以"滑动展开模型"研制龙海市6月暴雨客观预报方法

以1990～1999年的42个探空站的3层高度资料为依据,采用文献[1]提出的"滑动展开模型"客观预报技术,建立了以高度场展开系数为因子的龙海县6月暴雨概念化客观预报模型,其历史回报率达56%.在2000～2005年的验证中,客观预报准确率比主观经验预报高10%,且漏报次数(2次)少于主观经验漏报次数(4次).     

东山县6月暴雨客观预报模型

采用文献[1]提出的客观预报技术研制模式,以1990~1999年的42个探空站的常规3层高度资料为依据,研制了本站6月暴雨客观预报模型,并对2000~2005年的实时资料进行了验证,结果表明,暴雨客观预报模型与主观预报准确率相当,且无漏报(主观预报则有一次漏报)。     

东山县6月暴雨客观预报模型

采用文献[1]提出的客观预报技术研制模式,以1990～1999年的42个探空站的常规3层高度资料为依据,研制了本站6月暴雨客观预报模型,并对2000～2005年的实时资料进行了验证,结果表明,暴雨客观预报模型与主观预报准确率相当,且无漏报(主观预报则有一次漏报).     

云宵县5月暴雨客观预报模型

采用文献[1]提出的技术模型,研制了云宵县5月暴雨预报方法,建立了4个因子结构简单而天气学意义明了的客观预报模型.经2000～2003年试用,这种基于场量因子的预报模型,未漏报,严格评定的准确率为67%,明显优于主观预报.     

ECMWF数值产品在热带气旋(TC)路径预报中的应用分析

将三次样条插值方法应用到欧洲中期天气预报中心(ECMWF)海平面气压场(MSLP)、850 hPa涡度场和风场,对2004—2008年西北太平洋(WNP)和南海(SCS)所有编号热带气旋(TC)进行路径预报。结果表明:基于850 hPa涡度场的TC预报效果好于气压场预报,而综合考虑850 hPa涡度场、风场和海平面气压场的预报效果最好,且有效预报次数更多。与中央气象台(CMO)主观定位及预报对比发现:ECMWF客观预报的0 h的TC平均路径误差为79.9 km,24 h平均客观预报误差大于中央气象台的主观误差,而48～96 h则小于中央气象台的主观误差;误差年际变化分析表明:主观预报水平进步缓慢,而客观预报水平进步明显。ECMWF客观预报效果优于中央气象台效果差的主观预报。     

云宵县5月暴雨客观预报模型

采用文献[1]提出的技术模型，研制了云宵县5月暴雨预报方法，建立了4个因子结构简单而天气学意义明了的客观预报模型。经2000～2003年试用，这种基于场量因子的预报模型，未漏报，严格评定的准确率为67％，明显优于主观预报。     

北京几次弱降水过程预报失误分析

在选取的北京地区2011年冬季至2012年春季9次弱降水过程中,预报员出现了4次空报、2次漏报,预报效果总体不理想。通过对9次过程的预报检验、天气分析和多模式预报对比,得到如下认识:北京地区弱降水过程天气形势复杂多样,按高空大气环流形势可分为两槽一脊型、一槽两脊型、一槽一脊型,按地面天气形势可分为冷锋型、华北锢囚锋型、东风与倒槽型和东风回流型;弱降水过程普遍具有对流层低层水汽条件差或动力抬升弱的特点;对湿层浅薄、饱和层高度高、抬升凝结高度高的弱降水过程,数值模式容易出现空报;而对低层湿度条件好、饱和层高度低、抬升凝结高度低但高空系统弱的降水过程,模式又容易出现漏报;预报员主观预报出现空、漏报主要源于对天气系统的结构及发生发展机理认识不足,对边界层水汽、抬升等关键降水要素缺乏预报订正经验。     

2019年第一季度广东省天气预报检验评估

2019年第1季度广东省24h晴雨预报准确率为81.0%,日最高、最低温度预报平均绝对误差分别为1.84、1.26℃。降水评估结果发现主观预报对晴雨、小雨和中雨量级的预报均对客观模式有较好的订正能力,对大雨和暴雨以上降水预报仍存在一定的空漏报。温度评估结果显示主客观预报对冷空气温度变化趋势均有很强预报能力,预报员对模式最高、最低气温订正有明显正技巧。     

