雷达定量降雪估测方法的设计和订正

从降雪预警业务实际出发,设计了基于最优化法的雷达估测降雪方法,对2007年3月4日特大暴雪过程开展雷达降雪估测试验,并分析估测结果的误差。针对温度变化、雪花末速度、与雷达的距离和计算方法等方面的误差因素制定了3种改进方案。改进后的估测降雪量与实况降雪量的相关系数提高到0.66（超过99%信度检验）,平均相对误差降低至48.74%,对于0.3 mm/h的较弱降雪和5 mm/h以上的强降雪均具有估测能力。其中距离雷达50～100 km的样本估测降雪量与实况降雪量的相关系数达到0.82。在3种改进方案中,考虑降雪末速度影响的改进效果不明显,这可能与本次暴雪过程的回波较均匀有关;按雷达与样本距离分类进行雷达降雪估测的效果最明显,不仅可以增加相似程度,还减小了雷达近距离高估和远距离低估的误差;而算法的改进进一步提高估测精度。本次雷达降雪估测对于1.6～2.5 mm/h的较强降雪和2.6 mm/h以上的强降雪平均相对误差较小,分别为31%和27%,但雷达降雪估测高估了1.5 mm/h以下的降雪而低估2.6 mm/h以上的强降雪。一方面说明雷达回波对于降雪强弱变化不是很敏感,另一方面在业务实际工作中有可能利用这种一致性的误差进行订正,以提高降雪估测精度。      

双分辨率集合卡尔曼滤波同化方案及模拟试验

高分辨率中尺度模式集合卡尔曼滤波实际应用的困难是集合预报会耗费大量的时间。而双分辨率集合卡尔曼滤波是由一组低分辨率样本提供同化所需的背景误差协方差矩阵,这种方法可以减少集合预报的时间。为了检验其有效性,文中利用模拟资料,与标准高分辨率集合卡尔曼滤波方法比较。结果表明：在第一个同化时次,两者对500 hPa水平风场和扰动位温场的分析增量场均与真实增量场的高低值中心位置一致,且结构与真实增量场接近,前者（高分辨率集合卡尔曼滤波）的增量值比后者（双分辨率集合卡尔曼滤波）的增量值更接近真实情况;在连续的预报-同化循环试验中,随着同化次数的增加,两种方法分析变量的均方根误差总体上都是下降的,均表现了很好的同化能力,但后者与前者相比仍存在一定的差距;在相同的运行环境下,后者的运行时间仅是前者的1/6。     

辽宁黑山突发性局地特大暴雨中尺度对流条件和特征

利用常规和加密自动气象站观测资料、卫星和雷达探测资料以及NCEP再分析资料（1°×1°,6h）, 对2013年8 月15-16日辽宁黑山地区特大暴雨的中尺度对流条件和对流系统特征进行探讨。结果表明: 此次强降水由中-β尺度系统引起,短时大暴雨发生在能量舌边缘,地面偏东风和地形强迫抬升作用造成对流单体沿着山脉东侧生成、发展和移动,最终导致持续性对流性强降雨。东北低压冷锋前所激发的中尺度切变和涡旋触发了局地大暴雨。黑山地区上游有两个对流单体生成,向东移动合并影响该地区,移动方向前侧的斜升气流和低质心回波提高了降水效率。     

辽宁两类降雪过程的对比及定量降雪预报指标

利用常规气象观测资料和NCEP1°×1°资料,普查辽宁省最近10 a来区域性暴雪、大雪、中雪天气过程,大致可分为北上水汽型和东北上水汽型两类。从环流背景、水汽和动力条件方面对比分析了2004年12月19日和2002年12月16日两次不同类型的降雪过程,发现北上水汽型降雪过程850 hPa比湿和水汽通量大,水汽条件强,动力条件相对弱;而东北上水汽型的降雪过程850 hPa比湿和水汽通量相对小,但动力抬升和辐合作用强。通过分析10 a来辽宁不同类型5场区域性暴雪、8场区域性大雪、9场区域性中雪的水汽条件和动力条件物理量阈值区间,发现北上水汽型降雪过程850 hPa比湿和水汽通量大于东北上水汽型同级别降雪过程,在降大雪量级时的850 hPa比湿和东北上水汽型暴雪过程相当;东北上水汽型降雪过程的最大螺旋度、850 hPa散度、最大垂直速度和850 hPa急流要强于北上水汽型,而且降雪级别越高差距越明显,其中暴雪量级最大垂直速度、850 hPa急流已经达到产生暴雨的动力条件。     

