江苏典型下击暴流风暴结构特征统计分析

为了研究江苏地区下击暴流的结构特征,利用常规天气资料、雷达探测资料、自动气象站观测资料和ERA5再分析资料等,选取2007—2018年江苏地区19个典型下击暴流过程进行统计分析。结果表明:江苏下击暴流的分布呈北多南少,以湿下击暴流为主,7月是下击暴流的高发月份,孤立风暴型下击暴流具有弱的天气尺度强迫和上干下湿的结构,风暴移速较慢,飑线镶嵌型下击暴流具有很强的天气尺度强迫特征,风暴移速较快。下击暴流影响期间地面温度变化剧烈,温度降低伴随有明显风速增大过程。统计显示,产生下击暴流风暴的环境温度平均垂直递减率为6.8℃/km,能够保证负浮力的维持,干冷空气被中层辐合气流夹卷进入风暴内进一步加强了下沉气流,使得下击暴流得以维持和加强。下击暴流的初生阶段,强反射率因子核心和中层径向辐合出现在下击暴流发生前20—30 min,成熟阶段,强反射率因子核心高度有明显降低,低层呈辐散结构。      

基于对流尺度集合模拟的长江中下游暖区对流过程的可预报性研究

弱天气尺度强迫背景下的暖区暴雨发生发展机制复杂且难以准确预报。为深入探讨长江中下游暖区对流过程的实际和内在可预报性,本文通过同化模式模拟的探空、雷达等仿真资料的集合资料同化,构建了基于WRF-EnSRF的对流尺度集合预报系统,针对2013年7月21日一次典型暖区对流过程进行了初值扰动集合试验。试验结果表明,不同成员降水预报的发生时间和落区存在两个有显著差异的分岔时段,其一在对流触发阶段,源于扰动风场与地形的相互作用;其二在发展阶段,源于初值扰动导致对流系统强度出现差异,对流强（弱）,冷池出流强（弱）,导致降水落区偏南（北）。进一步的可预报性定量分析可见,由于初值的扰动,在分岔时段,模式的实际可预报性受到严重限制,表现为集合成员降水场的差异和扰动的偏差能量均快速增大。同时,在减小扰动振幅的“等同孪生子”对比试验中,扰动偏差能量随时间变化的曲线在对流触发阶段表现出的非线性特征表明,内在可预报性在这一分岔时段也显著受限。由以上结果可进一步得出结论：由于初值扰动导致分岔时段模式的实际可预报性受限时,准确的初值可有效改进预报效果。而当系统受到由混沌非线性动力学所导致的内在可预报性限制时,改善初值...     

风暴尺度集合预报最优侧边界条件扰动方法设计:个例分析

考虑到全球预报模式与风暴尺度预报模式在分辨率上的显著差异,在构造风暴尺度集合预报系统的时候需要用一个中间分辨率的中尺度区域模式为风暴尺度模式提供侧边界条件扰动,但如何构造侧边界扰动才能更为有效地提高风暴尺度集合预报系统的预报能力目前仍然未知。本文基于WRF模式,通过一次个例试验设计了风暴尺度集合预报中的3种不同侧边界扰动方案,结果表明:直接通过0.5°水平分辨率全球集合预报扰动插值所得到的侧边界扰动(LBC_DOWN)在预报中可以获得较高的大尺度扰动能量,而在中尺度区域模式(本文中为模式外层)中通过ETKF循环所构造的侧边界条件扰动(LBC_CYCLE)包含较高的中小尺度能量,而将LBC_CYCLE中的中尺度扰动信息与LBC_DOWN中的大尺度扰动信息相混合所得到的混合侧边界扰动(LBC_BLEND)在大尺度能量上更接近于LBC_DOWN,在中小尺度能量上更接近于LBC_CYCLE;LBC_BLEND较前两种方案有着更好的离散度技巧表现;在降水概率预报技巧方面LBC_BLEND与LBC_CYCLE较为接近,且均优于LBC_DOWN。     

