基于雷达产品和随机森林算法的冰雹天气分类识别及预报

冰雹是一种致灾性较强的强对流天气,但在气象业务工作中对其进行快捷、准确的预警和预报仍有一定的难度。本文基于C波段雷达回波资料,构建并应用随机森林模型对冰雹及其伴随强对流天气进行了分类识别及预报。结果发现,随机森林模型对训练集(2008-2017年)中四类冰雹天气(冰雹、冰雹大风、冰雹短强、冰雹大风短强)的平均命中率(Probability of Detection,POD)为90.2%,平均空报比率(False Alarm Ratio,FAR)为11.1%。对于2018-2019年的独立样本测试集,模型的平均POD和FAR则分别为72.8%和34.7%。因此,本文构建的随机森林模型较为理想。应用模型和风暴单体识别与跟踪产品(Strom Cell Identification and Tracking,SCIT)对未来15～60 min的强对流天气进行预报,结果表明四类冰雹天气的平均POD为74.8%,平均临界成功指数为60.8%,平均FAR为24.4%。因此,利用C波段雷达产品,随机森林模型能高效、自动化且较为准确地分类预警、预报冰雹及其伴随强对流天气,可应用于天气预报业务工作。     

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。     

国家级强对流天气分类预报检验分析

预报产品的客观检验是记录、考量各种预报业务质量,促进预报水平提高的重要手段,也是整个天气预报过程中的重要环节。本文采用"点对面"Threat Score(TS)、漏报率、空报率等客观指标首次对2010—2015年4—9月国家级强对流天气预报中雷暴、短时强降雨以及雷暴大风和冰雹等分类预报进行了检验。同时,本文也对强对流天气落区分类预报客观检验存在的问题以及未来发展进行了讨论。检验结果表明:过去6年间,6~24 h时效预报,雷暴TS评分为0.22~0.34,短时强降水为0.18~0.24,雷暴大风和冰雹为0.01~0.07;48、72 h时效预报、雷暴TS评分为0.30~0.40,强对流天气TS评分为0.16~0.23,除雷暴预报TS评分在2012—2013年有所回落外,其他类别的强对流天气预报总体上TS评分呈上升趋势,雷暴大风和冰雹预报评分明显低于其他两个类别。雷暴空报率是漏报率的2~3倍,短时强降水漏报率与空报率接近,雷暴大风和冰雹天气漏报率和空报率都在0.8以上。与美国风暴预报中心(SPC)2000—2010年定期发布的1 d对流展望产品检验结果比较,强天气预报中心雷暴和短时强降水落区预报TS评分较高,雷暴大风和冰雹评分较低。典型个例预报检验结果表明,系统性大范围的风雹天气可预报性较强,评分要显著高于平均预报水平;对于非过程性的、分散的风雹天气,预报难度大,TS评分低。     

基于中尺度数值模式快速循环系统的强对流天气分类概率预报试验

在利用实况探空资料、微波辐射计和风廓线构建的特种探空资料对北京地区强对流天气进行判别,以及快速更新循环同化预报系统(BJ-RUC模式)探空资料可应用性分析的基础上,针对模式探空基本要素计算多种热力、动力、综合不稳定物理量,根据统计的强对流天气判别指标,计算模式格点上的强对流发生概率,并进一步针对冰雹(雷暴大风)和强对流短时暴雨天气下不同物理量的阈值范围,初步探索中尺度数值模式对强对流天气分类预报的可能性.通过不同组合的预报方案进行的对比分析表明,利用北京地区中尺度数值模式快速循环系统(BJ-RUC)的格点探空资料进行强对流天气概率的预报是可以实现的,强对流天气的分类概率预报也存在一定的成功率.     

基于LightGBM算法的强对流天气分类识别研究

强对流天气将导致多种灾害性天气,但由于其突发性强且尺度较小,在气象业务工作中仍难以准确地预警和预报。本文基于LightGBM(Light Gradient Boosting Machine)算法,利用甘肃三个地区的C波段雷达回波产品以及地面观测数据,构建了LightGBM模型,并分类判识了三类主要的强对流天气[冰雹、雷暴大风、短时强降水(短强)]。结果表明,在2011-2017年训练集中,LightGBM模型表现较好,整体误判率仅为4.9%。在2018年的独立样本测试中,模型对三类强对流和非强对流天气的整体误判率为7.0%,对三类强对流天气的平均命中率(Probability of Detection,POD)为86.4%,平均临界成功指数(Critical Success Index,CSI)为64.3%,平均空报比率(False Alarm Ratio,FAR)为29.0%。其中,短强的误判率最低,POD和CSI最高,FAR也最小,而雷暴大风和冰雹的误判率和评分比较接近。因此,本文构建的LightGBM模型对强对流天气的分类识别较为理想,首次对三类主要的强对流天气实现了自动化预警,在未来的气象业务自动化工作中有广阔的应用前景。     

