咸阳机场雷暴天气统计分析

根据1992－1997年资料，从天气形势和能量分布特征对咸阳机场雷暴天气进行了初步分析，归纳出雷暴天气产生的主要天气系统。讨论了雷暴天气过程听能量分布特征和水汽条件，并在此基础上总结出雷暴天气的预报要点。     

大理机场雷暴特征及潜势预报分析

利用大理机场5年天气观测资料和FNL 1.0X1.0数据,对大理机场雷暴特征及潜势预报进行分析,结果发现：大理机场全年各月都有可能出现雷暴天气,雷暴天气主要出现在6~9月,每年7月和8月雷暴天气出现最为频繁;雷暴天气持续时间0~1小时的次数最多,持续时间1~2小时的雷暴也比较常见,持续时间4~6小时的次数较少,没有出现持续时间6小时以上的雷暴;雷暴可以出现在大理机场的任何方向,出现在东边的次数最多,出现在天顶的次数最少;雷暴初期平均在1月31日,雷暴终期平均在11月14日,雷暴的初期和终期年际差别较大。选取对流有效位能、500hPa相对湿度、0度层高度、近地表四层等压面的抬升指数和可降水量作为预报因子建立大理机场雷暴预报方程,预报方程是显著的,有较好的雷暴潜势预报能力。     

基于对流参数的雷暴潜势预报研究

为提高雷暴天气的潜势预报能力，在统计分析安徽省雷暴形成天气条件的基础上，利用2003-2004年T213资料，选取与雷暴相关性好的对流参数作为预报因子。并在考虑因子季节变化特征的基础上，分别用判别分析法和指标叠加法制作雷暴潜势预报，结果表明指标叠加法优于判别分析法。最后用指标叠加法试报了2005年3—8月的雷暴，临界成功指数CSJ=69．4％，命中率POD=89．5％，虚假报警率FAR=24．4％，分区预报准确率也较高。另外，试报期间的区域性冰雹、雷雨大风全部命中，可见该方法对冰雹、雷雨大风也有较好的指示意义。     

暖锋尖雷暴的分析与预报

1前言预报经验和观测事实表明，对发生在沈阳桃仙机场的暖锋雷暴而言，雷暴出现在暖锋的尾部即“暖锋尖”的比例较大。本文通过本机场历年暖锋尖雷暴的分析，探索暖锋尖雷暴形成的原因，找出暖锋尖雷暴的预报着眼点，从而提高了对本机场雷暴的预报水平。2气候概况暖锋尖雷暴即发生地面暖锋尾部的雷暴。图1是1991年7月2日OS时发生在桃仙机场暖锋尖雷暴的地面形势图。经过对本机场1989～1994年资料统计，暖锋尖雷暴共出现ZOd。其中7月份次数最多，出现了11d，8月份和9月份分别出现4d和sd暖锋尖雷暴日数占机场7～9月份总雷暴日数的21．5％（Z…     

南京地区雷暴活动强度潜势预报

利用江苏省2008、2009和2010年6 8月闪电定位资料对雷暴活动的强度进行了分级,并使用同一时段的探空资料计算了47个代表南京地区 环境层结特征的对流参数,利用其与雷暴活动强度的相关性选取预报因子.在此基础上,采用Bayes分类法和Logistic 回川归分析法,结合逐步选择法进一步筛选预报因子,分别建立了两种雷暴强度的预报模型.通过检验独立样本对比分析两种模型的预报效果,结果表明,Logistic回归分析法的Hedike技巧评分为0.396,并能识别出30％的强雷暴,而Bayes分类法的Hedike技巧评分为0.370,只能识别出5％的强雷暴.Logistic回归分析法对雷暴强度的潜势预报具有较好的指示意义.进一步分析进入预报模型的9个对流参数,表明雷暴活动越强时,低层空气越暖湿,中层空气越干冷,高低层的风切变越大.     

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。     

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。     

用神经网络法试报黄河三角洲汛期暴雨

在天气学分型的基础上,用神经网络Back-Propagation(简称B－P）算法,以1990－1995年汛期（6月下旬－9月上旬）日本数值预报产品和实时资料若干气象要素作为预报因子,对黄河三角洲的汛期暴雨进行了试预报,预报准确率平均达70％,比主观预报准确率提高了50％以上。     

基于概率与权重的雷暴大风潜势客观预报方法研究

采用2007—2015年5—8月NCEP再分析资料和国家站、区域站雷暴大风实况观测资料,利用权重和概率统计相结合的方法,确定与雷暴大风联系紧密的物理量,统计其在所选物理量不同阈值范围内出现的概率,建立雷暴大风概率潜势预报方程,并对预报结果进行检验。结果表明:(1)雷暴大风出现在白天与夜间所选物理量参数有所不同。无论白天或夜间,其在山区与其它地区的物理量阈值亦不同。(2)所选每个预报因子的概率统计结果与雷暴大风发生的环境条件基本相符,该概率由因子达到阈值范围内的样本数和在此区间内出现雷暴大风的样本数两者共同决定的。(3)该方法对08—20时和20—08时两个时段雷暴大风预报的命中率均较好,尤其2016年7月最高,预报概率为"60%以上"的命中率接近93%,可预报出雷暴大风出现的概率潜势和可能发生的区域;同时,空报率较高;预报概率为"80%"的预报临界指数更高。     

