粒子群-神经网络在华南夏季降水短期气候预测中应用研究

使用1961~2013年广东、广西、海南三省共110个气象观测站的日降水资料、CMAP格点降水、国家气候中心74项和美国NOAA CPC 40项指数资料、NCEP/NCAR再分析资料,利用经验正交公式(EOF)等方法分析华南夏季降水气候变化特征,查找其影响关键因子,使用粒子群-神经网络建模预报。结果表明:利用高相关因子的粒子群-神经网络建模预报,从近10a华南夏季降水回报结果对比来看,粒子群-神经网络效果略好于国家气候中心第二代海-陆-冰-气耦合的气候系统动力模式,动力模式好于逐步回归方法。从7年华南出现异常降水年份的预报试验来看,利用异常因子的粒子群-神经网络建模预报误差均小于动力模式预报,预报与实况同号率高达到85.7%,高于动力模式,可见粒子群-神经网络建模预测具有很好的应用前景。     

基于空间检验技术的甘肃河东地区短时暴雨预报产品误差分析

以6个短时暴雨过程为例,采用空间检验技术对甘肃河东地区短时暴雨预报产品误差进行分析。结果表明：降水概率预报对于系统性降水过程预报准确度明显高于突发性降水过程;短时暴雨预报方法的预报位置较实况偏东偏南,纬度偏差-2.1°～1.3°,经度偏差-0.4°～3.1°;强度较实况偏弱,61%本地预报方法雨强为实况的0%～90%;降水范围较实况偏小,偏小程度最多仅6个格点;强度误差占比最大,其次为范围误差,位移误差最小。预报员可基于本地短时暴雨预报方法对预报误差进行相应的调整。     

低温雨雪过程的粒子群-神经网络预报模型

利用逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料,通过分析提取我国南方区域持续性低温雨雪过程及其预报因子,使用粒子群-神经网络方法建立非线性的统计集合预报模型 (PSONN-EPM),对我国南方区域持续性低温雨雪过程进行预报试验。结果表明:以过程的冷湿程度及影响范围为标准,将低温雨雪过程分为一般过程和严重过程,并建立不同的预报模型效果较好。通过10 d独立样本预报试验看,基于粒子群-神经网络方法建立的集合预报模型比基于逐步回归方法建立的预报模型的预报平均相对误差小,对严重过程预报能力高于对一般过程预报,且这种非线性统计集合建模方法在建模过程中不需要调整神经网络参数,在实际预报业务中值得尝试。     

北京“7.21”特大暴雨高分辨率模式分析场及预报分析

2012年7月21-22日,61年以来最强降水袭击北京,北京大部分地区出现大暴雨,局部特大暴雨,过程雨量大、雨势强、范围广,造成了严重影响。此次强降水配置较为典型,业务预报提前指示出了此次过程,但预报结果存在强度偏弱,峰值偏晚等偏差。在对此次大暴雨进行综合分析的基础上,利用中国自动气象站与NOAA气候预测中心卫星反演降水资料CMORPH(Climate Prediction Center Morphing Technique)产品融合的逐时降水量网格数据资料作为观测,着重对北京市气象局新的快速更新循环同化和预报系统(BJ-RUC v2.0)的3 km高分辨率模式分析场和预报场进行了检验与分析,以期通过对中尺度模式预报性能的了解,为暴雨可预报性问题提供进一步的参考。研究结果表明,此次特大暴雨过程水汽条件极佳,降水区域较为集中,呈现西南一东北走向的中尺度雨带特征。利用常规检验评分对预报降水的时间序列进行检验发现,预报降水在时间上滞后,降水强度偏弱,存在偏西南的位置误差,并且未能反映降水系统的线状特征。进一步利用检验连续降水区域定量降水预报的CRA(contiguous rain area)方法,对预报误差进行分解表明,整体降水(5 mm/h)的主要误差来自于位置和形状误差;而在暴雨(20 mm/h)的预报中,降水强度的偏差占误差的主要部分。最后结合对预报场大尺度环流和物理量的诊断(水汽条件和不稳定条件),分析探讨了此次极端暴雨预报不佳的原因。     

