不同数值模式对江淮地区梅汛期暴雨模拟的对比分析

从降水偏差特征、预报技巧和对象诊断分析3个角度评估了欧洲中期天气预报中心模式(EC)、华东区域中心区域数值模式(WARMS)和江苏区域模式(PWAFS)对2020年江淮地区梅汛期11次典型暴雨过程的预报性能,并分析了各模式的优点及不足。结果表明:(1)24 h观测日平均累计降水主要分布在大别山—江苏淮北以及大别山—皖南山区,相应的模式降水偏差大值区与主要雨带位置有较好的对应关系,其中,EC在大别山和皖南山区存在明显干偏差,在江苏淮北地区则出现系统性北偏。WARMS和PWAFS两种区域模式均在大别山和皖南山区上游地区和下游浙江地区出现大范围湿偏差,而在江苏淮北地区出现干偏差;(2)24 h预报技巧评分结果表明,EC对暴雨及以下量级的TS评分最高,但大暴雨量级PWAFS最优,原因是EC对大暴雨量级出现较高漏报。对比WARMS和PWAFS两家区域模式可见,PWAFS在几乎各量级的空报和漏报率都低于WARMS,因此TS评分也高于WARMS;(3)通过MODE对象诊断分析发现,EC对降水位置预报最稳定,PWAFS对降水强度和范围的预报效果最优,但对雨带位置的预报不够稳定。总得来说,PWAFS的预报性能略优于WARMS,与EC相比在对降水强度和雨带范围的刻画上也具有优势,但预报稳定性尚有待提高。     

副高与陇东汛期降水的关系

一、引言关于西太平洋副热带高压(以下简称副高)的变化规律、预报及其与我国降水的关系,以前曾有人做过大量的研究。陈兴芳对副高的预报问题进行了深入的研究,徐国昌、吴德明等人对副高的持续性、转折性做了研究。关于副高与汛期降水的关系,杨月娟等人也做了分析研究。我们主要分析了陇东汛期降水的周期变化,汛期副高特征量的变化规律,前期、同期副高特征量与陇东汛期降水的关系。最后建立了汛期降水预报方     

粤港澳大湾区汛期降水的多模式集成预报方法的评估检验

基于欧洲中期天气预报中心(ECMWF)、中国气象局(CMA)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、英国气象局(UKMO)五个模式集成的交互式全球大集合预报系统（THORPEXInteractiveGrandGlobalEnsemble,简称TIGGE）资料集的确定性预报、集合预报以及地面降水观测数据,采用多模式集成平均(EMN)、消除偏差集成平均(BREM)、滑动训练期超级集合方法（R_SUP）对2018年华南汛期（4—9月）粤港澳大湾区的降水预报开展了评估检验。总体而言,多模式集成预报方法在大湾区前汛期降水预报的均方根误差平均比后汛期高2mm;多模式集成预报方法的预报能力在前汛期随着预报时效的延长而呈持续下降趋势,后汛期则表现为短期（24~72h）下降、中期（72~168h）持续平稳的变化特点。与预先的假设差异主要表现在：对前、后汛期的降水预报综合表现最好的均是数学原理相对简单的EMN,而BREM和R_SUP的空间平均评分指标则稍差,但其在降水落区预报中仍有较好的预报技巧。     

时空投影法在上海地区梅汛期降水延伸期预报中的应用

本文基于2001—2010年上海市11个基本气象站的逐日降水量和澳大利亚气象局的逐日大气低频振荡(MaddenJulian Oscillation,MJO)指数(包括RMM1和RMM2)资料,选取MJO指数作为预报因子,上海地区梅汛期降水量作为预报对象,建立了基于时空投影法(spatial-temporal projection model,STPM)的上海地区梅汛期降水延伸期预报模型。利用该模型对近6年(2011—2016年)的梅汛期降水进行回报试验,其预报技巧评估结果表明:该模型对未来10～25 d的降水具有较好预报效果,可较准确地预报出梅汛期3/4左右的降水量级和降水发生时段。其中,预报时效为10～20 d的预报技巧较高,而提前21～25 d的预报技巧略有下降。总体而言,基于MJO活动的STPM预报模型在上海地区梅汛期延伸期降水预报中具有较好的参考价值。     

