强雷暴环境的客观预报：决策树与区域业务数值天气预报模式

澳大利亚区域业务数值天气预报模式的输出产品已被用作为热力学和动力学场输入到决策树中,该决策树用于诊断雷暴产生的可能性以及产生雷暴的环境是否会进一步导致强雷暴、超级单体或龙卷超级单体雷暴的发生。在所描述的强天气观测的目标个例中,系统成功地识别了强雷暴而且大致区分出龙卷和非龙卷事件。研究结果表明:当与区域数值天气预报模式相结合时,Colquhoun 的雷暴决策树有能力为雷暴区、强雷暴、龙卷雷暴区的预报以及判断这些雷暴是否可能伴有暴洪、下击暴流、强风等提供指导。强天气目标个例研究的结果表明:就所观测的强天气的位置及类型而言,上述方法的准确度很高。如果这些结果能够重现于业务实践中,该系统将对预报人员十分有益。33 天的试验结果表明:虽然根据公认的相当宽松的主观判据确定的错误报警数量相对较低以及预报准确的数目相对较高,但过多的空间超报使得个例研究的结果并未出现。这些结果表明:决策树系统可以提供一个有用的警报系统,该系统构成澳大利亚业务工作中确定雷暴监视区的基础。     

基于NCEP/GFS资料的中国东部地区雷暴预报研究

基于来自美国国家环境预测中心(NCEP)的GFS(Global Forecasting System)分析及预报场资料,将多个能够表征雷暴发生动力、热力环境的对流因子作为预报因子,通过费希尔判别准则及逐个引入因子法,建立集合多个对流参数的雷暴预报模型,从而进行较长时效(12—24 h)的区域性雷暴预报。依据临界成功指数(CSI)最高的原则,建立最优预报模型,不同地区所选用的对流参数不同,雷暴模型预报雷暴发生与否的临界值也不同,从而不仅能够得到较好的集合多个对流参数的雷暴区域性预报,还能充分考虑不同地区雷暴发生的地域性特点和气候背景。将建立的预报方法应用于2012年6和9月的两次强对流过程的预报,发现雷暴预报模型较好地预报出两次过程的雷暴落区。进一步,为了能够在强天气预报中客观有效地区分出雷暴与暴雨区,引入集合动力因子暴雨预报方法。集合动力因子暴雨预报方法在诊断和追踪强降水的发展演变中表现凸出,而集合对流参数雷暴预报方法则对包含短时强降水、冰雹、大风等在内的对流性天气有较好反映,综合两套预报方法各自的优势,建立了集成动力因子-对流参数强天气预报方法,用于降水和雷暴的预报,同时对雷暴加降水型、雷暴无降水型、降水无雷暴型等强天气进行区分预报。对中国多个典型城市的预报效果分析发现,该方法不仅能够较好地预报出较长时效(24 h)的雷暴和降水落区,对区分降水雷暴、无降水雷暴和无雷暴降水也表现出一定的能力。     

南京地区雷暴活动强度潜势预报

利用江苏省2008、2009和2010年6 8月闪电定位资料对雷暴活动的强度进行了分级,并使用同一时段的探空资料计算了47个代表南京地区 环境层结特征的对流参数,利用其与雷暴活动强度的相关性选取预报因子.在此基础上,采用Bayes分类法和Logistic 回川归分析法,结合逐步选择法进一步筛选预报因子,分别建立了两种雷暴强度的预报模型.通过检验独立样本对比分析两种模型的预报效果,结果表明,Logistic回归分析法的Hedike技巧评分为0.396,并能识别出30％的强雷暴,而Bayes分类法的Hedike技巧评分为0.370,只能识别出5％的强雷暴.Logistic回归分析法对雷暴强度的潜势预报具有较好的指示意义.进一步分析进入预报模型的9个对流参数,表明雷暴活动越强时,低层空气越暖湿,中层空气越干冷,高低层的风切变越大.     

