辽宁省夏季强降水天气环流特征分析

由于强降水而引发的洪涝是辽宁的主要灾害之一，做好强降水预报是做好洪涝预报的基础。中期预报以其较长的时效性，愈来禽引起人们的重视。随着科学技术的发展，在3～6天中期预报时效内准确预报强降水已成为可能。据统计，在综合考虑全省平均及分片平均候累积降水量的前提下，1961-1994年夏季辽宁省共发生强降水过程43次、较强降水过程40次。强降水过程不同于干旱过程，强降水过程一般具有突发性和持续时间短的特点，发生较强降水或强降水过程往往决定于候内一次降水过程的强度和持续时间。     

流域洪涝定量描述及江西省48 a流域洪涝分析(摘要)

分别对单站洪涝强度、流域集中期洪涝强度和流域汛期洪涝强度进行了定量描述,并对1951～1998年江西省5大流城的洪涝分别进行了比较分析,认为通过对洪涝强度的定量描述,可以方便、定量地比较历史上各汛期、各集中期流域洪涝强度,从而为地方党政领导开展情报服务,也可以以流域洪涝指数为预报对象开展对流域洪涝强度的预测研究;影响洪涝的因素很多,单从降水的时空分布看,集中期开始前的降水、集中期长度、集中期降水强度(最大5 d降水)及降水总量均会影响洪涝强度;文中对洪涝的客现描述方案与实际洪涝和灾害比较吻合,比用月季总降水量更能反映实际的洪涝情况;集中期洪涝指数比汛期洪涝指数更能反映洪涝程度;江西省洪涝多发时段是5月25日～7月11日,较严重的洪涝主要出在6月下旬～7月上中旬,绝大多数集中期在10 d左右;90年代南片和北片分别有3 a和5 a列为10大洪涝年,且1998年被列入集中期洪涝、汛期洪涝和10大洪涝年第1位,是解放以来洪涝灾害最严重的1 a,表明进入90年代后江西省步入多洪涝期.     

1999年梅汛期特大洪涝回顾

从1999年梅汛期的三次强降水过程和降水特点出发,分析了造成特大洪涝的降水成因,并指出了1999年梅汛期预报服务的成功和不足之处,对今后做好梅汛期天气预报服务工作有一定的参考作用。     

概率匹配平均法在山东强降水预报中的应用

基于WRF集合预报系统开发了概率匹配平均降水产品,选取了山东省2014—2016年共13次强降水过程,检验评估了概率匹配平均法在山东省强降水预报中的综合表现。结果表明：对于不同的强降水过程,各预报产品的预报能力差异较大,尤其是对暴雨以上量级降水的预报存在较大偏差;概率匹配平均相对集合平均,对大雨以上量级降水预报有明显改善,较WRF确定性预报产品也有一定提高,对强降水预报具有一定指示意义;该方法的改进主要体现在对不同量级降水的调整上,尤其是强降水的落区,相对集合平均增大了强降水的范围和强度,但对整个区域的总降水量预报没有很好的改进作用。     

气象预报为濮阳城市防洪排涝服务研究

暴雨、大暴雨等强降水是造成洪涝灾害包括城市洪涝的主要原因。分析产生各量级强降水的大气环流形势和天气系统,研究建立城市防洪排涝强度降水预报业务系统,为政府和防汛、防洪指挥部门提供准确、及时的暴雨、大暴雨预报,将对城市防洪排涝起到重要作用。     

集合百分位融合法在广东台风降水预报中的改进

基于欧洲中期天气预报中心(ECMWF)集合预报的客观检验结果,构建了针对广东台风降水的最优百分位融合产品,检验表明强降水风险评分(TS)较集合平均产品提升显著,预报时效越长,提升幅度越大,但预报偏差(Bias)与虚警率(FAR)也相应增大.最优百分位融合产品的强降水预报范围偏大与台风路径预报的发散度有较大关联,因融合产...     

信江流域洪涝指数及其预报

采用逐日资料,把定性的降雨集中期在时间上和雨量上进行了量化,形成普遍适用的算式,并提出了雨量集中期的集中度的算式,进而建立了把雨量集中期、集中度与洪涝程度密切联系在一起的单站洪涝指数。在此基础上确定了流域雨量集中期、集中度及信江流域洪涝指数。最后,对信江流域洪涝指数作了预报试验。     

河南省汛期强降水中期预报业务系统

利用欧洲中期数值预报产品格点资料，研制建立了河南省汛期强降水中期预报业务系统，指导产品上网运行，供市地台调用。     

基于T213产品与水汽收支的强降水面雨量预报方法及其误差分析

基于T213数值预报产品,以水汽收支平衡方程为基础,研制预报强降水的落区及强度的预报方法,并利用此方法制作6h面雨量的预报。该方法在2003年汛期淮河流域洪涝期间进行了应用,利用所得面雨量结果与实况降水进行各种误差分析。结果表明,预报正确率较高,该方法较为可靠,有一定的预报价值。     