基于FY-4A卫星和随机森林算法的西藏山南市雷电短临预报方法

针对青藏高原地区雷电短临预报缺乏雷达资料的问题,采用FY-4A卫星多通道数据、欧洲中心第5代再分析资料(ERA5)中的对流指数、闪电定位仪资料等多源监测数据,根据雷电的发生、发展机理,提出了18个关键预报因子,利用随机森林算法建立了适用于西藏山南地区的雷电短临预报模型。统计分析各预报因子在有无雷电天气样本中的概率密度分布与随机森林模型得到的特征重要度指标,结果表明提出的预报因子物理意义明确,建立的模型可信度较高。利用随机森林算法分别对未来10 min、20 min、30 min建立雷电预报模型,并与光流外推预报方法进行对比检验,结果表明：随机森林模型预报效果命中率(POD)、临界成功指数(CSI)均高于光流法,空报率(FAR)也相对较低;未来20 min的随机森林预报模型CSI评分最高,整体预报效果最佳。     

基于中尺度数值模式的分类强对流天气预报方法研究

针对雷暴大风、短时强降水、冰雹和龙卷等强对流天气短期预报,采用0.25°×0.2°每天4次日本气象厅(JMA)东亚地区再分析资料计算的百余类对流参数(物理量)及其15 d滑动平均值,根据“邻(临)近”原则对江苏2001—2009年2—9月各类强对流天气进行时间和站点的匹配后,应用相对偏差模糊矩阵评价技术,对上述对流参数进行权重分配和逐次筛选,获得了既体现强对流与气候平均态间明显差异,又体现自身相对稳定的特征对流参数序列。同时,根据历史分类强对流个例中各特征对流参数的频谱分布获得各对流参数的频率分布分段函数,然后基于中尺度数值模式预报的对流参数,综合历史频率分布和权重分配,构建了分类强对流天气预报概率,并以优势概率作为分类判据,做出强对流分类预报。最后建立了业务化系统,以全自动方式提供分类强对流客观预报产品,投入到日常业务和南京青年奥林匹克运动会气象保障服务工作。     

一种预报春季强对流天气的指数

总结对冰雹和雷雨大风等强对流天气的预报,得到一个K_(NEW)指数。从1984年以来,使用它的合计值K_s来作丽水地区的冰雹、大风预报,效果较好。 一、K_(NEW)指数的含义 我们定义K_(NEW)指数为: K_(NEW)=(T_(850)-T_(500)) Fd_(850)-10S_1 实际上是将K指数的第三项(T-Td)_(700)改为10S_I(S_I是不稳定指数),     

基于关键对流参数分级的强对流潜势预报

通过对上海地区1998—2009年4—9月各类强对流天气的统计分析,选取42个对流参数及其时间变量,采用逐步回归方法建立了针对各类强对流天气的0～12h潜势预报方程。在此基础上,提出了基于关键对流参数进行分级的强对流潜势预报方法,选取K指数、SI指数、PWV(大气可降水含量)指数和θsedif85(500hPa和850hPa假相当位温差)等反映大气热力和水汽条件的关键对流参数,根据对流分布情况将各对流参数分别分为3个等级,并分级建立了针对不同强对流天气的潜势预报方程。与未分级方程对比表明:基于关键对流参数分级的预报方程对雷雨大风、强雷电和所有对流等预报效果上有明显提升,采用如下组合评分更佳:雷雨大风的预报采用SI分类方程,强雷电和所有对流采用PWV分类方程。将基于关键对流参数分级的强对流潜势预报方法在数值预报模式中进行了业务应用,取得了较好效果。     

强对流天气预报的一些基本问题

对深厚湿对流(业务中通常称为雷暴)和强对流天气的发展条件和机理(尤其龙卷发展条件和机理)的科学理解是做好对其预报的基础。本文首先分析了对流有效位能和对流抑制能量与抬升气块温湿状态的关系、对流温度的物理意义、对流发展所需的水汽条件;然后提出了我国重大强对流天气的定义,给出了强对流天气时空分布的一些规律、极端强降水与地面露点的关系、雷暴大风产生机制、冰雹融化层高度与湿球温度之间的物理联系、超级单体风暴和龙卷的环境条件、龙卷的形成机理等;最后对涡度和风矢端图及其与龙卷、中气旋发展的关系进行了分析说明。文中列举的对各个概念不尽相同的解释和阈值以及我们的一些认识和理解,可供相关人员学习和比较。     

