国家级强对流潜势预报业务进展与检验评估

为了推动我国现阶段天气预报业务向专业化和精细化方向发展,国家气象中心自2009年组建了强天气预报中心并开展了国家级强对流落区潜势预报业务。开发了基于加密自动气象站WS报、全国闪电定位监测网、FY系列卫星以及雷达组网等多种实况观测资料的强对流实时监测产品,制定了基于MICAPS 3.0业务平台的《中尺度天气分析规范》,研发了基于全球模式T639以及区域中尺度模式GRAPES-RUC、WRF-EPS等模式输出量的强对流动力热力参数的诊断分析产品及潜势预报方法,建立了国家级强对流天气实时预报业务并发布雷暴、雷雨大风和冰雹、短时强降水等分类落区预报指导产品。对2010年4—9月国家级预报产品进行的客观检验结果表明：6小时间隔雷暴TS评分为18%,短时强降雨为2.6%,冰雹和雷雨大风为2.1%;12小时间隔雷暴TS评分为18.4%,短时强降雨为4.1%,冰雹和雷雨大风为1.3%。     

基于T639对流参数的内蒙古强对流天气潜势预报方法初探

统计内蒙古地区2011—2014年汛期短时强降水、冰雹、大风强对流天气的基础上,利用T6391°×1°逐3 h的数值模式产品计算物理量,选取与强对流天气相关性较好的敏感对流参数作为预报因子,通过权重分析建立未来0~12 h强对流天气及落区的潜势预报方程,并确定判别不同强对流天气的阈值。通过对2013年8月进行的预报试验结果表明:发生强对流天气的平均TS评分为0.35;不发生强对流天气的平均TS评分为0.51;3种强对流天气预报中对冰雹预报效果不理想,但对大风及短时强降水预报效果好。     

融合物理理解与模糊逻辑的分类强对流客观短期预报系统:（2）表现评估

本文对分类强对流客观短期概率预报系统2022年6月13日强对流过程预报产品的表现进行分析,基于2022年的雷暴、短时强降水、雷暴大风及冰雹客观概率预报产品和可用的分类强对流监测实况资料,结合强对流预报业务中使用的空间检验方法和常用的确定性及概率性检验指标,对该短期预报系统提供的四类强对流天气客观概率预报产品进行了详细的性能评估。用于评估的预报资料是时段为2022年4月1日至9月30日每天08时(北京时)起报,96 h内逐12 h间隔的预报产品。预报个例分析显示,四类产品均可提前24 h指示需要关注的强对流天气区域。统计检验结果表明,短时强降水各方面性能最好,其次是雷暴,雷暴大风也有一定的可参考性。四类强对流天气预报产品均存在预报概率与实况频率相比偏高的过度预报问题。雷暴、短时强降水和雷暴大风预报产品均存在与预报覆盖时效有关的日变化。评估结果为预报模型和系统后续改进发展奠定了基础,为应用基于融合物理理解与模糊逻辑人工智能方法的分类强对流预报产品提供了有益参考。     

相似预报法在关中西部强对流预报中的应用和检验

相似预报方法是一种基于历史相似个例的预报方法,在综合考虑天气发生的环境场和气候场的条件下,可实现高时空分辨率强对流天气的客观预报。利用2016—2019年5—9月宝鸡市自动气象监测站逐小时观测资料及ECMWF细网格0.25°×0.25°模式预报资料,应用相似预报方法对宝鸡市2020—2021年5—9月短时暴雨和雷暴大风天气进行预报和检验。结果表明：短时暴雨平均预报成功率和预报成功指数分别为0.852和0.304,14—20时预报效果最好;雷暴大风平均预报成功率和预报成功指数分别为0.837和0.254,20—02时预报效果最好;两类强天气漏报率均低于0.33,空报率均在0.75以下;相较配料法,相似预报法对两类强天气的预报准确率和预报成功指数均有较大提升,且空报率和漏报率也明显降低,能够较好地预报出短时暴雨和雷暴大风未来24 h的对流潜势,在宝鸡地区表现出更高的适用性。     

