单站探空资料分析及预报系统

利用探空资料进行大气层结稳定度分析,并揭示局地对流性天气的发生和发展,是短期和临近预报的一种重要方法。 为了适应基层台站的业务工作需要,特别是为使无探空观测的台站,能利用其它邻近探空站或附近机场的探空资料进行大气层结分析,我们研制了单站探空资料分析及预     

基于探空数据集成学习的短时强降水预报试验

使用2015—2019年6—9月08：00（北京时）我国119个探空站的大气层结和对流参数作为特征参数,基于XGBoost集成学习方法,建立短时强降水事件预报模型。同时,提出一种面向高影响天气的模型优化思路,通过使用分段权重损失函数,进行模型调优,在空报率不超过一定阈值的情况下,可提升模型预报的命中率和TS评分。设计分段权重损失函数权重敏感性试验和损失函数对比试验,选取7个区域中心探空站对比分析模型优化方法的有效性和泛化性。利用2019年6—9月全国探空数据针对短时强降水预报开展批量独立检验和个例分析,结果表明：改进后的预报模型TS评分提高0.05~0.1,命中率提高0.15以上,空报率提高0.05~0.1,表现出明显的“宁空勿漏”预报倾向,模型预报能力得到明显提升;在全国短时强降水预报试验中,预报模型命中率为0.65,空报率为0.37,漏报率为0.34,TS评分为0.47,说明该模型对短时强降水天气具有一定预报能力。     

探空资料在汕头强降水预报中的应用

着重对汕头多场强降水的探空资料在天气预报方面的应用方面作初浅分析,以提高探空资料在预报中的利用.     

廊坊市短时强降水特征及其临近预报指标研究

利用MICAPS资料、自动站资料、雷达资料和NCEP 1°×1°间隔6 h再分析资料,对2005—2013年河北省廊坊市短时强降水的天气特征和物理环境场进行了综合分析,在研究强降水天气过程雷达特征的基础上,探讨了廊坊短时强降水天气的临近预报指标。结果表明:平均降水强度最大的区域集中在廊坊中西部固安、永清和霸州等地,强度达32~36 mm·h-1,整体呈现从中部向南北减小趋势,年际分布呈波动形式;短时强降水的雷达回波有移入型、合并加强型和本地发展型三种,而区域性短时强降水多为移入型或合并加强型;强降水开始前1 h,垂直方向上1.5—3.0 km之间有南风向西南风的转换,同时伴随风速增大。     

大连地区短时强降水天气特征及预报指标研究

利用2004—2013年4—10月大连地区7个气象站和249个自动气象站逐小时降水观测数据及常规气象观测数据,对大连地区短时强降水的时空分布特征及气候特征、演变趋势和环流背景进行了分析,并建立了强降水天气预报指标。结果表明:2004—2013年大连地区各气象站短时强降水年平均发生次数为2.2—2.8次,南部和东部地区短时强降水年平均发生次数呈略增多的趋势,中部和西北部地区短时强降水年平均发生次数变化较小,中北部地区短时强降水年平均发生次数呈略下降的趋势。大连地区短时强降水最早出现在4月,最晚出现在10月,7—8月为短时强降水集中出现的月份,强降水多出现在02—10时。短时强降水发生次数具有明显的区域分布特征,由东部向中部和西部呈递减的趋势,大连东北部地区短时强降水发生次数最多,南部地区次之,西北部瓦房店地区短时强降水发生次数最少;其中7月北部地区短时强降水发生次数最多,8月东部地区短时强降水发生次数最多,其他月份短时强降水发生次数较少,说明大连地区短时强降水发生分散性较强。925hPa与850hPa平均比湿、700hPa温度露点差、850hPa与500hPa温度差平均值、K指数平均值、0℃层平均高度及暖云层平均厚度等参数阈值可用于短时强降水实际预报业务中,可为大连地区强降水预报提供参考。     

基于决策树算法的江苏省不同区域短时强降水预报研究

采用2000—2019年13个地级市气象站地面观测站点观测资料以及ERA5再分析资料,基于机器学习中的经典的C4.5算法对江苏省不同区域是否出现短时强降水建立气象要素预报模型。结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对江苏省不同区域是否发生短时强降水进行预测,并且该决策树模型具有较高的泛化能力。决策树模型利用各区域总样本的前15 a数据样本进行自学习,学习准确率在淮北地区为89.70%,在江淮之间地区为87.89%,在长江以南地区为87.88%,利用各区域剩余5 a样本对该决策树模型的泛化能力进行测试,测试准确率在淮北地区为85.73%,在江淮之间地区为83.39%,在长江以南地区为93.92%。     

