国家级强对流天气分类预报检验分析

预报产品的客观检验是记录、考量各种预报业务质量,促进预报水平提高的重要手段,也是整个天气预报过程中的重要环节。本文采用"点对面"Threat Score(TS)、漏报率、空报率等客观指标首次对2010—2015年4—9月国家级强对流天气预报中雷暴、短时强降雨以及雷暴大风和冰雹等分类预报进行了检验。同时,本文也对强对流天气落区分类预报客观检验存在的问题以及未来发展进行了讨论。检验结果表明:过去6年间,6~24 h时效预报,雷暴TS评分为0.22~0.34,短时强降水为0.18~0.24,雷暴大风和冰雹为0.01~0.07;48、72 h时效预报、雷暴TS评分为0.30~0.40,强对流天气TS评分为0.16~0.23,除雷暴预报TS评分在2012—2013年有所回落外,其他类别的强对流天气预报总体上TS评分呈上升趋势,雷暴大风和冰雹预报评分明显低于其他两个类别。雷暴空报率是漏报率的2~3倍,短时强降水漏报率与空报率接近,雷暴大风和冰雹天气漏报率和空报率都在0.8以上。与美国风暴预报中心(SPC)2000—2010年定期发布的1 d对流展望产品检验结果比较,强天气预报中心雷暴和短时强降水落区预报TS评分较高,雷暴大风和冰雹评分较低。典型个例预报检验结果表明,系统性大范围的风雹天气可预报性较强,评分要显著高于平均预报水平;对于非过程性的、分散的风雹天气,预报难度大,TS评分低。     

太原雷暴大风潜势预报方法研究

利用太原市7个国家观测站实况、探空以及MICAPS等资料，对1998—2018年5—9月太原的雷暴大风进行天气学分型，选取雷暴大风的消空因子以及不同天气型下的预报因子并确定其阈值，利用指标叠套法，建立雷暴大风潜势预报方法，并进行预报检验。结果表明：(1)选取700 hPa温度露点差、850 hPa与500 hPa的温差、条件性稳定度指数和混合相层4个环境参数作为消空因子并确定了消空阈值。（2）将雷暴大风分为高空槽型、冷涡型、切变线型、西北气流型和副高边缘型5类，选取了5类天气型下雷暴大风的预报因子，利用指标叠套法，建立了太原雷暴大风潜势预报方法。(3)运用雷暴大风潜势预报方法开展历史样本回报检验和2019-2020年试预报检验，取得了较好的预报效果。     

沈阳地区强对流天气潜势预报环境参数特征分析

利用常规探空观测和WRF分析场等资料,分析了2005—2014年沈阳地区强对流天气的气候背景特征、演变规律及日变化特征等,将强对流天气划分为冰雹、雷暴大风(≥17.2 m·s-1)、短时强降水(≥20 mm·h-1)和混合型4种类型;并分析探空资料在强对流天气潜势预报中的作用,着重探讨14时(02时)探空资料对沈阳地区强对流天气短时临近潜势预报的作用。结果表明:2005—2014年沈阳地区4种强对流天气中,以短时强降水天气发生次数最多,其次为雷暴大风天气,冰雹天气的发生次数最少,多数强对流天气发生在午后至傍晚。由合成T-Log P图的温湿廓线可知,沈阳地区短时强降水天气发生时中低层存在显著湿区,与雷暴大风和冰雹为主的强对流天气温湿廓线明显不同,多数合成T-Log P图的显著特点为中层大气干燥。冰雹型强对流天气的0℃层和-20℃层高度明显低于其他强对流天气类型的高度;冰雹型强对流天气T700-T500和T850-T500显著大于短时强降水型及雷暴大风型强对流天气,且T850-T500的指示意义更好;4种强对流天气类型平均SI均出现了正值,说明SI失去了不稳定性的指示意义;短时强降水天气的K指数明显高于冰雹天气;雷暴大风天气发生时对流有效位能明显小于其他强对流天气类型。可见,WRF中尺度模式中的T-Log P预报图对沈阳地区强对流天气的预报具有一定的指导意义。     

