对流尺度集合预报对川渝地区降水的预报性能分析

为深入认识对流尺度集合预报对川渝地区降水的预报性能，利用2020—2021年暖季（5—9月）川渝地区7 213个自动气象站逐日降水观测数据，综合评估对流尺度集合预报系统的控制预报（Control Forecast, CNTL）、集合平均（Ensemble Mean, MEAN）和概率匹配平均（Probability-matched Ensemble Mean, PM）对川渝地区降水的预报能力，并对比不同起报时次（08:00和20:00，北京时，下同）的预报差异。结果表明：（1）PM和MEAN的预报性能相对CNTL有所提高，MEAN对中雨和大雨量级降水预报具有指示意义，PM对大量级降水具有明显的预报优势。（2）模式预报的降水频率在小雨量级相比观测呈区域一致的正偏差，中雨及以上量级降水的预报正偏差集中在大巴山、华蓥山、武陵山脉等高海拔山区，预报负偏差主要位于四川盆地和丘陵区域，MEAN对小雨和中雨（大雨和暴雨）的预报正（负）偏差最明显。（3）08:00起报的36 h时效临界成功指数（Critical Success Index, CSI）和命中率（Probability of Detect...     

CMA-SH9在川渝地区的降水日变化预报效果评估

利用CMA-SH9模式逐小时降水预报数据和地面自动站-CMORPH卫星融合降水数据,开展该模式对2020年暖季（5~9月）川渝地区降水日变化的预报效果评估。结果表明:CMA-SH9模式可以再现小时平均降水量在四川盆地偏小、盆地周边陡峭地形处偏大的空间分布特征;显著的预报正偏差分布于青藏高原东坡至四川盆地西南部一带和四川盆地以东地区,偏差来自降水频率和降水强度的共同贡献;预报负偏差分布于四川盆地,主要来自模式对降水强度的低估;降水日变化峰值时间自西向东呈午夜到上午的滞后,模式预报的降水日变化峰值时间超前于观测;模式能够较好地把握青藏高原东坡至四川盆地西南部一带和四川盆地的单峰型日变化位相,以及盆地以东地区的双峰型日变化位相,但预报的降水量值和观测存在一定偏差。      

千米尺度分辨率下GRAPES-Meso4.0模式定量降水预报性能评估

应用覆盖中国东南部的3 km分辨率GRAPES-Meso4.0模式（GRAPES-Meso4.0_3 km）2015年夏季实时预报试验结果、同区域1600多个中国国家地面气象观测站每日08：00-08：00 BT的24 h累积降水量和逐时降水量观测资料,从降水累积量、降水频率、降水强度、日循环特征等多个角度,对千米尺度分辨率下GRAPES-Meso4.0模式的降水预报性能进行细致评估,并与同版本10 km分辨率业务模式（GRAPES-Meso4.0_10 km）同期结果在相同区域进行类同对比分析和讨论。结果表明：（1） GRAPES-Meso4.0_3 km很好地捕捉到了2015年夏季观测的日均降水量和降水频率的大小及地域分布特征,其一般性降水（中雨及以下）频率平均低于实况约3个百分点,强降水（大雨及以上量级）频率与实况近乎吻合,纠正了GRAPES-Meso4.0_10 km在这两方面存在的显著预报正偏差,均方根误差（RMSE）减小了40%-50%;（2） GRAPES-Meso4.0_3 km在降水强度预报上的优势主要表现为：对降水强度的地域分布细致特征和对短时强降水（雨强 ≥ 10 mm/h）的频数和分布等把握比较准确,但对强降水（一般性降水）的强度预报偏强（偏弱）;（3） GRAPES-Meso4.0_3 km小时降水量和降水频率的日循环预报可反映出研究区域观测的双峰总体特征以及雨量和频率在日循环中的紧密联系,明显优于GRAPES-Meso4.0_10 km的表现,尽管下午（16时,北京时）峰的预报还存在偏弱现象;（4）模式分辨率提高到千米尺度和模式显式描述云和降水过程,是GRAPES-Meso4.0_3 km降水预报性能较GRAPES-Meso4.0_10 km提高的关键原因,模式初值差异也是不可忽视的影响因素。     

