基于目标对象检验法的四川省两种数值模式暴雨预报对比分析

根据2021年四川省31次暴雨过程预报偏差检验,选取ECMWF预报雨带明显偏西、CMA-MESO预报较好的3次个例,基于目标对象检验法对强降水落区(≥25 mm)从位置偏差、面积偏差、雨带走向和降水强度4个方面对两模式的预报偏差特征和主要原因进行对比分析。结果表明：ECMWF模式降水落区预报较实况偏西偏北,且偏西偏差距离(59.06～123.67 km)显著大于偏北偏差距离(8.23～53.59 km),而CMA-MESO模式雨带走向和位置预报与实况更为接近。两模式降水面积预报均大于实况,ECMWF模式较实况偏大7.0%～34.3%,CMA-MESO模式偏大25.2%～45.9%。两模式降水量平均值预报与实况偏差幅度为-3.5%～20.0%,但降水量极值预报较实况偏差较大,偏差幅度为50.1%～196.9%。检验分析表明,出现在副热带高压边缘,受高原涡或西南涡影响的四川暴雨过程,在ECMWF模式预报强降水落区(≥25 mm)偏西的情况下,CMA-MESO模式可以提供订正参考。     

基于CRA空间检验技术的西南地区东部强降水EC模式预报误差分析

CRA(contiguous rain area)空间检验技术是将连续雨区作为目标进行检验。通过设定降水量阈值,识别、分离及平移降水目标,将预报偏差分解为落区、强度和形态误差,该方法可避免传统TS评分的双惩罚效应。利用CRA空间检验技术对2011—2014年5—9月西南地区东部EC细网格模式36 h预报时效119个降水目标的预报误差进行分析,并按照环流形势和影响系统对强降水个例进行分型,分为西南地区东部低涡切变型、西南地区东部-江淮切变型、南风型,分别对上述三类不同类型强降水个例的落区和强度误差进行了对比。得到如下结论:西南地区东部降水预报形态误差占比最大,为60%左右,其次是落区误差,为30%左右,强度误差最小,约为10%;落区平均偏西0.7°,经向偏差不明显;模式对于水平尺度较小的降水目标漏报可能性较大,而对于天气尺度降水目标模式预报面积偏大,总降水量偏大,雨强偏小;西南地区东部低涡切变型和西南地区东部-江淮切变型降水强度预报误差类似,模式预报雨区面积均偏大,降水尺度越大,偏大的概率越大,实况平均降水强度越强,模式预报强度越偏弱;南风型预报强降水面积和平均强度均偏弱,出现漏报的概率较大;而对于最大降水量,三种类型模式预报的最强降水均较实况偏弱;西南地区东部低涡切变型模式预报落区偏西,江淮至西南地区东部切变型模式预报落区偏西偏北,南风型模式预报落区偏西偏南。     

一种定量降水预报误差检验技术及其应用

面向对象检验技术是定量降水预报误差分析方法之一,通过对某一降水过程进行分离,实现对其落区、量级等预报误差的定量化分析。基于面向对象的检验方法和天气系统识别技术,本文利用实况观测资料、ECMWF全球数值模式产品,以2012年汛期西南地区5个典型强降水天气过程作为检验对象,对其降水及天气尺度影响系统1～10 d模式预报误差进行了定量化分析。分析表明:在中短期时效内,模式均对西南地区雨带位置预报偏北、偏西,中期时效内偏差更显著,雨带主轴上70%以上的点预报较实况偏北在2°以内,偏西约3°以内;预报的大雨及以上量级降水量较实况偏弱;模式1～2 d预报的极值分布与实况较为接近,随着预报时效延长,预报的极值较实况明显偏小;模式预报的小雨及以下量级的降水范围较实况偏大,对大雨以上量级的降水范围较实况明显偏小。对于四川盆地而言,预报的切变线较零场偏西0.5°～3°。低空急流预报偏西0.5°～1.5°;低空急流强度预报偏差具有季节差异。     

