基于Logistic模型的干、湿环境下江淮夏季雷暴大风潜势预报研究

利用2009—2015年江淮夏季雷暴大风观测资料和NCEP再分析资料,按整层可降水量将雷暴大风环境划分为干、湿两种环境,结果发现湿环境雷暴大风日约占总雷暴大风日数的86%。基于物理量参数和Logistic回归方法构建了江淮夏季干、湿环境下区域雷暴大风的潜势预报模型。西南区、东南区和北区湿环境雷暴大风的最显著预报因子分别是冰雹指数(CS)、K指数和沙氏指数(SI)。干环境雷暴大风的最显著预报因子是总指数(TT)。相对于大风指数(WINDEX),综合考虑热力学作用和高空水平动量信息的新大风指数(GUSTEX)对江淮干、湿环境雷暴大风的预报指示意义更好。通过历史样本回报确立了预报模型的概率阈值,并利用2016年独立样本试预报检验证明Logistic模型预报效果良好。     

基于概率与权重的雷暴大风潜势客观预报方法研究

采用2007—2015年5—8月NCEP再分析资料和国家站、区域站雷暴大风实况观测资料,利用权重和概率统计相结合的方法,确定与雷暴大风联系紧密的物理量,统计其在所选物理量不同阈值范围内出现的概率,建立雷暴大风概率潜势预报方程,并对预报结果进行检验。结果表明:(1)雷暴大风出现在白天与夜间所选物理量参数有所不同。无论白天或夜间,其在山区与其它地区的物理量阈值亦不同。(2)所选每个预报因子的概率统计结果与雷暴大风发生的环境条件基本相符,该概率由因子达到阈值范围内的样本数和在此区间内出现雷暴大风的样本数两者共同决定的。(3)该方法对08—20时和20—08时两个时段雷暴大风预报的命中率均较好,尤其2016年7月最高,预报概率为"60%以上"的命中率接近93%,可预报出雷暴大风出现的概率潜势和可能发生的区域;同时,空报率较高;预报概率为"80%"的预报临界指数更高。     

雷暴大风、冰雹天气的预报方法研究

采用2007-2015年5-8月NCEP再分析资料和国家站、区域站雷暴大风实况观测资料,利用权重和概率统计相结合的方法,确定与雷暴大风联系紧密的物理量,统计其在所选物理量不同阈值范围内出现的概率,建立雷暴大风概率潜势预报方程,并对预报结果进行检验。结果表明：（1）雷暴大风出现在白天与夜间所选物理量参数有所不同。无论白天或夜间,其在山区与其它地区的物理量阈值亦不同。（2）所选每个预报因子的概率统计结果与雷暴大风发生的环境条件基本相符,该概率由因子达到阈值范围内的样本数和在此区间内出现雷暴大风的样本数两者共同决定的。（3）该方法对08-20时和20-08时两个时段雷暴大风预报的命中率均较好,尤其2016年7月最高,预报概率为\     

太原雷暴大风潜势预报方法研究

利用太原市7个国家观测站实况、探空以及MICAPS等资料,对1998—2018年5—9月太原的雷暴大风进行天气学分型,选取雷暴大风的消空因子以及不同天气型下的预报因子并确定其阈值,利用指标叠套法,建立雷暴大风潜势预报方法,并进行预报检验。结果表明：(1)选取700 hPa温度露点差、850 hPa与500 hPa的温差、条件性稳定度指数和混合相层4个环境参数作为消空因子并确定了消空阈值。（2）将雷暴大风分为高空槽型、冷涡型、切变线型、西北气流型和副高边缘型5类,选取了5类天气型下雷暴大风的预报因子,利用指标叠套法,建立了太原雷暴大风潜势预报方法。(3)运用雷暴大风潜势预报方法开展历史样本回报检验和2019-2020年试预报检验,取得了较好的预报效果。     

贵州省雷暴大风时空分布及对流参数特征分析

利用贵州省2012—2016年重要天气报、雷暴观测资料等,统计了雷暴大风时空分布特征,结果表明:贵州雷暴大风发生在3—10月,5月和8月发生次数最多,一天当中雷暴大风发生的高频时段在午后到前半夜,峰值出现在15—18时(北京时,下同)。贵州发生雷暴大风高频地带总体呈东北—西南向分布,西南部为高发区。利用NCEP再分析资料统计雷暴大风过程物理量场的特征,选取对流有效位能、对流抑制能量、下沉对流有效位能、大气可降水量、垂直风切变等8个动力和热力指标,分别给出其春季和夏季的阈值。基于指标阈值的统计结果,建立多指标叠套雷暴大风落区预报方法,结果表明预报落区与雷暴大风实际发生区域有较好的一致性,但仍然需要预报员根据环境条件做出订正。     