CMA-GD模式江西省智能网格预报区域2 m气温预报误差分析

利用2020年6月1日—2022年5月31日CMA GD模式2 m气温预报产品（预报时效为13—36 h）和同期江西省智能网格预报区域内地面站气温观测资料,计算气温预报准确率、平均误差和均方根误差,并统计分析其时空分布特征。结果表明： 1）模式预报准确率在不同月份、起报时次存在差异,暖季总体较高,冷季总体较低;暖季08时起报产品的月准确率总体高于20时,冷季反之;秋、冬季旬准确率分布更离散。模式预报产品其准确率明显低于中央气象台和江西省气象台订正产品,需订正后使用。08时起报产品对寒潮的预报效果优于20时。2）气温预报年误差分布存在日变化,最大值出现在08时,最小值出现在15时;年均方根误差峰值出现在15时和06时,白天大于夜间。3）冬季平均误差多为正值,夏季为负值,春、秋季平均误差大小界于冬、夏季之间;白天时段夏季均方根误差最大,夜间时段冬季最大。4）气温预报年误差地理分布特征明显,平原地区预报值偏低,年均方根误差最小;丘陵和山区22 h时效预报值偏高,31 h时效偏低;高山站预报值偏高,年均方根误差最大。丘陵地区负误差最大,平原地区最小;山区正误差最大。     

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。     

2020年夏季辽宁省多模式降水预报检验

选用2020年夏季辽宁省区域自动站资料和7种模式预报资料,根据降水强度将站点分为5种降水类型,分析各数值模式36 h和48 h预报检验降水场的分布误差、相关性及雨带位置。结果表明：36 h预报结果好于48 h, 48 h降水量预报结果普遍比观测值偏大。初夏、夏末及秋初,各模式降水量预报偏差相对较小,盛夏的预报值偏差较大,尤其强降水站点的降水量预报值显著偏小。36 h预报值与观测值的相关系数和散点分布表明,弱降水站点和较弱降水站点的ECMWF预报结果最好,NCEP和WRF＿3KM次之。中量降水站点、较强降水站点和强降水站点的NCEP预报结果最好,ECMWF和WRF＿3KM次之。各模式雨带位置预报存在不同程度偏差,其中ECMWF的结果较好。     

北京地区夏季降水概率预报业务应用研究

作者分析了降水概率预报的基本特征，在北京中尺度数值预报模式（ＢＭＮＦＭ）的基础上应用事件概率回归估计（ＲＥＥＰ）方法，建立北京地区夏季两个量级（≥０．１ｍｍ和≥１０．０ｍｍ）的降水概率预报方程，并结合最新天气观测资料和预报员知识订正客观预报结果。应用Ｂ评分，Ｂｓ评分和Ｂｉａｓ方法对主观降水概率预报和客观降水概率预报进行评估。     

基于雷达外推临近预报和中尺度数值预报融合技术的短时定量降水预报试验

为克服目前中尺度数值模式在对流尺度定量降水短时预报方面的不足,弥补基于“外推”的临近预报技术在2h以上定量降水预报能力方面的缺陷,研究设计了一种基于“外推”临近预报技术和中尺度数值模式的定量降水预报(QPF)融合技术方案,并进行了试验应用.该方案首先基于雷达探测和自动气象站观测的定量降水估计(QPE)结果,对中尺度数值模式输出的定量降水预报在谱空间进行相位校正,分析计算出数值预报和观测的偏差,导出一个附加的数值预报校正场;其次,根据数值预报校正场满足一定时间变化分布的特征,调整相应时段的数值预报降水区域和强度;最后,利用双曲正切线权重函数,对校正后的数值模式定量降水预报和基于临近预报技术的定量降水预报进行融合,融合权重根据典型环流特征动态变化.融合后的定量降水预报在前1-2h表现出主要依赖“外推”临近预报结果,之后随着融合权重的变化,数值预报对融合结果的贡献逐渐加大,直至融合后5-6h占主导地位.通过对京津冀地区2011年夏季5个及2012年夏季2个典型强降水个例的80次预报试验及其检验,表明融合后的0-6h定量降水预报结果改进较为明显,总体优于单独的临近预报技术或者中尺度数值预报模式的结果.     

