我国流域水文气象业务进展回顾与展望

利用长江流域组网雷达、国家气象信息中心格点融合实况资料和自动气象站逐小时降水观测资料,建立了基于变分光流法的长江流域雷达外推降水预报产品,并检验分析了该产品对2020年17次长江洪水天气过程的0~3 h 39分区TS评分和全流域预报偏差。结果表明：（1）变分光流法的0~3 h临近预报效果与雷达分布呈正相关,分布越密集,预报结果越好;（2）变分光流法的0~3 h临近预报能够较好的追踪降水天气系统移动演变,降水的集中区同样也是临近预报TS评分的相对高分区;（3）变分光流法临近预报效果随着预报时效的变化以指数规律递减,0~1 h预报准确率最高;（4）变分光流法0~3 h临近降水预报结果较格点实况降水,10.0 mm以下量级降水,绝对误差率在5%以内;10.0 mm以上级别的,绝对误差率为6%~11%;（5）变分光流法0~3 h临近降水预报结果应用于长江流域定量降水预报,代替目前直接使用的数值模式输出结果,对提高洪水预报精度有较强的实用意义。

     

雷达外推与数值模式动态融合降水概率预报方法

提出一种基于动态权重的降水概率融合预报方法。首先建立一个适用于权重分配的评分模型,对基于雷达光流外推的降水概率预报和基于数值模式经反射率换算后的降水概率预报的预报准确率分别加以评估;提出一种改进的Brier评分法,该方法兼顾了降水落区的大小和降水量,降低评分对样本数据数量多少的敏感性;根据两种在不同预报时效的评分,动态地分配两种预报方法在不同预报时效的权重。试验部分通过Brier等评分验证表明,融合后各个预报时效的预报都表现出与雷达外推或数值模式相近甚至更高的技术评分。     

1998年长江流域降水致洪的评估

通过１９５１年以来长江流域１０个大水年的降水量手对比,对１９９８年长江流域降水致洪进行了评估。结果表明,１９９８年长江大水与１９５４年一样,是一次全流域性的大水年,降水总量接近１９５４年,强于其它大水库。     

一种改进的降水临近外推预报技术方法研究及效果检验

中尺度模式对于0～2h的预报存在起转问题,因此外推预报成为0～2h临近预报中不可或缺的技术方法。目前INCA(Integrated Nowcasting through Comprehensive Analysis System)降水外推预报中,外推矢量扰动由外推矢量随时间的变化确定,即相邻时次外推矢量差确定,本文统计2017年7月江淮地区(29°～35.5°N,114°～120°E)INCA系统相邻10min外推矢量偏差来代表外推矢量随时间变化。若降水向东北方向移动,则外推矢量方向规定为东北方向。统计结果表明:①对于江淮地区,外推矢量以东北方向和西南方向偏差为主,外推矢量越大,其偏差的大小越大;②从外推矢量方向看,东北方向外推矢量占绝大多数(73%),可能是因为绝大多数降水发生在槽前形势下,引导气流为西南风。基于外推矢量偏差统计样本,随机生成多个符合外推矢量偏差分布的外推矢量扰动,得到多个不确定的外推矢量,将INCA确定性外推预报变为0～2h降水外推集合预报,采用均方误差(MSE)、TS评分、BIAS评分和Brier技巧评分等方法,对集合预报结果检验表明:随着预报时效增加,集合预报比确定性预报的优势更明显。因此,考虑外推矢量的不确定性可以提高降水外推预报准确率。     

光流法及其在临近预报中的应用

短临降水预报对于暴雨和强对流天气监测预警服务具有重要意义,使用雷达回波外推方法进行短临降水预报是目前较为常用的预报方法之一,但是传统的雷达回波外推方法普遍存在数据利用率低、外推准确性差和外推模糊等问题。针对上述问题,利用陕西全省雷达拼接数据资料,选择深度学习中编码器-解码器结构,以卷积长短期记忆网络(Convolutional Long Short-Term Memory Network, ConvLSTM)作为循环单元,构造了基于全局通道注意力的ConvLSTM预测网络(Global Channel Attention based ConvLSTM, GCA-ConvLSTM);此外,为进一步提高GCA-ConvLSTM预测网络的拟合能力,使用集成学习算法对其进行改进,通过装袋算法对数据集进行采样,训练3个GCA-ConvLSTM预测网络作为基学习器,使用加权投票策略将这3种基学习器进行有效组合,最终获得了一个性能更优的组合模型。试验结果表明,基于集成学习算法改进的GCA-ConvLSTM雷达回波外推方法与现有深度学习方法相比,提升了短临降水预报方法的准确性和时效;该方法在25 dBz、35 dBz和45 dBz反射率阈值下的评估试验中分别比对比的主流深度学习模型CSI值平均高出0.149、0.192、0.085;同时该方法的外推结果拥有更加清晰的边缘和细节性纹理,减轻了外推后期模糊问题。

