华南低能见度天气特征及客观预报研究

利用2000—2016年华南219个县级气象观测站的地面、高空气象观测资料以及对应站点的再分析资料,统计发生低能见度天气的天气形势和特征,归纳低能见度天气的预报指标。将与能见度以及能见度变化相关的气象要素输入神经网络进行训练,利用EC集合预报数据集获得能见度集合预报结果,通过对其离散度的统计分析以及经验公式最终获得具有泛用性、可靠性的神经网络模型的参数集。通过输入EC确定场数据,获得华南219县级站长时效精细化能见度预报结果,2017年上半年的能见度预报试验显示,模型预报结果的误差与TS评分均优于CUACE模式能见度预报。     

安徽省山岳型景区旅游气象服务业务系统

针对安徽省山岳型景区旅游气象服务的需求和特点,以旅游气象观测网为基础,基于短时临近预报系统(INCA系统)、云海景观预报技术、雷电监测预警技术、旅游气象条件综合评级等,开发了安徽省山岳型景区旅游气象服务业务系统,实现了旅游气象服务产品的高效加工制作和快速分发传递.目前,系统已在黄山景区、九华山景区投入业务运行,为当地旅游气象服务工作的开展提供了重要支撑.     

区域业务模式6 h降水预报检验方案比较

对我国华东、华南、华北区域气象中心和中国气象局数值预报中心业务运行的区域模式2011年5—9月的6 h降水预报, 采用不同检验结果平均方案进行对比检验。对比结果表明:不同的检验结果平均方案基本不影响与中国气象局数值预报中心模式 (NMC-GRA) 在相同区域关于TS评分比较的相对检验结论,即当两个模式评分差距较大时,评分高的模式在两个方案中是一样的,但评分比较接近时,若有一个模式对该区大尺度降水预报较好时,则可能在新方案中有较高的TS评分,而此模式原方案评分则可能略低于局地小尺度降水预报较好的模式。但对于较少发生的强降水预报的预报偏差的评价有很大不同,当新方案的结果显示多数模式对强降水的预报偏少,原方案则可能显示偏多,说明模式对大尺度的强降水预报较实况偏少,但对小尺度局地降水的预报则可能偏多。     

陕西中短期网格客观预报降水产品在西安地区的检验

基于2017—2020年6—9月陕西中短期网格客观预报产品（简称DCOEF）的降水产品,采用晴雨预报准确率、TS评分、预报偏差BIAS,对其在西安地区21个气象观测站的预报效果进行检验;同时采用第99%分位值的降水量值作为测站极端降水量的阈值,进一步了解DCOEF对极端降水的预报效果。结果表明,（1）DCOEF在西安地区逐年和逐月的晴雨预报准确率均在069以上,空间分布上在西安城区、高陵、阎良、临潼和灞桥地区的晴雨预报准确率普遍在075以上,具有较好的参考价值。（2）6—9月中,9月的晴雨预报准确率可达08,各量级的TS评分明显高于其他月份,且BIAS接近于1,预报效果最好。（3）随着降水量级的增加,TS评分明显下降,小雨的TS评分最高,且时间和空间差异小;暴雨TS评分时间和空间差异明显,除9月外整体评分较低,且空报率明显偏高。（4）DCOEF对西安区域平均降水量雨带分布和强降水中心位置分布预报与实况差别较大,但能较好地反映出区域降水的时间演变趋势,与实况较为接近,只是在降水量上存在一定的偏差,预报值较实况以偏大为主。（5）DCOEF对极端降水的预报缺乏稳定性,偏差大,尤其是对短时强降水所造成的极端降水事件预报能力弱。     