利用单站探空记录预报冰雹

冰雹是强对流天气的产物。从形成冰雹的天气来看,探空记录是处于潮湿不稳定状态。我们利用单站07时探空记录制作天津地区冰雹短期预报,取得了某些成效。现将具体指标介绍如下,仅供参考。 1.大气稳定度主要条件是850毫巴与500毫巴(即1500米与5500米)温度差为29℃以上,其次是温度对数压力图上不稳定量大于1000焦耳/千克,即可满足产生冰雹的稳定条件。辅助指标为地面平均温度达30℃。 2.湿度 850毫巴温度减露点小于10℃,或者相对湿度大于50％,就可满足产生冰雹的水汽条件。另外,高空-10℃层的湿度条件也很重要,因为0℃层与一20℃层之间冰水混合区是形成雹的区域,如果这一     

基于Logistic回归和多指标叠加的短时强降水预报模型

大气低涡是造成我国南方地区暴雨洪涝的重要天气系统,大气低涡背景下的暴雨突发性、局地性强,其发生时间、强度和落区一直是气象预报业务的难点。为提高浙江省暴雨预报准确率,本文利用1979—2020年浙江省逐日格点降水观测数据和美国国家环境预测中心气候预测系统再分析数据集,首先分析了浙江省内近42 a由大气低涡造成的区域性暴雨事件(以下简称低涡型暴雨)的气候特征;然后将850 hPa垂直速度、水汽通量散度、速度散度、低空急流、切变线以及700 hPa垂直速度作为预报因子,基于“配料法”并结合逻辑回归方法构建了低涡型暴雨落区预报模型;最后基于该模型利用2021年欧洲中期天气预报中心预报产品进行暴雨落区预报,并使用同期实况降水进行了系统性检验和天气过程检验。结果表明,该模型总体性能较好,提前24 h和12 h时效的暴雨预报能力均有提升,可将12%的准确率和20%左右的命中率分别提升至14%和40%附近,漏报率从75%以上降至60%附近,但存在着一定程度的空报。

     

ECMWF细网格模式探空在阿勒泰地区短时强降水预报中的统计检验

采用2013—2018年5—9月ECMWF细网格资料和阿勒泰地区36次短时强降水资料,用Micaps平台的模式探空模块计算T-log P图及其对流参数,运用统计学方法进行了误差检验。结果表明:模式探空T-log P图48 h预报时效内一致性较高(72%),尤其是24 h预报时效内(92%);72 h预报时效内总指数和干暖盖指数及垂直风切变、60 h预报时效内沙氏指数、48 h预报时效内风暴相对螺旋度和36 h预报时效内850与500 hPa温度差、对流温度、最大抬升指数、抬升指数以及24 h预报时效内K指数、700与850 hPa假相当位温差、大风指数等对流参数的3种误差均较小(3.5),相关系数较高(0.60),特别是沙氏指数、K指数、700与850 hPa假相当位温差、垂直风切变和风暴相对螺旋度的3种误差1.5。T-log P图的一致性随时效的延长而减小,对流参数的误差随预报时效的延长变化不一致,在强对流潜势预报业务中注意订正运用。     

基于CMA-BJ的北京地区短时强降水预报试验

基于2019—2021年4—9月北京快速更新数值预报系统(CMA-BJ)产品以及北京地区地面气象站逐时降水实况, 从表征水汽条件、热力和能量条件以及动力条件的多个物理量中筛选出在有无降水、是否强降水情形中有显著差异的物理量作为因子, 采用配料法和模糊逻辑算法构建北京地区0~12 h时效逐小时短时强降水概率预报模型。以2019—2021年4—9月最优TS评分和偏差评分的概率值和组合反射率因子为确定性预报的概率阈值和消空处理阈值, 运用该预报模型对2022年4—9月每日4次0~12 h预报时效北京地区短时强降水产品进行预报和检验。结果表明:北京地区短时强降水TS评分和偏差评分分别为0.104和1.341, 预报效果明显优于CMA-BJ预报产品。概率预报模型能够有效提升强降水高发地区, 即山前及平原地区的短时强降水预报技巧, 获得较为平衡的命中率和空报率, 但对山区预报技巧的提升有限。     

基于Xgboost算法的短时强降水预报方法

基于EC细网格模式的再分析场计算诊断参量,并结合重庆地区2011-2014年5-9月间短时强降水个例建立训练集,进而根据箱线图差异指数提出的阈值法对样本初步消空,然后通过K均值聚类和Relief算法分别重建了类别平衡的训练集,并优选了平均权重较大的参量进入模型,建立了一个以Xgboost算法为核心的重庆地区短时强降水预...     