基于NCEP/GFS资料的中国东部地区雷暴预报研究

基于来自美国国家环境预测中心(NCEP)的GFS(Global Forecasting System)分析及预报场资料,将多个能够表征雷暴发生动力、热力环境的对流因子作为预报因子,通过费希尔判别准则及逐个引入因子法,建立集合多个对流参数的雷暴预报模型,从而进行较长时效(12—24 h)的区域性雷暴预报。依据临界成功指数(CSI)最高的原则,建立最优预报模型,不同地区所选用的对流参数不同,雷暴模型预报雷暴发生与否的临界值也不同,从而不仅能够得到较好的集合多个对流参数的雷暴区域性预报,还能充分考虑不同地区雷暴发生的地域性特点和气候背景。将建立的预报方法应用于2012年6和9月的两次强对流过程的预报,发现雷暴预报模型较好地预报出两次过程的雷暴落区。进一步,为了能够在强天气预报中客观有效地区分出雷暴与暴雨区,引入集合动力因子暴雨预报方法。集合动力因子暴雨预报方法在诊断和追踪强降水的发展演变中表现凸出,而集合对流参数雷暴预报方法则对包含短时强降水、冰雹、大风等在内的对流性天气有较好反映,综合两套预报方法各自的优势,建立了集成动力因子-对流参数强天气预报方法,用于降水和雷暴的预报,同时对雷暴加降水型、雷暴无降水型、降水无雷暴型等强天气进行区分预报。对中国多个典型城市的预报效果分析发现,该方法不仅能够较好地预报出较长时效(24 h)的雷暴和降水落区,对区分降水雷暴、无降水雷暴和无雷暴降水也表现出一定的能力。     

安溪雷暴24h潜势预报模型研究

利用安溪县国家气象站2004年至2015年的雷暴观测资料，分析了安溪县雷暴的气候特征及环境背景分类。并根据雷暴活动特征及雷暴天气产生的环境场条件，诊断和分析T639数值模式输出产品与雷暴观测资料的相关性，对41个相关因子做显著性检验，挑选相关性较好的9个因子做分析。对9个预报因子进行0,1化处理并进行逐步回归，最后选取850hPa垂直速度、850hpa假相当位温、700hPa温度、K指数、850hPa比湿等5个因子，建立雷暴潜势预报方程。利用2015年至2017年T639模式资料进行回代分析评估，发现当雷暴概率预报Y值>0.6时，雷暴预报准确率最高，达85.60%，且漏报率、空报率很低。再以2018年T639数值模式资料对雷暴潜势概率进行计算评估，准确率为83.84%，漏报率为5.75%，空报率为10.41%。由此可见，基于T639数值产品的雷暴潜势方程可以为安溪县雷暴天气的预警预报和防雷减灾服务提供客观的参考和依据。     

丰都县强对流天气特征分析

该文利用2005-2014年丰都县地面天气、探空数据、NCEP 1°×1°FNL再分析资料等,对丰都地区冰雹、雷暴大风、短时强降水这3类强对流天气特征进行统计分析,得出这3类强对流天气的时空分布特征,并从天气个例出发,利用实况资料对强对流天气的差异进行分析,为强对流天气的预警预报提供参考。得到如下结果:短时强降水通常出现在5-9月,大风通常出现在5—8月,冰雹通常出现南部的七跃山脉和北部的蒋家山和黄草山脉附近~([1]),2005—2014年间共出现了7次,3—8月均有发生。通过计算3种强对流天气环境场参量,归纳出3种物理量参数的差异:大气可降水量、AT500-T850,K指数、抬升指数(LI)、相对湿度、散度场分布等在冰雹、短时强降水和大风天气中有明显的差异,冰雹和短时强降水的AT500-T850相差了近5℃,大风天气的值介于冰雹和短时强降水之间。大气可降水量分布上,短时强降水的大气可降水量(PW)平均值为58 mm,比冰雹值大约多了10 mm,比大风值多了14 mm。短时强降水出现时几乎整层都是处于饱和的状态,冰雹和大风天气几乎只在中低层有较饱和的水汽,而高层的相对湿度平均值在40%～50%左右。对流指数方面,K指数和LI指数都很好的指示了强对流天气的发生,K指数在短时强降水发生时其平均值在39.8℃左右,较冰雹和大风分别高1.6℃和3℃。短时强降水出现环流位置大多位于600 hPa以下,而冰雹则在300 hPa左右,大风在400 hPa左右。     

梧州副高边缘午后局地性短时雷暴大风潜势预报初步

对2007年5~9月当梧州处于500hPa副热带高压边缘时午后出现的多次短时雷暴大风天气进行分析,利用的地面、探空资料和T-lnP图,初步做出梧州处于副热带高压边缘时午后易出现短时雷暴大风潜势预报的预报指标。     

