河西走廊东部城市空气质量预报系统

利用气象和环保资料详细分析了武威市空气质量的特点,针对不同季节、不同时次分别建立了沙尘暴短时、短期预报模式及空气质量统计预报、潜势预报模式,经检验效果良好。应用Fortran和VB语言设计编程,建立了武威市空气质量预报系统,该系统包括沙尘暴预报预警服务系统、空气质量统计预报系统和空气质量潜势预报系统,直接和MICAPS系统接口,具有资料处理、动力统计预报、潜势预报等模式计算及资料采集、处理、模式运行、预报显示、产品分发、资料查询、预报评分等多种功能,在业务应用中效果良好。     

风廓线与测风塔资料在地面风场预报中的应用研究

运用四维同化方法将风廓线雷达和测风塔资料应用到WRF模式中,通过对比资料同化前后模式对地面风场的预报效果可知,加入风廓线雷达和测风塔资料后模式对风速的预报效果有明显提高,对风向的预报也有一定程度的改善;资料同化结束后,模式预报在49h内对地面风场预报效果仍有明显改善,但随着模式预报时间的增加,在模式积分49h以后,同化资料前后模式对地面风场的预报效果无明显变化。另外,通过对资料同化前后模式对风速预报误差的分析可知,在对模式风场预报的改进中风廓线雷达资料的贡献大于测风塔资料的贡献。     

三种数值预报产品在清江流域面雨量预报中的释用

日本有限区降水预报模式、MAPS、HLAFS是宜昌市气象台常用的三种数值预报模式。在此,初步分析了三种模式对清江流域降水预报的性能,同时考虑到清江隔河岩水电站等重点水利工程对气象服务的实际需要,改变了通常的降水量级预报模式,对流域面雨量预报进行了尝试;在此基础上,对三种预报模式的降水预报产品加以综合,再利用多元线性回归方法建立了一套清江流域主汛期面雨量预报模型。1基本资料所使用的资料主要有：清江流域面平均雨量资料（08～08时）,日本气象厅有限区模式预报资料,国家气象中心HLAFS降水预报格点资料,武汉暴雨…     

GRAPES模式对我国一次强降水过程的数值模拟

采用我国新一代数值预报模式GARPES,利用T 213资料和探空资料,对2004年我国夏季的一次强降水过程进行24、48h预报试验,结果表明:GRAPES模式对降水预报有指导作用,特别是对大范围、强降水的预报效果较好。GRAPES模式24h的预报比48h的预报更加准确。     

GRAPES模式对我国一次强降水过程的数值模拟

采用我国新一代数值预报模式GARPES,利用T 213资料和探空资料,对2004年我国夏季的一次强降水过程进行24、48h预报试验,结果表明：GRAPES模式对降水预报有指导作用,特别是对大范围、强降水的预报效果较好。GRAPES模式24h的预报比48h的预报更加准确。     

2010年7月14～18日四川大暴雨过程区域模式预报性能分析

本文应用高空与地面常规观测资料,自动站资料以及2010年西南涡科学观测试验资料等,就西南区域气象中心运行的GRAPES模式、AREM模式、MM5模式以及基于WRF模式的RUC系统对发生在2010年7月14~18日四川大暴雨过程预报情况进行分析。结果表明,从降水预报,到影响系统,以及单点地面、高空要素预报,尽管各区域模式表现出对此大暴雨过程有一定的预报能力,但存在着不同程度差异,如降水落区、降水强度偏差,影响系统的偏离等。当分析模式定点预报时,预报偏差更为明显。相对而言,WRF模式预报结果略好于其它模式的预报。造成模式预报偏差的原因还有待作进一步分析研究。      

2010年7月14～18日四川大暴雨过程区域模式预报性能分析

本文应用高空与地面常规观测资料,自动站资料以及2010年西南涡科学观测试验资料等,就西南区域气象中心运行的GRAPES模式、AREM模式、MM5模式以及基于WRF模式的RUC系统对发生在2010年7月14～18日四川大暴雨过程预报情况进行分析。结果表明,从降水预报,到影响系统,以及单点地面、高空要素预报,尽管各区域模式表现出对此大暴雨过程有一定的预报能力,但存在着不同程度差异,如降水落区、降水强度偏差,影响系统的偏离等。当分析模式定点预报时,预报偏差更为明显。相对而言,WRF模式预报结果略好于其它模式的预报。造成模式预报偏差的原因还有待作进一步分析研究。     