江西不同类型强对流天气的地闪统计特征及与雷达回波特征对比分析

选取2004—2014年江西省11个ADTD雷电探测定位组网系统所得云地闪探测数据、省内多普勒雷达、探空和自动站资料,并结合重要天气报,将此11年的强对流天气分成短时强降水、有短时强降水伴随的雷雹大风和冰雹(以下简称风雹)和无短时强降水伴随的风雹这三种主要类型,分析它们发生前后的地闪活动特征及其与雷达回波的关系,结果发现,(1)江西省短时强降水、雷暴大风和冰雹分别主要发生在5—8、7—8月和3月;仅发生短时强降水时的站次远多于发生风雹天气时;除早春和盛夏无短时强降水伴随的雷暴大风发生站次较多外,风雹天气常与短时强降水相伴发生。(2)仅有短时强降水天气发生时,其站点地理位置越偏北、小时雨量越大,对应的地闪活动就越剧烈。不同小时雨量对应的地闪数存在较明显的季节性差异,表现为3、4月地闪数以小时雨量为50~55mm时最多;5—7月地闪数随着小时雨量增大总体呈增多趋势,尤以小时雨量为55~60mm时最多;8—9月则以小时雨量为40~45mm时最多。(3)就无短时强降水伴随的风雹天气而言,在3—5月雷暴大风和冰雹发生前30min内的地闪数差异不大,但平均电流强度后者大于前者;在6—9月雷暴大风发生前30min内的地闪数则为冰雹发生前的2~4倍,平均电流强度前者大于后者;该类风雹发生前的地闪数多于仅有短时强降水发生前,正地闪的平均电流强度前者也略强。(4)有短时强降水伴随的风雹发生前的平均正地闪数以8月为最多,而负地闪数则在6月最多;冰雹发生前1h内的地闪数随季节变化不大,而雷暴大风发生前的地闪数存在季节差异,夏季多于春季;另外冰雹的地闪数与冰雹直径存在较好的正相关性。(5)3—8月,有短时强降水伴随的风雹地闪数远多于无短时强降水伴随时;其平均电流强度前者大于后者;该类风雹天气发生前,地闪平均电流强度随季节呈先增大后减小的趋势,而无短时强降水伴随的风雹天气则无此特点。(6)强对流天气发生前,较强回波出现前的负地闪活动远比正地闪活跃,但其电流强度弱于正地闪;45dBz以上回波伸展高度越高,伴随的地闪数也越多,但其平均电流强度变化不明显。     

沈阳地区强对流天气潜势预报环境参数特征分析

利用常规探空观测和WRF分析场等资料,分析了2005—2014年沈阳地区强对流天气的气候背景特征、演变规律及日变化特征等,将强对流天气划分为冰雹、雷暴大风(≥17.2 m·s-1)、短时强降水(≥20 mm·h-1)和混合型4种类型;并分析探空资料在强对流天气潜势预报中的作用,着重探讨14时(02时)探空资料对沈阳地区强对流天气短时临近潜势预报的作用。结果表明:2005—2014年沈阳地区4种强对流天气中,以短时强降水天气发生次数最多,其次为雷暴大风天气,冰雹天气的发生次数最少,多数强对流天气发生在午后至傍晚。由合成T-Log P图的温湿廓线可知,沈阳地区短时强降水天气发生时中低层存在显著湿区,与雷暴大风和冰雹为主的强对流天气温湿廓线明显不同,多数合成T-Log P图的显著特点为中层大气干燥。冰雹型强对流天气的0℃层和-20℃层高度明显低于其他强对流天气类型的高度;冰雹型强对流天气T700-T500和T850-T500显著大于短时强降水型及雷暴大风型强对流天气,且T850-T500的指示意义更好;4种强对流天气类型平均SI均出现了正值,说明SI失去了不稳定性的指示意义;短时强降水天气的K指数明显高于冰雹天气;雷暴大风天气发生时对流有效位能明显小于其他强对流天气类型。可见,WRF中尺度模式中的T-Log P预报图对沈阳地区强对流天气的预报具有一定的指导意义。     

基于集合预报极端天气预测指数的浙江分类强对流预报模型

利用2016—2021年ECWMF集合预报资料、浙江自动站实况资料等,计算浙江短时强降水、雷暴大风和冰雹等强对流天气相关物理量的极端天气预报指数（EFI：Extreme Forecast Index）,分析EFI分布特征,并构建了分类强对流预报模型。结果表明：强对流天气与物理量的EFI有密切联系,发生短时强降水时,对流有效位能、整层可降水量、850 hPa与500 hPa温差和位温差的EFI较大,而垂直风切变的EFI为负值,因而较小的垂直风切变更有利于出现极端降水;发生雷暴大风和冰雹时,对流有效位能、850 hPa与500 hPa温差和位温差以及850 hPa温度露点差的EFI较大,700 hPa露点温度的EFI为负值,与上层干冷下层暖湿的有利层结条件有关。利用支持向量机多分类方法,将强对流天气相关物理量的EFI作为特征值开展训练,构建的预报模型对于非局地强对流天气有较好的预报效果,其中短时强降水的误判率明显低于雷暴大风。     

