多区域高分辨率模式强降水预报检验分析

利用气象大数据云平台中逐小时降水资料,基于目标对象检验法和邻域法,评估2019—2020年辽宁主汛期降水过程中中国气象局上海数值预报模式系统(CMA-SH9)、中国气象局中尺度天气数值预报系统(CMA-MESO)、中国气象局睿图东北数值预报模式系统(CMA-DB)的预报性能。结果表明:千米尺度或接近千米尺度的上述三个模式,在36 h时效内,对于累积强降水(12 h降水量≥50 mm)落区形态预报与实况有相似性,落区质心预报偏差一般在20 km左右。然而,预报落区与实况重叠的面积一般都在10%以下,个别情形下(如CMA-MESO对于气旋型降水过程)累积强降水落区预报与实况重叠度能够接近20%;位置偏离的直接结果是导致漏报率高(一般在75%左右,CMA-MESO模式漏报率略低,为10%～20%),其中高压后部型降水过程中累积强降水的漏报率超过80%,位置偏离也造成较高空报率。对于短时强降水(1 h降水量≥20 mm)预报,在方圆40 km内不计偏差情况下,各模式预报命中率平均在10%以下(最大值为9.2%),空报率平均为58.7%;三种降水类型中,模式对台风型降水过程的短时强降水预报性能最...     

海南岛暖季区域数值模式降水精细化预报检验

应用面向降水过程的时空检验方法,评估了中国气象局广东快速更新同化数值预报系统(CMA-GD)、上海数值预报系统(CMA-SH9)和中尺度天气数值预报系统(CMA-MESO)的海南岛暖季(2019—2020年的4—9月)非台风降水日小时降水预报效果,结果表明:三家模式均能捕捉不同流场条件下的降水空间分布形态及降水日变化特征,但CMA-GD和CMASH9的降水频率和强度总体偏多偏强,其中CMA-GD降水频率偏多近10%,CMA-SH9平均小时雨强偏强近4 mm·h^-1,CMA-MESO雨强在5 mm·h^-1以上的降水多分布在西南部和中部山区,与实况空间分布差异较大。三家模式降水预报最易开始和降水峰值时间平均偏早1～3 h,而降水最易结束时间偏晚1～3 h;模式的大气层高层露点温度和不稳定能量预报值偏大,不稳定能量出现时间偏早,近地层逆温层特征预报失真,降水预报的开始时间倾向于提前、降水持续时间偏长。三家模式的昼间海南岛北部沿海的海陆风辐合带预报偏强,其中CMA-SH9尤为明显,与该模式降水强度明显偏强特征相一致;CMAGD的夜间南部沿海的海陆风辐...     

基于目标对象检验法的四川省两种数值模式暴雨预报对比分析

根据2021年四川省31次暴雨过程预报偏差检验,选取ECMWF预报雨带明显偏西、CMA-MESO预报较好的3次个例,基于目标对象检验法对强降水落区(≥25 mm)从位置偏差、面积偏差、雨带走向和降水强度4个方面对两模式的预报偏差特征和主要原因进行对比分析。结果表明：ECMWF模式降水落区预报较实况偏西偏北,且偏西偏差距离(59.06～123.67 km)显著大于偏北偏差距离(8.23～53.59 km),而CMA-MESO模式雨带走向和位置预报与实况更为接近。两模式降水面积预报均大于实况,ECMWF模式较实况偏大7.0%～34.3%,CMA-MESO模式偏大25.2%～45.9%。两模式降水量平均值预报与实况偏差幅度为-3.5%～20.0%,但降水量极值预报较实况偏差较大,偏差幅度为50.1%～196.9%。检验分析表明,出现在副热带高压边缘,受高原涡或西南涡影响的四川暴雨过程,在ECMWF模式预报强降水落区(≥25 mm)偏西的情况下,CMA-MESO模式可以提供订正参考。     

2021年攀西地区精细化预报与数值模式小时降水检验

基于精细化预报（GDDZ）和CMA-MESO、西南区域模式（SWC）两家高分辨率模式的小时降水预报,从TS(Threat Score)评分、小时降水频次、小时降水强度、峰值时间等方面,对2021年汛期攀西地区16次降水过程进行小时尺度的检验。结果表明：（1）从逐时降水来看,在晴雨（0.1 mm）TS评分中,GDDZ在00～11时表现较优,CMA-MESO模式在12～23时表现较优;在大雨（7 mm）和暴雨（15 mm）TS评分中,CMA-MESO模式表现较优。（2）从小时降水频次来看,SWC模式预报的降水发生频次空间分布与实况更为接近;从小时降水强度来看,GDDZ预报的降水强度与实况更为接近。（3）从降水量峰值时间来看,GDDZ与实况更为接近;从小时降水强度峰值和降雨频率峰值时间来看,CMA-MESO模式预报与实况更为接近。     

