基于CMA-MESO的分级短时强降水概率预报方法研究

随着预报服务需求不断增长和预报内容日趋精细化,仅针对20 mm·h^(-1)以上的短时强降水预报已不能完全满足业务需要,开展不同雨强等级的短时强降水预报方法研究显得十分必要。利用2016—2019年6—8月中国南方9省1市的国家及区域气象站共51355站次短时强降水样本,将雨强R分为4个等级:20≤R<30 mm·h^(-1)、30≤R<50 mm·h^(-1)、50≤R<80 mm·h^(-1)及R≥80 mm·h^(-1)(分别对应I、Ⅱ、Ⅲ、IV级)。将各级样本与同时段CMA-MESO(China Meteorological Administration mesoscale model)数值预报模式初始场进行时空匹配,提取22个相关物理量建立数据集并进行百分位值统计;利用XG⁃Boost(extreme gradient boosting)机器学习方法对物理量进行重要性排序以确定权重系数;应用连续概率预报方法,选用升、降半岭函数作为隶属函数,建立不同等级短时强降水概率预报模型。运用该模型在2020年汛期进行实时业务预报,并对湖北省2020年6—8月15次大暴雨过程0~36 h预报时效的逐小时不同等级短时强降水概率预报产品进行检验,结果表明:I级概率预报产品60%阈值的TS评分(0.145)最好,对应命中率为55.7%;Ⅱ级概率预报产品65%阈值的TS评分(0.083)最好,对应命中率为39.1%;Ⅲ级概率预报产品70%阈值的TS评分(0.03)最好,对应命中率为21.7%;IV级概率预报产品80%阈值的TS评分(0.005)最好,对应命中率为5.8%。对不同等级雨强个例对比检验表明,各级概率预报产品对CMA-MESO模式在同时次不同等级短时强降水预报上均有较好的订正作用。对3次强降水过程逐小时预报检验表明,I级概率预报产品命中率为40%~80%,空报率为50%~90%,预报时效达36 h,普遍优于同时次CMA-MESO降水量预报。本研究对不同等级短时强降水分型建模并在实际预报中有较好的参考性,能够对CMA-MESO的降水预报起到订正作用。     

基于WRF模式的云南短时强降水物理量特征

为了解云南短时强降水发生前本地化中尺度WRF(Weather Research Forecast)模式输出结果的物理量特征及其对短时强降水预报的作用,使用WRF模式对2016年云南主汛期(6—8月)5次短时强降水过程进行模拟,利用模式输出的高时空分辨率资料计算5次过程中85个样本在短时强降水发生前6 h水汽类、动力类及不稳定条件类的部分物理量值,使用箱线图分析各物理量的分布特征及其与短时强降水的关系,应用经验累积分布函数图确定各物理量的阈值。研究表明,水汽类物理量样本数据值分布较为集中,随着短时强降水的临近数值逐渐增大;动力类的6 km垂直风切变中位数值及平均值随时间变化很小,所有时次的6 km垂直风切变阈值均低于12 m/s,表明短时强降水发生前有弱垂直风切变;不稳定条件类中对流有效位能样本数据的离散程度较大,对短时强降水无指示意义;LI指数、K指数和700 hPa假相当位温样本数据离散度较小,其中K指数中位数值、平均值及阈值的上下限在短时强降水发生前1 h有显著增大的特征,且数据集中度达到最高,大的K指数值与短时强降水有较好的对应关系。使用物理量阈值推算短时强降水落点的方法对云南本地化WRF模式短时强降水的预报性能有改进作用。     

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。     

基于CMA-BJ的北京地区短时强降水预报试验

基于2019—2021年4—9月北京快速更新数值预报系统(CMA-BJ)产品以及北京地区地面气象站逐时降水实况,从表征水汽条件、热力和能量条件以及动力条件的多个物理量中筛选出在有无降水、是否强降水情形中有显著差异的物理量作为因子,采用配料法和模糊逻辑算法构建北京地区0～12 h时效逐小时短时强降水概率预报模型。以2019—2021年4—9月最优TS评分和偏差评分的概率值和组合反射率因子为确定性预报的概率阈值和消空处理阈值,运用该预报模型对2022年4—9月每日4次0～12 h预报时效北京地区短时强降水产品进行预报和检验。结果表明:北京地区短时强降水TS评分和偏差评分分别为0.104和1.341,预报效果明显优于CMA-BJ预报产品。概率预报模型能够有效提升强降水高发地区,即山前及平原地区的短时强降水预报技巧,获得较为平衡的命中率和空报率,但对山区预报技巧的提升有限。     

