深度学习技术在智能网格天气预报中的应用进展与挑战

中国智能网格天气预报已初步建立0—30 d涵盖基本气象要素的无缝隙气象预报业务体系。近年深度学习技术兴起,给不同领域带来前所未有的变革。同样,深度学习的非线性映射能力、海量信息提取能力、时空建模能力等优势为进一步提升智能网格预报的准确性和精细化水平提供了新的思路和方法。越来越多的研究将深度学习技术应用于智能网格预报的各个方面,包括数值预报订正和解释应用、集合天气预报、相似集合、统计降尺度、纯数据驱动的预报模型和极端天气预报等,并展示出良好的应用潜力。然而,目前深度学习技术在天气预报领域的应用仍处于起步阶段,将其引入智能网格预报业务体系还面临诸多挑战,主要包括算法的选择、算法的数据基础、多源数据融合以及模型的可解释性、可信度、可用性和工程化等。通过回顾近年来深度学习技术在智能网格预报中的应用进展和前景,同时对面临的挑战与应对进行探讨,将有利于促进深度学习技术在天气客观预报领域更好、更稳定的发展。      

不同发展阶段台风大气边界层暖区变化特征

采用NCEP/NCAR全球对流层1°×1°再分析格点资料,选取6个登陆台风个例,分析了不同发展阶段台风大气边界层暖区变化的特征及其与强度变化的关系.结果表明:在台风的不同发展阶段,其大气边界层相对涡度场和温度场的结构有着明显的不同特征,暖中心与正涡中心的距离与台风强度为反相关关系,暖中心与正涡中心的距离越小,台风强度越强.     

一次华北飑线天气过程中环境条件与对流发展机制研究

利用多种观测和分析数据对2008年6月23日午后华北地区一次持续时间较长的强飑线天气过程进行了研究。分析表明这是一次在夏季冷涡背景下发生的强对流天气过程,相对孤立的MCSs在副冷锋附近发生发展。此次飑线天气过程中强风暴对流单体、超级单体活跃,对流组织化过程与地面风场辐合线以及锋面有紧密的关系。天气分析表明22日夜间主冷锋过境后,变性高压后部的偏东风以及偏南回流导致在华北东部的锋区开始增强,通过地面观测订正的探空分析表明,对流天气发生前华北地区局地具有较明显的对流潜势。从23日午后开始,河套地区对流层中低层有明显的短波槽扰动发展,在冷涡后部有副冷锋向华北地区逼近,对流的触发与副冷锋密切相关,并通过次级环流方程进一步诊断了锋面所造成的垂直运动;来自气旋后部对流层中高层的强下沉气流,造成了华北地区垂直方向上干湿对比明显,形成较强位势不稳定,有利于对流的触发以及地面大风的形成。通过对垂直风廓线结构和飑线移动速度的分析,表明在此次过程中冷池边界扩张速度与低层风垂直切变大致相当,因此MCS具有较强的强度并维持较长时间。     

ECMWF的QPF短期预报性能在新疆的评估

为有效掌握ECMWF模式的短期定量降水预报(QPF)产品在新疆地区的时空预报规律,为客观模式订正算法上提供有效依据,利用频率统计、非参数检验法、累积分布函数、公正预兆得分(ETS)等技术方法,从多角度深入分析了2016年9月—2019年12月12～36 h的QPF产品在新疆地区151个气象观测站点的预报性能。研究表明:QPF和实况降水观测(SPO)两组数据还存在很大差距,3 h-QPF在2.4 mm和24 h-QPF在11.0 mm以下存在明显的空报,3 h-QPF在16.5 mm和24 h-QPF在52.5 mm以上的大降水完全无预报能力,QPF中雨预报效果最好。新疆大雨以上降水主要发生在山脉附近,24 h-QPF产品在天山中脉和伊犁河谷地区的大降水预报比其他地区更具有指导意义。3 h-QPF在1天中8个时间的小、中、大雨的QPF频率在时间趋势上都与SPO存在相反情况。大雨以上的QPF与SPO是一个非线性、不确定的对应关系,建议先建立漏报模型,再进行频率匹配会更有效。