单站暴雨客观预报的一种适用模型

采用滑动分区车贝雪夫多项式展开模型,研制福建省建阳市单站5～6月暴雨客观预报模型,以提高单站暴雨预报能力。模型取得了较好的结果：客观预报模型因子结构简单而天气学意义明了,具有预报准确率较高、稳定性好。各预报模型的三层形势特征都能体现出有利于暴雨生成的合理垂直配置。在2000～2002年的试用中,准确率平均比主观预报高出50％,且无漏报。在2003年的试用中无空报也无漏报。这表明该技术模型是一种能够有效提高单站暴雨客观预报能力和效果的适用模型。     

GRAPES_TCM模式对影响浙江省热带气旋的降水预报评估

基于2006-2009年有热带气旋影响浙江省期间气象站(包括自动站)资料及上海台风研究所的GRAPES_TCM模式输出降水资料,应用TS和BS评分方法,对模式在浙江省的热带气旋降水预报能力进行了评估.结果表明模式晴雨准确率和小雨TS评分24 h和36 h预报相对高,48 h开始随预报时效逐渐下降,中雨、大雨和暴雨TS评分随时效变化趋势不明显,而大暴雨TS评分有较大的随机性.漏报是影响小雨和中雨TS评分的主要原因,空、漏报对大雨和暴雨TS评分的影响基本相同,空报是影响大暴雨TS评分的主要原因.相同预报时效的TS评分随降水等级的提高而减小.BS评分发现模式对大雨及以下量级降水预报站次比实际偏少,对暴雨预报相对接近实际出现站次,对70 mm以上的大暴雨模式有过度预报倾向.与宁波市气象台主观预报比较,对晴雨和小雨预报,相同时效的主观预报一般高于客观,主观暴雨预报TS评分比客观预报一般高出30％以上.GRAPES_TCM模式对于影响程度高的TC降水预报能力相对高.20时输出预报与08时相比,对于晴雨和小雨预报,48 h以内差异不大,而60 h和72 h预报准确率,20时明显高于08时.对于中雨及以上等级降水,20时预报TS评分一般比08时好,主要得益于漏报率的降低.     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

暴雨站数预报在暴雨落点预报中的应用

采用暴雨站数预报与站点降水量预报相结合的方法预报暴雨落点,在１９９８年７～８月的暴雨落点预报中,ＴＳ评分达到２２．４％,超过了ＨＬＡＦＳ和主观预报。进一步的研究分析表明：这种方法可充分利用降水量预报的空间分布信息,预报准确率还存在较大的可提高空间,是一种较为有效的暴雨落点客观预报方法     

湖南6月区域持续性暴雨概率预报模型及应用

利用1979—2016年6月EAR5再分析资料,选取湿热力平流参数、热力螺旋度、散度通量、水汽散度通量和热力波作用密度5个综合因子,采用核密度估计方法,基于TS评分最优为检验标准筛选确立最优因子和权重组合,构建了湖南区域持续性暴雨概率预报模型,并进行了独立样本检验与业务试用。结果表明:2017—2019年独立样本回代检验,平均TS评分达到29.9%,相比于欧洲中期天气预报中心(ECMWF)细网格(平均TS评分为22.4%)为正技巧。在2021年、2022年汛期两次区域持续性暴雨个例的预报试验中,提前24 h的暴雨预报优于ECMWF、CMA-GFS等大尺度模式和CMA-SH、CMA-GD等区域中尺度模式,对湖南区域持续性暴雨有较强的预报能力。     