基于探空数据集成学习的短时强降水预报试验

使用2015—2019年6—9月08:00（北京时）我国119个探空站的大气层结和对流参数作为特征参数,基于XGBoost集成学习方法,建立短时强降水事件预报模型。同时,提出一种面向高影响天气的模型优化思路,通过使用分段权重损失函数,进行模型调优,在空报率不超过一定阈值的情况下,可提升模型预报的命中率和TS评分。设计分段权重损失函数权重敏感性试验和损失函数对比试验,选取7个区域中心探空站对比分析模型优化方法的有效性和泛化性。利用2019年6—9月全国探空数据针对短时强降水预报开展批量独立检验和个例分析,结果表明:改进后的预报模型TS评分提高0.05~0.1,命中率提高0.15以上,空报率提高0.05~0.1,表现出明显的“宁空勿漏”预报倾向,模型预报能力得到明显提升;在全国短时强降水预报试验中,预报模型命中率为0.65,空报率为0.37,漏报率为0.34,TS评分为0.47,说明该模型对短时强降水天气具有一定预报能力。     

梧州副高边缘午后局地性短时雷暴大风潜势预报初步

通过对2007年5～9月当梧州处于500hPa副热带高压边缘(本站500hPa高度≥585gdpm)时午后出现的多次短时雷暴大风天气进行分析,利用本站的地面、探空资料和T-lnP图,初步做出梧州处于副热带高压边缘时午后易出现短时雷暴大风潜势预报的预报指标.     

逐步消空法在上海雷电潜势预报中的应用

利用上海地区1999--2007年的探空资料、地面观测资料和历史天气图资料,从雷暴发生的形势场入手,分析上海地区雷暴主要类型.选取合理、适当的对流参数对于短时局地强雷雨天气的潜势预测、强度判别是有指示意义的.利用天气型、K指数、沙氏指数以及对流有效位能作为预报因子,采用逐步消空法找出雷暴识别指标集合,变小概率事件为条件概率下的大概率事件,进而提高雷电潜势预报准确率.     

WRF集合预报对济南暴雨过程的检验与分析

为了将WRF集合预报更好地应用于济南大城市精细化预报,提高暴雨预报准确率,利用2013—2014年汛期济南龟山观测站和市区及历城区36个区域自动观测站的降水资料,检验WRF集合预报24h确定性降水量对暴雨的TS评分、空报率、漏报率以及平均绝对误差和均方根误差,并且检验24h暴雨概率的可信度。2013年和2014年的空报率和漏报率均较高,2013年暴雨预报TS评分明显好于2014年。确定性预报24h降水量达到30mm以上,且天气形势和各物理量满足产生暴雨的条件时,可考虑预报暴雨;低层湿度大时确定性降水最易出现暴雨空报;24h暴雨概率预报对济南局地性较强的暴雨有较好的指示意义。     

淮北夏半年大风预报方法的建立及检验

利用T639业务数值模式预报场和大风观测资料,分别采用I_W雷暴大风指数和多个对流指数方法,计算相对应的指标值,建立淮北市夏半年大风预报方法,得到淮北市大风的短期预报结果,并对2011年的预报应用情况进行检验。结果表明：基于T639业务数值模式的I_W大风指数与多指标的叠加,实现夏半年定量和定性的大风预报。将多种不稳定指标与T639数值模式相结合的叠加预报,当4个指标中有3个满足条件时预报淮北有大风出现,否则没有大风;I_W大风指数的风速预报与实际极大风速较为接近。两种预报方法对淮北市的大风预报具有较好的指导作用,多数大风天气能够预报准确,但是容易空报,不太容易漏报。     

