中央气象台精细化网格降水预报技术的发展和思考

为给智能网格强降水预报提供客观参考,提出了一种基于迁移学习和长短期记忆神经网络(LSTM)的降水预报方法。迁移学习是一种机器学习方法,可将源域学习到的知识迁移到目标域中以应用;LSTM是一种可以处理序列数据中的长期依赖关系的深度学习模型。基于2009—2022年广东省肇庆市6个国家气象观测站逐小时雨量、气温、气压、相对湿度、风向和风速的观测资料,以肇庆高要国家气象观测站作为目标域,其它5个国家气象观测站作为源域,利用迁移学习方法对目标域有缺失值的观测资料进行订正,使目标域形成完整的训练样本;然后,利用深度学习方法,对目标域分别建立单变量LSTM日雨量预报模型和多变量LSTM小时雨量预报模型;最后,对目标域2022年日雨量与小时雨量进行预报,与对应实况对比。结果表明：(1) 单变量LSTM预报方法在1—2月、6月、10—12月的24 h晴雨预报准确率在80%以上,多变量LSTM预报方法在3月、6月、8月、12月的1 h晴雨预报准确率在80%以上。(2) 单变量LSTM预报方法仅6月能预报出24 h雨量在50 mm以上的强降水,多变量LSTM预报方法在3月、5月、6—8月能预报出1 h雨量在20 mm以上的强降水,其中3月和6月的小时雨量预报TS评分高于25%。

     

中央气象台精细化预报产品检验及误差分析

2013年7月至2014年6月中央气象台精细化预报产品在汉中市的检验结果表明:一般性降水和晴雨预报准确率较高,有一定的参考价值,暴雨以上降水准确率较低,参考性较差;最低气温预报准确率明显高于最高气温,对本地预报有较好的指导性。气温预报存在季节性误差,最高气温误差夏季大于冬季,而最低气温误差冬季大于夏季。气温预报误差还受天气变化影响,转折性天气时最高气温预报误差较大,晴转阴或晴转小雨时为正误差,晴转明显降水时为负误差,阴转晴或雨转晴时为负误差;11、12、1月晴天时最低气温预报误差较大,基本为正误差,其余月份误差较小且无规律。     

读取中央气象台城市精细化预报程序设计

1引言 为满足社会公众对气象服务日益增长的需求,中国气象局提出了改进公众气象服务方式、丰富天气预报服务内涵、扩大服务覆盖面、提高精细化服务水平等相关要求。为了解决读取中央气象中心下发的城市精细化指导预报产品费时费力、不便记忆等问题,设计了读取中央气象中心下发的城市精细化指导预报产品程序。     

基于路径相似的登陆热带气旋降水之动力-统计集合预报模型

数值天气预报(NWP)过去几十年在热带气旋(TC)预报方面的最大进步是越来越准确的路径预报。对于登陆TC降水的预报,目前以数值模式为代表的技术手段预报能力还十分有限。围绕动力-统计结合之方法研究,初步发展了登陆热带气旋降水(LTP)预报的一种新方法:基于路径相似的登陆热带气旋降水之动力统计集合预报(LTP_DSEF)模型。该方法主要分为五步:TC路径预报、相似路径TC识别、其他特征相似性的判别、TC降水集合预报和最佳预报方案选择;涉及两个关键技术:TC降水分离的客观天气图分析法(OSAT)和TC路径相似面积指数(TSAI)。LTP DSEF模型对2012-2016年影响华南地区出现最大日降水量≥100 mm的21个TC的定量降水预报(QPF)试验结果显示,该模型对登陆TC过程降水的预报结果优于动力模式。登陆TC过程降水≥50 mm情况下,建模样本和独立样本平均TS评分均高于动力模式(EC、GFS、T639)相应的最好表现。对LTP_DSEF模型三个最佳方案的参数取值分析显示,起报时刻参数设定为最临近影响时刻即TC对陆地产生降水的前一天12:00 UTC、集合参数取最大值时预报效果稳定趋好。     

中央气象台暴雨预报业务的发展及思考

暴雨是影响我们国家最重要的灾害性天气之一,暴雨预报既是业务中的关键点也是难点。本文论述了目前中央气象台的暴雨预报业务已经由基于天气学、统计学等在天气图分析的基础上进行主观外推的传统预报向基于数值预报的现代天气预报发展,强调了暴雨预报的科学问题是从预报实践中提炼出来的,而不是从参考文献中找出来的,突出了预报员是暴雨科学问题的提出者和解决实际问题的第一参与者,阐明了预报与服务工作紧密结合是中国特色气象事业的重要组成部分,充分肯定了中央气象台和中国气象局暴雨研究所等科研单位在暴雨预报、研究和我国应对突发自然灾害中发挥的重要作用,明确了暴雨等灾害天气的预报是以服务人民、社会、经济发展和国家安全为最终目标。并从预报员科学研究与实践能力的培养和提高、多源观测资料应用、区域中尺度数值预报模式和集合预报技术的发展及订正能力的提高、人工智能技术的应用等几个方面对如何提高暴雨预报准确率提出一些思考。     

