成都市降水概率预报方法

用实时气象资料与T106数值产品相结合，根据概率 统计的方法 和原理，采用概率回归估计方法，建立了成都市的夏季降水概率预报方法。此方法可对成都 市 东、西、北片未来24小时降水作出定量预报。1999年8～9月试用效果较好，可供业务参考应用。     

降水概率预报综述

为了配合概率预报发布工作，收集了国内外开展概率预报的各种文献与报导，就降水概率预报的定义，发布降水概率预报的意义，国内外降水概率预报的研究与业务应用，降水概率预报的基本方法，主观预报在客观降水概率预报中的作用，降水概率预报的经济效益评估等几个重要问题，进行了综合评述。     

多级降水概率回归集成预报方法

对多种降水概率预报方法进行线性多级概率回归,对每种方法先进行“０,１”化处理,然后建立各种方法组合下的各级天气出现的条件概率。用最小二乘法进行回归计算,解出方程组的系数,代入多级概率回归食指成预报方法,得到集成后各级天气出现的概率。通过试报,效果令人满意。     

浙江省降水概率预报评分方法

概述了概率预报中的几种检验评分方法,讨论了各方法的适用性。根据浙江省降水概率预报的特点,提出了最佳的评分方法,并对实际预报进行了评估。     

宜昌市夏委降水分片概率预报方法

预报因子的取值范围分别与各片代表站的降水事件一一对应,再根据对应结果,将预报因子分成若干“节”,针对某“节”出现降水的次数,求出其频数。经过如此处理后,将每日预报因子（原始数据）换算成所对应的与预报量有关的概率值,再用事件概率回归估计（ＲＥＥＰ）法建立概率预报方程。试运行结果表明,所建立的方程能够很好地预测各片的降水概率。     

菏泽地区降水概率集成预报方法

取０８时日本数值预报产品传真网格点资料,用多种统计模型建立ＭＯＳ预报方程,最终用概率集成回归建立概率预报方程,并将预报方程嵌入新预报工作流程中,具有存储和评分功能,预报效果显著,成为我台发布降水概率预报的主要依据。     

宜昌市夏季降水分片概率预报方法

预报因子的取值范围分别与各片代表站的降水事件一一对应,再根据对应结果,将预报因子分成若干"节",针对某"节"出现降水的次数,求出其频数.经过如此处理后,将每日预报因子(原始数据)换算成所对应的与预报量有关的概率值,再用事件概率回归估计(REEP)法建立概率预报方程.试运行结果表明,所建立的方程能够很好地预测各片的降水概率.     

广州降水概率预报

讨论了长水概率预报的意义,原理和方法,介绍了广州降水概率预报的业务流程及试验效果,并提出深入开展降水概率预报的若干建议。     

内蒙古高等级公路道路结冰预报方法初探

利用1990—2007年内蒙古高等级公路包头—兴和段4个气象站监测的结冰和积雪资料,分析得出可能发生道路结冰的天气气候背景。并利用1990—2000年包头—兴和段可能发生道路结冰现象的降水天气过程的气象资料,总结出6种天气环流概念模型,为预报内蒙古高等级公路道路结冰提供参考。     

A Regional Ensemble Forecast System for Stratiform Precipitation Events in Northern China. Part I: A Case Study

A single-model,short-range,ensemble forecasting system (Institute of Atmospheric Physics,Regional Ensemble Forecast System,IAP REFS) with 15-km grid spacing,configured with multiple initial conditions,multiple lateral boundary conditions,and multiple physics parameterizations with 11 ensemble members,was developed using the Weather and Research Forecasting Model Advanced Research modeling system for prediction of stratiform precipitation events in northern China.This is the first part of a broader research project to develop a novel cloud-seeding operational system in a probabilistic framework.The ensemble perturbations were extracted from selected members of the National Center for Environmental Prediction Global Ensemble Forecasting System (NCEP GEFS) forecasts,and an inflation factor of two was applied to compensate for the lack of spread in the GEFS forecasts over the research region.Experiments on an actual stratiform precipitation case that occurred on 5-7 June 2009 in northern China were conducted to validate the ensemble system.The IAP REFS system had reasonably good performance in predicting the observed stratiform precipitation system.The perturbation inflation enlarged the ensemble spread and alleviated the underdispersion caused by parent forecasts.Centering the extracted perturbations on higher-resolution NCEP Global Forecast System forecasts resulted in less ensemble mean root-mean-square error and better accuracy in probabilistic quantitative precipitation forecasts (PQPF).However,the perturbation inflation and recentering had less effect on near-surface-level variables compared to the mid-level variables,and its influence on PQPF resolution was limited as well.     

