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。     

2003年汛期3种中尺度数值预报模式降水预报检验

利用2003年汛期降水实况及河南省气象台引进的3种中尺度数值预报模式(REM、MM5、MAPS)的降水预报资料，对模式预报性能作了检验对比分析。结果发现：REM模式对于大雨以上降水的预报效果较好；MAPS模式的12h预报有明显优势；MM5模式对小雨和中雨的预报效果较好，并且预报结果具有稳定性。     

2003年汛期3种中尺度数值预报模式降水预报检验

利用2003年汛期降水实况及河南省气象台引进的3种中尺度数值预报模式(REM、MM5、MAPS)的降水预报资料,对模式预报性能作了检验对比分析.结果发现REM模式对于大雨以上降水的预报效果较好;MAPS模式的12 h预报有明显优势;MM5模式对小雨和中雨的预报效果较好,并且预报结果具有稳定性.     

美国天气预报技术的发展

介绍了美国天气预报技术的发展现状。指出在大气探测技术、数值预报及可视化技术发展的推动下美国传统的天气预报向定量与定时方向发展。定量降水预报的实现是天气预报由定性走向定量的重要标志。在充分利用数值模式产品的基础上综合应用卫星与雷达资料建立客观预报工具在暴雨和强对流天气预报中取得较好效果;中尺度分析业务系统的不断改进使降水预报的技巧有明显提高。作者还介绍了美国数值预报产品释用及预报业务系统的概况。最后     

2006年汛期北京地区中尺度数值业务降水预报检验

采用北京地区自动站逐小时观测降水资料对2006年汛期北京地区中尺度数值业务降水预报效果进行了客观检验,并针对2006年汛期的降水特点对模式的降水预报性能进行了初步的评估,着重对发生的28次降水过程按其主导的天气系统进行了分类,并对各个类型的降水预报进行了评分检验,根据检验结果分析了数值业务模式对于夏季不同天气系统导致的降水过程的预报能力,并且对不同分辨率的模式网格的预报性能进行了初步对比。     

飞机积冰业务预报技术研究

分析研究了飞机积冰的物理过程和影响因子，试验对比积冰算法。采用MM5中尺度数值模式和预报产品，建立了飞机积冰预报模型，用历史飞机报告检验及业务运行验证，预报效果较好。     

区域中尺度数值预报模式梅雨期降水预报的检验与分析

对区域中尺度数值预报模式ZMM4对我省1995-1997年梅雨期的降水预报能力进行了检验;结合梅雨期的天气形势特点与日本E03的降水预报作对比分析,结果表明ZNH4有较好的预报能力。但与E03一样,雨量容易报得偏小,分析结果有利于数值预报产品的业务使用和模式的改进。     

诊断分析在数值预报产品释用中的探讨

针对地方性天气预报特点，根据现有数值预报产品及实时控空资料的接收情况，作者利用中尺度数值预报模式ＭＭ４引入了中尺度信息，提出了一个实际可行的夏季降水预报方案，以求提高区域范围内具有明显突发性对流降水的预报能力。     

国家级区域集合预报系统研发和性能检验

该文简要介绍了中国气象局国家气象中心研发的区域中尺度集合预报系统主要技术特点:在初值扰动技术方面,通过研究中国地区中尺度模式预报误差快速增长特点、中国地形地貌特征与观测资料的分布情况,研发适合于中尺度模式的增长模繁殖法扰动技术构造初值场;分析数值模式物理过程参数化方案内在的不确定性以及对强对流天气和近地面要素预报的差异,确定多物理过程扰动技术方案。解决全球集合预报扰动信息向中尺度集合预报输入的关键技术,实现中尺度区域集合预报系统与全球中期集合预报系统的嵌套。在模式后处理方面,解决中尺度集合预报结果的偏差订正技术;开发满足多种需求的多要素、多层次概率预报产品和概率预报检验产品。在世界天气研究计划"2008年北京奥运会中尺度集合预报研究开发项目"3年实时预报试验比较评价中,中国气象局国家气象中心区域中尺度集合预报系统总体预报能力与国外同类系统相当。     

诊断分析在数值预报产品释用中的探讨

针对地方性天气预报特点，根据现有数值预报产品及实时探空资料的接收情况，作者利用中尺度数值预报模式ＭＭ４引入中尺度信息，提出一个实际可行的夏季降水预报方案，以求提高区域范围内具有明显突发性对流降水的预报能力。作法是用ＭＭ４模式计算逐日物理量诊断场，加入同期的欧洲中心数值预报产品，共计４１个场作为预报因子场；应用典型相关分析法，并结合逐步判别和逐步回归法，计算得出９个分区和８个单站中雨以上降水预报方程。降水预报方程的因子变量多数为中尺度诊断分析场构成的典型团子，可以认为，ＭＭ４模式计算得出的中尺度信息对预报中雨以上降水是有贡献的。     

数值预报中卫星资料同化效果实验研究

目前,卫星资料在数值天气预报中的同化应用显著改善了数值预报效果,尤其是在全球数值预报中更为明显.而在区域数值预报中,卫星资料同化应用的影响还需要开展进一步的研究与分析.采用基于GRAPES-3DVar 同化系统和中尺度数值模式WRF 构造的区域数值预报流程,引入NOAA16 卫星资料分别对T213 和T511不同背景场...     

