沈阳中心气象台专业预报编辑系统

系统在微机上编制实现 ,可以用来编辑常规天气预报和多种灾害性天气警报     

沈阳中心气象台专业预报编辑系统

系统在微机上编制实现,可以用来编辑常规天气预报和多种灾害性天气警报。     

ECMWF灾害性天气预报的检验

欧洲中期天气预报中心（ECMWF）2006-2015年的战略规划强调了灾害性天气的早期预警和其检验的开发需求。规划根据500百帕位势高度的确定性模式和850百帕温度集合预报系统,提出了全面的履行目标。有必要对用于ECMWF预报系统性能长期评估的预报等级评分集进行扩展,以涵盖适合灾害性天气的检验标准。这些应该根据重要的地面天气参数和特别针对为灾害性天气早期预警提供指导而开发的产品,比如极端预报指数（EFI,其应用的结果参见图1）。     

四川省短期灾重天气预报中的几个问题

就我省短期重大灾害性天气预报业务中的一些技术问题进行了分析.重点讨论了重大灾害性天气的启动机制、能量锋生消、中尺度系统分析和不同系统相互作用等问题,并给出了定性和定量诊断方法.这有助于预报员在业务预报中进一步把握好有关信息,促进短期重大灾害性天气预报质量的提高.     

四川省短期灾重天气预报中的几个问题

就我省短期重大灾害性天气预报业务中的一些技术问题进行了分析。重点讨论了重大灾害性天气的启动机制、能量锋生消、中尺度系统分析和不同系统相互作用等问题,并给出了定性和定量诊断方法。这有助于预报员在业务预报中进一步把握好有关信息,促进短期重大灾害性天气预报质量的提高。     

我区灾害性天气预报的若干进展与近期任务

经过全区预报人员五年的努力,我区的灾害性天气预报,无论是短期还是短时,都已经摆脱了低水平徘徊的局面,正在稳定地提高.1 近5年灾害性天气预报质量情况1.1 全区年度质量由表1可以看出,近几年来全区短期、短时灾害天气预报质量都已走出低谷,呈稳定上升趋势,与1986—1990年平均质量相比,短期预报有进步;短时因评分办法变更影响,提高的质量在表中反映不出来.     

垂直积分液态水含量在地面大风预报中的应用

利用天津塘沽的CINRAD-SA型新一代多普勒雷达体扫描垂直积分液态水含量(VIL)产品资料,结合地面大风灾情报告和实况资料,对地面灾害性大风出现前VIL值的演变、发展情况进行了统计分析。结果表明:VIL值达到30kg/m2是地面灾害性大风出现的阈值,VIL值达到或超过40kg/m2则可以看作是大风的一个预警指标;VIL值达到最大后的快速减小意味着将出现地面灾害性大风,VIL值快速减小后的突然跃增则是地面灾害性大风开始的标志。应用评分系统命中率、误警率、临界成功指数检验了上述预警指标,结果表明VIL产品预警地面灾害性大风是可用的,而且随时间调整阈值大小,可以大大提高地面灾害性大风预警的命中率和临界成功指数;地面灾害大风出现前预报员有12～18min的时间用于发布短时、临界大风天气预报和大风预警。     

2004年我国重大灾害性天气和大尺度环流特征

利用EC数值预报客观分析场、实时观测资料和灾情统计资料,对2004年我国重大灾害性天气事件和环流形势特征进行了天气学分析。结果表明：我国华北、东北很多地区和南方发生季节连旱与大气环流异常密切相关,致洪暴雨、强雷暴和沙尘暴灾害性天气事件是在有利的环流形势下天气系统相互作用的结果。把握好环流形势和影响天气系统演变特征,对于提高灾害性天气预报准确率和减灾、防灾有重要意义。     

市级灾害性天气应急服务系统

灾害性天气应急服务系统是市级气象台根据实际工作需要,研制开发的灾害性天气监测、预报预警业务系统。系统实现了对灾害性天气的实时监测,预警信息编辑、制作和发布,灾情快速评估及极端灾害性天气预报应急服务等功能。介绍了系统的功能特点和业务应用情况。为市级台站做好灾害性天气监测、预报和预警应急服务等工作提供了可借鉴的思路。     

西北地区东部重要天气预报业务系统

利用实时资料和数值预报产品,建立以多种数据库为支撑的西北地区东部重要天气预报业务系统。该系统在本地灾害性、关键性和转折性天气的中短期预报方面具有较好的业务实用效果。     

云南滑坡泥石流灾害精细化气象预警系统

通过开展低纬高原地区MM5 V3不同参数化方案降水模拟试验,建立了基于SGI O350小型机的MM5中尺度数值模式业务系统.使降水预报输出产品时间分辨率小于等于60 min、水平距离分辨率小于等于10 km;对雷达、卫星降水反演资料与气象站及加密雨量站的实测资料用权重法集成为精细化实况降水场;基于滑坡泥石流灾害发生的天气气候背景和不同地质地貌条件下滑坡泥石流与降水的关系研究,采用PP-ES模式,建立了以时间分辨率为12 h、水平距离分辨率为30 km的滑坡泥石流灾害气象等级预报产品为主要内容的云南省精细化滑坡泥石流灾害气象监测预警系统.     

