主客观天气预报质量对比分析

对2001年4~12月5种信息源广州市区的天气预报进行预报质量检验,预报时效为24、48、72 h;检验要素针对降水、温度。对降水预报进行一般晴雨、暴雨业务评分和Ts评分;对温度预报进行方差、分级等统计检验。对预报员和模式预报产品的预报质量进行对比分析,结果表明对于一般性晴雨天气预报,热带所中尺度模式的预报质量普遍较好,并且具有良好的稳定性,预报员的24 h预报质量与模式的预报质量相当,48~72 h预报总体而言,模式预报明显优于其它预报方法;各种方法对暴雨的预报能力偏低;Ts评分表明模式对有、无降水的预报能力较强;对于温度预报,总体上,预报员的预报准确率最好,热带所中尺度模式的温度预报存在系统误差,预报普遍比实况偏低;对于降水和温度,各种预报方法质量均随预报时效的增长而下降,且最高温度的预报误差总比最低温度的预报误差大。     

2012年深圳前汛期降水EC与HAPS模式检验

对2012年前汛期（4-6月）欧洲中心全球模式与HAPS中尺度模式的降雨预报场进行逐6h晴雨检验与24 h分量级降水检验,得出：EC逐6h降水预报空报多而漏报少,预报无降水时可信度更高,TS评分在0.3 ～0.4之间;24 h分级检验中预报能力随着降水量级的增大而减小,空报率、漏报率增大,TS评分减小;EC随着预报提前量的减小TS评分增加,起报时次对预报能力无明显影响;总体来说,EC能为深圳10 d预报提供较好的参考价值,尤其是6d预报,对于暴雨的预报有待预报员订正.HAPS逐6h晴雨预报TS评分在0.48～0.32之间,提前量6h内预报效果好,TS评分0.4以上,有较高的参考价值;24 h分级降水预报能力与EC相同,也是随着降水量级的提升预报能力降低;但是HAPS预报能力与提前量的相关性主要表现在提前量6h以内,提前量减小TS评分明显增大,对于提前量大于6h的预报能力无明显变化;总体来说,预报员可依靠HAPS在短期预报基础上做好短临预报的订正工作,开展24 h分区预报.     

四川冕宁“6.26”大暴雨模式预报检验

运用气象观测资料和GRAPES、ECMWF、SWCWARMS_9KM(简称SWC)模式预报资料,对冕宁“6.26”大暴雨天气过程模式预报性能进行检验。结果表明：（1）对于24 h累计降水预报,中尺度区域模式优势明显,量级与落区预报效果均为最好,其中GRAPES_3KM模式预报落区分布与实况重合度较高,暴雨及以上量级降水TS评分最高。（2）GRAPES_3KM模式最大小时雨强10 mm以上降水落区与实况大雨及以上量级降水落区匹配度最高,ECMWF模式24 h累计降水多物理量订正产品及短时强降水概率产品次之。（3）SWC及GRAPES_3KM模式24 h累计降水极值点相比实况略偏北,量级偏小。对于小时降水峰值出现时间,SWC模式偏早4 h,GRAPES_3KM模式偏早3 h。（4）GRAPES_GFS模式环流背景预报更接近实况,SWC模式能较好地预报出冕宁上空中尺度辐合系统的存在。     

辽宁省夏季多模式降水预报检验及晴雨预报技术研究

利用辽宁省291个国家气象观测站的降水资料,对2019年夏季（6-9月）8种模式降水预报及中央气象台格点降水预报进行了检验评估和比较,并采用消空方法进行晴雨预报技术研究。结果表明：2019年,EC模式具有最优的暴雨预报性能,而日本模式暴雨TS评分最高;中尺度模式对于局地性暴雨和短时强降水具有较好的预报潜力,性能较好的是GRAPES_MESO模式和睿图东北3 km模式;全球模式对24 h暴雨的预报频率比实况偏低30%,3 h强降水则偏低60%,中尺度模式对24 h暴雨的预报频率比实况偏高30%,3 h强降水则偏低20%。由于对小量级降水存在较多空报,各模式原始预报的晴雨预报大多呈现空报偏多的情况;使用小量级降水剔除的消空策略能够明显提高晴雨准确率,消空之后EC模式具有最优的晴雨预报性能。分别使用24 h和3 h累计降水量优化消空策略,发现分别取1.0 mm和0.8 mm的阈值进行消空可以使24 h晴雨准确率提高15.58%,3 h晴雨准确率提高10%-30%。     

