青藏高原东部地区降水的定量数值预报初探

运用LASGη坐标有限区域数值预报模式对青藏高原东部的川、渝两省市1988年的18次强降水过程进行了不同方式下的定量降水预报的数值模拟,并根据中国气象局制定的有关规定对模拟预报结果进行了评估.该区域地形复杂,天气系统多变,对数值预报模式有较高的要求,LASGη坐标模式以其比较完善的动力框架和物理过程处理方法获得了较好的预报结果,其对小雨、中雨、大雨预报的TS评分可超过主观预报的水平.     

青藏高原东部地区降水的定量数值预报初探

运用ＬＡＳＧη坐标有限区域数值预报模式对青藏高原东部的川、渝两省市１９８８年的１８次强降水过程进行了不同方式下的定量降水预报的数值模拟,并根据中国气象局制定的有关规定对模拟预报结果进行了评估。该区域地形复杂,天气系统多变,对数值预报模式有较高的要求,ＬＡＳＧη坐标模式以及其比较完善的动力框架和物理过程处理方法获得了较好的预报结果,其对小雨、中雨、大雨预报的ＴＳ评分可超过主观预报的水平。     

LASGη模式定量降水预报准确性的探讨

1998年7-8月,运用LASGη坐标有限区域数值预报模式进行了四川盆地的业务定量降水数值预报的试验表明:虽然晴雨预报TS平均评分超过0.7,但个别个例TS评分偏低.本文对试验期间TS评分最高和最低的两个个例进行分析,结果表明:降水预报的准确性与盆地内外特征物理量场的分布有关.当盆地外的大气状况的分布有利于降水时,盆地内降水预报的准确性也更高.     

AREM及其对2003年汛期降水的模拟

文中回顾了一个能考虑陡峭复杂地形的有限区域 η坐标数值预报模式 (RegionalEta coordinateModel,简称REM )十几年来的发展和应用过程 ,列举了该模式系统在气象、水文、环境和军事保障等科研和业务单位的主要应用。同时介绍了在此基础上发展升级的暴雨数值预报模式 (AdvancedREM ,简称AREM )。由于 (A)REM抓住了中国区域的地形和天气特点 ,已成为模拟和预报中国天气和环境灾害的重要工具 ,在环境治理、抗洪抢险、防灾减灾以及军事气象保障中发挥了重要作用。通过分析新版本AREM对 2 0 0 3年夏季中国东部区域降水过程的模拟和预报结果 ,反映了AREM对中国东部区域降水的模拟和预报能力 ,再现了 2 0 0 3年夏季中国东部主要降水过程的雨量分布和演变特征。ARM对主要降水区域平均降水量的逐日预报与观测基本一致。它不仅对发生在淮河流域的较大范围的降水预报如此 ,而且对有些受地形强迫影响的局部强降水中心 ,预报结果也与观测基本一致。     

LSG_η模式定量降水预报准确性的探讨

:1998年 7— 8月 ,运用LASGη坐标有限区域数值预报模式进行了四川盆地的业务定量降水数值预报的试验表明 :虽然晴雨预报TS平均评分超过 0 7,但个别个例TS评分偏低。本文对试验期间TS评分最高和最低的两个个例进行分析 ,结果表明 :降水预报的准确性与盆地内外特征物理量场的分布有关。当盆地外的大气状况的分布有利于降水时 ,盆地内降水预报的准确性也更高。     

宜宾市常规天气要素分县预报方法

应用数值天气分析预报产品,选择与宜宾各县温度、降水有较好相关的预报因子,利用模式输出统计(MOS)法,建立温度、降水的分县、客观预报方程,从而达到气温、降水预报的定点、定量的目标.     

宜宾市常规天气要素分县预报方法

应用数值天气分析预报产品，选择与宜宾各县温度、降水有较好相关的预报因子，利用模式输出统计(MOS)法，建立温度、降水的分县、客观预报方程，从而达到气温、降水预报的定点、定量的目标。     

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。     

东北冷涡数值预报系统建立与业务应用

东北冷涡强降水一直是东北地区气象预报的难点和重点。从提高东北冷涡降水数值预报质量着手,选择模式中可能对东北冷涡强对流有影响的不同辐射方案、边界层方案和积云参数化方案等多种物理过程,对东北冷涡降水预报的性能进行批量试验;利用天气学检验方法,选择预报结果较好的RRTM长波辐射方案、Gayno Seaman边界层方案、Grell积云参数化方案和混合相湿过程显式方案等物理方案,组合建立了东北冷涡数值预报系统。经检验表明：系统对东北冷涡降水预报的水平较东北区域中尺度数值预报业务系统有所提高。同时利用天气学检验方法,从降水预报的强度、落区和移速等方面着手,评估东北冷涡数值预报产品对冷涡降水预报的性能和系统误差,得出降水强度易偏强、落区易偏西偏南和范围易偏小等定性结论,可直接应用于预报业务,取得了较好的应用效果。     