融合物理理解与模糊逻辑的分类强对流客观短期预报系统:（1）系统构成

提供准确的雷暴、短时强降水、雷暴大风和冰雹客观短期预报产品,对提高预报预警的预见期,及早采取有针对性的预防措施有重要意义。基于对四类强对流天气现象物理成因理解,给出了由国家气象中心牵头研发,融合模糊逻辑人工智能方法的分类强对流客观短期概率预报系统的流程框架和实现方法,详细介绍了该系统的结构特征,以及系统中用于雷暴、短时强降水、雷暴大风和冰雹四类强对流天气预报模型构建的关键预报因子、隶属度函数获取方法和权重因子配置等信息,并在此基础上探讨了物理理解与模糊逻辑人工智能相融合方法具有广泛适用性的本质,可以表征产生特定强对流天气现象的环境配置的多样性和复杂性。     

云南高原山地机场强对流短临预报系统研究

基于天气雷达、地面和探空观测资料、NCEP再分析资料、FNL 数值预报产品,应用强对流天气分类识别技术和短时临近预报技术,开展风暴临近预报、强对流天气分类预警、基于数值预报的强风暴潜势诊断等研究,获得大理、丽江、西双版纳等高原山地机场及周边区域强降水、雷暴、大风、冰雹等灾害性天气的0～2h实时定量预报产品和0～12h强对流天气潜势预报产品,建立可业务运行的机场强对流天气短时临近预报系统。通过检验,证明该预报系统有较好的强对流天气预报预警能力,满足机场业务需求。     

东北冷涡背景下强对流天气的基本特征分析

利用呼伦贝尔市CIMISS系统实况资料,统计分析了2010—2021年5—9月东北冷涡背景下的强对流天气时空分布及物理量参数特征。结果表明：(1)5月雷暴大风次数最多,6月冰雹次数最多,6—8月是短时强降水集中发生期,尤以8月次数最多。(2)强对流天气主要出现在12:00—20:00,其中短时强降水每个时次均有发生,但雷暴大风与冰雹天气在21:00—次日08:00基本没有发生过。(3)大兴安岭西部雷暴大风站次较多;大兴安岭东北部、岭上及岭西北的冰雹站次较多;短时强降水与强对流天气空间分布特征较为一致,均是大兴安岭岭上南段与岭东的站次较多。(4)雷暴大风天气的风速多以17.2～20.7 m·s^-1为主;短时强降水量级为20.0～29.9 mm的站次占总站次的74.3%;持续时间小于5 min冰雹居多,直径小于5 mm冰雹的站次占总站次的49.1%。(5)短时强降水850 hPa的比湿、水汽通量、水汽通量散度的物理量参数均值均大于冰雹、雷暴大风;短时强降水K指数均值大于冰雹、雷暴大风,T₈₅₀-T₅₀₀均值大于26℃,短时强...     

丰都县强对流天气特征分析

该文利用2005-2014年丰都县地面天气、探空数据、NCEP 1°×1°FNL再分析资料等,对丰都地区冰雹、雷暴大风、短时强降水这3类强对流天气特征进行统计分析,得出这3类强对流天气的时空分布特征,并从天气个例出发,利用实况资料对强对流天气的差异进行分析,为强对流天气的预警预报提供参考。得到如下结果:短时强降水通常出现在5-9月,大风通常出现在5—8月,冰雹通常出现南部的七跃山脉和北部的蒋家山和黄草山脉附近~([1]),2005—2014年间共出现了7次,3—8月均有发生。通过计算3种强对流天气环境场参量,归纳出3种物理量参数的差异:大气可降水量、AT500-T850,K指数、抬升指数(LI)、相对湿度、散度场分布等在冰雹、短时强降水和大风天气中有明显的差异,冰雹和短时强降水的AT500-T850相差了近5℃,大风天气的值介于冰雹和短时强降水之间。大气可降水量分布上,短时强降水的大气可降水量(PW)平均值为58 mm,比冰雹值大约多了10 mm,比大风值多了14 mm。短时强降水出现时几乎整层都是处于饱和的状态,冰雹和大风天气几乎只在中低层有较饱和的水汽,而高层的相对湿度平均值在40%～50%左右。对流指数方面,K指数和LI指数都很好的指示了强对流天气的发生,K指数在短时强降水发生时其平均值在39.8℃左右,较冰雹和大风分别高1.6℃和3℃。短时强降水出现环流位置大多位于600 hPa以下,而冰雹则在300 hPa左右,大风在400 hPa左右。     

