基于“配料”的梅雨锋强降水预报方法

在梅雨锋暴雨预报中应用“配料法”，通过降水量的基本公式解释了强降水形成的基本配料，给出了建立配料的基本步骤，同时，通过一次暴雨个例分析，具体阐述了“配料法”在梅雨锋暴雨预报中的应用。结果表明，基于暴雨等强对流天气形成物理机理认识的基础上，所选取的可降水量等动力、热力因子与暴雨有着较好的对应关系，通过分析以上关键物理因子建立的过程，可以给出暴雨潜势预报。     

登陆台风短时定量降水预报方法初探

利用登陆台风的GMS-5 IR1 TBB资料及地面自动站逐时雨量资料,初步建立了适用于登陆台风的定量降水估计(QPE)方法,基于QPE结果,采用外推法,初步实现了对登陆台风未来0~3 h的短时定量降水预报(QPF)。应用于0104号登陆台风“尤特”和0414号登陆台风“云娜”两个例表明:对单站逐小时雨量定量预报而言,如果50%相对误差可以接受,01、、23、h的QPF准确率分别达20%~70%、30%~80%、30%~70%、20%~60%;对于单站过程雨量定量预报而言,如果50%相对误差可以接受,0、1、2、3 h的QPF准确率基本都达60%~80%;对未来0~3 h的面雨量也具有一定定量预报能力。0~3 h QPF结果对实际短时登陆台风降水业务预报工作具有一定的参考价值。     

区域降水数值预报产品人工神经网络释用预报研究

利用T213、日本细网格降水预报等数值预报产品,采用人工神经网络方法进行预报释用。通过聚类分析方法对广西自治区测站进行分类,简化预报对象,对数量众多的T213数值预报产品采用自然正交分解(EOF)方法,浓缩大量因子的有效信息,并结合日本降水预报因子建立广西5~6月区域降水量级的逐日人工神经网络预报模型。运用与实际业务预报相同的方法进行逐日预报试验。结果表明,用这种数值预报产品释用方法建立广西3个预报区域的B-P人工神经网络预报模型对中雨以上降水量级预报的TS评分分别为0.55、0.5和0.26,比目前业务预报中参考使用的T213和日本数值预报产品降水预报具有更好的预报效果。     

广西暴雨卫星云图与热带流场变化综合预报方法

利用卫星云图资料结合热带风场的变化,采用分级客观定量的计算方法,得到影响关键区内的云系像素值大小和云顶亮温。同时,结合该关键区内热带风场的变化,对云系是否影响广西进行预测,判断其对暴雨范围、强度、持续时间的影响程度,从而作出暴雨过程的预报。经过对1996~2002年4~9月169例暴雨个例的资料统计分析表明:在广西大范围暴雨过程中80%的云系叠加在西南风急流之上。云顶亮温在-70℃以下的云系像素值达到500时,就有大范围暴雨天气过程的可能。此结果应用到日常预报业务中,对提高暴雨预报准确率有较大帮助。     

松花江干流（哈尔滨段）春季最低水位预测方法

利用1949~2003年松花江(哈尔滨段)最低水位资料,分析松花江干流(哈尔滨段)春季最低水位变化规律和典型枯水年成因,分析了其与松花江、嫩江等松花江流域面雨量的相关性,与拉尼娜、厄尔尼诺、太阳黑子等的关系。以松花江、嫩江、第二松花江流域7~11月面雨量总和及前一年松花江干流(哈尔滨段)最高水位为因子,预测2004~2013年松花江干流(哈尔滨段)最低水位。利用方差周期方法、均生函数方法对2004~2013年拉尼娜、厄尔尼诺、太阳黑子及松花江、嫩江、第二松花江流域月面雨量进行预测,并以此预测对2004~2013年松花江干流(哈尔滨段)最低水位进行订正,得出预测结论。     

河北省冬麦区土壤水分监测预测系统及其应用

河北省冬小麦生育阶段正值少雨时期,一般年份只有在灌溉的情况下才能满足小麦生长发育的需求,麦区土壤水分实时监测预测对于灌溉决策十分重要。在冬小麦单站多层次土壤水分动态模型(VSMB模型)的基础上,根据河北省麦区从南到北冬小麦发育期和土壤类型的不同进行参数调整和修正,并对数据库进行设计,形成河北省整个冬麦区麦田土壤水分监测预测系统(RSM-MFS)。文中介绍了该系统的基本原理和功能,并对实际应用进行了效果分析。从近年在河北省冬麦区土壤水分的监测预测结果来看,监测相对误差在10%左右,风险预测相对误差在20%左右。     

黔东南暴雨气候特征及其地形影响

利用1960~2000年贵州省黔东南地区降水观测资料,统计分析黔东南地区暴雨时空分布特征,进一步揭示其活动规律及主要影响因素。结果表明:黔东南地区暴雨有显著年代际变化特征,存在准15年的周期变化,并与贵州降水和长江中下游降水呈同位相;存在两个暴雨多发中心,夜间暴雨较多。黔东南暴雨地域分布极为复杂,局地性暴雨较多,这与黔东南特殊地形有着密切关系,地形因素是影响黔东南地区暴雨的重要原因,对形成上述特征的气候学成因做了初步讨论。     

江苏省最大日降水量时空分布特征及其统计拟合

本文根据江苏省内60个观测站1961~2000年的逐日降水资料,分析省域日最大降水的空间分布特征及年度变化,建立了省内日最大降水的概率分布模式,从而推算分析出现大降水的概率。研究结果表明皮尔逊Ⅲ型概率分布模式能够较好的拟合大暴雨的分布特征。     

第三代浅水波浪数值预报模式及其在黄渤海域的应用

本文在简单介绍了第三代浅水波浪数值预报SWAN模式的概念、特点、原理等的基础上,着重介绍Mm5模式对风场的模拟,以及利用模拟结果作为SWAN模式中的风场资料,对大连沿海及黄渤海域(36~41°N,117.5~125.5°E)的浪高进行预报。     

多模式温度集成预报

基于中国国家气象中心T213模式、德国气象局业务模式和日本气象厅业务模式2 m高温度预报, 利用神经网络方法中的BP网络建立了我国600多个站的温度集成预报系统, 该预报系统的预报时效为72 h, 间隔为3 h。通过对2004年1—5月的预报结果检验, 表明:集成的温度预报结果明显优于3个模式单独的预报结果, 72 h内预报的平均绝对误差在3 ℃以内, 并且不存在明显的系统误差, 预报达到了一定的精度, 可以为预报员提供定时、定点精细的客观温度预报参考。分区的检验结果表明:不同区域预报误差存在差别, 新疆和西藏误差比较大, 而长江流域和华南地区误差很小, 并且不同区域系统误差的情况也不相同。从总体情况看, 预报误差还存在日变化, 一般来讲, 夜间的预报误差小于白天。