地温在春季降水长期预报中的应用

将地温作为影响长期天气过程的一个物理因子，讨论了不同层次的地温对未来降水的影响，发现前期整层地温或深层地温与春季降水之间有很好的关系，所建立的预报方程取得较好的预报效果。     

多模式短期集合降水概率预报试验

利用AREM、MM5和WRF3个中尺度数值模式,通过积云参数化和边界层方案组合构成15个集合成员,对中国2003年7月汛期降水分别采用平均法、相关法、Rank法开展多模式短期集合降水概率预报试验。结果表明：用上述3种方法制作的多模式短期集合概率预报都能对降水落区及中心做出较准确的预报,但平均法和相关法易使降水落区虚假放大,Rank法则能较好地刻画降水落区边界及强度,其概率预报效果优于平均法和相关法结果。采用BS（Brier score）、RPS（ranked probability score）评分和ROC（relative operating characteristic）曲线对3种方法的降水概率预报效果评价时发现,对某一临界值等级的概率预报,3种方法结果差异较小;但对某一天降水概率预报结果的综合评价表明,Rank法显著优于前两种方法;降水强度大、范围广的降水的RPS评分和各级的BS评分较高,表明多模式降水概率预报也具艰巨性。     

基于集合降水预报产品的汛期洪水预报试验

为改善因水文模型中降水等输入信息的不确定性对确定性水文预报精度的严重影响,以湖北省漳河流域为例,将中尺度暴雨数值模式(AREM)集合降水预报产品输入到新安江水文模型中,对该流域2008年汛期一次典型的洪水过程进行预报测试。结果表明:基于集合数值预报产品的水文预报能在洪峰流量、峰现时间等水文预报要素上获取更多的预报信息,并将单一的确定性预报结果转化为可能发生范围的预报,提高了水文预报结果的可靠性。     

超级集合思想在汛期降水预测集成中的应用

借用数值预报中超级集合的思想对参加中国汛期降水预测的各大单位预报结果进行集成，以期得到较好的预测结果。利用线性反演技术进行正反拟合和预报试验．结果表明集合预报效果比较稳定，多数情况下优于单个成员预报。体现了集合的优势，在气候预测业务中有一定的应用价值。     

内蒙古地区汛期降水气候分析与预报

内蒙古地区降水量主要集中在6－8月，并且在此期间降水量之年际变化很大，既易少雨干旱，亦易多雨洪涝，这是我区防旱防汛之关键季节。为此，根据全区6－8月总降水量的地区分布，将内蒙古地区汛期降水分为4类，进行气候分析，并将其作为预报对象，用转换概率统计预报方法做分类预报，在1989－1991年3年的实际预报中使用，效果较好。     

内蒙古地区1998年汛期降水时空特征分析

受东亚大气环流异常影响,1998年从5月中旬末开始,内蒙古自西向东先后进入汛期,汛期开始较往年提前近1个月,而且持续时间较长,汛情十分严峻。基于全区各台站历年汛期降水数据的统计分析和1998年降水的时空分布情况及其与历年的比较分析,今年的汛期可以划分为4个阶段：（1）5月中旬末至下旬,我区西部降大－暴雨,发生洪灾;（2）6月中旬至7月中旬,我区大部普降中－大雨、局部暴雨,中部发生洪涝灾害;（3）7月下旬至8月中旬,东部多次降大－暴雨,洪涝灾害异常严重;（4）8月下旬全区降雨渐少,汛情日缓。     

巴彦浩特汛期中雨以上降水分型预报方法

普查1981－1990年6－8月历史天气图，将天气形势相似的过程归类，按环流型建立巴彦浩特汛期24小时≥10．0毫米降水预报方程。用3年资料试报，成功指数达92％。预报效果令人满意。     

2003年江淮汛期多模式短期集合预报方法研究

利用AREM、MM5和WRF模式为试验模式,由对短期天气预报结果影响颇大的积云参数化方案和边界层方案构成15个集合预报成员,开展有限区域多模式短期集合预报在我国汛期时段的应用与研究.分别研究了单个模式集合预报和多模式集合预报在2003年汛期(7月)预报中的应用,预报对象主要包括降水、500 hPa位势高度和700 hPa相对湿度.试验结果表明:(1) 由AREM、MM5和WRF模式构成的多模式集合对以上要素的集合预报总体效果比其任一单个模式的集合预报效果好;(2) 对于降水的集合预报,单个模式的集合平均结果对多模式集合预报效果有影响.且对于不同的降水临界值影响不同;当降水临界值较小时,单模式集合平均结果对多模式集合效果影响较小;当降水临界值较大时,影响较大,甚至可以影响多模式集合的集合平均预报成败;(3) 对于降水、500 hPa位势高度和700 hPa相对湿度,其单个模式以及多模式的48 h集合预报对确定性预报的改善度都比24 h的显著.(4) 对于形势预报和相对湿度预报,多模式集合预报效果明显比同期T213模式的预报水平高.     