AREM模式对2002年汛期降水的实时预报试验

2002年主汛期,“973”(中国暴雨)项目研制开发的η坐标有限区域数值预报模式(AREM)在武汉暴雨研究所进行了每天两个时次(08时、20时)的实时数值预报试验。实时预报表明,该模式适合于我国计算机条件,对我国夏季降水有相当预报能力。对试验结果进行了分区Ts评分检验,模式对我国东部地区的降水预报评分最高,08时起报的0～24h时效的降水预报,对24小时降水量大于0．1、10、25和50mm的R评分分别为0．578、0．282、0．144和0．062。对2002年主汛期的几次强降水过程的预报结果表明：模式对2002年梅雨、长江流域暴雨、华南暴雨和华北暴雨都有很好的预报,模式对雨带的位置、移动、降水强度、降水的持续与减弱的预报都具备一定的能力。     

贵州省汛期短时降水时空特征分析

利用贵州区域84测站1991—2009年汛期（4—9月）逐小时降水量资料,分别定义各站点的小时降水量的强降水阈值。阈值的分布有两个高值中心,最强中心在西南部望谟站,西北部的强降水阈值较低。同时利用各站点阈值统计19年不同月份的强降水事件频数,其分布显示：4月份东部和中部偏南地区频数较高,5月份频数高值区呈东北—西南向,随后几个月逐渐向西北推进。4—6月事件频数逐渐增大,7月维持,8—9月开始减少。各月强降水事件发生时次统计表明：一天中有三个相对高值时段,23：00—02：00、05：00—08：00和17：00—20：00,而白天强降水事件很少。短时强降水事件发生时次的空间分布表明,西北部的强降水事件多数发生在傍晚到23：00,中部的强降水集中在23：00—02：00,东南部在05：00—08：00。     

近30 a江苏夏季降水日变化的气候学特征

基于1980—2013年江苏省61站小时降水资料,分析了江苏省夏季降水日变化的特点及小时极端降水、不同级别雨日的日变化特征。结果表明,江苏省夏季降水日变化具有显著的双峰分布特征,然而江苏省北部和南部降水的主峰时段并不一致。从降水频次、累积降水量来看,江苏省北部降水以清晨至早上时段为主峰、午后至傍晚时段为次峰,南部降水与之相反。长持续性降水占夏季降水的2/3左右,且江苏北部占比多于南部,均为清晨至早上的单峰分布;短持续性降水占夏季降水的1/3,在江苏北部呈现出以午后至傍晚为主峰,清晨至早上为次峰的双峰分布,而在江苏南部呈现出以午后至傍晚的单峰分布特点。小时极端降水,阈值分布南低北高,虽然频次较少,但占夏季降水的40%左右。小时极端降水日变化的双峰分布和夏季总体降水分布类似,但主峰大都出现在午后至傍晚。不同级别雨日的日变化分布各有不同,但全省各区无显著差异。累积降水量贡献主要来自于暴雨和大雨。暴雨无论是从降水频次、累积降水量还是降水强度都呈现清晨至早上的单峰分布。     

天津市夏季降水日变化特征

利用1954－2007年天津市夏季逐时自记降水资料,分析了天津市夏季降水（包括逐小时降水量、降水频次、降水强度以及不同持续时间降水）日变化规律。结果表明：天津市一日内不同时次的多年累积降水量具有显著的日变化特征,呈明显的双峰型,高值分别出现在午后17时和午夜02时。逐小时降水强度与降水量的变化特征非常一致,而多年累积降水频次在凌晨02时至08时较高,之后至11时逐步降低,11时至24时变化不大。降水量与降水频次及降水强度的关系均达到显著性水平（P < 0.001）,但逐小时降水强度与降水量相关性明显高于降水频次,表明降水量变化与降水强度有直接的关系,而降水频次对累积降水量的贡献占较小的权重。持续不同时间降水事件的发生次数在一日内的变化特征明显不同,长时性降水峰值集中在清晨,而短时性降水尤其是1-3 h降水主要以午后为主。     

基于频率匹配法的中国降水多模式预报订正研究

基于TIGGE资料中欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心及英国气象局1～7 d日降水量预报以及中国自动站观测资料与CMORPH降水产品融合的逐时降水量网格数据集,利用频率匹配法(Frequency-Matching Method,FMM)对中国降水预报进行客观订正。首先利用卡尔曼滤波方法对降水频率进行调整,并根据不同区域降水强度差异将全国分为7个子区域分别进行频率匹配。结果表明,FMM可以有效减小降水量预报的误差。经过频率匹配法订正后各模式降水预报的平均绝对误差(Mean Absolute Error,MAE)大幅减小,且订正后各量级降水的雨区面积更加接近实际观测值。FMM对小于5 mm和大于15 mm的降水预报技巧改进明显。此外,FMM降低了模式预报的小雨空报率和大雨漏报率,并且明显提高了晴雨预报的准确率。FMM明显消除了大范围小雨空报区域,但是对强降水预报FMM仅能调整降水量大小,强降水落区预报并不能得到明显改善。     

