东北区域数值模式产品在天气预报业务中的检验

利用2015年大连地区7个主要气象站的地面气温、降水、风向风速和相对湿度观测资料,针对东北区域中尺度数值模式(Weather Research and Forecast,WRF)产品中常规天气要素进行检验分析,了解掌握WRF模式对不同天气要素的预报能力,以期为天气预报业务中WRF模式产品的订正提供参考。结果表明:WRF模式产品的气温预报准确率整体上08时起报的比20时起报的稍好,最低气温预报效果比最高气温稍好,且WRF模式对升温和降温的趋势预报较好,具有一定参考性。WRF模式产品的降水预报准确率相对较高; WRF模式对风向的预报准确率可以达到50%左右,而风速的预报准确率可以达到60%—70%;大雾天气的预报,可以相应参考WRF模式的相对湿度。     

MOS方法在机场气象要素客观预报中的应用

利用WRF中尺度数值模式和模式输出统计（MOS）方法,研究建立乌鲁木齐机场逐时温度、相对湿度的回归预报模型,并尝试针对冬季低云、低能见度等天气建立分类预报模型,通过对统计模型的检验可以看到：逐时温度绝对差为1.09耀2.33益;逐时相对湿度绝对差为4.7%耀9.6%;11月至翌年2月低云量跃5分量分类预报准确率76.94%耀83.13%,TS评分54.27%耀66.50%;11月至2月能见度臆800m的分类预报准确率为89.83%耀92.04%,TS评分为29.09%耀46.05%。该方法预测效果较好,因此可以尝试使用本方法为日后航空气象业务提供机场客观预报指导产品。     

WRF模式对沪宁高速公路浓雾的模拟与检验研究

统计表明,发生在沪宁高速公路的大雾以辐射雾最多,而以平流雾形成浓雾的可能性最大。利用WRF模式3.0版本优选微物理过程和陆面过程方案,对2006年6月—2009年5月发生在沪宁高速公路能见度低于500 m的大雾,按照成因分为辐射雾和平流雾进行数值模拟,并利用实测资料进行检验,验证WRF模式对大雾的模拟预报能力。结果表明,模式对平流浓雾天气的模拟效果较好,模拟预报准确率较高,但未能模拟出辐射浓雾天气。      

合肥市大雾预报方法的建立与应用

利用主成分分析方法对2012—2014年合肥市高速公路沿线交通气象站日最低能见度资料统计出的大雾观测样本进行研究,应用因子荷载点聚图将合肥市县大雾划分为2个区:中南区、北区。基于PP法统计ECMWF模式输出产品与大雾之间的相关性,全市和分片分别确定与大雾密切相关的高影响因子,利用等级分类和逐步回归建立大雾预报模型。在回归结果的判定阈值和消空指标选定的情况下,通过研发的大雾天气精细化预报系统每日定时输出合肥市大雾预报格点产品。经过前期业务化运行和预报效果检验表明:数值模式产品释用方法在有无大雾预报技巧方面较WRF模式明显占优,技巧评分大幅提升,而2类典型大雾天气过程预报效果检验则可以更直观地看出数值模式产品释用的预报方法效果更好。     

合肥市大雾预报方法建立与应用

利用主成分分析方法对2012～2014年合肥市高速公路沿线交通气象站日最低能见度资料统计出的大雾观测样本进行研究，应用因子荷载点聚图将合肥市县大雾划分为2个区：中南区、北区。基于PP法统计ECMWF模式输出产品与大雾之间的相关性，全市和分片分别确定与大雾密切相关的高影响因子，利用等级分类和逐步回归建立大雾预报模型。在回归结果的判定阈值和消空指标选定的情况下，通过研发的大雾天气精细化预报系统每日定时输出合肥市大雾预报格点产品。经过前期业务化运行和预报效果检验表明：数值模式产品释用方法在有无大雾预报技巧方面较WRF模式明显占优，技巧评分大幅提升，而两类典型大雾天气过程预报效果检验则可以更直观地看出数值模式产品释用的预报方法效果要更好。     