SWC-WARMS在重庆地区的降水预报性能分析

本文利用2016年5~7月SWC-WARMS和CQMFS逐日20时起报的24h累计降水预报资料及24h累计降水观测资料,对两家模式在重庆地区的24~48h和48~72h的24h累计降水预报结果进行客观检验评分和对比分析,并针对2016年5~7月重庆地区的8次区域性强降水天气过程,进行了SWC-WARMS的24~48h强降水落区和强度的主观检验,结果表明:对于24~48h累计降水,CQMFS的TS评分除暴雨和大暴雨量级外均优于SWC-WARMS,且相对于SWC-WARMS而言,空报较少,漏报较多;对于48~72h累计降水,各个量级降水的TS评分、空报率和漏报率的表现一致,SWC-WARMS的各项评分均明显优于CQMFS;对于重庆地区2016年5~7月的8次强降水天气过程,除个别个例预报较差外,SWC-WARMS对强降水落区和强度的预报均具有一定的指示意义,能为预报员提供有用的参考,但降水强度总体偏强,大暴雨量级的降水空报现象较为明显。      

基于ECMWF模式的四川夏季强降水订正试验

利用2016—2018年6—8月四川地面观测降水资料(含加密自动站)及同时段ECMWF模式各要素预报场资料,根据基于"配料法"计算所得出的3 h间隔短时强降水概率预报,统计各格点各个转换概率阈值的次数,探索了一种针对模式24 h累计降水预报的强降水订正方法,并运用该方法对2018年6—8月降水集中时段24—72 h时效ECMWF模式降水预报进行逐日试验检验。试验结果表明:(1)从大雨、暴雨降水量级综合检验指标来看,各时效订正后命中率、漏报率、TS评分均有明显改善,且随着预报时效的延长,各指标数值提高的幅度愈大。空报率虽然0—24 h、24—48 h时效预报有所增加,但空报率增加幅度远小于漏报率减小幅度;(2)从个例检验结果来看,订正后的模式预报相比订正前的预报而言,降水量级明显增加,50 mm以上降水落区预报效果有较大程度提升,尤其是0—24 h时效预报,订正后降水落区分布与实况基本一致。     

咸阳三类强对流天气环境物理量指标研究

利用探空资料对2016—2020年咸阳市暖季（4—9月）雷暴大风、短时强降水和冰雹三类强对流天气发生的环境物理量特征进行分析,提炼强对流天气的关键物理量参数及预报指标。结果表明：（1）咸阳雷暴大风的高发期在4—5月,短时强降水和冰雹的高发期在6—8月,三类天气均主要出现在14—20时。（2）K指数、CAPE值、垂直风切变、0 ℃层高度和-20 ℃层高度均有明显的季节变化,相对高的0 ℃层高度、较厚的暖云层厚度以及相对小的中高层温度露点差可以区别短时强降水和其他两种强对流天气类型。（3）雷暴大风和冰雹发生时中低层一般表现出“上干下湿”的层结特征,雷暴大风的下沉对流有效位能相对较大,应超过120 J/kg。冰雹形成除了考虑较大的对流有效位能和深层垂直风切变外,还需要适宜的0 ℃层高度（39～51 km）。短时强降水要求“整层湿”,即500 hPa和850 hPa的温度露点差均较小,同时暖云层厚度应超过35 km。     

都匀雷达ROSE2.0一次强对流天气过程应用检验

针对黔南州2022年4月24日午后到夜间的一次强对流天气过程,利用实况资料和都匀雷达ROSE2.0在短时强降水、冰雹、雷暴大风方面的监测和预警产品对比检验,结合本地短时临近预报业务应用效果分析,发现：受地形影响都匀雷达ROSE2.0估计降水在大雨以下量级表现较好,但对暴雨以上量级估计值偏小,没有明显短时强降水报警体现,本地化应用门限值降低约3成左右设置更为合理;都匀雷达ROSE2.0对冰雹预警落区指示和命中率较高,但时间提前量平均仅9分钟,对雷暴大风预警仍然有难度,剖面图分析能更好地识别雷暴大风指标。另外,雷达ROSE2.0软件强天气预警算法得到进一步优化,应融入一体化平台等快速支撑预警业务应用。     

陕西省强对流天气气候特征分析与对流指标探讨

选取2007—2014年陕西省98个气象站降水和冰雹观测资料、1970—2013年数据完整的90个气象站的雷暴观测资料,采用统计方法分析陕西雷暴、冰雹、短时强降水的气候特征。结果表明:陕西强对流天气多发生于10—20时,其他时间发生的概率比较低。冰雹多发生在5—8月;短时强降水大多出现在6—9月,雷暴主要出现在6—8月。2007—2014年,陕西降雹天气年际变化不明显,短时强降水的年际变化较大。1970—2013年雷暴日整体呈减少的趋势,2007—2013年明显偏少。冰雹天气的高值中心集中在陕西北部,短时强降水呈北少南多的特点,雷暴为中部少、南北多。利用2007—2014年探空资料和MICAPS资料统计陕西省冰雹和短时强降水天气的物理量指标,为短时临近天气预报提供依据。     

