,SWCWARMS）、欧洲中心中期预报 （European Centre for Medium-Range Weather Forecasting,ECMWF）及中国气象局中尺度模式（China Meteorological Administration Meso-Scale Model,CMA-MESO）降水预报情况进行了检验分析。结果表明：（1）ECMWF模式雨日空报最明显,但其暴雨量级预报较实况偏干,其余各家产品中各量级降水均以湿偏差为主。有雨日数在攀西地区南部预报效果较好,其余地方空报较大。大雨日数在凉山州中部预报偏差较大,攀西地区南部预报偏差较小。（2）从16次过程检验来看,各预报产品在8月份过程中的表现优于其余月份,GWF产品25 mm以上TS（Threat Score）评分高于20分的过程次数最多且预报效果最稳定,CMA-MESO模式空报最大。（3）各产品3 h累计强降水开始时间大多早于实况,SWCWARMS模式雨强偏大且对于持续时间较长的过程预报效果较好,而GWF、ECMWF模式累计雨量较实况偏小。     

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。     

SWCWARMS 模式对巴中地区预报能力的检验

应用巴中地区218个自动气象观测站2016年6～8月逐日的24h累积雨量,采取基于客观统计的检验方法,针对24h累积雨量,采取TS评分、BIAS评分和空报率对比分析了 SWCWARMS 模式和 EC 细网格模式在巴中地区的预报能力。研究结果表明:(1)从降水落区来看,两个模式都对雨带的移动都有较好的预报能力;(2)从降水 TS 评分看,SWCWARMS模式在各量级上的 TS 评分都优于 EC 模式;(3)从降水 BIAS 评分看,EC 模式容易漏报中雨及以上量级的降水,而 SWCWARMS 模式则对大暴雨的预报有较大的空报;(4)从逐月评估结果看,6月和7月SWCWARMS 模式较EC模式有更好的预报效果,8月两者差异不大。总体而言,SWCWARMS 模式在巴中地区的预报效果优于 EC 模式。      

浙江省水库流域面雨量的多模式预报效果分析与检验

基于站点观测资料和欧洲细网格(ECMWF)、日本高分辨率(JMA)及多模式客观集成预报技术(OCF)模式预报资料,以2015年2-7月为例,评估这三种模式对浙江省6个水库流域客观面雨量预报效果。水库流域面雨量预报值采用网格算术平均法计算,面雨量观测值采用泰森多边形法计算。检验评分方法采用平均绝对误差、TS评分(Threat Score)和模糊评分法。初步检验结果表明:1)ECMWF对大雨暴雨的预报效果优于其他模式的,OCF对中雨的预报效果优于其他模式的,对小雨预报,三种模式效果相当。2)各模式预报效果均随着降水等级增大而下降。小雨时,空报率远高于漏报率,其中ECMWF和OCF漏报率不到10%;大雨暴雨时,漏报率远高于空报率,其中JMA漏报率达75%~90%。3)三种模式对浙江中部北部地区水库流域面雨量预报效果整体优于对浙江南部地区水库的,且随着降水等级升高,南北水库之间预报效果差异增大。4)ECMWF对大雨暴雨的预报效果随着时效临近表现为明显改善,OCF和JMA在72 h预报时效以外,预报效果随时效临近呈改善趋势,在72 h时效以内,预报效果不稳定。     

全球和区域数值模式在甘肃2020年汛期降水预报中的检验评估

2020年汛期6—8月甘肃降水日数多、持续时间长、范围广、强度大,对该时间段内3种全球模式（ECMWF、GRAPES＿GFS和NCEP＿GFS模式）和4种区域模式[GRAPES区域数值预报业务系统（GRAPES＿3 km）、西北区域区域模式（GRAPES＿LZ10 km）、西北区域快速更新循环预报系统（GRAPES＿LZ3 km）和华东区域模式（SMS-WARMS）]24 h累计降水预报性能进行检验评估。结果表明：（1）全球模式中ECMWF模式的预报性能优于其余2个模式,而区域模式中GRAPES＿3 km和SMS-WARMS模式预报性能相对较好,且SMS-WARMS模式预报性能更稳定。（2）区域模式晴雨准确率及小雨和中雨的TS评分、ETS评分、命中率低于全球模式,暴雨优于全球模式;大雨和暴雨的空报率和预报偏差均高于全球模式。（3）根据500 hPa环流形势可将甘肃汛期降水划分为副高边缘型和低槽型2种类型,针对2020年4次副高边缘型和3次低槽型降水进行分类检验评估。全球模式和区域模式均对前者的各个量级降水预报性能优于后者;ECMWF模式和区域模式对2种类型大雨和暴雨预报效果优于NCEP...     

