降水落区多模式超级集合预报系统

利用多个数值模式的雨量预报集合为站点雨量预报初值，遵循预报员对降水预报分析的思路，将其以系统、能量、水汽、地形等因子对降水所作的定性预报分析结论转换为因子信度，利用因子信度对站点雨量预报初值作增减的强迫运算，并将地面站点上的相关要素转换为强迫系数，再次对站点雨量预报值作增减的强迫运算，由此得出包含多模式集合预报值、人对诸多定性因子分析信息、站点地面要素差异等综合因素的站点雨量定时定量预报值，从而实现降水客观、定点、定量预报。     

西岭雪山滑雪场秋冬旅游降雪预报研究

利用大邑、西岭雪山滑雪场及周边区域自动站2005～2017年每年10月～次年2月逐日最低温度资料，通过统计分析区域自动站与大邑站候平均最低温度差值，建立以大邑本站最低温度预报值为基础，加上逐候最低温度差值后得到区域各站的日最低温度预报的候最低温度差值订正方法；用距滑雪场最近的格点温度预报数据代替滑雪场站点温度预报，选出最低温度，以气温预报变化量，建立最低气温预报的模式温度订正方法；建立以候最低温度差值订正和模式温度订正进行加权平均的最低温度集成订正方法。通过对以上三种最低温度预报方法进行检验，发现最低温度集成订正方法预报准确率最高。基于最低温度集成订正方法预报西岭雪山滑雪场的最低温度，结合智能网格降水预报结果和降雪最低温度阈值判别，建立西岭雪山降雪的订正预报方法。      

基于MM5模式的站点降水预报释用方法研究

对MM5模式输出产品解释应用，建立县级站点定量降水MOS预报模型。方案为将影响辽宁降水的天气模型归纳为动力诊断模型，从中构造出多个能够较全面反映降水模型特征的综合物理因子；根据站点降水的气候分布特征，对偏态分布的降水量进行正态化处理，处理方案为首先将降水量划分为有雨和无雨两档，然后对有雨样本进行分级、开4次方处理，经分析对比降水量经过正态化处理后建立的预报模型优于未经处理的模型。运用统计方法建立站点降水预报模型，该模型分为晴雨预报模块和雨量预报模块。通过2001和2002年夏季业务试运行表明，该模型对降水有较强的预报能力，较原模式预报水平有一定改进。     

2002年7～9月数值预报产品广西降水预报检验

应用高斯权重插值法，以站点方式对2002年后汛期(7～9月)国内外三种数值预报产品如T213全球谱模式、日本细网格模式、广州中尺度模式的降水预报能力进行检验分析。结果表明，这三种数值预报产品对分县分级降水预报均有一定的预报能力，大雨以下：24h预报广州中尺度模式效果最好，而48h效果最好的是日本预报；大雨以上：24h首推日本预报，48h预报T213全球谱模式优于其它。     

一种改进的考虑环流特征的MOS预报方法

利用一种可以考虑天气环流形势场特征的MOS预报因子处理方法进行预报因子的处理,以T106L19模式的预报产品为基础建立云南省32个基本站点的降水和气温预报方程,并与不考虑天气形势场的因子所建立的MOS方程的预报结果进行对比。结果表明,MOS预报的结果对预报因子的变化很敏感,在考虑天气形势后的MOS预报对云南各站点的降水和气温的预报效果均有显著的改进,说明MOS预报因子的处理方法和选取对改进MOS预报效果具有重要的意义。     

0～6 h定量降雪(雨)预报技术及其在温哥华冬奥会中的应用

利用中尺度数值预报模式与雷达回波外推技术相结合,围绕SNOWV10项目的科学目标,在自动判识降水相态(雨、雪或雨雪混合物)基础上,利用雷达反演降雪(雨)关系,建立短时(0～6 h)定量降雪(雨)预报方法,并集成到GRAPES-SWIFT临近预报系统,为温哥华冬奥会提供实时场馆预报产品.从2010年2月冬奥会使用情况看,所建立的定量降雪(雨)预报技术,一定程度满足高纬度冬季降雪(雨)临近预报预警的需求,但降水(雨或雪)预报量级偏小,针对场馆的降水预报起止时间节奏偏差较大,各时次预报一致性有待改进.     