基于因子分析的广东省短时强降水预报模型及其业务试验

利用每天4次0.125°×0.125°的ECMWF-Interim再分析资料和广东省2009—2018年地面气象站逐时雨量观测的短时强降水数据集,针对广东不同季节、不同地域的短时强降水,以提高命中率同时控制虚警率为目的,提出基于显著性和敏感性评价的物理量优选和因子分析法,用于构建分期、分区的广东短时强降水概率预报模型。以参数显著性和预测敏感性为标准,在49个待选物理量中挑选18个既与多年平均态存在明显差异,又具有较低虚警率的物理量,应用方差最大正交旋转因子分析法将遴选物理量组合成表征大气不同环境条件的6个因子;为使组合因子更具适应性,基于因子偏离度特征对广东前、后汛期不同区域独立建模,构建分期、分区短时强降水逐6 h格点概率预报模型。汛期业务试验表明,模型对短时强降水发生概率预报效果较好。对2019年汛期模型每天两次起报的12 h预报时效内概率产品进行格点检验,以训练期最优TS评分对应的固定概率作为预测概率阈值,广东省大部分区域TS评分超过0.25,最高超过0.42,平均较ECMWF-Fine业务模式在前、后汛期分别提升0.23与0.21,南部沿海TS评分提升幅度最大,并且模型在提升命中率与降低虚警率之间取得较好的平衡。个例分析表明,对于ECMWF模式常漏报的广东暖区短时强降水,概率预报模型具有明显优势,尤其能为天气尺度弱动力强迫的强降水早期预警提供更多有效信息。      

利用探空资料确定呼和浩特地区3类强对流天气预警阈值

利用呼和浩特探空站计算的16个物理量,分析了2012—2016年6—8月呼和浩特地区的冰雹、雷暴大风及短时强降水天气过程中各物理量差异,结果表明:①订正后的(对流有效位能)CAPE大于等于1000J·kg-1、0℃层高度约4200m左右,-20℃层约在7200m左右,500hPa和850hPa温差达-25℃,逆温层高度在2km以上基本可以判定为冰雹天气;②短时强降水对水汽的依赖度更高,且具有更强的热力不稳定性,低层的温度露点差、500hPa与850hPa的假相当位温差Δθse(500-850)、大气可降水量PW也是短时强降水天气的重要判据;③订正后的(下沿对流有效位能)DCAPE值雷暴大风明显大于冰雹和短时强降水,约为其他2类强对流天气的2倍,订正后的CAPE略小于其他2类强对流天气。根据四分位数法、所占比例≥70%以及均值法界定各类预报因子阈值大小,进而确立了呼和浩特地区强对流天气预警指标。经检验均值法确定的阈值指标命中率均达到50%以上,可参考价值较高。     

基于GRAPES-MESO模式的极端短时强降水预报

利用2017—2018年5—9月四川盆地109个自动站逐小时降水资料,以及GRAPES-MESO模式0.1°×0.1°的逐3 h预报场资料,从热力不稳定、水汽、动力条件等方面分析极端短时强降水(1 h降水量大于等于50 mm)发生发展所需的关键物理量指标,结合随机事件概率思想和主成分分析方法构建预报模型,研发极端短时强降水概率预报产品。经预报效果评估,当概率值达0.7以上时,TS评分为24.0%,可将其作为极端短时强降水预报的参考阈值。2019年7月22日四川盆地暴雨过程应用表明,该产品对极端短时强降水落区有较好的参考意义。     

安庆地区强降水的统计特征及其短时预报

本文分析了1979—1988年雨季安庆地区强降水发生的天气背景、物理量及雷达回波特征,在此基础上研制了一个强降水短时预报方法,1989—1990年的使用结果表明,效果较好。     