ECMWF、日本高分辨率模式降水预报能力的对比分析

利用2012年4月1日至2013年3月31日ECMWF、日本高分辨率模式降水预报资料,全国2419个台站逐6 h降水量观测、CMORPH(NOAA Climate Prediction Center Morphing Method)卫星与全国3万余个自动站逐小时降水融合资料,基于列联表预报评分、泰勒图等统计方法,客观对比分析ECMWF、日本高分辨率模式对中国逐6、12和24 h分段降水的预报能力,主要结论如下:(1)整体来说,ECMWF对降水的预报优于日本模式,日本模式预报离散度偏大,而ECMWF预报相对平稳,与观测更加一致;(2)两个模式晴雨预报中降水发生频率较实际偏高,暴雨预报频率较实际偏低,随着分段间隔的增加,这一情况有所改善;(3)ECMWF模式6 h分段降水晴雨预报评分低于日本模式,暴雨预报评分整体高于日本模式,12和24 h分段ECMWF模式晴雨、暴雨预报评分一致高于日本模式;(4)通过调整阈值改变预报偏差能够在一定程度上提高预报技巧;(5)就空间分布来看,模式在东南地区Bias、CSI技巧评分整体优于西北地区。     

2010年汛期多模式对山东降水预报的检验

为提高数值预报模式在山东汛期降水的预报能力,为降水预报及模式物理参数方案选择和调整提供客观依据,对2010年汛期（6-9月）山东区域MM5、WRF-RUC（WRF快速循环同化系统）和T639模式24 h、48 h累积降水预报产品,进行晴雨、一般性降水和分量级降水TS评分及平均绝对误差、平均误差分析。结果表明：从晴雨预报准确率来看,3种模式相差不大;一般性降水和小雨预报,MM5模式评分结果最差,T639模式预报效果最好;中雨以上量级,24 h降水T639模式预报效果最好,特别是24 h大暴雨评分T639模式达到了10.37 %,而48 h降水T639模式预报效果下降明显。无论24 h降水还是48 h降水,除9月WRF-RUC模式平均绝对误差最小外,6-8月T639模式平均绝对误差均为最低,WRF-RUC模式24 h和48 h降水各月平均误差均为负偏差;不同的降水预报检验方案和天气过程类型对检验结果有一定的影响。     

GRAPES模式对湖北省汛期强降水预报的分类检验分析

使用常规观测资料及GFS资料(1°×1°),选取2005-2008年汛期22次湖北省强降水天气过程,按照其影响系统分为低槽型、台风型和副高外围型三类,对GRAPES模式(2.1版本)预报效果进行分类检验分析,结果表明:(1)就低槽型降水而言,0-24 h预报时效内,模式对晴雨、小雨、大雨的预报效果在三类降水中最好,24～48 h则中雨预报效果最好,0～24 h预报效果总体而言优于24～48 h.模式预报的主要降水区从雨型、雨区范围和雨强的分布特征均与实况较为一致,预报的主要偏差在于强中心位置偏离和强度偏弱.(2)就台风型降水而言,0～24 h预报时效内,模式对中雨和暴雨的预报效果在三类降水中最好,24～48 h,则晴雨、小雨、大雨、暴雨预报效果最好,24～48 h预报效果总体而言优于0～24 h.模式对台风的主体降水落区把握得比较好,和实况较为一致,但对于台风外围云系产生的降水往往与实况差别较大,另外,主体降水中暴雨落区预报总是比实况偏小.(3)副高外围型降水在上述两个预报时次中,各量级的评分成绩均为最低,0～24 h预报效果总体而言优于24～48 h.模式对副高外围局地性强降水过程预报能力较弱,基本不具备预报中雨以上降水的能力.最后对(;RAPES模式的进一步改进提出了一些建议.     