一次辽宁大暴雨过程的数值预报和分析

利用天气学方法和中尺度数值预报模式 (MM5)对1999年8月9～10日辽宁大暴雨天气过程进行预报结果分析 ,并将中尺度数值模式从SGI工作站上移植到安装Linux操作系统的微机上 ,对此个例进行数值预报。     

GRAPES模式对2008年两次强降水过程的数值预报检验

利用GRAPES_meso中尺度模式和三维资料变分同化系统,以国家气象中心T213L31全球模式预报结果作为第一猜场,在对我国南方地区的探空、地面站、自动气象站和13部雷达观测径向风进行同化的基础上,对2008年6月中旬造成南方多个省份大暴雨的一次冷锋过程和7月底在福建登陆的8号(凤凰)台风的数值预报结果进行了热力和动力检验,并对模式预报降水和降水系统的结构进行了分析,总结了冷锋系统中对流降水产生的有利条件和维持机制、以及台风登陆后的结构演变,发现这次冷锋具有较强的斜压性和锋区对流不稳定性,热力动力结构与梅雨锋类似。台风凤凰登陆后减弱为热带低气压,虽然受地面摩擦影响和水汽供应的减少而导致螺旋云系减弱,但热力结构依然清晰,暖心结构被削弱,呈现高层偏暖和低层偏冷、抑制对流发展的热力结构。通过分析,初步验证了GRAPES_meso模式对这两个个例强对流降水系统的刻画能力,但仍然有必要进行更多更细地检验。     

安徽省WRF模式短时强降水的预报检验

利用2005—2015年安徽省内1162个站点观测资料简要分析了短时强降水的时空分布特征,并利用中国气象局CLDAS(CMA Land Data Assimilation System)近实时降水资料检验2012—2015年安徽省WRF(Weather Research and Forecast)模式对短时强降水的预报性能,探讨不同空间插值方法、检验方法对预报效果的影响,以评估模式预报短时强降水的应用价值和使用注意事项。结果表明:短时强降水主要发生在大别山区和皖南山区;一年中发生次数呈单峰分布,集中于6—8月;日变化呈双峰状,强峰为北京时间下午15:00—19:00,弱峰为06:00—09:00,两个低谷分别为01:00、12:00前后。在两分类评分TS(Threat Score)检验中,各个季节评分均十分低,插值方法对TS评分影响不大。邻域法FSS评分(Fractions Skill Score)检验中,春季FSS评分低,最高仅可达15%,空间窗、时间窗、时间超前或滞后变化对FSS评分的影响不如夏季、秋季明显;夏季,不考虑时间窗时,单独的时间超前或滞后不能提高预报准确率;秋季,模式分别滞后1h或滞后2h预报结果优于同期预报,而超前1h或超前2h预报结果低于同期预报,表明秋季WRF模式对短时强降水的预报有一定滞后性。     

多数值模式对台风暴雨过程预报的空间检验评估

采用FSS评分(fractional skill score)和CRA方法(contiguous rain area)结合国家气象信息中心地面、卫星、雷达三源降水融合产品(CMPA_Hourly V2.1),对SHANGHAI_HR(SH)、GRAPES_MESO(MESO)、ECMWF_HR(EC)、GRAPES_GFS(GFS)四个模式2018年8月三次登陆台风暴雨过程的的降水预报进行了检验评估,对比分析了各模式的预报性能,得到结论如下:FSS评分相较于传统TS评分能够更好地通过量化的方式反映出不同模式的预报能力差别,而CRA方法能更全面详细地评估模式的误差来源;区域模式对于局地性强降水或大尺度降水的强中心预报相对于全球模式有一定优势,但全球模式对于较小量级降水的范围预报可参考性更好;对于"摩羯"、"温比亚"台风影响的两次过程,EC模式的预报位移误差明显偏西,同样的特征也表现在MESO和GFS对于"温比亚"台风影响的降水的预报;GFS模式对于降水范围、降水强度预报偏小、偏弱,EC模式预报略好于GFS模式但对于降水极值估计仍存在不足。相对而言,区域模式对于极值估计优于全球模式,SH模式对于极值的估计要优于MESO模式,但其预报降水存在范围、强度偏大的特征;大部分模式预报降水个体的误差主要来源于位移误差,强度误差和形态误差大致相当。     

