广州“5.7”暴雨预报的模式不确定性研究

2017年5月7日,在弱天气尺度强迫下,广州发生了暖区特大暴雨,局地发展迅速,降水强度极端,多家业务模式出现了漏报情况。为了探究此次降水过程模式预报的不确定性,采用条件非线性最优参数扰动（Conditional Nonlinear Optimal Perturbation related to Parameters,CNOP-P）方法筛选出最能体现中小尺度系统非线性误差增长特征的关键物理参数,以此构造CNOP-P-RP模式扰动方案,并基于CMA-Meso模式进行对流尺度集合预报试验,最后探究了CNOP-P关键参数影响局地对流发生、发展不同阶段的物理机理。结果显示,不同降水阶段的CNOP-P敏感参数主要与垂直扩散、云雨自动转换或其他水成物向雨滴的转换有关。与业务上常用的随机物理倾向扰动（Stochastically Perturbed Parameterization Tendencies,SPPT）方案相比,在本次降水过程中,基于CNOP-P-RP方案构造的集合预报试验具有更高的降水和地面要素的概率预报技巧,集合预报系统可靠性也占优。进一步分析发现,垂直扩散不确定性导致的山前温度梯度和...     

新型局地增长模培育法对两次飑线个例的对流尺度集合预报试验

利用局地增长模培育法对两次典型飑线过程进行了对流尺度集合预报试验,通过与传统增长模培育法对比,检验了局地增长模培育法的实际预报效果。通过概率匹配平均处理后,将降水预报结果与实况资料进行对比分析,并用分数技巧评分来代替传统公平技巧评分实现对降水结果的合理检验,得出结论:1)在飑线降水预报上,局地增长模培育法优于增长模培育法。2)分数技巧评分比公平技巧评分更好地反映对流尺度集合预报能力,特别是在大暴雨量级降水评估上。3)降水评分结果显示,集合平均对于小雨、中雨和大雨级别降水的预报技巧高于概率匹配平均,概率匹配平均对于暴雨和大暴雨级别降水更有优势。     

自动临近预报系统及其在北京奥运期间的应用

该文介绍了对流风暴自动临近预报系统(BJ-ANC)及其在2008年北京奥运会期间的应用。BJ-ANC是在技术引进基础上,通过本地化改进和拓展研发而形成的适合于在京津冀地区使用的对流风暴自动临近预报系统。BJ-ANC系统通过对风暴进行分析,利用临近预报算法和模糊逻辑集成技术,生成反映风暴发生、发展和消亡的分析及预报产品。系统考虑了京津冀地区边界层辐合线及地形与风暴生消发展之间的密切关系。通过对2008年实时预报结果的检验表明:系统对风暴单体在1 h内的外推预报与实际观测的风暴单体中心的距离偏差较小;系统的1 h定量降水预报和自动站的降水观测接近;系统对风暴回波的总体预报性能明显优于持续性外推方法。通过对2008年奥运期间对流风暴个例的实际应用分析表明:系统对风暴的临近预报具有指导意义,边界层辐合线对风暴的局地新生和快速演变具有明显的正面预报效果。另外,系统反演得到的对流层低层热动力三维特征提供了风暴生消、发展预报的重要判据。     