背景场资料与参数化方案对暴雨预报的影响

利用GRAPES—meso模式和T213资料,对2007年7月18日发生在我国四川盆地和华东地区一次大暴雨过程进行多组数值试验,以分析侧边界资料、驱动资料的垂直分辨率、模式积分区域、云物理参数及边界参数对GRAPES—nleso模式降水预报影响。试验结果表明：（1）侧边界资料对模式降水预报结果影响较小,驱动GRAPES—meso的全球模式产品质量提高,降水预报结果越好;（2）驱动资料垂直分辨率的高低对降水预报结果影响较大,分辨率越高,预报能力越强,反之越弱;（3）模式积分区域对降水预报结果也有明显影响,区域越大,降水预报未必总是最好;（4）物理过程和边界参数试验表明,WSM6方案与KFeta方案组合的24小时降水预报与实况更接近。     

初始资料的正态化变换及回归方程预报精度的提高

一、问题的提出初始资料和预报模式时适应,是天气预报的一个重要问题,它不但具有理论意义,而且具有实际意义,无论数值预报模式还是统计预报模式都不例外。对于统计预报模式,我们知道,使用回归模式其初始资料必须满足如下数学条件:(1)预报误差e的数学期望为零,即E(e)=0;(2)预报误差e具有等方差性,即COV(e)=δ~2;(3)资料和预报误差e服从正态分布。当初始资料满足上述条件,它才能同导出的回归模式的数学前提相适应。否则在理论上资料不满足回归模式的数学前提,在实际应用时产生较大误差,而且使用过程中具有不稳定性。     

背景场资料与参数化方案对暴雨预报的影响

利用GRAPES-m eso模式和T213资料,对2007年7月18日发生在我国四川盆地和华东地区一次大暴雨过程进行多组数值试验,以分析侧边界资料、驱动资料的垂直分辨率、模式积分区域、云物理参数及边界参数对GRAPES-m eso模式降水预报影响。试验结果表明:(1)侧边界资料对模式降水预报结果影响较小,驱动GRAPES-m eso的全球模式产品质量提高,降水预报结果越好;(2)驱动资料垂直分辨率的高低对降水预报结果影响较大,分辨率越高,预报能力越强,反之越弱;(3)模式积分区域对降水预报结果也有明显影响,区域越大,降水预报未必总是最好;(4)物理过程和边界参数试验表明,W SM6方案与KF eta方案组合的24小时降水预报与实况更接近。      

TOPOGRAPHIC DEPENDENT HORIZONTAL LOCALIZATION SCALE SCHEME IN GRAPES-MESO HYBRID EN-3DVAR ASSIMILATION SYSTEM

Based on the GRAPES-MESO hybrid En-3DVAR (Ensemble three-dimension hybrid data assimilation for Global/Regional Assimilation and Prediction system) constructed by China Meteorological Administration, a 7-day simulation (from 10 July 2015 to 16 July 2015) is conducted for horizontal localization scales. 48h forecasts have been designed for each test, and seven different horizontal localization scales of 250, 500, 750, 1000, 1250, 1500 and 1750 km are set. The 7-day simulation results show that the optimal horizontal localization scales over the Tibetan Plateau and the plain area are 1500 km and 1000 km, respectively. As a result, based on the GRAPES-MESO hybrid En-3DVAR, a topography-dependent horizontal localization scale scheme (hereinafter referred to as GRAPES-MESO hybrid En-3DVAR-TD-HLS) has been constructed. The data assimilation and forecast experiments have been implemented by GRAPES-MESO hybrid En-3DVAR, 3DVAR and GRAPES-MESO hybrid En-3DVAR-TD-HLS, and then the analysis and forecast field of these three systems are compared. The results show that the analysis field and forecast field within 30h of GRAPES-MESO hybrid En-3DVAR-TD-HLS are better than those of the other two data assimilation systems. Particularly in the analysis field, the root mean square error (RMSE) of u_wind and v_wind in the entire vertical levels is significantly less than that of the other two systems. The time series of total RMSE indicate, in the 6-30h forecast range, that the forecast result of En-3DVAR-TD-HLS is better than that of the other two systems, but the En-3DVAR and 3DVAR are equivalent in terms of their forecast skills. The 36-48h forecasts of three data assimilation systems have similar forecast skill.     

