北京地区夏季降水概率预报业务应用研究

作者分析了降水概率预报的基本特征，在北京中尺度数值预报模式（ＢＭＮＦＭ）的基础上应用事件概率回归估计（ＲＥＥＰ）方法，建立北京地区夏季两个量级（≥０．１ｍｍ和≥１０．０ｍｍ）的降水概率预报方程，并结合最新天气观测资料和预报员知识订正客观预报结果。应用Ｂ评分，Ｂｓ评分和Ｂｉａｓ方法对主观降水概率预报和客观降水概率预报进行评估。     

暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究

利用2008—2011年6—8月中国气象局T213全球集合预报24—240 h降水预报资料和四川盆地观测降水资料,提出四川盆地暴雨集合预报-观测概率匹配订正法。该方法将集合预报降水累积概率分布与观测降水累积概率分布进行概率匹配,对降水量为50 mm的集合预报平均值进行订正,获得暴雨预报订正值(A Calibrated Heavy Rainfall forecast value),累积降水概率分布拟合函数采用Gamma函数。选取2013年6月28日—7月10日进行独立样本暴雨预报试验,分析四川盆地暴雨预报订正值分布特征和订正前后降水检验评分变化,讨论该方法存在的若干局限性。结果显示:T213集合预报对四川盆地降水预报存在预报量较观测量级小、模式预报时效越长降水预报越弱等系统性偏差,暴雨集合预报-观测概率匹配订正值普遍小于50 mm,且随预报时效延长而逐渐减小,有效地订正了T213暴雨集合预报系统性误差;暴雨集合预报-观测概率匹配订正法对"有或无暴雨"二分类暴雨预报改善较明显,ETs评分获得提高,且漏报率和空报率有所降低。     

高分辨率区域模式降水预报在云南的检验

为了解高分辨率区域数值模式降水预报在云南的预报效果和误差特点,针对华南中尺度模式、华东区域数值预报业务模式和中央气象台GRAPES-Meso模式对2017年9月—2018年12月云南降水预报进行检验分析。结果表明:华东模式降水预报效果整体最好,其降水的振幅接近实况,晴雨准确率也是最高,而华南和GRAPES模式空报率和漏报率普遍偏高。三种模式对滇东北、滇中西部、滇西北北部≥0.1 mm降水预报评分普遍较低,对滇南、滇西南、滇西边缘地区的评分普遍较高。在滇东北北部、滇中西部、及滇西北北部地区三种模式对≥10 mm降水TS评分普遍较低。对于≥25 mm降水,华东模式和华南模式在滇中、滇西地区的TS评分高于GRAPES模式。对于≥50 mm降水,华东模式和华南模式在滇东南、滇西南、滇西边缘及金沙江河谷沿线TS评分高于GRAPES模式。对于云南强降水天气过程,≥0.1 mm降水华南模式预报效果较好,但10 mm和25 mm以上量级降水华东模式的预报效果较好,≥50.0 mm则是GRAPES模式更具参考价值。     

降水概率预报综述

为了配合概率预报发布工作，收集了国内外开展概率预报的各种文献与报导，就降水概率预报的定义，发布降水概率预报的意义，国内外降水概率预报的研究与业务应用，降水概率预报的基本方法，主观预报在客观降水概率预报中的作用，降水概率预报的经济效益评估等几个重要问题，进行了综合评述。     

两种基于雷达的临近预报算法在赣江流域的应用

将多尺度雷达回波跟踪(MTREC:Muti-scale Tracking radar echoes by correlation)算法和基于降水栅格数据的网格追踪临近预报外推(PBN:Pixel-Based Nowcasting)算法应用在赣江流域,对这两种临近预报算法在1~3 h预见期的临近预报降水数据进行评估,总结两种临近预报算法在赣江流域的预报性能和预报特点。结果表明:(1)随着预见期的增加,MTREC方法的预报性能变化较为平缓。PBN方法的预报性能明显变差。(2)MTREC方法预报降水偏弱,且对于低值降水预报较为准确,而PBN方法预报降水偏强,且预报高值降水较为准确。(3)MTREC方法预报的降水高值区的范围偏小而低值降水区范围偏大,PBN方法预报的高值降水区的范围偏大而低值降水区范围偏小。(4)随着预见期的增加,MTREC方法的降水概率预报变化较为平稳,而PBN方法预报高值降水(0.4 mm·h~(-1))的概率偏高,预报低值降水(0.4 mm·h~(-1))的概率偏低。     

