西宁单站大雨预报方法昀初齿援讨

本文通过对西宁单站自1980年以来出现大雨前一天的天空状况进行统计分析，将天空状况大致分为三种情况，即卷云型、积云型和层云型，对其三种情况下的单站气象要素进行了分析，筛选出了不同的大雨预报指标，并用各项预报指标对2001年6～9月的大雨过程进行试预报，通过检验，表明该方法可在一定程度上能够提高西宁单站大雨的预报准确率，可供以后在西宁单站大雨预报中参考使用。     

西北区东部6—9月大雨短期预报支持系统(MOS)

本文试用 ECMF500 百帕48小时预报高度场格点资料和 BJ 北半球模式数值预报产品格点资料,选定关键区对西北区东部大雨短期预报建立人机对话的支持系统。技术路线是:气候分析选定过程——大雨日当时场有限区环流分型——逐级消空——进入分型 MOS 数学模型——判别过程有无和参考落区。本系统的运行环境为 IBM/PC 机及其兼容机,支撑软件包使用 BASIC 语言和C 语言,操作方便。实现本系统,将为区域中心日常预报业务增添一有效工具。     

“三轴”降水预报法的初步探讨

“三轴”预报法是以温度场、湿度场为依据分型预报的。三轴即700毫巴高空图上规定型区内温度最小值轴线、24小时变温最小值轴线、露点最大值轴线;根据轴线的位置、互相配合、强度和流场、高度场等多个因子,综合作出雨季(5—10月份)大于20毫米降水的短期预报。运用此方法,对1970—1972年资料进行了普查、整理,经1973年验证,共184个个例,机率160/184=85%,其中大雨的机率7/9=78%。1974年5、6、7月验证,机率80/92=87%,其中大雨4/5=80%。     

利用数值预报资料制作7—8月天气预报

本文以５００ｈｐａ五天平均日特征为主，参改逐日５００ｈｐａ天气图，对１９７５—１９８６年７—８月份的多降水过程，少雨时段进行分型，分别找出各型的形势特征。预报时使用欧洲预报中心５００ｈｐａ数值预报资料，预报日前一天的零时高度场和以其为初始场的２４—９６小时预报的格点高度资料，在计算机上打印出５天平均高度场图，然后套用各型指标，作完全预报，当符合某型时，将其预报结果向地、市台发布。     

暴雨预报的一种方法——“盲区法”

一、思路日本的大雨预报分数小时预报和12-24小时预报两个步骤进行,后者称为大雨潜势(Potential)预报.在大雨潜势预报方法中,目前仍以天气学模式为主,即把容易发生大雨的天气尺度特征的因子加以综合和     

T639和德国模式对新疆地区大降水预报的检验

对T639和德国数值预报模式(简称德国模式)的降水预报产品进行了分类检验,挑选新疆2011年6场大降水过程分别进行晴雨、大雨(雪)、暴雨(雪)对比分析,了解了降水模式产品误差并为业务中选择较好的预报产品提供了依据。结果表明:两种模式对预报过程降水落区和强降水中心都有较好的指示意义,在过程累计降水预报中,德国模式的晴雨预报准确率为80.49%,高于T639模式;大雨(雪)预报的准确率两种模式接近,大约为44%;T639模式暴雨预报的准确率为29.07%,明显高于德国模式。在逐24 h降水预报中,两种模式都以48～72 h的预报准确率为最高。     

张掖地区中—大雨与500百帕环流型

张掖地区的中、大雨集中在6—8月,此期间有无中,大雨与500百帕环流形势密切相关。1986年3月我区各台站集中制作的6—8月降水过程 MOS 预报指标,500百帕环流分型发挥了重要作用,并确认“V”槽型是我区的主要降水型。一、环流型分类与降水次数根据造成我区降水的环流系统分布,     

应用气压剖面图预报台风

龙海县气象站利用时间剖面图与大型环流结合预报台风,效果较好,取得了一些经验,现将其预报方法介绍如下: 一、分型 用该站每天8次观测的气压时间剖面图分型,截取台风进入起报区(15—28°N,113—130°E)的当天和前4天(共5天)的气压剖面图型。将历史上所有进入起报区的台风个例都截取出来进行分型。按历史上出现的图象特征,共分为五型:横贯型、低压型、纵贯型、台风型和混合型(见图1)。     

云南雨季开始的大雨过程研究

应用1961～2002年4～7月云南125站逐日降水资料和NCEP／NCAR分析资料，确定了云南进入初夏后第一场全省性大雨过程日期，合成分析了云南初夏第一场大雨过程发生前后对流层低层(850hPa)、高层(200hPa)流场及热带对流活动(OLR场)特征，提取了云南初夏第一场大雨过程发生前后的强信号，为云南初夏第一场大雨过程(透地雨)预报提供依据。     