ECMWF集合预报统计量产品在重庆降水预报中的检验与分析

利用ECMWF集合预报降水资料和重庆市自动站降水资料,运用晴雨、TS评分、预报偏差等检验方法对重庆地区2014—2016年ECMWF集合预报降水产品在短期时效的预报性能进行检验分析。结果表明:最小值的晴雨预报准确率最高。对于TS评分检验,小雨量级可优先参考最小值、10%分位数和融合产品,中雨量级参考平均数和概率匹配平均,大雨和暴雨量级分别参考75%分位数和90%分位数。对于预报偏差检验,小雨量级可优先参考最小值、Mode,中雨量级参考融合产品、中位数,大雨量级参考控制预报、融合产品,暴雨量级参考90%分位数。对于百分位值预报产品和概率预报产品,小雨量级可参考5%～10%分位数和80%～90%概率预报产品,中雨量级可参考45%～55%分位数和40%概率预报产品,大雨量级可参考70%～80%分位数和20%概率预报产品,暴雨量级可参考90%～95%分位数和10%概率预报产品。     

基于INCA和METRo的江苏省路面高温精细化预报

使用INCA（Integrated Nowcasting through Comprehensive Analysis）多源资料融合分析和短临外推预报系统的预报结果作为气象强迫场,驱动一路面温度理论预报模型（Model of the Environment and Temperature of Roads,METRo）,开展江苏省高速公路夏季路面高温预报试验,并使用公路沿线逐小时的路面温度观测资料对预报结果进行检验。结果表明:该预报方法能够较好地预报出高速公路沿线日最高路面温度的逐日变化趋势,以及日最高路面温度的大范围空间分布特征。平均日最高路面温度预报绝对偏差为4.1℃,平均相对偏差为10.8%。其中,日最高路面温度预报绝对偏差在5℃以内的站次占总数的64.5%,相对偏差在15%以内的站次占总数的74.6%,比常规业务预报方法分别提高了23.1%和25.3%。但该预报方法对较小的温度波动以及局地性较强的极端温度分布特征的预报技巧还需进一步提高。     

A Regional Ensemble Forecast System for Stratiform Precipitation Events in the Northern China Region. Part II: Seasonal Evaluation for Summer 2010

In this study,the Institute of Atmospheric Physics,Chinese Academy of Sciences-regional ensemble forecast system(IAP-REFS) described in Part I was further validated through a 65-day experiment using the summer season of 2010.The verification results show that IAP-REFS is skillful for quantitative precipitation forecasts(QPF) and probabilistic QPF,but it has a systematic bias in forecasting near-surface variables.Applying a 7-day running mean bias correction to the forecasts of near-surface variables remarkably improved the reliability of the forecasts.In this study,the perturbation extraction and inflation method(proposed with the single case study in Part I) was further applied to the full season with different inflation factors.This method increased the ensemble spread and improved the accuracy of forecasts of precipitation and near-surface variables.The seasonal mean profiles of the IAP-REFS ensemble indicate good spread among ensemble members and some model biases at certain vertical levels.     

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。     

基于卷积神经网络的逐时降水预报订正方法研究

应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h^-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具"潜力"的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。     

基于GIS的数值预报降水产品精细化方法研究

以中尺度数值预报模式MM5为基础,将其降水预报结果提供给地理信息系统ArcInfo平台,各气象站点降水预报结果被转换成数据点图层,然后通过样条插值法生成网格图层,再与具有甘肃省、市、县级边界以及各县乡镇点位置的基础数据图层叠加,用不同颜色表示预报降水量级的大小,最后分区、县及落点三级标准分别生成甘肃降水预报精细化产品。通过实例检验,表明该产品无论在降水分布、量级,还是降水趋势的预报上均与实况基本吻合,对过程降水、局地强对流天气及定点、定量、定时降水预报均有一定的参考价值。这样,将降水预报产品与地理信息系统GIS相结合,不但实现了甘肃降水预报产品的数字化和可视化,而且精度高、效果好。     

2020年超长梅汛期降水概率预报应用与检验

基于欧洲中期天气预报中心（European Center for Medium-range Weather Forecasts,ECMWF）集合预报资料及浙江全省自动站降水观测资料,采用贝叶斯模型平均（Bayesian Model Average, BMA）方法对2020年浙江超长梅汛期开展降水概率预报订正试验。采用平均绝对误差、连续等级概率评分、布莱尔评分B_S、Talagrand、概率积分变换(Probability Integral Transform, PIT)直方图及属性图检验方法对本次过程BMA订正前后的概率预报进行对比分析,结果表明：①50 d为适用于浙江梅汛期ECMWF集合预报订正的BMA最优训练期,经最优训练期的BMA订正后,预报离散度有所增加,预报误差有所下降;②BMA对0.1 mm、10.0 mm和25.0 mm阈值降水的订正效果显著,经BMA订正后3个阈值的降水预报B_S下降率分别为25.92%、19.29%、4.76%,但对超过50.0 mm的降水订正效果不明显,且随着降水阈值增加,BMA的订正效果减弱;③在强降水个例中,BMA能有效减少各阈值降水预报概率大值落区偏差,使订正后的降水预报概率大值区与观测落区更一致。     

基于CNN和RF算法的ECMWF降水分级订正预报方法

利用卷积神经网络(CNN)和随机森林回归模型,提出了一种新的欧洲中期天气预报中心(ECMWF)降水订正预报方法.该方法首先根据ECMWF模式对站点雨量预报值所属的等级进行划分,再计算出不同等级相对应的高相关因子矩阵.进一步利用CNN模型对高相关矩阵进行综合特征提取的学习和训练.最后对CNN模型最终输出的特征因子中,选取...