中尺度层状云系数值预报系统及其业务化应用试验

研制了中尺度静力平衡层状云系数值模式；针对人工影响天气业务特点，开发了模式预处理、后处理和产品服务系统；初步建立了一套可在业务中实时运行的中尺度层状云系数值预报业务系统。经过两年多的业务运行试验，结果表明：系统运行稳定，功能实用，对降水场和云场具有一定的预报能力；对小、中雨量级的稳定性降水预报准确率较高；模拟的云场同卫星、雷达实测云系有较好的一致性。可为人工影响天气作业决策及降水预报等实时业务提供帮助。     

降雪含水比研究进展

降雪深度预报与定量降水预报(QPF)一样是冬季天气预报最重要的业务之一,而降雪含水比是降雪深度预报中所必须的重要参数,国外一般多将其称为snow-to-liquid ratio(SLR)。本文回顾了过去几十年来国内外在SLR的变化特征、影响因素等方面的主要研究进展,并对其预报技术和方法进行了总结和比较。研究表明:SLR具有明显的时间变化,并且存在季节和空间分布差异;大气温度和相对湿度是影响SLR的两个最重要气象因子,气压、垂直运动等气象因素,以及地表风、积雪自重、太阳辐射和积雪融化也会不同程度地影响SLR;随着预报技术的发展,SLR的预报方法可概括为气候学的、统计学的和基于物理基础的三类预报方法,气候学方法过于简单化,统计学方法的应用提高了SLR的预报能力,但仍无法摆脱统计方法自身的缺陷,比较而言,基于数值模式的瞬时预报更符合未来雪深预报业务的精细化发展趋势;目前,国内降雪深度观测资料较少、观测频率较低,有效开展地面降雪和探空加密观测,解决观测资料不足是今后SLR研究中亟待解决的问题;基于数值天气预报业务模式,探索气象因子对SLR的影响机理,建立适合我国冬季天气预报业务需求的降雪预报系统是未来的发展方向。     

多次取样的网格化暴雨预报“配料法”研究

利用2008—2019年甘肃省陇东342个测站的逐日降水资料和ECMWF_ERA5再分析资料，总结了不同暴雨天气过程的环流特征，建立了精细至模式预报每个格点、综合考虑暴雨日每个预报时次的多次取样网格化暴雨预报“配料法”方案，并通过2020年5次暴雨过程进行验证。结果表明，陇东暴雨可分为副高扰动型、冷槽切变型和偏北气流对流型；由于不同类型暴雨的环流特征差异明显，降水范围及持续时间不同，具有代表意义的关键物理量及阈值也不相同；网格化配料法的过程预报准确率相比ECMWF_THIN提高了20%，站点预报准确率提高了7.8%，性能优于ECMWF_THIN模式的暴雨预报；配料法对小区域预报效果优秀，预报范围越大预报准确率越低。     

冬季稳定性降水相态预报研究进展

冬季降水无论对地面的生产生活还是对高空飞机航行都可能造成严重灾害,降水相态预报的准确性决定了冬季降水预报的成功,该文系统回顾了近几十年降水相态预报取得的成果.降水相态预报方法大致分为3类:第1类是基于观测或数值天气预报建立的指标以及回归方程,其中某些方法高度依赖数值天气预报模式准确率;第2类是基于数值天气预报模式的微物...     

THE IMPACT OF DIFFERENT PHYSICAL PROCESSES AND THEIR PARAMETERIZATIONS ON FORECAST OF A HEAVY RAINFALL IN SOUTH CHINA IN ANNUALLY FIRST RAINING SEASON

An ensemble prediction system based on the GRAPES model, using multi-physics, is used to discuss the influence of different physical processes in numerical models on forecast of heavy rainfall in South China in the annually first raining season(AFRS). Pattern, magnitude and area of precipitation, evolution of synoptic situation, as well as apparent heat source and apparent moisture sink between different ensemble members are comparatively analyzed. The choice of parameterization scheme for land-surface processes gives rise to the largest influence on the precipitation prediction. The influences of cumulus-convection and cloud-microphysics processes are mainly focused on heavy rainfall;the use of cumulus-convection parameterization tends to produce large-area and light rainfall. Change in parameterization schemes for land-surface and cumulus-convection processes both will cause prominent change in forecast of both dynamic and thermodynamic variables, while change in cloud-microphysics processes show primary impact on dynamic variables. Comparing simplified Arakawa-Schubert and Kain-Fritsch with Betts-Miller-Janjic schemes, SLAB with NOAH schemes, as well as both WRF single moment 6-class and NCEP 3-class with simplified explicit schemes of phase-mixed cloud and precipitation shows that the former predicts stronger low-level jets and high humidity concentration, more convective rainfall and local heavy rainfall, and have better performance in precipitation forecast. Appropriate parameterization schemes can reasonably describe the physical process related to heavy rainfall in South China in the AFRS, such as low-level convergence, latent heat release, vertical transport of heat and water vapor, thereby depicting the multi-scale interactions of low-level jet and meso-scale convective systems in heavy rainfall suitably, and improving the prediction of heavy rainfall in South China in the AFRS as a result.     