长江三角洲汛期预报模式的研究及其初步应用

在短期自忆气候模式的基础上 ,着重考虑了区域性降水特点 ,组合均生函数时序模型 ,构造了区域降水预报模式。以降水预报为实例 ,计算表明 ,它能滚动制作月、季、年降水预报 ,尤其对汛期 (6～ 8月 )降水预报 ,具有相当好的预报能力。     

四维变分资料同化

本文选用数值预报产品与朔州市6区(县)夏季(6月至8月)降水资料。采用最优子集圆归方法。研究朔州市分县分级降水预报指导产品。用以提高朔州市汛期降水天气的客观预报水平。     

冷空气活动与汛期降水的一些统计

冷空气活动是造成我省汛期降水天气的重要条件之一。为了摸清冷空气活动与我省汛期降水的关系,进而改进预报方法,延长预报时效,提高预报准确率,我们普查了1962—1973年7—8月的天气图,对40—55°N、70—120°E范围内的冷空气活动与我省降水的关系,进行了一些统计分析。 一、普查方法和冷空气标准 我们采用固定指标站的降温值和天气图上天气系统(高空槽、锋区、地面冷锋)动态相结合的方法,来表征冷空气活动的情况。根据预报员的经验,影响     

最优多因子动态配置的东北汛期降水相似动力预报试验

基于中国气象局国家气候中心季节预报业务模式27a(1983—2009年)预报结果和同期美国气候预报中心组合降水分析(CMAP)资料及国家气候中心气候系统诊断预报室74项环流指数和NOAA40个气候指数(1951—2009年),提出了客观定量化的最优多因子动态配置汛期降水相似-动力预测新技术,并对中国东北地区汛期降水进行了预报试验。利用历史资料有用信息估算模式预报误差原理,选取4个历史相似年对应模式误差来估算当前模式预报误差。通过单因子交叉检验距平相关系数确定主导因子及演化相似因子,结合当前及前期优化多因子组合配置确定预报因子集,最后利用历史相似年对应模式误差来估算当前模式预报误差并订正国家气候中心季节预报业务模式的预报结果,得到预报的汛期降水。对2005—2009年进行独立样本检验的结果表明,此技术对中国东北地区汛期降水有一定预报技巧。证实了利用历史资料估计业务模式预报误差的另类途径是可行的,显示了在业务预报应用中的潜在能力。     

2007年汛期AREM模式降水预报效果检验分析

过对2007年6～8月AREM模式降水预报做不同时效、不同区域的TS评分对比,比较AREM与T213、JAPAN三个模式降水预报TS评分,并对AREM模式2007年汛期主要降水过程预报效果进行检验分析,从而获得AREM模式2007年汛期降水预报效果和特点,结果表明:(1)从AREM模式不同时效降水预报TS评分对比可知,对长江中下游区域,AREM模式12～36 h预报效果好于0～24 h预报,24～48 h效果相对较差,对华南、华北、东北、西南东部区域的降水,AREM模式预报效果均随时效延长而减弱。(2)由AREM模式对不同区域降水预报TS评分的对比可知,AREM模式(各预报时效)对长江中下游地区各量级降水预报的TS评分均高于全国范围的TS评分,西南东部(各预报时效)小雨(以上)量级TS评分均为各区域最高,但中雨以上各量级TS评分均低于全国范围,其他区域无稳定的预报特性。(3)从AREM、T213、JAPAN对长江中下游地区12～36 h降水预报TS评分对比可知,三个模式小雨(以上)量级降水的TS评分基本相当,对该区域暴雨、大暴雨强降水中心的预报,AREM好于T213,JAPAN相对较差,随量级增加AREM预报优势表现更为明显。(4)对2007年汛期6次个例分析可知,AREM模式对长江中下游尤其是江淮流域的大范围强降水过程预报效果较好,对暴雨、大暴雨中心的预报较T213和JAPAN有明显的优势,但对小范围、局地强降水过程的预报效果不够理想。     

金华地区汛期暴雨时空分布规律研究

为了全面了解和掌握金华地区汛期暴雨天气的活动规律,给暴雨预报提供一个时空尺度较大的气候背景,也为暴雨预报研究打下良好的基础,我们收集了本地区内7个气象台站和20个水文(雨量)站的22年汛期降水资料,对汛期暴雨天气的时空分布规律进行了较为细致的     

