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。     

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。     

华东区域模式对河南“7·19”特大暴雨的数值检验与分析

采用9 km分辨率的华东区域模式预报产品,对2016年7月19日发生在河南省的极端暴雨过程进行天气学检验与分析,结果表明:1)华东区域模式提前60 h对本次暴雨过程做出了较好预报,能反映出该暴雨过程的降水中心、强度及强降水发生时段。对临近时效和极端暴雨中心极值,该区域模式表现出优于全球模式的预报能力。2)华东区域模式能较好预报出本次过程中对流层中低层主要影响系统,但对系统位置、强度和移速预报与实况的差异导致了降水落区预报的偏差;西南急流预报较实况偏强是导致豫东南暴雨区空报的原因之一。3)华东区域模式对暴雨发生前K指数分布及不稳定层结有较好预报,对暴雨预报业务有重要指示意义。4)模式能较好地刻画出地面辐合线及气旋位置。     

GRAPES-GFS模式暴雨预报天气学检验特征

本文采用天气学检验方法,对2016年度国家气象中心GRAPES全球数值预报系统(GRAPES-GFS)业务预报暴雨过程及2013-2015年部分回算个例进行了检验,并结合对比欧洲中期天气预报中心确定性预报模式(EC模式)和国家气象中心全球谱模式T639L60(T639模式)降水预报,梳理总结业务GRAPES-GFS模式预报性能优势和系统性偏差特征。被检验暴雨过程共38次,其中南方暴雨过程20次,北方暴雨过程6次,热带扰动或台风降水过程12次。依靠预报员主观天气学检验分析,从降水预报效果检验出发,结合主要影响天气系统和示踪物理量检验,梳理总结模式预报系统性偏差,以期全面发掘该业务预报模式性能。结果表明对短期时效内的降水预报,GRAPES-GFS模式预报稳定性较好,整体明显优于T639模式。但还存在诸如对对流性降水预报较实况偏北或对主雨带南侧暖区降水预报不足的偏差特征;另对弱高空波动背景下的对流性降水预报偏弱;而在降水预报强度大致正确的情况下,对降水系统南侧偏南气流控制区域预报湿度偏大,对副热带地区的低涡系统预报偏强。     

一种定量降水预报误差检验技术及其应用

面向对象检验技术是定量降水预报误差分析方法之一,通过对某一降水过程进行分离,实现对其落区、量级等预报误差的定量化分析。基于面向对象的检验方法和天气系统识别技术,本文利用实况观测资料、ECMWF全球数值模式产品,以2012年汛期西南地区5个典型强降水天气过程作为检验对象,对其降水及天气尺度影响系统1～10 d模式预报误差进行了定量化分析。分析表明:在中短期时效内,模式均对西南地区雨带位置预报偏北、偏西,中期时效内偏差更显著,雨带主轴上70%以上的点预报较实况偏北在2°以内,偏西约3°以内;预报的大雨及以上量级降水量较实况偏弱;模式1～2 d预报的极值分布与实况较为接近,随着预报时效延长,预报的极值较实况明显偏小;模式预报的小雨及以下量级的降水范围较实况偏大,对大雨以上量级的降水范围较实况明显偏小。对于四川盆地而言,预报的切变线较零场偏西0.5°～3°。低空急流预报偏西0.5°～1.5°;低空急流强度预报偏差具有季节差异。     

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。     

基于降水目标的主雨带识别及预报误差空间检验

利用2014—2018年4—6月福建省及周边地区实测降水量和ECMWF模式降水量预报产品资料,采用目标识别方法,设定降水量阈值α,选取合适的特征尺度D₀和邻近度阈值β,分别识别实况降水场的主雨带和预报降水场的所有雨带,并选取匹配度阈值进行目标配对,确定与实况降水场主雨带最匹配的预报降水场主雨带。改进SAL空间检验方法,将模式主雨带预报误差用主雨带的强度（指降水极值和降水量阈值）、位置（指重心点位置）、形态（指主轴、次轴特征长度和轴向角度）属性的预报误差来表示。结果表明：预报主雨带的降水极值比实况小,但降水量阈值比实况大;预报主雨带的重心点位置与实况相比,4月偏西、偏南,5月、6月偏西、偏北,预报主雨带的重心位置多是滞后于实况,位于实况主雨带的上游;主雨带大都呈窄长带状分布,预报主雨带比实况更窄长,且预报时效越长越窄长。预报主雨带轴向角度比实况略小,总体均呈东偏北走向。以上分析结果可为模式主雨带预报误差的订正提供依据。     

