基于智能计算的广西大风短临预报预警系统的产品检验

利用机器学习和人工智能技术研发了广西大风短临预报预警系统,该系统的产品与同期广西各地气象局发布的大风预警信号(以下简称“人工预警”)进行比较分析。结果表明:(1)按业务评分规定,大风预警系统在漏报率和命中率方面更优,人工预警在TS评分和空报率方面更优;(2)有效提前预警情况下,大风预警系统在大风蓝色、黄色预警和不分级预警中TS评分较高。基于对大风预警系统和人工预警的数量、TS评分和预警提前量的差异分析,广西大风短临预报预警系统的产品性能达到同期人工预警水平。     

国家级强对流天气分类预报检验分析

预报产品的客观检验是记录、考量各种预报业务质量,促进预报水平提高的重要手段,也是整个天气预报过程中的重要环节。本文采用"点对面"Threat Score(TS)、漏报率、空报率等客观指标首次对2010—2015年4—9月国家级强对流天气预报中雷暴、短时强降雨以及雷暴大风和冰雹等分类预报进行了检验。同时,本文也对强对流天气落区分类预报客观检验存在的问题以及未来发展进行了讨论。检验结果表明:过去6年间,6~24 h时效预报,雷暴TS评分为0.22~0.34,短时强降水为0.18~0.24,雷暴大风和冰雹为0.01~0.07;48、72 h时效预报、雷暴TS评分为0.30~0.40,强对流天气TS评分为0.16~0.23,除雷暴预报TS评分在2012—2013年有所回落外,其他类别的强对流天气预报总体上TS评分呈上升趋势,雷暴大风和冰雹预报评分明显低于其他两个类别。雷暴空报率是漏报率的2~3倍,短时强降水漏报率与空报率接近,雷暴大风和冰雹天气漏报率和空报率都在0.8以上。与美国风暴预报中心(SPC)2000—2010年定期发布的1 d对流展望产品检验结果比较,强天气预报中心雷暴和短时强降水落区预报TS评分较高,雷暴大风和冰雹评分较低。典型个例预报检验结果表明,系统性大范围的风雹天气可预报性较强,评分要显著高于平均预报水平;对于非过程性的、分散的风雹天气,预报难度大,TS评分低。     

基于ConvLSTM的广西短临降水预报

针对传统雷达回波外推算法在快速增长或消散降水过程预报精度较低的问题,利用华南雷达回波拼图资料数据,建立ConvLSTM回波外推模型,对广西区域范围进行短临降水预报研究.采用气象业务中的正确率(POD)、临界成功指数(CSI)及误报率(FAR)评判标准检验预报模型,并将ConvLSTM与光流法的预报结果进行对比分析.结果 表明,ConvLSTM模型的CSI、POD分别比光流法提高0.06和0.059,而FAR下降了0.058.ConvLSTM方法比光流法的回波外推预报准确率高,该方法可为广西短临降水预报提供新的参考.     

陕西智能网格气象预报系统(秦智)在佛坪的检验

通过对陕西智能网格气象预报系统(秦智)(下简称秦智系统)的温度、晴雨和暴雨预报准确率检验,发现秦智系统在佛坪地区的日最低气温预报准确率高于日最高气温预报准确率,误差≤2℃的平均准确率日最高气温为51.6%、日最低气温为79.8%,平均绝对误差日最高气温2.4℃、日最低气温1.3℃,说明秦智系统对佛坪地区的气温预报有具有较好的指导作用;日最高气温预报准确率最低的月份是5月、6月和9月、日最低气温预报准确率最低的是1月和4月;晴雨预报准确率最高的月份是10月,最低的是4月;秦智系统在佛坪的暴雨预报24 h TS评分为40%,命中率为50%,且预报时效越长TS评分和命中率越低,空报率和漏报率越高。气温预报准确率和晴雨预报准确率最低的三个站均在北部山区海拔1 000 m以上,说明地形因素对数值预报的准确性有一定影响。     