上海梅汛期候降水异常的低频信号及延伸期预报

提高汛期降水过程的延伸期预报能力是目前天气预报和气候预测发展的重要方向。本文以上海梅汛期降水为例,利用非传统滤波方法提取多变量季节内分量,分析了梅汛期季节内候降水异常及其相联系的延伸期关键低频信号,进一步综合多变量低频信号建立了梅汛期候降水异常延伸期预报方法,并开展了多年的回报和试报检验。结果表明:①梅汛期候降水异常季节内分量具有显著的40～60d低频振荡周期,与降水异常实况具有显著的正相关和较高的符号一致率;②梅汛期季节内候降水异常与超前10～35d的热带及中高纬低频信号有关,主要包括:热带MJO(Madden Julian Oscillation)自阿拉伯海的向东传播、西太平洋副热带高压季节内活动的西北向传播、PNA(Pacific-North American)遥相关型的季节内位相转换以及东北亚冷空气的持续性异常影响;③综合上述多变量低频信号建立了延伸期候降水异常预报模型,对提前10～35d的延伸期候降水异常的季节内分量具有预报技巧,也能较好地预报实际的候降水异常趋势。     

江西及其临近区域同化系统中不同季节背景误差协方差特征及其对降水预报影响

在不同季节背景下,对比分析多元变量相关的背景误差协方差特征,了解其在天气过程中的作用,可以改进同化系统性能,提高降水数值预报水平。对比分析汛期和非汛期江西及其临近区域多元变量相关的背景误差协方差特征,分别选取2019年汛期和非汛期的2次降水过程,设计2组循环同化试验,探讨多元变量相关的背景误差协方差对江西降水预报效果的影响。结果表明,相较于非汛期,汛期分析变量对风场、温度场和水汽场的贡献值整体上要更大,且汛期各个控制变量的背景场误差更为显著。多元变量试验的降水预报评估效果整体上更好,其汛期预报效果改善更显著。汛期与非汛期的多元变量试验降水预报结果更接近实况,且相对非汛期降水而言,汛期多元变量试验模拟效果更好,模拟的降水分布及强度与实况更为接近。     

2009 年我国汛期降水形势总结与三个常用模式预报效果检验

利用实况24小时降水、形势场资料及T213、T639、Japan模式降水、形势场的预报资料,对2009年汛期(5-9月,下同)中国降水时空分布进行分析,并对T213、T639、Japan三个常用模式对2009年汛期的天气形势、降水及其影响系统的预报做主客观检验,以期得出2009年汛期降水分布特点及三个模式的降水预报效果对比.结果表明:(1) 2009年汛期华南地区降水量为全国之最,长江中下游和西南东部地区其次,东北和华北地区再次.(2)从TS评分看,Japan模式的小雨～大雨量级评分较高,T639模式暴雨～大暴雨量级评分较高；T213模式对华北地区暴雨、大暴雨量级降水预报评分高于Japan和T639模式.(3)从降水预报偏差看,T213模式对华北预报明显偏强,T639模式对华北预报强度较为适中,两模式对其他区域中等以下强度降水预报偏强,对强降水预报偏弱；T639对中等以下强度降水预报偏强程度明显小于T213,而对强降水除华南和东北区域外,预报偏弱程度明显大于T213；Japan模式预报偏差随降水量级增大而减小,对大雨以上各量级预报均明显偏弱,且偏弱程度明显大于T213、 T639.(4)由代表性形势场预报检验结果可知,除T213对500hPa高度场、850hPa温度场预报效果好于其他两模式外,各模式预报效果相差不大.(5)三个模式对500 hPa副高总体预报偏东、偏北、偏强,但Japan预报效果明显好于T213、T639.(6) T639模式对台风和低涡的预报相对较好,T213较差.     