开封盛夏雷暴的短期预报

短期雷暴预报要求准确率高,操作过程简便。我们采取要素指标和形势指标逐步过滤的办法,先把肯定无雷暴的天气过程过滤掉,然后采用不同的预报方法分别预报有无雷暴、雷暴大风和雷暴降水量。 用当天11时前的资料,预报当天11时至次日06时有无雷暴及其强度,预报时效为19小时。制作有无雷暴的预报方法使用1969—1973年7—8月的资料;雷暴大风的预报方     

四川雷暴大风的预报因子筛选及预报效果

利用ECMWF历史预报资料,从动力、热力、水汽、不稳定条件四个方面选取影响雷暴大风发生的因子,构建多因变量数组,并利用主成分分析确定配料系数及其阈值,在此基础上进行配料,研发了四川省雷暴大风概率预报产品投入应用。2018年汛期应用表明:雷暴大风产品对预报概率超过65%的区域有指示意义,且优于ECMWF数值预报的100 m高度风,在检验的个例中,有效命中率达25%以上。      

月雨量的相空间相似统计预报试验

本文用昆明１９０１－１９８０年的月雨暴时间序列建立了昆明月雨量的相这代间相似统计预报模式。通过对昆明１９８１－１９９２年共１４４次的预报试验和检验，得出对于适当嵌入的相空间维数ｍ和在一定的提前预报的时间尺度Ｔ内，该模式对昆明月雨量的距平符号报准率可达６０％以上，对于雨季（５－１０月）则可达到７０％以上。技巧评分对全年和雨季则可分别达到８％和１２％以上。     

咸阳机场夏季雷暴分析预报

采用１９９１～１９９４年６～８月本台地面、高空０８时资料及每日逐时观测记录,选因子建立雷暴预报方程ｙ＝３．２ｘ１－０．４ｘ２－０．８ｘ３＋４．３ｘ４。回报率７８．７％,试报准确率８０％。     

鲁西北夏季雷暴大风的分析与预报

雷暴大风是指伴随雷暴、冰雹或其它强对流天气而出现的8级(瞬时风速≥17.2m/s)以上的大风。它具有突发性、局地性、风速大的特点,常造成很大的灾害,是鲁西北夏季常见的灾害性天气之一。由于它的发生、发展与中小尺度天气系统活动密切相关,预报也比较困难。本文以德州资料为例统计分析了1980—1986年7年6—8月雷暴大风的资料,并选取一些典型个例进行分析,从而揭示了夏季雷暴大风形成的天气形势和环境物理条件,然后寻找物理意义清楚的因子建立预报方程,力求提高雷暴大风预报准确率。     

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。     

山东中西部地区雷暴大风天气气候特征

利用实测资料和历史天气图，统计分析了1980－1997年山东中西部地区雷暴大风天气的气候规律、天气系统特点以及雷达回波特征，对其中12次强雷暴大风个例的相关物理量参数和能量、环境风分布进行了分析，总结出了产生雷暴大风的前期天气系统特征及预报指标。     

基于对流参数的雷暴预报方法研究

通过对2006年6~9月(雨季)大量雷暴对流参数进行计算,选取离西昌发射场最近的单点同化资料。利用相关系数法选取相关性好且稳定的预报因子,进行事件概率回归,得到雷暴预报方程。并对2007年雨季西昌雷暴进行预报,取得了较好的效果。分析表明,基于对流参数的雷暴预报方法对场区雷暴的预报具有明显的效果。      

广汉机场盛夏雷暴大风分析预报

利用极值剔除法来选取预报因子,得出了广汉机场盛夏（７－８月）雷暴大风的二级预报判别条件。     

豫西地区雷暴预警预报系统构建方法研究

目前,基层台站在雷暴预警预报中主要依赖传统经验预报方法,而对卫星云图、大气电场、多普勒雷达回波和高分辨率数值预报产品等资料释用水平不高,存在主观定性分析多、客观定量计算少等不足。依托现有气象资料和雷暴预报方法,以雷暴预警预报系统构建为目标,从气象数据仓库构建、支持向量机雷暴预报、相似预报雷暴预报、Poor Man集合预报技术和多源数据融合分析等方面,探讨了雷暴预警预报系统构建方法,实现了雷暴中期预测、短期预报和短时临近预警三个层次的预报功能,解决了气象资料庞杂难以管理、数值预报产品释用水平不高、数值预报结果存在"跃变"、多源数据融合分析缺乏手段等问题,提高了基层台站雷暴预报工作效率和预报水平,同时也为其他地区类似系统构建提供了参考。     

焦作市雷暴潜势预报及临近监测预警系统

在对焦作市雷暴气候特征分析的基础上,利用T213预报场资料,制作焦作市雷暴趋势预报;采取双判据修正K指数,提出焦作市雷暴稳定度界定指标,做雷暴潜势预报。对1984—2004年的历史资料,分别计算出30个物理量场,形成1°×1°格点资料开展雷暴强度等级判别;综合卫星、雷达、闪电定位仪资料,建立雷暴监测预警系统。该系统采用VB语言编程,根据每天08时、20时MICAPS资料自动完成天气分型、物理量计算、预报指标提取和预报方法的判别,输出预警结论,制作雷暴落区预报。在2005—2006年预报工作中取得较为满意的效果。