深圳近10年暴雨分区预警信号分布特征及质量评估

通过对2010—2019年深圳暴雨分区预警信号历史资料的分类统计和质量评估,分析了深圳暴雨预警的时空分布特征和预警准确率,结果表明:近10年深圳暴雨分区预警次数呈逐年波动上升趋势,2013年开始高级别暴雨预警次数显著增多;前汛期(4—6月)和后汛期(7—9月)发布次数基本持平;预警发布频次呈北多南少分布,后汛期高级别预警次数增多,高频区向东向南转移。暴雨预警TS评分占72.3%,预警提前量约为30 min,暴雨红色预警准确率最高,橙色最低,后汛期暴雨预警准确率高于前汛期。在极端降水增多、服务需求更加精细的新形势下,需加强区域极端灾害天气的监测预报能力、合理设置预警发布指标、细化气象灾害防御指引和服务,提高预警准确率,增强暴雨预警信号的防御效果。     

韶关市旅游气象信息服务平台的建设与应用

将韶关气象和旅游信息融合,建设韶关旅游气象信息服务共享平台,将精细化网格预报产品和统计方法结合,并依托卫星、雷达、自动气象站等监测手段,开发精细至景区的逐时至1周天气预报、旅游气象指数、气候景观观赏期预测和气象灾害风险预警等系列化专业性旅游气象服务产品,通过网站和手机app方式为游客、景区和旅游管理部门、社会公众等提供更加方便、准确的旅游气象服务信息。     

广西大风短临预报预警方法的研究与应用

分析了大风短临预报的现状、困难和原因,重点介绍数据挖掘技术在广西大风短临预报预警方法研究中的应用,利用2019年7月11日—9月11日期间的数据,对广西大风短临预报预警系统的预报能力进行TS评估和时效性检验,结果表明:该系统对广西89个台站所做的大风蓝色预警、大风黄色预警,以及不分级TS评分检验,预报准确率达到18%以上,具有较好的准确率和提前量。     

华东区域数值预报系统对极端降水预报能力的评估

对SMS-WARMSV2.0业务系统、欧洲中期天气预报中心全球模式(EC模式)及全球预报系统模式(GFS模式)2016年1—12月降水预报结果进行统计检验,并对2016年我国多个极端降水案例进行对比检验。结果表明:技巧评分(TS)、公平技巧评分(ETS)、真实技巧评分(TSS)和击中率(PODY)多种统计检验指标证实华东区域数值预报系统对小雨、暴雨和大暴雨的预报技巧优于EC和GFS全球模式,在暴雨以上量级优势更为显著。多个极端降水案例检验表明,区域模式相对于全球模式对极端降水具备更强的预报能力。     

湖南6月区域持续性暴雨概率预报模型及应用

利用1979—2016年6月EAR5再分析资料,选取湿热力平流参数、热力螺旋度、散度通量、水汽散度通量和热力波作用密度5个综合因子,采用核密度估计方法,基于TS评分最优为检验标准筛选确立最优因子和权重组合,构建了湖南区域持续性暴雨概率预报模型,并进行了独立样本检验与业务试用。结果表明:2017—2019年独立样本回代检验,平均TS评分达到29.9%,相比于欧洲中期天气预报中心(ECMWF)细网格(平均TS评分为22.4%)为正技巧。在2021年、2022年汛期两次区域持续性暴雨个例的预报试验中,提前24 h的暴雨预报优于ECMWF、CMA-GFS等大尺度模式和CMA-SH、CMA-GD等区域中尺度模式,对湖南区域持续性暴雨有较强的预报能力。     