两种背景场同化雷达资料对辽宁省一次暴雨预报的影响

针对2013年8月15—16日先后在辽宁省锦州和抚顺地区发生的特大暴雨,分别以T639和NCEP预报场作为背景场,利用中尺度数值模式WRF(Weather Research and Forecasting Model)和ADAS(ARPS Data Analysis System)同化系统进行了同化多普勒雷达观测资料的试验,检验同化雷达资料和采用不同背景场对暴雨预报的影响。结果表明:(1)同化雷达资料前,使用两种背景场的预报结果对锦州的强降水均出现漏报,同化雷达资料后,均预报出了锦州黑山一带的强降水,而12~24 h预报结果中对位于抚顺地区强降水预报的改善不大,采用T639较NCEP预报作为背景场对抚顺地区强降水的预报更好;(2)ADAS同化雷达资料后对模式初始湿度场的改善较大,700 h Pa和850 h Pa比湿有明显的增量。同时,同化雷达资料后更新了模式初始场中的水物质,水物质增量位置和强降水发生位置有较好的对应关系;(3)通过分析模式预报的风场,回波和水汽通量散度发现,同化试验预报初期在锦州和阜新一带预报出了强度较强且深厚的水汽场,低层西南暖湿气流和高层西北干冷气流的配置在锦州地区水汽区域的左侧激发了强烈的上升辐合运动,而其右侧伴有强烈的辐散是导致锦州黑山强降水爆发的主要原因。     

豫北“21·7”极端暴雨过程特征及成因分析

利用探空、地面自动站、多普勒雷达等观测资料及ERA5再分析产品,对2021年7月17—22日豫北地区的极端暴雨过程进行分析。结果表明,极端暴雨过程具有强降水持续时间长、降水强度极端及地形影响明显等特征。极端暴雨过程发生于稳定的大尺度天气形势下,在日本海高压西伸及台风烟花(2106号)、查帕卡(2107号)西北行背景下,黄淮低涡外围加强北上的东南急流/偏南急流为强降水的发生提供了异常充足的水汽、能量条件,对流层中低层暖湿平流强迫、叠加地形影响的强动力辐合抬升作用及低空弱冷空气扩散南下是形成强降水的重要条件,而大气“强-弱-强-弱”的对流不稳定层结特征转化说明强降水过程中存在着两种互补的物理机制。不同阶段极端短时强降水(小时降水量≥50 mm)对流系统的形态结构和发展演变特征不同,但从雷达回波的垂直分布来看,系统均具有“低质心”特征,质心强度≥55 dBz且≥50 dBz强回波垂直伸展至5～8 km、持续时间1 h以上。强降水对流系统在太行山前30 km左右范围内的后向发展特征明显,一方面与地面西行偏东风/东北风在太行山绕流作用下形成的地形辐合线不断南伸有关,另一方面也与强降水冷池效应促使...     

CMA-MESO模式对“21·7”河南特大暴雨的预报评估与误差分析

为分析CMA-MESO模式对2021年7月19—21日河南特大暴雨的预报性能,除了常规观测资料,还利用雷达和卫星非常规观测资料,对模拟回波和云产品开展传统和新型空间检验,以揭示对流风暴和中尺度对流系统(MCS,基于卫星红外通道)的模式预报偏差细节,并从降水形成的水汽、动力、触发和维持机制等角度分析模式误差产生的原因。结果表明:模式能较好预报雨带形态、弱回波持续时间以及主要降水发生前期和后期MCS的面积和强度演变趋势;模式偏差主要体现在低估了降水强度且未报出郑州站极端小时降水,错报主雨带小时降水演变,严重低估了对流风暴和强对流风暴的持续时间,未能报出午后MCS面积陡增的变化趋势且MCS位置预报偏西、偏北;模式降水偏差的原因主要在于水汽的模拟,模式水汽垂直分布不合理,对台风烟花和查帕卡的水汽输送均偏弱,而水汽输送不足的根源是低空急流偏弱和超低空急流脉动不足。另外,模式未能在郑州站附近预报出稳定少动的地面中尺度辐合线,加之大气层结不稳定度不足和对流不稳定能量偏低,使得对流发展不够旺盛,最终导致降水预报不足。     