西南区域中尺度数值模式预报性能及其与天气过程关系初探

本文以探空站和自动站实测资料为检验参考,通过主客观检验GRAPES和WRF模式在西南地区的初始分析场和预报场,一定程度揭示出模式在西南地区的初值质量、动力框架性能和降水参数化效果。GRAPES在西南地区的位势高度、风速、风向初值质量都不同程度好于WRF,但进入预报阶段,GRAPES位势高度、温度均方根误差以比WRF更高的斜率随时效增长,GRAPES对西南地区的500 hPa高度场预报呈现系统性偏低,而WRF对西南地区高度预报的正误差概率比较高;分类天气过程检验表明,GRAPES对低涡、切变过程的初始分析质量好于WRF,但进入预报阶段,WRF对低槽、低涡和切变三类天气过程的低值系统预报正确率都高于GRAPES,这一定程度反映出WRF的模式性能好于GRAPES;分类天气过程降水预报检验表明,低涡过程降水预报难于低槽过程。GRAPES对低涡过程的降水预报能力较低,WRF预报能力最低的是切变过程。这与模式对分类天气过程中低值系统预报能力一致,这一定程度表明两个模式的降水参数化效果水平相当。     

WRF模式对吉林省2009年东北冷涡降水的预报能力检验

本文以08-08时的降水为例,应用自动站逐时观测数据和相应的模式预报资料,从降水区域预报、24小时降水量级预报、过程降水预报等几个方面检验XVRF模式对2009年6月份的冷涡天气的降水预报效果。结果表明,WRF模式对东北冷涡降水的预报无论在降水区域预报、不同时段降水、不同量级降水的预报上都表现出了较好的预报能力,特别是24小时降水晴雨确率;此外,对于冷涡天气的降水过程预报也较好,突出表现在逐时预报的晴雨确率、降水过程的起始时间等方面。这些结果都体现了WRF模式具有很好的使用价值和应用前景。     

2012年6月东北冷涡天气长春地区WRF要素预报统计

2012年6月东北冷涡天气长时间持续影响吉林省,历史罕见。本文对此次冷涡天气中WRF3.3.1数值模式预报中的极端气温和降水要素进行检验统计分析。分析发现在此次冷涡天气中长春地区6个站点极值温度预报成绩较好,在75%到80%之间。最高气温一般预报偏高,最低气温预报偏低,站点逐小时温度预报偏差具有昼高夜低的特点,即白天预报偏高,夜间预报偏低,最高气温偏差与日照时数呈反相关,与"冷涡天气高温不高,低温不低"的预报经验一致。站点晴雨成绩出色,为78%左右,具有漏报低、空报少的特点;分级检验统计中,只有小雨降水正确率较好,分级检验空报和漏报过多。降水预报形态的主观分析发现,预报与实况落区形态上一般是一致的,但WRF预报较实况范围大,对几百公里以上的降水天气降水预报与实况很相似,但是对一百公里以下尺度的降水天气预报能力仍显不足。     

辽宁省区域性大雾预报研究

通过对1994—2002年9年辽宁区域地面图的普查,得到了辽宁区域性大雾天气(大于等于5个地市,能见度小于0.5 km)共有73次。分析近10年区域性大雾天气过程得到了区域性大雾的时空分布特征。普查区域性大雾过程发生时的常规气象资料,进行区域性大雾天气分型。分析辽宁省各种区域性大雾的成因及要素演变特征,从中提取预报指标,建立预报流程,用PP法建立区域性大雾的客观预报方法。     

长短期记忆神经网络(LSTM)模型在低能见度预报中的应用

利用浙江省义乌市2015—2019年逐小时气象观测数据(相对湿度、风速、地气温差、能见度)和空气质量指数(Air Quality Index, AQI)数据, 分析了义乌地区低能见度天气(观测能见度lt; 10 km)的分布特征和气象要素条件。利用长短期记忆神经网络(Long Short Term Memory Neural Network, LSTM)模型对逐小时能见度进行模拟, 分别对比了观测能见度作为输入变量与否的模拟效果; 根据义乌地区低能见度天气条件的特征, 将模拟时段分为三个时期(11月至翌年2月, 3—6月, 7—10月), 对比了分时期模拟的效果; 以及评估了模型的预报步长。结果表明: 高湿、高污染、气温高于地温和低风速是义乌地区低能见度天气的主要特征。LSTM模型对单站能见度有较好的模拟效果, 当输入参数中加入历史观测能见度时, 能大幅提高模拟准确度, 日均能见度模拟结果均方根误差RMSE=0.63 km, 平均绝对误差MAE=0.51 km, 拟合优度R²=0.99;分时期进行模拟能得到更精准的模拟结果。本研究中选用的输入要素在冬季(11月至翌年2月)模拟效果最好, RMSE=2.35 km, MAE=1.46 km, 低能见度均方根误差RMSE_10 km=1.81 km, 低能见度平均绝对误差MAE_10 km=1.13 km, R²=0.83; 3—6月的模拟中, 输入变量中不加AQI模拟效果更好, 这意味着3—6月义乌地区的低能见度天气以雾天气为主导, 加入过多变量并不一定能提高模型准确度; 随着预报步长增大, 模型预报效果变差, 预测步长等于3 h, R²=0.71, 预测结果已不具备实际应用意义。     

