四川盆地暖区暴雨特征分析

给出四川盆地暖区暴雨的定义,并根据天气形势和影响系统将其分为西南涡型、副热带高压边缘型、西南急流型和东南风型四类。然后利用2008—2018年5—9月常规和自动站逐时降水资料统计分析四类暖区暴雨的时空分布特征和降水性质,并选取典型个例,对暴雨中尺度特征和成因进行了分析。主要结论包括:四类暖区暴雨易发于山脉迎风坡、喇叭口地形、平原和丘陵山地不均匀下垫面附近。西南涡型和西南急流型暴雨范围广且成片,西南涡型暴雨主要位于盆地中部和南部,西南急流型暴雨主要出现在盆地中部到龙门山脉北段和大巴山脉;副热带高压边缘型和东南风型暴雨分散,主要出现在盆地西部;降水都具有明显的日变化,呈现为单峰型,夜间加强,白天减弱;暖区暴雨由对流性和稳定性降水组成,降水量级越大,对流性越明显,其中,副热带高压边缘型和东南风型对流性降水明显,西南涡型和西南急流型稳定性降水明显;暖区暴雨直接由β中尺度云团发展造成,西南涡型和西南急流型中尺度对流系统持续时间≥6 h,副热带高压边缘型和东南风型中尺度对流系统持续时间≤6 h,但四类暖区暴雨单站对流性降水(20~50 mm·h^-1)的持续时间一般不超过3 h,≥50 mm·h^-1的短时强降水维持时间不超过1 h,若超过1 h易造成极端降水事件,西南涡型和西南急流型容易出现极端强降水;四类暖区暴雨发生在高能高湿不稳定环境条件下,平均CAPE值超过1000 J·kg^-1,K指数在40℃左右,850 hPa平均假相当位温在85℃左右,平均比湿可达16 g·kg^-1。     

攀西地区2021年夏季多模式降水预报检验

为提高定量降水预报产品在攀西地区的预报能力,对2021年夏季格点预报（Grid Weather Forecasting,GWF）、西南区域模式（South West Center-WRF ADAS Real-time Modeling System,SWCWARMS）、欧洲中心中期预报 （European Centre for Medium-Range Weather Forecasting,ECMWF）及中国气象局中尺度模式（China Meteorological Administration Meso-Scale Model,CMA-MESO）降水预报情况进行了检验分析。结果表明:（1）ECMWF模式雨日空报最明显,但其暴雨量级预报较实况偏干,其余各家产品中各量级降水均以湿偏差为主。有雨日数在攀西地区南部预报效果较好,其余地方空报较大。大雨日数在凉山州中部预报偏差较大,攀西地区南部预报偏差较小。（2）从16次过程检验来看,各预报产品在8月份过程中的表现优于其余月份,GWF产品25 mm以上TS（Threat Score）评分高于20分的过程次数最多且预报效果最稳定,CMA-MESO模式空报最大。（3）各产品3 h累计强降水开始时间大多早于实况,SWCWARMS模式雨强偏大且对于持续时间较长的过程预报效果较好,而GWF、ECMWF模式累计雨量较实况偏小。      

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。      

SWCWARMS及ECMWF模式对四川盆地暖区型和斜压锋生型暴雨预报检验分析

利用2014～2016年5～10月四川盆地所有观测站资料及SWCWARMS模式、ECMWF模式同时段20时起报的24h累积降水资料,基于邻域法FSS、ETS评分指数检验了两模式对于高能暖区型暴雨及斜压锋生型暴雨预报的预报性能。主要结论为:(1)两种类型暴雨过程平均误差均是SWCWARMS模式较ECMWF模式大,且误差值为正,表明模式以湿偏差为主;(2)高能暖区型暴雨FSS评分各降水量级各空间尺度均是SWCWARMS模式高于ECMWF模式;斜压锋生型暴雨50mm以下量级降水在36km以下空间尺度ECMWF模式FSS评分高于SWCWARMS模式,54km以上空间尺度SWCWARMS模式评分较高,大暴雨量级降水各尺度下均是SWCWARMS模式评分较高;(3)高能暖区型暴雨ETS评分暴雨、大暴雨量级SWCWARMS模式评分较高,中雨、大雨ECMWF模式预报更优;斜压锋生型暴雨ETS评分,中雨、大雨及暴雨量级降水预报ECMWF优于SWCWARMS,大暴雨量级SWCWARMS模式预报更优。      

四川盆地区域性暴雨时空变化特征及其前兆信号研究

利用1961-2015年四川盆地逐日降水量资料、NOAA海表温度资料、青藏高原积雪资料,采用多锥度-奇异值分解等方法,研究了四川盆地区域性暴雨的时空变化特征,并对其前兆信号进行了初步探讨。结果表明:四川盆地区域性暴雨可以分为三种类型,其中盆西型出现频率最高,盆东北型次之,盆南型相对较少。四川盆地区域性暴雨年际变化中准3 a周期最为显著,典型循环体现了盆西型区域性暴雨"偏少-调整-偏多"的年际变化过程。年代际变化中准16 a周期最明显,典型循环表现为盆东北型和盆南型的交替演变。通过MTM-SVD协同变化分析,发现在盆西型区域性暴雨的准3 a周期循环中,前冬ENSO事件和前冬青藏高原积雪日数是其显著的异常前兆信号。在年代际的准16 a振荡过程中,前冬太平洋年代际振荡(PDO)是盆东北型和盆南型区域性暴雨的异常前兆信号。     

