区间概率函数在晋城市降水概率预报中的应用研究

本文主要应用区间概率函数转换预报因子，经过相关比筛选。进行因子回归，构建分量级降水概率预报方程，同时应用T213L31数值预报产品统计释用方法，结合最优子集回归构造分时刻预报方程，最后进行概率预报。我们根据晋城气候区划，设计平川和山区两种降水概率预报方程。为晋城市开展降水概率预报提供了基础。     

多时刻信息在大—暴雨释用预报中的应用及其集合预报模式

应用NCEP／NCAR逐日再分析资料，进行了不同时刻环境要素场与大—暴雨的相关分析，结果表明，从大—暴雨发生前2天至发生后2天的不同时刻，环境要素场都能提供大—暴雨的预报信息。应用不同时刻的环境要素为预报因子构造的预报方程对大—暴雨都具有预报能力。用大—暴雨发生前后信息进行预报，对应用当天信息进行预报的错误具有修正作用。应用多时刻环境要素为预报因子和统计释用方法构造的大—暴雨集合预报，由于独立预报信息的增加，有利于捕获大—暴雨的预报信息，有效地提高了大—暴雨的预报准确率。     

概率变换法在南平地区暴雨预报中的应用

本文在大－暴雨ｍｏｓ预报中应用概率变换法进行对比分析,结果表明：概率变换法能提高预报因子与预报对象之间的线相关性,扩大了预报因子的选取范围,改善了方程中的因子组成结构,使方程的历史拟合率和预报准确率有明显的提高。     

沈阳市降水概率预报服务系统

沈阳市降水概率预报服务系统是在日本数值预报的基础上应用多种统计方法建立MOS预报方程,对其预报结果应用概率回归集成制作降水概率预报。TS评分结果表明:MOS预报的降水确率高于日本数值预报,MOS集成预报的结果在各种MOS预报结果平均偏上的水平。概率预报的Brier评分结果表明:在MOS综合基础上的概率回归(REEP)方法得出的概率预报结果较为理想。     

北京地区夏季降水概率预报业务应用研究

作者分析了降水概率预报的基本特征，在北京中尺度数值预报模式（ＢＭＮＦＭ）的基础上应用事件概率回归估计（ＲＥＥＰ）方法，建立北京地区夏季两个量级（≥０．１ｍｍ和≥１０．０ｍｍ）的降水概率预报方程，并结合最新天气观测资料和预报员知识订正客观预报结果。应用Ｂ评分，Ｂｓ评分和Ｂｉａｓ方法对主观降水概率预报和客观降水概率预报进行评估。     

北京降水概率预报业务试验

在数值模式输出产品和实时天气资料分析的基础上,应用统计分析方法建立北京地区两个降水级别（分别为≥0.1 mm和≥10.0 mm）的客观降水概率预报方程,并制作主观降水概率预报。同时分析概率预报的经济价值,最后对主客观预报结果进行比较及质量评估,给出预报概率值与实际观测相对频率的关系。     

T106产品夏季降水概率预报自动化系统

利用１０６格点场资料,构造能反映本地天气动力学牲的组合预报因子,对预报时效场进行叠加处理,对预报着急区格点资料取其均值或极值。预报因子和预报量均采用非线性０、１化自理。用最优子集回归建立降水预报方程用多因子概率权重回归其降水概率。系统从资料采集到输出概率结果在５８６以上微机上实现全自动化,预报结果客观、定量。     

降水概率预报的评分和经济效益评估

应用Ｂ、Ｂｓ和Ｔｓ评分方法对１９９７年汛期西安市降水概率预报进行评分,评分结果说明降水概率预报方程具有较强的预报能力。介绍２种降水概率预报经济效益评估方法,得出降水概率预报的经济效益明显要高于传统的有无降水预报。同时通过降水概率预报的发布,使天气预报的经济效益具有了客观化、定量化的评估方法。     

利用T106资料制作降水概率和相对湿度预报

利用T10 6模式产品 ,采用MOS预报方法 ,建立了甘肃省 15个站降水概率和相对湿度的预报方程。通过相对湿度的绝对误差评分、降水概率的B评分和Bs 评分对预报方程的预报结果进行评估 ,认为预报方程有一定的预报能力。     

基于快速更新同化的滞后短时集合预报试验及检验

本文基于华东区域中尺度快速更新同化数值预报模式系统(Shanghai Meteorological Bureau WRF ADAS Rapid Refresh System,SMB WARR),应用时间滞后法进行集合预报试验,试验由7个集合预报成员组成,进行逐小时预报,预报时效为6 h。本文通过对2011年6月17日至9月30日期间降水过程进行集合预报试验,引入面雨量对降水预报进行检验。结果表明：(1)小 大雨量级,集合平均优于集合成员预报,但暴雨量级集合平均不及部分集合成员预报。(2)不同的降水量级,并非都是最接近预报时刻,技巧最高,小 大两量级的降水可以提前6 h预报。(3)降水概率预报优于集合平均预报,具有很好的指示作用。可关注最接近预报时刻,小 中雨以上的降水,预报概率较大时,其可用性较大,而大 暴雨以上的降水,预报概率较小时,可用性较大。     