     

基于数值预报与雷达外推预报融合方法的降水回波短临预报试验研究

采用傅里叶-梅林变换、多尺度光流法及威布尔分布,对湖北省2020年6—7月4次降水过程雷达回波进行多尺度预报试验及其相位和强度校正。在此基础上,利用双曲正切函数对校正后的模式降水回波预报和雷达回波外推临近预报进行融合。最后,基于预报技巧评分和平均绝对误差及命中率等指标对不同时效、尺度及回波阈值的预报结果进行定量分析。结果表明：（1）融合后的0～3 h降水回波预报在范围和位置上均较模式预报和雷达外推预报改进明显,尤其对强回波预报有明显优势,对对流预报有积极作用;0.01°×0.01°尺度的0～1 h预报效果明显好于其他尺度及预报时效。（2）武汉RUC模式预报效果最差,平均绝对误差（mean absolute error,MAE）最大为6.1～8.2 dBZ,而融合预报效果最好,MAE最小为4.7～6.5 dBZ。0.01°×0.01°尺度下融合预报的命中率（probability of detection,POD）随回波阈值和预报时效增加而降低,而其他尺度下20 dBZ回波阈值的平均POD最大、MAE最小,平均POD(MAE)均高于（低于）其他2种预报。总体来看,融合预报明显优于单一预报...     

基于雷达跟踪外推及Google Maps的强对流天气临近预报

以银川新一代天气雷达资料为核心,利用交叉相关外推算法,在本地化质量控制的基础上,实现对宁夏中北部地区0～1 h强对流天气的跟踪外推预报.建立了基于网站和高分辨率Google Maps地理信息,综合显示雷达、卫星云图、闪电定位仪等多源气象资料及其导出、预报产品的宁夏临近预报业务系统.为预报人员根据不同的地形条件、人口及工...     

光流法及其在临近预报中的应用

介绍了一种全新的对流临近预报外推算法——光流法。主要是通过计算雷达回波的光流场得到回波的运动矢量场,并基于运动矢量场对雷达回波进行外推从而达到预报的目的。光流法立足于变化,在计算光流场时既考虑连续时次回波的变化,又考虑相邻位置回波的变化。因此,基于该算法的外推临近预报具有一定的物理意义。利用中值滤波等方法对雷达资料进行质量控制,有效地抑制了噪声等的影响。个例对比分析表明:经过中值滤波等质量控制后回波更平滑,边沿更清晰,回波质量明显改善,能够获得比较真实的雷达回波,也得到了方向更加一致、更加平滑的回波运动矢量场。光流法给出的30、60 min内雷达回波的位置、形状的外推预报和对应时次实况较接近,预报结果具有较好的业务指示意义。对光流法和交叉相关法预报结果进行的定量对比评价表明,对移动型局地生成及强度和形状随时间变化很快的回波,光流法预报效果优于交叉相关法。光流法可以弥补传统的交叉相关法的缺陷,能提升对流临近预报系统的性能。     

基于雷达回波外推和中尺度模式预报的短时降水对比分析

针对2011年夏季北京四次不同类型的降水过程,利用雷达临近预报算法MTREC和中尺度数值预报系统BJ-RUC对不同类型降水的短时预报能力进行了对比分析,并总结了两者的预报性能及特点。结果表明:(1)从降水预报偏差看,对于不同类型的降水预报,在研究的降水时段内,MTREC和BJ-RUC均表现为降水预报偏强。MTREC对四次降水过程的预报偏差较为平稳,而BJ-RUC随过程差异变化较大。(2)从降水预报落区看,MTREC的预报准确性随降水过程差异明显,降水系统范围越大,预报准确性越高。而BJ-RUC总体上表现平稳,对局地对流性降水的预报能力仍然有限。(3)从整体预报性能看,对于0~6 h降水预报,MTREC和BJ-RUC在预报性能上存在交叉点。交叉点的出现时间因降水过程而异,降水范围越大、组织性越强,交叉点出现越晚。     

基于强度尺度法的雷达和数值模式定量降水预报检验对比

为提高雷达外推和数值模式对短临预报能力的认识,采用强度尺度方法对比检验了2012年浙江省梅汛期内的雷达外推和WRF、T639、ECMWF 4类定量降水预报(QPF)产品。检验结果表明:短临预报的大部分误差来自较小的时空尺度,在强降水方面表现尤为明显。对于雷达和模式的预报能力交叉点(3 h前后)的QPF检验,雷达的误差比率随着空间尺度增大先减后增,而模式随尺度增大误差比率总体递减。在中小尺度(2 °及以下)雷达总体较准确,但0.25 °尺度是个特例,在较大尺度(4 °及以上)的弱降水上雷达不如模式。雷达在0.5 °、1 °尺度上相对误差贡献最少;在2 °、4 °尺度下,ECMWF表现最优。同时,雷达对于中-β和较小的中-α尺度系统的预报检验效果最好,对尺度达几百公里的弱系统不如数值模式,对于10~30 km的中-γ尺度系统雷达预报带来近74%的空报,今后需提高其对中-γ尺度系统生消的预报能力。      

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.     