基于人工神经网络的洪涝预报方法研究

针对西江流域的洪涝灾害，利用流域的水文参量和气象参量作为自变量，探索基于人工神经网络的洪涝预报方法。以西江流域梧州市1971～2003年超过警戒水位（17．0m）共125次作为研究对象，选取流域的水文参量和气象参量作为预报因子，对数量众多预报因子采用自然正交分解（EOF）方法，浓缩大量因子的有效信息，建立了西江流域梧州洪涝的人工神经网络预报模型。结果表明：所建立的预报模型历史拟合平均绝对百分比误差为2．21％，平均绝对误差为0．43m，预报结果平均绝对百分比误差为2．34％，平均绝对误差为0．45m，预报效果较好，可应用于实际的洪涝预报中。     

基于集合成员订正的强降水多模式集成预报

基于TIGGE资料集下欧洲中期天气预报中心（ECMWF）、日本气象厅（JMA）、英国气象局（UKMO）、美国国家环境预报中心（NCEP）和中国气象局（CMA）5个气象预报中心2016年5月1日—8月31日中国地区逐日起报预报时效为24~168 h的24 h累积降水量集合预报的结果,对各个集合预报成员进行了频率匹配法的订正,并对订正前后的多模式集成预报效果进行评估。结果表明:采用频率匹配法订正后的降水预报,有效改善了集合平均预报中强降水（日降水量25 mm以上）预报由平滑作用产生的量级偏小现象,使预报的降水量级更接近实况,但对降水落区预报改进不明显。基于卡尔曼滤波技术的集成预报效果优于基于线性回归的超级集合预报和消除偏差集合平均预报,对强降水落区的预报较单模式更优。基于集合成员订正的降水多模式集成预报在强降水的落区预报和降水中心的量级预报更接近实况,效果优于原始多模式集成预报与单模式结果。     

基于分段层次聚类的中国强降水集合平均预报逐步订正方法研究

集合预报在数值天气预报中占有重要地位,如何有效地从集合成员中提取信息以提高降水的集合平均预报技巧是重要科学问题。采用2019—2022年夏季中国气象局全球集合预报业务模式（China Meteorological Administration Global Ensemble Prediction System,CMA-GEPS）的逐日累计降水量集合预报数据,发展了基于分段层次聚类的逐步订正方法（Stepwise correction method based on segmented Hierarchical Clustering, SHC）以改进该模式的强降水集合平均预报结果,并定量评估了SHC方法的性能,比较了其与集合平均（EM）和直接聚类法（HC）的订正效果差异。结果表明：SHC方法由于采取了分段聚类订正来有效引入更有价值的集合成员预报信息,进而修正集合平均预报结果,提升目前在短、中期天气集合预报中的强降水预报能力;该方法的逐日连续预报检验评分总体在降水预报订正方面有优势,相对于EM和HC方法预报技巧均有明显提升,证明其具有良好的适用性;对于2021年郑州7·20暴雨个例的应用显...     

基于集合预报的四川夏季强降水订正试验

四川历来多暴雨洪涝,然而其发生具有很多不确定的因素,预报难度很大。从观测与模式预报的累积概率密度函数角度出发,利用2007—2012年6—8月中国降水观测格点资料和2012—2013年6—8月ECMWF模式集合预报资料,探索了一种提高四川地区强降水预报准确率的方法——概率阈值订正法,并运用该方法对2012年6—8月盆地东部的降水过程进行批量试验。试验结果表明:订正后的模式预报相比订正前的预报而言,不仅强降水落区更接近实况,而且较大程度地延长了预报时效,能提前6~7天给出强降水过程的警示信息,经过订正后显著提升了ECMWF模式的降水预报水平。      

2013年汛期ECMWF集合统计量产品的降水预报检验与分析

2013年汛期ECMWF集合预报在江南、四川盆地和华北地区强降水过程中的表现如下:对江南和四川盆地强降水,概率匹配、融合产品、最大值、75%和90%分位数在大雨和暴雨预报中较确定性预报有明显正技巧,融合产品和90%分位数的技巧评分最稳定;对华北地区强降水,仅90%分位数在大雨预报中有一致的正技巧;上述统计量产品的中期预报技巧评分总体要高于短期预报,对四川盆地(华北地区)暖区强降水预报技巧评分总体要高(低)于对该区域锋面强降水预报技巧评分。根据概率匹配和融合产品各自特点,综合二者原理,设计出概率匹配-融合和融合-概率匹配两种新方案。结果显示,在暴雨和大暴雨降水预报中,融合-概率匹配的评分较融合产品有一定提高。     