1960—2009年辽宁区域性暴雪气候特征

利用1960—2009年辽宁58个测站逐日降水资料,分析了区域性暴雪气候变化特征。结果表明：辽宁区域性暴雪主要出现在每年11月下旬至翌年3月15日,2月为最多月。近50 a区域性暴雪过程次数呈上升趋势,并且存在9、5a和3a的周期变化;9a的周期变化信号一直存在,但强度自20世纪60年代末开始增强,70—80年代最强;5 a的周期变化信号自70年代初期开始出现,强度在70年代中期开始增强;3a的变化信号一直存在,强度在70年代中期、80年代最强。区域性暴雪过程次数和暴雪总量自东南部向西北部逐渐减少,空间分布有3个中心,分别为：沈阳—抚顺—本溪一带、鞍山附近和丹东凤城地区。辽宁区域性暴雪落区主要有4种分布,分别为中东部暴雪型、东部暴雪型、南部暴雪型和西部暴雪型。     

基于雷达组网拼图的定量降水反演I—动态Z-I关系法

综合利用辽宁省及周边区域9部多普勒天气雷达组网拼图资料与地面加密自动气象站降水观测资料,通过最优化法,建立适合辽宁本地区的动态Z-I关系,实时得到高时空分辨率雷达定量降水反演资料。结果表明:对2011年台风"米雷"和2012年台风"达维"降水反演表明,动态Z-I关系法可以反演地面降水的主要空间分布特征,但反演的强降水中心存在较大偏差;动态Z-I关系法定量降水反演能力整体优于固定Z-I关系法,但存在高估小雨强度和抑制大雨强度的系统性偏差,特别是对于20.0 mm·h~(-1)以上量级的强降水,平均误差达-10.0 mm以上,平均相对误差超过70.0%;各量级降水样本所占比例的差异与地理区域气候条件的差异,是动态Z-I关系法反演降水产生误差的两个主要原因。     

indows环境下离散点气象要素等值线绘图软件的设计与实现

介绍了用三角网法绘制非规则网格点等值线的基本原理和计算方法及实现过程 ,并以此方法移植开发了Windows平台下离散点等值线绘图软件 ,该软件可在东北地区测站要素等值线绘制中使用。     

2002年辽宁春季透雨环流形势特征分析

针对 2002年春季第一场透雨天气过程 ,利用常规资料 ,分析高空环流形势特征和地面系统演变特征 ,以日本数值预报产品和T213等数值预报产品为依据分析形成透雨的各种物理量场配置 ,并简要介绍透雨预报服务     

2000年7月16日辽河流域暴雨过程分析

使用常规气象资料、GMS - 5卫星云图以及物理量场分布 ,分析 2000年7月16日辽河流域强降水天气过程的中尺度系统形成发展、云团演变特征和环境场条件。揭示辽河流域强降水天气过程环流背景及暴雨成因 ,为区域性暴雨预报提供预报依据     

THE DESIGN AND CORRECTION OF A QUANTITATIVE METHOD OF SNOW ESTIMATE BY RADAR

An optimization method is based to design a snowfall estimate method by radar for operational snow warning, and error estimation is analyzed through a case of heavy snow on March 4, 2007. Three modified schemes are developed for errors caused by temperature changes, snowflake terminal velocity, the distance from the radar and calculation methods. Due to the improvements, the correlation coefficient between the estimated snowfall and the observation is 0.66(exceeding the 99% confidence level), the average relative error is reduced to 48.74%, and the method is able to estimate weak snowfall of 0.3 mm/h and heavy snowfall above 5 mm/h. The correlation coefficient is0.82 between the estimated snowfall from the stations 50 to 100 km from the radar and the observation. The improved effect is weak when the influence of the snowflake terminal velocity is considered in those three improvement programs, which may be related to the uniform echo. The radar estimate of snow, which is classified by the distance between the sample and the radar, has the most obvious effect: it can not only increase the degree of similarity, but also reduce the overestimate and the undervaluation of the error caused by the distance between the sample and the radar.The improved algorithm further improves the accuracy of the estimate. The average relative errors are 31% and 27% for the heavy snowfall of 1.6 to 2.5 mm/h and above 2.6 mm/h, respectively, but the radar overestimates the snowfall under1.5 mm/h and underestimates the snowfall above 2.6 mm/h. Radar echo may not be sensitive to the intensity of snowfall, and the consistency shown by the error can be exploited to revise and improve the estimation accuracy of snow forecast in the operational work.