基于多尺度混合滤波的GRAPES_3Dvar及其在实际暴雨预报中的应用分析

为提高暴雨的数值模拟和预报效果,在生成初值的同化分析中保证中小尺度信息的引入十分重要。为改善GRAPES(Global/Regional Assimilation and Prediction System)区域三维变分同化系统对中小尺度信息的引入,本文利用气候态背景误差样本估计变量误差的水平协相关尺度,进而利用三个不同水平特征尺度的递归滤波器对统计结果予以拟合,以替代原有单一尺度的递归滤波方案。利用新方案对2015年6月1—2日江汉平原的暴雨过程进行同化和预报,研究结果表明:新方案的功率谱衰减较慢,通过单点试验和分析场分析发现,新同化方案引入了更多的α中尺度信息;在暴雨个例的预报中发现,利用新同化方案后湿度场、散度场和涡度场在分析场和预报场中更加接近实际情况,降水预报技巧明显提高。通过能量谱分析发现,新方案与原方案相比反映出更多的α中尺度信息;新方案对江汉平原地区暴雨预报具有正效果,在α中尺度内出现了低层辐合、高层辐散及湿度增加等有利于降水的要素。在暴雨个例的基础上,本文进行16d的批量试验,结果显示新方案对降水的预报技巧明显提高,与个例结果一致。     

GRAPES-3DVar高阶递归滤波方案及其初步试验

背景误差协方差矩阵B及其逆的求解是三维变分同化研究的核心问题之一.在GRAPES区域三维变分同化系统(GRAPES-3Dvar)中背景误差协方差矩阵的水平变换部分,假定各向同性并进行递归滤波运算.原有方案中采用一阶递归滤波器,但收敛不够迅速,每次循环同化时需滤波10次才能使目标函数收敛.根据Purser等2003年的研...     

加密探空资料在华南暴雨数值预报的应用试验

应用逐时同化预报系统CHAF进行加密探空资料同化试验,比较了同化加密探空资料与仅同化常规探空资料所得同化分析场和模式预报结果的差异.同化加密探空资料所得分析场水汽的均方根误差减小,水汽条件和大气环流形势与实况更接近.以加密同化探空资料所得分析场为模式初始场进行预报,雨区的分布和降水量级都较控制试验有改善.分析模式预报改...     

数值预报产品在一次台风登陆暴雨天气过程中的预报能力分析

通过EC、T213预报产品对2003年7号台风"伊布都"登陆的天气形势演变的预报效果进行分析,以期更好地利用数值预报产品,做出更加准确的天气预报.     

一次特大暴雨过程高分辨率集合预报试验的检验和评估

针对2018年4月22日发生在湖北西部山地的一次特大暴雨过程,采用降尺度方案和显式对流参数化方案模式,开展了高分辨率对流许可尺度(3 km)的集合预报试验,并对全球集合预报(GEFS)和对流尺度集合预报(SSEF)的降水预报进行了对比评估,结果表明:(1)SSEF集合平均的雨量和落区预报均优于GEFS。(2)SSEF各成员的降水离散度分布更合理,因而具有更优的降水区间预报,其“离散度-误差关系”更优,能更好地给出预报误差的分布及其可能的大小。(3)SSEF的概率预报在所有空间尺度上均优于GEFS,且在短历时强降水上的优势更加明显。由此可见,针对此类山地暴雨过程,对流尺度集合预报相对于全球集合预报具有巨大的改进潜力。     

不同随机物理扰动方案在一次暴雨集合预报中的对比研究

针对2018年4月22日发生在湖北西部山地的一次特大暴雨过程,采用降尺度方案和显式对流参数化方案模式,开展了高分辨率对流许可尺度(3 km)的集合预报试验,并对全球集合预报(GEFS)和对流尺度集合预报(SSEF)的降水预报进行了对比评估,结果表明：(1)SSEF集合平均的雨量和落区预报均优于GEFS。(2)SSEF各成员的降水离散度分布更合理,因而具有更优的降水区间预报,其“离散度-误差关系”更优,能更好地给出预报误差的分布及其可能的大小。(3)SSEF的概率预报在所有空间尺度上均优于GEFS,且在短历时强降水上的优势更加明显。由此可见,针对此类山地暴雨过程,对流尺度集合预报相对于全球集合预报具有巨大的改进潜力。

     

数值预报产品在桂林暴雨预报中的应用研究

利用1998～2002年4～7月间欧洲、日本，2002年5～7月我国数值预报产品进行统计分析，总结出以数值预报产品为主的暴雨预报模式指标。这一模式指标，为日常预报工作中以天气学预报为主转向以数值预报为主莫定良好基础，也为预报员提供客观简捷的预报方法。通过一年的试报探索和一年的实际业务应用，其预报准确率较为理想。     

一次特大暴雨的集合预报试验

利用NCEP 1°×1°再分析资料,采用WRFV2.2模式对2008年6月12-13日的一次广西特大暴雨天气过程进行了包括积云对流参数化方案、边界层参数化方案、陆面过程参数化方案的集合预报试验.结果表明:模拟降水对WRF模式不同的物理过程表现出不同的敏感性,对积云对流参数化方案最敏感,降水离散度最大;对陆面过程参数化方...     