雷暴预报个例客观分析

引　言　　夏季是雷暴的多发季节 ,伴随雷暴所产生的下击暴流、低空风切变、低能见度等直接危及飞行安全。如 2 0 0 1年 6月 1 2日的一次雷暴过程 ,当日 1 7架次航班受到了影响。使用常规资料在预报雷暴的出现时间、影响范围和强度上都十分困难 ,不能满足飞行部门的需要。为了摸索出一套切实可行的预报方法 ,本文从大尺度环流背景、物理量场及能量场 3方面入手 ,逐一分析了 2 0 0 1年6、7、8三个月的雷暴过程。分析结果表明 ,无论是有无明显的雷暴形势 ,雷暴发生前后 ,物理量场上均有明显反应。即本区域 2 0 0ｈＰａ高空首先出现闭合的辐散…     

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。     

雷暴云的集合预报技术及其应用

以中尺度非静力WRF模式的格点预报结果作为云模式的初值集合,经云模式的多初值雷暴预报及预报结果的集合分析,建立了雷暴云的集合预报方法。将该方法应用于南京周边地区未来一天雷暴天气的特征预报,并利用南京夏季9个雷暴天气的多普勒雷达资料（SCIT,storm cell identification and tracking）进行预报效果的检验。结果表明,雷暴云的集合预报对研究区域内未来一天雷暴强度、分布预报效果较好,尤其对强雷暴的分布有较强的预警预测能力。此外,雷暴持续时间概率密度分布的集合预报产品,在雷暴影响范围概率预报上的应用,提高了雷达对雷暴的预警监测能力。     

一次雷暴大风引发的强沙尘暴天气的中尺度系统分析

使用探空、地面和张掖多普勒天气雷达观测资料对2013年7月30日发生在河西走廊的一次强沙尘暴天气进行了分析。结果表明：这次雷暴大风沙尘天气是对流层低层冷平流作用下,不稳定能量释放形成的β、γ中尺度对流系统造成的,雷暴下击暴流的辐散流和密度流是引发地面强风和沙尘暴的直接因素。高层干、中层相对湿和低层干的层结,易产生雷暴大风天气。1 h正变压和负变温演变能很好地反映雷暴下击暴流形成的雷暴高压和冷池的强弱变化,同时也反映了下击暴流的辐散气流和冷池密度流造成的地面大风及沙尘天气的变化。     

基于对流参数的雷暴预报方法研究

通过对2006年6~9月(雨季)大量雷暴对流参数进行计算,选取离西昌发射场最近的单点同化资料。利用相关系数法选取相关性好且稳定的预报因子,进行事件概率回归,得到雷暴预报方程。并对2007年雨季西昌雷暴进行预报,取得了较好的效果。分析表明,基于对流参数的雷暴预报方法对场区雷暴的预报具有明显的效果。      

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.     

预报瑞典南部雷暴的热力学指数

1.引言本文对瑞典气象和水文研究所(SMHI)使用的某些热力学指数作预报雷暴的有效性进行了研究,这些指数主要用于作有/无(Y/N)雷暴预报的指标,在瑞典新的预报系统中(PROMIS)也要求一种雷指数。在思路上,这种方法不仅是可做出有/无雷的预报,而且也可以得出闪电频率的指示,即     

强雷暴的短时预报

强雷暴(或称强烈对流风暴)对国民经济、生产活动、国防建设和军事活动等危害极大.我们根据预报需要,制订了这个短时预报方案.一、形成强雷暴的气象条件分析强烈对流风暴除具有一般雷暴天气所具有的条件(大气稳定度、水汽和冲击力)外,还需要不同于一般雷     