华北地区高速公路沿线雾预报

在数值预报产品(MM5)的基础上,建立了华北高速公路沿线及邻近460个气象站的高影响天气一雾的统计预报模型.抽样检验系统运行2年多来所积累的预报和实况资料的结果表明,北京24 h能见度V≤5 km预报的年临界成功指数(CSI:Critical Success Index)为0.61,京津塘高速公路沿线的7个站为0.68...     

北京区域环境气象数值预报系统及PM2.5预报检验

基于北京地区快速更新循环同化预报系统 (BJ-RUC)、WRF-Chem模式和优选的能见度参数化方案,建立了北京区域环境气象数值预报系统。对2014年全年PM_2.5浓度、能见度和APEC (Asia-Pacific Economic Cooperation) 期间预报效果检验结果表明:该系统对京津冀及周边地区PM_2.5浓度的预报效果较好,大部分站点的相关系数在0.6以上,特别是北京的部分站点可达0.8以上,预报结果相比观测总体偏低,随着预报时效的延长,24 h之后预报效果略有下降。相比人工观测,能见度预报结果与自动观测能见度更加接近,对持续性低能见度过程预报与实况吻合较好,对于小时能见度低于10 km的分级检验显示,预报准确率从77%左右逐级下降,2 km以下在40%左右。2014年APEC期间,系统很好地预报出北京地区空气质量指数、PM_2.5浓度和能见度的时空演变特征,为APEC期间环境气象预报服务提供了有力的技术支撑。     

基于WRF模式的青岛近海能见度算法比较研究

采用GFS背景场资料和ADAS资料同化系统,使用WRF模式对2014—2016年青岛近海17个海雾个例进行了模拟,分析了3种能见度算法的预报效果。结果表明, FSL（Forecast Systems Laboratory）算法对于沿海站、岸基站雾的预报较SW99（Steolinga and Warner 1999）算法有优势;对于海岛站而言,SW99算法则优于FSL算法。混合算法CVIS（Combined Visibility）较单一算法预报雾准确率有所提高。3种能见度算法基本上是高估能见度的,SW99算法能见度预报均方根误差最大。另外,SW99算法对沿海站、岸基站雾开始时间预报较实况多偏晚,结束时间预报较实况多偏早,持续时间预报较实况多偏短。     

基于动态统计预报方法的京津冀雾霾中期预报试验

利用欧洲中期天气预报中心（ECMWF）数值预报产品和动态统计预报方法,对北京、天津、石家庄等14个京津冀重点城市雾霾与空气污染进行定量化的中期预报试验,包括对首要污染物PM_2.5浓度和能见度的逐时定量化预报及雾霾现象的客观化判断,并对2015年10月1日-2016年11月10日试验预报效果进行了检验评估。检验结果显示:该方法对北京及周边城市未来10 d逐时和逐日能见度、PM_2.5浓度及雾霾现象的预报值与观测值之间具有显著正相关系数、较高的误差减少量和TS评分等,表明基于ECMWF数值预报产品和动态统计预报方法的京津冀雾霾污染中期定量化预报技术整体上具有较高的可靠性、稳定性与预报技巧性。此外,检验指标还显示出该动态统计预报方法对能见度的预报效果要略优于PM_2.5浓度预报,同时对霾的预报准确率高于对雾的预报。个例分析显示,该动态统计预报方法能提前5~6 d预报出北京地区典型持续性雾霾污染的发展过程,对持续性雾霾的提前预报预警具有较好的参考意义。     

基于CART决策树的河北省低能见度分类研究

基于2016—2019年河北省142个国家气象站逐小时观测数据, 通过EOF时空正交分解和CART决策树分类回归等方法, 针对低能见度高发区域构建能见度预报模型, 并进行拟合检验。结果表明: 河北省雾日时空分布特征显示除张家口、承德及秦皇岛三市外, 40°N以南地区为雾日高发区域, 多年平均雾日数最高值可达50 d。相对湿度、地表温度、风速等气象要素与能见度显著相关, 将显著相关因子作为输入变量建立能见度预报模型并调参, 经检验该模型对于冬季的预报效果较好, 有较高的准确率; 夏季误报率较低; 日夜差别在夏季并不明显, 三个指数差别不大, 冬季夜晚的准确率与误报率明显优于白天, 漏报率略高。石家庄站2019年12月7—10日的三次大雾过程拟合结果较好, 有雾时次无漏报。     