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。     

天气学检验在东北区域数值模式秋冬季降水预报中的应用

根据影响天气系统不同,利用2007年9月－2008年2月东北区域中尺度数值模式12h累积降水预报和东北地区常规站降水实况资料,采用天气学检验方法,从降水中心强度、中心位置、降水主体强度、落区、范围和移速6个方面对东北区域中尺度模式降水预报产品的预报性能进行检验。结果表明：模式对东北地区秋、冬季降水有很好的预报能力,但因天气系统和预报时效不同其预报能力也有较大差异,其中对高空槽预报效果最好;一般情况下,在预报出现偏差时中心和主体强度易偏强,雨带范围易偏大,移速易偏慢。     

2021年攀西地区精细化预报与数值模式小时降水检验

基于精细化预报（GDDZ）和CMA-MESO、西南区域模式（SWC）两家高分辨率模式的小时降水预报,从TS（Threat Score）评分、小时降水频次、小时降水强度、峰值时间等方面,对2021年汛期攀西地区16次降水过程进行小时尺度的检验。结果表明:（1）从逐时降水来看,在晴雨（0.1 mm）TS评分中,GDDZ在00~11时表现较优,CMA-MESO模式在12~23时表现较优;在大雨（7 mm）和暴雨（15 mm）TS评分中,CMA-MESO模式表现较优。（2）从小时降水频次来看,SWC模式预报的降水发生频次空间分布与实况更为接近;从小时降水强度来看,GDDZ预报的降水强度与实况更为接近。（3）从降水量峰值时间来看,GDDZ与实况更为接近;从小时降水强度峰值和降雨频率峰值时间来看,CMA-MESO模式预报与实况更为接近。      

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

1960-2011年辽宁省大暴雨时空分布特征

利用1960-2011年辽宁省61个国家气象站地面20-20时降水及逐小时降水观测资料,统计分析辽宁大暴雨时空分布特征。结果表明：辽宁省年平均大暴雨日数为6.5 d,年平均影响范围为17.5站次,两个大暴雨多发区分别位于辽宁东南部和南至西南沿海地区。辽宁东南部大暴雨多发区由于受台风、江淮气旋、华北气旋和蒙古气旋等多种系统及地形影响,易出现区域性和局地性大暴雨,大暴雨发生次数较多,降水量变化较大;降水量和降雨强度极值均较大,大暴雨中心出现在凤城,降雨强度最大达212 mm/h^-1。南至西南沿海大暴雨多发区易受台风和华北气旋及地形影响,以区域性大暴雨为主,降水量和降雨强度极值也较大,但最大降水量和降雨强度极值均与大暴雨日数的中心不一致。区域性大暴雨的降水量极值对大暴雨降水量极值的贡献最大。大暴雨平均降雨强度的逐时变化呈单峰型分布,08时降雨强度达最强,20时降雨强度最弱。辽宁省大暴雨日集中出现在7月下旬至8月上旬,8月大暴雨日略多于7 月。最早和最晚区域性大暴雨均是受江淮气旋影响,并出现在辽宁省南部地区。大暴雨日数具有明显的周期变化,主要年代际变化周期为10 a。区域性和局地性大暴雨主要周期分别为36 a和10 a。预计未来6 a辽宁省仍处于大暴雨较多的阶段,并可能多以局地性大暴雨的形式出现。     