多模式降水分级最优化权重集成预报技术

为综合不同模式对不同量级降水的预报优势,设计一种全球模式与区域模式结合的降水分级最优化权重集成预报算法,集成经最优TS评分订正法（optimal threat score,OTS）订正后的欧洲中期天气预报中心降水预报产品（以下简称EC-OTS）和华东区域中尺度模式降水预报产品（以下简称SMS-OTS）。以泛长江区域（23°~39°N,101°~123°E）为研究范围,基于2018年不同降水量级的TS评分最优化确定SMS-OTS和EC-OTS在不同降水量级时的最优权重系数以及最优集成方案,并以2019年降水数据为独立样本进行预报试验。结果表明：对于最优权重系数,EC-OTS在低降水量级权重较大,随着降水量级的加大,SMS-OTS的权重也逐渐加大;最优集成方案为初始集成降水量预报取SMS-OTS,集成运算迭代3次;集成预报在几乎所有预报时效、所有降水量级的TS评分均高于EC-OTS和SMS-OTS,其平均绝对误差略小于EC-OTS,显著小于SMS-OTS;集成预报12 h累积降水预报的TS评分较省级预报员主观预报高-0.009~0.041,24 h累积降水预报的TS评分较国家气象中心预报员主观预报高0.009~0.023。     

北京奥运期间多模式降水检验及集成试验

应用2008年奥运期间(6-10月)所使用的多种中尺度数值预报业务运行模式GRAPES_MESO15km(GRAPES)、华北中尺度模式(MM5)和北京区域气象中心的快速更新循环同化预报系统(RUC),对北京市24小时定量降水预报产品采用多个统计量进行了较详细的统计检验,并应用多元回归方法对多种模式的降水预报产品进行了集成试验.检验结果表明: GRAPES_MESO15km模式对奥运期间北京市晴雨及小雨预报具有较好的预报能力,而RUC产品对中雨及以上量级的降水预报则表现出较好的预报效果,这对今后北京市精细化降水预报具有一定参考价值.     

基于强度尺度法的雷达和数值模式定量降水预报检验对比

为提高雷达外推和数值模式对短临预报能力的认识,采用强度尺度方法对比检验了2012年浙江省梅汛期内的雷达外推和WRF、T639、ECMWF 4类定量降水预报(QPF)产品。检验结果表明:短临预报的大部分误差来自较小的时空尺度,在强降水方面表现尤为明显。对于雷达和模式的预报能力交叉点(3 h前后)的QPF检验,雷达的误差比率随着空间尺度增大先减后增,而模式随尺度增大误差比率总体递减。在中小尺度(2 °及以下)雷达总体较准确,但0.25 °尺度是个特例,在较大尺度(4 °及以上)的弱降水上雷达不如模式。雷达在0.5 °、1 °尺度上相对误差贡献最少;在2 °、4 °尺度下,ECMWF表现最优。同时,雷达对于中-β和较小的中-α尺度系统的预报检验效果最好,对尺度达几百公里的弱系统不如数值模式,对于10~30 km的中-γ尺度系统雷达预报带来近74%的空报,今后需提高其对中-γ尺度系统生消的预报能力。      

光流法及其在临近预报中的应用

为了实现对中国东部地区极端强降水的临近预报、预警,基于具有物理约束功能的PhyDNet构建了融合雷达反射率因子和分钟级降水观测资料的融合降水临近预报模型PhyDNet-RP,预测江苏省及其上游地区未来3 h降水量,对比和探究了PhyDNet-RP、INCA（交叉相关外推+中尺度模式融合）、PhyDNet-P（仅包含降水资料）和UNet-RP（融合因子与PhyDNet-RP相同,但采用UNet模型）4种临近预报方法及对强降水增强过程的预测能力。结果表明：（1）与INCA相比,深度学习方法能更好地体现强降水增强过程的发展和演变,（2）对比PhyDNet-P和PhyDNet-RP模拟结果发现,在深度学习模型输入资料中增加雷达反射率因子可以更好地再现强降水区的形状和移动特征,（3）UNet-RP能够再现降水区的形状和移动,但不能定量降水强度。4种方法中,PhyDNet-RP预报效果最优,说明在模型输入资料中叠加具有不同功能属性的通道因子对预测效果具有正贡献,为深度学习的可解释性提供了一定支撑。     