WRF模式对江苏如东地区风速预报的检验分析

探讨了WRF模式在风电场的风速或者功率预报中应用的可行性, 主要研究和评估了WRF模式对地处东亚季风区及海陆交界的江苏如东地区夏季和冬季风速的短期预报效能。研究发现WRF模式可以比较好地预报如东站冬季的风速, 24 h预报的风速时间序列和观测资料的相关系数可以达到0.61, 通过置信度99%的检验, 48 h和72 h的预报与观测风速相关系数分别为0.54和0.47, 也能通过置信度99%的检验;相对而言, 模式对夏季风速的预报则要差一些, 24 h的相关系数有0.59, 48 h和72 h的相关系数只有0.47和0.30, 但仍能通过置信度99%的检验。在量值上, 模式预报的风速比观测值都略偏大一些。而江苏南通市预报结果显示, 模式的预报效能要比如东稍高一些, 和如东类似, 模式对该地冬季的预报要好于对夏季风速的预报。从更大尺度范围的分析也表明, 模式对不同地区预报的准确度是不一样的, 对海面以及海陆交界的海岸预报精度要高一些, 在平坦的内陆地区预报也比较好, 但在山区预报效能则较差。总体说来, WRF能胜任风速短期预报, 值得进一步研究和应用。     

四川省冬季雾的数值模拟及能见度参数化

利用中尺度模式WRF对2009年冬季四川省入冬后最大的一次浓雾过程进行模拟,模拟结果表明,模式对雾区的模拟与实测结果基本一致,模拟的相对湿度也接近实况.利用成都双流机场的实测能见度和相对湿度资料分别用确定性和概率性方法获得能见度(Vis)和相对湿度(RH)的参数化方案,用模拟的相对湿度来估算能见度.研究结果表明,概率为5%的Vis-RH的参数化方案在浓雾过程中估算的能见度最为准确,可以为今后能见度的预报提供参考.     

重庆市区雾的天气特征分析及预报方法研究

分析了重庆市区雾的特点、天气特征及温、湿等气象要素垂直分布特征,利用重庆站的观测资料选取适当的诊断因子,采用动态学习率BP算法的人工神经网络对重庆市区能见度进行了拟合和预报检验。研究表明:55年以来,重庆年雾日数总体呈逐年下降趋势,同时轻雾日数急剧上升,这种变化可能主要与城市热岛效应增强和空气污染状况加重有关;发展成熟的辐射雾大多具有逆温的稳定结构,雾顶上下温度、湿度存在明显跃变特征;神经网络模型具有较强的自适应学习和非线性映射能力,对能见度为0~1 km雾的报出率为83%,Ts评分达到69%,平均预报误差为0.384 km。除常规气象要素外,通过M指数、Ri数、凝结核、辐射状况和其他物理量的引入,以及对因子网络输入值的技术处理,明显提高了神经网络对雾尤其浓雾的预报能力,其对能见度在0.4 km以下浓雾预报的Ts评分可达89.5%。模型结果对重庆市区雾的预报具有良好的参考价值。     

湖南省低能见度天气时空分布特征及预报订正方法研究

利用2011~2020年国家基本站观测资料,研究了湖南省低能见度天气时空分布特征,并结合低能见度与地面气象要素的关系获取预报订正阈值,在此基础上,结合概率匹配法对EC能见度预报进行订正研究。结果表明:（1）低能见度区域主要位于湖南中北部和通道县、衡阳市附近,并且从秋季开始整个低能见度区域有明显向南扩大的趋势;低能见度时数出现最多的是冬季,其次是春季和秋季,分布范围最广的也是冬季,集中于湖南中东部。（2）低能见度日变化呈单峰型,主要集中在20时~次日09时。（3）≤1 km低能见度主要出现在地面风速<2 m/s、地面相对湿度基本高于90%、地面温度低于20℃及24 h变压<2 hPa的气象环境。（4）采用概率密度匹配结合要素的预报订正方法优于仅使用概率匹配的订正方法,可以很好地对湖南大部分低能见度天气预报进行有效订正,订正后TS评分显著提高。      

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。