广东省后汛期强对流天气潜势预报方法研究

利用2007—2008年两年7—10月广东后汛期强对流天气出现时的雷达资料、对应的GRAPES模式资料以及地市台站上报的强对流天气发生的实况,把瞬时大风〉17.2 m·s^-1、冰雹、龙卷作为强对流发生的依据,对上述数据进行整理。根据广州热带海洋研究所中尺度模式的输出GRAPES资料,结合雷达CAPPI数据,计算单体的各层风速、温度、湿度、有效位能等环境特征量,将单体特征和模式计算的单体环境场要素以及强对流发生实况,通过多元逐步回归方法建立后汛期强对流天气潜势预报方程,据此对发生于广东省后汛期强对流天气（如雷雨大风、冰雹和龙卷风）进行0～1小时临近预报。用预报成功率（POD）、虚假警报率（FAR）和关键成功指数（CSI）衡量方法的预报性能。共有5540个有效样本参与回归计算,31个因子中有12个引入了回归方程,建立的预报方程在阈值取为0.26时,得到的预报成功率POD为0.73,虚假警报率FAR为0.61,关键成功指数CSI为0.338,各项指标均要好于前汛期预报性能;从实际的预报能力来看,在后汛期强对流潜势预报中,后汛期强对流潜势预报方法得到的空报率和漏报率都要低于前汛期,预报效果较好,可用于广东后汛期的强对流天气潜势预报中。     

基于集合预报极端天气预测指数的浙江分类强对流预报模型

利用2016—2021年ECWMF集合预报资料、浙江自动站实况资料等，计算浙江短时强降水、雷暴大风和冰雹等强对流天气相关物理量的极端天气预报指数（EFI：Extreme Forecast Index），分析EFI分布特征，并构建了分类强对流预报模型。结果表明：强对流天气与物理量的EFI有密切联系，发生短时强降水时，对流有效位能、整层可降水量、850 hPa与500 hPa温差和位温差的EFI较大，而垂直风切变的EFI为负值，因而较小的垂直风切变更有利于出现极端降水；发生雷暴大风和冰雹时，对流有效位能、850 hPa与500 hPa温差和位温差以及850 hPa温度露点差的EFI较大，700 hPa露点温度的EFI为负值，与上层干冷下层暖湿的有利层结条件有关。利用支持向量机多分类方法，将强对流天气相关物理量的EFI作为特征值开展训练，构建的预报模型对于非局地强对流天气有较好的预报效果，其中短时强降水的误判率明显低于雷暴大风。     

桂林雷暴大风临近预报研究

该文建立了桂林雷暴大风天气潜势CWP算法,结合雷达回波的外推技术给出雷暴大风临近预报方案.算法构建中使用了桂林市多普勒雷达可扫描范围1.5°仰角的回波参数和对应区域的雷暴大风实况资料,对样本的检验表明,CWP对于发生于桂林市的雷暴大风天气具有一定的预报能力.     

基于数值模式产品的广西冰雹客观预报方法研究

利用2012—2016年广西重要天气报(WS报)和信息员上报的冰雹实况,以及欧洲中心(ECMWF)0.125°×0.125°的逐6 h再分析资料,分析不同天气背景下广西历史冰雹个例发生前后关键物理参数的特征及其变化。从不稳定能量、水汽条件、对流触发条件、垂直风切变、0℃层高度、-20℃层高度等方面归纳总结广西冷空气影响冰雹过程及暖区冰雹过程的预报指标,应用预报指标动态调整的配料法,分别建立冷空气影响冰雹过程和暖区冰雹过程的广西分类冰雹客观预报方程。利用方程对2017—2018年2—6月广西冰雹进行试报,结果表明该方程对广西冰雹天气有一定的预报能力,其中对大范围冷空气南下触发的冰雹过程较暖区发生的冰雹天气过程预报更为准确,但也存在较大范围的空报,空报区域基本与雷暴大风天气落区对应,具有一定的警示作用。     

基于ECMWF细网格模式的短时强降水客观概率预报方法研究

根据陕南643个经质量控制的自动气象站2010—2014年逐小时观测降水,采用百分位法确定陕南短时强降水标准。基于2010—2014年11 824站次短时强降水个例和欧洲中心（ECMWF）间隔6 h的0.25 °×0.25 °再分析格点资料,以空间最近、时间最近前1时次原则:计算并确定陕南汛期5—9月各月短时强降水36种对流参数历史概率分布特征值;考虑对流参数的显著性和适度性指标构建评价方案,利用相对模糊偏差矩阵、标准差系数方法,优选出陕南5—9月各月的15种对流参数及其权重。业务运行以ECMWF细网格模式的基本预报产品,计算优选的对流参数值,结合参数历史概率分布值及其权重,建立陕南分月短时强降水客观概率预报模型。将模型概率预报结果升序排列后80%处对应的数值,且大于0.2作为短时强降水的临界概率,对2015年汛期降水过程进行检验,TS评分为0.59,漏报率为0.18,空报率为0.31。      