GRAPES区域集合预报对2019年中国汛期降水预报评估

2019年,数值预报中心开发了以GRAPES全球模式为驱动场,集合变换卡尔曼滤波为初值扰动方法,随机物理过程倾向项为模式扰动方法的10 km水平分辨率GRAPES-REPS V3.0区域集合预报模式,并投入业务运行。基于该模式,作者开展了2019年7～9月夏季降水不确定性的集合预报实时试验,并从统计检验和个例分析角度,与GRAPES-REPS V2.0和ECMWF全球集合预报模式进行对比,由此对GRAPES-REPS V3.0区域集合预报模式的降水预报能力给予客观评价,并分析了引起中尺度强降水预报不确定性的物理机制,研究结论可为诊断集合预报模式及改进集合预报方法提供依据。结果表明:（1）GRAPES-REPS V3.0区域集合预报系统的降水ETS评分在所有预报时效和量级内均优于GRAPES-REPS V2.0区域集合预报模式,降水成员具有明显等同性,且概率预报技巧FSS评分较高,GRAPES-REPS V3.0区域集合预报模式降水预报效果全面优于GRAPES-REPS V2.0区域集合预报模式。（2）GRAPES-REPS V3.0区域集合预报的集合平均降水BIAS评分及小雨和暴雨ETS评分均明显优于ECMWF全球集合预报系统,降水概率预报与ECMWF降水概率具有一定可比性。（3）个例分析结果表明,不同集合预报模式通过刻画中尺度特征物理量不确定性来捕捉降水预报不确定性,初始时刻,GRAPES-REPS V3.0区域集合预报模式和ECMWF全球集合预报模式环流形势分布较为相似,随预报时效演变,GRAPES-REPS V3.0区域集合预报模式对中尺度动力、热力场捕捉更为准确,相应地对降水落区与量级预报较好,概率预报技巧较优。（4）与ECMWF全球集合预报模式相比,GRAPES区域集合预报模式集合成员能很好地预报降水发生、发展、消亡整个过程,故GRAPES-REPS V3.0区域集合预报系统对中国汛期降水具有较强的预报能力。     

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。     

天气学检验在东北区域数值模式秋冬季降水预报中的应用

根据影响天气系统不同,利用2007年9月－2008年2月东北区域中尺度数值模式12h累积降水预报和东北地区常规站降水实况资料,采用天气学检验方法,从降水中心强度、中心位置、降水主体强度、落区、范围和移速6个方面对东北区域中尺度模式降水预报产品的预报性能进行检验。结果表明：模式对东北地区秋、冬季降水有很好的预报能力,但因天气系统和预报时效不同其预报能力也有较大差异,其中对高空槽预报效果最好;一般情况下,在预报出现偏差时中心和主体强度易偏强,雨带范围易偏大,移速易偏慢。     

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。     

Quantitative Precipitation Forecast Experiment Based on Basic NWP Variables Using Deep Learning

The quantitative precipitation forecast (QPF) performance by numerical weather prediction (NWP) methods depends fundamentally on the adopted physical parameterization schemes (PS). However, due to the complexity of the physical mechanisms of precipitation processes, the uncertainties of PSs result in a lower QPF performance than their prediction of the basic meteorological variables such as air temperature, wind, geopotential height, and humidity. This study proposes a deep learning model named QPFNet, which uses basic meteorological variables in the ERA5 dataset by fitting a non-linear mapping relationship between the basic variables and precipitation. Basic variables forecasted by the highest-resolution model (HRES) of the European Centre for Medium-Range Weather Forecasts (ECMWF) were fed into QPFNet to forecast precipitation. Evaluation results show that QPFNet achieved better QPF performance than ECMWF HRES itself. The threat score for 3-h accumulated precipitation with depths of 0.1, 3, 10, and 20 mm increased by 19.7%, 15.2%, 43.2%, and 87.1%, respectively, indicating the proposed performance QPFNet improved with increasing levels of precipitation. The sensitivities of these meteorological variables for QPF in different pressure layers were analyzed based on the output of the QPFNet, and its performance limitations are also discussed. Using DL to extract features from basic meteorological variables can provide an important reference for QPF, and avoid some uncertainties of PSs.