基于Parsivel天气现象仪资料的郑州“7·20”罕见特大暴雨微物理特征分析

基于2016-2018年ECMWF模式温度预报和浙江省72个国家基本站观测资料,根据温度日变化特征,采用K-近邻(KNN)回归算法进行误差订正,改进浙江省172 h精细化温度预报。在KNN回归算法中,将模式起报时刻的温度视作“背景”,由模式预报减去起报时刻温度消除“背景”影响,得到温度日变化曲线,通过温度日变化曲线构建差异指标,选取历史相似个例。根据历史相似个例的误差特征,对温度预报进行订正,得到改进的温度预报。检验结果表明,KNN方案的温度预报平均绝对误差较ECMWF和30 d滑动平均误差订正方案(OCF)的分别减小26.2%和5.2%;日最高和最低温度预报误差绝对值小于2℃,准确率较ECMWF的分别提高14.8%和4.3%,较OCF的分别提高3.0%和1.3%。KNN方案对地形复杂地区的温度预报改进效果更为明显,对冷空气活动和夏季高温等天气过程预报改善效果也较稳定。     

WRF模式2m温度在山东预报效果的评估

利用山东省内123个国家气象站2017年11月至2018年2月逐时观测地面温度对WRF模式08：00和20：00起报的2 m温度进行检验,评估了预报时效为72 h的逐时温度与日最低（高）温度的预报效果并初步分析了个别站点大值误差成因。结果表明：WRF模式08：00起报2 m温度的准确率要高于20：00起报,白天预报的效果优于夜晚;鲁西北和半岛地区的2 m预报温度的平均绝对误差总体低于鲁中和鲁南地区,全省大部分站点负误差比例高于正误差比例;WRF模式对于日最高温度的预报效果优于日最低温度;模式地形高度误差造成泰山站2 m预报温度正误差较大,基于两种温度梯度方案对泰山站2 m温度进行订正,订正后的平均绝对误差总体下降,利用单一的温度梯度在有的预报时刻出现负的订正效果,利用随预报时刻变化而变化的温度梯度在各预报时刻订正效果更为稳定;泰安站出现焚风时2 m预报温度有较大负误差,这主要是受WRF模式泰山站地形高度误差影响;WRF模式在微山湖区域土地类型与真实土地类型存在差异是薛城站夜间2 m温度负误差较大的重要因素之一。     

几种格点化温度滚动订正预报方案对比研究

为了快速获得更为精准的格点温度预报产品,使用国家信息中心高分辨率、高频次的温度格点多元融合产品和欧洲中期天气预报中心全球模式2 m温度预报场资料,采用8种误差订正方案进行滚动订正预报试验。选择2017年1月1日至2月28日和6月1日至7月31日两个时间段进行两次回报模拟试验,并对订正前后的预报结果进行格点和站点检验分析,结果表明:8种方案对模式直接输出的预报场有正技巧订作用,全格点滑动误差回归模型订正和全格点滑动双因子回归模型订正效果最优,两种方案都能使订正场的格点平均绝对误差在2℃以下,3、6和9 h的格点准确率均在0.9以上。全格点滑动误差回归模型的检验评分略微好于全格点滑动双因子回归模型,表明作为预报模型因子的起报时刻误差场比数值模式因子在短期订正中扮演着更为重要的角色。     

SCMOC温度精细化指导预报在陕西区域的质量检验

利用2012年陕西区域99站共366天北京时间08:00和20:00起报的SCMOC温度精细化指导预报与实况资料的比较,检验分析了定时温度、日最高气温和日最低气温的预报质量。结果表明:陕西区域SCMOC温度精细化指导预报08:00起报的准确率高于20:00起报的,且预报准确率有明显的季节变化,夏、秋季节较高,冬、春季节较低,日最高(低)气温的预报准确率与预报时效成反比。地形高度影响温度预报准确率,二者之间的相关系数通过了显著性检验。08:00起报的48h内逐3h气温多出现负误差,20:00起报的多出现正误差。08:00起报的日最高气温和20:00起报的日最高(低)气温多出现负误差,08:00起报的日最低气温多出现正误差。从对典型天气过程的温度预报质量检验来看,强冷空气影响下的降温天气过程的温度预报难度较大,预报准确率较其他天气类型偏低一些。     