定量降水预报技术进展

为提升现有业务系统的降水临近预报（0—2 h）能力,以业务应用为目标,基于中国气象局强对流天气短时临近预报系统—SWAN （Severe Weather Automatic Nowcasting）开展降水临近预报算法改进和应用评估研究。首先使用分钟雨量数据,采用分雨团的雷达-雨量站降水订正技术,提高降水的实况订正频率,提升定量降水估计格点场的准确率;再通过基于光流法的回波运动矢量反演技术优化改进回波运动矢量;最终将改进后的定量降水估计格点场和外推矢量相结合进行降水临近预报。通过对2021年7月全国1 km分辨率回波和降水临近预报检验评估和个例分析发现：（1）改进的基于光流法的回波运动矢量反演技术可以捕捉不同天气尺度下的回波运动规律,反演结果具有较好的一致性和平滑性,可以提高外推的准确率。（2）新的降水临近预报子系统和现有SWAN系统相比,在0—1 h预报中,TS评分相对提高50%以上,Bias更趋近于1。在1—2 h预报中,除了20 mm/h的强降水以外,TS评分相对提升约20%,Bias下降1—3。新的降水临近预报子系统基于SWAN算法标准开发接口实现,运行效率满足业务需求,预报性能得到明显提升,具备业务应用的潜力。     

我国流域水文气象业务进展回顾与展望

利用长江流域组网雷达、国家气象信息中心格点融合实况资料和自动气象站逐小时降水观测资料,建立了基于变分光流法的长江流域雷达外推降水预报产品,并检验分析了该产品对2020年17次长江洪水天气过程的0~3 h 39分区TS评分和全流域预报偏差。结果表明：（1）变分光流法的0~3 h临近预报效果与雷达分布呈正相关,分布越密集,预报结果越好;（2）变分光流法的0~3 h临近预报能够较好的追踪降水天气系统移动演变,降水的集中区同样也是临近预报TS评分的相对高分区;（3）变分光流法临近预报效果随着预报时效的变化以指数规律递减,0~1 h预报准确率最高;（4）变分光流法0~3 h临近降水预报结果较格点实况降水,10.0 mm以下量级降水,绝对误差率在5%以内;10.0 mm以上级别的,绝对误差率为6%~11%;（5）变分光流法0~3 h临近降水预报结果应用于长江流域定量降水预报,代替目前直接使用的数值模式输出结果,对提高洪水预报精度有较强的实用意义。

     

华南暴雨区域集合预报中不同同化方案的影响试验研究

基于全球集合预报系统(GEFS)资料,利用WRF中尺度模式及GEFS动力降尺度获取区域集合预报初值场,通过对同化后的分析场进行模式积分实现华南前汛期区域集合预报。对2019年6月10日的一次华南前汛期暴雨过程进行不同同化方案的试验:混合同化(Hybrid)、三维变分(3Dvar)、集合卡尔曼滤波(EnKF)和对比试验(Ctrl)四组试验的对比分析,探讨具有不同背景误差协方差矩阵的同化方案对区域集合预报集合扰动和集合离散随时间演变特征的影响,评估不同试验的降水模拟效果。(1) Hybrid对模式初始场有较好的改善作用,而3DVar和EnKF对初始场的改善作用不明显。(2) 对风场、温度场和湿度场,在前期预报中Hybrid的预报误差小于3DVar和EnKF,在中后期的预报中,3DVar和EnKF的预报误差得到改善,且好于Hybrid。同样,集合扰动能量,Hybrid和Ctrl在前期预报发展好于3DVar和EnKF,而在中后期的预报3DVar和EnKF好于Hybrid和Ctrl。(3) 从24 h累积降水评分中,整体上同化试验好于Ctrl,3DVar和EnKF好于Hybrid,且3DVar对大中雨级别的降水评分较好,而EnKF对暴雨以上级别的降水评分较好。(4) 对于集合统计检验分析,同化试验的AUC值都大于Ctrl的AUC值,24 h累积降水量阈值在10~100 mm的AUC值,3DVar最好;而125 mm阈值的AUC值,EnKF最好。      

