基于人工神经网络的暴雨预报方法探讨

探讨了基于人工神经网络模型的暴雨预报方法。该方法仿预报员的暴雨预报思路，在动力模式的降水预报产品、环流形势场和暴雨落区之间通过人工神经网络建立非线性的统计预报模型，该模型的输入是动力模式的降水预报和初始环流形势场的扩展正交分解主成份分量，输出是预报区域的暴雨落区预报。2000年的汛期试验表明该客观预报方法可明显改进数值预报模式的暴雨落区预报，因此可望在业务预报中有较好的应用前景。     

烟台市暴雨过程的数值预报产品分析检验

分析了日本数值预报产品对2003年5—8月烟台市暴雨过程的预报结果，发现当其预报未来24小时有20mm以上降水时，烟台市未来24小时出现降水可能性较大，可结合天气在线、T213等数值预报产品进行综合判断未来是否有暴雨出现；当烟台市当天已有大的降水时，而数值预报未来24小时有19mm以上降水时，易出现虚假的暴雨预报；对暴雨落区的预报，要仔细分析大尺度环流特征和要素场，并结合预报员的经验进行综合分析。     

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。     

地方模式对96.7暴雨预报水平的检验

该文分析了１９９６年７月２５—２８日暴雨特点和兰州中心气象台数值预报模式的预报能力。结果表明，该模式对区域性暴雨落区预报基本正确，降水中心吻合，但量级相差较大     

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。     

海河流域一次大到暴雨天气过程的预报分析

利用数值预报、常规天气图、各种物理量场、卫星云图、雷达资料等,对2005年7月22—24日影响海河流域的典型暴雨天气过程进行了综合分析。该过程是由高空槽、副热带高压边缘的暖湿气流和5号台风海棠减弱后的低气压云系的共同作用下产生的;其触发机制是冷空气从近地层楔入暖空气中,在高温高湿、层结不稳定等诸多有利条件下,冷空气前沿的上升气流在暖区激发出几个较旺盛的中小尺度的强对流云团造成此次的降水过程;数值预报在对流层中部冷平流入侵海河流域的时间和地点,对于强降水出现的时间和落区预报有一定的指示意义,日本模式和T213在此次海河流域强降水的落区预报上存在优势,德国模式在强降水量级的预报上最接近实况,但三家数值模式预报西太平洋副高西伸的位置不够准确,导致海河流域的降水预报的时空分布有一定误差。     

配料法在宁夏暴雨预报中的应用

选取2000—2015年发生在宁夏23次由深厚湿对流引起的区域性暴雨天气过程为研究对象,研究确定暴雨预报的配料方案,采用2016年6—8月宁夏25个常规站和947个自动站逐小时降水量、ECMWF 72 h内模式资料,从统计分析和个例剖析两方面探讨配料法暴雨预报效果,结果表明:(1)通过对比2016年6—8月ECMWF暴雨预报与配料法暴雨预报发现,不同预报时段,配料法暴雨预报均优于ECMWF暴雨预报;(2)配料法能准确预报所选两次暴雨个例降水的中心强度、落区及变化趋势,但强度和落区较实况偏强、偏大;(3)配料法对六盘山区暴雨过程弱降水预报效果较差,对贺兰山沿山暴雨过程存在降水空报。     

WRF模式2005年汛期在陕西应用与分析

对W RF模式在陕西2005年汛期试运行情况进行分析,发现模式对暴雨落区及降水强度和不同类型的降水预报结果比较理想,5 km模拟的降水落区和强度更接近实况,但预报时效相对较短;15 km模拟结果具有较长的预报时效,对强降水过程预报结果较好,一般可达36~48 h。利用每6 h模拟降水输出结果,可判断出强降水发生时段。模式可作为未来客观预报陕西转折性天气和暴雨天气的一种新技术工具。     

河南短时暴雨落区预报系统

“河南短时暴雨落区预报系统”是利用雷达和卫星云图资料建立的短时暴雨落区预报系统。系统建立在雷达资料定量测量降水估测区域降水量和利用云图资料估测暴雨落区的基础上，并使用现有的地面资料，制作1h和3h短时暴雨落区预报。     

数值模式在遂宁区域暴雨过程中的检验评估

利用ECMWF细网格、GRAPES＿GFS、GRAPES＿MESO、SWC＿WARM四种数值模式降水资料,以及四川省气象台智能网格格点降水预报产品,对遂宁地区2020年7月发生的六次区域性暴雨天气过程进行了24h时效检验分析。结果表明：四种数值预报模式对遂宁地区的降水预报均有较大偏差,预报值普遍偏小1～2个量级;SWC＿WARM针对暖区暴雨的落区预报具有较好的指示意义;在锋面降水过程中,ECMWF细网格模式的参考价值更大;而GRAPES＿GFS和GRAPES＿MESO的偏差最大,对暴雨的指示性较差;四川省气象台的智能网格降水预报产品对暴雨预报有一定的指导作用,但还需要本地预报员对落区和量级进行进一步订正。     