WRF-EnKF系统对中国南方一次暴雨过程确定性预报的试验

文章利用美国宾州州立大学的WRF EnKF(Ensemble Kalman Filter)实时预报系统(Real time Penn State WRF EnKF System),针对2013年5月15—16日发生在中国南方的暴雨过程进行了数值预报试验,以初步检验该系统对我国南方降水确定性预报的效果。数值试验采用2013年5月14日08时（北京时）起报的6 h间隔的1°×1° NCEP GFS (globle forecast system) 60 h预报数据（预报到5月16日20时）作为初始条件和边界条件。其中,控制试验不同化任何观测资料,同化试验通过集合卡尔曼滤波方法同化常规探空资料,分别进行确定性预报。结果表明：利用WRF EnKF系统同化常规探空资料,显著改善了数值预报的初始场,减小了各物理量的预报偏差和预报均方根误差,进而提高了此次暴雨过程的降水落区和强度的预报准确率。     

双低空急流影响下华南初夏降水日变化的时空分布特征

利用2010—2016年5—6月ERA5逐小时再分析数据集和国家气象信息中心逐小时降水量融合产品,对影响华南地区的低空急流事件进行筛选和分类,并分析天气系统相关的低空急流（Synoptic-system-related Low-Level Jet,SLLJ）和边界层急流（Boundary Layer Jet,BLJ）的日变化及其影响下的华南降水日变化的时空分布特征。结果表明,BLJ和SLLJ在白天减弱、夜间增强,并在凌晨达到峰值,其日变化主要与边界层惯性振荡引起的非地转风的顺时针旋转有关。双急流日华南地区降水量显著增加,且降水日变化有明显的区域差异,这与双急流的演变和配置密切相关。广西中北部主要为SLLJ左前方发生的夜间山区降水,且降水量仅有凌晨的单峰。广西沿海和广东地区存在早晨和午后两个峰值,BLJ出口区辐合和SLLJ入口区辐散的维持有利于降水频率的增大,从而导致午后峰值的出现,而早晨的峰值除了受双急流有利配置的影响外,主要归因于早晨降水强度的增加。     

云南小时降水的时空分布变化研究

利用2005—2018年125个国家级台站小时降水观测数据研究云南小时降水时空分布特征。结果表明:云南年总降水量、不同持续时间降水量、极端强降水量及降水日变化空间分布差异很大。年降水量自西北向南增加,雨强自北向南增强,降水时长西部大于东部、南部略大于北部,年降水量受降水时长和雨强共同影响,降水时长影响最强,雨强影响较弱,这种特征在滇西北最突出,但滇东北的降水量与雨强相关更好。云南大部夜雨量多于昼雨量,滇东北和北部边缘夜雨特征最显著;降水日变化特征在云南北部为夜间单峰,西部边缘为清晨单峰,中部为夜间与午后峰值相当的双峰,南部也为夜间和午后双峰,但南部不同区域间主峰和次峰出现时间不同。云南南部降水贡献以短、中历时降水为主,北部则以长、超长历时降水为主。云南短时强降水发生次数的空间分布表现为自西北向东南增加;年发生站次数具有增加趋势,日变化特征为显著单峰,多在傍晚至入夜出现,且极端短时强降水更易在凌晨出现。这些小时降水时空分布特征很大程度上代表了低纬高原地区的降水特征。由于低值天气系统多影响低纬高原中北部,热带天气系统多影响南部,且低纬高原地形复杂,局地热力条件差异明显,这些因素造成该区域小时降水时空分布特征差异显著。     

华北地区夏季降水日变化的时空分布特征

利用2008~2014年间全国自动站观测降水和CMORPH[CPC（Climate Prediction Center）morphing technique]卫星反演降水资料融合而成的0.1°×0.1°小时降水产品揭示了华北夏季降水的日变化特征,发现华北多数地区夏季降水量和降水频率日变化呈现出明显的双峰特征且存在明显的区域性差异。在太行山以西地区,降水量和降水频率的日峰值出现在傍晚18:00左右（北京时）,规律性最强;而在太行山以东的平原和沿海地区,日峰值一般出现在上午。研究不同持续时间降水对总降水的贡献发现短时降水对傍晚的降水日峰值贡献较大,而长时降水则对凌晨的峰值影响更大。分析不同强度降水对总降水量的贡献结果表明,0.1~10 mm h-1强度降水较其它强度降水对夏季华北地区总降水量贡献更大,随着降水强度的增加降水量日变化的峰值个数增加。