TOPOGRAPHY-DEPENDENT HORIZONTAL LOCALIZATION SCALE SCHEME IN GRAPES-MESO HYBRID EN-3DVAR ASSIMILATION SYSTEM

Based on the GRAPES-MESO hybrid En-3 DVAR(Ensemble three-dimension hybrid data assimilation for Global/Regional Assimilation and Prediction system) constructed by China Meteorological Administration, a 7-day simulation(from 10 July 2015 to 16 July 2015) is conducted for horizontal localization scales. 48 h forecasts have been designed for each test, and seven different horizontal localization scales of 250, 500, 750, 1000, 1250, 1500 and 1750 km are set. The 7-day simulation results show that the optimal horizontal localization scales over the Tibetan Plateau and the plain area are 1500 km and 1000 km, respectively. As a result, based on the GRAPES-MESO hybrid En-3 DVAR, a topography-dependent horizontal localization scale scheme(hereinafter referred to as GRAPES-MESO hybrid En-3 DVAR-TD-HLS) has been constructed. The data assimilation and forecast experiments have been implemented by GRAPES-MESO hybrid En-3 DVAR, 3 DVAR and GRAPES-MESO hybrid En-3 DVAR-TD-HLS, and then the analysis and forecast field of these three systems are compared. The results show that the analysis field and forecast field within 30 h of GRAPES-MESO hybrid En-3 DVAR-TD-HLS are better than those of the other two data assimilation systems. Particularly in the analysis field, the root mean square error(RMSE) of u_wind and v_wind in the entire vertical levels is significantly less than that of the other two systems. The time series of total RMSE indicate, in the 6-30 h forecast range, that the forecast result of En-3 DVAR-TD-HLS is better than that of the other two systems, but the En-3 DVAR and 3 DVAR are equivalent in terms of their forecast skills. The 36-48 h forecasts of three data assimilation systems have similar forecast skill.     

采用预报涡旋的初始化方案对2015年台风“莲花”、“灿鸿”的试验研究

提出了一种采用预报涡旋的初始化方案,用预报涡旋代替bogus模型参与构建模式初始场,采用权重形式合成预报涡旋和分析涡旋获取台风初始涡旋。针对2015年“莲花”和“灿鸿”台风,基于该初始化方案设计了一系列对比试验进行数值模拟,并对结果进行分析。结果表明:(1)该方案得到的台风初始涡旋结构比bogus模型合理;(2)预报涡旋权重不宜取太大;(3)从长时效预报效果看,采用24 h内预报涡旋比采用长时效预报涡旋台风的路径和强度误差减小;(4)采用同一权重方案对“莲花”、“灿鸿”预报的改进效果不同,其原因与预报涡旋和分析涡旋的协调程度有关。多台风情形下可在初步评估的基础上采用不同时效的预报涡旋和不同权重方案。      

统计降尺度方法在青海省冬季最低温度预测中的应用

利用2003-2007年国家气象中心T213L31全球中期数值预报模式逐日输出产品与青海地区25个气象站的观测数据作为试验资料, 利用相关系数和逐步回归进行因子选择, 并以单隐层神经网络和多元回归作为降尺度方法进行对比研究, 用2003-2006年间的11月1日～次年3月1日的资料作为训练样本, 以数值预报产品和前一日观测的最低温度作为因子, 建立青海省25个气候站的冬季最低温度的24, 48, 72 h预报模型, 并且以2006年12月和2007年的1、 2月作为24, 48, 72 h逐日最低温度预报试验时段。试验表明, 对于青海地区来说, 青海北部地区的预报命中率总体好于南部高原地区; 在4种对比方案中, 以选择数值预报资料结合前一日地面观测的最低温度作为主要因子的方法相对较优, 随着预报时效的延长, 24 h历史实况的作用逐渐减弱; 对于所有台站来说, 这4种方案各有优缺点, 没有一种方案可以完全代替其他所有方案; 在实际业务运行中, 对不同的台站应采用不同的预报方案进行实际业务预报。     