华南区域模式在湖南省的2 m温度预报检验与订正研究

基于2019年8月至2020年7月华南区域模式（CMA-GD）预报和湖南97个国家站2m温度实况,开展了模式温度预报检验和逐步回归订正技术研究。结果表明,华南区域模式2m温度预报与实况变化趋势基本一致,预报偏差具有明显日变化,白天准确率下降、夜间升高,随着预报时效的延长,偏差增大;夏半年预报偏差大于冬半年;湘西预报效果优于湘东;00时起报的2m温度预报优于12时起报。基于华南区域模式预报产品,区分起报时次和季节的2m温度预报逐步回归订正预报效果较好,订正后预报相对于模式预报误差下降、准确率提高,有明显正技巧,对12时起报的模式预报效果改善更大,不同站点订正效果略有差异,对预报误差较大站点,订正效果明显。     

基于BJ-RUC模式预报产品的北京冬半年道面温度预报模型

选用2012年11月1日至2013年3月30日3 km分辨率BJ-RUC模式输出的气象要素与5个道面站数据(A1027,A1325,A1412,A1414,A1512)温度进行统计分析,按不同起报时次(08、14和05时)分别建立三类逐步回归统计模型预报未来24 h逐时道面温度,选出最优模型预报2013年11月至2014年3月道面温度。结果表明:道面温度与RUC输出的2 m温度、短波辐射显著相关,与长波辐射、湿度次相关;有显著气象因子参与的回归模型预报的道面温度好于仅加入前一天对应时刻道面温度的回归模型,预报准确度可提高25%以上,误差减少1℃以上;滚动筛选不同起报时次预报时段可将模型预报误差控制在±3℃以内,且预报早高峰温度好于晚高峰,白天好于夜间,晴天好于其他天气类型。     

高分辨率数值探空资料在呼和浩特地区暴雨预报中的应用分析

利用BJ-RUCV2.0数值模拟资料、呼和浩特站观测资料,借助2013年7月14—15日呼和浩特地区暴雨过程,对比了数值和观测两类探空资料的参量差异,分析了数值探空资料的预报性能,结果表明:(1)就露点温度预报而言,提前12h起报的数值探空预报效果更好,但每个起报时刻的数值资料都对整层大气预报略偏湿;(2)提前12h起报的数值探空资料所反映的逆温层位置和厚度最接近实况资料,对温度预报效果最好;(3)与观测探空资料相比,数值探空资料的不稳定能量偏强,这将导致模拟降水出现时间比实况要提前;(4)在对短时临近预报有指示意义的12h预报时效内,CAPE值08时起报的误差较小,K指数20时起报的预报误差较小。     

递减平均法对陕西SCMOC精细化温度预报的订正效果

利用递减平均法对2012—2013年陕西区域99站共731 d的SCMOC温度精细化指导预报进行误差订正,订正结果表明:该订正方法总体表现为正的订正效果,对08:00和20:00起报的定时温度、日最高温度以及08:00起报的日最低温度有明显的订正能力,在准确率偏低的预报时效内订正效果较好;对于48 h内逐3 h定时温度预报,在夜间的准确率高于白天,对应的"递减平均法"在白天的订正能力高于夜间;对于168 h内日最高(低)温度预报,随着预报时效的增加准确率降低,但是"递减平均法"的误差订正能力增强;"递减平均法"对48 h内逐3 h定时温度和24 h内日最低温度的订正能力在准确率偏低的月份偏强。     