基于GRAPES-MESO模式的极端短时强降水预报

利用2017—2018年5—9月四川盆地109个自动站逐小时降水资料,以及GRAPES-MESO模式0.1°×0.1°的逐3 h预报场资料,从热力不稳定、水汽、动力条件等方面分析极端短时强降水(1 h降水量大于等于50 mm)发生发展所需的关键物理量指标,结合随机事件概率思想和主成分分析方法构建预报模型,研发极端短时强...     

基于Logistic回归和多指标叠加的短时强降水预报模型

利用2001—2011年中国西北地区东部10个特征站地面常规资料和MICAPS系统特征参数资料,分别运用改进的二元Logistic回归法和综合多指标叠加法,通过短时强降水天气学概念模型识别入型、水汽条件消空、敏感物理参数诊断等方法逐级判别,建立了两种短时强降水预报模型,并运用模型试预报2012年该区域的短时强降水过程。结果表明:两种新建预报模型相比平均气候概率模型试预报效果都有明显提高,而且前者高于后者;其中二元Logistic回归模型试预报TS得分高达46.6%,综合多指标叠加模型试预报TS得分19.6%,而平均气候概率模型试预报TS得分仅9. 7%;除西南气流型两者预报效果相当外,不同概念模型下二元Logistic回归模型试预报效果均优于综合多指标叠加模型。     

基于物理量参数的伊犁河谷短时强降水预报技术研究

利用伊犁河谷2010～2018年6～8月68个短时强降水天气过程样本,采用箱线图的形式讨论产生短时强降水的关键环境参数的阈值,并对短时强降水天气过程的关键环境参数月特征进行了讨论,最后对2019所夏季的短时强降水天气过程进行检验。结果表明：(1)K指数、修正K指数、瑞士第二雷暴指数、对流凝结高度、Teffer指数、大风指数、对流温度、对流凝结高度处温度、总指数、整层比湿积分与产生降水的相关系数达到0.30以上,对降水有较好的指示意义,其中整层比湿积分的相关系数最高,达到0.465。(2)17个物理量参数涵盖75%以上降水天气过程的阈值在无降水天气过程中的概率,Charbr修正K指数(ChTTK)指示意义最好,概率只有16.8%,而干暖盖指数(Ls)、特征层高度中的对流凝结高度到50%以上,对出现降水的指示性较差。最终选取Charbr修正K指数、K指数、mK指数、Teffer指数、瑞士第二雷暴指数、整层比湿积分这6个关键环境参数。(3)6个环境参数的阈值落在降水天气过程的概率都小于25%,瑞士第二雷暴指数指示意义最好,仅为10.7%。(４)6月份的mK指数、K指数、Charba修正K指数的阈值分别为32、38和36℃;7月份的mK指数、K指数、Charba修正K指数的阈值分别为31、37和35℃;8月份的mK指数、K指数、Charba修正K指数的阈值分别为32、38和37℃。6、7、8月份Teffer指数产生短时强降水的阈值,分别为43、47和43℃。瑞士第二雷暴指数(SWISS12)6、7、8月份的阈值分别为3.4、4.3、3.6。整层比湿积分6、7、8月的阈值,分别为2320 g.kg_^-1,2390 g.kg_^-1、2392 g.kg_^-1。(5)对2019年6-8月的降水天气过程及短时强降水天气过程进行检验评估,降水预报正确的样本为43个,漏报为41个,空报7个。准确率为(Ts)47.3%。短时强降水样本的检验,漏报率6、7、8三个月都为50%,空报率7月份最高,为71.4%,而8月份没有空报。准确率(Ts)是8月份最高(50%),6月份次之(33.3%),7月份最低(20%)。     

基于CMA-MESO的分级短时强降水概率预报方法研究

随着预报服务需求不断增长和预报内容日趋精细化,仅针对20 mm·h^(-1)以上的短时强降水预报已不能完全满足业务需要,开展不同雨强等级的短时强降水预报方法研究显得十分必要。利用2016—2019年6—8月中国南方9省1市的国家及区域气象站共51355站次短时强降水样本,将雨强R分为4个等级:20≤R<30 mm·h^(-1)、30≤R<50 mm·h^(-1)、50≤R<80 mm·h^(-1)及R≥80 mm·h^(-1)(分别对应I、Ⅱ、Ⅲ、IV级)。将各级样本与同时段CMA-MESO(China Meteorological Administration mesoscale model)数值预报模式初始场进行时空匹配,提取22个相关物理量建立数据集并进行百分位值统计;利用XG⁃Boost(extreme gradient boosting)机器学习方法对物理量进行重要性排序以确定权重系数;应用连续概率预报方法,选用升、降半岭函数作为隶属函数,建立不同等级短时强降水概率预报模型。运用该模型在2020年汛期进行实时业务预报,并对湖北省2020年6—8月15次大暴雨过程0~36 h预报时效的逐小时不同等级短时强降水概率预报产品进行检验,结果表明:I级概率预报产品60%阈值的TS评分(0.145)最好,对应命中率为55.7%;Ⅱ级概率预报产品65%阈值的TS评分(0.083)最好,对应命中率为39.1%;Ⅲ级概率预报产品70%阈值的TS评分(0.03)最好,对应命中率为21.7%;IV级概率预报产品80%阈值的TS评分(0.005)最好,对应命中率为5.8%。对不同等级雨强个例对比检验表明,各级概率预报产品对CMA-MESO模式在同时次不同等级短时强降水预报上均有较好的订正作用。对3次强降水过程逐小时预报检验表明,I级概率预报产品命中率为40%~80%,空报率为50%~90%,预报时效达36 h,普遍优于同时次CMA-MESO降水量预报。本研究对不同等级短时强降水分型建模并在实际预报中有较好的参考性,能够对CMA-MESO的降水预报起到订正作用。     