基于ECMWF模式的江西及周边地区锋面暴雨预报检验和订正

利用全国降水资料（包括江西加密降水资料）、探空资料、ECMWF模式72—24 h降水和形势预报资料,采用天气学检验、SAL定量降水预报检验等方法,对2017—2019年江西及附近地区锋面暴雨的实况和模式产品进行检验分析,检验主要影响天气系统预报效果,得出ECMWF模式降水预报误差分布特征及原因,并对模式的暴雨预报进行订正。结果表明：ECMWF模式对2017—2019年锋面暴雨过程预报较实况大多偏北,落区预报误差主要源于大尺度降水。从锋面暴雨三种SAL分析误差可见,落区预报较实况大多偏北,暴雨过程强度多数较实况偏弱,结构较实况偏小。对误差较大个例的分析得出两点订正思路：1） 锋区南侧有较明显动力热力对流发展的弱锋区暴雨,暴雨落区可订正至925 hPa锋区南侧高温高湿区。2） 较强锋面暴雨,当中低层切变辐合抬升区重叠时,暴雨落区可向925 hPa锋区位置调整,暴雨通常不易出现在锋区北侧冷区。     

成都区域气象中心高低分辨率η模式降水预报检验分析

利用成都区域气象中心η坐标模式,对2002年汛期及主要降水过程进行了η坐标模式降水预报检验,对典型个例进行了详细的分析.结果表明:模式对夏季区域性过程有较强的预报能力,模式预报雨量中心强度有50%与实况相差小于25毫米.模式对晴雨预报有较好的指导意义,对降水强度的预报通常偏弱,对落区的预报位置易偏西、偏北.模式易漏报不易空报,当模式预报有较大量级的降水时,实况出现的概率很大,但要注意落区的位置.高分辨率模式在降水中心强度的预报较低分辨率模式接近实况,低分辨率模式在降水落区和中心位置预报上较接近实况.     

成都区域气象中心高低分辨率η模式降水预报检验分析

利用成都区域气象中心η坐标模式，对2002年汛期及主要降水过程进行了η坐标模式降水预报检验，对典型个例进行了详细的分析。结果表明：模式对夏季区域性过程有较强的预报能力，模式预报雨量中心强度有50％与实况相差小于25毫米。模式对晴雨预报有较好的指导意义，对降水强度的预报通常偏弱，对落区的预报位置易偏西、偏北。模式易漏报不易空报，当模式预报有较大量级的降水时，实况出现的概率很大，但要注意落区的位置。高分辨率模式在降水中心强度的预报较低分辨率模式接近实况，低分辨率模式在降水落区和中心位置预报上较接近实况。     

智能网格SCMOC及多模式降水预报对比

以三源融合网格实况降水分析资料CMPAS为参照,基于二分法经典检验、预报评分综合图和面向对象MODE检验等方法,对比分析2021年智能网格预报SCMOC以及ECMWF全球、CMA-Meso中尺度模式在秦岭及周边地区的降水预报表现,主要结论如下：1)ECMWF能够很好地刻画日平均降水量、日降水量标准差以及地形影响下降水量、降水频次的空间分布特征,但对于0.1 mm以上量级的降水预报频次远高于观测,暴雨预报频次低于观测,SCMOC、CMA-Meso日降水量大于等于0.1 mm的降水频次和暴雨频次预报更好;SCMOC不足在于降水的空间精细分布特征描述能力相对较弱。2)ECMWF预报的大于等于0.1 mm降水频次日峰值出现时间整体较观测偏早3 h左右,CMA-Meso、SCMOC与观测总体吻合较好。3)三种产品24 h降水量大于等于0.1 mm的TS(Threat Score)评分数值上基本一致,但降水预报表现的特征显著不同,SCMOC成功率高、命中率低,漏报多、空报少,ECMWF、CMA-Meso则相反;24 h、3 h大雨以上量级降水SCMOC的TS评分、成功率、命中率一致优于其他两种产品...     