基于雷达组网拼图的定量降水反演Ⅱ:方案改进及综合评估

为提高雷达定量降水反演精度,结合多普勒天气雷达组网拼图资料与地面加密自动站降水观测资料,在利用最优化法建立辽宁本地化动态Z-I关系基础上,进一步优化雷达定量降水反演方案,分别开展了分雷达回波强度等级与分地理区域优化降水Z-I关系研究。结果表明:两种优化方案的定量降水反演评估指标均有所改善,整体而言,优化方案有效降低了雷达定量降水反演误差,降水反演能力得到进一步提高。2013年辽宁抚顺"8. 16"典型强降水个例定量降水反演结果显示,两种优化方案反演降水的空间分布形势与地面降水实况场更加接近,尤其弥补了单一动态Z-I关系法对20. 0 mm·h^-1以上量级强降水落区范围以及40. 0 mm·h^-1以上量级超强降水中心反演不足的问题,采用优化方案后的各项评估指标均大幅提升,明显改善了雷达定量降水反演的不确定性,降水反演效果具有更强的稳定性和可靠性,为灾害性短时强降水天气事件短临预报预警提供了定量参考。     

黄淮地区副高边缘型降水数值预报精细化检验北大核心CSCD

以2020-2021年5-10月副高边缘型明显降水过程作为研究对象,针对黄淮地区太行山南麓、伏牛山东麓、东部平原3个典型区域,采用多种检验方法对CMA-MESO,CMA-SH9两模式降水日变化预报性能进行评估。结果表明:在山区,CMA-MESO预报有效降水时次占比与降水强度均偏小,CMA-SH9则相反,两模式分别在伏牛山东麓的04:00-10:00(北京时,下同)和太行山南麓的10:00-16:00预报有效降水时次占比偏小(大)更为显著;在平原,CMA-MESO对03:00-07:00和17:00-20:00有效降水时次占比显著低估,CMA-SH9对于17:00-20:00降水量的高估则主要来源于降水强度预报明显偏大。FSS(fractional skill score)评分结果显示:CMA-MESO对于伏牛山东麓15:00-17:00及21:00-22:00、东部平原02:00-04:00等时段10 mm·h^(-1)以上降水预报能力优于CMA-SH9,在太行山南麓17:00-23:00则相反。基于STFSS(spatial temporal fractional skill score)评分的评估表明:CMA-SH9对于太行山南麓前一日14:00-当日02:00的降水预报较实况显著偏晚,CMA-MESO对于伏牛山东麓02:00-08:00及平原地区08:00-14:00的降水预报均表现出较实况偏早的特征。     

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。     

基于多元线性回归的滇西南短时强降水预报模型研究

利用云南省普洱市2015—2017年多普勒天气雷达资料、探空资料和气象观测站5 min雨量观测资料,分析了普洱地区研究期间41次短时强降水的环境场和雷达回波演变特征。结果表明:中尺度辐合线、中气旋、逆风区是强降水触发和维持的重要成因。短时强降水发生前,整层大气水汽充沛,静力不稳定层结,大气可降水量(PW)≥35 mm、SI≤-0. 23、K> 35,可作为环境场对流潜势的判定因子;短时强降水发生时,雷达回波最强反射率因子≥40 d Bz,35 d Bz回波顶高> 5 km,径向速度的辐合切变量> 5 m·s^-1。通过多元线性回归分析,选取4个相关性显著的影响因子,建立普洱市短时强降水预报模型。所选预报因子包括:35 d Bz回波顶高、30 d Bz垂直剖面中心高度、30 d Bz以上雷达回波面积和SI。预报模型的回报检验表明,普洱短时强降水平均雨强相对均方根误差为17. 0%,局地降水持续时间相对均方根误差为33. 9%,局地过程降水相对均方根误差为25. 6%,回报效果较好。4次短时强降水预报检验中,平均雨强的预报误差每5 min小于1. 2 mm,局地强降水持续时间的预报误差小于10 min,局地过程降水的预报误差小于4 mm,模型均预报出局地连续性降水超过50 mm。预报模型有较好的预报能力,可应用于普洱短时强降水的临近预报预警。     