SWC-WARMS在重庆地区的降水预报性能分析

本文利用2016年5~7月SWC-WARMS和CQMFS逐日20时起报的24h累计降水预报资料及24h累计降水观测资料,对两家模式在重庆地区的24~48h和48~72h的24h累计降水预报结果进行客观检验评分和对比分析,并针对2016年5~7月重庆地区的8次区域性强降水天气过程,进行了SWC-WARMS的24~48h强降水落区和强度的主观检验,结果表明:对于24~48h累计降水,CQMFS的TS评分除暴雨和大暴雨量级外均优于SWC-WARMS,且相对于SWC-WARMS而言,空报较少,漏报较多;对于48~72h累计降水,各个量级降水的TS评分、空报率和漏报率的表现一致,SWC-WARMS的各项评分均明显优于CQMFS;对于重庆地区2016年5~7月的8次强降水天气过程,除个别个例预报较差外,SWC-WARMS对强降水落区和强度的预报均具有一定的指示意义,能为预报员提供有用的参考,但降水强度总体偏强,大暴雨量级的降水空报现象较为明显。      

GRAPES区域集合预报系统对登陆台风预报的检验评估

针对2015年7—9月登陆中国大陆沿海的台风,利用GRAPES-REPS区域集合预报资料和集合统计诊断分析方法,对登陆台风的移动路径、时间、地点、强度和降水等进行检验评估,以期为预报员应用GRAPES登陆台风概率预报提供依据。检验结果表明,(1)集合平均移动路径要优于控制预报,集合预报各成员登陆地点存在20~340 km差异,但实况登陆地点均能落在集合成员登陆地点中。(2)对24 h和48 h登陆地点误差而言,集合平均较控制预报更接近实况。(3)随着预报时间的趋近,集合平均、控制预报和集合成员登陆地点距离误差逐渐缩小,登陆地点空间位置预报也没有明显的系统性误差。(4)集合成员对台风登陆时间预报偏早,平均提前2.3 h。(5)在强度预报中,尽管最低气压和近中心最大风速存在登陆前偏弱而登陆后偏强的趋势,但登陆点预报值区间包含了实况观测值,表明GRAPES-REPS集合预报能够较好展示多种可能信息。(6)不同量级降水AROC评分为0.56~0.76,具有预报参考价值;另外AROC评分的高低及台风暴雨落区的准确性与台风登陆点和登陆时间误差密切相关。可见,GRAPES-REPS区域集合预报可以在台风登陆地点、时间、强度和降水预报等方面提供更多的预报不确定性信息,有助于做出正确的预报决策。      

混合误差协方差用于集合平方根滤波同化的试验

在集合卡尔曼滤波方法中, 根据预报集合统计提供的依流型而变的预报误差协方差对同化起到决定性的作用。但在集合样本容量不足及模式存在系统误差时, 由预报集合估计的预报误差协方差会出现明显偏差。既要减小这种估计偏差对同化产生的影响而又不增加计算量, 一种可供选择的方法是将定常或准定常的高斯型预报误差协方差和由预报集合估计的预报误差协方差加权平均用于集合卡尔曼滤波同化。利用浅水方程模式, 通过观测系统模拟试验检验在不同的模式误差、 集合成员数以及观测密度条件下, 将这种混合预报误差协方差矩阵用于在集合平方根滤波的效果。试验结果表明, 当预报集合成员数较多而模式又无误差时, 不必采用混合的预报误差协方差矩阵, 否则, 采用混合的预报误差协方差矩阵都有可能改进分析和预报。混合预报误差协方差的最优的权重系数与模式误差关系密切, 模式误差越大, 定常预报误差协方差的权重越大。最优的权重系数与集合成员数及观测密度也有一定关系。     