BCC第二代气候预测模式系统对2015年一次寒潮过程的预报能力评估

利用BCC第二代气候预测模式系统(BCC_CSM2)的回报试验结果,评估了BCC_CSM2对2015年1月27—31日一次强寒潮过程的次季节预报能力,结果表明:(1)此次寒潮过程主要由新地岛以西的短波槽不断东移发展而形成的,模式能够提前10 d较好地预报过程期间降温以及高空环流形势,相关系数、距平符号一致率以及均方根误差都定量表明模式在10 d左右具有较好的预报能力,但是对降温程度的预报能力随起报时间的延长逐渐降低;(2)为了探讨随起报时间延长模式预报能力降低的原因,从位势倾向方程出发,分析相对涡度平流和温度平流随高度变化发现,在模式提前10 d之内的预报时段内,模式预报的相对涡度平流和温度平流随高度变化与再分析资料的诊断结果基本一致,能够合理预测短波槽的东移和槽脊的强度变化,当预报超过10 d后,模式中相对涡度平流的配置不利于短波槽的东移,模式预报的低层出现暖平流,并随高度增加而减小,不利于槽的加深,使模式预报的环流形势产生偏差,导致模式预报能力降低。     

全球大气环流模式BCC_AGCM2.0.1对1998年夏季江淮流域强降水过程的回报试验研究

利用中国气象局北京气候中心全球大气环流模式(BCC_AGCM2.0.1) 对1998年6月24日～7月3日发生在我国江淮流域的强降水天气过程进行了回报试验。模式起报时间为1998年6月24日00时, 使用前10天NCEP-II再分析逐时温度、涡度和散度场进行预报前初始协调 (spin-up) 积分, 产生模式初值, 预报时段为1998年6月24日～7月10日, 回报试验结果表明: 模式对全球500 hPa位势高度的天气尺度演变过程具有4～7天的可预报性; BCC_AGCM2.0.1模式对中国区域的降水以及大气环流场具有3～4天的可预报性, 6月24日起报后3天内的预报降水区域位置与实况一致, 但中心强度有所差异。对起报后未来2天的5 mm和10 mm以上的降水预报能力相对较强, ETS评分值达到了0.25以上, HK评分超过了0.4, 降水区域范围预报较为准确, BIA评分趋于1.0。模式对20 mm以上的降水也具有一定的可预报性, 但模式对大于30 mm以上强降水的预报能力较差。     

川西高原地区SCMOC温度精细化指导预报质量检验及影响因子分析

利用2014~2015年阿坝州13站共730天08:00和20:00起报的SCMOC温度精细化指导预报资料,对比实况日最高(低)气温,进行预报质量检验。结果表明:日最高(低)气温预报准确率与预报时效成反比,两个时次预报的最低气温准确率高于最高气温,且最低气温预报准确率有明显的季节变化。08:00起报的日最低气温多出现负误差,其余预报最高(低)气温多出现正误差。日最低气温预报绝对误差与海拔高度有关。24h最高(低)气温预报绝对误差>4℃样本分析表明,温度平流、大气稳定度与非绝热过程对温度的影响明显,造成气温偏差的主要原因是降水及冷空气影响范围和强度,冷、暖平流影响偏差,高空槽强度和移动偏差等几方面。     

KNN数据挖掘算法在北京地区霾等级预报中的应用

利用北京地区2013年气象数据以及PM2.5浓度数据与能见度数据进行对比分析,结果发现气温、气压、相对湿度、露点温度、地面U风、地面V风以及PM2.5小时浓度这7个要素是影响北京地区霾等级的关键因素。利用气温、地面气压、相对湿度、露点温度、U风、V风分量以及PM2.5浓度作为7个属性特征,以霾等级做为标志量构建训练样本集,结合KNN（K Nearest Neighbor）数据挖掘算法构建霾等级预报分类器,并开展霾等级客观识别实验。结果表明K=3时该分类器的分类预报效果最佳,其13个站点的分类准确率高达88.2%。基于该算法构建的KNN模型预报无霾时的漏报概率很小,准确率高达91.8%;预报有轻度霾、中度霾以及重度霾时,空报的概率仅分别为4.7%、1.4%和2.6%。2014年8月29日至9月2日北京地区一次霾天气过程的预报结果表明：南郊观象台、密云和延庆3站的预报准确率分别达到74%、64%和84%,但霾等级的精度方面还有待于进一步提高。     

