低纬度地区局地暴雨的神经网络预报方法研究

以南宁市所辖8个站暴雨集中的6-8月逐日降水量作为预报对象,采用人工神经网络方法进行了新的数值预报产品释用预报方法研究.通过运用动力相似法,结合日本降水预报模式对未来暴雨发生的可能性进行判别,然后通过对欧洲中期数值预报中心预报场进行滑动分区车氏展开计算,求出与降水量序列相关较好的预报因子,并对这些因子进行自然正交分解,有效浓缩数值预报产品因子,建立了南宁市逐日暴雨的神经网络释用预报模型.利用该预报模型,对2006年6-8月的逐日暴雨预报试验结果表明,该预报模型对南宁市的暴雨强降水具有很好的预报能力.     

频率匹配技术在暴雨预报中的应用及改进分析

利用欧洲中期天气预报中心和美国国家环境预报中心2017年5—8月逐日降水预报资料及同时段MICAPS降水观测资料,采用频率匹配技术对江淮流域夏季降水预报进行模式偏差订正及改进技术探讨。结果表明:(1)模式对小雨预报偏多,存在大量空报;对大雨及以上降水预报偏少,存在较大漏报。(2)偏差订正通过下调小量级降水、上调大量级降水,使各量级降水的强度和面积偏差均得到一定程度改善,降水量级两端订正效果明显,订正后小雨和暴雨准确率显著提升。(3)偏差订正对暴雨落区预报的改进效果与过程相关,个例分析表明:对于雨带位置预报较准确的大范围梅雨锋暴雨,偏差订正后暴雨TS评分明显提升;对于副高边缘的小范围暴雨以及雨带位置预报失误的梅雨锋暴雨或台风暴雨,偏差订正后暴雨TS评分改善不明显甚至降低。(4)针对上述问题,提出了系数动态调整和模式集成的改进思路,即对于平均雨量5 mm以下的小范围暴雨,适当上调订正系数;平均雨量在15 mm以上的大范围暴雨,适当下调订正系数。模式集成订正可有效提高暴雨TS评分。     

暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究

利用2008—2011年6—8月中国气象局T213全球集合预报24—240 h降水预报资料和四川盆地观测降水资料,提出四川盆地暴雨集合预报-观测概率匹配订正法。该方法将集合预报降水累积概率分布与观测降水累积概率分布进行概率匹配,对降水量为50 mm的集合预报平均值进行订正,获得暴雨预报订正值(A Calibrated Heavy Rainfall forecast value),累积降水概率分布拟合函数采用Gamma函数。选取2013年6月28日—7月10日进行独立样本暴雨预报试验,分析四川盆地暴雨预报订正值分布特征和订正前后降水检验评分变化,讨论该方法存在的若干局限性。结果显示:T213集合预报对四川盆地降水预报存在预报量较观测量级小、模式预报时效越长降水预报越弱等系统性偏差,暴雨集合预报-观测概率匹配订正值普遍小于50 mm,且随预报时效延长而逐渐减小,有效地订正了T213暴雨集合预报系统性误差;暴雨集合预报-观测概率匹配订正法对"有或无暴雨"二分类暴雨预报改善较明显,ETs评分获得提高,且漏报率和空报率有所降低。     

常用相似性判据的检验和综合相似系数的使用

文章对相似预报方法常用的几个相似性判据作了客观检验和讨论，同时提出了综合相似系数，2000年6～8月黄淮主汛期郑州市气象台降水预报业务现场试验表明，综合相似系数在降水相似预报和24h暴雨预报中有较好的表现。     

一种基于可预报性的暴雨预报评分新方法Ⅱ:暴雨检验评分模型及评估试验

针对当前暴雨预报检验采用二分类事件检验方法存在较严重的“空报”“漏报”双重惩罚,没有考虑暴雨时空分布不均和预报评分可比性不够等问题,在分析预报员对暴雨预报评分期望值基础上,设计了一种基于可预报性的暴雨预报检验评分新方法和计算模型,分析了理想评分,并对2015-2016年4-10月中国中央气象台5 km×5 km定量降水格点预报和降水落区等级暴雨预报进行评分试验,获得了以下结果和结论:（1）预报员对暴雨预报评分期望值呈现梯级下降特征,与传统的TS评分存在显著差异;（2）设计了一种基于可预报性的暴雨预报检验新方法,通过引入e指数函数构建暴雨预报评分基函数,进而构建暴雨评分模型,该模型可以较好地拟合预报员对暴雨预报评分的期望值,同时改善了评分在不同量级阈值处的断崖式突变情况;（3）提出了预报与观测的邻域匹配方法,即一个预报点与所定义邻域中的一组观测相匹配,并利用距离加权最大值法确定暴雨评分值权重系数,预报与观测距离越近,距离权重系数越大,评分值权重越大,提高了评分的合理性,避免了距离较远的匹配站点得高分不利于鼓励预报员提高预报精度的问题;（4）对中国中央气象台逐日5 km×5 km水平分辨率的定量降水格点预报产品和中央气象台定量降水落区等级预报产品进行了评分试验,暴雨预报准确率全国平均值大于60分。基于可预报性的暴雨预报检验新评分与传统暴雨预报TS评分逐日演变特征相似,但可以较好地解析TS为0的预报评分,解析后的新评分与预报员和公众的心理预期更为接近。      