GRAPES区域集合预报对2019年中国汛期降水预报评估

2019年,数值预报中心开发了以GRAPES全球模式为驱动场,集合变换卡尔曼滤波为初值扰动方法,随机物理过程倾向项为模式扰动方法的10 km水平分辨率GRAPES-REPS V3.0区域集合预报模式,并投入业务运行。基于该模式,作者开展了2019年7～9月夏季降水不确定性的集合预报实时试验,并从统计检验和个例分析角度,与GRAPES-REPS V2.0和ECMWF全球集合预报模式进行对比,由此对GRAPES-REPS V3.0区域集合预报模式的降水预报能力给予客观评价,并分析了引起中尺度强降水预报不确定性的物理机制,研究结论可为诊断集合预报模式及改进集合预报方法提供依据。结果表明:（1）GRAPES-REPS V3.0区域集合预报系统的降水ETS评分在所有预报时效和量级内均优于GRAPES-REPS V2.0区域集合预报模式,降水成员具有明显等同性,且概率预报技巧FSS评分较高,GRAPES-REPS V3.0区域集合预报模式降水预报效果全面优于GRAPES-REPS V2.0区域集合预报模式。（2）GRAPES-REPS V3.0区域集合预报的集合平均降水BIAS评分及小雨和暴雨ETS评分均明显优于ECMWF全球集合预报系统,降水概率预报与ECMWF降水概率具有一定可比性。（3）个例分析结果表明,不同集合预报模式通过刻画中尺度特征物理量不确定性来捕捉降水预报不确定性,初始时刻,GRAPES-REPS V3.0区域集合预报模式和ECMWF全球集合预报模式环流形势分布较为相似,随预报时效演变,GRAPES-REPS V3.0区域集合预报模式对中尺度动力、热力场捕捉更为准确,相应地对降水落区与量级预报较好,概率预报技巧较优。（4）与ECMWF全球集合预报模式相比,GRAPES区域集合预报模式集合成员能很好地预报降水发生、发展、消亡整个过程,故GRAPES-REPS V3.0区域集合预报系统对中国汛期降水具有较强的预报能力。     

基于BGM的对流尺度集合预报试验及其检验北大核心CSCD

基于增长模繁殖法,考虑对流尺度高度非线性特征和精细化预报要求,对一次强飑线天气过程进行了集合预报试验,引入概率匹配平均法对集合预报结果进行对比分析,并通过偏差和公平技巧评分对降水进行了预报效果检验。试验结果表明,BGM法应用到对流尺度集合预报中能够生成代表大气不确定性的快速增长扰动。集合预报结果相比控制预报更加准确,传统集合平均对较小降水强度的预报更加准确,概率匹配平均法对大量级降水的预报能力明显占优。降水评分检验表明,集合平均对小量级降水的预报技巧最高,概率匹配平均法对极端降水事件的预报技巧有明显优势。对流尺度集合预报能够提高降水预报技巧,并对高影响对流天气事件的预报有指导意义。     

基于时空不确定性的对流尺度集合预报效果评估检验

针对对流尺度天气系统的高度非线性特征和高分辨率模式预报结果存在时、空不确定性现象,以及当前邻域概率法主要考虑高分辨率预报结果的空间位移误差,而不能有效解决预报结果存在时间超前与滞后问题,将时间因素引入到邻域概率法中,结合一次强飑线过程进行对流尺度集合预报试验,并基于改进后的新型邻域概率法与分数技巧评分,对降水预报进行了不同时、空尺度的效果评估检验。结果表明:（1）邻域集合概率法和概率匹配平均法在极端降水的分数技巧评分远高于传统集合平均,弥补了集合平均对极端降水预报能力偏低的缺陷。（2）对于此类飑线过程的对流尺度天气系统而言,邻域半径为15—45 km的空间尺度能够改善降水位移误差的空间不确定性,并使其预报效果达到最优,其中15—30 km的邻域半径对于尺度更小的大量级降水事件预报能力更强。（3）对流尺度降水预报考虑时间尺度与降水强度存在着对应关系,不同时间尺度可以捕获到不同量级降水的时间不确定性。同时,时间尺度与空间尺度对于降水预报效果的影响是相互关联的。（4）改进的邻域概率法能够同时体现高分辨率模式预报结果在对流尺度降水事件上存在的时、空不确定性,实现了对流尺度降水在时、空尺度上的综合评估,并能为不同量级降水提供与其时、空尺度相匹配的概率预报结果。      

