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。     

基于短时强降水概率预报的模糊检验试验

利用短时强降水概率预报模型生成短时强降水(≥20mm/h)概率预报产品,并对其进行“点对面”模糊检验试验。结果表明:短时强降水(≥20mm/h)概率预报和SWC_WARMS模式最大小时雨量(≥20mm/h)的“点对面”TS评分均明显高于相应的“点对点”评分,短时强降水(≥20mm/h)预报结果可在30～40km范围内进行调整;短时强降水(≥20mm/h)概率预报在概率为30%时TS评分达到最大,Bias接近为1,预报偏差最小;短时强降水(≥20mm/h)概率预报比SWC_WARMS模式最大小时雨量(≥20mm/h)预报更具有参考价值。      

基于邻域法的区域模式环渤海短时强降水预报评估

利用2020年5—9月Grapes＿3km、华东、华北、东北中尺度区域模式降水预报资料和中国气象局陆面数据同化系统产品数据集1 h降水资料,基于邻域法对副热带高压外围850 hPa切变线、东北冷涡、500 hPa高空槽、台风、台风外围500 hPa高空槽和850 hPa切变线5类影响系统下环渤海区域的短时强降水预报(≥20 mm·h^-1)进行检验评估。结果表明：5 km邻域时,各区域模式在环渤海区域短时强降水预报的FSS和命中率都很低,随着邻域增大,从50 km邻域开始,检验结果给出了当预报存在位移偏差时有价值的评分结果。第5类影响系统下的短时强降水,Grapes＿3km和华东区域模式分数技巧评分(FSS)分别于250 km和300 km邻域达到了最低预报技巧,其他区域模式各邻域均未达到最低预报技巧。其他影响系统下的短时强降水,4种模式各邻域FSS均未达到最低预报技巧,在各邻域华北区域模式对于第2、3、4类影响系统下的短时强降水预报FSS高于其他模式,Grapes＿3km对于第1类影响系统下的短时强降水预报FSS高于其他模式。根据命中率和空报率的检验结果,Grap...     

基于局地增长模培育法的对流可分辨尺度WRF模式对河南“21·7”特大暴雨的预报评估

基于WRF(Weather Research and Forecasting)模式,选取河南“21·7”特大暴雨事件,采用局地增长模培育法(Local Breeding Growth Mode,LBGM)生成对流尺度集合预报系统,在此基础上对24 h累积降水量进行SAL(Structure,Amplitude and Location)检验,结合预报成功指数(Threat Score,TS)、公平成功指数(Equitable Threat Score,ETS)评分等评分结果进行对比分析,综合评估集合预报成员的预报效果,表明:1)基于局地增长模培育法生成初始扰动的集合预报系统成员对于强降水预报有一定优势,在降水强度和位置的预报上与实况较接近;2)经检验,成员e003的TS和ETS评分在20日00时—21日00时(北京时,下同)和21日08时—22日08时两个强降水时段内表现最佳,并在SAL检验中对应较好的降雨强度A和雨区位置L,而成员e008暴雨TS、ETS评分最低,对应SAL检验中具有一定的位置偏差,即TS、ETS评分和SAL检验之间存在相关性,将二者有机结合,可以为业务工作中定量评估模式降水预报效果提供参考;3)通过对比整体评分表现较好的成员e003和较差的成员e008,两者预报的位势高度场与ERA5(ECMWF reanalysis v5,ERA5)再分析资料之间的差值,可以验证降水预报误差主要源于对低涡系统的预报偏差,同时预报评分较好的成员其位势高度偏差较小,综合评估效果更佳。     

基于CMA-BJ的北京地区短时强降水预报试验

基于2019—2021年4—9月北京快速更新数值预报系统(CMA-BJ)产品以及北京地区地面气象站逐时降水实况,从表征水汽条件、热力和能量条件以及动力条件的多个物理量中筛选出在有无降水、是否强降水情形中有显著差异的物理量作为因子,采用配料法和模糊逻辑算法构建北京地区0～12 h时效逐小时短时强降水概率预报模型。以2019—2021年4—9月最优TS评分和偏差评分的概率值和组合反射率因子为确定性预报的概率阈值和消空处理阈值,运用该预报模型对2022年4—9月每日4次0～12 h预报时效北京地区短时强降水产品进行预报和检验。结果表明:北京地区短时强降水TS评分和偏差评分分别为0.104和1.341,预报效果明显优于CMA-BJ预报产品。概率预报模型能够有效提升强降水高发地区,即山前及平原地区的短时强降水预报技巧,获得较为平衡的命中率和空报率,但对山区预报技巧的提升有限。     