AREM数值模式对2005年汛期四川的降水预报

应用中国科学院大气物理研究所的AREM模式，对2005年汛期四川进行了实时降水预报。结果表明：（1）AREM预报性能略好于成都区域中心业务运行模式ETA模式，对大雨和暴雨的TS评分，AREM略高于T213预报。（2）从梯度评分看，高度、温度、涡度等要素均为可预报，而地面温度、整层水汽含量和整层水汽通量散度可预报性较低。（3）AREM对5次区域性暴雨有较好的反映，但与实况还存在一定的差异，AREM降水强度预报较实况偏弱。     

近50a黑龙江省暴雨的气候特征

本文对1961~2008年黑龙江省暴雨、区域暴雨的时空分布特征及极值分布特征等进行了总结分析,得出以下结论：黑龙江省的暴雨主要集中在7～8月,暴雨发生频率最高的是7月下旬;黑龙江省区域性暴雨较少,以局地暴雨为主,但都具有4 a左右的年际尺度周期变化;在总暴雨日数偏多的年代,区域性暴雨占的比例也偏大;暴雨集中区主要在齐齐哈尔西部、黑龙江省的中部（哈尔滨、绥化东北部、伊春南部、鹤岗西部、佳木斯西部）和佳木斯的东部3个区域。不同的年代暴雨大值区域差异较大。     

2013年四川盆地持续性特大暴雨过程对比分析

利用NCEP1°×1°再分析资料和地面加密自动站资料,采用动力诊断分析方法,对造成盆地连续出现突破气象历史记录的暴雨洪涝灾害的6月18~20日川西大暴雨、6月29日~7月2日持续性特大暴雨和7月8~11日川西持续性特大暴雨过程进行对比分析,对暴雨过程的形成机制进行探讨,得出以下结论：盆地持续性暴雨具有东高西低的环流形势,大尺度环流背景的稳定少动,以及中尺度影响系统的稳定维持或发展,是形成持续性暴雨的关键之一;低空急流的长时间维持是暴雨持续时间的原因之二;在持续性暴雨天气过程中,中层能量条件的维持是一个重要的关注点;持续性暴雨过程中,对流持续发展的关键之一是长时间存在着强盛的垂直上升气流;冷空气的参与为暴雨的持续发生也有一定的作用。     

三种数值模式对四川省汛期降水预报性能的检验

应用国家基本观测站资料,基于MET系统的客观统计检验方法,针对24h降水分别评估SWCWARMS模式、GRAPES模式和ECMWF模式对2017～2019年5～10月四川地区汛期预报能力,得到如下几点结论:(1)SWCWARMS模式小到大暴雨降水范围大于实况,GRAPES模式小到暴雨降水范围大于实况、大暴雨多漏报,ECMWF模式小雨和中雨降水范围大于实况、大到大暴雨多漏报,三个模式无降水或微量降水均少于实况。(2)ECMWF模式对四川雨季小到大雨预报能力优于SWCWARMS和GRAPES模式,SWCWARMS模式在部分时次上暴雨和大暴雨预报优于ECMWF模式,GRAPES模式TS评分略偏低。(3)GRAPES模式在2018年秋季开始中雨及以上量级降水预报上改善大于SWCWARMS和ECMWF模式,SWCWARMS模式2019年空报较2017年和2018年显著降低;3个模式在小雨和中雨预报上不相上下,GRAPES模式优势在2019年大雨和暴雨预报上,ECMWF模式优势在2017年秋季和2018年初夏大雨预报上,SWCWARMS模式大雨和暴雨预报能力介于二者之间。(4)ECMWF和SWCWARMS模式川东预报优于川西,GRAPES模式川西预报优于川东;三个模式存在不同程度空报,川东地区空报略多于川西,其中ECMWF模式空报最多。      

Extended Range(10–30 Days) Heavy Rain Forecasting Study Based on a Nonlinear Cross-Prediction Error Model

Extended range(10–30 d) heavy rain forecasting is difficult but performs an important function in disaster prevention and mitigation. In this paper,a nonlinear cross prediction error(NCPE) algorithm that combines nonlinear dynamics and statistical methods is proposed. The method is based on phase space reconstruction of chaotic single-variable time series of precipitable water and is tested in 100 global cases of heavy rain. First,nonlinear relative dynamic error for local attractor pairs is calculated at different stages of the heavy rain process,after which the local change characteristics of the attractors are analyzed. Second,the eigen-peak is defined as a prediction indicator based on an error threshold of about 1.5,and is then used to analyze the forecasting validity period. The results reveal that the prediction indicator features regarded as eigenpeaks for heavy rain extreme weather are all reflected consistently,without failure,based on the NCPE model; the prediction validity periods for 1–2 d,3–9 d and 10–30 d are 4,22 and 74 cases,respectively,without false alarm or omission. The NCPE model developed allows accurate forecasting of heavy rain over an extended range of 10–30 d and has the potential to be used to explore the mechanisms involved in the development of heavy rain according to a segmentation scale. This novel method provides new insights into extended range forecasting and atmospheric predictability,and also allows the creation of multi-variable chaotic extreme weather prediction models based on high spatiotemporal resolution data.     