陕西省短时临近智能预报服务系统简介

陕西短时临近智能预报服务系统(简称NIFS短临系统)是一套集实况监测、智能报警、预警发布、人机交互和上下联动为一体的多功能预警业务系统。主要面向省、市、县三级气象部门的一线业务人员,通过与陕西省气象智能网格预报一体化平台、SWAN系统、国家突发事件预警信息发布系统等集约衔接,实现对省、市、县突发气象灾害临近预警服务的及时有效支撑。NIFS短临系统首创性研发了陕西0～2 h分钟降水预报、对流天气分类识别、暴雨客观预警等产品,通过报警信息自动推送、预报指导客观定量、上下在线互动留痕等方式,帮助各级气象台加快改进现有短时临近预报业务流程体系,并为决策部门改进和完善陕西现行短临预报业务制度提供一定帮助。本文介绍NIFS短临系统主要功能及部分关键技术,包括天气实况监测、智能报警、强对流天气预报制作、人机交互订正、预报检验评估、智能管理等系统功能与暴雨预警信号智能报警关键技术,为其他省份气象部门研究开发本地短临业务系统提供参考。     

上海沿岸海域风场质量控制与预报检验

利用2016年上海沿岸海域19个站点的风场资料,进行了风场质量控制,包括完整性检查、内部一致性检查、持续性检查和高度订正。同时挑选10个站点作为实况对2016年风场模式预报进行检验,包括风速预报误差、风速预报准确率和风向预报检验,对比了风场观测资料质量控制前后的检验结果,最后对两次大风过程进行了检验。结果表明:预报检验结果均随着预报时效的增加而变差;整体误差秋季和冬季较小,6月和7月误差较大;分级检验0～5级风速准确率在0.9～1之间,预报值比实况偏大,6级以上风速预报准确率逐渐降低,且预报值比实况偏小;风向检验呈现明显的季节性,冬季12月、1月误差小,准确率最高,夏季6月误差最大,准确率最低;质量控制后检验结果都得到正面提升;两次大风过程预报准确率均在70%以上。     

河西走廊东部大风气候特征及预报

利用河西走廊东部1971—2010年4个气象站大风（≥6级,即10min平均风速≥10.8～13.8m/s）资料,系统分析了该区大风的时空分布、强度和持续性等气候特征。结果表明,河西走廊东部大风天气主要发生在山区和沙漠边缘;年、年代际大风日数总体呈减少趋势,3—5月是大风的高发期,占全年大风日数的34.8%～56.8%,其次是2月、6月和11月;各强度大风日数的变率较大,随着大风强度的增强,大风日数迅速减少;大风天气具有持续性特征,最大风速大多出现在持续大风时段内。采用2003—2007年逐日20时ECMWF数值预报格点场资料,按照Press准则进行预报因子初选,运用逐步回归预报方法进行预报因子精选,使用最优子集回归建立大风预报方程,并用双评分准则（CSC,couple score criterion）确定各季节各地大风预报全局最优的显著性方程,预报方程通过了α=0.01的显著性检验。预报方程回代拟合率为66.7%～73.4%,预报准确率为58.8%～67.5%,达到了一定的预报水平,可为大风的业务预报提供客观有效的指导产品。采用最大靠近原则确定了大风预报临界值和预报、预警的级别。     

国家级中尺度天气分析业务技术进展Ⅱ：对流天气中尺度过程分析规范和支撑技术

中尺度天气分析技术在对流性天气的短期预报业务中发挥了重要作用。文章介绍了国家气象中心正在发展和试运行的对流天气中尺度过程分析规范和支撑技术,旨在为中尺度对流天气的短时临近分析和预报提供技术方法,其客观技术支撑为中国气象局强对流短临预报系统SWAN、强对流天气综合监测技术和自动站资料快速客观分析技术等。文章以2011年4月17日强对流过程为例,介绍了如何利用多源观测资料(常规和非常规资料)快速识别和掌握强对流天气(短时强降水、雷暴大风、冰雹、龙卷等)实况,分析当前对流系统类型及其结构特征,判断未来影响对流系统发生、发展的中尺度环境条件,并综合考虑客观自动外推算法产品,最终指导预报员对未来0～6 h内的强对流天气影响区域进行短临预报预警。业务试验表明,对流天气中尺度过程分析技术可为强对流天气短临预报业务提供重要参考和依据。     