电网致灾性强降水短时临近预报评估方法研究

针对电网行业关注的致灾性强降水预报性能的综合评估问题,利用京津冀地区主汛期(2019年6—9月)强降水事件的专业气象服务效果检验,分别从降水目标识别与目标匹配两个角度对应用基于目标对象的检验评估方法检验短时临近预报产品进行了深度剖析。结果表明:京津冀主汛期强降水主要集中在午后至前半夜,降水强度大、范围小、漏报多、空间特征预报难;短时临近预报的强降水频次日变化的相关系数为0.78～0.94,范围日变化的相关系数为0.6～0.82,移动路径和降水强度的预报效果略优于落区的预报效果,预报时效越短,强降水事件及其空间特征的预报能力越好;所定义的综合性预报评估方法可弥补传统检验方法的不足,发掘预报的应用潜力与局限性,为精准专业气象服务提供参考。     

东北冷涡背景下强对流天气的基本特征分析

利用呼伦贝尔市CIMISS系统实况资料,统计分析了2010—2021年5—9月东北冷涡背景下的强对流天气时空分布及物理量参数特征。结果表明：(1)5月雷暴大风次数最多,6月冰雹次数最多,6—8月是短时强降水集中发生期,尤以8月次数最多。(2)强对流天气主要出现在12:00—20:00,其中短时强降水每个时次均有发生,但雷暴大风与冰雹天气在21:00—次日08:00基本没有发生过。(3)大兴安岭西部雷暴大风站次较多;大兴安岭东北部、岭上及岭西北的冰雹站次较多;短时强降水与强对流天气空间分布特征较为一致,均是大兴安岭岭上南段与岭东的站次较多。(4)雷暴大风天气的风速多以17.2～20.7 m·s^-1为主;短时强降水量级为20.0～29.9 mm的站次占总站次的74.3%;持续时间小于5 min冰雹居多,直径小于5 mm冰雹的站次占总站次的49.1%。(5)短时强降水850 hPa的比湿、水汽通量、水汽通量散度的物理量参数均值均大于冰雹、雷暴大风;短时强降水K指数均值大于冰雹、雷暴大风,T₈₅₀-T₅₀₀均值大于26℃,短时强...     

基于物理量参数的伊犁河谷短时强降水预报技术研究

利用伊犁河谷2010～2018年6～8月68个短时强降水天气过程样本,采用箱线图的形式讨论产生短时强降水的关键环境参数的阈值,并对短时强降水天气过程的关键环境参数月特征进行了讨论,最后对2019所夏季的短时强降水天气过程进行检验。结果表明：(1)K指数、修正K指数、瑞士第二雷暴指数、对流凝结高度、Teffer指数、大风指数、对流温度、对流凝结高度处温度、总指数、整层比湿积分与产生降水的相关系数达到0.30以上,对降水有较好的指示意义,其中整层比湿积分的相关系数最高,达到0.465。(2)17个物理量参数涵盖75%以上降水天气过程的阈值在无降水天气过程中的概率,Charbr修正K指数(ChTTK)指示意义最好,概率只有16.8%,而干暖盖指数(Ls)、特征层高度中的对流凝结高度到50%以上,对出现降水的指示性较差。最终选取Charbr修正K指数、K指数、mK指数、Teffer指数、瑞士第二雷暴指数、整层比湿积分这6个关键环境参数。(3)6个环境参数的阈值落在降水天气过程的概率都小于25%,瑞士第二雷暴指数指示意义最好,仅为10.7%。(４)6月份的mK指数、K指数、Charba修正K指数的阈值分别为32、38和36℃；7月份的mK指数、K指数、Charba修正K指数的阈值分别为31、37和35℃；8月份的mK指数、K指数、Charba修正K指数的阈值分别为32、38和37℃。6、7、8月份Teffer指数产生短时强降水的阈值,分别为43、47和43℃。瑞士第二雷暴指数(SWISS12)6、7、8月份的阈值分别为3.4、4.3、3.6。整层比湿积分6、7、8月的阈值,分别为2320 g.kg_^-1,2390 g.kg_^-1、2392 g.kg_^-1。(5)对2019年6-8月的降水天气过程及短时强降水天气过程进行检验评估,降水预报正确的样本为43个,漏报为41个,空报7个。准确率为(Ts)47.3%。短时强降水样本的检验,漏报率6、7、8三个月都为50%,空报率7月份最高,为71.4%,而8月份没有空报。准确率(Ts)是8月份最高(50%),6月份次之(33.3%),7月份最低(20%)。     