华北汛期降水分离时间尺度降尺度预测模型的改进

本文采用偏相关预报因子挑选法和条件降尺度法,对已有的华北汛期(7~8月)降水时间尺度分离(TSD)降尺度模型进行了改进.利用偏相关法,找到一个新的影响华北汛期降水年际分量的前期预报因子,即6月北大西洋—欧亚遥相关(AEAT).该因子将扰动信号储存于北大西洋三极子结构,并在7~8月释放出来影响下游贝加尔湖低压系统的发展,从而影响华北汛期降水.利用6月Ni?o3指数和AEAT指数,本文建立了条件TSD统计降尺度模型,即按照预报因子的强度进行逐年分类,对于每个分类设计相应的预报模型,从而避免信息较弱因子的干扰.条件TSD降尺度方法显著改善了华北汛期降水的预测技巧,在独立检验阶段,预报降水与观测降水的相关系数由原模型的0.61提高到0.77,符号一致率从70%提高到87%.     

天气系统预报效果的量化检验方法及应用

对中国天气过程进行了分类,并介绍了一种针对模式对于降水及各种天气系统预报效果的天气学检验方法,将此方法应用于AREM模式对2007年降水个例预报及2005—2007年汛期天气过程的批量预报检验,得出结论如下:(1)此天气学检验方法能够对各类天气系统及降水进行有效的检验,(2)对于中国典型高空槽类降水,AREM模式总体上对高空槽预报较为稳定、强度接近实况,对降水预报稳定性相对较差、强度偏弱,槽预报的较好(差)与降水预报的较好(差)不完全对应,(3)对于梅雨锋类降水,AREM模式对副高预报总体偏西、偏北、偏强,对高空槽、降水预报均总体偏弱,副高预报的较好(差)对应降水预报的较好(差)。     

滁河流域汛期多模式集成面雨量预报检验评估

对2013—2016年汛期ECMWF、JMA及中尺度WRF模式的预报结果进行检验,基于合理的时间尺度,制作了动态权重集成面雨量预报(DWI)、分步集成面雨量预报(SI)和等权重集成面雨量预报(EWI)产品,并对2017—2020年汛期降水期间多种集成面雨量预报产品和ECMWF、JMA、WRF的单个模式面雨量预报产品进行对比评估.结果表明:3种集成面雨量预报效果整体上优于单一数值预报模式,尤其是预报致灾严重的暴雨等级降水优势明显;DWI和WRF对强降水的面雨量预报正确率最高,其他2种集成面雨量预报结果次之,ECMWF及JMA较差;模式集成预报弱降水过程的优势不明显.     

基于Meteva的2020年陕西汛期暴雨过程检验评估

利用陕西逐24 h降水站点实况资料,ECMWF、NCEP和CMA-GFS模式降水预报资料、中央气象台预报订正系统(SCMOC)产品、陕西动态交叉最优要素预报(DCOEF)产品等,应用国家气象中心全流程检验程序库Meteva,综合评估各模式在陕西汛期4次暴雨过程中的预报能力.结果表明,当暴雨过程以连续系统性降水为主时,各...     

神经网络模型预报湖北汛期降水量的应用研究

使用人工神经网络方法建立了湖北省汛期 (6～ 8月 )总降水量的短期气候预测模型 ,该神经网络模型的输入是汛期前期 (2～ 4月 )的北半球月平均 5 0 0 h Pa高度场、海平面气压场和太平洋海温场的扩展自然正交展开 (EEOF)的前几个主要模态的时间系数 ,输出了湖北汛期降水场的自然正交展开 (EOF)的前 2个主要模态的时间系数。41 a历史资料的交叉检验表明 :样本试验的预报技巧评分平均为 0 .2 4 6 ,虽然该模型对各年的预报效果仍存在一定的不稳定性 ,但它可为湖北汛期降水的短期气候预测提供一种具有明显统计预报正技巧的预报方法     

广东前汛期降水的MOS预报

根据前汛期降水的分布规律，将广东省划分为三个预报区域；然后将各区4～6月实测降水量资料与日本数值预报产品进行统计分析，经过计算机处理，建立MOS预报方程。MOS预报逐日作出各区无降水、一般性降水、暴雨的预报，前汛期降水首次实现客观、定量预报。     

广东前汛期降水的MOS预报

根据前汛期降水的分布规律,将广东省划分为三个预报区域;然后将各区4～6月实测降水量资料与日本数值预报产品进行统计分析,经过计算机处理,建立MOS预报方程.MOS预报逐日作出各区无降水、一般性降水、暴雨的预报,前汛期降水首次实现客观、定量预报.