北京雷暴大风气候特征及短时临近预报方法

北京地区雷暴大风的预报准确率低而且时效短.为了提高对这种灾害性天气的预警能力,在气候统计的基础上,研究了潜势预报方法和临近预报算法.对1998-2007年134个雷暴大风过程的统计结果表明,北京地区绝大多数的雷暴大风具有下击暴流特征,而且冰雹的落区附近也是大风的爆发区之一.因此,负浮力的作用和对冰雹具有指示性意义的因子是研究雷暴大风预报方法应主要考虑的因素.500hPa环流背景分析表明,尽管绝大多数雷暴大风爆发时对流层中层有干空气侵入,但是还有少数个例产生在偏南暖湿气流中.目前,对后一类大风产生的机制仍然不清楚.研究表明,当对流层中层有干空气侵入时,有利于雷暴大风出现的环境条件是:下沉气流具有较大的不稳定性,同时对流层低层环境大气的温度直减率较大.此外,还讨论了经验指数--大风指数在北京地区的应用.基于上述的研究,形成了北京地区雷暴大风短时潜势预报方法,还使用相关分析和多元回归分析技术建立了基于雷达观测和环境条件的雷暴大风临近预报方程.个例分析表明,临近预报方程对于飑线和弓形回波等带来的地面大风具有一定的预报能力.     

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。     

近50a阿勒泰地区大风的环流分型及预报

利用1961~2010年阿勒泰地区7个观测站地面大风观测资料,统计分析了阿勒泰地区大风日数的时空分布规律及变化特征,结合2007~2012年35个大风个例的历史天气图、ECMWF和T213数值预报产品,进一步分析了大风天气环流特征,总结归纳出不同天气形势下大风预报指标和预报方法,并进行检验。结果表明:阿勒泰地区年大风日数为30 d,春季最多,冬季最少;各县市大风日数年际变化差异较大,均呈明显减少趋势,就全区而言,其气候倾向率为-8.5 d/10 a;受地形显著影响,西北部为大风多发区,东部最少。根据环流形势特征,该区大风主要分为冷锋型、动量下传型、回流型、中小尺度型4种类型。根据归纳的大风预报指标及预报方法,得出该地区2011~2012年大风预报准确率为77%,效果较好,在预报业务中具有重要的参考价值。     

咸阳地区大风天气特征及智能网格大风预报订正

利用2014—2019年咸阳地区13个地面气象观测自动站风场数据、NCEP/NCAR 1°×1°再分析资料、西安探空资料及多普勒雷达产品、陕西智能网格逐小时格点化预报风场产品,对2014—2019年发生在咸阳地区的大风天气过程进行统计及分型处理,对比2017—2019年大风过程中陕西智能网格预报风场产品与实况风场差异,提炼出基于陕西智能网格预报风场产品的订正指标,利用2020年大风个例进行检验评估来验证订正指标的可靠性。结果表明：发生在咸阳地区的大风分为系统性大风和雷雨大风,其中系统性大风包括高压后部偏东大风和冷锋后部偏北大风,雷雨大风分为高空冷槽型、西风槽型、副高影响型、冷涡后部型以及低涡型;陕西智能网格预报可提前72 h准确预报出2类系统性大风天气过程,提前12 h预报的平均风速最大值与实况最大风速之间差值最小,可参考该预报时次的结果增加4 m/s进行订正,检验得到6级以上风速预报准确率提高约1831%左右;对于雷雨大风,最大小时增幅在2 m/s以上对雷雨大风的发生时段预报有一定的指示意义,结合25百分位的实况极大风速阈值、陕西智能网格预报极大风速阈值,与各个环境参量和雷达产品参数进行概率匹配,订正预报可在一定程度上提高此类大风极大风速预报准确率。     