基于雷达外推临近预报和中尺度数值预报融合技术的短时定量降水预报试验

为克服目前中尺度数值模式在对流尺度定量降水短时预报方面的不足,弥补基于“外推”的临近预报技术在2h以上定量降水预报能力方面的缺陷,研究设计了一种基于“外推”临近预报技术和中尺度数值模式的定量降水预报(QPF)融合技术方案,并进行了试验应用.该方案首先基于雷达探测和自动气象站观测的定量降水估计(QPE)结果,对中尺度数值模式输出的定量降水预报在谱空间进行相位校正,分析计算出数值预报和观测的偏差,导出一个附加的数值预报校正场;其次,根据数值预报校正场满足一定时间变化分布的特征,调整相应时段的数值预报降水区域和强度;最后,利用双曲正切线权重函数,对校正后的数值模式定量降水预报和基于临近预报技术的定量降水预报进行融合,融合权重根据典型环流特征动态变化.融合后的定量降水预报在前1-2h表现出主要依赖“外推”临近预报结果,之后随着融合权重的变化,数值预报对融合结果的贡献逐渐加大,直至融合后5-6h占主导地位.通过对京津冀地区2011年夏季5个及2012年夏季2个典型强降水个例的80次预报试验及其检验,表明融合后的0-6h定量降水预报结果改进较为明显,总体优于单独的临近预报技术或者中尺度数值预报模式的结果.     

对流天气临近预报技术的发展与研究进展

目前,临近预报技术主要包括雷暴识别追踪和外推预报技术、数值预报技术以及以分析观测资料为主的概念模型预报技术等。其中,识别追踪和外推预报技术主要以雷达资料为基础,在这方面,交叉相关外推和回波特征追踪识别外推是比较成熟的技术,已经用于许多的临近预报业务系统中,其缺陷是预报时效较短,准确率也不是很高。随着精细数值天气预报技术和计算机技术的发展,利用多普勒天气雷达资料和其它中小尺度观测资料进行数值模式初始化,来预报雷暴的发生、发展和消亡已经成为一个研究的热点,该技术发展很快但还不成熟。概念模型预报技术主要是通过综合分析多种中小尺度观测资料,包括雷达和气象卫星资料等,在此基础上建立雷暴发生、发展和消亡的概念模型,特别是边界层辐合线和强对流的密切关系等,再结合数值模式分析预报和其它外推技术的结果,然后建立雷暴临近预报的专家系统,其不但可以获取雷暴和对流降水移动、发展的信息,还可以预报它们的生成和消亡。检验和定性评估也表明,将多种资料和技术集于一体的概念模型专家系统,其临近预报的准确率最高,时效也最长,是临近预报技术未来发展的主要趋势之一。NCAR的Auto Nowcaster系统是雷暴临近预报概念模型专家系统的一个典型代表。     

基于TIGGE资料的地面气温多模式超级集合预报

基于TIGGE资料, 采用均方根误差分别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英国气象局4个中心集合预报的地面气温场集合平均结果进行检验评估, 比较各中心地面气温的预报效果。并利用超级集合、多模式集合平均和消除偏差集合平均3种方法对4个中心的地面气温预报进行集成, 同时对预报结果进行分析。结果表明: 2007年夏季日本气象厅与欧洲中期天气预报中心在北半球大部分地区预报效果最好, 各中心在不同地区预报效果不同。超级集合与消除偏差集合平均降低了预报误差, 预报效果优于最好的单个中心预报和多模式集合平均。对于较长的预报时效, 消除偏差集合平均表现出了更好的预报性能。     