基于前馈式神经网络的多源精细化降水预报及检验

选取国家气象信息中心多源融合降水产品、四川省智能网格气象预报产品、德阳市实况降水观测资料以及欧洲中心数值预报资料,应用前馈式神经网络及最优逼近方法对德阳市降雨预报系统进行训练,并利用多源融合降水资料对预报结果进行检验。结果表明：改进后的系统不仅能对输入层因子的降水及其落区预报进行有效的智能优化,还使得暴雨天气过程中强降水中心分布和极端降水量的预报结果更加接近实况,总之可为预报员开展本地降水预报业务提供有益的参考。     

雅安市降水“精细化”预报的动力学基础

雅安市位于四川盆地西缘、青藏高原东麓．兼有“迎风坡”和“喇叭口”的地形特点，降水特多．有“天漏”之称．因此，降水预报在当地显得尤为重要。随着社会的需求．降水预报朝“精细化”发展，是必然的趋势。本文基于“雅安天漏”研究等方面的结果，给出了考虑了系统性降水、热力降水和地形雨的降雨量计算公式。并利用该公式做了“精细化”降水预报方面的尝试。     

2014—2016年数值降水预报在天津的检验评估

对2014—2016年中国国家气象中心T639数值预报、日本细网格数值预报、欧洲中心细网格(EC thin)数值预报以及天津市乡镇指导预报产品中在天津地区降水预报分别进行检验。结果表明:所有模式降水的晴雨预报准确率均随预报时效的延长而下降。降水预报准确率在秋冬春季的预报效果明显好于夏季。EC thin产品在冬季降水的预报中优势更为明显,而指导预报及T639对5月、6月及9月天津地区局地降水多发期的降水更有指示意义。针对2014—2016年天津地区的23个暴雨日按影响系统分型并统计检验结果,暴雨日降水预报晴雨成绩较好有参考价值,而降水分级检验偏差较大。相对于局地性暴雨过程,区域性的暴雨过程数值预报有更为可靠的参考性。     

多种数值预报产品在贵州定量降水预报中的检验

通过对2011—2012年期间欧洲中心、日本、T639、WRF各家数值预报24 h降水预报产品插值到贵州省85个县观测站,对比每日累计实况降水量,划分为≥0.1 mm(晴雨)、≥10.0 mm(中雨以上)、≥25.0 mm(大雨以上)共3个等级进行了评估。结果发现:欧洲中心细网格和T639在贵州省各个量级降水预报均有偏大的趋势;日本模式在大雨以上量级的降水预报中对我省有偏少的趋势;WRF模式在晴雨预报中表现最好,而在明显降水的预报中表现略差。预报结果空间分布显示:欧洲中心细网格对贵州中部一线地区的明显降水预报较好;T639模式在一般性降水预报中与其他模式效果相当,但在大雨以上量级的预报中表现出明显的地区差异;日本模式在贵州东北部地区效果明显;WRF模式大雨以上量级的预报效果总体差异并不大,主要有3个大值中心,分别位于省的北部边缘、西部边缘和南部边缘,说明在以上地区WRF对大雨以上降水的预报效果具有一定的参考意义。     

雅安市降水"精细化"预报的动力学基础

雅安市位于四川盆地西缘、青藏高原东麓,兼有"迎风坡"和"喇叭口"的地形特点,降水特多,有"天漏"之称,因此,降水预报在当地显得尤为重要.随着社会的需求,降水预报朝"精细化"发展,是必然的趋势.本文基于"雅安天漏"研究等方面的结果,给出了考虑了系统性降水、热力降水和地形雨的降雨量计算公式.并利用该公式做了"精细化"降水预报方面的尝试.     

基于多模式和网格预报产品融合的降水预报释用方法

网格降水的预报准确率是精细化天气预报业务的核心问题.利用多家数值模式和国家气象中心逐3h网格降水预报指导产品,以格点降水实况分析资料为参照,在客观评估模式表现的基础上,提出多模式和网格降水预报产品融合的降水预报释用方法.研究表明:给定降水阈值,不同降水产品的预报性能有显著差异,存在预报表现好的降水产品漏报,而其他降水产...     