基于降水目标的主雨带识别及预报误差空间检验

利用2014—2018年4—6月福建省及周边地区实测降水量和ECMWF模式降水量预报产品资料,采用目标识别方法,设定降水量阈值α,选取合适的特征尺度D₀和邻近度阈值β,分别识别实况降水场的主雨带和预报降水场的所有雨带,并选取匹配度阈值进行目标配对,确定与实况降水场主雨带最匹配的预报降水场主雨带。改进SAL空间检验方法,将模式主雨带预报误差用主雨带的强度（指降水极值和降水量阈值）、位置（指重心点位置）、形态（指主轴、次轴特征长度和轴向角度）属性的预报误差来表示。结果表明：预报主雨带的降水极值比实况小,但降水量阈值比实况大;预报主雨带的重心点位置与实况相比,4月偏西、偏南,5月、6月偏西、偏北,预报主雨带的重心位置多是滞后于实况,位于实况主雨带的上游;主雨带大都呈窄长带状分布,预报主雨带比实况更窄长,且预报时效越长越窄长。预报主雨带轴向角度比实况略小,总体均呈东偏北走向。以上分析结果可为模式主雨带预报误差的订正提供依据。     

“21·7”河南极端暴雨多模式预报性能综合评估

采用CRA、邻域TS评分、FSS等多种空间检验方法,对多个不同尺度业务数值模式在“21·7”河南极端暴雨过程中的预报性能进行了综合检验评估,并从低空急流、水汽辐合和热力条件等方面对模式偏差原因进行诊断分析。结果表明:1)在24 h大暴雨降水位置预报偏差上,WARMS预报性能最优,GRAPES_3 km次优;大暴雨降水预报范围与实况相当时,RMAPS降水强度预报较实况明显偏强,且落区较实况出现持续偏西的特征;2) GRAPES_3 km和WARMS预报3 h累积降水的位置偏差更多表现在经向方向上,且离散度较大,但在更临近预报时效经向偏差明显减小,而纬向偏差则随预报时效变化较小;RMAPS的位置偏差主要表现在纬向方向上,19—21日分别有86.7％、91.3％、72.7％的降水个体预报偏西;3) WARMS对低空急流和水汽辐合预报偏弱导致其对19—20日降水强度估计不足,EC和RMAPS对19—20日低空急流预报明显偏西是导致降水落区位置存在偏差的主要原因;MESO对20日急流和水汽辐合发生时间及位置预报较好,但明显偏弱的热力条件导致其缺乏对极端强降水的预报能力;4)21日,MESO和RMAPS预报低空急流过多的偏东分量导致其在太行山陡峭地形处预报了偏强的地形增幅降水;EC和WARMS预报低空急流风向更接近实况,但对低层水汽辐合强度和时间的预报偏差导致预报降水个体出现了较明显的经向位置偏差。     

辽宁区域性大暴雨成因分析及多模式数值预报空间检验

利用三源融合格点降水实况、加密自动站观测资料、雷达基本反射率因子、高分辨率数值预报产品及FNL再分析资料, 对2020年汛期辽宁地区12次区域性暴雨过程进行天气系统分型检验表明, 气旋型暴雨模式的可预报性较低。选取2021年7月12—14日辽宁地区典型气旋型暴雨过程进一步分析, 采用面向对象目标的空间检验方法SAL, 结合传统检验方法, 从结构、强度和位置三个方面定量分析不同模式预报偏差的原因。结果表明: 暴雨落区集中且呈双雨带分布, 局地雨强大, 辽宁东、西部降水成因不同。CMA区域模式较全球模式暴雨TS评分高; SAL空间检验表明, CMA区域模式对于雨带内部结构把握较好, 全球模式结构误差主要来源于降水极值预报不足; 强度检验表明, CMA-MESO3km强度接近实况, EC_THIN次之, CMA_GFS的降水强度预报较差; 各模式暴雨落区基本可信, CMA-MESO3km最优, 暴雨落区的误差主要由于模式预报降水过程主体重心与实况的偏差较大所致。     

基于CMIP6的西南暴雨洪涝灾害风险未来预估

为预估全球变暖背景下中国西南地区未来暴雨洪涝灾害风险的变化特征,研究挑选5个CMIP6模式和5个极端降水指数,结合地形因子、社会经济数据和耕地面积百分比,构建暴雨洪涝灾害风险评估模型,对西南暴雨洪涝灾害风险进行基准期(1995-2014年)评估、未来两个时期(2021-2040年,2041-2060年)3种情景(SSP...     