新疆南疆西部干旱地区短时强降水预报方法及指标

利用新疆维吾尔自治区克孜勒苏柯尔克孜自治州(简称"克州")4个站点2006—2013年逐时降水量实况资料、喀什雷达及探空资料,分析了克州地区短时强降水的发生规律及年代际变化特征。结果表明:1)克州地区短时强降水多出现在5—9月,尤以6—7月最多,且多出现于午后及前半夜;2)着眼于500 hPa环流形势演变,对影响克州地区短时强降水天气出现的影响系统进行分型,主要有中亚低涡或低槽东移型、巴尔喀什湖(以下简称巴湖)低涡型、喀布尔低槽(涡)型、锋区南压型4种类型,并归纳分析了上述4种影响系统造成各类短时强降水天气的概念模型;3)利用典型历史个例中探空资料物理参数进行分析,得到一些统计特征,同时利用探空订正来进行潜势预报,并对得出的预报探空及订正指标进行检验;4)探空资料V-3θ图显示强降水具有明显的非均匀结构、存在明显的大肚状,风矢结构为明显的顺滚流;5)利用喀什雷达资料对克州短时强降水得出指标:回波强度在45～60 dBz、回波顶高在5.0～9.0 km、强降水回波最大垂直累积液态含水量在4～40 kg/m~2、强中心所在高度在1～7 km、≥35 dBz的对流回波在本站持续1 h。     

榆林市强降水分析及短时预报

以3小时降水量大于或等于20mm或6小时大于或等于25mm为标准确定短时强降水日,对1979—1988年10年资料进行统计分析,榆林市强降水集中在7—8月,而且多发生于午后和凌晨。     

基于短时强降水概率预报的模糊检验试验

利用短时强降水概率预报模型生成短时强降水(≥20mm/h)概率预报产品,并对其进行“点对面”模糊检验试验。结果表明：短时强降水(≥20mm/h)概率预报和SWC_WARMS模式最大小时雨量(≥20mm/h)的“点对面”TS评分均明显高于相应的“点对点”评分,短时强降水(≥20mm/h)预报结果可在30～40km范围内进行调整;短时强降水(≥20mm/h)概率预报在概率为30%时TS评分达到最大,Bias接近为1,预报偏差最小;短时强降水(≥20mm/h)概率预报比SWC_WARMS模式最大小时雨量(≥20mm/h)预报更具有参考价值。     

四川盆地不同强度短时强降水物理量特征对比分析

利用2007—2017年5—9月四川盆地84个国家自动站逐小时观测资料和时间间隔6 h的ERA-Interim再分析资料,分析了四川盆地不同强度短时强降水发生发展所需的热力、水汽和垂直风切变等条件,并对不同强度短时强降水的环境物理量特征进行了对比。结果表明,极端短时强降水的抬升凝结高度、自由对流高度和平衡高度(EL)均高于普通短时强降水,EL可以较好地区分极端短时强降水和普通短时强降水,约75%的极端短时强降水和普通短时强降水分别发生在EL高于258.6和658.2 hPa的环境下。极端短时强降水的对流有效位能(CAPE)和对流抑制能量值同样高于普通短时强降水,约50%的极端短时强降水和普通短时强降水的CAPE值分别高于792.5和451.9 J·kg~(-1)。不同强度短时强降水的850和500 hPa假相当位温差(θ_(se850)-θ_(se500))差异显著,极端短时强降水的θ_(se850)-θ_(se500)数值明显高于普通短时强降水,10℃可做为区分二者的参考阈值。约50%的短时强降水大气整层可降水量(PW)超过58 mm,不同强度短时强降水的PW差异不明显,但极端短时强降水具有较为明显的上干下湿垂直分布特征。垂直风切变和上升运动对四川盆地不同强度短时强降水的区分没有明确的指示意义。