集合动力因子暴雨预报方法研究

介绍了广义位温、湿热力平流参数、热力螺旋度、热力散度垂直通量、广义湿位涡、力管涡度、热力力管涡度、二级位涡、对流涡度矢量和波作用密度等宏观物理量的定义及其物理意义。个例分析表明,这些动力因子与降水系统发展演变密切相关,对地面观测降水有一定的指示作用。这主要是因为：（1）这些因子能够描述降水系统的动、热力垂直结构等共性特征;f2）这些因子大部分包含广义位温,而广义位温又与凝结潜热和相对湿度有关,因而这些因子也能描述降水系统的水汽场结构特点。以这些动力因子为基础建立了集合动力因子预报方法,该方法首先建立以GFS预报场资料为基础的单动力因子降水预报方程,然后根据其与观测降水的相关性,定义权重函数,对多个动力因子的降水预报进行权重平均,最后得到集合动力因子的降水预报。该预报方法可以充分发挥多个动力因子的优势,比较全面地反映暴雨过程的共性特征。长时间序列的统计检验表明,集合动力因子的降水预报评分略高于全球预报系统（GFS）模式自身的降水预报评分,表现在降水落区预报方面,集合动力因子的预报效果略优于GFS模式的自身预报,然而,在降水强度预报方面,集合动力因子和GFS模式都略有过度预报。集合动力因子预报方法计算量小,容易移植,可以提供降水预报产品,为预报员做暴雨预报提供支持。     

基于对流尺度集合预报方法对一次暴雨过程预报的分析

为了更加直观和深入地理解对流尺度集合预报中的降水集合预报产品,以便进一步向预报员推广应用,本文开展了基于对流尺度集合预报方法对2021年8月28—29日的一次暴雨过程的预报性能分析,对集合预报的暴雨和大暴雨量级降水预报技巧进行了综合分析。结果表明：(1)不同集合成员降水预报结果的差异随着降水量级的增大越发明显,预报最优和最差的成员的TS评分相差0.3以上。(2)概率匹配平均预报对于暴雨和大暴雨量级降水的预报技巧优于控制预报,也优于集合平均。集合平均由于集合成员预报的平滑作用导致其对极端降水不敏感,因此,简单的集合平均不适合于大暴雨以上量级的极端降水预报。(3)从最小值预报到最大值预报,随着集合百分位的增大,命中率、空报率和频率偏差均逐渐增大,70%或者80%集合百分位预报的预报技巧最优,且优于集合平均和概率匹配平均预报。(4)对于重庆东北部偏西地区出现的大暴雨量级降水,较长预报时效集合概率预报均预报出了一定的降水概率,最长提前60 h,相应的最优的集合成员的降水预报与实况也较为接近。     

青藏高原东侧"2003.8.28"暴雨的集合预报试验

利用MM5模式和国家气象中心的T213模式的预报资料,通过研究非绝热物理过程参数化方案对高原东侧"2003.8.28"暴雨数值预报的影响特征,进行了多物理模式集合预报试验,为开展青藏高原东侧集合预报扰动技术研究进行了试验.试验结果表明,模式物理参数化方案对中尺度降水预报结果有明显影响,包括局地降水强度、空间分布型态、时间演变特征等.随着模式分辨率的提高,积云对流参数化方案将增加小雨量级降水区域,产生一些虚假降水,就现阶段模式水平而言,高分辨率集合预报应重点发展考虑强降水预报不确定性的集合预报模式系统.多物理模式集合预报的初步试验结果表明,高分辨率集合预报可以改进单一确定性预报结果不稳定的缺点,为强降水灾害性天气预报提供有价值的预报信息.     