基于邻域最优概率的GRAPES快速更新循环同化预报系统逐时降水订正方法

针对高分辨率数值天气预报的时空不确定性, 利用邻域最优概率方法对华南区域GRAPES快速更新循环同化预报系统的24 h预报进行逐时降水订正和检验评估。结果表明: (1)邻域法能改善模式降水预报的空间不确定性, 最优邻域半径随降水等级增加而减小, 强降水的最优邻域半径约为60 km; (2)通过引入时间滞后因子, 可进一步改善模式不同时间起报的不确定性, 结合Brier评分确定了时间滞后窗为4 h; (3)提出基于邻域最优概率阈值的降雨进行分级订正方法, 有效提升了降水客观预报能力, 晴雨预报较模式全部为正技巧, TS评分达到0.89以上, 总体提升幅度约5.3%;强降水预报同样均为正技巧, TS评分呈先降后升趋势, 在12 h时效前后预报效果最优, 进一步提升了GRAPES快速更新循环同化预报系统的业务预报水平。      

基于风暴尺度模式产品的暴雨最优升尺度概率预报方法研究

基于ARPS3DVAR+WRF (Advanced Regional Prediction and 3-dimensional variational System)快速同化模式对西南地区近几年发生的4次强降水过程进行模拟试验,对12 h降水预报结果采用升尺度方法,计算邻域平均预报、站点概率预报,最终形成邻域概率预报,并细致分析了这三种预报的特点与效果,讨论了升尺度窗区尺度给不同量级降水带来的影响,最后结合AROC评分与邻域空间检验FSS讨论业务概率预报应用的最佳尺度。结果表明:升尺度邻域平均预报在小雨与大暴雨量级降水上表现不稳定,对中雨的预报提高不明显,但是对大雨与暴雨预报有较好的改善效果;站点概率预报具有一定的误导性,而邻域概率预报可以弥补其缺憾,越高分辨率的模式有更多的降水样本,在降水不确定性上能给出更好的概率分级信息;相对邻域平均的升尺度预报TS检验结果,基于邻域概率的FSS和AROC分析有更好的预报技巧指导意义;36 km升尺度窗区既能消除一定程度的强降水预报不确定性,同时也可以保留适当的对流尺度特征,为最佳升尺度窗区。     

不同方法对青海2020年强降水模式产品预报性能的检验对比

基于多模式降水格点预报资料、青海省气象站实况资料及多源融合降水格点分析产品,针对青海省2020年7—8月强降水天气个例,采用TS(threat score)评分等传统检验方法和FSS(fraction skill score)评分及MODE(method of object-based diagnostic evaluation)空间检验方法,对比检验各模式在青海强降水中的预报性能。结果表明：(1)小雨及以上量级,欧洲中期天气预报中心(ECMWF)和美国国家环境预报中心(NCEP)全球模式、中国气象局全球同化预报系统(CMA-GFS)及GRAPES区域中尺度数值预报系统(GRAPES-Meso)的传统TS评分均较高且预报能力相差不大,但不同检验方法下评分最高的模式略有不同;(2)中雨及以上量级,各模式预报较观测普遍偏西,且传统TS评分差异较为明显,但不同检验方法下模式评分优劣表现较为一致;(3)大雨及以上量级,各模式预报较观测普遍偏北,且预报能力较差,传统TS评分为0,FSS评分有效提高了模式差异性的评估能力,MODE方法则给出了预报和观测对象属性的具体表现,但对检验参数的选取较为敏感...     