国家级格点化定量降水预报系统

2016年9月28日,台风\     

定量降水预报技术进展

对21世纪以来定量降水预报技术流程中的数值模式预报、统计后处理、检验评估和预报员作用4个方面的研究工作进行了归纳,主要进展包括:业务全球模式对于降水的预报能力持续提升,而发展高分辨率模式 (尤其是对流尺度模式) 和集合预报是提高定量降水预报精准化水平的主要途径,且将两者相结合以促进短期降水预报是发展趋势;统计后处理技术已发展到应用数据挖掘方法对海量预报数据中有效信息进行提取和集成,而再预报资料的出现将进一步促进统计后处理技术的发展;为解决评估精细化定量降水预报面临的新问题,多种新的检验技术得到发展和应用,如极端降水检验评分、空间检验技术及概率检验方法等;预报员在模式和后处理方法上能够提供的附加值越来越有限,但在预报流程中仍将处于核心地位,其角色将逐渐向帮助用户进行决策方向转变。文章指出,定量降水预报技术的发展所面临的挑战包括大气水汽观测及同化技术改进、暖区和复杂地形下暴雨预报等科学问题的解决。     

用细网格数值模式的产品制作短时降水预报的探讨

通过模式计算结果和实况的对比分析,说明使用中国科学院大气物理所有限区域细网格数值模式的降水预报结果,有助亍制作湖北省的暴雨短时预报。同时给出了几个使用其它模式数值预报产品制作区域暴雨预报的例子。     

东北夏季天气分型及EC降水预报空间检验

利用SANDRA（SAN）方法将东北地区2018年5—9月环流背景分型,并在此基础上对EC模式预报的较强降水（>10 mm/24 h）进行空间检验和定量分析。东北地区主要的形势背景分为北部扰动低压型、副热带高压北抬型、东北扰动低涡型、扰动低压东移型。其中,前3类环流型对应较强降水过程发生频率相对较高;将3种类型对应的模式预报较强降水过程进行分析。结果表明：模式对于北部扰动低压型过程中大雨以上量级降水落区面积的预报较实况普遍偏小45%—60%;中雨量级降水落区面积,36 h时效预报较实况偏大40%,84 h时效偏小19%;36 h、60 h、84 h时效,较强降水预报位置偏西分别为0.19°、0.53°、1.39°,平均强度预报分别偏低2.9 mm、3.1 mm、3.4 mm,极值预报分别偏低7.3 mm、8.1 mm、9.4 mm;副热带高压北抬型过程预报面积与实况之间的偏差没有一致的倾向性,预报位置较实况分别偏南0.25°、0.15°、0.37°,降水强度上有65%—72%的个例表现为平均强度及极值预报较实况偏弱的特征;东北扰动低涡型过程,预报位置偏差分别为36 h偏东0.18°、偏南0.55°,60 h偏东0.20°、偏南0.58°和84 h偏东0.74°;另外,3个时效对应平均强度预报分别偏低3.3 mm、3.7 mm、3.9 mm,极值预报平均偏低为10.2 mm、10.6 mm、11.6 mm。     

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。     

基于降水极端预报指数的福建台风极端降水预报研究

应用1961—2017年中国气象局热带气旋最佳路径数据集、国家地面气象观测站日降水观测资料和2015年8月—2017年12月欧洲中期天气预报中心(ECMWF)集合预报系统降水极端预报指数(EFI)数据,根据百分位法定义台风影响期间福建省各站点的台风极端降水阈值,采用最小阈值法剔除台风极端降水时EFI箱线图中的异常值,保...     

美国国家气象中心33年定量降水预报的评估

１９９６年美国国家气象中心开始实施定量降水预报和深入的ＱＰＦ检验方案。这些ＱＰＦ产品从一个依靠广泛预报经验的人工方法演变到更多依靠对数值模式的解释和修正的方法。     

ECMWF降水相态预报产品(PTYPE)应用和检验

运用我国2016—2018年三个冬半年(10月至次年3月)地面2515个站的天气现象观测资料,对ECMWF(European Centre for Medium-Range Weather Forecasts)的降水相态预报产品(PTYPE)(分为雨、雨夹雪、雪和冻雨四类)进行了系统性的检验评估,包括细网格确定性模式预报产品和集合预报系统概率预报产品。结果显示,ECMWF的确定性预报产品对四类降水相态的正确率普遍达到90%以上,对降雨和降雪的TS评分也较高,冻雨次之,雨夹雪的TS评分较低,预报能力有限。确定性模式对我国雨雪分界线的预报,普遍存在短期位置略偏南、中期随时效延长越来越偏北的误差特点,且对雨夹雪的预报范围明显偏小,对冻雨的预报范围明显偏大。集合预报系统从概率的角度一定程度上弥补了确定性模式的上述误差。对概率预报的检验结果显示,集合预报系统降雨概率普遍偏低,降雪概率短期偏高、中期偏低,而雨夹雪和冻雨概率普遍偏低,但是都有一定的预报技巧。集合预报系统相对于确定性模式的优势,降雨体现在较小花费损失比事件的预报上,降雪体现在较大花费损失比事件的预报上。对雨夹雪和冻雨,相对于确定性模式,集合预报系统体现出了显著的优势,尤其是冻雨,集合预报系统的优势更加明显。