华西秋雨准4年周期特征及其与赤道太平洋海表温度的关系

利用1959～2011年华西地区气象台站资料、NCEP/NCAR再分析资料、NOAA海表温度资料, 采用多锥度—奇异值分解(MTM-SVD)方法, 研究了华西秋雨的准4年周期特征及其与赤道太平洋海表温度的协同变化关系。研究结果表明:华西秋雨具有显著的准4年周期, 其典型循环表现为"偏强, 略偏强, 偏弱, 略偏弱"的特点。在准4年周期上赤道中太平洋海表温度对华西秋雨的协同变化表现为"偏低, 略偏低, 偏高, 略偏高", 这种协同变化从初夏就体现出来, 并一直持续到秋末。同时在准4年周期上, 华西秋雨对ENSO事件也存在一定的响应, 但是主要体现在发生强ENSO事件时。准4年周期的环流分析表明, 夏季到秋季赤道中太平洋海表温度偏低(高)时, 秋季500 hPa高度场出现东亚/太平洋(EAP)遥相关波列正(负)异常, 西太平洋副热带高压偏西(东), 华西地区来自南海西太平洋和孟加拉的水汽输送偏多(少), 华西秋雨偏强(弱)。     

基于西南区域模式的四川强降水开始时间订正试验

基于2018~2019年5~9月和2020年8月四川地面观测降水数据（含区域自动站）,结合同时段西南区域模式08时起报的各要素场资料,开展了模式预报短时强降水开始时间的订正方法—最小偏差和订正法的本地化研究,并运用该方法对2020年8月强降水事件的开始时间进行了订正检验。结果表明:最小偏差和的订正法可以确定强降水开始时间相关物理因子订正阈值及最优阈值百分比;从2020年8月强降水的订正效果来看,该方法对短时强降水开始时间有一定的订正能力,强降水开始时间偏差减少2~8 h。      

结合SAL方法的四川盆地暴雨过程检验及订正方法

该文利用预报员最常用的数值预报模式产品（ECMWF、SWC-WARM 、GRAPES-MESO、GRAPES-GFS）结合常规观测资料对比分析了2019年四川盆地6次区域性暴雨过程,同时引入SAL方法,通过主观、客观检验方法得出不同类型下各家模式对强降水的预报误差及订正方法。结果表明：ECMWF、SWC-WARM 较GRAPES-MESO、GRAPES-GFS有明显优势,同时:①西部Ⅰ型,ECMWF、SWC-WARM 两家模式预报偏差较小,SWC-WARM 在雨带范围和量级强度上优于ECMWF。②西部Ⅱ型,ECMWF、SWC-WARM两家模式都存在系统偏西导致降水落区偏西、量级偏弱的情况,ECMWF在雨带形态范围上略优于SWC-WARM ,但SWC-WARM能较好的预报出分散的强降水中心,具有一定的指示意义。③东部型,ECMWF、SWC-WARM两家模式预报偏差都较大,除了对系统东西向偏差外还受低涡移动影响存在南北向偏差,ECMWF在雨带形态范围上优于SWC-WARM。     

四川地区气温转折过程2m温度变化订正研究

基于四川地区1990—2019年的逐日2 m最高、最低温度站点实况数据，对气温转折天气过程进行统计和分析，在此基础上，应用LightGBM(Light Gradient Boosting Machine)算法及NCEP/NCAR(National Center for Environmental Prediction/National Center for Atmospheric Research)逐日再分析资料，构建气温转折天气过程变温订正模型。结果表明：（1）出现气温转折过程最多的区域是高原与盆地的边坡过渡区，最少的是盆地；（2）各区域的气温转折过程具有明显的季节差异，均表现为春季最多、冬季最少，且春季的气温转折过程明显多于其他3季；（3）在1990—2019年验证集中，LightGBM订正模型表现较好，准确率为78.64%，平均绝对误差为1.35℃。（4）在2020年的独立样本测试中，LightGBM订正模型的准确率为53.60%，平均绝对误差为2.19℃，整体订正效果优于ECMWF模式（European Centre for Medium-Range Weather Forec...     

基于分位数映射法的四川省ECMWF模式降水预报误差订正分析

为做好ECMWF(European Centre for Medium-Range Weather Forecasting)模式本地化释用，提高四川省降水预报准确率，对四川省2020—2021年7—9月模式各量级降水预报系统性偏差规律分析发现，该模式预报的雨日较实况偏多，尤其是攀西地区和川西高原；预报的大雨日数盆地西南部及攀西地区多于实况，而盆地南部少于实况。然后，基于分位数映射法对模式预报的24 h累积降水开展大量级降水订正试验与检验。基于分位数映射法订正后，暴雨及以上量级TS(Threat Score)提高7%～15%，且各量级降水TS均高于多模式集成客观预报产品2%～4%，大雨及以上、暴雨及以上量级命中率提高10%～20%，订正后雨带位置特别是暴雨落区与实况更接近。