多模式降水资料在贵州的检验分析

本文检验了2020年3月至2021年2月ECMWF和GRAPES以及中央台格点产品（以下简称SCMOC）和省台格点产品（以下简称SPCC）4家降水预报产品逐24h未来5天在贵州的预报质量,结论如下：（1）ECMWF和SCMOC与实况的相关系数最高,SCMOC和SPCC预报降水的变化幅度较观测偏大,而GRAPES预报降水的变化幅度较观测则是明显偏小。（2）SCMOC的晴雨准确率最高,除在72h预报时效SPCC的准确率略高于SCMOC外,其余预报时效SPCC准确率均低于SCMOC,表明SPCC的订正能力需要进一步提升。（3）在小雨量级,4种降水预报产品的TS评分相差不大,ECMWF和GRAPES的ETS评分明显低于SCMOC和SPCC,其中GRAPES的TS评分在5个预报时效内均高于ECMWF。在中雨量级,前3个预报时效内ECMWF的TS和ETS评分均高于其他三家,ECMWF在5个预报时效内预报有降水的次数大于实况出现的降水次数,但空报次数并不是最多的,在后2个预报时效内,SCMOC的TS和ETS评分均是最高的,但与其他家相差不大。在大雨量级,24h和96h预报时效ECMWF的TS和ETS评分均是最高的,而在48h、72h、120h预报时效SCMOC的TS和ETS评分是最高的。在暴雨及以上量级,前3个时效内SPCC 的TS和ETS评分均是最高,且48h的TS评分空间分布也是最优的,表明SPCC对暴雨及以上量级在前3个预报时效内订正能力较好。     

新疆南疆暴雨洪涝灾害风险区划

利用2010—2020年南疆气象观测逐小时降水及各县暴雨洪涝灾情数据，将灾损指标按百分位法划分为4个等级。基于GIS技术的自然断点法，从暴雨事件和孕灾环境方面，将暴雨洪涝灾害危险性等级划分为低、中低、中高、高4级。结果表明：受灾人口特重区域在和田地区洛浦县、墨玉县和于田县；直接经济损失特重在和静县、沙雅县、乌什县；农作物受灾特重在阿克苏地区沙雅县、喀什地区英吉沙县和岳普湖县。6 h、12 h、24 h最大降水量可作为南疆暴雨洪涝灾害的气象致灾因子，北部高于南部，西部高于东部，山区高于平原；暴雨洪涝灾害风险高区主要集中在和田地区于田县南部山区、阿克苏地区西部北部山区、喀什地区泽普县、巴州北部轮台县山区。     

基于CRA技术的华南前汛期强降水EC模式预报误差分析

利用CRA空间检验技术对ECMWF模式36 h时效预报的2016-2018年华南前汛期(4-6月)69个降水目标进行了检验及误差统计分析,并将预报落区偏差相似个例的环流形势及天气尺度影响系统进行了分析.(1)87％的强降水目标存在明显落区预报偏差,最大偏差为2.75 °.偏差以经向偏差为主,其中偏北的目标多于偏南的目标...     

“98.6”闽北罕见持续性暴雨的环流特征和预报

分析指出“９８．６”暴雨之所以超历史记录,是由于持续性暴雨环流特征值超历史记录造成的;闽北特大洪灾是长江流域及江南特大洪灾的组成部分,往往同年发生,以“９８．６”暴雨预报成功为例,为今后预报大暴雨造成的特大洪灾提供预报思路。     