黔东南山区两次雷暴大风过程对比分析

对2013年4月17日和2015年5月10日贵州省黔东南地区两次雷暴大风天气过程的物理环境场和多普勒雷达回波特征进行对比分析,表明雷暴大风的发生需要一定的环境条件,抬升指数LI、下沉对流有效位能DCAPE、总指数TT、深对流指数DCI等对黔东南雷暴大风有较好的指示意义。通过对多普勒雷达回波产品的分析,表明这两次雷暴大风均为典型的下击暴流,雷暴单体反射率因子核的突然升高和持续下降可用于短时临近预报。     

基于地面电场资料的雷暴临近预报研究

利用总体平均经验模态分解算法(EEMD),对南京地区2010—2011年6—8月近地面大气电场资料进行分析,研究了晴天、弱雷暴和强雷暴天气条件下大气电场的振荡特征。在单站电场仪观测范围内,以晴天大气为背景场,根据固有模态函数(IMF)方差最大值对应层数的动态特性,建立并验证了两种强度的雷暴临近预报模型。结果表明:弱雷暴发生前IMF方差最大值对应层数跳变幅度较平稳,而强雷暴跳变幅度逐渐加剧。对IMF方差最大值对应层数进行三次样条插值,可直观地表征雷暴发生发展过程,延长预报时间至1 h。利用这些特征对92个独立样本进行预报效果检验,预报的准确率为73.3%,虚警率为14.5%。     

雷暴云团自动识别和边界相关追踪技术研究

基于高时空分辨率雷达资料的雷暴云团识别、追踪及预警技术是目前最重要的临近预报预警技术之一.该文描述的雷暴云团边界相关追踪技术是一种新研究的方法,该方法是利用模式识别技术进行云团边界识别、拓扑处理,建立云团生命时序与族谱关系,并在此基础上进行雷暴云团外推的一种短时临近预报方法.该方法有三个主要技术环节:(1)对已预处理的雷达数据进行边界识别;(2)利用四分树匹配分析因子、重叠因子、面积因子、外接矩形因子、轮廓综合因子、局部相似判定因子等六个判断因子,分别识别出每个云团的时间序列,以及每个云团的运动方向、速度、面积、强中心,以及所处的状态(增强或减弱、膨胀或缩小)等信息;(3)对云团的移动方向、速度、面积、强度进行线性外推.初步结果显示该方法可较好地识别和外推预报雷暴云团.在此基础上建立的雷暴自动识别和追踪系统(简称"追踪者",TRACER),可以基于地图系统选取指定云团,获得云团空间位置信息、发展轨迹、演变特征和未来预测,也可对云团预报结果进行定量分析和验证.     

北京雷暴大风日环境特征分析

雷暴大风是指由对流活动带来的除龙卷以外的地面灾害性强阵风。根据北京地区21个观测站2000～2007年的观测资料,将出现在该期间的雷暴大风按强阵风出现时降水量的大小划分为干、湿两种类型,探讨了两类雷暴大风日环境大气的热力稳定度条件、环境风垂直分布及演变等特征。结果表明,绝大多数干型雷暴大风产生在对流有效位能较小但对流层中低层环境风垂直切变却比较大的环境中,因此反映热力不稳定性的对流参数在干型雷暴大风的预报中具有一定的局限性,给对流初生的预报带来了一定难度。而湿型雷暴大风则多发生在热力不稳定的条件下。两种类型雷暴大风日环境大气温湿廓线有较大差别是造成热力不稳定性不同的原因之一。因此在预报雷暴大风时,除了环境大气的热力不稳定性外,还应考察环境风垂直切变等因素。下沉气流的热力稳定性和对流层中下层环境风速的演变是判断对流活动能否给地面带来短时强阵风的两个重要因素。下沉对流有效位能（DCAPE）的分析结果表明,多数雷暴大风日临近时刻的下沉对流有效位能大于600 J·kg-1,而且86%的干型个例和59%的湿型个例在地面大风出现前DCAPE呈现增加的趋势,这对雷暴大风特别是干型雷暴大风的潜势预报具有一定的意义。在雷暴大风来临前,抬升凝结高度以下的环境温度直减率明显增加,这种演变趋势也可为临近预报提供有用的信息。此外,风廓线仪观测资料是对常规探空的有效补充。分析表明,有一些雷暴大风的产生与高空水平动量下传有关。在雷暴大风出现前,高空环境风陡增,具有较高数值的等风速线连续下落,在雷暴大风产生时到达地面。有效地使用风廓线仪观测资料,将有利于提高雷暴大风的临近预报和预警水平。       