巴中地区强对流天气预报方法研究

利用1987-2017年高空观测资料、地面观测资料,以及巴中市国家气象站、区域气象站资料,雷达资料,灾情资料,EC细网格预报资料,采用中尺度分析方法分析,总结了巴中地区强对流天气的四种概念模型、分类预报方法和地面要素临近预警指标。并基于EC细网格历史资料,采用主成分分析方法筛选物理量因子,通过配料法建立了巴中地区雷暴大风预报方程,实验表明当雷暴大风预报方程预报值大于60%时,巴中地区发生雷暴大风的概率很大,具有很好的指示作用。     

利用探空资料确定呼和浩特地区3类强对流天气预警阈值

利用呼和浩特探空站计算的16个物理量,分析了2012—2016年6—8月呼和浩特地区的冰雹、雷暴大风及短时强降水天气过程中各物理量差异,结果表明:①订正后的(对流有效位能)CAPE大于等于1000J·kg-1、0℃层高度约4200m左右,-20℃层约在7200m左右,500hPa和850hPa温差达-25℃,逆温层高度在2km以上基本可以判定为冰雹天气;②短时强降水对水汽的依赖度更高,且具有更强的热力不稳定性,低层的温度露点差、500hPa与850hPa的假相当位温差Δθse(500-850)、大气可降水量PW也是短时强降水天气的重要判据;③订正后的(下沿对流有效位能)DCAPE值雷暴大风明显大于冰雹和短时强降水,约为其他2类强对流天气的2倍,订正后的CAPE略小于其他2类强对流天气。根据四分位数法、所占比例≥70%以及均值法界定各类预报因子阈值大小,进而确立了呼和浩特地区强对流天气预警指标。经检验均值法确定的阈值指标命中率均达到50%以上,可参考价值较高。     

四川雷暴大风的预报因子筛选及预报效果

利用ECMWF历史预报资料,从动力、热力、水汽、不稳定条件四个方面选取影响雷暴大风发生的因子,构建多因变量数组,并利用主成分分析确定配料系数及其阈值,在此基础上进行配料,研发了四川省雷暴大风概率预报产品投入应用。2018年汛期应用表明:雷暴大风产品对预报概率超过65%的区域有指示意义,且优于ECMWF数值预报的100 m高度风,在检验的个例中,有效命中率达25%以上。      

山东中西部地区雷暴大风天气气候特征

利用实测资料和历史天气图，统计分析了1980－1997年山东中西部地区雷暴大风天气的气候规律、天气系统特点以及雷达回波特征，对其中12次强雷暴大风个例的相关物理量参数和能量、环境风分布进行了分析，总结出了产生雷暴大风的前期天气系统特征及预报指标。     

珠三角地区前后汛期强对流过程物理量指数对比分析及阈值选取

珠江三角洲（简称珠三角）地区前汛期强对流是由锋面系统引起,后汛期强对流则多由热力系统引起。利用2004—2006年探空资料计算的物理量,选取与强对流天气相关性好的大气温湿类（整层比湿积分IQ）、层结稳定度类（K指数）、动力类（潜在下冲气流指数MDPI）、热力动力综合类（瑞士第一雷暴指数SWISS00）作为指示因子,通过对各指数的分布特征进行对比分析,分别得到珠三角地区前、后汛期的物理量指数的阈值,为进一步做好珠三角地区未来12小时强对流预报服务。      

华北地区雷暴大风的时空分布及物理量统计特征分析

利用2011—2015年4—9月华北地区主要区域(北京、天津、河北、山西)的重要天气报和雷暴观测资料,统计分析了该地区雷暴大风的时空分布等特征。结果表明,华北地区雷暴大风出现最多的月份为6—7月,最多的时次为下午到前半夜,大范围雷暴大风天气过程起始时间多为13:00(北京时,下同)-15:00,持续时间为4~8 h,高海拔地区出现雷暴大风的频次大于低海拔地区。在将华北地区站点分为高海拔站点和低海拔站点的基础上,使用2011—2013年4—9月的NCEP物理量分析场对雷暴大风过程的指示性进行统计分析,结果表明:多数常用的热力指标需考虑季节因素;下沉对流有效位能阈值基本不随季节变化,并对高海拔和低海拔区域的雷暴大风的出现及其范围均有一定的指示性;对流抑制能量、0~3 km垂直风切变、低层散度、500 hPa风场、整层可降水量、500 hPa相对湿度08:00—14:00变化等物理量在一些具体方面对于雷暴大风的出现及范围有一定的指示性。主要发生在高海拔地区的雷暴大风天气过程,850 hPa的相对湿度均在50%以下;主要发生在低海拔地区的雷暴大风天气过程,850 hPa的相对湿度基本在50%以上;850 hPa相对湿度较大的大范围雷暴大风天气过程,850 hPa和500 hPa的温差在24~28℃,850 hPa相对湿度较小的大范围雷暴大风天气过程,850 hPa和500 hPa的温差则常常达到30℃或以上。     