1998年7—8月HLAFS山东降水预报检验

以站点方式对１９９８年７－８月ＨＬＡＦＳ０８时的１２－３６降水预报进行了评分,统计了预报有降水时实况出现降水的几率。结果表明：ＨＬＡＦＳ改进模式对大雨以上降水的预报效果有明显改善,预报有降水,实况出现降水的几率随预报值的增大而提高。另外对主要过程降水分布趋势预报效果的评价表明,ＨＬＡＦＳ对较大暴雨过程的预报效果较好,优于日本传真图。     

降水落区多模式超级集合预报系统

利用多个数值模式的雨量预报集合为站点雨量预报初值,遵循预报员对降水预报分析的思路,将其以系统、能量、水汽、地形等因子对降水所作的定性预报分析结论转换为因子信度,利用因子信度对站点雨量预报初值作增减的强迫运算,并将地面站点上的相关要素转换为强迫系数,再次对站点雨量预报值作增减的强迫运算,由此得出包含多模式集合预报值、人对诸多定性因子分析信息、站点地面要素差异等综合因素的站点雨量定时定量预报值,从而实现降水客观、定点、定量预报.     

ECMWF细网格2 m温度预报产品在南疆西部温度预报中的释用

利用2016年1月1日—2018年12月31日ECMWF细网格模式2 m温度预报产品，使用三次多项式差值方法内插到站点，并用中短期天气预报检验方法，对南疆西部12个国家站与15个区域自动站共27个站的最高、最低气温未来24 h预报效果进行检验分析。结果表明：ECMWF细网格模式2 m温度预报产品对南疆西部非山区站未来24 h最高、最低气温的预报能力较好，对山区站未来24 h预报效果差；对南疆西部最高、最低气温的预报效果随季节变化，夏季预报准确率高于冬季，秋季预报准确率最低；模式最高气温预报准确率在降雪、高温天气时较高，最低气温预报准确率在降雨时较高，在高温过程中较低；模式对于降雨、降雪、大风/沙尘等天气最高气温预报偏低，高温事件中最高气温预报偏高。最低气温预报在降雨、高温天气中偏高，降雪时偏低，大风/沙尘天气最低气温预报偏东地区偏高、偏北地区偏低。降雪、高温天气预报相对降雨、大风/沙尘天气预报效果更稳定。     

1998年7～8月HLAFS山东降水预报检验

以站点方式对1998 年7 ～8 月HLAFS08 时的12 ～36 小时降水预报进行了评分,统计了预报有降水时实况出现降水的几率。结果表明:HLAFS改进模式对大雨以上降水的预报效果有明显改善,预报有降水,实况出现降水的几率随预报值的增大而提高。另外对主要过程降水分布趋势预报效果的评价表明,HLAFS对较大暴雨过程的预报效果较好,优于日本传真图。     

华北及周边地区夏季分区客观降水预报

在降水客观分区的基础上,对华北及周边地区进行夏季降水预报。利用2006—2008年的6—8月T213资料和相应时段的实况资料,通过概率回归降水等级方案建模,对2009年和2010年6—8月进行了试报。结果表明:分区建模的降水预报与单站建模预报相比,TS评分在不同时效、不同量级上均有提高,并且在空报和漏报上有较大改善,特别是大量级降水预报改善明显。从因子分析上看,分区建模较单站建模所选因子更丰富,利用了模式产品的有用信息,因此做出了更好的预报。分区建模与模式降水预报的对比分析表明:分区建模的降水预报效果好于模式直接降水预报,空报现象改善明显。     

北京降水相态判别指标及检验

为提高降水相态预报准确率,以北京南郊观象台为代表站,选取1951年1月至2011年4月逐日20时至20时出现的雨夹雪日数,统计分析其月变化特征;再选取2000-2011年10月-4月08时和20时出现的雨、雨夹雪、雪个例,使用与降水个例对应时次的地面及高空常规观测数据,统计分析各层常用气象要素在各降水相态判别中的作用,并找出主要影响因子及降水相态判别指标;应用多元回归方法,建立降水相态统计预报方程,并对方程及判别指标进行检验。结果表明：雨和雪的温度、露点平均值在低层（地面到850 hPa）有明显差异,但随着高度增加其差异逐渐减小;因雨和雪的温度露点差平均值各层差异均很小,使用温度露点差很难区分降水相态;经过对2011年11月至2012年3月出现的降水相态进行检验可知,总结出的地面温度和露点判别指标以及降水相态统计预报方程均有一定的参考价值,可为今后做降水相态预报服务提供参考依据。     