两次高原涡与西南涡作用下的暴雨过程对比分析

利用FY-2D卫星TBB资料、NCEP1°×1°再分析资料和地面自动站观测资料,对2008年7月20~22日和2012年7月20~22日两次由高原涡和西南涡相互作用,造成四川暴雨过程进行对比分析,结果表明:(1)强降雨落区与引导高原涡移动的高空槽有密切关系,高空槽的移动和变化大致决定了强降雨的落区。(2)造成两次暴雨过程的对流云团生成和发展虽然有一定的差异,但最终会发展合并形成一个MCC;并且强降雨位于对流云团TBB最大梯度区,一般靠近亮云核,并在亮云核的西北部。(3)两次暴雨过程期间,均有低层辐合高层辐散,对应着强的涡度和强的上升运动,并且散度、涡度和垂直速度都是增大的。(4)两次暴雨过程期间水汽来源存在着差异,但水汽是逐渐增强的,并且水汽辐合中心与强降雨落区相对应。     

一次“梅中返春”稳定性持续暴雨过程的预报失误分析

使用NCEP-FNL资料对杭州湾一次稳定性持续暴雨过程进行分析,发现冷暖气流在浙江不断交绥形成持续降雨,低层冷空气和东南暖湿气流的不断增强,使大气斜压扰动发展,锋区降雨增强,暴雨发生。此次过程,由于数值模式预报出现偏差而导致杭州湾24h大雨、暴雨预报出现较大失误。检验结果,GFS模式36h预报时效内对冷暖系统预报较好,但对低层锋区的风场预报有偏差,从而对中低层辐合、水平锋生和水汽输送产生影响,大雨、暴雨落区出现偏差。另外,模式对杭州湾南岸冷空气影响预报偏弱也是暴雨漏报的一个重要因素。稳定性降雨预报中,预报员需重视模式在预报临近时刻的调整,根据实况监测和雨带的移动、演变对冷暖气流影响作甄别,从而及时调整降雨落区和影响时间,对预报做出有益修正。     

回归诊断在梅雨期大到暴雨预报中的应用

应用回归诊断方法分析发现，梅汛期大到暴雨回归预报模型的残差分布存在着不对称现象，这种不对称现象是由高杠杆点所引起。这些高杠杆试验点的残差存在着统计天气预报意义上的不合理性，导致了回归系数LS估计的误差，从而又引起暴雨预报的误差。针对这些问题提出了大到暴雨的回归诊断预报模型。实例计算说明，回归诊断预报模型要优于常规回归预报模型。进一步分析指出，梅汛期大到暴雨回归预报模型的不合理性并非个别例子的特殊性所造成，而是由模型的数学特点所决定，因此大到暴雨的回归诊断预报模型具有普遍意义。大量的试验和多年的业务应用表明，回归诊断对提高大到暴雨预报准确率具有明显的效果。     

基于“配料法”的东北冷涡暴雨预报研究

利用1961—2014年中国东北地区200个气象站逐日降水资料以及NCEP/NCAR再分析资料,研究了东北冷涡暴雨的气候特征,分析了低空急流、切变对冷涡暴雨的影响;诊断分析了可表征冷涡暴雨过程中水汽条件、动力条件、热力不稳定条件的比湿、水汽通量、水汽通量散度、散度、垂直速度、K指数等物理参数,研究了东北冷涡暴雨发生时上述各物理参数需要达到的阈值指标,利用研究的物理参数阈值指标以及低空急流和切变等配料因子构建了东北冷涡暴雨的"配料法"预报模型,结合ECMWF模式和T639模式数值预报产品将"配料法"暴雨预报模型进行了业务化应用试验及效果评估。结果表明,东北冷涡有66%会产生暴雨,冷涡暴雨多发生在7—8月;低空急流和切变对冷涡暴雨有触发作用,91.2%的冷涡暴雨发生时对流层低层存在急流或切变;基于"配料法"的冷涡暴雨预报TS评分比ECMWF模式和T639模式暴雨预报评分提高了7.4%和11.1%,且明显减少了暴雨的漏报率。     

一次致雹强风暴的多普勒雷达特征分析

利用NCEP再分析资料和北京、天津的多普勒天气雷达产品对2007年7月9日华北中部地区一次伴有短时暴雨、局地冰雹和短时大风等强对流天气过程进行分析研究。分析表明,此次天气过程发生前高空转为前倾槽,并具有较强的不稳定层结;近地层的风切变线是雷暴生成的条件。物理量诊断分析表明：降水前水汽辐合区已从近地层扩展到850 hPa,但比较浅薄;低层辐合、高层辐散的配置加强了垂直上升运动;强对流天气发生区域处于垂直上升运动最强的区域内。多普勒天气雷达产品分析表明：致雹风暴具有中气旋特征和类似强降水超级单体的性质;路径预报的准确率与雷暴的总数目和移动异向性有关,雷暴的实际移向角度与雷达的路径预报相比存在明显偏差,总体偏差在29～67°之间,但路径预报产品仍对天气预报具有一定指示性;风廓线产品中3-7 km高度内垂直风切变矢量随高度呈顺时针旋转,在这种有利的条件下风暴有可能发展成强降水超级单体。