鲁中地区分类强对流天气环境参量特征分析

将山东中部地区16 a暖季(4-9月)106次伴随瞬时风力不低于8级的强对流个例划分为雷暴大风、冰雹雷暴大风和强降水混合型等3种类型,利用常规探空资料和地面观测资料,通过箱须图的形式分别讨论3种类型对应的一系列关键环境参数的分布特征和预报阈值。进一步,又将上述106次个例中的特强对流个例,包括产生25 m/s以上瞬时大风的特强雷暴大风个例、产生不小于20 mm直径冰雹的特强冰雹个例以及50 mm/h或以上强度的特强短时强降水个例提取出来构成一个子集,讨论其关键环境参数分布特征和预报阈值,并与全部对流个例的相应关键环境参数进行比较。最后,对鲁中地区强对流系统的触发机制进行了简要阐述和讨论。结果表明:(1)雷暴大风型、冰雹雷暴大风型和强降水混合型对应的850和500 hPa温差的最低阈值为25℃; 3种类型对应的地面露点最低阈值分别为13、16和24℃; 相应的大气可降水量最低阈值分别为20、24和32 mm; 相应对流有效位能的最低阈值分别为300、900和1300 J/kg; 相应的0-6 km风垂直切变最低阈值分别为12.0、12.5和8.0 m/s。(2)通过地面露点、大气可降水量以及暖云层厚度等关键参数的分布特征可以将上述3种类型的前两种与第3种类型即强降水混合型进行一定程度的区分,但要通过各个关键参数的分布特征区分前两种强对流天气是困难的。(3)对于伴随冰雹的强对流天气,适宜的融化层高度为3.0-3.9 km; (4)特强雷暴大风、特强冰雹和特强短时强降水等3种特强对流类型与全部强对流个例的3种类型相比,其条件不稳定度明显增大,体现为850和500 hPa温差的增大、水汽条件有所加强、对流有效位能明显增大,3种类型特强对流天气对应的对流有效位能最低阈值分别为1000、1100和2000 J/kg; 相应的0-6 km风垂直切变最低阈值分别为16、12和11 m/s,即特强雷暴大风型和特强短时强降水型的风垂直切变阈值明显增大。上述工作构成了山东中部伴随雷暴大风的强对流天气短时预报的一个基础,结合各类强对流天气发生的气候概率,可以通过决策树或模糊逻辑方法制作成适合于地、市气象台的分类强对流天气短时预报系统。      

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。     

基于数值预报和随机森林算法的强对流天气分类预报技术

随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势。本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,基于2005—2016年NCEP 1°×1°再分析资料计算的对流指数和物理量,开展强对流天气的分类训练、0～12 h预报和检验,经2015—2016年独立测试样本检验表明,针对强对流发生站点的点对点检验,整体误判率为21. 9%,85次强对流过程基本无漏报,模型尤其适用于较大范围强对流天气。随机森林算法筛选的因子物理意义较为明确,和主观预报经验基本相符,模型准确率高,可用于日常业务。     

六种数值模式对芜湖市地面气温和降水预报的对比检验分析

对2008年7月至2009年6月JMA、T213、GRAPES、MM5、T639和GERMANY 6种数值模式产品对芜湖市的地面气温和降水预报结果进行了对比检验分析,结果表明:各模式对最高气温的预报能力一般,其中JMA、GRAPES、T639相对较好;对最低气温的预报JMA表现突出,而GRAPES在冬季预报能力较好.各模式对于芜湖站降水的预报均无绝对优势,对各等级的降水预报效果各有千秋.对于≥0.1 mm降水,JMA和GERMANY在24 h时效内TS评分较高,且JMA漏报率很低,GERMANY空报率较低,T639则从48 h时效起TS评分最高,且漏报率较低;对于≥10 mm降水,T639的TS评分较高且漏报率较低,GERMANY和GRAPES在48 h时效内评分也较高且空报率低,JMA在48 h时效后空报率较高,成绩较差;JMA、T639和GERMANY对强降水预报能力相对较强,特别是T639对暴雨比较敏感,而各模式在72 h之后对强降水的预报能力较差.另外,各模式对降水预报的TS评分均为夏季低、冬季高,空报率均为夏季高、冬季低.