基于CMA-MESO的分级短时强降水概率预报方法研究

随着预报服务需求不断增长和预报内容日趋精细化,仅针对20 mm·h^(-1)以上的短时强降水预报已不能完全满足业务需要,开展不同雨强等级的短时强降水预报方法研究显得十分必要。利用2016—2019年6—8月中国南方9省1市的国家及区域气象站共51355站次短时强降水样本,将雨强R分为4个等级:20≤R<30 mm·h^(-1)、30≤R<50 mm·h^(-1)、50≤R<80 mm·h^(-1)及R≥80 mm·h^(-1)(分别对应I、Ⅱ、Ⅲ、IV级)。将各级样本与同时段CMA-MESO(China Meteorological Administration mesoscale model)数值预报模式初始场进行时空匹配,提取22个相关物理量建立数据集并进行百分位值统计;利用XG⁃Boost(extreme gradient boosting)机器学习方法对物理量进行重要性排序以确定权重系数;应用连续概率预报方法,选用升、降半岭函数作为隶属函数,建立不同等级短时强降水概率预报模型。运用该模型在2020年汛期进行实时业务预报,并对湖北省2020年6—8月15次大暴雨过程0~36 h预报时效的逐小时不同等级短时强降水概率预报产品进行检验,结果表明:I级概率预报产品60%阈值的TS评分(0.145)最好,对应命中率为55.7%;Ⅱ级概率预报产品65%阈值的TS评分(0.083)最好,对应命中率为39.1%;Ⅲ级概率预报产品70%阈值的TS评分(0.03)最好,对应命中率为21.7%;IV级概率预报产品80%阈值的TS评分(0.005)最好,对应命中率为5.8%。对不同等级雨强个例对比检验表明,各级概率预报产品对CMA-MESO模式在同时次不同等级短时强降水预报上均有较好的订正作用。对3次强降水过程逐小时预报检验表明,I级概率预报产品命中率为40%~80%,空报率为50%~90%,预报时效达36 h,普遍优于同时次CMA-MESO降水量预报。本研究对不同等级短时强降水分型建模并在实际预报中有较好的参考性,能够对CMA-MESO的降水预报起到订正作用。     

基于ECMWF细网格、GRAPES _MESO的短时强降水潜势预报和检验

摘要：利用2016-2018年6-8月ECMWF细网格、GRAPES _MESO、黑龙江省822个自动站资料研究黑龙江省6-8月短时强降水（一般短时强降水和极端短时强降水）的预报方法和各项影响因子指标与他们之间的融合。采用双线插值法或临近格点法、分位数法、配料法、排除法、多重分析法，形成以水汽、不稳定、抬升为框架的客观预报方法。研究发现，强降水的环境背景不仅受限于各物理因子阈值，也与他们之间融合密切相关。各因子间存在一定旬差异和日较差，夜间与水汽相关的各阈值明显大于白天，白天热力不稳定性高于夜间。6月中上旬与水汽含量相关的各因子阈值小于其他时段。从检验结果上看，由于强降水的突发性、局地形和研究方法以及模式本身的特性，预报的空报率非常大，漏报率较低，TS评分最低且随着分布密度的降低而降低。一般强降水检验中，两种模式点对点检验的TS评分为0.015左右，14km和40km点对面检验夜间TS评分约0.03和0.08。极端强降水检验中，两种模式点对点检验TS评分约0.004，14km和40km点对面检验准确率约分别为0.005和0.02。7月份由于强降水分布密度相对较大，检验效果也相对较好。一般性强降水EC细网格TS评分高于GRAPES_MESO，而极端强降水检验TS评分刚好相反。     

2010—2019年浙江暖季短时强降水特征分析

利用2010-2019年浙江省暖季(5-9月)1426个国家站和区域站小时雨量数据和NCEP 1° X 1°逐日4次再分析资料,分析了浙江省暖季短时强降水、极端短时强降水时空分布特征及区域性短时强降水事件,结果表明:①近10年暖季短时强降水频次呈增多趋势,降水强度变化平稳;8月(上旬)降水频次最多,9月(中旬)强度最强...     

云南不同强度短时强降水和大风时空分布特征研究

利用2013～2019年云南省逐小时气象数据,研究不同等级短时强降水和大风的时空分布特征。结果表明：云南短时强降水和大风多出现在山地和河谷等地形复杂区。其中,云南短时强降水强度大多低于30 mm·h-1,峰值出现在7～8月,午后至清晨出现短时强降水概率高,大多分布在滇西南、滇南、滇东边缘以及金沙江河谷。大风多为6级左右,3月出现最多,中午至午后更易出现,主要分布在滇西北横断山脉至滇南哀牢山以东。雷暴大风多为7级左右,呈双峰型分布,春季多于夏季,日峰值出现在16～17时,高发区主要在玉龙雪山和苍山以东以及哀牢山、无量山附近。     

近59年德江县暴雨特征分析

摘要：利用贵州省德江县国家一般气象站1959—2017年每日降雨量资料、乡镇区域自动站2011—2017年每日降雨量资料,对德江县暴雨特征开展研究,结果表明:1、德江县暴雨日出现在春、夏和秋季,主要集中在5月到7月,6月暴雨日数最多;暴雨日数年变化呈现一定的波动,但总体是上升趋势;2、德江暴雨主要出现在夜间,占77.7%;3、暴雨主要分布在德江县的南部,北部出现的暴雨次数相对较少。 关键词：暴雨、暴雨日、时空分布     