降水预报结果的订正试验

我们对19次数值模拟和实际预报降水结果进行了分析。统计结果表明,所引进的大气所有限区细网格降水预报模式,对江淮暴雨主要雨带的预报与实况基本一致,暴雨中心预报值比实况平均偏小15—30％,距离相差约100km,雨区预报偏大。为改进降水落区及暴雨中心强度的预报,我们采用了一种订正降水预报结果的试验方案,对降水预报场进行了订正,提高了预报准确率。 一、降水预报场中格距波的处理 采用客观分析资料作初始输入,模式计算的强降水带外围雨区预报,存在着明显的二倍格距波,大于25mm和大于50mm的     

一种基于可预报性的暴雨预报评分新方法Ⅰ:中国暴雨可预报性综合指数

针对当前暴雨预报检验采用二分类事件检验方法存在的双重惩罚导致评分过低,没有考虑到中国暴雨可预报性时、空分布不均,不便于对比分析不同区域暴雨预报能力差异等问题,为了发展基于可预报性的新型暴雨预报评分方法,在综合分析影响预报员暴雨预报信心的主要因素（暴雨气候统计特征、天气影响系统运动尺度特征及数值模式预报能力等）基础上,利用2008—2016年4—10月中国国家气象信息中心5 km×5 km分辨率的多源降水融合格点分析资料、站点降水观测资料和中国国家级业务区域模式降水预报资料以及扩展空间暴雨样本统计方法,构建了一种新型的中国暴雨可预报性综合指数（Synthetic Predictability Index of Heavy Rainfall,以下简称SPI）数学模型,以定量描述中国各区域的暴雨可预报性特征。SPI数学模型由暴雨气候频率、暴雨面积比率和模式暴雨预报成功指数（Threat Score,TS）3个分量组成,计算了2008—2016年4—10月SPI的3个分量及其时、空变化特征。分析结果显示:暴雨面积比率对SPI的时间和空间变化影响最大,两者偏相关系数大于0.9;其次是暴雨气候频率的影响,两者偏相关系数值为0.8左右;第三是模式暴雨预报TS评分的影响,两者的偏相关系数为0.7左右。分析还发现,SPI大值区随季节而变化,空间分布不均匀:4—5月,可预报性大值区主要分布在华南地区;6—7月,主要分布在江淮流域;7月中旬至8月,大值中心从江淮北部移到华北和东北地区;9月,副热带高压南撤,大值中心也相应南撤。      

2016-2020年广东省定量降水预报检验评估

对2016-2020年全球模式ECMWF和区域模式GZ_GRAPES、基于模式的解释应用和广东省气象局发布的定量降水预报（QPF）进行检验和评估。结果表明:ECMWF和GZ_GRAPES模式对一般性降水预报技巧在逐年提升,对大雨或以上的降水预报技巧的提升缓慢。GZ_GRAPES对大雨以上降水的预报技巧和定量降水预报的精细时空分布均优于ECMWF,区域模式更易预报出中小尺度降水信息。分类暴雨评定表明,模式对台风暴雨预报最好、锋面暴雨次之、季风暴雨预报最差。模式的暴雨预报落区偏小、低估明显,预报员通过经验订正明显提升了暴雨预报评分,其中季风暴雨的订正量最大,但存在预报范围偏大、空报较高的问题。基于ECMWF集合预报的解释应用与预报员的定量降水预报能力相当,降水越强,解释应用技术的优势越明显,但对季风暴雨也存在严重低估或漏报。目前降水精细时空分布、季风暴雨、极端性暴雨等依然靠预报员的经验订正为主,随着集合预报模式和区域高分辨率模式能力的提升,将预报经验客观化并与数值预报解释应用技术结合是提升QPF的一个方向。      