ECMWF模式强降水预报偏差订正方法研究及应用

利用安徽省81站逐日降水量资料、NCEP 500 hPa再分析资料、ECMWF (以下简称EC)降水和500 hPa高度预报,基于暴雨中心和天气类型的客观判定,分类统计2012—2018年23个强降水过程降水中心的预报偏差。结果表明在西路强冷空气和东路冷空气天气类型下,当EC预报降水中心位于115°—120°E 584 dagpm线以北时,降水中心预报往往偏北,依据两者的纬度差和降水中心预报偏差建立了基于天气分类的主雨带位置订正方法;同时依据23个强降水过程最大降水区域降水量预报的日平均偏差,建立了暴雨的强度订正方法。将偏差订正方法应用于2020年安徽省梅汛期预报,结果发现无论位置还是强度订正都能使暴雨预报TS评分明显提高。同时进行位置和强度订正后,暴雨TS评分提高更加明显,尤其是对2020年两次最强降水过程订正效果显著。     

基于遗传神经网络的乡镇降水量预报方法试验

利用T213数值预报产品.采用遗传算法与神经网络相结合的方法,进行了乡镇降水量预报模型的预报建模研究;并将这种遗传一神经网络乡镇降水量预报模型与逐步回归预报方法和中尺度模式降水输出结果进行对比分析,试验预报结果表明,遗传-神经网络方法在大雨以上降水具有更好的预报能力.     

基于ECMWF模式的江西及周边地区锋面暴雨预报检验和订正

利用全国降水资料（包括江西加密降水资料）、探空资料、ECMWF模式72—24 h降水和形势预报资料,采用天气学检验、SAL定量降水预报检验等方法,对2017—2019年江西及附近地区锋面暴雨的实况和模式产品进行检验分析,检验主要影响天气系统预报效果,得出ECMWF模式降水预报误差分布特征及原因,并对模式的暴雨预报进行订正。结果表明：ECMWF模式对2017—2019年锋面暴雨过程预报较实况大多偏北,落区预报误差主要源于大尺度降水。从锋面暴雨三种SAL分析误差可见,落区预报较实况大多偏北,暴雨过程强度多数较实况偏弱,结构较实况偏小。对误差较大个例的分析得出两点订正思路：1） 锋区南侧有较明显动力热力对流发展的弱锋区暴雨,暴雨落区可订正至925 hPa锋区南侧高温高湿区。2） 较强锋面暴雨,当中低层切变辐合抬升区重叠时,暴雨落区可向925 hPa锋区位置调整,暴雨通常不易出现在锋区北侧冷区。     

广西一次持续性暴雨过程的延伸期预报及模式应用检验

2019年5月25—30日广西出现了持续性暴雨过程,引发洪涝和衍生灾害。利用国家气候中心大气监测资料和第二代月动力延伸预测模式业务系统(DERF2.0)预报资料,研究了这次持续性暴雨的背景特征,并对这次暴雨过程的延伸期预报效果进行评估。结果表明:(1)此次持续性暴雨发生在一次MJO对流活跃区东传的背景下。(2)DERF2.0模式提前10-30d预报出广西5月第6侯降雨偏多的趋势,并在4月30日、5月10日分别预测出这次暴雨过程出现前后有强降雨,但有1-3d的误差,且对过程强度的预测不够精准。     

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。     

2011年江西汛期降水低频分量的延伸期预报试验

利用2011年2-8月逐日降水量序列及东亚地区850hPa经向风场资料建立多变量时滞回归(multivariable lagged regression, MLR)模型,对5-7月江西降水10-30d和50-70d低频分量分别进行延伸期逐日预报实验。结果表明：2011年江西降水存在显著的10-30d和50-70d的振荡周期。降水50-70d低频分量延伸期预报技巧明显优于10-30d低频分量延伸期预报技巧,平均预报技巧高达0.86。降水50-70d低频分量延伸期预报可准确预报降水低频位相的正负转换,能为江西延伸期强降水过程发生的时段预测提供预报信号。     