新疆阿勒泰地区夏季短时强降水时空分布特征

利用2010—2018年夏季阿勒泰地区112个自动气象站逐时降水资料,采用常规统计方法分析了阿勒泰地区夏季短时强降水时空分布特征。结果表明,2010—2018年夏季阿勒泰地区短时强降水的空间分布极不均匀,主要发生在阿尔泰山和沙吾尔山迎风坡、地形陡升区、喇叭口地形、戈壁和乌伦古湖交界区等复杂地形附近;发生次数年际变化大,2017年出现最多达95次,2010年出现最少为10次;极大值出现在2017年6月30日15:00哈巴河县合孜勒哈克村(37.5 mm/h),极小值出现在2015年8月9日17:00福海县工业园区(22.5 mm/h)。旬、日发生频次变化均呈单峰型,旬峰值出现在7月上旬,日高峰值时段出现在午后至傍晚(19时左右);各站短时强降水持续时间为1—2 h,区域性短时强降水最长持续时间为5 h; 2017年短时强降水出现最多、持续时间最长、范围最广、强度最强。     

基于CLDAS的贺兰山区5—9月降水时空分布特征及其与地形的关系分析

利用2008—2016年5—9月中国气象局陆面数据同化系统(CLDAS)格点融合分析降水资料以及降水观测资料,在对CLDAS格点降水融合资料进行验证的基础上,对贺兰山区降水时空分布特征以及与地形的关系进行了分析。结果表明：贺兰山区降水呈“东多西少、南多北少”的分布特征,贺兰山主峰偏西0.1°存在一个超过240 mm的降水高值中心,日降水量极值西侧高于东侧。8月降水量和短时强降水次数最多,11:00—18:00降水次数最多,午后到前半夜短时强降水次数最多。贺兰山区降水以小雨为主,其次是中雨,中雨和小雨雨量占区域总雨量的比例高达85%。贺兰山区降水量随海拔高度的增加而增加,西坡降水随高度的增加率为5.1 mm/hm,东坡降水随高度的增加率为2.1 mm/hm,西坡明显高于东坡。中雨日数与地形高度的相关性较好,其它级别降雨日数与地形相关性不强。     

山西省汛期短历时强降水特征

基于山西省2011—2016年汛期290个自动气象站逐时降水资料,结合本地强降水预警业务规定,按照致灾风险程度将短历时强降水分为四级,并分析了各级短时强降水的时空变化特征.结果表明:短时强降水主要受地形影响,山西各级强降水的累计降水量和降水时数大值区一般沿太行山脉和吕梁山脉分布;短时强降水主要集中在7—8月,15—18...     

SWCWARMS及ECMWF模式对四川盆地暖区型和斜压锋生型暴雨预报检验分析

利用2014～2016年5～10月四川盆地所有观测站资料及SWCWARMS模式、ECMWF模式同时段20时起报的24h累积降水资料,基于邻域法FSS、ETS评分指数检验了两模式对于高能暖区型暴雨及斜压锋生型暴雨预报的预报性能。主要结论为:(1)两种类型暴雨过程平均误差均是SWCWARMS模式较ECMWF模式大,且误差值为正,表明模式以湿偏差为主;(2)高能暖区型暴雨FSS评分各降水量级各空间尺度均是SWCWARMS模式高于ECMWF模式;斜压锋生型暴雨50mm以下量级降水在36km以下空间尺度ECMWF模式FSS评分高于SWCWARMS模式,54km以上空间尺度SWCWARMS模式评分较高,大暴雨量级降水各尺度下均是SWCWARMS模式评分较高;(3)高能暖区型暴雨ETS评分暴雨、大暴雨量级SWCWARMS模式评分较高,中雨、大雨ECMWF模式预报更优;斜压锋生型暴雨ETS评分,中雨、大雨及暴雨量级降水预报ECMWF优于SWCWARMS,大暴雨量级SWCWARMS模式预报更优。      