东津河流域暴雨洪涝灾害风险区划

本文从暴雨致灾机理出发,以东津河流域为例,开展中小河流域暴雨洪涝灾害风险区划技术研究。根据气象资料、水文资料、地理信息资料、社会经济统计资料以及历史灾情资料等,运用TOPMODEL水文模型并结合统计法确定致洪临界面雨量,利用逐步回归法重建区域站资料序列,基于广义极值分布函数计算出不同重现期的致洪面雨量,根据流域内小时降水雨型分布,将不同重现期致洪面雨量以及叠加堤坝信息的DEM、manning系数等数据代人Flood Area模型进行洪水淹没模拟,得到不同重现期下洪水淹没图,再叠加流域内栅格化的人口、GDP以及土地利用信息,最终得到不同重现期下人口、GDP以及土地利用等风险区划图谱。建立的中小河流域暴雨洪涝灾害风险区划技术方法简便可行,区划结果精度高、实用性强,对于面向实时防灾减灾的动态灾害风险管理具有重要意义。     

1961-2019年新疆暴雨山洪灾害损失的时空变化特征

利用1961—2019年新疆86县(市)暴雨山洪灾害的5个灾情要素数据(死亡人数、倒塌房屋数、倒塌棚圈数、牲畜死亡数量、农作物受灾面积),采用比值权重法和无量纲化线性求和方法构建暴雨山洪灾害灾损指数,根据灾损指数的不同阈值范围将暴雨山洪灾害定量划分等级,并分析其时空分布特征。结果表明:(1)新疆暴雨山洪灾害主要出现在伊犁州、阿克苏地区和喀什地区,其中伊犁州伊宁县、巩留县、霍城县和尼勒克县最重,伊犁州暴雨山洪的致灾危险性与其暴雨日数分布有很好的一致性。(2)新疆暴雨山洪灾害发生具有很强的季节性,在夏季6—8月危害性最大,其中灾害出现次数和死亡人数均在7月最多(与降水相关性最大)。(3)近59 a来新疆暴雨山洪灾害的强度呈上升趋势,年灾损指数随时间呈线性增长趋势,暴雨山洪灾害的强度在20世纪80年代中期明显增加,其年际变化与3—10月降水量、大雨日数、暴雨日数密切相关。     

唐山市农业洪涝灾害面积与暴雨关系分析

利用唐山市统计局1985—2014年各县逐年播种面积和农业洪涝受灾面积数据资料、唐山地区11个县市气象站逐日降水资料,采用趋势分析、多项式统计回归等方法,对唐山地区农业洪涝灾害时空特征及与暴雨的关系进行分析。结果表明：唐山洪灾面积总体呈微弱的下降趋势,但不显著,与年暴雨日数变化趋势一致。各县域的洪灾以轻到中度为主,占洪灾的80%—100%。唐山地区洪灾与年暴雨量有关（R = 0.78）,但不显著,受灾面积与年暴雨日数显著相关（R = 0.83,P < 0.01）。中等以上洪灾年的暴雨平均暴雨日数为4—6 d、80%县站大暴雨日数为0.7—1.5 d、60%暴雨累积量在300 mm以上。区域种植结构、地形地势、水系河流分布等因素也是导致洪灾的一个重要方面。     

基于频率匹配法的江西省ECMWF降水预报订正研究

利用2016—2019年ECMWF（European Centre for Medium-Range Weather Forecasts）降水预报资料和江西省93个国家气象站降水资料,基于频率匹配法进行降水偏差订正,采用4种方法统计降水频率对降水预报进行订正试验（不分区试验）,根据江西省汛期暴雨气候特征对汛期降水进行分区订正试验,并对典型强降水个例进行分析。结果表明: 频率匹配法降低了模式预报小雨的空报率和大雨、暴雨的漏报率,预报技巧改进明显。在4种降水频率统计方法中,准对称滑动平均法效果最好。分区试验对强降水的订正效果优于不分区试验,该试验对模式预报正技巧暴雨过程的订正能力大于无技巧过程。对于模式预报效果差（TS=0）、一般（0 < TS < 0.2）、好（TS≥0.2）的暴雨过程,分区试验改善的概率分别为40.8%、89.1%和65.3%。频率匹配分区订正后强降水面积更加接近实况,但强降水落区不能得到明显的改善。订正方法对模式预报强降水形态、位置与实况较接近的过程,效果较好。