1998-2020年三峡库区小时极端降水时空变化特征分析

利用1998-2020年三峡库区35个测站的小时降水资料,围绕近23年三峡库区小时强降水(≥20 mm·h^-1)和小时极端强降水(≥50 mm·h^-1)的总降水量、频次、强度等指标,分析极端降水发生的时空变化特征,并对比分析2010年前后三峡小时极端降水变化特征。结果表明：1998年三峡库区小时强降水与极端强降水发生次数与强度均异常偏多。若剔除该年,1999-2020年小时强降水与极端强降水发生总频次均无显著变化趋势。近23年,小时强降水平均每年每站发生3.8次,大部分站点年均发生3.0～5.0次;小时极端强降水年均发生5.5次,大部分站点年均发生<0.25次,中部山区的建始-宣恩一带年均发生次数较多。2010年后年平均小时强降水量减小了10.4 mm,减小的区域主要发生在三峡库区西部的重庆地区,该区域年平均减小15.5 mm;总体有31.4%的站点年平均小时强降水量与发生次数均有所增加,湖北中部的建始-来凤一带增幅较为明显,邻近5站的年强降水雨量平均增加16.1 mm;强降水小时雨强显示增加特征站点占48.6%,强降水小时雨强增加的范...     

攀西地区2021年夏季多模式降水预报检验

为提高定量降水预报产品在攀西地区的预报能力,对2021年夏季格点预报（Grid Weather Forecasting,GWF）、西南区域模式（South West Center-WRF ADAS Real-time Modeling System,SWCWARMS）、欧洲中心中期预报 （European Centre for Medium-Range Weather Forecasting,ECMWF）及中国气象局中尺度模式（China Meteorological Administration Meso-Scale Model,CMA-MESO）降水预报情况进行了检验分析。结果表明:（1）ECMWF模式雨日空报最明显,但其暴雨量级预报较实况偏干,其余各家产品中各量级降水均以湿偏差为主。有雨日数在攀西地区南部预报效果较好,其余地方空报较大。大雨日数在凉山州中部预报偏差较大,攀西地区南部预报偏差较小。（2）从16次过程检验来看,各预报产品在8月份过程中的表现优于其余月份,GWF产品25 mm以上TS（Threat Score）评分高于20分的过程次数最多且预报效果最稳定,CMA-MESO模式空报最大。（3）各产品3 h累计强降水开始时间大多早于实况,SWCWARMS模式雨强偏大且对于持续时间较长的过程预报效果较好,而GWF、ECMWF模式累计雨量较实况偏小。      

内蒙古夏季不同气候区短时强降水检验及制定

利用1991—2015年夏季(6—8月)内蒙古地区111个国家气象站小时降水量资料,对内蒙古不同气候区(极干旱、干旱、半干旱、半湿润和湿润)短时强降水(1 h降水量≥20 mm)进行检验分析,采用累积概率方法定义内蒙古夏季不同气候区短时强降水。检验结果表明:内蒙古地区年平均降水量和小时降水量极值自西部极干旱区向东部半湿润、湿润区递增,高值区位于大兴安岭东部,次高值区位于阴山山脉以南。内蒙古极干旱区小时降水量极值低于20 mm,半湿润区和湿润区小时降水量极值高于50 mm,个别站点甚至达到100 mm以上。但在半湿润区和湿润区东部小时降水量超过20 mm年平均发生仅为1次,其余地区均1次。在内蒙古极干旱区、干旱区、半干旱区、半湿润区和湿润区小时降水量分别达到6.1、9.8、12.5、15.2和14.3 mm·h~(-1)属于极端降水事件,小时降水量≥20 mm不宜作为内蒙古短时强降水定义。综合上述研究,结合内蒙古地区地形、地貌等因素,将内蒙古极干旱区和干旱区短时强降水定义为5 mm·h~(-1),半干旱区、半湿润区和湿润区短时强降水定义为10 mm·h~(-1)。     