一种基于可预报性的暴雨预报评分新方法Ⅰ:中国暴雨可预报性综合指数

针对当前暴雨预报检验采用二分类事件检验方法存在的双重惩罚导致评分过低,没有考虑到中国暴雨可预报性时、空分布不均,不便于对比分析不同区域暴雨预报能力差异等问题,为了发展基于可预报性的新型暴雨预报评分方法,在综合分析影响预报员暴雨预报信心的主要因素（暴雨气候统计特征、天气影响系统运动尺度特征及数值模式预报能力等）基础上,利用2008—2016年4—10月中国国家气象信息中心5 km×5 km分辨率的多源降水融合格点分析资料、站点降水观测资料和中国国家级业务区域模式降水预报资料以及扩展空间暴雨样本统计方法,构建了一种新型的中国暴雨可预报性综合指数（Synthetic Predictability Index of Heavy Rainfall,以下简称SPI）数学模型,以定量描述中国各区域的暴雨可预报性特征。SPI数学模型由暴雨气候频率、暴雨面积比率和模式暴雨预报成功指数（Threat Score,TS）3个分量组成,计算了2008—2016年4—10月SPI的3个分量及其时、空变化特征。分析结果显示:暴雨面积比率对SPI的时间和空间变化影响最大,两者偏相关系数大于0.9;其次是暴雨气候频率的影响,两者偏相关系数值为0.8左右;第三是模式暴雨预报TS评分的影响,两者的偏相关系数为0.7左右。分析还发现,SPI大值区随季节而变化,空间分布不均匀:4—5月,可预报性大值区主要分布在华南地区;6—7月,主要分布在江淮流域;7月中旬至8月,大值中心从江淮北部移到华北和东北地区;9月,副热带高压南撤,大值中心也相应南撤。      

SWCWARMS 模式对巴中地区预报能力的检验

应用巴中地区218个自动气象观测站2016年6～8月逐日的24h累积雨量,采取基于客观统计的检验方法,针对24h累积雨量,采取TS评分、BIAS评分和空报率对比分析了 SWCWARMS 模式和 EC 细网格模式在巴中地区的预报能力。研究结果表明:(1)从降水落区来看,两个模式都对雨带的移动都有较好的预报能力;(2)从降水 TS 评分看,SWCWARMS模式在各量级上的 TS 评分都优于 EC 模式;(3)从降水 BIAS 评分看,EC 模式容易漏报中雨及以上量级的降水,而 SWCWARMS 模式则对大暴雨的预报有较大的空报;(4)从逐月评估结果看,6月和7月SWCWARMS 模式较EC模式有更好的预报效果,8月两者差异不大。总体而言,SWCWARMS 模式在巴中地区的预报效果优于 EC 模式。      

GRAPES三维云初始场形成及在短临预报中的应用

围绕GRAPES_Meso的云初始场形成,以ARPS模式云分析方案为基础,优化诊断后应用我国风云二号静止气象卫星云产品、多普勒天气雷达三维组网拼图产品等观测资料结合模式背景信息,根据云热力-动力学原理及观测试验经验关系等,对云初始场的信息进行分析并通过松弛逼近同化方法实现对云内微物理信息同化应用。GRAPES_Meso中采用优化后的云初始场方案,水平分辨率为0.03°×0.03°和0.1°×0.1°的1个月（2014年7月15日-8月14日）连续试验和个例分析结果显示:云初始场形成方案能够分析出飑线等天气系统的云系和云内微物理变量特征。从模拟云图看,包含云初始场信息的GRAPES_Meso的云系的形态特征和分布范围短时临近预报结果更为准确。云初始场信息同化应用后,在1 h的时间尺度上,即可预报出与实况更为接近的降水;0~12 h时间范围内对降水均有积极的影响,可满足短时临近预报的需求,降水量级略偏大。批量连续试验（水平分辨率为0.03°×0.03°和0.1°×0.1°）的各个量级降水ETS（equitable threat score）评分都显著提高。     

Operational Climate Prediction in the Era of Big Data in China:Reviews and Prospects

Big data has emerged as the next technological revolution in IT industry after cloud computing and the Internet of Things.With the development of climate observing systems,particularly satellite meteorological observation and high-resolution climate models,and the rapid growth in the volume of climate data,climate prediction is now entering the era of big data.The application of big data will provide new ideas and methods for the continuous development of climate prediction.The rapid integration,cloud storage,cloud computing,and full-sample analysis of massive climate data makes it possible to understand climate states and their evolution more objectively,thus predicting the future climate more accurately.This paper describes the application status of big data in operational climate prediction in China;it analyzes the key big data technologies,discusses the future development of climate prediction operations from the perspective of big data,speculates on the prospects for applying climatic big data in cloud computing and data assimilation,and puts forward the notion of big data-based super-ensemble climate prediction methods and computerbased deep learning climate prediction methods.     