“21·7”河南暴雨水汽源地追踪和定量贡献分析

2021年7月19～22日,河南省部分地区出现极端暴雨（简称“21·7”河南暴雨）,造成严重城市内涝和人员伤亡。本文借助降水观测资料和再分析数据,分析了此次暴雨过程的大尺度环流形势,并利用拉格朗日轨迹追踪模式FLEXPART及水汽源区定量贡献分析方法,考察了暴雨过程的水汽源地、输送路径和源区水汽定量贡献。结果表明:此次暴雨期间以及暴雨发生前数天,东亚地区500 hPa环流形势极为稳定,西太平洋副热带高压（简称副高）异常偏北,与北侧高压脊连通、位置少动,欧亚大陆高空槽偏西,东亚中高纬环流显著平直,暴雨过程期间,热带气旋“烟花”和“查帕卡”与副高等持续协同影响,建立明显水汽输送通道,提供充足水汽,河南暴雨区维持显著近地面湿区和高可降水量;向前追踪数天发现,暴雨区目标气块主要来自西北太平洋和中国南海等地,且所处大气高度较低,此外,还有少量气块来自日本海附近和欧亚大陆中部（所处高度相对较高）;定量贡献分析显示,水汽主要来自河南南侧中国中东部大陆（D）和西北太平洋（F）,前者水汽贡献率（52.59%）达后者（25.51%）2倍以上,此外,河南暴雨区（T,3.68%）、中南半岛—中国南海（E,3.32%）和暴雨区北侧亚洲大陆（B,2.28%）也有一定贡献;目标气块在D区域水汽摄取量最大,略高于F区域,但前者沿途损耗率明显低于后者,造成D区域水汽贡献显著高于后者;B区域水汽摄取量略高于E区域,但其沿途损耗和未释放部分占比之和高于后者,导致后者水汽贡献相比略高;此外,T区域也有不可忽视的降水再循环率;延长向前追踪天数后,目标气块轨迹和各源区水汽摄取与贡献率相对变化不大,但所有源区水汽总贡献明显提升,可见,对于类似此次河南极端特大暴雨的强降水过程的水汽来源追踪而言,适当延长追踪天数十分必要。     

2000年7月西南涡暴雨过程的分析和数值模拟

对2000年7月1～8日西南涡暴雨过程进行了大尺度分析,并利用中尺度暴雨模式MRM1对这次过程进行了数值模拟,结果表明,这次西南涡暴雨过程分为两个阶段,分别对应着两次冷空气南下。暖切变线的南北摆动是发生大暴雨的一个重要原因,而西南急流核的向北传播导致雨区向北传播。模式成功地模拟出了中-α尺度的低涡、切变线,沿暖切变线的强烈倾斜上升气流、中尺度正涡度以及水汽通量散度辐合柱状结构,这些对暴雨的发生提供了动力和水汽条件;而沿低空急流轴的狭长暖湿舌,其北部的干冷区构成的南北向能量锋区,以及较强的中低空不稳定层结是这次暴雨持续发生的重要条件。     

北京地区中尺度数值业务预报的客观检验

对北京地区中尺度数值天气预报客观检验系统的框架和方法进行了详细的介绍,分析了北京地区冬季（2001年11月1日~2002年2月28日）主要预报要素的客观检验结果,在此基础上给出北京地区冬季中尺度数值预报业务的误差特征,并根据检验结果定性地分析了模式预报系统性和非系统性误差的可能来源。结果表明,模式地形的强迫作用是地面和对流层低层预报系统性误差的重要来源;测站高空预报要素的非系统性误差显著,初始时刻存在的误差在积分过程中被进一步放大;对北京 (54511) 单站地面要素预报的检验结果发现,2-m温度预报冬季整体偏低。在系统性误差为主要误差分量时对模式的平均误差进行订正能有效地提高温度预报的准确率。