辽宁区域性大暴雨成因分析及多模式数值预报空间检验

利用三源融合格点降水实况、加密自动站观测资料、雷达基本反射率因子、高分辨率数值预报产品及FNL再分析资料, 对2020年汛期辽宁地区12次区域性暴雨过程进行天气系统分型检验表明, 气旋型暴雨模式的可预报性较低。选取2021年7月12—14日辽宁地区典型气旋型暴雨过程进一步分析, 采用面向对象目标的空间检验方法SAL, 结合传统检验方法, 从结构、强度和位置三个方面定量分析不同模式预报偏差的原因。结果表明: 暴雨落区集中且呈双雨带分布, 局地雨强大, 辽宁东、西部降水成因不同。CMA区域模式较全球模式暴雨TS评分高; SAL空间检验表明, CMA区域模式对于雨带内部结构把握较好, 全球模式结构误差主要来源于降水极值预报不足; 强度检验表明, CMA-MESO3km强度接近实况, EC_THIN次之, CMA_GFS的降水强度预报较差; 各模式暴雨落区基本可信, CMA-MESO3km最优, 暴雨落区的误差主要由于模式预报降水过程主体重心与实况的偏差较大所致。     

广西寒露风开始期短期气候预测方法研究

利用1951-2013年广西90个气象观测站气温资料、国家气候中心74项指数和美国National Oceanic and Atmospheric Administration（NOAA）的Climate Prediction Center（CPC）60项指数以及海温和陆地雪盖资料、美国国家冰雪研究中心（NSIDC）的两极海冰资料,使用相关分析方法得到广西寒露风开始期气候影响因子,利用逐步回归和神经网络方法进行寒露风开始期的预测。结果表明：寒露风开始期与前一年9-10月北极海冰面积、当年3月南极海冰面积、前一年6月欧亚雪盖、当年5月北美雪盖、北半球雪盖的相关显著。与前一年9月北半球极涡面积指数、前一年10月亚洲区极涡面积指数、前一年3月热带印度洋海温偶极子等指数相关显著。粒子群-神经网络方法预测误差低于逐步回归方法,预报能力有明显提高。     

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。     

一种改进的频率匹配法在网格降水预报订正中的应用

为提高精细化网格降水的实际预报能力,评估了2021年汛期ECMWF(EC)、CMA-MESO、SXWRF和SCMOC降水预报产品在陕西的表现,讨论了卡尔曼动态频率匹配方法对不同模式的订正效果,然后针对该方法不足,基于最优TS评分阈值法和SCMOC在天气过程判定中占优信息对小量级降水进行了二次订正,最后利用分类降水过程建模和基于图像相似识别技术改进的卡尔曼动态频率匹配法对暴雨进行了订正研究。结果表明:SCMOC晴雨预报准确率和暴雨TS评分均最高,分别为81.60%和0.30,表现最好;卡尔曼动态频率匹配法可明显提高EC、CMA-MESO和SXWRF模式降水预报产品晴雨预报准确率,对暴雨预报的改善效果不稳定,对EC晴雨预报准确率和暴雨TS评分提升幅度均最大,分别为6.35%和6.99%,该订正方法更适合于EC模式;经晴雨消空二次订正后的EC模式晴雨和小雨预报准确率较一次订正后的EC模式均有提高,分别提高了0.51%和0.64%;分类降水过程建模订正可进一步提高EC暴雨TS评分,较未分类过程订正后的暴雨TS评分提高了1.05%,且暴雨其他评分指标也均变好;改进后的卡尔曼动态频率匹配法较改进前...     

