Comparison of different land-surface perturbation methods in short-range ensemble forecasts

为了比较不同陆面扰动方法对短时集合预报的影响,本研究设计了陆面模式扰动实验(LSMPE),初始土壤湿度扰动实验(ISMPE),陆面-大气耦合系数扰动实验(LCCPE)以及大气扰动对照实验(GEFSPE).结果表明,在三组陆面扰动实验中,LSMPE能代表最大的不确定性且误差最小;ISMPE的离散度要比LCCPE稍大,但是耦合系数的减弱能有效降低区域平均降水量.然而,所有陆面扰动实验产生的离散度均小于GEFSPE,这表明未来有必要将陆而扰动与大气扰动相结合,以使得模式能代表更多的不确定性.     

河南省雨季短时强降水时空分布特征

利用高密度地面自动站逐小时降水观测资料,分析了河南省2010—2015年雨季(5—9月)短时强降水(flash heavy rain, FHR)的时空分布特征。主要结果如下:河南省FHR集中发生在7、8月,其中7月最多,8月次之;河南雨季FHR量、降水贡献和发生频率的局地差异明显,主要存在4个大值区,即豫北黄河以北地区、豫东商丘地区、豫西南伏牛山以南以东地区、豫南沿淮及其以南地区;地形对降水的增幅作用显著,且主要是通过增加FHR发生频次实现的;FHR频次日变化呈明显的双峰结构,傍晚至凌晨的前半夜为FHR频发时段;4个大值区内FHR频次日变化差异明显,如黄河以北地区其日变化幅度较大、呈单峰型,而沿淮及其以南地区其日变化幅度较小、呈持续活跃型;大部分FHR前后都伴随着连续降水,降水过程的持续时间主要在1～8 h之间,持续时间大于等于3 h的过程主要位于两个与地形密切相关的高频集中区,即伏牛山以东支脉的喇叭口地形区和沿淮及其以南地区。     

太原汛期短时强降水环流分型及环境参量分析

应用太原1996-2015年7个国家气象站、2008-2015年63个区域站6-9月逐时降水资料及相关探空、地面观测资料,对太原短时强降水日环流配置进行天气学分型,分析各流型下关键环境参数分布特征。结果表明,太原发生短时强降水的500 hPa环流形势有四种:冷涡型、高空槽型、高空槽加副高型、西北气流型。太原短时强降水常发生在比较温和的对流有效位能(CAPE)环境下,大部分过程CAPE值≤1500 J·kg^-1,冷涡型则≤1000 J·kg^-1。西北气流型850 hPa与500 hPa温差(ΔT850-500)大,静力不稳定度比其他型更强,且500 hPa有明显的干层存在。高空槽加副高型K指数大,且暖云厚度均值达3576 m,明显大于其他型2471~2608 m的均值。冷涡型全部、高空槽型85%的过程出现在弱0~6 km垂直风切变环境下,而高空槽加副高型、西北气流型0~6 km垂直风切变相对较大,35%以上达到中等强度。冷涡型、西北气流型短时强降水太原上空700 hPa水汽常比850 hPa更充沛。太原超过70 mm·h^-1的极端降水出现在西北气流型下,有中等强度的CAPE值、强层结不稳定、弱0~6 km垂直风切变、3550 m以上暖云厚度,中低空水汽充足,这些环境参量的配合对强降水效率有很好的指示意义。     

乌东德水电站开建以来坝区暴雨的统计研究

对乌东德水电站开建以来坝区暴雨及伴随的短时强降水时空分布进行统计研究,并划分出暴雨天气概念模型。结果表明:乌东德水电站开建以来坝区共出现18个暴雨日,平均3.0个/a,暴雨自6月上旬开始出现,到10月上旬结束,出现暴雨最多的季节是夏季,多为范围小的局地性暴雨出现。暴雨日数、年平均降水量、20~30mm h-1及≥20mm h-1的短时强降水的空间分布均呈现“西北多东南少”的特征。20~30mm h-1的短时强降水发生频次最多(占63.6%),其次为30~40mmh-1(占27.3%),40~50mm h-1最少(仅占9.1%)。短时强降水及不同等级短时强降水均表现为夜间高发、白天低发的日变化特征。总结归纳出切变冷锋型8次(占44.4%)、两高辐合型4次(占22.2%)、西南涡型2次(占11.1%)、孟加拉湾风暴型2次(占11.1%)、切变线型1次(占5.6%)和高空槽型1次(占5.6%)六类暴雨天气概念模型。      

