降水邻域集合概率方法尺度敏感性试验

降水邻域集合概率法是处理高分辨率降水集合预报不确定性的一种新方法。利用2017年5~7月GRAPES(Global and Regional Assimilation and Prediction Enhanced System)区域集合预报系统24 h降水预报资料,进行GRAPES降水邻域集合概率方法试验,并针对邻域概率法的等权重和邻域尺度问题,设计了邻域格点权重修正邻域方案以及二分类权重修正邻域方案,进行降水的集合概率法、等权重邻域集合概率方法、权重修正邻域集合概率方法和二分类权重修正邻域集合概率方法等四种方法的格点相关及敏感性试验,并利用多种概率预报检验评分评估上述四种方法的预报效果。试验结果表明:(1)尽管采用邻域计算方案的三种邻域集合概率方法的降水概率预报评分各有优劣,如等权重邻域集合概率法的相对作用特征曲线面积评分略优,而权重修正邻域集合概率法和二分类权重修正邻域集合概率法的降水概率预报可靠性更高,但采用了邻域计算方案的降水概率预报评分均优于传统的集合概率方法;(2)降水邻域集合概率方法的预报技巧对邻域尺度很敏感,统计评分最优的邻域半径为5~8倍模式水平格距;(3)引入了权重修正的两个邻域集合概率预报方法在24 h降水量超过10 mm时改进较明显,能够提供更加客观的概率预报结果。总体上看,降水邻域集合概率方法具有较好的应用前景,恰当的邻域概率方法及邻域半径可以获得更合理的降水概率预报结果。     

基于快速更新同化数值预报的小时降水量时间滞后集合订正技术

由中小尺度对流系统造成短时强降水天气的发生发展十分迅速,对其落区和时效的预报预警一直都是预报业务中的难点。本文基于快速更新同化的中尺度数值预报系统GRAPES-RAFS 0. 1°×0. 1°分辨率逐小时降水预报,首先通过时间滞后集合预报方法构建了多个集合成员,使用平均TS评分值计算相应预报成员权重系数建立预报方程,然后采用频率匹配订正法进行降水量级订正,从而得到集合订正的逐小时降水量预报。2017年8-9月的逐日试验和典型个例预报结果评估表明效果良好。(1)GRAPES-RAFS最新时次的预报场并不完全代表最好的预报效果,通过时间滞后集合订正方法自动识别优选预报成员,显著提高了预报能力;(2)GRAPES-RAFS预报存在降水量级偏弱的系统性误差,经过频率匹配方法订正后,在量级预报上更接近实况;(3)时间滞后集合预报对我国中东部(包括黄淮、江淮、江南地区)的小时降水量订正效果最好;(4)进一步使用的频率匹配订正方法显著提升了逐时降水量的预报效果,其在降水频率更高、强度更大的江南南部、华南、西南地区效果更为显著;(5)对于中小尺度的强降水过程,经过上述方法订正后,显著提高了模式对强降水系统位置、形态及降水量级的预报水平。     

夏季省级分区降水概率预报自动化系统

利用多年气象观测资料，数值预报产品，各种天气系统及相互配置与多年降水资料进行了相关统计，精选了与降水密切相关的因子，利用多因子条件下的概率组合方法，建立了夏季省级分区降水概率预报经系统。在实际预报业务中取得了较好的预报效果。     

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。     

夏季降水概率预报系统的试验研究

降水概率天气预报的最大优点能够有效的发挥天气预报的潜在经济效益。我们根据山西省长治市的气候区划，将长治市的13个县区分为3片，应用T106资料，并通过对T106资料以及3片的实时资料制作0，1化处理，分别建立了3片的夏季（6月－8月）降水概率预报方程，并将整个系统挂接于MICAPS系统下。计算快捷，图文并茂，准确率较高。     

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。     

基于ECMWF集合预报产品的降水相态客观预报方法

基于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）集合预报系统的降水相态产品（precipitation type,PTYPE）,分别以HSS评分最优、TS评分最优和频率偏差最优为标准,运用最优概率阈值法,生成雨、雨夹雪、雪和冻雨4类降水相态的确定性预报产品,并与ECMWF集合预报系统控制成员及细网格模式确定性预报进行对比。最优概率阈值显示：3种最优标准下,不同相态降水最优概率阈值不同,但冻雨和降雪最优概率阈值均最大,为40%~80%,雨夹雪最优概率阈值最小,约为10%,三者最优概率阈值均随预报时效延长而减小;降雨最优概率阈值为7%~25%,随预报时效延长而增大。对比检验结果显示：最优概率阈值法明显提高了降水相态预报能力,且以HSS评分最优时预报效果最佳;最优概率阈值法有效减小冻雨空报,同时显著改善降雨和降雪预报的频率偏差和TS评分,对雨夹雪预报改进效果有限。     

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。     

基于重组降水集合预报的洪水概率预报

采用条件亚正态模型方法,生成了具有包含不同可能性的降水集合预报。为了保持各子流域降水集合预报变量之间的空间相关性,采用集合预报重组方法对降水集合预报进行重新排列。使用重组后的降水集合预报驱动水文模型,实现了淮河上游大坡岭-息县、淮河上游息县-王家坝和汝河-洪河上游3个子流域的12次洪水过程的洪水概率预报,并对1988年9月7日和1991年7月31日两次洪水概率预报进行个例分析。结果表明:相对于单一确定性预报,通过条件亚正态分布模型生成降水集合预报后,再经过Schaake洗牌法空间相关性重新组合的降水集合预报,捕捉洪峰出现时间和流量的能力更强。对洪水概率预报来说,降水概率预报更能达到对未来的水文事件进行最大可能估计的目的,并尽可能综合了降水预报不确定性因素,同时也说明维持变量原有的空间相关特征对于降水概率预报具有重要意义。     