河北廊坊雷暴大风的气候特征

利用1970~2012年廊坊地区9个气象站地面雷暴大风观测资料,采用趋势分析、滑动t检验、小波分析和最大熵谱分析等统计方法,系统分析了该地区雷暴大风天气的时空特征及变化趋势和变化周期。结果表明:廊坊地区的雷暴大风局地性强,43 a间只出现了一次全区性的雷暴大风天气过程,雷暴大风多以单站出现为主。雷暴大风的地域性特征明显,中部的廊坊市及南部的文安、大城站较易出现,而北部发生概率较低。雷暴大风的日、月及年变化特征明显。雷暴与大风主要发生在午后至前半夜,大风发生时间一般落后于雷暴,1 h内的雷暴与10 min以内的大风发生概率最高;雷暴大风3~10月都可出现,主要集中在夏季,发生概率为73.3%;近43 a来,年均雷暴大风日数整体呈现减少趋势,且中部的站点减少趋势最显著,1994年为雷暴大风的显著突变年,其显著变化周期为3.23a。雷暴大风多为"湿"型。     

多种观测资料在一次弱降水雷暴大风分析中的综合应用

利用多普勒天气雷达、宝坻和西青两部风廓线雷达、天津250m气象铁塔观测资料,结合NCEP再分析资料、探空资料、地面加密自动站和自动站分钟资料,对2014年6月8日发生在天津地区的一次弱降水雷暴大风过程进行分析。结果表明:(1)此次过程属于西北气流型雷暴大风,低层强垂直风切变和较大的温度直减率为雷暴大风的出现提供有利环境条件;(2)此过程共经历弓形回波复合体、阵风锋和单体弓形回波3个阶段,雷暴大风的强度与强回波核伸展高度以及下落时间有关,回波核伸展高度越高,下落时间越短,雷暴大风强度越强;(3)强冷池的快速移动是弓形回波复合体阶段雷暴大风的直接原因,冷空气首先从2.3km高度入侵,10min后地面出现雷暴大风。天津南部具有不稳定能量高值中心,配合地面中尺度辐合线的触发作用导致单体弓形回波阶段雷暴大风;(4)阵风锋阶段上升与下沉气流共存,下沉速度峰值的下传特征较地面雷暴大风的出现提前20min,2km以上的对流层中低层为上升运动。     

基于支持向量机的雷暴大风识别方法

基于北京市观象台雷达基数据和加密自动气象站数据,利用支持向量机算法建立了雷暴大风天气的有效识别模型。首先确立了9个用于识别雷暴大风的预报因子:回波顶高、最大反射率因子、最大反射率因子所在高度、垂直积分液态水含量、垂直积分液态水含量随时间变率、垂直积分液态水含量密度、雷暴大风发生前最大反射率因子下降高度、风暴移动速度、速度谱宽。通过计算各预报因子在大风和非大风样本中的概率分布,得到对应的各项预报因子雷暴大风的隶属度,利用得到的隶属度函数对样本进行归一化处理。确立核函数和模型参数,利用支持向量机建立雷暴大风天气的提前识别和临近预警模型。通过对北京2017年7月7日飑线和2012年5月19日块状回波引起的灾害大风典型个例的识别效果检验,得到两个个例预测的命中率、误判率和临界成功指数分别为92.0%,22.1%,73.0%和99.1%,40.5%,59.2%,对于提高雷暴大风预警预报的准确率有一定帮助。     

哈尔滨雷暴大风天气分型和特征参数分析

使用MICAPS天气资料和探空资料,对哈尔滨市2016-2020年5-9月产生的雷暴大风天气以500 hPa天气系统为主进行分型,并统计低层影响系统和地面天气系统出现的比率。然后利用NCEP资料计算各个雷暴大风天气发生前的环境参量,并采用百分位数法统计各型发生时的物理量,以25%分位数为阈值给出临界值。结果表明:(1)哈尔滨市雷暴大风天气分为冷涡型、槽前型和西北气流型。(2)850 hPa与500 hPa温度差≥24℃,CAPE值≥310 J/kg,0-6 km垂直风切变≥10 m/s,地面露点温度≥12℃对于哈尔滨市雷暴大风天气有良好的指示意义。(3)槽前型雷暴大风天气的850 hPa与500 hPa温度差最小,西北气流型个例中高CAPE值并不多;水汽条件并不是制约冷涡型雷暴大风天气发生的重要因素。     