MICAPS系统下的大降水预报模型

通过分析宝鸡暴雨过程高空环流场、中低层能量场和湿度场以及低层天气系统对大降水形成的有利条件和不利因素,总结和提炼预报规则,并综合预报规则权重系数建立预报模型     

EC-thin降水预报与极端天气预报指数在浙江暴雨预报中的检验与释用

利用ECMWF模式降水和极端天气指数资料,以及浙江省68个气象站降水观测资料,评估了ECMWF细网格模式(EC-thin)和降水极端天气指数(EFI)对浙江2018—2020年梅汛期暴雨预报效果。研究表明：对于同一预报时效,随着阈值的增加,EC-thin和降水EFI的暴雨预报评分都呈现“先增加、后减小”的趋势,对于不同预报时效都存在某一阈值使得暴雨预报评分达到最大。从24 h时效到72 h时效,EC-thin的降水预报阈值从45 mm逐渐下降到25 mm,而降水EFI的暴雨预报阈值从07下降到06。EC-thin和降水EFI对暴雨预报的空报率随着阈值的增大而减小,漏报率随着阈值的增大而增大。对于不同预报时效,通过合理组合EC-thin降水阈值和降水EFI阈值,可以得到更好的暴雨预报效果,其评分高于单独使用降水EFI阈值或EC-thin降水阈值得到的评分。     

深圳对流尺度集合预报系统对台风降水预报的检验评估

目前数值模式对台风降水预报的准确率仍有待提高。为了评估深圳对流尺度集合预报系统对台风降水预报能力,选取了2015—2018年共14个影响广东台风个例,利用广东省2 300多个自动气象观测站的24小时累计降水观测资料,检验该系统的集合预报方法(含集合平均方法和概率匹配平均方法)和控制预报方法的24小时降水预报结果。(1)系统对台风24小时降水预报具有较好参考价值,三种方法的暴雨等级预报TS评分均达到0.39以上。(2)集合预报方法总体上优于控制预报方法,可改善珠江口两侧暴雨中心降水预报。其中集合平均方法总体预报效果最好,其降水预报均方根误差为38.1 mm,比控制预报方法减少18.8%,对暴雨等级预报TS评分为0.469比控制,预报方法提升20.1%,但是对特大暴雨等级预报能力不足;而概率匹配平均方法改善了小雨和特大暴雨的预报能力。(3)系统对较强台风的降水预报能力优于弱台风。在较强台风情形下,系统对粤东暴雨中心降水预报明显偏小且控制预报方法偏差最大,其他地方降水预报偏大为主;在弱台风情形下,系统对降水预报存在明显系统性偏大,但对粤西暴雨中心降水预报明显偏小且控制预报偏差最大。      

ECMWF模式降水预报与极端天气预报指数在暴雨预报中的评估与应用

评估分析了欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF)细网格模式(以下简称EC-thin)在长三角地区汛期(5—9月)的暴雨预报评分及ECMWF降水极端天气预报指数(EFI)对暴雨预警的指示作用。研究发现:(1) EC-thin降水和降水EFI对暴雨预报的ETS评分随着预报时效的延长而明显降低,在短时效内,细网格模式降水预报占优,超过60 h后,降水EFI的评分相对更好。(2)对EC-thin降水而言,在不同的预报时效采用不同的降水阈值来预报暴雨,可望达到最佳的评分效果。短期时效内该阈值随着预报时效的延长,大致从55 mm逐渐下降到35 mm。(3)对于降水EFI而言,12—36 h内EFI为0.65～0.7时,暴雨预报ETS评分最高。随着预报时效的延长逐渐下降,60—84 h内EFI为0.55～0.6时,暴雨预报ETS评分最高。(4)在不同预报时效内,采用合理的方式和阈值综合考虑EC-thin降水和降水EFI,可望得到更高的暴雨预报评分。     

2014—2016年数值降水预报在天津的检验评估

对2014—2016年中国国家气象中心T639数值预报、日本细网格数值预报、欧洲中心细网格(EC thin)数值预报以及天津市乡镇指导预报产品中在天津地区降水预报分别进行检验。结果表明:所有模式降水的晴雨预报准确率均随预报时效的延长而下降。降水预报准确率在秋冬春季的预报效果明显好于夏季。EC thin产品在冬季降水的预报中优势更为明显,而指导预报及T639对5月、6月及9月天津地区局地降水多发期的降水更有指示意义。针对2014—2016年天津地区的23个暴雨日按影响系统分型并统计检验结果,暴雨日降水预报晴雨成绩较好有参考价值,而降水分级检验偏差较大。相对于局地性暴雨过程,区域性的暴雨过程数值预报有更为可靠的参考性。     