基于ECMWF集合预报的一次大范围暴雨敏感因子分析

以2015年5月20日广东省一次大范围暴雨过程为研究对象,利用ECMWF集合预报产品选出了预报好和差的成员,对比分析了环流形势场和物理量场的差异,找出了暴雨敏感因子。结果表明:集合预报能够较好地预报出该次大范围暴雨的环流形势场、降雨分布和量级特征,但对大雨以上量级的精确预报还有较大的误差,主要表现为大雨以上量级空报率最高以及暴雨以上量级漏报率最高。不同集合预报成员对降雨的形势场和大雨以上量级的预报有显著差异。相比暴雨预报能力较差的成员,优选成员对低层风场和低压的发展预报更接近实况,同时在风速、CAPE值、850 hPa温度、850 hPa和925 hPa比湿等物理量场与实况更接近,是该次暴雨的敏感因子。     

T213模式对河南省降水预报检验评价

对2002年10月～2003年9月T213降水预报产品的预报效果进行了分型和分区检验,结果表明冬半年对小量级预报能力较强,夏半年对大雨以上量级的降水有较好的预报效果;东高西低型降水各量级的预报均有较高的准确率,低槽型次之;各量级的预报大部分是南方优于北方.     

T213模式对河南省降水预报检验评价

对2032年10月-2003年9月T213降水预报产品的预报效果进行了分型和分区检验，结果表明：冬半年对小量级预报能力较强，夏半年对大雨以上量级的降水有较好的预报效果；东高西低型降水各量级的预报均有较高的准确率，低槽型次之；各量级的预报大部分是南方优于北方。     

集中暴雨的分析

1.引言预报有无出现大雨的可能及降雨区和平均量,是利用天气图资料及电子计算机的雨预报等资料。但是,从气象台和高空观测网的关系来看,这些资料所对应的量级是100公里。关于中尺度现象的短时间大雨,就得使用地区气象观测网、雷达观测及气象卫星等资料。经验丰富的预报员中,有人能根据天气图资料预报短时间大雨,但这得从在大尺度场中发现这种征候作起。对于寿命只不过是数小时的短时间大雨,即便在半天之前,要预报它何时、何处及有多大的降水也是个困难问题。但当伴随大尺度扰动时,即使是短时间大雨,也有可能作出部分预报。对于难报的短时间大雨,目前正通过AMeDAs(气象资料自动获取系统)和雷达系统的配合进行研究。     

基于聚类天气分型的KNN方法在风预报中的应用

以模式识别和相似预报思想为基础, 建立基于自组织神经网络 (SOM) 的聚类天气分型和交叉验证的K最近邻域非参数估计仿真模型 (KNN)。该模型首先以自组织神经网络技术对西北地区的高空流场和高度场进行聚类分型, 针对不同天气形势下的历史样本, 通过交叉检验, 分别寻求各类天气型下的最佳K组合。为了验证聚类天气分型对KNN方法的影响, 使用2003—2006年冬半年T213数值预报产品和宁夏日最大风速资料, 同时建立了宁夏冬半年日最大风速≥6 m/s天气分型和未分型的KNN预报模型, 并对2007年1—5月进行了预报试验, 预报评估结果表明:天气分型后的预报模型总体上降低了预报空报率, 提高了预报准确率, 特别是某些类天气型, 提高幅度更大, 为分类相似预报开拓了思路。     

陕西省10～20天降水预报方法及业务化试验

介绍了一种制作延伸期降水预报的方法,其步骤是采用欧洲中期天气预报中心(ECMWF)全球模式500hPa高度场格点预报场,与历年同期NCEP再分析资料500hPa高度场进行相关分析,按相关性由大到小排列,取前三个相关系数大的年份.利用历年逐日实况降水资料,得到晴天、小雨、中雨、大雨及暴雨以上5个级别的出现频率,把它当作背景概率,通过背景概率控制获取3个年份中降水场最可能年份,作为最终相似年份,从而获得10～20天的降水预报值.使用该方法进行业务化试验,经检验有较好的预报效果.     