华北产生雷暴大风的动力热力综合指标分析及应用

应用MICAPS重要天气报告数据,筛选出2005-2010年夏季华北地区26次典型雷暴大风过程。选取K指数、对流有效位能、大气可降水量、大风指数、中低层垂直速度、垂直螺旋度、垂直能量螺旋度等7个动力或热力指标,利用NCEP 1°×1°再分析资料计算和统计了槽前型和西北气流型雷暴大风发生时的指标阈值。基于统计结果,进一步设计了指标叠套技术,将其应用于2011年6月华北地区两次不同类型雷暴大风的潜势预报中。结果表明,雷暴大风实际发生区域与指标叠套区域一致性较好,验证了该方法对华北雷暴大风预报的有效性。     

基于中尺度数值模式快速循环系统的强对流天气分类概率预报试验

在利用实况探空资料、微波辐射计和风廓线构建的特种探空资料对北京地区强对流天气进行判别,以及快速更新循环同化预报系统(BJ-RUC模式)探空资料可应用性分析的基础上,针对模式探空基本要素计算多种热力、动力、综合不稳定物理量,根据统计的强对流天气判别指标,计算模式格点上的强对流发生概率,并进一步针对冰雹(雷暴大风)和强对流短时暴雨天气下不同物理量的阈值范围,初步探索中尺度数值模式对强对流天气分类预报的可能性.通过不同组合的预报方案进行的对比分析表明,利用北京地区中尺度数值模式快速循环系统(BJ-RUC)的格点探空资料进行强对流天气概率的预报是可以实现的,强对流天气的分类概率预报也存在一定的成功率.     

基于物理量参数的山东聊城地区冬季降水相态预报模型研究

利用2011—2015年冬季山东聊城机场的逐日逐时常规地面观测资料和邢台站、章丘站的逐日常规高空探测资料,计算了46个物理量参数。在物理量参数与降水相态相关系数的显著性检验基础上,根据物理量参数在不同降水相态样本中值域分布特征,采用盒状图和技巧评分的方法最终选定章丘站和邢台站具有预报意义的各6个物理量参数。通过分析不同类型物理量参数对不同降水相态的指示作用,根据各物理量参数在不同降水相态样本中的阈值,确定聊城地区冬季降水相态预报的判定指标。采用隶属函数转换法,建立聊城地区冬季降水相态预报模型。经实况拟合检验,准确率达85%以上,效果较好。     

基于模糊逻辑的雷暴大风和非雷暴大风区分方法

雷暴大风往往伴随飑线、阵风锋、龙卷等强对流天气而出现,风速大、发展迅速、突发性强,对生命财产安全造成极大威胁,因此对雷暴大风的监测与预报具有重要的意义。然而,雷暴大风监测一直也是强对流监测的难点。本文在地面气象观测站大风记录的基础上,结合多源数据(包括雷达、卫星、闪电、温度、露点等观测数据),利用模糊逻辑算法,实现雷暴大风与非雷暴大风的有效识别,可对雷暴大风进行实时监测。具体算法为:首先,基于历史样本数据的统计得到各变量的概率分布函数,进而得到各参数隶属度函数;然后采用概率重叠面积方法,确定各项质量控制数据的权重;最后通过选取判断概率阈值Q的方法,区分雷暴大风与非雷暴大风。通过对2010年全国50873条人工观测大风数据的识别结果检验表明,该算法能有效区分雷暴大风与非雷暴大风,当Q选取0.55时,雷暴大风的识别准确率POD约为0.76,误识别率约为0.18,雷暴大风CSI指数约为0.67。文中选取了两次大风过程,算法正确地识别了11个非雷暴大风记录,5个雷暴大风记录。本工作能一定程度上提升雷暴大风的监测效果、完善强对流监测业务体系。     

银川河东机场小样本雷暴分类客观预报方法研究

利用2000—2016年欧洲中心再分析资料、探空及地面自动气象站观测资料,根据天气过程的强度和对应物理量,分别对银川河东机场雷暴伴随大风、降水等不同天气现象类别进行定量化转换,采用峰度偏度系数、χ~2以及Q-Q图3种方法对定量转换的数据进行正态性检验,结果表明:按天气现象分类的样本服从正态分布,未分类样本基本服从。利用逐步回归、多元回归、非线性回归、BP人工神经元网络以及支持向量机5种方法,分别建立了雷暴现象与强度预报模型。结果表明:BP网络以及SVM对天气现象的预报能力较强;分类逐步、多元以及非线性回归模型分别对弱雨、强雨以及大风和降雨同时发生的天气强度预报效果较好。并在此基础上通过最优分析设计了河东机场不同种类雷暴天气定性和定量预报相结合的业务系统。