海河流域东北冷涡背景下的降水预报订正研究

针对海河流域东北冷涡降水样本,应用海河流域加密自动站降水资料及欧洲中期天气预报中心（ECMCWF）降水预报资料,利用滑动相关分析方法建立重组预报序列,基于加密自动站24 h累积降水量及重组24 h降水预报序列的Gamma累积概率分布曲线,采用预报—实况概率匹配方法建立1～3日的短期订正模型并进行试报检验。结果表明:欧洲中心数值模式对于海河流域东北冷涡降水的预报较实况偏慢;概率匹配法主要通过订正降水量级来改善预报结果,订正后降水预报对于小雨、大雨、暴雨预报的TS（Threat Score）评分技巧均有提升,尤其对于大雨和暴雨及以上量级预报,订正后预报量级及预报落区大小均与实况更加接近,订正效果显著。东北冷涡降水对流性强,模式预报能力弱,而订正后预报能有效提高此类强降水的预报技能,具有较好的应用价值。     

湖北省梅雨期分级降水预报试验

以武汉中心气象台日常业务降水预报项目为研究对象，选择梅雨期１２－３６小时预报时段，以灰色系统理论的生成函数为基础，运用灰色预测模型将ＬＡＦＳ模式等降水量预报集成，制作了武汉单站降水量分级（弱降水，中等强度降水和强降水）预报。运用回归分析方法，将ＬＡＦＳ资料的降水量预告场订正到湖北省５个自然区，制作湖北省区域降水分级预报。经过１９９３年、１９９４年准业务试验，获得了较好的效果。     

深度学习网络在降水相态判识和预报中的应用

利用1996—2015年中国的高空探测资料和地面观测数据,挑选发生降水的数十万个样本将其分为降雨和降雪两类事件,抽象为二分类问题,采用深度学习网络技术构建降水相态判识模型,并用2016—2017年的数据进行测试检验,针对2018年1月下旬中国一次大范围雨雪天气过程进行个例检验,在此基础上探讨了深度学习网络在降水相态判识和预报中的应用。主要结论如下:基于深度学习网络判识模型的判识准确率为98.2%,雨、雪的TS评分分别为97.4%和94.4%,相应空报率为1.7%和2.0%,漏报率为1.0%和3.7%,较传统指标阈值法的判识准确率有较大提高;个例检验显示,基于实况探空数据的模型判识结果与降水相态实况在全国基本保持一致,欧洲中期数值预报中心(ECMWF)的降水相态预报产品和模型的预报结果对全国的降水相态都表现出较好的预报能力,而对雨雪分界线的预报,模型的预报结果较ECMWF总体上更接近实况。测试结果表明,模型较好地提取了雨、雪降水相态的结构特征,深度学习网络在降水相态判识和预报中的应用具有可行性和一定的优势,可为降水相态的客观判识和预报提供重要技术支撑。     

利用WRF模式制作东北地区冬季降水相态预报

利用WRFV3.1.1中尺度数值模式,对东北地区冬季降水相态进行预报尝试。在模式预报输出场中,通过对近地面大气层中冻结部分降水混合比在可凝结成降水的水汽混合比中的比例,来判断雨雪分界线及雨夹雪区或雨、雪过渡区。结果表明：该方法可较准确预报出降水过程中雨区、雪区和雨夹雪区的分布特征以及降水相态随时间的演变情况。降水相态数值预报产品的应用能够明显提高冬季气象预报服务水平。     