SWAN 产品在“2012·7”沙澧河流域特大暴雨过程中的应用

利用灾害性天气短时临近预报业务系统(SWAN,Severe Weather Automatic Nowcast System),对2012 年7 月4—5 日发生在河南沙澧河流域的大-特大暴雨过程进行SWAN 产品特征分析,总结SWAN 产品在此次过程短时临近预报、预警中的特征指标,结果表明：(1)1 h 降水量30 mm 以上站点对应的1 h 最大反射率因子97.4%在45 dBz 以上,回波顶高84.6%在11 km 以上,反射率因子对短时强降水预报的指示意义较强;(2)垂直积分液态含水量(VIL,Vertically Integrated LiquidWater)高值区与1 h 降水量10 mm 以上降水区有很好的对应关系;(3)定量降水估测(QPE,Quantitative Precipitation Estimation)对此次特大暴雨过程30 mm 以上1 h 降水量有较好的估测能力;(4)定量降水预报(QPF,Quantitative Precipitation Forecast)对此次过程1 h 降水量30 mm 以上的站点预报量级普遍偏小,平均QPF 预报误差偏小30 mm;(5)回波移动矢量(COTREC风场)指示着未来风暴移动的方向,且1 h 强降水中心与COTREC 风场辐合区有一定的对应关系。     

基于SWAN产品的短时强降水雷达特征及预警分析

利用SWAN产品和自动站雨量资料,详细对比分析了2010~2012年区域性暴雨中的短时强降水雷达特征,结果表明:(1)短时强降水具有反射率因子大,液态水含量高、回波顶高,强回波厚度大等特征,在每隔6min的SWAN拼图产品中,短时强降水通常满足:3km高度处CAPPI回波≥30dBZ,组合反射率CR中心强度≥40dBZ,VIL>5kg/m²,45dBZ以上的回波中心厚度(H)≥3km,这些参数的变化可以作为短时强降水的预警临近指标。(2)现有SWAN产品中的QPE/QPF产品对未来逐小时的雨量和落区具有一定的预报能力,但QPE产品估测1h累计降水量更接近于实况雨量,在监测到有上述强回波发展时,可通过分析QPE产品和回波特征及预警指标对短时强降水过程进行预报。     

GPM卫星和地面雷达对江苏盐城龙卷风强降水估测的对比

为综合评估卫星和天气雷达在2016年6月23日盐城龙卷风期间的强降水过程的降水估测精度,以国家级雨量站观测数据为基准,结合相关系数(CC)、相对误差(RB)、均方根误差(RMSE)以及分级评分指标,利用S波段的天气雷达定量降雨估测产品(RQPE)和全球降水观测计划多卫星融合产品(IMERG_FRCal,IMERG_FRUncal,IMERG_ERCal)进行比较。结果表明,雷达和卫星的累积降水量与雨量站的空间相关性很强(相关系数大于0.9),基本上能捕捉到整个降水过程的空间分布。降水主要分布在江苏省北部,但卫星高估了江苏省东北部强降水中心的降水量;对于小时时序区域平均降水,卫星高估了降水,而雷达低估了累积降水量。综合降水中心区域分析,IMERG的强降水区域降水量与雨量站的时间序列的偏差显著;RQPE在降水峰值达到之前及峰值之后与地面雨量站的变化趋势基本一致,但对降雨量峰值有明显的偏低。RQPE能较为准确地在时间上捕捉到降雨强度的变化趋势,但对于大雨及暴雨的估测能力不佳;RQPE的POD、SCI值都远远高于IMERG, FAR也较小。IMERG几乎未能监测到强降水的发生。总体上,RQPE对此次龙卷风强降水量的估测表现优于3种IMERG产品,特别是在捕捉强降水区域的空间分布方面,但对于强降水的估测能力仍需进一步改善。