基于遗传算法的特征选择方法在短时强降水预报中的应用北大核心

利用江苏省13个气象观测站历史上短时强降水观测资料,用遗传算法进行特征选择,选定影响短时强降水的950 hPa假相当位温、700 hPa比湿、500 hPa比湿、对流有效势能(Convective Available Potential Energy,CAPE)等14个特征为主要因素,将是否为短时强降水抽象成二元分类问题。借助机器学习中CART决策树算法进行分类分析,构建便于使用的短时强降水预报规则集。实验部分,随机选择5816条样本进行训练模型,得到适合江苏地区的短时强降水规则集,利用剩余的1454条数据进行实际检验,模型的短时强降水预报准确率为91.35%,非强降水预报准确率为97.11%,较特征选择之前分别提升了8.66%和1.05%。     

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。     

我国中东部不同级别短时强降水天气的环境物理量分布特征

基于我国中东部2002—2009年5—9月逐小时降水观测资料和一天四次的NCEP最终分析资料,通过时空匹配处理,得到强度为20~49.9 mm·h-1(A类)、50~79.9 mm·h-1(B类)和不小于80 mm·h-1(C类)的短时强降水天气样本序列,逐类统计分析用于表征其发生发展环境条件的水汽、热力、抬升触发和垂直风切变等物理量的分布特征。结果表明:表征水汽条件的大气可降水量(TPW)对三类短时强降水有一定的指示意义,A、B、C类短时强降水必要的TPW值分别为27、32、42 mm,短时强降水量越大,其所需水汽含量越高。约50%的三类短时强降水均出现在TPW大于60 mm的湿环境中。表征热力、能量、动力和垂直风切变条件的物理量对三类短时强降水的环境条件区分并不显著,环境大气中水汽多少可能是决定短时强降水级别的必要因素。B类和C类短时强降水的高概率密度区域范围大致为TPW在55~70 mm之间、0—6 km垂直风切变在5~15 m·s-1之间,而C类短时强降水在TPW与最佳对流有效位能(BCAPE)以及0—6 km垂直风切变与BCAPE的概率密度分布图中均有两个显著高概率密度区,可能与CAPE影响高级别短时强降水产生的两种机制有关。     

基于T639对流参数的内蒙古强对流天气潜势预报方法初探

统计内蒙古地区2011—2014年汛期短时强降水、冰雹、大风强对流天气的基础上,利用T6391°×1°逐3 h的数值模式产品计算物理量,选取与强对流天气相关性较好的敏感对流参数作为预报因子,通过权重分析建立未来0~12 h强对流天气及落区的潜势预报方程,并确定判别不同强对流天气的阈值。通过对2013年8月进行的预报试验结果表明:发生强对流天气的平均TS评分为0.35;不发生强对流天气的平均TS评分为0.51;3种强对流天气预报中对冰雹预报效果不理想,但对大风及短时强降水预报效果好。     

基于ECMWF产品福建省前汛期短时强降水预报方法

利用2014—2016年福建省1605个自动气象站逐时降水资料和ECMWF全球模式细网格预报产品,分析福建省前汛期短时强降水发生背景下模式预报物理量的分布特征,并基于阈值判定的方法建立短时强降水预报模型。结果表明:福建省内陆县市前汛期短时强降水发生频次较高,沿海县市发生频次低,且日变化特征表现出双峰结构。箱型图差异指数（I_bd）在评估相关变量对于区分短时强降水发生与否的敏感程度有较好的作用,比湿、整层可降水量等水汽变量I_bd最为显著,K指数、对流有效位能等变量的I_bd仅次于水汽变量,说明模式预报变量对于预测短时强降水有较好的表征作用。针对短时强降水事件的物理量集合,采用剔除异常值后的最小值作为判定阈值,通过训练集分析结果客观订正对流有效位能和3 h降水量两个高I_bd变量的阈值,建立潜势预报模型。对于福建省西部的关键区,检验集白天时段12 h时间分辨率预报TS评分可达0.5,夜间时段约为0.3。对于福建省进行分区建模预报,检验集预报结果显示白天时段比夜间准确率高、内陆县市比沿海县市准确率高。     