江西省中小水电智慧气象服务技术研究及应用效果检验

基于高精度DEM及水系数据的流域集雨区划分,研究了江西省中小水电站集雨区划定技术方法;通过对水库集雨区上降水预报和观测站点的实况两者对比分析,建立了基于库区的多模式本地化水库面雨量预报方法;通过模式参数化率定方法以及雨洪耦合来水量预报方法的研究,建立了水库来水量预报模型.利用2007—2020年水文数据以及降水实况和模式数据,检验了七一水库2020年逐7 d面雨量预报效果.检验结果表明,面雨量预报模型在0—3 d的平均预报准确率为70.1％;中雨和大雨量级的降水预报准确率分别为30.7％和28.3％,暴雨、大暴雨预报具有一定的指示意义;改进后的流量模拟效果进一步提升,强降水过程的流量预报效果明显改善.     

基于T639集合预报的持续性强降水中期客观预报技术研究

针对持续性强降水预报困难的问题,根据Anderson-Darling检验原理,构建基于中国气象局T639集合预报系统的持续性强降水中期客观预报方法。对比分析2010-2015年5-9月T639集合预报降水与实况降水的累积概率分布函数差异,在此基础上采用扩展时间序列和空间范围的方法构建3种模式气候累积概率方案,通过批量预报试验和检验,选取最优概率方案纳入预报模型,考察持续性强降水个例的最长预报时间。结果表明,随着预报时效的延长,集合预报模式的降水逐渐集中于小和中雨量级,无降水和暴雨以上量级的降水概率低于观测,168 h以后模式降水概率趋于稳定。通过扩展时间序列和空间范围能弥补模式气候资料年限不足所带来的偏差,根据区域气候特征细分模式气候的方法重点突出了不同区域的降水特征,明显优于简单集合所有区域数据的模式气候方案。基于集合预报的持续性强降水预报模型对持续性强降水个例的预报能力为8-9 d,随着预报时效的延长,降水强度以及雨带位置的预报能力逐渐减弱。      

2004年主汛期各数值预报模式定量降水预报评估

随着数值预报技术的飞速发展, 模式定量降水预报已成为天气预报业务工作中的主要参考依据。本文对目前在国家气象中心应用的3个业务运行模式T213L31, HLAFS0.25, 华北中尺度模式MM5和德国模式及日本模式的降水预报产品进行了季节空间分布、区域时间序列演变及统计检验, 试图从空间、时间及统计方面对降水预报产品的预报性能进行综合评估。检验结果表明:目前的数值预报模式对短期时效内定量降水预报均具有一定的空间预报能力, 但强降水中心位置有一定的偏差; 从时间序列演变检验来看, 模式对区域强降水过程的发展趋势具有较强的预报能力, 但降水量预报与实况有一定的差距; 从累加统计评分检验结果来看, 模式短期时效的预报性能差别不大, 全球模式在小中雨预报方面有一定优势, 其中日本模式的综合预报性能最好, 大雨以上量级的预报则是国内的模式有一定的优势, 其中华北中尺度MM5模式, T213L31模式各有所长, 但均存在预报量和预报区偏大问题。     

川东平行岭谷对四川盆地暴雨影响的数值试验

利用地面自动站观测和NCEP/NCAR再分析资料,对2014年8月8～9日四川盆地区域暴雨过程进行分析,利用WRFV4.0模式开展了数值模拟研究,在模拟结果和实况较为吻合的情况下,通过地形敏感性试验,分析了川东平行岭谷对暴雨落区和强度的影响。研究表明:本次暴雨过程发生在西太平洋副热带高压被热带气旋切断的形势背景下,由高空槽稳定维持所造成,WRF模式控制试验能够较好的重现此次暴雨过程。川东平行岭谷对降水的落区和强度有较大影响,升高的川东平行岭谷使盆地中部到北部的雨带西移,使盆地西部降水量增加、北部降水量减少。进一步研究表明,升高后的川东平行岭谷通过地形辐合和强迫抬升改变四川盆地700hPa环流形势及850hPa的水汽辐合分布,从而影响四川盆地降水落区和强度,其对850hPa环流形势的影响较小。