基于探空数据集成学习的短时强降水预报试验

使用2015—2019年6—9月08:00（北京时）我国119个探空站的大气层结和对流参数作为特征参数,基于XGBoost集成学习方法,建立短时强降水事件预报模型。同时,提出一种面向高影响天气的模型优化思路,通过使用分段权重损失函数,进行模型调优,在空报率不超过一定阈值的情况下,可提升模型预报的命中率和TS评分。设计分段权重损失函数权重敏感性试验和损失函数对比试验,选取7个区域中心探空站对比分析模型优化方法的有效性和泛化性。利用2019年6—9月全国探空数据针对短时强降水预报开展批量独立检验和个例分析,结果表明:改进后的预报模型TS评分提高0.05~0.1,命中率提高0.15以上,空报率提高0.05~0.1,表现出明显的“宁空勿漏”预报倾向,模型预报能力得到明显提升;在全国短时强降水预报试验中,预报模型命中率为0.65,空报率为0.37,漏报率为0.34,TS评分为0.47,说明该模型对短时强降水天气具有一定预报能力。     

A convection-allowing ensemble forecast based on the breeding growth mode and associated optimization of precipitation forecast

A convection-allowing ensemble forecast experiment on a squall line was conducted based on the breeding growth mode (BGM). Meanwhile, the probability matched mean (PMM) and neighborhood ensemble probability (NEP) methods were used to optimize the associated precipitation forecast. The ensemble forecast predicted the precipitation tendency accurately, which was closer to the observation than in the control forecast. For heavy rainfall, the precipitation center produced by the ensemble forecast was also better. The Fractions Skill Score (FSS) results indicated that the ensemble mean was skillful in light rainfall, while the PMM produced better probability distribution of precipitation for heavy rainfall. Preliminary results demonstrated that convection-allowing ensemble forecast could improve precipitation forecast skill through providing valuable probability forecasts. It is necessary to employ new methods, such as the PMM and NEP, to generate precipitation probability forecasts. Nonetheless, the lack of spread and the overprediction of precipitation by the ensemble members are still problems that need to be solved.     

广东“18.8”季风槽极端降水事件对流尺度集合预报分析

受季风槽影响,2018年8月30—31日华南地区出现一次极端暴雨过程,单日站点累计降水量达1?056.7 mm,刷新了广东有历史纪录以来新的极值。对于此次极端降水事件,常用的业务模式包括欧洲中期天气预报中心全球模式（ECMWF）、日本气象厅谱模式（JMA）和中国气象局广东快速更新同化数值预报系统（CMA-GD）,都低估了降水强度。利用深圳市气象局业务对流尺度集合预报系统分析了此次特大暴雨过程,结果表明：对流尺度集合预报系统对本次特大暴雨过程具有比较好的预报能力,概率匹配平均最大雨量达348.7 mm·(24 h)-1,集合平均的强降水中心和观测基本一致,观测极值附近区域发生大暴雨（≥150 mm）概率最大值达到80%。选取了较“好”和较“差”集合成员预报进行对比分析,发现较“好”成员预报的强降水中心位置和观测基本一致,而较“差”成员预报的降水中心位置则偏向福建地区。较 “好”成员预报出莲花山南侧地面中尺度辐合线较长时间的维持和缓慢移动,导致强降水雨团在莲花山脉附近不断地触发和维持,同时地形的阻挡作用使得对流系统在地形附近区域持续维持,造成了罕见的特大暴雨;而较“差”成员辐合区位于莲花山以北,对流形成后向东、向北移动,最终导致强降水预报位置偏向福建地区。     

基于卫星降水和WRF预报降水的“6.18”门头沟泥石流事件的回报检验研究

2017年6月18日北京门头沟地区突发泥石流,造成6人伤亡。短时强降水是这起事件的主要诱发因素,但常规气象观测并没有很好地观测到此次降水过程,可见降水数据的准确性对于滑坡泥石流的实时预警及预报至关重要。近年来,卫星遥感估算降水发展迅速,WRF（Weather Research and Forecasting Model）模式关于降水的预报技巧也逐渐提高。本文以自动站降水资料为参考,首先利用定性方法和泰勒图、TS（Threat Score）评分等定量的方法比较了CMORPH（CPC MORPHing technique）、GPM（Global Precipitation Measurement）和PERSIANN-CCS（Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks-Cloud Classification System）三种卫星降水资料以及不同起报时间的WRF预报降水对此次降水过程的表现能力,然后利用降水数据驱动滑坡泥石流统计预报模型,对此次事件进行了回报,分析不同降水数据在模型中的实际应用效果,最终为滑坡泥石流实时预警和预报系统的构建提供参考。结果表明,三种卫星降水资料基本上能反映出此次降水过程东北—西南向的带状空间分布形态,其中,CMORPH与自动站资料的空间相关性最好,命中率也最高,但对降水量有一定的高估,GPM对平均降水量的时间变化有较好的反映,体现了卫星降水在观测较少地区的良好利用价值,PERSIANN-CCS的表现则相对差些。WRF模式能预报出此次降水的带状空间分布特征,但降水中心的位置与实际有所偏差;此外,预报的最大降水量的峰值出现时间比实际上晚。由于此次降水的强局地性,只有空间分辨率均匀且质量相对较好的CMORPH卫星降水驱动模型可以回报出此次事件,而自动站点资料由于空间分布不均,则没有回报出此次事件,这表明了卫星降水在滑坡泥石流实时预警系统的构建中具有一定的优势。WRF模式降水驱动模型可以提前做出预警,虽然预报的事件发生时间与实际相比偏晚3~5 h,但WRF可以较好地预报72 h内的降水,因而可以延长灾害的可预见期。WRF模式预报降水的时间和空间精度都需要进一步提高,但是仍具有很好的参考意义。     