三种数值模式对四川省汛期降水预报性能的检验

应用国家基本观测站资料,基于MET系统的客观统计检验方法,针对24h降水分别评估SWCWARMS模式、GRAPES模式和ECMWF模式对2017～2019年5～10月四川地区汛期预报能力,得到如下几点结论:(1)SWCWARMS模式小到大暴雨降水范围大于实况,GRAPES模式小到暴雨降水范围大于实况、大暴雨多漏报,ECMWF模式小雨和中雨降水范围大于实况、大到大暴雨多漏报,三个模式无降水或微量降水均少于实况。(2)ECMWF模式对四川雨季小到大雨预报能力优于SWCWARMS和GRAPES模式,SWCWARMS模式在部分时次上暴雨和大暴雨预报优于ECMWF模式,GRAPES模式TS评分略偏低。(3)GRAPES模式在2018年秋季开始中雨及以上量级降水预报上改善大于SWCWARMS和ECMWF模式,SWCWARMS模式2019年空报较2017年和2018年显著降低;3个模式在小雨和中雨预报上不相上下,GRAPES模式优势在2019年大雨和暴雨预报上,ECMWF模式优势在2017年秋季和2018年初夏大雨预报上,SWCWARMS模式大雨和暴雨预报能力介于二者之间。(4)ECMWF和SWCWARMS模式川东预报优于川西,GRAPES模式川西预报优于川东;三个模式存在不同程度空报,川东地区空报略多于川西,其中ECMWF模式空报最多。      

重庆市长寿区暴雨特征分析及基于“配料法”的暴雨预报模型研究

利用2011-2018年地面常规观测、高空探测等资料分析了长寿暴雨特征,研究了表征暴雨过程中水汽、动力、热力、不稳定条件的比湿、散度、垂直速度等物理参数及暴雨发生时各物理参数的阈值,构建了基于“配料法”的预报模型,并对模型进行试用、检验和评估。结果表明：长寿暴雨多发生在5月和9月,影响暴雨的主要天气系统按出现频率自高到低排列依次是高原槽、地面冷锋、西南涡、切变线、低空急流,32.1%的暴雨是在高空槽、切变线、西南涡和地面冷锋的共同作用下产生的,其他天气系统配置下较少产生暴雨。基于“配料法”的主观预报方法准确率较EC提高27%,漏报率较其他模式明显减小,TS评分较EC提高0.15;客观方法准确率较EC提高16%,TS评分较EC提高0.03。     

陇东南暴雨动态统计PP预报模型

利用1960~2001年NCEP再分析格点资料、陇东南4市31站的降水实况资料、及4个代表站的15~40 cm的地温资料,用11种物理量设计了86个初选因子,将预报区域分东、南、西3片,将天气环流分4型,采用判别分析方法求得陇东南暴雨初级判别函数3个、二级判别函数12个,构成暴雨的动力统计PP预报模型。回检情况,初级预报判别在正例概括90%~93%暴雨日的情况下,排空率可达63%~68%;二级动态判别东片、南片性能较好,预报技巧基本在60%以上,其中东片辐合气流型可达80%以上,西片整体要差一些,但相对于暴雨的实际预报水平,12个函数均具有一定的参考性。用2004~2005年7月实际资料检验,模型预报技巧可达39.3%;试验运行,模型解释应用T213数值预报12 h、36 h的资料,对2005年6月30日至7月2日陇东南出现的暴雨有较好的反映,两方面都说明了模型的实用价值。     

基于MET系统对SWCWARMS及GRAPES模式在西南地区的站点检验分析

应用国家基本观测站资料、自动站逐时降水资料,基于客观统计检验方法,针对降水(12h、24h累积雨量)、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2015年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式降水ETS评分高于GRAPES模式,除24h小雨外SWCWARMS模式偏差值均高于GRAPES模式,两个模式在不同预报时效内对中雨、大雨、暴雨都表现一定程度的空报;(2)12h降水分段评分上,SWCWARMS模式TS评分均高于GRAPES模式,但SWCWARMS模式预报降水范围过大,随着预报时效增长空报多于GRAPES模式;SWCWARMS模式中雨和大雨空报大于其它量级降水,GRAPES模式对大暴雨漏报较多其它量级降水表现为空报;(3)两模式对高度场和温度场预报优于风场,对对流层中层预报优于中低层,SWCWARMS模式对高度场和温度场预报优于GRAPES模式,夏半年SWCWARMS模式均方根误差小于GRAPES模式;(4)两模式都表现出2m温度均方根误差在秋季增加而春季减小这一特征,SWCWARMS模式近地面要素均方根误差均小于GRAPES模式。      

用神经网络法试报黄河三角洲汛期暴雨

在天气学分型的基础上,用神经网络Back-Propagation(简称B－P）算法,以1990－1995年汛期（6月下旬－9月上旬）日本数值预报产品和实时资料若干气象要素作为预报因子,对黄河三角洲的汛期暴雨进行了试预报,预报准确率平均达70％,比主观预报准确率提高了50％以上。