基于BPSO-NBayes的雷暴释用预报技术研究

提出了一种新的雷暴预报法,即二进制粒子群-朴素贝叶斯分类器(Binary Particle Swarm Optimization-Naive Bayesian Classifiers,BPSO-NBayes)方法,以福州、连城、宁波3站为例,对使用T511数值预报产品站点的雷暴释用预报技术进行研究。利用2010—2014年T511数值预报产品和单站观测资料,使用BPSO-NBayes方法,建立了0~72 h雷暴预报模型,并与Fisher判别准则和Bayes判别准则进行比较。预报结果表明,BPSO-NBayes模型临界成功指数都在0.29以上,平均值达到0.33以上,是3种方法中最好的,空报率都在0.59以下,漏报率在0.60以下,而且变化幅度很小。BPSO-NBayes模型明显优于Fisher判别准则和Bayes判别准则,具有良好的稳定性和预报能力。     

基于物理量参数的伊犁河谷短时强降水预报技术研究

利用伊犁河谷2010～2018年6～8月68个短时强降水天气过程样本,采用箱线图的形式讨论产生短时强降水的关键环境参数的阈值,并对短时强降水天气过程的关键环境参数月特征进行了讨论,最后对2019所夏季的短时强降水天气过程进行检验。结果表明：(1)K指数、修正K指数、瑞士第二雷暴指数、对流凝结高度、Teffer指数、大风指数、对流温度、对流凝结高度处温度、总指数、整层比湿积分与产生降水的相关系数达到0.30以上,对降水有较好的指示意义,其中整层比湿积分的相关系数最高,达到0.465。(2)17个物理量参数涵盖75%以上降水天气过程的阈值在无降水天气过程中的概率,Charbr修正K指数(ChTTK)指示意义最好,概率只有16.8%,而干暖盖指数(Ls)、特征层高度中的对流凝结高度到50%以上,对出现降水的指示性较差。最终选取Charbr修正K指数、K指数、mK指数、Teffer指数、瑞士第二雷暴指数、整层比湿积分这6个关键环境参数。(3)6个环境参数的阈值落在降水天气过程的概率都小于25%,瑞士第二雷暴指数指示意义最好,仅为10.7%。(４)6月份的mK指数、K指数、Charba修正K指数的阈值分别为32、38和36℃；7月份的mK指数、K指数、Charba修正K指数的阈值分别为31、37和35℃；8月份的mK指数、K指数、Charba修正K指数的阈值分别为32、38和37℃。6、7、8月份Teffer指数产生短时强降水的阈值,分别为43、47和43℃。瑞士第二雷暴指数(SWISS12)6、7、8月份的阈值分别为3.4、4.3、3.6。整层比湿积分6、7、8月的阈值,分别为2320 g.kg_^-1,2390 g.kg_^-1、2392 g.kg_^-1。(5)对2019年6-8月的降水天气过程及短时强降水天气过程进行检验评估,降水预报正确的样本为43个,漏报为41个,空报7个。准确率为(Ts)47.3%。短时强降水样本的检验,漏报率6、7、8三个月都为50%,空报率7月份最高,为71.4%,而8月份没有空报。准确率(Ts)是8月份最高(50%),6月份次之(33.3%),7月份最低(20%)。     

咸阳三类强对流天气环境物理量指标研究

利用探空资料对2016—2020年咸阳市暖季（4—9月）雷暴大风、短时强降水和冰雹三类强对流天气发生的环境物理量特征进行分析,提炼强对流天气的关键物理量参数及预报指标。结果表明：（1）咸阳雷暴大风的高发期在4—5月,短时强降水和冰雹的高发期在6—8月,三类天气均主要出现在14—20时。（2）K指数、CAPE值、垂直风切变、0 ℃层高度和-20 ℃层高度均有明显的季节变化,相对高的0 ℃层高度、较厚的暖云层厚度以及相对小的中高层温度露点差可以区别短时强降水和其他两种强对流天气类型。（3）雷暴大风和冰雹发生时中低层一般表现出“上干下湿”的层结特征,雷暴大风的下沉对流有效位能相对较大,应超过120 J/kg。冰雹形成除了考虑较大的对流有效位能和深层垂直风切变外,还需要适宜的0 ℃层高度（39～51 km）。短时强降水要求“整层湿”,即500 hPa和850 hPa的温度露点差均较小,同时暖云层厚度应超过35 km。