降水预报-观测概率匹配动态订正法在江西降水集中期的应用与检验

为提高数值预报降水预报的准确率,本文利用欧洲中期天气预报中心的高分辨率数值预报（ECMWF）降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配,选取Gamma累积概率分布函数用于拟合预报与观测的降水累积概率,通过在2017年江西省一次降水集中期的应用试验,得到以下结论：基于ECMWF的降水预报-观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中,并根据近期模式预报调整及误差不断自动更新各量级降水修正值,可实时动态订正模式降水预报;检验发现ECMWF模式降水产品对于24 h内12 h间隔的10 mm及以下量级的预报普遍偏大,25 mm及以上量级的预报普遍偏小,在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况、预报效果较好.本降水预报订正法能提高小雨和暴雨的TS评分、降低暴雨的漏报率且提升其命中率,但对大雨及部分中雨的订正效果不佳,在实践中应权衡利弊使用.     

降水邻域集合概率方法尺度敏感性试验

降水邻域集合概率法是处理高分辨率降水集合预报不确定性的一种新方法。利用2017年5~7月GRAPES(Global and Regional Assimilation and Prediction Enhanced System)区域集合预报系统24 h降水预报资料,进行GRAPES降水邻域集合概率方法试验,并针对邻域概率法的等权重和邻域尺度问题,设计了邻域格点权重修正邻域方案以及二分类权重修正邻域方案,进行降水的集合概率法、等权重邻域集合概率方法、权重修正邻域集合概率方法和二分类权重修正邻域集合概率方法等四种方法的格点相关及敏感性试验,并利用多种概率预报检验评分评估上述四种方法的预报效果。试验结果表明:(1)尽管采用邻域计算方案的三种邻域集合概率方法的降水概率预报评分各有优劣,如等权重邻域集合概率法的相对作用特征曲线面积评分略优,而权重修正邻域集合概率法和二分类权重修正邻域集合概率法的降水概率预报可靠性更高,但采用了邻域计算方案的降水概率预报评分均优于传统的集合概率方法;(2)降水邻域集合概率方法的预报技巧对邻域尺度很敏感,统计评分最优的邻域半径为5~8倍模式水平格距;(3)引入了权重修正的两个邻域集合概率预报方法在24 h降水量超过10 mm时改进较明显,能够提供更加客观的概率预报结果。总体上看,降水邻域集合概率方法具有较好的应用前景,恰当的邻域概率方法及邻域半径可以获得更合理的降水概率预报结果。     

广东省24～144小时降水概率回归预报

本文利用欧洲中心10年（1980-1989年）物理量资料，建立了广东省86站1-12月的晴、雨及有无大于25mm降水完全概率回归预报方程，并利用T106逐日要素场预报资料，作24-144小时逐日滚动降水概率回归预报，并逐日上网做指导预报，供广东省各台站调用。     

基于重组降水集合预报的洪水概率预报

采用条件亚正态模型方法,生成了具有包含不同可能性的降水集合预报。为了保持各子流域降水集合预报变量之间的空间相关性,采用集合预报重组方法对降水集合预报进行重新排列。使用重组后的降水集合预报驱动水文模型,实现了淮河上游大坡岭-息县、淮河上游息县-王家坝和汝河-洪河上游3个子流域的12次洪水过程的洪水概率预报,并对1988年9月7日和1991年7月31日两次洪水概率预报进行个例分析。结果表明:相对于单一确定性预报,通过条件亚正态分布模型生成降水集合预报后,再经过Schaake洗牌法空间相关性重新组合的降水集合预报,捕捉洪峰出现时间和流量的能力更强。对洪水概率预报来说,降水概率预报更能达到对未来的水文事件进行最大可能估计的目的,并尽可能综合了降水预报不确定性因素,同时也说明维持变量原有的空间相关特征对于降水概率预报具有重要意义。     

广州降水概率预报

讨论了长水概率预报的意义,原理和方法,介绍了广州降水概率预报的业务流程及试验效果,并提出深入开展降水概率预报的若干建议。