不同大尺度强迫条件下考虑初始场与侧边界条件不确定性的对流尺度集合预报试验

研究了不同大尺度强迫条件下的暴雨个例中,考虑不同尺度特征的初始扰动与侧边界扰动相互作用构造对流尺度集合预报的可行性,为进一步构建“自适应”于不同强对流天气的对流尺度集合预报系统提供依据。结果表明,在大尺度强迫显著的个例1中,以大尺度扰动信息为主的动力降尺度的增长趋势较集合转换卡尔曼滤波(ETKF)更为显著,且总扰动能量在预报中后期超过集合转换卡尔曼滤波,而在大尺度强迫较弱的个例2中,集合转换卡尔曼滤波扰动能量始终高于动力降尺度。此外,当大尺度强迫显著时,初始扰动与侧边界扰动相匹配会产生相互促进的作用,而不匹配时初始扰动会在预报中后期抑制侧边界扰动的发展,当大尺度强迫较弱时,即使是互相间不匹配的初始扰动与侧边界扰动也能在大部分预报时段起到相互促进的作用,说明初始扰动与侧边界扰动的相互作用机制不仅与天气形势相关,也与二者是否匹配挂钩,另外,扰动的发展特征同样依赖于天气形势;从集合离散度的角度来看,当大尺度强迫明显时,侧边界扰动的作用会在更短的时间内取代初始扰动,从而对离散度起到主导地位;两种初始扰动方法相比,集合转换卡尔曼滤波在多数情况下对总离散度的贡献均大于动力降尺度;从降水量预报及概率预报情况来看,大尺度强迫明显的个例可预报性更高,且各集合成员间的差异较小,大尺度强迫较弱的个例则相反,且当两种初始扰动方案与侧边界扰动相结合时,较仅侧边界扰动均有一定提高。      

CCN浓度对安徽一次强对流天气影响的数值模拟

应用WRF(Weather Research and Forecasting)模式,采用NSSL初始CCN数据(C=600 cm~(-3)、k=0.6)及南京北郊观测拟合数据(C=4 000 cm~(-3)、k=0.47)对安徽省一次强对流天气进行模拟。结果发现CCN浓度(CASE2)增大后,所模拟的最大雷达反射率较初始情况(CASE1),在强度和云体宽度上更加接近实况,且CASE2生成了更多强对流单体;CASE2的降水落区较CASE1更为接近实况,且中心雨强大于CASE1,这主要由CASE2中第一个单体更强的降水导致,而两者第二个单体贡献值相近。在过程初期,CASE2中云水、冰晶粒子数浓度比CASE1更大,使得云水粒子冻结时释放出比CASE1更多的热量,从而使得云体发展更为旺盛;两者单位质量中雪晶质量和数浓度相差不大;CASE2比CASE1霰雹粒子比含水量更高,从而在融化过程中形成了更强的冷云降水。     

台风Danas(1324) 对台风Fitow(1323) 影响的诊断分析及数值试验

利用FNL资料和WRF模式进行数值试验,并在此基础上研究了1324号台风Danas对1323号台风Fitow的影响特征。分析结果表明,台风Fitow登陆前、后的强度变化及其东边界与台风Danas相连的水汽输送通道的变化直接相关。台风Fitow登陆前,其水汽输入主要是由副热带高压西南侧环境场的偏东气流带来,而上游台风Danas截取了环境场输送给台风Fitow的水汽,抑制了Fitow的发展。但在台风Fitow登陆后,台风Danas环境场的水汽反过来起到转运作用,增加了Fitow的水汽收入,加剧其北侧的强降水。台风Danas以水汽通道为纽带影响台风Fitow登陆前的强度和在陆上非对称降水的分布。此外,台风Danas的北上影响了副热带高压的强度,使其东退且改变台风Fitow的引导气流,影响了Fitow的登陆位置;并在Fitow登陆后施加了偏南引导气流,令其逆时针打转。      

风暴尺度集合预报中的混合初始扰动方法及其在北京2012年“7.21”暴雨预报中的应用

风暴尺度集合预报系统（Storm-Scale Ensemble Forecast system,简称SSEFs）中集合成员之间发散度不足一直都是研究的难点。本文尝试了将Barnes空间滤波融入到集合转换卡尔曼滤波（ETKF）更新预报系统中的混合初值扰动法。该方案将ETKF方法的小尺度信息与来自于侧边界条件扰动的大尺度信息相结合,缓解了扰动在侧边界不匹配的问题。通过2012年北京“7.21”暴雨并使用邻位方法对比分析了不同初值扰动方案在不同时间尺度与空间尺度上的特征,在此基础上进一步探讨了构造混合初始扰动法的可行性。结果表明:ETKF试验所构造的初始扰动无法与侧边界条件扰动相匹配,混合后的初始扰动可以有效缓解SSEFs中由于初始扰动与侧边界扰动不匹配产生的虚假波动,其中大尺度信息保留较多的混合试验（ETKF80）和动力降尺度方案（Down）在减少虚假波动方面的效果最优;从集合离散度来看,在前期暖区降水阶段ETKF的离散度在小尺度上最大,随着锋面降水的开始,Down的离散度逐渐超过ETKF,而使用各滤波波段构造的混合试验同时具备ETKF与Down二者的特征。选择合理的滤波波段可以获得最为合理的离散度表现（ETKF180）,说明仅考虑侧边界匹配（Down和ETKF80）并不能获得最合理的集合离散度,应综合考虑其他因素。从降水概率预报结果来看,选取合适的滤波波段所构造的混合扰动试验同样获得了较好的效果。     