冬季高海拔复杂地形下GRAPES Meso要素预报的检验评估

利用GRAPES(Globe/Regional Assimilation and Prediction System)对2010年温哥华奥运会6个场馆气温、相对湿度、风及降水量的预报结果,采用预报准确率、平均误差、平均绝对误差、Alpha Index、TS和ETS评分等统计量对其进行了较详细的评估。结果表明:GRAPESMeso预报相对湿度的准确率最高,且随预报时效的增加,其变化趋于稳定。起初模式对相对湿度的预报偏干,之后逐渐变为预报偏湿;气温预报偏低;风速预报偏大。逐日各要素预报检验结果表明,气温的变化幅度最小;各级降水检验发现,晴雨预报的TS评分最高,且随降水增大,ETS评分逐渐接近TS。与其他模式预报结果对比发现,GRAPES-Meso对复杂地形下要素预报还存在一定的不足。本研究还发现,模式存在一定的系统误差,若能有效订正其误差,将有助于改进模式预报。     

机器学习在广西台风极大风速预报中的应用

以1980-2020年广西台风期间桂林、梧州、龙州、南宁、玉林等5个气象观测站的地面日极大风速为研究对象,采用多元线性回归(MR)、支持向量机(SVM)、模糊神经网络(FNN)等三种较为常用的线性和非线性方法分别进行预报建模,对2011-2020年共10a独立样本的检验.结果 表明,在全样本风速预报的平均绝对误差上,FNN模型对桂林站、梧州站、龙州站、玉林站共4个站点预报的平均绝对误差最小,总体预报精度最好,MR预报模型则对南宁站有较好的预报能力,SVM模型预报效果总体偏差.对于6级以上大风的TS评分、命中率、空报率和预报偏差等4个评估指标的统计,FNN模型的预测精度最高且相对稳定,MR方案次之,SVM在三种方案中预报效果最差.FNN方法对广西台风期间地面日极大风速的预报有较好的参考作用.     

天气在线降水预报与日本传真图的对比检验

对近两年天气在线与日本传真图在潍坊本站降水短期预报中进行了评分检验，并针对主要天气系统考察分析了降水预报准确率。检验结果表明：2002年6月一2004年4月天气在线降水12—36小时预报的TS评分达到62.1％，与日本预报的63.5％非常接近，且同样表现出在夏半年质量较高、冬半年较低的特点；冷涡、地面气旋与倒槽造成的降水预报准确率明显低于日本，高空槽、切变线、副高边缘的降水预报准确率与日本接近。     

基于Grapes 1 km 分钟级模式分析LAF法的预报效果

基于华南区域中尺度分钟级快速更新同化的Grapes 1 km数值预报模式系统,应用时间滞后法(LAF),对发生在广东的一次飑线过程进行集合预报分析与检验。时间选取2017年5月3日21:00—4日03:00(UTC)阶段,其中前2 h即21:00—23:00的逐12 min起报的11组构成集合预报成员,进行均等权重计算,预报未来4 h的降水。结果表明:不是越接近降水发生时刻起报的结果越理想。模式对后期降水预报效果优于前期,而且模式预报后期离散度增大,也证实了预报效果有所改善,但是否与LAF法有关,仍需深入研究。集合概率预报凸显短时强降水集中区并与实况较为一致,为短临预警提供有力支撑。     

西安呼吸系统疾病气象风险指数等级预报研究与应用

利用2010年1月1日—2014年12月31日西安市呼吸系统疾病死亡数据与相应的气象观测数据,选取与呼吸系统疾病有显著相关性的气象因子,采用多元逐步回归方法,建立呼吸系统疾病死亡人数预测模型和呼吸系统疾病气象风险指数等级预报方法,并对预测模型和等级预报进行了检验。结果表明：呼吸系统疾病日死亡人数预测模型准确率在795%以上,呼吸系统疾病气象风险指数等级预报准确率达到98%,预测预报效果较好。将呼吸系统疾病气象风险指数等级预报融入西安公共气象指数预报服务系统,制作呼吸系统疾病气象风险指数等级预报、预警产品,并通过全方位融媒体发布手段开展健康气象预报预警服务。     