基于地基微波辐射计遥感的天津大气水汽和液态水特征

利用2013年3月至2017年2月天津西青地基35通道微波辐射计观测资料,分析天津地区大气水汽和液态水特征。结果表明：天津地区各季节积分水汽和积分液态水的日变化趋势基本一致,均呈单峰型日变化特征,其中夏季最大,秋季次之,冬季最小。各季节积分水汽最大值出现在23：00时（北京时,下同）的概率均明显大于其他时次,夏季和冬季的积分液态水的最大值出现在14时的概率最大,春季和秋季分别出现在10时和13时的概率最大。天津地区水汽密度由地面至3.5 km处逐渐减小,递减梯度由夏季、秋季、春季和冬季的顺序依次增大,各季节从1.5 km往上日变化均不明显。1 km以下,春季、夏季和秋季平均水汽密度的日变化曲线呈双峰型,主峰值分别出现在08时、11时和12时左右。冬季呈单峰型变化,峰值区出现在12-16时。液态水密度随高度分层变化,夏季的液态水密度大值区（0.08-0.14 g·m^-3）为5-6 km,在18-20时出现最大值。秋季、春季和冬季液态水密度的大值区出现的高度为1.5-3.5 km,但数值依次减小,春季和冬季的最大值出现在05时前后,秋季则出现在02时左右。另外天津地区水汽、液态水与温度和降水量的变化趋势基本一致,除夏季06-18时及冬季部分时次外,水汽与温度呈正相关。液态水与温度相关性较差,但与降水量呈正相关,全年液态水与降水量夜间的相关性大于白天。     

基于雨强分级的乌鲁木齐雨滴谱特征研究

本文利用乌鲁木齐PARSIVAL激光雨滴谱仪2012-2013年观测资料，对春、夏、秋季不同雨强降雨的雨滴谱微物理特征参量及其随时间演变特征、Gamma函数拟合、 关系等进行研究。结果表明：（1）乌鲁木齐降雨以小粒子为主，大雨强降雨的6种特征直径最大，中雨强降雨次之，小雨强降雨最小。雨滴数密度主要来自于小雨滴（直径<1 mm），大雨滴（直径>3mm）是雨强的主要贡献者，中雨滴（直径1-3 mm）是含水量和雷达反射率因子的主要贡献者，雷达反射率因子受雨滴尺寸影响很大。（2）小雨强降雨各微物理参量比较稳定，变化幅度不大，大雨强降雨则变化剧烈，出现多峰型，中雨强降雨介于二者之间。大雨强降雨的谱宽和峰值浓度最大，小雨强降雨最小，中雨强降雨介于二者之间，小雨强降雨的拟合谱具有明显的季节差异性；秋季峰值浓度最大，这与秋季多大风天气有关。（3）Gamma拟合参数 关系与粒子尺寸有关，可以用二项式进行描述。拟合出的 关系系数均小于目前常用的 关系，因此，利用 关系在乌鲁木齐进行降雨定量估测研究时会造成对降雨强度的高估，回波强度越大，高估越明显。夏季大雨强降雨无法拟合出相关系数比较高的 关系，这与乌鲁木齐大雨强降雨具有强度大、时间短、随时间变化迅速的特点有关。     

四川地区短时强降水事件时空演变特征研究

利用四川地区自动气象站逐小时降水观测资料,分析了2010~2019年5~9月短时强降水事件24h累计降水量、频次和强度的时空分布特征,探讨了短时强降水事件发生的频次、极值分布及其与地形、海拔高度等的关系。结果表明:四川地区平均24h累计降雨量基本在50mm以上,盆地东北部、西南部、南部及阿坝州东部甚至超过100mm,最大值出现在广安,达175mm。四川地区短时强降水事件开始时间的日变化特征表现为“V”型结构的夜间峰值位相,事件持续时段多为傍晚至凌晨,时长可达10h以上,最长甚至可持续22h。在强降水事件极值的日变化上,极大值频次和降水量呈单峰结构,在03时达到最大,其后逐渐减小至15时达到谷值,而后再次增大;降水强度呈弱双峰结构,分别在04时和16时达到谷值,13时和18时达到峰值,其日变化呈“增-减-增-减”的特征。四川短时强降水事件与复杂地形有密切的关系,5~6月事件活跃区在四川盆地中部,7月在盆地西部的龙门山脉一带,8月在雅安、乐山附近,9月在盆地北部且频次明显减少;短时强降水事件的最大小时雨强可达80mm以上,出现在7~8月的盆地西部龙门山一带和南部地区。短时强降水事件随着海拔高度的增加,发生频次和日数逐渐减少,海拔2000m以上地区基本无强降水发生日出现( 峨眉山气象站例外)。