石家庄市强暴雨的气候特征和环流形势分析

利用统计学方法对石家庄及各市(县)建站以来的强暴雨过程进行气候分析。普查了59次强暴雨个例的历史天气图，将强暴雨过程分成8个类型，归纳出各型强暴雨的发生时段和落区；找出各型的典型形势场特征，并制作了天气型模板，可在MICAPS平台上直接与天气图叠加，进行预报分析，力图以此提高预报强暴雨的能力。     

首都北京及周边地区大气、水、土环境污染机理与调控原理

科技部科研院所社会公益专项资金重点项目“突发性强灾害天气预警系统（EWSSWE）”2006年6月6日通过验收。该系统是一个依托动力模式的数值预警系统，以WWW为平台，融贯了多种天气预报新技术，集富含信息量的强对流指数诊断预测、基于卫星和雷达产品的外推以及动力模式数值天气预报于一体；该系统开发的冰雹预报产品使本来并非预报量的冰雹作为动力模式后处理的产品输出从而赋予动力模式以直接预报冰雹的功能；     

在数值预报中应用卫星反演资料的质量控制研究

资料变分同化作为提高数值预报准确率的有效手段之一，受到了越来越多的关注。如何将分辨率较高的卫星资料应用到数值预报中，弥补常规观测网时空分辨率的不足，成为数值天气预报的重要课题。以1996年6月28-29日发生在江淮流域的暴雨过程为例，依据其中尺度场和能量场特征，分别以低云量、急流、湿静力能为标准设计了三套质量控制方案。将质量控制后的反演湿度场变分同化并应用到中尺度MM5模式中，结果表明：经质量控制后，可以明显地改善降水区域及降水量的预报；对降水预报，特别是强降水天气过程的预报，该质量控制方案具有普遍意义。     

Radar data assimilation of the GRAPES model and experimental results in a typhoon case

Constructing β-mesoscale weather systems in initial fields remains a challenging problem in a mesoscale numerical weather prediction (NWP) model. Without vertical velocity matching the β-mesoscale weather system, convection activities would be suppressed by downdraft and cooling caused by precipitating hydrometeors. In this study, a method, basing on the three-dimensional variational (3DVAR) assimilation technique, was developed to obtain reasonable structures of β-mesoscale weather systems by assimilating radar data in a next-generation NWP system named GRAPES (the Global and Regional Assimilation and Prediction System) of China. Single-point testing indicated that assimilating radial wind significantly improved the horizontal wind but had little effect on the vertical velocity, while assimilating the retrieved vertical velocity (taking Richardson's equation as the observational operator) can greatly improve the vertical motion. Experiments on a typhoon show that assimilation of the radial wind data can greatly improve the prediction of the typhoon track, and can ameliorate precipitation to some extent. Assimilating the retrieved vertical velocity and rainwater mixing ratio, and adjusting water vapor and cloud water mixing ratio in the initial fields simultaneously, can significantly improve the tropical cyclone rainfall forecast but has little effect on typhoon path. Joint assimilating these three kinds of radar data gets the best results. Taking into account the scale of different weather systems and representation of observational data, data quality control, error setting of background field and observation data are still requiring further in-depth study.     

天气雷达反射率资料订正前后在ARPS模式中的同化试验对比

以TRMM/PR反射率资料作参照,对常州、南京天气雷达反射率资料进行一致性订正,再利用中尺度模式ARPS及其数据同化系统ADAS对订正前、后的天气雷达反射率因子进行同化,模拟2013年6月25日和2010年8月24日江苏地区两次暴雨过程。两次暴雨过程均包括3组试验:控制试验和雷达资料订正前、后的同化试验。结果表明:(1)雷达反射率因子的同化很好地改进了模式初始湿度场,使降水预报在分布和强度上更接近实况;(2)雷达资料的订正进一步改进了反射率因子同化试验,并且通过调整初始湿度场和上升运动场(调整作用主要体现在前2~3 h内)改善了对降水的模拟预报,其结果证明雷达反射率因子的订正改善了雷达资料的质量。     