“16·7”华北极端强降水过程对流尺度集合模拟试验不确定性分析

基于4km水平分辨率的WRF-ARW中尺度模式,对2016年7月19日华北地区的极端暴雨过程进行了不同降水微物理过程的对流尺度集合模拟试验。结果表明:各个成员模拟降水的强度、时空分布与观测实况较为接近,但也具有明显的不确定性。通过邻域检验的ETS评分、相关系数和均方根误差等指标进行评估表明,采用Morrison方案和WSM6_P2方案的集合成员表现较好,对流尺度集合模式在降水强度和准确度较全球数值模式预报有一定提升。频率检验表明集合预报在50 mm以下量级的预报存在过量预报的倾向,而100 mm以上的强降水预报相对偏弱。不同降水物理过程的集合成员在高空急流和地面气旋等关键天气尺度系统的发展过程中表现出明显的不确定性;通过降水量与整层可降水含量,低层相对涡度和垂直运动等诊断量的联合分析表明,集合成员可分为强降水集合和弱降水集合两类,其中强降水集合拥有较强的对流性回波、较明显的对流性下沉以及较强的地面冷池,强的潜热反馈也导致对流层中层出现相对较大的正位涡异常,并进一步影响天气系统发展。弱降水集合成员降水以暖云降水为主,对流性上升和地面冷池相对较弱,但较为接近本次以稳定性暖云降水为主的天气过程。检验模拟雷达回波表明双参量降水物理方案在反映层云回波亮带和层云与对流核的分离特征上更为清晰合理。利用WSM6物理方案参数设置的敏感性试验表明,不同参数组合设置的预报成员分别表达了强对流风暴和暖云强降水两种性质的强降雨过程,对于一次特定天气过程中的对流系统发展能够预计到更多的不确定性,展现了对流尺度集合预报的优越性。     

对流天气临近预报技术的发展与研究进展

目前，临近预报技术主要包括雷暴识别追踪和外推预报技术、数值预报技术以及以分析观测资料为主的概念模型预报技术等。其中，识别追踪和外推预报技术主要以雷达资料为基础，在这方面，交叉相关外推和回波特征追踪识别外推是比较成熟的技术，已经用于许多的临近预报业务系统中，其缺陷是预报时效较短，准确率也不是很高。随着精细数值天气预报技术和计算机技术的发展，利用多普勒天气雷达资料和其它中小尺度观测资料进行数值模式初始化，来预报雷暴的发生、发展和消亡已经成为一个研究的热点，该技术发展很快但还不成熟。概念模型预报技术主要是通过综合分析多种中小尺度观测资料，包括雷达和气象卫星资料等，在此基础上建立雷暴发生、发展和消亡的概念模型，特别是边界层辐合线和强对流的密切关系等，再结合数值模式分析预报和其它外推技术的结果，然后建立雷暴临近预报的专家系统，其不但可以获取雷暴和对流降水移动、发展的信息，还可以预报它们的生成和消亡。检验和定性评估也表明，将多种资料和技术集于一体的概念模型专家系统，其临近预报的准确率最高，时效也最长，是临近预报技术未来发展的主要趋势之一。NCAR的Auto Nowcaster系统是雷暴临近预报概念模型专家系统的一个典型代表。     

雷暴与强对流临近天气预报技术进展

临近预报指0—6h(0—2h为重点)的高时空分辨率的天气预报,预报对象是该时段内出现明显变化的天气现象,主要包括雷暴、强对流、降水、冬季暴风雪、冻雨、沙尘暴、低能见度(雾)、天空云量等,其中,以雷暴和强对流天气的临近预报最具挑战性。综述了针对雷暴和强对流天气的以主观预报为主、结合客观算法的临近预报技术,同时讨论了高分辨率数值预报模式在临近预报中的应用。主观临近预报技术包括基于多普勒天气雷达观测数据并结合其他资料(常规高空和地面观测、气象卫星云图、快速同化循环的数值预报产品等)对雷暴生成、发展和衰减,特别是对强对流天气(包括强冰雹、龙卷、雷暴大风和对流性暴雨)的临近预报,客观算法包括几种应用最广的雷达回波或云图外推算法和强对流天气识别技术。高分辨率数值预报模式的应用包括与雷达回波外推融合延长临近预报时效,与各种观测资料融合得到快速更新的三维格点资料为雷暴和强对流近风暴环境的判断提供重要参考。     