人工智能在冰雹识别及临近预报中的初步应用

基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008-2013和2015-2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。      

高时空分辨率三维风场在强对流天气临近预报中的融合应用研究

以业务应用为目标,开展高时、空分辨率三维风场在强对流天气临近预报中的融合应用研究。运用北京快速更新多尺度分析和预报系统集成子系统（RMAPS-IN,Rapid-refresh Multi-scale Analysis and Prediction System-Integration）,对雷达四维变分分析系统（VDRAS）30 min临近预报的高时、空分辨率三维风场作为数据源与自动气象站风场观测进行快速融合处理。结果表明,以VDRAS临近预报风场取代数值模式预报场作为融合初猜场后形成的分析结果对于风场有明显的改善:（1）长时间序列客观检验结果表明,地面10 m高风场U/V分量绝对误差分别为0.05和0.06 m/s。实时融合对未来预报的影响随着预报时效的延长,U/V分量的绝对误差不断增大。（2）对于11个强对流个例,地面10 m高风场风速均方根误差降低0.3 m/s,风向均方根误差降低13°;边界层三维风场,风速均方根误差降低0.8 m/s,风向均方根误差降低10°。平原站点融合以后风速、风向预报效果有较大改善,山区站点融合以后改善相对较小。（3）通过对2017年7月20日暴雨和7月7日雷暴大风个例的详细分析,发现融合基于雷达资料四维变分同化获得的高分辨率临近预报风场对各对流系统中的中尺度结构特征给出了更加细致准确的描述。      

2010—2016年江西省暖季短时强降水特征分析

利用江西省2010—2016年5—9月1597个观测站逐小时降水资料对江西省短时强降水进行统计分析。采用REOF将降水场划分为5个区域：赣北南部（Ⅰ区）,抚州市及赣州中部（Ⅱ区）,赣北北部（Ⅲ区）,赣南南部、北部（Ⅳ区）以及赣中西部（Ⅴ区）。短时强降水高频区主要分布在山地及河谷附近,分别为湘赣交界罗霄山脉东侧、武夷山西侧、信江河谷、乐安河谷和昌江河谷。河谷附近短时强降水频次以昌江河谷最高（16.9次/a）,山地附近最高在罗霄山脉东侧（12.6次/a）,极端短时强降水分别位于上饶市东北部山区（3.7次/a）及九岭山南侧的锦江河谷（3.3次/a）。短时强降水主要发生在5月第3候,6、7月第3~4候以及8月第2~3候。Ⅳ、Ⅴ区具有单峰型的日变化特征;Ⅰ、Ⅱ、Ⅲ区具有双峰型的日变化特征。主峰基本集中在下午17时;次峰在上午08—10时。短时强降水对暴雨贡献率基本在40%以上,Ⅰ、Ⅱ区的暴雨天气过程将近一半是由短时强降水贡献的。信江河谷是暴雨雨量中心,但并不是短时强降水雨量中心;昌江河谷与武夷山西麓既是暴雨中心也是短时强降水中心。     

循环神经网络在雷达临近预报中的应用

该文将循环神经网络（recurrent neural network,RNN）应用于雷达临近预报。使用预测循环神经网络（predictive RNN）架构,利用雷达历史组合反射率因子建模,给出雷达组合反射率因子未来1 h的预报结果。预测循环神经网络的核心是在长短时记忆单元（long short-term memory,LSTM）中增加时空记忆模块,能够提取雷达回波不同尺度的空间特征,配合循环神经网络架构,可以有效解决反射率因子预测问题。北京大兴雷达和广州雷达长时间序列的独立检验结果和2个强对流天气个例检验结果表明:该方法和传统的基于交叉相关法的1 h雷达外推临近预报相比,在20 dBZ和30 dBZ检验项目内,临界成功指数（CSI）可以提升0.15~0.30,命中率（POD）提高0.15~0.25,虚警率（FAR）降低0.15~0.20,该方法对反射率因子强度变化有一定预报能力。