高空西北气流下特大暴雨的预报误差分析及思考

利用常规及非常规气象资料、业务数值预报模式、GFS再分析资料(0.5°×0.5°),分析了2016年6月19日江西北部高空西北气流下特大暴雨环境场特征和数值模式误差,对比了相似形势的暴雨过程,找出业务预报误差较大的可能原因是对高空"干冷"西北气流南移、副热带高压北抬的速度、低空西南急流加强及前端辐合、上游移来短波槽、异常水汽条件的综合作用分析不到位,各类数值模式产品对降水落区预报偏北、强度预报偏弱也影响了预报员对暴雨的综合判断;给出了预报这类特大暴雨着眼点和预报概念模型以及订正模式降水的思路。     

西昌卫星发射场大-暴雨的预报集成

综合集成是提高预报产品应用效能的一种有效的方法,将集对分析中的联系度概念用于西昌发射场大-暴雨过程预报综合集成,首先对大-暴雨天气过程进行分型,确定国家气象中心T213模式预报、西昌发射场降水模式的客观预报、预报员经验预报与西昌发射场大-暴雨过程的联系度,用权重法将大-暴雨预报进行集成,从而给出集不同预报于一体的西昌发射场大-暴雨过程预报集成方法.     

基于SAL方法对一次区域性大暴雨过程多模式预报空间检验及误差分析

采用SAL定量降水预报检验方法,对2017年梅雨期一次区域性极端降水过程EC-THIN、RIOF、NCEP、CMA的高分辨率数值预报产品,从结构、强度和位置3个方面进行检验对比,同时对72 h内各模式降水预报稳定性开展检验分析。在此基础上,剖析了降水预报误差成因。分析发现：（1）在降水分布上,RIOF、EC-THIN和CMA预报的雨带走向与实况基本一致,NCEP预报主雨带范围偏大,暴雨区偏东;（2）雨区结构上RIOF和EC-THIN把握较好,NCEP和CMA在降水强度方面预报较好,位置预报上各家误差均较小,其中CMA误差最小;（3）EC-THIN和NCEP在结构、强度和位置预报上均有较好的稳定性。CMA在降水强度方面预报稳定较好,位置预报上调整较大。RIOF在降水结构预报上稳定性较好,落区预报上变化幅度较大;（4）降水预报误差根本原因是由系统预报误差而形成,系统强度、位置、移动直接影响着降水偏差。垂直物理量的预报偏差对降水时段、加强、强度也具有一定影响。     

气候变化背景下干旱区暴雨强度公式误差控制技术研究

频繁的极端降水事件使暴雨强度公式编制过程中的误差控制变得越来越困难。利用宁夏银川国家气象站1961—2016年分钟降水资料,采用指数、耿贝尔、P-III等概率模型进行雨强-重现期的曲线拟合和最小二乘法、高斯牛顿法进行暴雨强度公式参数推求,编制银川市暴雨强度公式,探讨干旱区暴雨强度公式的误差控制和优化策略。结果表明:(1)干旱区强降水样本少、变率大,针对编制暴雨强度公式过程中曲线拟合和参数求解这两个重要步骤过程中误差难以控制的缺陷,设计了一种新的误差控制策略,将误差的两步控制改变为综合控制,从而可使公式推算过程的误差达到最小。(2)银川夏半年平均气温从20世纪90年代中后期开始明显升高,短历时(尤其是30~180 min)降水强度为一致增强趋势,且变率加大。(3)优选耿贝尔曲线拟合结合高斯牛顿法求解公式参数,作为银川市暴雨强度总(分)公式的组合计算方案,较好地编制了银川市新一代暴雨强度公式,为干旱区暴雨强度公式的编制提供了可供参考的思路。     

欧洲集合预报产品降水预报检验分析

对2012-2015年欧洲集合预报产品广西降水预报性能进行了TS检验得出24-96预报时效不同百分位以及各月份在一般降水、晴雨和暴雨及以上等降水项目的表现情况;进一步对区域暴雨过程进行总体情况和分类检验,获得不同产品在不同降水量级预报性能特点。此项工作可为预报员更好的使用集合预报产品提供参考依据。     

西昌卫星发射场大-暴雨的预报集成

综合集成是提高预报产品应用效能的一种有效的方法，将集对分析中的联系度概念用于西昌发射场大-暴雨过程预报综合集成，首先对大-暴雨天气过程进行分型，确定国家气象中心T213模式预报、西昌发射场降水模式的客观预报、预报员经验预报与西昌发射场大-暴雨过程的联系度，用权重法将大-暴雨预报进行集成，从而给出集不同预报于一体的西昌发射场大-暴雨过程预报集成方法。