基于改进遗传小波神经网络的雷暴预报方法

为了进一步提高雷暴预报的准确率,在分析研究雷暴预报方法的基础上,提出了一种了基于改进遗传算法优化小波神经网络的雷暴预报方法(IGA-WNN).该方法利用聚类分析和牛顿迭代法对多种群遗传算法的收敛方向和精度进行改进,避免了种群同质化与局部最优问题,采用改进的遗传算法对小波神经网络的初始权值阈值进行了优化.选用南京地区2008—2009年6—8月的探空和闪电定位资料,使用灰关联法挖掘出关联程度较大的对流参数作预报因子,归一化处理后输入模型,采用独立样本进行预报检验.结果表明,与BP神经网络等方法相比,IGA-WNN预报准确率更高,具有更好的非线性处理能力和泛化性.     

基于模糊逻辑的雷暴大风和非雷暴大风区分方法

雷暴大风往往伴随飑线、阵风锋、龙卷等强对流天气而出现,风速大、发展迅速、突发性强,对生命财产安全造成极大威胁,因此对雷暴大风的监测与预报具有重要的意义。然而,雷暴大风监测一直也是强对流监测的难点。本文在地面气象观测站大风记录的基础上,结合多源数据(包括雷达、卫星、闪电、温度、露点等观测数据),利用模糊逻辑算法,实现雷暴大风与非雷暴大风的有效识别,可对雷暴大风进行实时监测。具体算法为:首先,基于历史样本数据的统计得到各变量的概率分布函数,进而得到各参数隶属度函数;然后采用概率重叠面积方法,确定各项质量控制数据的权重;最后通过选取判断概率阈值Q的方法,区分雷暴大风与非雷暴大风。通过对2010年全国50873条人工观测大风数据的识别结果检验表明,该算法能有效区分雷暴大风与非雷暴大风,当Q选取0.55时,雷暴大风的识别准确率POD约为0.76,误识别率约为0.18,雷暴大风CSI指数约为0.67。文中选取了两次大风过程,算法正确地识别了11个非雷暴大风记录,5个雷暴大风记录。本工作能一定程度上提升雷暴大风的监测效果、完善强对流监测业务体系。     

山东中西部地区雷暴大风天气气候特征

利用实测资料和历史天气图，统计分析了1980－1997年山东中西部地区雷暴大风天气的气候规律、天气系统特点以及雷达回波特征，对其中12次强雷暴大风个例的相关物理量参数和能量、环境风分布进行了分析，总结出了产生雷暴大风的前期天气系统特征及预报指标。     

基于对流参数的雷暴潜势预报研究

为提高雷暴天气的潜势预报能力，在统计分析安徽省雷暴形成天气条件的基础上，利用2003-2004年T213资料，选取与雷暴相关性好的对流参数作为预报因子。并在考虑因子季节变化特征的基础上，分别用判别分析法和指标叠加法制作雷暴潜势预报，结果表明指标叠加法优于判别分析法。最后用指标叠加法试报了2005年3—8月的雷暴，临界成功指数CSJ=69．4％，命中率POD=89．5％，虚假报警率FAR=24．4％，分区预报准确率也较高。另外，试报期间的区域性冰雹、雷雨大风全部命中，可见该方法对冰雹、雷雨大风也有较好的指示意义。     

洛阳机场雷暴天气分析

利用与机场相临的孟津站1989～2000年历史气象资料,分析了洛阳机场产生雷暴的环流形势特征和雷暴的基本变化规律,并对预报方法作了简要阐述.