一种单站暴雨预报方法

暴雨一般发生在大范围环流明显调整时期［１,２］。环流形势制约着降水天气系统的生成与发展。有利的环流形势可导致冷暖空气连续强烈的交绥。在某一地区停滞或重复出现,使这一地区产生暴雨以上的降水过程。在水汽输送方面,有利的环流形势可为天气系统提供丰富的水汽资...     

强降水预报思路引导系统

数值预报是提高日常天气预报准确率的最有效手段和技术,本系统能帮助预报员在较短的时间内对所关心的天气系统确立正确的预报思路。     

强降水预报思路引导系统

数值预报是提高日常天气预报准确率的最有效手段和技术,本系统能帮助预报员在较短的时间内对所关心的天气系统确立正确的预报思路.     

KNN方法在贵州晴雨预报中的试验

使用2003—2007年T213数值预报产品和贵州省08-08时日降水量资料,建立了贵州省9个站的KNN晴雨预报模型,并对2008年进行了预报试验。在搜索K邻近域的过程中,与传统的KNN方法相比,求取了不同类别的K值,即K+、K-,使该方法选择的最邻近域中的K值取得更为合理。通过对历史资料的反复交叉验证求取了最优的K+、K-值组合。最后对2008年贵州省9个站进行预报试验并评估。预报评估结果表明:KNN方法总体上降低了预报空报率,提高了晴雨预报的TS评分和预报准确率,特别是对24h和48h,KNN方法在对贵州降水预报的数值预报解释应用中有一定的效果。     

周口市暴雪及冬季强降水预报

利用欧洲中心数值预报产品格点报实况场资料,统计分析了周口市1986～1997年11月至次年2月强降水天气的基本天气形势及特点,找出预报指标,建立1～6天暴雪及冬季强降水预报业务系统,产品上网运行.     

用多因子组合集成预报陕西关中大降水

分析影响陕西关中大降水的因子,选取9个对大降水贡献显著的因子,包括T213数值预报产品,单站观测数据,卫星云图,环流特征等,并进行相应的概率分析以及实践经验订正,对各因子信息的可信度分档分类赋值,再组合集成预报陕西关中大降水,预报结论可靠性较好.     

一次局地大暴雨的地面观测资料同化预报试验研究

基于WRF（Weather Research and Forecasting）模式及其3DVAR（3-Dimentional Variational）资料同化系统,采用36 km、12 km 、4 km三层嵌套网格进行逐3 h资料同化和快速更新循环预报,对2011年5月8日鲁中一次局地大暴雨过程进行了资料同化敏感性试验。试验结果表明,地面观测资料同化和快速更新循环对本次降水的预报起到了关键性作用。在快速更新循环预报时不同化地面观测资料,或同化全部观测资料进行冷启动预报,模式均不能预报出山东的降水。同化地面观测资料后,显著改进了模式降水落区预报。地面观测资料同化可以影响到700 hPa高度以上温压湿风要素的变化,从而改变了大气初始场的温湿结构,导致模式预报的700 hPa附近高空大气湿度和热力不稳定增强,700 hPa以下低层风场更强,850 hPa鲁中以南风速较无观测资料同化的偏强2～4 m·s-1,低层风场的动力作用触发高空的不稳定大气,降水出现在山东。     

贵州省暴雨BP神经元网络预报方法

引入人工智能方法，应用BP神经元网络技术，结合数值预报产品、动力诊断产品和当地预报经验指标，构造了贵州省期暴雨落区预报的人工神经元网络模型，实现了全省各大－暴雨落区的逐日概率预报，为业务预报提供了客观预报指导产品。     

单站气象要素资料在本地大--暴雨预报中的应用

作为常规经验预报手段的单站气象要素资料及预报工具图,在现代天气预报流程中往往被忽视了。其实在定点预报中,单站气象要素资料有着不可替代的作用。在此提出用微机自动处理资料并生成相应预报工具图表的方法,并且对压、温、湿日变化在大—暴雨预报中的作用进行研究。     

T106数值预报产品在中期大--暴雨预报中的应用

对T106数值预报产品性能及其对暴雨预报的能力进行了检验,找出了T106物理量预报场与我区大--暴雨的相关关系,建立了基于灰色预测的逐日降水滚动预报模型,该模型对我区降水有一定的预报能力.     

2019年陕西汛期暴雨预报检验评估

基于陕西省气象台(下简称省台)主观订正预报产品、ECMWF细网格预报产品和模式动态交叉取优要素预报方法(DCOEF)预报产品,对2019年4-10月陕西省暴雨天气过程进行检验评估。结果表明,省台主观订正预报产品对晴雨、小雨、暴雨、一般性降水、暴雨以上降水均有较好的预报效果,ECMWF细网格预报对中雨、大雨预报较好,评分较高;三种产品对区域性暴雨的预报能力均强于对局地性暴雨的预报能力,省台主观订正预报产品和DCOEF预报产品评分优于ECMWF细网格预报产品。