全球模式对华北区域性强降水中期预报能力检验

选取2010—2016年夏季华北70个典型强降水个例,根据环流形势场,将其分为低涡型、西来槽型和切变线型。然后,利用降水空间检验法(MODE方法),通过对比质心距离、轴角以及纵横比等要素,讨论了几种常规业务模式对华北地区夏季强降水的中期预报能力。结果表明:ECMWF模式和T639模式对低涡型强降水预报能力较差;当实况强降水落区范围较大时,ECMWF模式和T639模式中期预报的雨带为狭长型并呈东北—西南向,预报与实况较为一致,但两种模式预报的降水落区均较实况偏西、偏南;这两种模式对较小面积降水,其预报的降水范围较实况偏大,而对较大面积降水,预报较实况明显偏小。     

B-P网络在夏秋季强降水预报中的应用

利用鹤壁1986～1999年夏秋季强降水资料,寻找出鹤壁市夏秋季强降水消空指标和预报指标.利用48 h、24 h夏秋季强降水预报指标和人工神经元B-P网络降水量预报结果,定量做出鹤壁市夏秋季强降水预报.     

基于最优概率的中期延伸期过程累计降水量分级订正预报

采用ECMWF集合预报降水量资料和中国降水量观测资料,研发了基于最优概率的过程累计降水量分级订正预报(OPPF)技术,并在遵循总体技术思路的基础上设计出三种不同的OPPF计算方案(OPPF1、OPPF2、OPPF3),继而选用2015—2017年汛期(5—9月)中国91次区域性强降水过程进行回报试验和预报效果对比评估,结果表明:(1)在中期延伸期预报时效(96~360小时),对强降水和有无降水的预报效果,三种OPPF均明显优于集合平均(EMPF)和控制预报(CTPF);对中等以上或较强以上强度降水的预报效果,OPPF1和OPPF3明显优于CTPF、与EMPF基本接近。(2)三种OPPF相比,OPPF3的预报效果较OPPF1总体略胜一筹,两者均好于OPPF2。(3)预报效果存在明显的地域差异,南方地区强降水预报的TS评分明显大于北方地区,且OPPF3预报效果明显优于EMPF;在96~240小时预报时效,东北地区东部OPPF3强降水的预报效果也明显好于EMPF。      

2008年1月南方冰雪过程的可预报性问题分析

主要根据欧洲中期天气预报中心（ECMWF）的中期预报资料,东京气候中心（TCC）的集成预测系统,给出1～2周、月及季度预报图,从短期、中期和长期3个时间尺度,分析和讨论2008年1月中旬至2月初我国南方发生的严重低温雨雪冰冻灾害性天气过程的可预报性问题。对最严重的一次冰雪天气过程（1月25～29日）,ECMWF提前1～7 d十分成功地预报出亚洲中高纬60～100°E地区为阻塞高压控制,在其南侧里海以东地区维持切断低压,可以追踪从切断低压中分裂的一个气旋性扰动沿青藏高原向东移入我国华南上空的静止锋上,对于盘踞在东亚地区的冷高压楔也能够很好地预报出来。TCC的中期以及延伸期预报（提前1~2周）,较好预报了80°E附近的阻塞高压和南支西风带中高原上空的低压槽,但对里海附近的切断低压以及中国东海岸的高压脊没有预报出来;同时,对中国南方的强降水也没有预报出来。TCC对于2007/2008年冬季和2008年1月平均的500 hPa大气环流和中国南方降水异常的预测结果不好。月、季预报的可预报性比较差,这可能是由于数值模式本身的缺陷,或是由于目前对极端异常气候事件的长期预报水平本身就很低。从中期预报讲,2008年1月11日～2月1日中国南方严重暴雪、冻雨灾害可在5～10 d前预报出来。要作2008年1月我国南方低温雨雪冰冻天气这类持续性异常气象灾害事件的季度或月预报有很多困难。     

Effective approaches to extending medium-term forecasting of persistent severe precipitation in regional models

延伸持续性强降水的模式动力预报能力对防灾减灾具有重要意义。本文总结概述了区域模式对中国南方持续性强降水的一系列动力延伸中期预报新技术方法,研究表明有效利用全球模式的大尺度预报场和区域模式的中小尺度信息对提高持续性强降水的预报至关重要。对于降水场,预报时间越长,降水量级越大,新方案的改进效果越明显,特别是使用谱逼近和更新初值方案。对于大尺度环流场,谱逼近方案对提前1-5天预报的距平相关系数有明显的改进,侧边界滤波方案对提前7-11天的预报有改进效果。     

基于人工神经网络的洪涝预报方法研究

针对西江流域的洪涝灾害,利用流域的水文参量和气象参量作为自变量,探索基于人工神经网络的洪涝预报方法。以西江流域梧州市1971~2003年超过警戒水位(17.0m)共125次作为研究对象,选取流域的水文参量和气象参量作为预报因子,对数量众多预报因子采用自然正交分解(EOF)方法,浓缩大量因子的有效信息,建立了西江流域梧州洪涝的人工神经网络预报模型。结果表明:所建立的预报模型历史拟合平均绝对百分比误差为2.21%,平均绝对误差为0.43m,预报结果平均绝对百分比误差为2.34%,平均绝对误差为0.45m,预报效果较好,可应用于实际的洪涝预报中。