基于雷达资料的定量降水预报外推算法试验

摘要：目前贵州在短时临近降水预报客观算法方面研究匮乏,而短时强降水常常给贵州造成严重的洪涝灾害和地质灾害。将短时临近降水预报应用于气象防灾减灾、电网输电线路安全预警、水利防洪自动化方面是未来重要的研究应用方向。本文基于灾害天气短时临近系统（Severe Weather Automatic Nowcast System,SWAN）的定量降水预报(QPF)产品进行0～2小时QPF外推试验研究。利用贵州省地面自动站数据、SWAN 输出的1h-QPF产品、SWAN 1h定量降水估测(QPE)产品。选取2018年3次典型暴雨个例进行试验,采用融合订正技术,利用相似离度算法对降水强度位相进行调整、Weibull分布算法对降水极值分布进行订正、改进后的交叉相关法(Improved Cross-correlation Extrapolation Method,COTREC)进行降水外推预报。通过主客观检验对比,初步说明基于Weibull分布算法的降水极值订正对降水极值分布有很好的模拟效果。融合订正外推的贵州省短时临近定量降水预报产品（Nowcasting precipitation forecast of GuiZhou,下文简写为GZ_NPF）在大于5mm以上量级降水的TS检验中评分更高。GZ_NPF的空报率明显降低,但空报率降低的代价是漏报率相对提高。GZ_NPF总的相对误差减小,格点总降水量与实况总降水量更为接近。试验说明新的融合订正外推算法提高了0～2h短时临近降水的预报能力。     

基于时空图卷积的强对流降水临近预报研究

降水临近预报对于强对流天气的预报具有重要的支撑作用。气象业务中主要采用雷达回波外推方法解决此问题。然而,现有方法通常缺乏从序列雷达数据中有效学习的能力,导致预测精度不佳。为了解决这一问题,本文提出了一种改进的时空图卷积模型ASTGCN(A Spatio-Temporal Graph Convolution Neural Network)用于强对流降水的临近预报。利用时空图卷积网络,有效地捕获相邻雷达帧之间的时间依赖性。此外,利用注意力机制和自动编码器来增强模型捕获时空相关性的能力。结果表明,该模型可以从数据中发现隐藏的图结构,从而捕获隐藏的空间关系。与现有模型(Transformer)相比,该模型的临界成功指数(CSI)提高了28%,表明其在强对流降水临近预报方面具有优越的性能。     

临近预报的两种高时空分辨率定量降水预报融合算法的对比试验

长期以来,雷达回波外推技术是0—2 h临近预报系统主要采用的方法,但其实际有效预报时间≤1 h,而中尺度数值模式预报则受平衡约束时间的限制,最初2 h的降水预报无效。为解决上述两种预报的缺陷,目前国际上流行采用外推预报与数值模式预报融合的技术,形成统一的0—6 h格点化的高分辨率无缝隙定量降水临近预报系统。对目前流行的两种融合算法（INCA（Integrated Nowcasting and Comprehensive Analysis System）算法及RAPIDS（Rainstorm Analysis and Prediction Integrated Data-processing System）算法）进行了分析和对比试验,以期为业务应用提供借鉴。RAPIDS算法的核心是用自动气象站雨量融合雷达估测得到的定量降水对模式预报的降水强度和位相进行修正;INCA算法则是用数值模式预报的风场修正外推技术的降水移动矢量。两种方法在0—6 h预报时效内,外推预报的权重均逐渐减小,模式预报的权重逐渐增大,从而实现外推预报和模式预报的平滑过渡。试验结果表明,两种方法对降水雨带和降水强度的预报均优于单一的外推预报或模式预报。集二者的优势研发最优的高时、空分辨率降水预报无缝隙融合算法,将有助于进一步提升高分辨率定量降水0—6 h无缝隙预报水平。      