精细数值预报在60周年国庆天气服务中的应用

在60周年国庆天气服务中,使用ARPS实时分析预报系统,将地面观测、探空、自动站、雷达基数据和风云2卫星TBB等多种观测资料同化,使用较多的观测数据调整模式初始场,对天安门地区未来3天的天气逐日进行精细化数值预报。对ARPS系统的降水落区和量级预报能力及单点降水预报准确率检验结果表明:对于秋季低槽东移造成的华北地区的大范围降水,ARPS系统有较好的预报能力,12-36 h预报的1 mm降水落区与实况十分吻合,降水量预报通常略大于实况;对单点的1 h的累积降水预报,预报降水的开始时间较实际降水时间提前1-3 h,1h累积降水随时间增大或减小的变化趋势预报比较准确。综合看来,使用ARPS实时分析预报系统进行精细化天气预报是可行的,数值预报的结果对于精细化天气预报决策具有较好的参考价值。     

一种基于数值模式诊断自适应的北京地区对流性降水临近集合预报新方法

局地触发及组织化发展中尺度系统的生消演变是影响对流性降水临近预报的核心和关键。本文结合雷达外推预报、专家系统以及快速循环更新的高分辨数值模式系统,发展和构造了一种适合北京地区的基于数值模式预报诊断自适应的对流性降水临近集合预报新方法（APEN）。APEN基于降水外推预报结果,采用模糊逻辑算法,利用北京市气象局快速循环更新同化系统（RMAPS-IN）提供的对流诊断因子,计算对流系统发展演变（新生、增加和减弱）概率;在此基础上,扰动诊断因子阈值和权重,形成对流发展的集合概率预报;最后综合专家经验,根据对流集合概率,在降水外推预报基础上进行对流性降水调整。应用APEN,针对北京两次强弱降水过程,进行了降水的临近预报试验,结果表明:基于RMAPS-IN多种诊断因子的对流发展集合概率在强弱两种天气背景下,都能较好的反映对流系统在临近时段的发展趋势;基于专家经验模型的三种对流发展状态（对流新生、增加和减弱）下的降水调整,能合理的表征对流系统发展演变对降水的影响。APEN降水预报和RMAPS-IN的业务预报的对比显示:无论是系统性对流过程还是局地激发对流过程,APEN预报的降水落区和强度都更接近于实况,尤其是考虑对流发展演变影响的降水强度预报明显优于RMAPS-IN,APEN在北京地区对流性降水的临近预报中有明显的优势和应用潜力。     

NMC与HLAFS降水预报的比较

建立了一套既适用于对预报员降水预报评估,又适用于对数值预报模式降水预报评估的客观检验方法,从对１９９６年７－９月检验的结果分析表明预报员对大雨预报Ｔｓ评分高于ＨＬＡＦＳ并且除西北地区外,其它区的２４小时大雨预报都超过气候概率,表现为大于０的技巧评分,预报员和ＨＬＡＦＳ对大雨预报的漏报率多于空报率,而对小雨和中雨的预报相反,两者都是空报多于漏报,预报中对西北地区的降水预报漏报较多。     

Prediction of extreme rainfall event using weather pattern recognition and support vector machine classifier

A major component of flood alert broadcasting is the short-term prediction of extreme rainfall events, which remains a challenging task, even with the improvements of numerical weather prediction models. Such prediction is a high priority research challenge, specifically in highly urbanized areas like Mumbai, India, which is extremely prone to urban flooding. Here, we attempt to develop an algorithm based on a machine learning technique, support vector machine (SVM), to predict extreme rainfall with a lead time of 6–48 h in Mumbai, using mesoscale (20–200 km) and synoptic scale (200–2,000 km) weather patterns. The underlying hypothesis behind this algorithm is that the weather patterns before (6–48 h) extreme events are significantly different from those of normal weather days. The present algorithm attempts to identify those specific patterns for extreme events and applies SVM-based classifiers for extreme rainfall classification and prediction. Here, we develop the anomaly frequency method (AFM), where the predictors (and their patterns) for SVM are identified with the frequency of high anomaly values of weather variables at different pressure levels, which are present before extreme events, but absent for non-extreme conditions. We observe that weather patterns before the extreme rainfall events during nighttime (1800 to 0600Z) is different from those during daytime (0600 to 1800Z) and, accordingly, we develop a two-phase support vector classifier for extreme prediction. Though there are false alarms associated with this prediction method, the model predicts all the extreme events well in advance. The performance is compared with the state-of-the-art statistical technique fingerprinting approach and is observed to be better in terms of false alarm and prediction.