区域初始分析误差对梅雨锋中尺度低压数值预报的影响

以梅雨锋中尺度低压个例为研究对象,根据目标观测的思想,采用NCEP和T106再分析资料分析了区域初始分析误差对梅雨锋中尺度低压数值预报误差的影响。结果表明:区域初始分析误差对数值预报误差有重要影响,改善某些特定区域初始场质量有可能改善随后数值预报的效果。但是,区域初始分析误差对数值预报误差的影响较为复杂,它与天气类型、不同个例和区域间误差相互作用等因素密切相关。对梅雨锋中尺度低压短期数值预报有较大影响的初始分析误差与梅雨锋锋区及其附近地区的要素场关系密切,相比较而言,风场似乎更加重要一些。如果对梅雨锋带中低层风切变区及相伴低空急流区有更好的描述,这将对梅雨锋中尺度低压系统数值预报效果的改善有着积极的作用。在此基础上,就相关的目标观测设计问题作了简要讨论。     

京津冀站点风温湿要素的机器学习订正方法

基于线性回归方法、梯度提升回归方法(GBRT方法)、XGBoost方法和堆叠集成学习方法(Stacking方法)4种机器学习方法,采用误差分析建模思路,针对北京城市气象研究院研发的睿图-睿思系统对2020年12月—2021年11月所有起报时次未来3~12 h的2 m温度、2 m相对湿度、10 m风速以及10 m风向4种气象要素预报,开展京津冀复杂地形下的站点预报误差订正技术研究及试验应用。结果表明:基于预报误差分析构建的4种订正模型中,由于Stacking方法集成了前3种方法的优势,在4个季节的4种气象要素订正中均表现最佳,其他3种单一机器学习方法试验中,XGBoost方法表现最佳,其后依次为GBRT方法、线性回归方法,但均对预报准确率有明显的正向提升效果。总体上,基于机器学习方法构建的预报误差订正模型可有效降低系统原始预报误差,有助于进一步提升复杂地形下站点客观释用产品的预报准确性。     

GRAPES中尺度模式对2005年长江流域重大灾害性降水天气过程预报性能的检验分析

GRAPES是中国新一代具有自主知识产权的中尺度数值天气预报模式。使用在国家气象中心业务运行的最新版本的GRAPES模式、常规观测资料以及NCEP分析资料(1°×1°),对2005年主汛期发生在长江流域的重要降水天气过程进行了模拟和检验,重点分析了该模式对这一地区西风带影响系统的预报能力及可信度,从而得到GRAPES模式对于2005年长江流域重大灾害性降水天气预报性能的初步评价,并对该模式的应用及进一步改进提供一些有意义的参考依据。     

NWP产品在强对流天气诊断分析中的应用

利用ECMWF、T213、T106数值预报产品及各物理量场,对已知中尺度系统发生发展的大尺度条件,预报中尺度环流出现的统计概率进行探讨:首先将武汉中心气象台过去总结的强对流天气模型与数值预报产品中的环流形势进行对比分析,当所预报的环流形势满足强对流天气模型时,认为大尺度条件将会促进中尺度天气的发生发展。再对数值预报产品中的有关物理要素场和值进行诊断分析,当所诊断的结果反映出有中尺度次级环流出现或有利中尺度对流天气发生时,最后对强对流天气落区、落点及降水性质进行诊断分析。同时,还利用AREM中尺度数值模式对2002年7月21~24日过程进行诊断分析,预报效果较好。,通过诊断分析,得出了强对流天气落区、落点及降水性质与各要素之间预报场和值的关系,同时也为今后精细化预报提供了启示和参考。     

人工智能技术在数值天气预报中的应用

当前,人工智能迎来第3次发展浪潮并在多个领域大数据分析中取得巨大成功,这为人工智能技术与数值天气预报结合提供了契机。已有大量研究尝试将人工智能技术用于数值天气预报的初值生成、预报和产品应用过程中,涉及观测资料预处理、资料同化、模式积分、后处理以及高性能计算,通过误差估计、参数估计和局部代理等手段使预报结果,得到改进且计算速度大幅提升,展示出良好的应用前景,一些神经网络模型也表现出纯数据驱动预报的可能性,在短时强对流天气、降水以及气候预测中已有较为理想的应用实例。然而,人工智能技术在数值天气预报中的应用与发展仍面临一些挑战,主要包括深度学习的弱解释性、不确定性分析以及两者的耦合等,除了应对这些挑战,未来两者的深度结合还需要在理论指导下的人工智能模型设计、高时空分辨率人工智能预报模型设计以及使用更多新型人工智能技术等方面深入探索。     