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。     

基于最优概率的中期延伸期过程累计降水量分级订正预报

采用ECMWF集合预报降水量资料和中国降水量观测资料,研发了基于最优概率的过程累计降水量分级订正预报(OPPF)技术,并在遵循总体技术思路的基础上设计出三种不同的OPPF计算方案(OPPF1、OPPF2、OPPF3),继而选用2015—2017年汛期(5—9月)中国91次区域性强降水过程进行回报试验和预报效果对比评估,结果表明:(1)在中期延伸期预报时效(96~360小时),对强降水和有无降水的预报效果,三种OPPF均明显优于集合平均(EMPF)和控制预报(CTPF);对中等以上或较强以上强度降水的预报效果,OPPF1和OPPF3明显优于CTPF、与EMPF基本接近。(2)三种OPPF相比,OPPF3的预报效果较OPPF1总体略胜一筹,两者均好于OPPF2。(3)预报效果存在明显的地域差异,南方地区强降水预报的TS评分明显大于北方地区,且OPPF3预报效果明显优于EMPF;在96~240小时预报时效,东北地区东部OPPF3强降水的预报效果也明显好于EMPF。      

最优TS评分方法在逐时降水订正中的初步应用及评估

使用2020年3—9月逐时更新的CMA广东短临3 km数值模式(CMA-GD(R3)模式)1～12 h逐小时降水量资料,利用最优TS评分订正方法(OTS)对逐小时降水量进行分级订正,并分别从整体和分类型降水过程预报订正效果进行了检验和对比评估。结果表明：从整体预报订正性能来看,通过OTS方法对CMA-GD(R3)模式订正后,对于≥1 mm/h及以上量级的降水,OTS均有较好的订正能力,并且随着雨强的增加,其TS评分的改善比率越大;同时,OTS可有效减少各个预报时效的漏报率和空报率,其中漏报率减小更加明显,表现出明显的湿偏差(空报偏多)。从三类暴雨过程逐时降水预报订正效果来看,通过OTS订正之后,对于≥1 mm/h的降水,OTS对三类暴雨类型均有正的订正能力。其中在0.1 mm、1 mm、10 mm、20 mm、35 mm、50 mm 6个量级上,季风型的逐时降水预报表现最好,6个量级的TS评分值分别为0.403、0.232、0.053、0.023、0.009和0.004;在5 mm量级上锋面型的逐时降水预报表现最优,其TS值为0.102。从改善效果来看,经过OTS订正后,在1 mm量级...     

快速更新循环同化预报系统的汛期试验与分析

为了支持短时临近预报,利用新一代数值预报技术,结合高时空分辨的新一代探测所提供的观测信息,开发了基于快速更新循环同化的数值预报系统。基于GRAPES预报模式及其三维变分,开发了逐时循环同化,包括雷达、卫星、飞机、常规地面和探空等观测资料的同化模块,并采用nudging技术,引入雷达回波,订正模式的初始云水、雨水等信息,实现快速更新预报。多种测试和汛期连续试验表明,系统运行稳定可靠。逐时同化场合理,与实况基本一致。通过1个月的滚动预报综合分析和个例预报分析均表明,预报稳定有效,与观测分布基本一致,初步具备开展短时临近预报的能力。     

DEVELOPMENT AND ASSESSMENT OF QUANTITATIVE PRECIPITATION ESTIMATION ALGORITHMS FOR S-, C-, AND X-BAND DUAL-POLARIZATION RADARS BASED ON DISDROMETER DATA FROM THREE REGIONS OF CHINA

The accuracy of quantitative precipitation estimation (QPE) for dual-polarization radars can be improved by using a localized rainfall estimation algorithm derived from the raindrop size distribution (DSD). In the present study, DSDs observed at Suzhou City, Jiangsu province; Yangjiang City, Guangdong province; and Naqu City, Tibet are analyzed during the rainy season together with the corresponding polarimetric variables for the above three regions. Most importantly, these DSD data are used to develop optimal “synthetic” QPE algorithms for S-, C-, and X-band dual-polarization radars, which will be built or upgraded in the three regions. Meanwhile, a new piecewise fitting method (PFM) is proposed. It has been found that the number concentration N(D) of small raindrops (D<1mm) is the highest in Suzhou, while that of larger raindrops (D>1mm) is the highest in Yangjiang. The characteristics of the differential reflectivity (ZDR) and specific differential phase (KDP) are significantly different in the three locations, suggesting that different rainfall estimators are needed for different locations. Further performance assessment of the QPE based on DSD data indicates that the PFM QPE algorithm (LDSD) performs better than the conventional fitting method (CFM), and the localized QPE algorithm can improve the QPE accuracy. Observations from S-band dual-polarization radars and rain gauges in the Southern China Monsoon Rainfall Experiment are implemented to verify the performances of the QPE algorithms proposed in the present study. It is found that compared with non-localized algorithms, the localized LDSD algorithm yields the best results with at least 7.66% and 8.43% reductions in the RMSE and NE, respectively, which implies that while polarimetric variables can reflect DSD characteristics, the localized QPE algorithm remains necessary.