WRF模式不同地形平滑方案对降水预报的影响

基于重庆市气象局中尺度数值预报业务系统,开展不同地形平滑方案对模式降水预报的影响研究,详细对比WRF模式中不使用地形平滑方案以及使用s-d-s和1-2-1两种平滑方案生成的静态地形高度场的差异,开展不同地形平滑方案批量平行试验并选取典型强降水个例进行对比分析,结果表明:不同地形平滑方案生成的静态地形高度场之间有明显的差异,特别是在地形较为陡峭的高原和山脉等地区,最大绝对偏差可达462.56m;s-d-s和1-2-1两种地形平滑方案主要平滑掉了模式地形中较小尺度的地形特征,且总体而言1-2-1方案的平滑效果比s-d-s方案明显。连续一个月批量平行试验降水预报检验结果表明,进行模式地形平滑对大雨及以上量级降水预报有正面影响,且使用1-2-1平滑方案的预报结果优于使用s-d-s平滑方案的预报结果;降水个例对比分析结果表明:采用不同的地形平滑方案会造成垂直速度和水汽通量散度预报的明显差异,这样的明显差异会进而影响强降水预报的落区和强度。     

考虑尺度敏感性的长江中下游暖区暴雨初始扰动方案比较分析

弱天气尺度强迫背景下的长江中下游暖区暴雨突发性强,高度非线性,难以准确预报,这时考虑不确定因素的集合预报成为重要选项,而对流尺度集合预报核心问题是积分一段时间后离散度偏低,会导致预报失败。比较包含不同尺度扰动信息的对流尺度集合预报方案间的差异性并据此优化初始扰动方案,针对2018年5月4—5日一次典型长江中下游暖区暴雨过程,分别采用动力降尺度（DOWN）、增长模繁殖法（BGM）、局地增长模繁殖法（LBGM）和混合扰动法（BLEND）等四种方法进行集合预报试验,以期探讨对离散度和预报效果的影响。结果表明,在模式积分0~6 h,具有中小尺度扰动信息的BGM和LBGM的离散度优于DOWN,其中LBGM相比于BGM具有一定程度上的改进,说明具有更准确中尺度特征的扰动能够在积分初始阶段获得有效增长,即考虑了中小尺度天气系统局地性的LBGM能弥补BGM的不足;但是,在模式积分12 h以后,具有更多大尺度特征扰动的DOWN优于区域模式中的增长模繁殖法BGM和LBGM,说明经过初始误差快速增长一段时间后,大尺度扰动开始起主要作用。而具有不同尺度扰动信息的BLEND方案则兼具LBGM和DOWN的优势,几乎在整个预报时段离散度较高且概率预报评分较好,体现出混合扰动的优越性。以上结果进一步说明,初始扰动的尺度特征在暖区暴雨的集合预报效果中具有关键性的作用,因而通过调整初始扰动的尺度信息来优化集合预报性能的混合扰动思想,在业务上具有一定的指导意义和推广价值。     

Improved Weather Radar Echo Extrapolation Through Wind Speed Data Fusion Using a New Spatiotemporal Neural Network Model

Weather radar echo extrapolation plays a crucial role in weather forecasting. However, traditional weather radar echo extrapolation methods are not very accurate and do not make full use of historical data. Deep learning algorithms based on Recurrent Neural Networks also have the problem of accumulating errors. Moreover, it is difficult to obtain higher accuracy by relying on a single historical radar echo observation. Therefore, in this study, we constructed the Fusion GRU module, which leverages a cascade structure to effectively combine radar echo data and mean wind data. We also designed the Top Connection so that the model can capture the global spatial relationship to construct constraints on the predictions. Based on the Jiangsu Province dataset, we compared some models. The results show that our proposed model, Cascade Fusion Spatiotemporal Network (CFSN), improved the critical success index (CSI) by 10.7% over the baseline at the threshold of 30 dBZ. Ablation experiments further validated the effectiveness of our model. Similarly, the CSI of the complete CFSN was 0.004 higher than the suboptimal solution without the cross-attention module at the threshold of 30 dBZ.