基于深度学习的7~15 d温度格点预报偏差订正北大核心CSCD

为了提高模式对于7~15 d温度格点预报准确性,基于U-Net模型以及U-Net残差连接模型,采用2018年12月25日—2022年7月5日多种组合气象数据作为输入数据特征,针对TIGGE数据中心提供的全球集合预报CMA-GEPS 2 m气温控制预报,开展168~360 h时效的格点预报误差订正试验。结果表明:对于240 h预报时效,两种深度学习模型中,U-Net模型表现较好;对于不同输入数据特征,加入起报时刻ERA52 m气温产品的U-Net模型表现最佳,在多个预报时效上有较好的订正效果,均方根误差减小率为10%~25%,可有效改善模式对于15.75°~55.25°N,73°~136.5°E区域北部的蒙古高原、西部的青藏高原及部分山地的预报误差较大的不足;而加入CMA-GEPS控制预报10 m风预报产品后改进不明显。总体上,基于U-Net模型构建的模式格点预报偏差订正模型可有效降低7~15 d温度格点预报误差,进一步提升复杂地形下格点预报的准确性。     

快速更新循环同化系统的背景场误差协方差日变化特征研究及初步应用

目前多数快速更新循环同化系统在各分析时刻常使用固定的背景场误差协方差。为在快速更新循环同化系统中采用日变化的背景场误差协方差,基于RMAPS-ST系统分析了其夏季和冬季日变化背景场误差协方差特征,并进行了同化及预报对比试验。结果表明,该系统夏、冬两季的背景场误差协方差均呈现出明显的日变化特征,且夜间各变量(U、V、T、RH)的误差标准差与特征值均大于日间,反映模式系统夜间的预报误差大于日间;而夏季各变量误差标准差和特征值大于冬季,也说明系统在夏季的模式预报误差比冬季大;连续3 d的循环同化试验初步表明,采用日变化背景场误差协方差可以提高同化及预报效果。     

基于机器学习技术的黄山风景区及周围雷电临近预报方法

为探究影响山岳型景区雷电发展的关键因素，实时掌握黄山风景区及周围雷电发展趋势，采用多普勒天气雷达、气象探空、闪电定位等多种监测数据，根据雷电发生基本物理原理，从系统强度、旺盛程度和移动趋势3个方面提取雷达回波特征作为关键预报因子，基于多种机器学习算法建立了雷电临近预报模型，结果表明：随机森林（RF）、逻辑回归（LR）、K-临近（KNN）、贝叶斯（GNB）、支持向量机（SVM）5种机器学习算法均对雷电具有一定临近预报能力，RF的TS最高，SVM漏报率最低，LR空报率最低；在RF〖JP+1〗算法中雷暴系统强度和发展旺盛程度两类因子起主要作用，其中作用最大的是雷暴系统强度中-20 ℃层高度雷达基本反射率，其次是0 ℃层以上回波厚度。     

事件概率回归估计与降水等级预报

该文对比分析概率回归降水等级预报和回归降水等级预报的差异, 2007年秋季至2008年夏季全国平均检验结果表明:概率回归降水等级预报效果好于回归降水等级预报, 尤其是小雨预报, TS评分明显高于回归降水等级预报, 同预报偏差过大情况也有很大改善。进一步分析表明:回归降水等级预报方法在建立小雨预报方程的样本中, 少数较大降水量的样本方差占总方差的百分比过大, 导致预报方程中反映的预报量与预报因子的关系以少数大降水量样本为主, 是造成小雨预报空报过大的原因。与模式降水预报的对比分析表明:概率回归降水等级预报效果好于模式直接降水预报, 模式降水空报较大情况得到改善。     