内蒙古冬季极端多雪气候事件环流演变特征及季节预测信号

文章研究关注了内蒙古冬季极端多雪气候事件的季节预测问题,在对大量降水观测资料、海温及大气环流场资料进行统计、分析、研究的基础上,确定了历史上58a(1960—2017年)内蒙古冬季极端多雪和少雪气候事件样本,通过对大气环流场的对比分析发现极端多雪或少雪冬季环流场特征显著不同,分析后确定了影响内蒙古冬季降雪的主要环流系统,包括西太平洋副热带高压、极涡、东亚大槽、环流E型及南方涛动等系统。同时,探索了对这些主要环流系统具有预测意义的来自海洋和大气场的预测信号,对预测信号关键区做了标准化定量提取,确定了预测信号综合指数分段判别阈值,给出了预测概念模型,取得了较好预测效果。     

The water phase of precipitation—a comparison between observed, estimated and predicted values

The results from two projects aimed at improving precipitation products for the Norwegian Road Authorities are presented and compared in this paper: A precipitation forecast with water phase type (rain, sleet, snow) from the HIRLAM weather prediction model, and a precipitation type estimate based on synoptic observations and weather radar data. Operational forecasts of water phase type from HIRLAM are biased towards predicting too many cases with snow. This is caused by the mainly positive difference between model terrain and real topography. It is shown that additional calculations of snow melting based on temperature and humidity in the lowest model level reduce this error. The second product presented here is a precipitation type estimate based on synoptic observations and weather radar data. Synoptic observations of 2 m-temperature and dew point temperature at 3 h temporal resolution are used to estimate the water phase of precipitation at ground level. The dew point temperature is converted to relative humidity. Temperature and relative humidity are interpolated in space using a digital elevation model after deriving local vertical gradients of the two variables. The water phase is estimated and merged with the actual radar precipitation estimate every 15 min. The result is a high resolution image showing the intensity and the water phase of precipitation. A comparison to observed water phase types at the synoptic stations for the winter season 2002/2003 shows that the percentage correct is 86%. The Probability of Detection is 0.84 for rain and 0.97 for snow. For January 2002, the observed, estimated, and forecasted water phase types are compared at an independent set of precipitation stations in Southern Norway. The results confirm the good quality of the precipitation type estimate and show that the adjustment of HIRLAM water phase type to real topography improves the forecast in cases with observed rain.     

阜新地区东北冷涡多模式降水预报检验

为了评估欧洲数值中心全球模式（ECMWF）、中国全球模式（GRAPES）和美国全球模式（NCEP_GFS）对东北冷涡降水的24 h预报性能,提高数值模式在阜新的预报能力,为模式物理参数方案的选择和调整提供客观依据,利用2019年5—8月降水产品对阜新市两个国家级观测站阜蒙县站和彰武县站进行晴雨、一般性降水和分量级降水检验,以及平均绝对误差和平均误差检验。结果表明：ECMWF模式降水预报要好于其他两种模式,冷涡发展期和成熟期ECMWF产品TS评分较高,衰减期则较低。从平均绝对误差来看,阜蒙县站5—8月ECMWF误差最小,GRAPES和NCEP_GFS预报效果不稳定;彰武县站ECMWF并无明显优势,5—6月GRAPES预报能力最强,7—8月NCEP_GFS预报能力最强。分析平均误差可知,三种模式对阜蒙县的降水预报偏弱,对彰武县的降水预报只在6月偏强。在大雨及以上量级的降水预报上三种模式均偏小,其中ECMWF的TS评分最高为40.2%。三种模式针对阜蒙县的降水TS评分均高于彰武县。     

基于ECMWF集合预报产品的降水相态客观预报方法

基于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）集合预报系统的降水相态产品（precipitation type,PTYPE）,分别以HSS评分最优、TS评分最优和频率偏差最优为标准,运用最优概率阈值法,生成雨、雨夹雪、雪和冻雨4类降水相态的确定性预报产品,并与ECMWF集合预报系统控制成员及细网格模式确定性预报进行对比。最优概率阈值显示:3种最优标准下,不同相态降水最优概率阈值不同,但冻雨和降雪最优概率阈值均最大,为40%~80%,雨夹雪最优概率阈值最小,约为10%,三者最优概率阈值均随预报时效延长而减小;降雨最优概率阈值为7%~25%,随预报时效延长而增大。对比检验结果显示:最优概率阈值法明显提高了降水相态预报能力,且以HSS评分最优时预报效果最佳;最优概率阈值法有效减小冻雨空报,同时显著改善降雨和降雪预报的频率偏差和TS评分,对雨夹雪预报改进效果有限。