一种改进的频率匹配法在网格降水预报订正中的应用

为提高精细化网格降水的实际预报能力,评估了2021年汛期ECMWF(EC)、CMA-MESO、SXWRF和SCMOC降水预报产品在陕西的表现,讨论了卡尔曼动态频率匹配方法对不同模式的订正效果,然后针对该方法不足,基于最优TS评分阈值法和SCMOC在天气过程判定中占优信息对小量级降水进行了二次订正,最后利用分类降水过程建模和基于图像相似识别技术改进的卡尔曼动态频率匹配法对暴雨进行了订正研究。结果表明:SCMOC晴雨预报准确率和暴雨TS评分均最高,分别为81.60%和0.30,表现最好;卡尔曼动态频率匹配法可明显提高EC、CMA-MESO和SXWRF模式降水预报产品晴雨预报准确率,对暴雨预报的改善效果不稳定,对EC晴雨预报准确率和暴雨TS评分提升幅度均最大,分别为6.35%和6.99%,该订正方法更适合于EC模式;经晴雨消空二次订正后的EC模式晴雨和小雨预报准确率较一次订正后的EC模式均有提高,分别提高了0.51%和0.64%;分类降水过程建模订正可进一步提高EC暴雨TS评分,较未分类过程订正后的暴雨TS评分提高了1.05%,且暴雨其他评分指标也均变好;改进后的卡尔曼动态频率匹配法较改进前...     

二阶位涡在暴雨预报中的应用

提出并推导二阶位涡物理量,并利用美国NCEP/NCAR 0.5°×0.5°GFS的24 h预报资料,计算了东北冷涡暴雨、锋面暴雨、低槽暴雨、台风暴雨等类型暴雨500—850 h Pa二阶位涡绝对值的垂直积分,与相对应时刻的24 h累积地面观测降水量进行对比。结果表明：二阶位涡的水平分布与暴雨落区有较好的对应关系,其对观测降水具有指示预测作用。2013年6—8月华南地区（20°—35°N,105°—125°E）24 h预报的6 h累计降水量大于10 mm的ETS评分表明,二阶位涡预报降水的平均ETS评分高于美国GFS预报降水的平均ETS评分,其对降水有较好的指示作用。     

中雨以上过程和暴雨短期预报的单站指标

1、引言由于中雨以上降水过程和暴雨与生产实践密切相关,影响较大,所以,它成为降水预报的重点。对于资料来源有限的单站,大型降水过程特别是暴雨的预报是比较困难的,因而充分利用单站资料配合大形势做出大型降水过程和暴雨预报,对做     

中尺度模式遗传算法同化系统及同化试验研究

设计了一个以MM5模式为基础的遗传算法同化系统,并对一次暴雨过程进行了实际降水的模拟,通过对比遗传同化和伴随同化的降水预报效果,对遗传算法同化系统的同化性能进行验证。试验结果表明,遗传算法与四维变分相结合的同化系统能有效地改善模式的初始场,使MM5模式要素预报和降水预报的准确率得到提高。     

基于ECMWF模式的江西及周边地区锋面暴雨预报检验和订正

利用全国降水资料（包括江西加密降水资料）、探空资料、ECMWF模式72—24 h降水和形势预报资料,采用天气学检验、SAL定量降水预报检验等方法,对2017—2019年江西及附近地区锋面暴雨的实况和模式产品进行检验分析,检验主要影响天气系统预报效果,得出ECMWF模式降水预报误差分布特征及原因,并对模式的暴雨预报进行订正。结果表明：ECMWF模式对2017—2019年锋面暴雨过程预报较实况大多偏北,落区预报误差主要源于大尺度降水。从锋面暴雨三种SAL分析误差可见,落区预报较实况大多偏北,暴雨过程强度多数较实况偏弱,结构较实况偏小。对误差较大个例的分析得出两点订正思路：1） 锋区南侧有较明显动力热力对流发展的弱锋区暴雨,暴雨落区可订正至925 hPa锋区南侧高温高湿区。2） 较强锋面暴雨,当中低层切变辐合抬升区重叠时,暴雨落区可向925 hPa锋区位置调整,暴雨通常不易出现在锋区北侧冷区。     

两次暴雨过程的主观及集合预报检验

对各级预报员、集合预报成员在两次暴雨天气中的24 h和48 h降水、温度预报结果分别进行检验。结果表明:降水预报中预报员分级降水TS评分随降水级别增大而减小,所有预报对小雨均有较好的预报。暴雨预报漏报明显,漏报率几乎为100%,然而集合成员中的最大值,对暴雨预报有一定的启示作用,业务工作中应得到重视。针对降水和温度预报总体而言,集合成员中集合平均值和控制预报表现相对优秀,可在业务中作为重要参考。     

岳阳暴雨的时间分布

暴雨预报,除了量级预报外,还有落区和落时的预报。对于暴雨的落时预报,目前研究还不多,方法也少。本文根据岳阳10年5—8月的逐时降水资料,分析了暴雨降水的时间分布及其与天气系统的关系。并据此提出了一种用大尺度天气形势来作暴雨落时预报的方法。