运用人工神经网络作汛期降水预报

本文提出汛期降水预报的人工神经网络方法，并选择一组标样进行了具体分析，预报成功率达100％，结果表明，该方法性能良好，可望成为汛期降水预报的有效手段。     

GRAPES区域集合预报对2019年中国汛期降水预报评估

2019年,数值预报中心开发了以GRAPES全球模式为驱动场,集合变换卡尔曼滤波为初值扰动方法,随机物理过程倾向项为模式扰动方法的10km水平分辨率GRAPES-REPS V3.0区域集合预报模式,并投入业务运行.基于该模式,作者开展了2019年7～9月夏季降水不确定性的集合预报实时试验,并从统计检验和个例分析角度,与...     

运用自组织人工神经网络作汛期降水预报

本文提出了汛期降水预报的自组织人工神经网络方法，并选择一组标样进行了具体分析，预报成功率达100％。结果表明，该方法性能良好，可望成为汛期降水预报的有效手段。     

短期集合预报技术在梅雨降水预报中的试验研究

数值预报的误差来源于初始场和模式的误差,集合预报技术是减小这些误差的有效方法。该文以MM5模式作为试验模式框架,模式的积云参数化方案分别取Anthes-Kuo、Grell、Kain-Fritsch和Betts-Miller方案,边界层参数化方案分别取MRF和Eta方案,通过组合4种积云参数化方案和两种边界层参数化方案产生8个集合成员,对1999年华东地区梅雨期间3个降水个例进行48 h集合预报试验。结果显示不同集合成员的预报结果各不相同,积云参数化方案对降水的影响比边界层参数化方案对降水的影响大;不同集合成员预报降水的偏差也各不相同,大多存在湿偏差,量级小的降水的湿偏差程度比量级大的降水的湿偏差程度小;对于不同个例,各成员中预报效果相对较好的成员是不同的,集合平均后可以得到一个比较稳定的预报结果;从集合预报结果中还能得到客观化和定量化的降水概率预报,它能对可能发生的天气现象发出信号。     

短期集合预报中定量降水预报集合方法初探

针对短期集合预报中集合平均等方法对极端天气事件预报能力低下的缺陷，提出一种定量降水预报集合方法，简称两步法。该方法首先采用逐级归并法确定集合成员的总体相似度，进而确定集合成员预报场的延伸半径，对各成员的预报场进行修正，然后根据每个成员与其他成员的相似程度，确定各成员的权重系数。这个方法既考虑了集合成员总体的差异性又考虑了降水的概率分布。试验证明，通过上述两步得到的定量降水预报，对提高极端天气事件的预报确率有一定效果。本方法无需历史资料，能很好适应集合成员的改变，实现方便快捷。     

我国地温梯度特征及在汛期降水预报中的应用

对中国中、中部区域１月１．６￣０．８ｍ平均地温垂直梯度距平场进行ＥＯＦ分析显示,地温垂直梯度距平场具有大尺度特征,并有弧立系统结构。在此基础上进一步研究了地温垂直度距平场与北半球大气环流异常与地温垂直梯度距平场异常是相互联系、相互维持的。通过对中国中、东部１．６￣０．８ｍ地温垂直梯度距平场对中国东部汛期降水相关性的研究,并用中国中、东部１．６￣０．８ｍ地温垂直梯度距平声对中国东部汛期降水做了预报及     

清丰县汛期≥365mm降水预报

清丰县汛期(6～8月)平均降水量365mm，若汛期降水量≥365mm，往往形成洪涝灾害。因此，探讨汛期大于平均降水量的预报方法，对防御洪涝灾害及服务工农业生产将起到重要作用。     

神经网络模型在预报湖北汛期降水中的试验

该文使用湖北省10个气象代表站汛期前期逐月降水量及逐月平均的太平洋海温、北半球500百帕高度场和海平面气压场资料,分别建立了湖北汛期总降水量的神经网络预报模型.该模型在1999年汛期的试验结果表明,其对湖北汛期总降水量的预测有一定效果.     

泛相似预报法在汛期降水预报中的应用

文中分析了中国汛期降水的最佳相似情况,将传统的相似方法推广为包含有相似和反相似两个方面,得出近23a的最佳相似的距平相关系数(ACC)可以达到0.382。在此基础上提出泛相似预报的方法。利用近23a降水资料试验,表明泛相似的汛期降水预报评分的ACC可达0.130。     

短期集合降水概率预报试验

以MM5模式作为试验模式, 通过选取不同的物理过程参数化方案产生8个集合成员, 分别用平均法、相关法和Rank法对2001年11月至2002年5月期间的22个降水个例进行短期集合降水概率预报试验。试验结果显示对小雨—大暴雨6类降水的概率预报, Rank法的综合预报效果明显好于相关法和平均法, 相关法的综合预报效果与平均法基本相同; 无论从均方误差角度还是从命中率和假警报率的相对大小角度, 对小雨、中雨、大雨和暴雨各量级以上降水的概率预报, Rank法的平均预报效果是三种方法中最好的, 相关法的平均预报效果与平均法相同; Rank法好于平均法的平均幅度从均方误差角度较大, 从命中率和假警报率的相对大小角度则较小。平均而言, 三种方法对各量级以上降水的概率预报都是有技巧预报, 对量级小的降水的概率预报技巧高于对量级大的降水的概率预报技巧。