不同天气背景下京津冀降水临近外推预报

基于2019—2020年京津冀地区不同天气系统影响下的降水过程,采用交叉相关法和光流法对快速更新多尺度分析和预报综合集成系统（Rapid-refresh Multi-Scale Analysis and Prediction System-Integration,RMAPS_IN）的降水分析产品进行0~2 h临近外推预报的批量试验。结果表明：由交叉相关法和光流法计算的两种外推矢量在大小和方向上存在一定差异,直接差异与影响降水的天气系统位置有明显的对应关系,而方向差异受地理位置的影响更明显,台风类降水呈弧形带状分布,低槽冷锋类、低涡类、气旋类、暖切变线类等几类降水均呈西北大东南小的特点;预报效果方面,总体上交叉相关法优于光流法,尤其是预报时效超过30 min以后,各种降水类型的批量检验结果显示交叉相关法的预报评分优于光流法,且预报时效越长、优势越明显,但预报时效为10 min时,光流法在低涡类、台风类、暖切变线类的空报率上优于交叉相关法。此外,基于外推的临近预报方法对京津冀地区台风类降水的预报效果最好,其次为暖切变线类、低涡类、低槽冷锋类、气旋类。     

光流法及其在临近预报中的应用

为了实现对中国东部地区极端强降水的临近预报、预警,基于具有物理约束功能的PhyDNet构建了融合雷达反射率因子和分钟级降水观测资料的融合降水临近预报模型PhyDNet-RP,预测江苏省及其上游地区未来3 h降水量,对比和探究了PhyDNet-RP、INCA（交叉相关外推+中尺度模式融合）、PhyDNet-P（仅包含降水资料）和UNet-RP（融合因子与PhyDNet-RP相同,但采用UNet模型）4种临近预报方法及对强降水增强过程的预测能力。结果表明：（1）与INCA相比,深度学习方法能更好地体现强降水增强过程的发展和演变,（2）对比PhyDNet-P和PhyDNet-RP模拟结果发现,在深度学习模型输入资料中增加雷达反射率因子可以更好地再现强降水区的形状和移动特征,（3）UNet-RP能够再现降水区的形状和移动,但不能定量降水强度。4种方法中,PhyDNet-RP预报效果最优,说明在模型输入资料中叠加具有不同功能属性的通道因子对预测效果具有正贡献,为深度学习的可解释性提供了一定支撑。     

两种基于雷达的临近预报算法在赣江流域的应用

将多尺度雷达回波跟踪(MTREC:Muti-scale Tracking radar echoes by correlation)算法和基于降水栅格数据的网格追踪临近预报外推(PBN:Pixel-Based Nowcasting)算法应用在赣江流域,对这两种临近预报算法在1~3 h预见期的临近预报降水数据进行评估,总结两种临近预报算法在赣江流域的预报性能和预报特点。结果表明:(1)随着预见期的增加,MTREC方法的预报性能变化较为平缓。PBN方法的预报性能明显变差。(2)MTREC方法预报降水偏弱,且对于低值降水预报较为准确,而PBN方法预报降水偏强,且预报高值降水较为准确。(3)MTREC方法预报的降水高值区的范围偏小而低值降水区范围偏大,PBN方法预报的高值降水区的范围偏大而低值降水区范围偏小。(4)随着预见期的增加,MTREC方法的降水概率预报变化较为平稳,而PBN方法预报高值降水(0.4 mm·h~(-1))的概率偏高,预报低值降水(0.4 mm·h~(-1))的概率偏低。     

基于深度学习的京津冀地区精细尺度降水临近预报研究

精细尺度降水的临近预报对于提升现代城市内涝和山洪地质灾害预警能力具有重要意义。深度学习作为一种新兴方法,在挖掘数据内部特征及物理规律方面更具优势,近年来在天气雷达图像领域的应用已初见成效。为进一步提升精细尺度降水的临近预报能力,基于深度学习网络模型RainNet,研究建立了两种滚动预报方式,开展了京津冀地区1 km分辨率精细尺度降水滚动式临近预报试验和对比分析。 试验结果表明:与传统基于交叉相关的外推预报相比,深度学习网络模型RainNet总体可以明显改进降水1 h临近预报的绝对误差和相关系数;两个RainNet相结合的滚动预报方式对1.04 mm/（10 min）及以下阈值降水,在10—50 min预报性能一致优于传统的交叉相关外推预报。深度学习模型对降水消亡过程的时、空演变趋势刻画更好,尤其更适用于降水消亡过程的临近预报。采用两个RainNet模型相结合的滚动式预报方式优于单一模型滚动预报方式。      

2016-2020年广东省定量降水预报检验评估

对2016-2020年全球模式ECMWF和区域模式GZ_GRAPES、基于模式的解释应用和广东省气象局发布的定量降水预报(QPF)进行检验和评估.结果表明:ECMWF和GZ_GRAPES模式对一般性降水预报技巧在逐年提升,对大雨或以上的降水预报技巧的提升缓慢.GZ_GRAPES对大雨以上降水的预报技巧和定量降水预报的精...