Impact of 4DVAR Assimilation of Rainfall Data on the Simulation of Mesoscale Precipitation Systems in a Mei-yu Heavy Rainfall Event

The multi-scale weather systems associated with a mei-yu front and the corresponding heavy precipitation during a particular heavy rainfall event that occurred on 4 5 July 2003 in east China were successfully simulated through rainfall assimilation using the PSU/NCAR non-hydrostatic, mesoscale, numerical model （MM5） and its four-dimensional, variational, data assimilation （4DVAR） system. For this case, the improvement of the process via the 4DVAR rainfall assimilation into the simulation of mesoscale precipitation systems is investigated. With the rainfall assimilation, the convection is triggered at the right location and time, and the evolution and spatial distribution of the mesoscale convective systems （MCSs） are also more correctly simulated. Through the interactions between MCSs and the weather systems at different scales, including the low-level jet and mei-yu front, the simulation of the entire mei-yu weather system is significantly improved, both during the data assimilation window and the subsequent 12-h period. The results suggest that the rainfall assimilation first provides positive impact at the convective scale and the influences are then propagated upscale to the meso- and sub-synoptic scales.
Through a set of sensitive experiments designed to evaluate the impact of different initial variables on the simulation of mei-yu heavy rainfall, it was found that the moisture field and meridional wind had the strongest effect during the convection initialization stage, however, after the convection was fully triggered, all of the variables at the initial condition seemed to have comparable importance.     

一次后向传播对流风暴特征及传播机制

利用常规观测资料、FY 4A气象卫星红外云图以及多普勒天气雷达资料，分析了2019年5月17日夜间发生在京津冀中部伴有强冰雹、短时强降水和短时大风的强对流天气过程。利用VDRAS资料与国家自动站资料进一步揭示对流风暴形成的环境条件以及后向传播的机制。结果表明：在有利于强对流发生发展的大尺度环流背景场下，京津冀中部的对流系统迅速发展。前期京津一带的强对流天气形成较强的东北风冷池出流，与渤海湾的东南气流交汇，在廊坊北京交界一带形成了向南移动的地面辐合线,并触发了对流。由于新生风暴单体与成熟风暴之间的正反馈作用，使得在廊坊北部形成东西向带状风暴系统，造成对流风暴不断向西传播。向西传播的风暴与西北东南向的平流共同作用，最终导致风暴运动方向为西南方向，成为典型的后向传播风暴。     

强对流天气监测短时预报系统

作者在前３年研究和试验的基础上，研制了一套适合湖南实际情况的较完善的准客观强对流天气监测短时预报系统，它包括图形图象显示，雷达定量估算降水和强对流天气短时预报方法子系统。     

联合概率方法在北京灾害天气预报中的应用研究

基于ECMWF模式的集合预报数据,利用联合概率方法,针对北京地区冬季影响最大的寒潮和夏季强对流两类灾害性天气,建立了适用于本地区的两种集合预报业务产品。选取2 m温度和10 m平均风速制作寒潮预警信号联合概率预报产品,选取对流有效位能和0-6 km垂直风切变制作强对流潜势联合概率预报产品。通过对北京地区近年寒潮和强对流天气的预报检验表明：寒潮预警信号联合概率方法,当预报概率达到10%及以上时,实况就有可能达寒潮蓝色预警信号的级别;此方法对北京西北部的预报性能较好,其次为北京的东南部地区;对达到蓝色预警信号标准的区域具有较高的预报命中率,但对达黄色预警信号级别的区域,漏报率较高。强对流潜势联合概率方法的空报率较高,当预报概率达90%-100%时,实况才有可能出现强对流;与局地强对流相比,全市性强对流天气的高概率预报区域较为集中。     