强对流天气监测预报预警技术进展

强对流天气预报业务包括监测、分析、预报、预警和检验等方面。对流初生识别、对流系统强度识别和对流天气类型识别等监测技术取得新进展,综合多源资料的监测技术已应用于中国气象局中央气象台业务。对流系统的触发、发展和维持机制等获得了新认识,我国不同类型强对流天气及其环境条件统计气候特征、分析规范及相应业务产品等为业务预报提供了必要基础和技术支撑。光流法、多尺度追踪技术以及应用模糊逻辑方法的临近预报技术等有明显进展,融合短时预报技术得到广泛应用,对流可分辨高分辨率数值 (集合) 预报及其后处理产品预报试验取得了显著成效,基于数值 (集合) 预报应用模糊逻辑方法的分类强对流天气短期预报技术为业务预报提供了技术支撑。强对流天气综合监测和多尺度自适应临近预报技术、多尺度分析技术以及融合短时预报技术、发展并应用模糊逻辑等方法的、基于高分辨率数值 (集合) 模式的区分不同强度等级和极端性的分类强对流天气精细化 (概率) 预报技术等是未来发展的主要方向。     

强对流天气短时临近预报业务技术进展与挑战

强对流天气短时临近预报业务是国家防灾减灾、重大社会活动和精细化天气预报的迫切需要。虽然我国强对流天气短时临近预报业务已经取得了巨大进展,但与国外先进水平相比还有不少差距。本文总结了近年国内外强对流天气短时临近预报业务现状、技术进展、目前国内的技术支撑状况和所面临的挑战,并提出了相应的应对措施。目前强对流天气短时临近预报技术仍然主要是外推预报技术、数值预报技术和概念模型预报技术等,但快速更新循环的高时空分辨率数值模式预报和新一代静止气象卫星资料将在强对流天气短时临近预报中发挥重要作用。强对流天气监测、分析和机理研究是强对流天气短时临近预报的重要基础;先进的外推预报方法同快速更新循环的高时空分辨率数值模式预报以及二者的融合是未来强对流天气短时临近预报的重要发展方向。     

应用卫星、雷达资料的强对流天气预报预警系统

利用2005—2008年3—9月亮温（TBB）资料,采用逐步判别分析法建立强对流天气预报方程,判别监测区域内某一云团未来可能产生区域性强对流天气、局地性强对流天气、无强对流天气;同时采用指标叠加法判定某云团有无强对流天气。在统计福建省多年冰雹、雷雨大风的雷达回波参数的基础上,确定大冰雹、冰雹、雷雨大风强对流天气的雷达参数（强度、风暴顶高度、垂直液态水含量、回波顶高等）阈值,并根据当天的0℃、-20℃高度与风暴顶的高度差,将CINRAD雷达产品中输出的风暴逐个进行筛选,对系统判定可能出现大冰雹、冰雹、雷雨大风的强风暴输出其未来1h内将影响区域信息。     

郑州市强对流天气短期预报系统

经对郑州市1990～2000年气象资料分析,概括出短时暴雨、瞬时雷雨大风、冰雹等3种强对流天气出现的气候规律、天气形势、物理量场演变特征、单站气象要素变化规律等.在此基础上,建立了3种对流性天气的预报模型、预报指标和相应的预报方程,构成郑州市强对流天气短期预报系统.该系统根据每天08时实时资料,自动完成天气分型、物理量计算、预报指标计算和预报方程的判别,输出预报结论.     

机器学习在强对流监测预报中的应用进展

近年来,机器学习理论和方法应用蓬勃发展,已在强对流天气监测和预报中广泛应用.各类机器学习算法,包括传统机器学习算法(如随机森林、决策树、支持向量机、神经网络等)和深度学习方法,已在强对流监测、短时临近预报、短期预报领域发挥了积极的重要作用,其应用效果往往明显优于依靠统计特征或者主观经验积累的传统方法.机器学习方法能够更...     

盛夏午后对流性天气预警技术

利用气象信息综合处理分析平台（ＭＩＣＡＰＳ）对基本资料进行和加工处理,运用天气图,物理量场,卫星云图和雷达回波资料,制作盛夏午后对流性天气的临近预报,通过警报网,无线寻呼和１６８信息台（或１２１）开展不同时效的预警服务,由于有效地改进了对流性天气预制作流程与发布方式,在１９９６年和１９９７年夏季预报服务实践检验中,效果较好。     

2003-06-05河南北中部强对流天气分析

从环流背景、卫星云图、雷达回波、诊断物理量、稳定度参数、群指数等方面，揭示了2003年6月5日河南北中部地区出现的强对流天气成因。分析结果表明，群指数对预报强对流天气有很好的指示意义。     

不平衡场在甘肃平凉市强对流天气预报中的释用

通过对平凉市强对流天气发生发展的高空环流形势进行合成分析,归纳出平凉市强对流天气的500 hPa典型场模型和环境场特征;利用T213数值预报格点资料对2008年6～9月逐日资料计算不平衡场,探讨了不平衡场与平凉市强对流天气的对应关系,通过实例分析和业务应用,该释用方法取得了较好的业务效果.