CMA-MESO关键技术集成及应用

基于GRAPES-MESO 10 km系统,提高模式动力框架计算精度和稳定性,选择调试适合高分辨率模式的物理过程参数化方案组合,建立面向数值天气预报的全国雷达质量控制拼图系统,通过云分析系统融合全国三维组网反射率因子拼图,建立面向中小尺度系统的对流可分辨同化系统和陆面资料同化系统,实现雷达径向风、风廓线雷达、FY-4A成像仪辐射率、卫星云导风、卫星GNSSRO、地面降水观测以及近地面资料等非常规局地稠密资料的同化应用,发展快速循环技术,建立全国3 km间隔3 h的快速循环同化预报系统——CMA-MESO（GRAPES-MESO 3 km）并实现业务化运行。2020年6—9月汛期业务检验结果表明:CMA-MESO预报的近地面要素（降水、2 m温度、10 m风场）检验评分全面超越GRAPES-MESO 10 km结果;CMA-MESO的24 h累积降水TS评分略低于欧洲中期天气预报中心（ECMWF）的结果,但逐3 h累积降水预报TS评分尤其是对于较大降水阈值评分明显优于ECMWF结果;同时,对于能够表征模式对降水时空精细化特征预报能力的降水频次和降水强度等检验,CMA-MESO对我国汛期的预报准确率超过了ECMWF细网格模式结果。     

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。     

台风“利奇马”(1909)快速增强事件的降水演变

利用台风路径资料及GPM多星集合降水反演产品(IMERG),分析了“利奇马”台风快速增强(RI)事件的平均降水率、降水(>0 mm·h^-1)和短时强降水(>20 mm·h^-1)的覆盖率随时间的演变。进一步,将RI事件分为RI启动前0~24 h、RI启动期、RI持续期、RI结束前0~24 h,和RI结束后0~24 h等阶段,分析平均降水率、降水和短时强降水发生频率的空间分布。研究结果表明:(1)在整个RI事件中,平均降水率和短时强降水发生频率较高的区域主要集中在台风中心西北方位,但其面积和位置随阶段转换而变化;(2)在RI启动前0~24 h,降水覆盖率的高值区由台风内核逐渐扩大至台风外围,而平均降水率和短时强降水覆盖率在RI启动后才明显增强;(3)在RI启动前0~12 h到RI结束前0~24 h的4个阶段,平均降水率和短时强降水发生频率的高值区都出现在台风移动方向的正前方。     

中国北方冬季降水的多源资料产品评估和融合优化

为了考察不同来源降水产品在中国北方冬季（特别是固态降水）的精度和可用性,优化融合降水产品质量,利用2019年12月—2020年2月美国CMORPH和IMERGE卫星反演降水、日本GSMaP、中国气象局雷达定量估测降水（MOC-QPE）、CMA-MESO模式预报以及地面观测插值等不同来源分析的降水产品,以地面站观测逐小时降水量数据为基准,从KGE评分、相关系数、平均误差和均方根误差等精度统计指标以及命中率（FOD）、虚警率（FAR）和TS评分等降水事件发生角度开展评估,结果表明:中国区域单源降水产品中地面插值分析产品对冬季降水描述精度最高也最稳定,但存在明显的系统偏低;其次是MOC-QPE和IMERG卫星产品,对中国北方偏南部地区的降水有一定的描述能力,但对北方高纬度地区固态降水的反映能力较差;卫星产品中IMERG精度最高,CMORPH则基本没有反演能力;CMA-MSEO模式产品虽然误差较大但与地面站观测的降水特别是固态降水存在较高相关,明显优于雷达和IMERG、GSMaP等卫星产品。采用BMA技术融合雷达、模式、卫星降水形成优化背景场,评估逐步引入不同的数据源对融合降水在冬季的精度影响,引入IMERG卫星和CMA-MESO模式产品均能提升高分辨率融合产品的质量,其中模式产品的改进效果最显著。      

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。     

大气垂直运动对雷达估测降水的影响

运用雷达反射率因子（Z）与降水强度（R）之间的关系定量估测降水,降水云体中的大气垂直运动（w_a）不可忽视。PARSIVEL激光雨滴谱仪（简称PARSIVEL）在获取雨滴粒径分布的同时可以从测量的雨滴下降速度分布中提取w_a,用于分析PARSIVEL高度上的大气垂直运动对雷达Z估测降水强度影响。使用2014年5-6月华南季风降水观测试验期间广东阳江5次层状云、6次对流性降水过程中PARSIVEL数据分析大气垂直运动对定量估测降水影响,w_a对层状云和对流云降水强度影响范围分别为-0.18~1.05 mm·h-1和-5.44~24.81 mm·h-1,相对影响值分别为-13.61%~13.99%,-38.59%~25.92%。静止大气条件下,雷达估算降水Z-R关系式中系数A,b引起的层状云和对流云降水估测偏差平均分别为10.9%和25.5%。真实大气中雷达估测降水的偏差平均情况是层状云降水由于w_a的对消作用降低为9.2%,对流云降水则增加到51.2%。对流性降水中大气垂直运动对雷达估测降水的影响较大。