贵州望谟河流域径流量的延伸期预报试验

由于极端天气事件导致灾害频发,为延长洪水预见期,以望谟河流域为例,利用DEM数字高程资料、土地利用数据、土壤数据、气象数据等驱动SWAT水文模型,对流域水文循环过程进行了模拟,并采用2016～2018年逐日和2010～2018年逐月望谟水文监测站实测径流数据进行了率定和验证。同时基于CFSv2模式,采用双线性插值法得到延伸期时段望谟站2019年6月1日起报的未来45d的降水预报产品,与实况数据作对比分析,并与SWAT模型耦合进行了延伸期时段的径流量耦合预报。结果表明:(1)望谟河流域日尺度模拟中,率定期确定系数R2和Nash-Sutcliffe系数NSE均为0.75,验证期R2=0.61,NSE=0.55,月尺度模拟中,率定期R2=0.85,NSE=0.81,验证期R2=0.80,NSE=0.74,无论日尺度或月尺度,百分比偏差PBIAS的绝对值均在5%以内,模拟效果较好,可满足应用要求;(2)以2019年6月1日为起报日得到的CFSv2未来10～45d降水数据,CFSv2降水预报过程与实况趋势总体一致,强降水过程时段偏差在1～3d左右,但日降水量级的预报值偏小,说明需对CFSv2模式产品进行系统误差订正。基于SWAT模型与CFSv2降水预报产品的径流量耦合预报在未来10～15d内的变化趋势与实测值一致,尤其在未来10d左右模拟趋势效果最好;(3)对比6月10～13日不同起报日的降水数据,4个起报时刻对于未来10d强降雨过程均有稳定的预报信号,以6月10日作为起报日的径流量耦合预报于提前10～20d效果较为稳定,但由于降水预报量级偏小,致使径流量的模拟量级也偏小。研究成果为延伸期时段水文气象耦合模式的洪水预报试验研究提供了参考。      

“7·20”华北强暴雨集合预报的中期预报转折和不确定性分析

中央气象台主观预报和数值模式对2016年7月20日华北强暴雨过程的中期预报出现了一定的误差,本文利用ECMWF(简称EC)集合预报和T639集合预报等资料对"7·20"华北强暴雨过程的中期预报效果进行了分析,结果发现:(1)EC集合预报在7月16日前后对降雨区及强度的预报出现了明显转折,其因是大尺度影响天气系统的预报发生了转折性变化,7月16日20:00起报的环流形势集合平均场对比15日20:00起报场显示,在河套地区附近500hPa低槽发展更深,其下游华北高压脊也更强,形成了移动缓慢"东高西低"的环流型,黄河气旋及中低层西南涡北抬加强,导致降雨预报更接近于实况;(2)集合敏感性分析发现对降雨中期预报敏感的区域与转折前后预报的环流差异的分布型一致,引起降雨预报转折的影响系统也是降雨中期预报不确定性的来源;(3)对于降雨预报最敏感的环流系统是黄河气旋,集合成员预报的黄河气旋偏西偏北,强度越强,则预报的京津冀地区降水量越大。     

最优子集回归在逐日分县预报中的应用

本文采用ECMWF北半球500 hPa高度、850 hPa温度和地面气压的分析场资料和预报场资料,运用最优子集回归方法,建立温江日均气温、日最高及最低气温预报模型,进行试报,并对预报结果进行了检验,其结果表明最优子集回归方法可以运用在逐日分县要素客观预报中,且PP法比MOS法预报效果好.     

最优子集回归在逐日分县预报中的应用

本文采用ECMWF北半球500hPa高度、850hPa温度和地面气压的分析场资料和预报场资料,运用最优子集回归方法,建立温江日均气温、日最高及最低气温预报模型,进行试报,并对预报结果进行了检验,其结果表明最优子集回归方法可以运用在逐日分县要素客观预报中,且PP法比MOS法预报效果好。