陕西中短期网格客观预报降水产品在西安地区的检验

基于2017—2020年6—9月陕西中短期网格客观预报产品（简称DCOEF）的降水产品,采用晴雨预报准确率、TS评分、预报偏差BIAS,对其在西安地区21个气象观测站的预报效果进行检验;同时采用第99%分位值的降水量值作为测站极端降水量的阈值,进一步了解DCOEF对极端降水的预报效果。结果表明,（1）DCOEF在西安地区逐年和逐月的晴雨预报准确率均在069以上,空间分布上在西安城区、高陵、阎良、临潼和灞桥地区的晴雨预报准确率普遍在075以上,具有较好的参考价值。（2）6—9月中,9月的晴雨预报准确率可达08,各量级的TS评分明显高于其他月份,且BIAS接近于1,预报效果最好。（3）随着降水量级的增加,TS评分明显下降,小雨的TS评分最高,且时间和空间差异小;暴雨TS评分时间和空间差异明显,除9月外整体评分较低,且空报率明显偏高。（4）DCOEF对西安区域平均降水量雨带分布和强降水中心位置分布预报与实况差别较大,但能较好地反映出区域降水的时间演变趋势,与实况较为接近,只是在降水量上存在一定的偏差,预报值较实况以偏大为主。（5）DCOEF对极端降水的预报缺乏稳定性,偏差大,尤其是对短时强降水所造成的极端降水事件预报能力弱。     

ECMWF集合预报统计量产品在重庆降水预报中的检验与分析

利用ECMWF集合预报降水资料和重庆市自动站降水资料,运用晴雨、TS评分、预报偏差等检验方法对重庆地区2014—2016年ECMWF集合预报降水产品在短期时效的预报性能进行检验分析。结果表明:最小值的晴雨预报准确率最高。对于TS评分检验,小雨量级可优先参考最小值、10%分位数和融合产品,中雨量级参考平均数和概率匹配平均,大雨和暴雨量级分别参考75%分位数和90%分位数。对于预报偏差检验,小雨量级可优先参考最小值、Mode,中雨量级参考融合产品、中位数,大雨量级参考控制预报、融合产品,暴雨量级参考90%分位数。对于百分位值预报产品和概率预报产品,小雨量级可参考5%～10%分位数和80%～90%概率预报产品,中雨量级可参考45%～55%分位数和40%概率预报产品,大雨量级可参考70%～80%分位数和20%概率预报产品,暴雨量级可参考90%～95%分位数和10%概率预报产品。     

三种气温预报产品黑龙江省预报效果检验

利用T639模式预报产品和黑龙江省83个国家气象站气温实况观测资料,采用最优预报因子方法选取预报因子,应用多元回归方法建立逐站日最高气温和日最低气温的MOS预报方程; 对MOS、中央气象台指导预报（SCMOC）和T639三种气温预报产品的日最高气温和日最低气温预报效果进行对比检验分析,并用EOF方法检验预报与实况的时空变化特征一致性。结果表明: 与实况的时空变化一致性方面,MOS和SCMOC较好,T639略差; 预报效果方面,MOS和SCMOC对日最高气温和日最低气温的2 ℃预报准确率普遍高于T639,MOS的预报准确率在日最高气温方面高于SCMOC,在日最低气温方面低于SCMOC; MOS对T639气温预报产品改善效果明显,尤其对冬季日最低气温的预报改善效果十分显著; MOS较T639气温预报改善效果与T639模式预报效果呈负相关关系,主要表现为,MOS预报改善效果在T639预报准确率低的山区明显优于平原,在春、夏季,预报准确率较低的日最高气温明显优于日最低气温,在冬季,预报准确率较低的日最低气温优于日最高气温; MOS气温预报方法的预报性能较理想,SCMOC对黑龙江省预报难度较大的日最低气温预报效果较好。