江苏暴雨概率预报及其业务应用

以未来12~36 h、36~60 h和60~84 h的暴雨预报为目标,利用2011年—2013年夏季6—8月欧洲细网格数值模式预报产品分析了江苏夏季暴雨的可能预报因子。通过对各因子进行相关性、敏感性和代表性分析后,优选了22个对不同强度降水具有较好区分能力的暴雨预报因子。以这些因子为基础建立了一种简单的江苏省暴雨概率预报方法。其预报产品已在江苏省气象业务一体化平台上投入业务使用。该方法在2011—2013年7月,针对提前12 h预报的历史回报试验中,TS技巧评分平均为13.6,明显高于EC细网格24 h降水预报产品(平均TS评分仅为4.5)。在2014年梅汛期的6月25—26日、7月1—2日和7月4—5日三次区域性暴雨个例的预报试验中,提前60、36、12 h的预报效果均较好,其平均TS评分(44.6)也明显高于欧洲细网格数值模式的降水预报(20.4)。     

概率匹配平均法在山东强降水预报中的应用

基于WRF集合预报系统开发了概率匹配平均降水产品,选取了山东省2014—2016年共13次强降水过程,检验评估了概率匹配平均法在山东省强降水预报中的综合表现。结果表明：对于不同的强降水过程,各预报产品的预报能力差异较大,尤其是对暴雨以上量级降水的预报存在较大偏差;概率匹配平均相对集合平均,对大雨以上量级降水预报有明显改善,较WRF确定性预报产品也有一定提高,对强降水预报具有一定指示意义;该方法的改进主要体现在对不同量级降水的调整上,尤其是强降水的落区,相对集合平均增大了强降水的范围和强度,但对整个区域的总降水量预报没有很好的改进作用。     

基于T639集合预报的持续性强降水中期客观预报技术研究

针对持续性强降水预报困难的问题,根据Anderson-Darling检验原理,构建基于中国气象局T639集合预报系统的持续性强降水中期客观预报方法。对比分析2010-2015年5-9月T639集合预报降水与实况降水的累积概率分布函数差异,在此基础上采用扩展时间序列和空间范围的方法构建3种模式气候累积概率方案,通过批量预报试验和检验,选取最优概率方案纳入预报模型,考察持续性强降水个例的最长预报时间。结果表明,随着预报时效的延长,集合预报模式的降水逐渐集中于小和中雨量级,无降水和暴雨以上量级的降水概率低于观测,168 h以后模式降水概率趋于稳定。通过扩展时间序列和空间范围能弥补模式气候资料年限不足所带来的偏差,根据区域气候特征细分模式气候的方法重点突出了不同区域的降水特征,明显优于简单集合所有区域数据的模式气候方案。基于集合预报的持续性强降水预报模型对持续性强降水个例的预报能力为8-9 d,随着预报时效的延长,降水强度以及雨带位置的预报能力逐渐减弱。      

混合集合预报法在华南暴雨短期预报中的试验

-WRF多模式集合3组试验,对比分析混合集合预报法与传统方法的降水预报效果。结果表明:ARPS模式集合改善了广东省南部局地强降水预报,该方法在中雨、大雨、暴雨量级改进效果显著。WRF模式集合对广东省北部强降水预报优于ARPS模式集合,但空报、漏报率较大,该方法有一定局限性。ARPS-WRF多模式集合在降水落区和量级预报上均优于传统方法。混合集合预报法利用低分辨率 (36 km) 集合预报和高分辨率 (12 km) 控制预报实现了高分辨率 (12 km) 集合预报,改善了降水预报效果,该方法可为业务高分辨率集合预报提供参考。     

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。     

滁河流域汛期多模式集成面雨量预报检验评估

对2013—2016年汛期ECMWF、JMA及中尺度WRF模式的预报结果进行检验,基于合理的时间尺度,制作了动态权重集成面雨量预报(DWI)、分步集成面雨量预报(SI)和等权重集成面雨量预报(EWI)产品,并对2017—2020年汛期降水期间多种集成面雨量预报产品和ECMWF、JMA、WRF的单个模式面雨量预报产品进行对比评估.结果表明:3种集成面雨量预报效果整体上优于单一数值预报模式,尤其是预报致灾严重的暴雨等级降水优势明显;DWI和WRF对强降水的面雨量预报正确率最高,其他2种集成面雨量预报结果次之,ECMWF及JMA较差;模式集成预报弱降水过程的优势不明显.