强对流天气短时临近预报业务技术进展与挑战

强对流天气短时临近预报业务是国家防灾减灾、重大社会活动和精细化天气预报的迫切需要。虽然我国强对流天气短时临近预报业务已经取得了巨大进展,但与国外先进水平相比还有不少差距。本文总结了近年国内外强对流天气短时临近预报业务现状、技术进展、目前国内的技术支撑状况和所面临的挑战,并提出了相应的应对措施。目前强对流天气短时临近预报技术仍然主要是外推预报技术、数值预报技术和概念模型预报技术等,但快速更新循环的高时空分辨率数值模式预报和新一代静止气象卫星资料将在强对流天气短时临近预报中发挥重要作用。强对流天气监测、分析和机理研究是强对流天气短时临近预报的重要基础;先进的外推预报方法同快速更新循环的高时空分辨率数值模式预报以及二者的融合是未来强对流天气短时临近预报的重要发展方向。     

2018年北京“7.16”暖区特大暴雨特征及形成机制研究

利用京津冀区域加密自动气象站、SA多普勒天气雷达、L波段风廓线雷达、NCEP 0.25° 再分析资料及0.03° 高分辨率地形资料研究了北京2018年7月15—16日暖区特大暴雨特征和形成机制。结果表明:（1）这次暖区特大暴雨发生在副热带高压边缘的暖气团（θ_se高能区）中,无明显冷空气强迫,斜压性弱,有丰沛的水汽,850 hPa以下出现强水汽辐合。（2）暴雨的中尺度对流系统发展有3个过程:带状对流建立和局地强雨团影响、北京北部“列车效应”南部雷暴冷池出流造成对流加强和移动、平原地区线状对流重建。（3）暴雨发生前,低层西南风出现风速脉动,低空急流建立。首先在2500—3500 m高度形成低空急流,2 h后2500 m以下风速显著增大,5 h后急流厚度由边界层伸展到700 hPa。急流出口区降压,低层出现气旋性风场或切变,有利于垂直上升运动发展,触发和加强对流。（4）西南低空急流暖湿输送导致高温、高湿、高能的对流不稳定层结反复重建,这是对流发展加强的重要原因。（5）地面辐合线是对流触发并逐渐组织成带状对流系统的关键影响因素。地面辐合线方向、低空急流轴、回波移动方向三者几乎重叠是造成对流后向传播和“列车效应”的有利条件。（6）太行山和燕山地形对对流触发和暴雨增幅有重要影响。北京最大雨强≥40 mm/h站点中的77.4%位于西南部和东北部200—600 m海拔高度处。偏东风在华北西部太行山局地迎风坡触发对流,西南低空急流在北京北部迎风坡和喇叭口地形处辐合和抬升更为显著,造成局地特大暴雨。      

2019年6月桂林三次强降水天气成因对比分析

利用多普勒雷达、气象卫星、自动气象站等监测数据以及NCEP再分析资料,对桂林2019年6月6-12日接连3次强降水天气过程的环流背景、影响系统与形成原因进行了对比分析。结果表明:(1)3次过程按影响系统分属暖区暴雨、低涡暴雨和锋面暴雨过程,均发生在高空急流右侧辐散、低空急流左侧辐合叠加区。(2)3次过程均受500 hPa短波槽和地面中尺度辐合线影响,但第1次过程中西南急流及地形等、第2次过程中低涡切变线、第3次过程中冷锋也起到重要作用。(3)3次过程的触发系统不同,第1次暖区暴雨过程迎风坡地形对其起触发作用,西南急流使得后向传播的对流云带维持;第2次低涡暴雨过程的触发系统为低层位于贵州一带的西南涡,西部冷空气侵入与西南急流加强是低涡对流云团维持较长时间的原因;第3次锋面暴雨的触发系统为冷锋,锋面配合锋前暖湿气流使对流云带加强。(4)第1次过程暖区暴雨MCS模态主要为线状后向扩建类,极端强降水出现在线对流中后端;第2次过程低涡暴雨MCS模态为涡旋类,极端强降水出现在涡旋中心附近;第3次过程锋面暴雨MCS模态由前期后部层云区线状对流转为层状云包裹对流系统,强降水发生在线对流弯曲或中心强回波处。