2002年7月30日～31日盆地西部局地持续强暴雨过程分析

本文对2002年7月30日凌晨到8月1日上午,发生在盆地西部的一次局地性很强、强度大、演变特殊的持续性大暴雨过程的天气学条件进行了较详细的分析,对局地暴雨最大难点--落区进行中尺度滤波探讨,并对造成降雨的次天气尺度影响系统进行了追踪.事实说明,目前数值预报水平已有了较大提高.利用数值预报场进行中尺度滤波已经成为可能,对中尺度分析的成功率已经高于其它方法.     

暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究

利用2008—2011年6—8月中国气象局T213全球集合预报24—240 h降水预报资料和四川盆地观测降水资料,提出四川盆地暴雨集合预报-观测概率匹配订正法。该方法将集合预报降水累积概率分布与观测降水累积概率分布进行概率匹配,对降水量为50 mm的集合预报平均值进行订正,获得暴雨预报订正值(A Calibrated Heavy Rainfall forecast value),累积降水概率分布拟合函数采用Gamma函数。选取2013年6月28日—7月10日进行独立样本暴雨预报试验,分析四川盆地暴雨预报订正值分布特征和订正前后降水检验评分变化,讨论该方法存在的若干局限性。结果显示:T213集合预报对四川盆地降水预报存在预报量较观测量级小、模式预报时效越长降水预报越弱等系统性偏差,暴雨集合预报-观测概率匹配订正值普遍小于50 mm,且随预报时效延长而逐渐减小,有效地订正了T213暴雨集合预报系统性误差;暴雨集合预报-观测概率匹配订正法对"有或无暴雨"二分类暴雨预报改善较明显,ETs评分获得提高,且漏报率和空报率有所降低。     

四川省降水相态时空分布及变化特征

利用四川省156个国家级地面观测站1981~2013年的整编观测资料,统计分析了四川省雨、雪与雨夹雪日数的年平均、月平均特征以及雨雪转换情况,并采用线性趋势法、M-K检验来对不同相态降水的时空分布及气候变化特征进行了定量分析。结果表明:(1)四川地区年平均降雪日数和雨夹雪日数呈"西多东少"型分布,年降雨日数则呈"东多西少"的分布特征;(2)盆地中部、南部雨雪转换年平均日数为0.1~2日,盆地西部丘陵一带为3~5日,川西高原雨雪转换日数在10日以上,攀枝花几乎全年无雨雪转换,凉山州呈现西少东多的形势;(3)从线性趋势法、M-K检验及突变都可以看出,四川地区不同降水相态年发生日数总体都在减少。     

2022年8月四川盆地持续性极端高温特征及不同模式预报误差分析

本文基于2022年8月四川盆地104站逐时温度、降水数据和1971—2021年历史同期数据,及EC、CMA GFS、CMA MESO模式的2 m气温预报等数据,运用统计学相关方法分析了此次极端高温过程的特征及预报误差。结果表明：①2022年8月四川盆地极端高温过程范围大、强度强、持续时间长,有87.5%站最高气温超过该站历史同期极值,且高温最强盛时段较历史同期明显推后。②2022年8月最高气温分布为东高西低,最高气温与历史同期极值差分布则相反,其中最高气温随站点海拔增大而减小,而极值差则随站点海拔先增大再减小。另外,受热岛效应影响,极值差大值站点主要集中在龙泉山脉附近。③高温期间,最高、最低气温平均值高、距平大,且累计降水量和雨日数也明显低于历史同期。④相较而言,EC模式的预报优势主要在盆地低海拔地区。而CMA MESO模式在盆地周边陡峭地形区域的平均绝对误差则更小。另外,EC模式预报的最高气温峰值出现时间更接近于实况,而CMA MESO模式预报高温持续日数更接近实况。