芜湖市短时强降水特征和风廓线雷达指标研究

利用1992—2018年芜湖站逐小时降水量资料,统计分析不同量级短时强降水的变化特征,总结了四种类型短时强降水的物理量特征和风廓线雷达指标。结果表明,芜湖市短时强降水容易出现在夏季午后,2008—2018年中等强度的短时强降水更为频发。短时强降水发生时,可降水量较大,湿层较厚,副热带高压边缘型(以下简称"副高边缘型")短时强降水各指数明显偏强,比湿和假相当位温的垂直递减率较大,使得对流不稳定增强。低槽东移型和西北气流型短时强降水在发生前3—5 h有不同高度的西南风风速的增加,1 km以下水平风的"垂直切变"较大;副高边缘型和台风型短时强降水发生前后整层风速较小、"垂直切变"较小。在短时强降水的临近预报中,要充分考虑到不同天气类型下物理量和风廓线雷达指标的差异。     

陕西省强对流天气气候特征分析与对流指标探讨

选取2007—2014年陕西省98个气象站降水和冰雹观测资料、1970—2013年数据完整的90个气象站的雷暴观测资料,采用统计方法分析陕西雷暴、冰雹、短时强降水的气候特征。结果表明:陕西强对流天气多发生于10—20时,其他时间发生的概率比较低。冰雹多发生在5—8月;短时强降水大多出现在6—9月,雷暴主要出现在6—8月。2007—2014年,陕西降雹天气年际变化不明显,短时强降水的年际变化较大。1970—2013年雷暴日整体呈减少的趋势,2007—2013年明显偏少。冰雹天气的高值中心集中在陕西北部,短时强降水呈北少南多的特点,雷暴为中部少、南北多。利用2007—2014年探空资料和MICAPS资料统计陕西省冰雹和短时强降水天气的物理量指标,为短时临近天气预报提供依据。     

短时强降水诊断物理量敏感性的点对面检验

对诊断物理量的准确认识可以帮助提高短时强降水的预报准确率,并帮助理解产生短时强降水的可能机制。考虑我国降水观测网的布设特点,结合NCEP最终分析资料的物理量场,以大气水汽总量和最优抬升指数为例,通过点对面检验分析了多个用于表征短时强降水环境特征的诊断物理量的敏感性。结果表明:常规的点对点检验是点对面检验的特殊情况。大气水汽总量和最优抬升指数对短时强降水的指示均存在最佳阈值,且140 km范围内的大气状况才对某点3 h内能否出现短时强降水有直接影响。对于水平分辨率为1°×1°的NCEP资料,建议点对面检验的搜索半径和记录数阈值分别为140 km和2个记录。对多个诊断物理量对比分析显示,短时强降水对水汽相关量最为敏感,其次是表征热力条件的物理量,而表征动力条件和垂直风切变的量的指示意义不够显著。     

安徽省WRF模式短时强降水的预报检验

利用2005—2015年安徽省内1162个站点观测资料简要分析了短时强降水的时空分布特征,并利用中国气象局CLDAS(CMA Land Data Assimilation System)近实时降水资料检验2012—2015年安徽省WRF(Weather Research and Forecast)模式对短时强降水的预报性能,探讨不同空间插值方法、检验方法对预报效果的影响,以评估模式预报短时强降水的应用价值和使用注意事项。结果表明:短时强降水主要发生在大别山区和皖南山区;一年中发生次数呈单峰分布,集中于6—8月;日变化呈双峰状,强峰为北京时间下午15:00—19:00,弱峰为06:00—09:00,两个低谷分别为01:00、12:00前后。在两分类评分TS(Threat Score)检验中,各个季节评分均十分低,插值方法对TS评分影响不大。邻域法FSS评分(Fractions Skill Score)检验中,春季FSS评分低,最高仅可达15%,空间窗、时间窗、时间超前或滞后变化对FSS评分的影响不如夏季、秋季明显;夏季,不考虑时间窗时,单独的时间超前或滞后不能提高预报准确率;秋季,模式分别滞后1h或滞后2h预报结果优于同期预报,而超前1h或超前2h预报结果低于同期预报,表明秋季WRF模式对短时强降水的预报有一定滞后性。