多种数值预报产品在贵州定量降水预报中的检验

通过对2011—2012年期间欧洲中心、日本、T639、WRF各家数值预报24 h降水预报产品插值到贵州省85个县观测站,对比每日累计实况降水量,划分为≥0.1 mm(晴雨)、≥10.0 mm(中雨以上)、≥25.0 mm(大雨以上)共3个等级进行了评估。结果发现:欧洲中心细网格和T639在贵州省各个量级降水预报均有偏大的趋势;日本模式在大雨以上量级的降水预报中对我省有偏少的趋势;WRF模式在晴雨预报中表现最好,而在明显降水的预报中表现略差。预报结果空间分布显示:欧洲中心细网格对贵州中部一线地区的明显降水预报较好;T639模式在一般性降水预报中与其他模式效果相当,但在大雨以上量级的预报中表现出明显的地区差异;日本模式在贵州东北部地区效果明显;WRF模式大雨以上量级的预报效果总体差异并不大,主要有3个大值中心,分别位于省的北部边缘、西部边缘和南部边缘,说明在以上地区WRF对大雨以上降水的预报效果具有一定的参考意义。     

全球和区域数值模式在甘肃2020年汛期降水预报中的检验评估

2020年汛期6—8月甘肃降水日数多、持续时间长、范围广、强度大,对该时间段内3种全球模式(ECMWF、GRAPES_GFS和NCEP_GFS模式)和4种区域模式[GRAPES区域数值预报业务系统(GRAPES_3 km)、西北区域区域模式(GRAPES_LZ10 km)、西北区域快速更新循环预报系统(GRAPES_LZ3 km)和华东区域模式(SMS-WARMS)]24 h累计降水预报性能进行检验评估。结果表明:(1)全球模式中ECMWF模式的预报性能优于其余2个模式,而区域模式中GRAPES_3 km和SMS-WARMS模式预报性能相对较好,且SMS-WARMS模式预报性能更稳定。(2)区域模式晴雨准确率及小雨和中雨的TS评分、ETS评分、命中率低于全球模式,暴雨优于全球模式;大雨和暴雨的空报率和预报偏差均高于全球模式。(3)根据500 hPa环流形势可将甘肃汛期降水划分为副高边缘型和低槽型2种类型,针对2020年4次副高边缘型和3次低槽型降水进行分类检验评估。全球模式和区域模式均对前者的各个量级降水预报性能优于后者;ECMWF模式和区域模式对2种类型大雨和暴雨预报效果优于NCEP_GFS和GRAPES_GFS模式;全球模式中ECMWF模式、区域模式中SMS-WARMS模式对2种类型降水预报效果最好。(4)7种模式对2种类型中雨和大雨雨带走向预报较好,对副高边缘型降水过程降水落区的预报能力优于低槽型降水过程,但预报降水强度较观测偏强,尤其是降水中心区域。     

初雷六十天有大雨

我县常年降水稀少,春夏尤甚。在1960—1971年12年中,夏季第一场大雨最早出现在6月18日,最晚出现在7月30日。如何准确预报出第一场大雨出现的时间,对于做好为农业生产服务,有着重要的意义。我地广泛流传着“初雷六十天有大雨”的农谚,经初步验证发现,初雷与大雨的间隔天数确有较好的关系。1960—1971年12年间,间隔最短为59天,最长为66天,平     

分类与集成方法在降雨预报中的应用

介绍一种利用数值预报产品进行降雨预报的方法.该方法按照人工智能分类与集成的思想,利用前馈神经网络将T213、日本、德国的数值预报产品集成在一起,构成一个集成型的预报系统.在此基础上,利用高度场的天气形势和预报区域近低层流场和温湿条件,采用自组织神经网络进行天气分型,并针对不同的天气类型选用不同的预报因子,建立不同的预报模型.按照上述方法,选用江淮流域68个站点2003-2005年的5-9月数据,逐站建模,用2006-2007年5-9月的数据进行分级降水试报.各级降水预报结果表明,集成多家数值预报信息好于仅用单一模式的信息,采用天气分型建模优于不分型的建模.因此,多模式(型)预报结果的综合集成方法的研究,是数值预报解释应用中很值得探索的方向.     

基于MET系统对SWCWARMS及GRAPES模式在西南地区的站点检验分析

应用国家基本观测站资料、自动站逐时降水资料,基于客观统计检验方法,针对降水(12h、24h累积雨量)、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2015年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式降水ETS评分高于GRAPES模式,除24h小雨外SWCWARMS模式偏差值均高于GRAPES模式,两个模式在不同预报时效内对中雨、大雨、暴雨都表现一定程度的空报;(2)12h降水分段评分上,SWCWARMS模式TS评分均高于GRAPES模式,但SWCWARMS模式预报降水范围过大,随着预报时效增长空报多于GRAPES模式;SWCWARMS模式中雨和大雨空报大于其它量级降水,GRAPES模式对大暴雨漏报较多其它量级降水表现为空报;(3)两模式对高度场和温度场预报优于风场,对对流层中层预报优于中低层,SWCWARMS模式对高度场和温度场预报优于GRAPES模式,夏半年SWCWARMS模式均方根误差小于GRAPES模式;(4)两模式都表现出2m温度均方根误差在秋季增加而春季减小这一特征,SWCWARMS模式近地面要素均方根误差均小于GRAPES模式。