青藏高原东部定量降水数值预报试验及业务化应用评估

该文运用LASG η坐标有限区域数值预报模式在青藏高原东部的川、渝两省市进行了定量、定点降水预报的数值模拟敏感性研究和准业务化试验, 并根据中国气象局的有关规定对结果进行了评估。经过对比分析发现:低纬度的天气系统与其活动特性, 对该地区定量、定点降水数值预报有着重要影响; 同样的物理过程和地形影响处理方式在不同的天气过程中对降水量的影响有显著差异; 可选用适当的客观分析方法, 通过强调距格点最近的站点的影响来尽量保持高、低值系统的极值, 从而改进预报效果。准业务化试验结果表明:LASG η坐标模式以其比较完善的动力框架和物理过程处理方法在这个地形复杂、天气系统多变的区域内可获得较好的预报结果, 特别是晴雨预报可获得较高的TS评分, 并能对某些客观预报难度较大的天气过程做出较好的预报。     

雷达资料同化在局地强对流预报中的应用

采用ARPS模式的资料分析系统ADAS同化多普勒雷达径向速度和反射率因子资料,分析两者对初始场的改进作用,并应用于WRF中尺度模式中对2012年8月21日江西省一次局地强对流过程进行了模拟试验。分析结果表明:（1）ADAS同化系统能够利用雷达径向速度和反射率因子资料有效增加初始场中的中小尺度风场信息和云、水物质含量,并通过湿绝热或非绝热初始化对温度场、湿度场和风场进行调整,使初始场在动力和热力上达到平衡。（2）同化径向速度后对改善模式初始场的动力场有重要贡献,而对大气水凝物和降水的预报影响较小;同化反射率因子的主要作用是调整初始场中的水凝物场和热力场,有效缩短了模式的“ spin-up”时间,明显改进了定量降水预报;同时同化雷达径向速度和反射率因子后,初始场中快速调整出了中小尺度风场水平辐合、垂直运动以及合理的温、湿分布,对3小时内雨带形状、降水落区及定量降水的预报与实况更接近。（3）模拟试验表明,同时同化径向速度和反射率因子能成功模拟出本次对流单体风暴的中β尺度三维空间分布结构及其演变过程,中低层切变线的辐合抬升强迫作用是对流单体风暴组织、发展和维持的主要动力机制之一,对流凝结潜热加热在对流单体风暴的发生发展中发挥了重要作用。因此,雷达资料同化对提高临近数值天气预报的准确率以及对强对流天气系统的模拟能力具有重要意义。     

ConvLSTM Based Temperature Forecast Modification Model for North China

The correction of model forecast is an important step in evaluating weather forecast results. In recent years, post-processing models based on deep learning have become prominent. In this paper, a deep learning model named ED-ConvLSTM based on encoder-decoder structure and ConvLSTM is developed, which appears to be able to effectively correct numerical weather forecasts. Compared with traditional post-processing methods and convolutional neural networks, ED-ConvLSTM has strong collaborative extraction ability to effectively extract the temporal and spatial features of numerical weather forecasts and fit the complex nonlinear relationship between forecast field and observation field. In this paper, the post-processing method of ED-ConvLSTM for 2 m temperature prediction is tested using The International Grand Global Ensemble dataset and ERA5-Land data from the European Centre for Medium-Range Weather Forecasts (ECMWF). Root mean square error and temperature prediction accuracy are used as evaluation indexes to compare ED-ConvLSTM with the method of model output statistics, convolutional neural network postprocessing methods, and the original prediction by the ECMWF. The results show that the correction effect of ED-ConvLSTM is better than that of the other two postprocessing methods in terms of the two indexes, especially in the long forecast time.     

EXPERIMENTAL STUDY OF THE ROLE OF INITIAL AND BOUNDARY CONDITIONS IN MESOSCALE NUMERICAL WEATHER PREDICTION

~~EXPERIMENTAL STUDY OF THE ROLE OF INITIAL AND BOUNDARY CONDITIONS IN MESOSCALE NUMERICAL WEATHER PREDICTION@闫敬华$Guangzhou Institute of Tropical & Marine Meteorology, CMA, Guangzhou 510080 China @Detlev Majewski$Duetscher Wetterdinst, Offenbach, Germany~~National Project "973" (Research on Heavy Rain in China) and BMBF of Germany (WTZ- Project CHN01/106)…