西北太平洋(含南海)热带气旋路径集成预报分析

基于2004—2009 年中国中央气象台、日本气象厅、美国联合台风警报中心、欧洲中心对西北太平洋和南海编号热带气旋主客观预报资料,利用算术平均、多元回归以及历史平均误差等三种集成方法,建立了热带气旋路径集成预报业务化系统。通过2007—2009 年的业务运行结果分析发现,欧洲中心客观预报参与的24、48 和72 h 集成比主观预报三个成员集成预报水平分别提高约2%、3%～5%和3%～5%,减小误差2.5 km左右、6～9 km 和10～12 km。技巧分析发现,24～72 h 集成预报有正技巧,多元回归集成技巧相对稍低,而算术平均和以各成员平均误差的平方倒数为权重系数的集成技巧对于各集成成员来说技巧差异不大。96 h 集成预报对欧洲中心的客观预报没有正技巧。      

GRAPES-TCM业务试验结果分析

应用数值模式GRAPES-TCM2.1（GT2.1）的升级版GRAPES-TCM2.6（GT2.6）对2005年西北太平洋及南海热带气旋路径进行了后报试验和性能检验。在检验预报路径时考察了平均距离误差、系统偏差、距离误差的地理分布和平均移速误差,并在总体检验的基础上,根据与热带气旋路径相关的重要因素（路径类型、强度、有无登陆过程以及有无移向或移速突变）进行了分类检验。结果表明,GT2.6表现出良好的预报性能,其对所有样本的24、48和72小时平均距离误差分别为135.8、230.7和336.0km,但前12小时距离误差较大（近100km）。用系统偏差订正GT2.6对转向类样本的预报路径可获得明显的改进。GT2.6对130°E以西区域特别是靠近我国东南沿海的热带气旋路径预报表现较好。GT2.6的总体平均预报移速在48小时内都比最佳路径移速偏快,初始的12小时内偏快最多（近1m·s^-1）,在48小时后转为偏慢。GT2.6和GT2.1的前48小时路径预报性能的稳定性相当,总体误差特征相似,GT2.6对所有样本的48小时预报有显著改进,平均距离误差减小17km。初步分析表明,对GT2.6的改进应主要集中在数值预报初始场的改进方面,比如在初始化过程中采用较准确的涡旋分离方案、加入引导向量改进初始移动以及适当考虑加入非对称Bogus涡旋;扩大预报区域,并适当选取预报区域起始位置等。     

动力降尺度和多物理参数化方案组合对华南前汛期降水集合预报的影响研究

针对华南前汛期降水过程,基于全球集合预报系统（GEFS）资料,利用WRF中尺度模式以及GEFS动力降尺度获取的区域集合预报初值场,通过多物理过程参数化方案组合和模式积分方法实现华南前汛期降水的区域集合预报。对2019年5月15日—6月15日共32天的华南前汛期降水过程进行了单一物理过程区域集合预报（REFS_SINGLE）和多物理过程区域集合预报（REFS_MULTI）的数值模拟批量敏感性试验,通过GEFS、REFS_SINGLE和REFS_MULTI的对比分析,探讨多物理过程参数化方案组合对华南前汛期降水的影响,同时利用一次华南前汛期暴雨过程进一步探讨集合预报试验的预报效果。结果表明:（1）REFS集合平均的预报效果明显好于控制性预报。（2）REFS降水集合离散度与预报误差的对应关系好于GEFS。（3）积分48小时后,REFS_MULTI和REFS_SINGLE的扰动能量分别是GEFS的4.7倍和6.3倍。（4）降水级别越大,REFS的TS评分效果就越好于GEFS;REFS_MULTI略微好于REFS_SINGLE。（5）基于32天的批量试验,REFS的AUC值有28天大于GEFS,REFS_MULTI有22天大于REFS_SINGLE,表明REFS的预报技巧好于GEFS,且REFS_MULTI的预报技巧好于REFS_SINGLE。