Operational climate prediction in the era of big data in China: Reviews and prospects

Big data has emerged as the next technological revolution in IT industry after cloud computing and the Internet of Things. With the development of climate observing systems, particularly satellite meteorological observation and high-resolution climate models, and the rapid growth in the volume of climate data, climate prediction is now entering the era of big data. The application of big data will provide new ideas and methods for the continuous development of climate prediction. The rapid integration, cloud storage, cloud computing, and full-sample analysis of massive climate data makes it possible to understand climate states and their evolution more objectively, thus predicting the future climate more accurately. This paper describes the application status of big data in operational climate prediction in China; it analyzes the key big data technologies, discusses the future development of climate prediction operations from the perspective of big data, speculates on the prospects for applying climatic big data in cloud computing and data assimilation, and puts forward the notion of big data-based super-ensemble climate prediction methods and computerbased deep learning climate prediction methods.     

基于评分最优化的模式降水预报订正算法对比

使用2013年1月1日-2016年1月7日全国气象站观测资料,应用准对称混合滑动训练期,不改变雨带预报位置和形态,基于模式降水预报订正结果的TS评分最优化及ETS评分最优化,分别设计最优TS评分订正法（OTS）和最优ETS评分订正法（OETS）确定预报日各级降水订正系数,对2014-2015年降水数值预报进行分级订正,并与频率匹配法（FM）对比。结果表明:在24 h累积降水的多个预报时效订正中,无论是对欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心和中国气象局的全球模式降水预报,还是对4个模式的简单多模式平均,OTS和OETS较FM在TS评分和ETS评分等传统降水检验指标上均更优秀,其中OTS在所有时效均能提高模式降水预报质量,为三者最优。在概率空间的稳定公平误差评分方面,OTS在各时效、各单模式及多模式平均等方面优势明显。在预报员对应参考时效上,OTS在24~168 h的24 h累积降水预报中的TS评分也优于主观预报。     

一种多时间尺度SVM局部短时临近降雨预测方法

近年来支持向量机(support vector machine,SVM)在气象领域得到了广泛应用,在该类应用中单一建模是目前普遍采用的一种思路,单一建模方法寻找的是大而泛的预测模型,预测的目标以面降雨为主。本研究针对每个气象站点进行单独动态建模,建模方法为多时间尺度SVM,探索建立一种动态SVM短时临近降水预测模型,充分考虑不同站点、不同时刻的气象要素差异,初步解决了单一建模过于注重整体规律、建立固定的整体预测函数模型而忽略不同站点、不同时刻局部气象变化的不足,并尝试提高短时临近降水预报的准确率。初步实现了地理空间上更高密度、更精细化的降雨预测,时间分辨率为1 h,TS评分始终保持在较高的水平,对1 h预测的TS评分平均可达40%以上,部分站点接近50%,且模型预测准确率具有一定的稳定性和参考价值。     

ECMWF集合预报产品在广西暴雨预报中的释用

基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心（ECMWF）集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。     

基于MICAPS4的智能网格预报平台设计与实现

随着我国智能网格预报业务的开展,海量高分辨率客观数据需要便捷的分析显示及产品制作平台高效处理。该文基于MICAPS4（Meteorological Information Comprehensive Analysis and Processing System Version 4.0,人机交互气象信息处理和天气预报制作系统）设计并实现智能网格预报平台,采用MVVM（模型-视图-视图模型,model-view-viewmodel）设计模式,实现业务逻辑与视图的分离,通过对各子功能模块的划分,降低模块之间的耦合度,具有良好的可扩展性。平台实现了高分辨率网格预报数据的显示分析和产品输出,开发了基于等值线、网格、关键点等智能化预报制作工具,集成了降水时间拆分、温度极值订正等客观预报方法,开发了降水、温度、相对湿度等要素一致性处理方法,可有效帮助预报员提高工作效率,同时能够确保产品之间的一致性。平台继承MICAPS4的微内核组件服务、高性能渲染引擎和开放式插件扩展管理等优良特性,实现面向智能网格预报的业务编排、智能编辑和算法集成。目前,该平台已经实现业务应用,为全国智能网格预报业务提供重要支撑。