基于改进型前馈神经网络的流域产流预报模型的研究

在分析流域产流机制、影响因素和现行产流计算方法的基础上,首次取前期影响雨量、主产流历时、全过程面平均雨量和４个代表雨强计７个因子作为神经网络输入,直接以流域产流深作为神经网络输出,并针对传统ＢＰ算法的固有缺陷,采用混合ＧＮ－ＢＦＧＳ算法训练网络。实例验证了所建模型及算法的有效性和可行性。还对神经网络隐层单位数等进行了初步研究。     

武汉市日供水量与气象要素的相关分析

利用武汉市逐日供水量资料与温度、降水、日照等气象要素进行同步相关分析,选取相关性较高的气温作为预报因子,建立了日供水量的简易预测模型。     

夏季亚洲对流层中上层温度年际变率的预测水平评估及其在我国东部降水预测中的应用

夏季亚洲对流层温度异常与中国东部夏季降水紧密相关并可能作为降水的有效预报因子。基于欧盟ENSEMBLES计划的季节预测试验耦合模式每年5月1日开始的回报试验，分析了其对1960～2005年夏季亚洲对流层中上层温度（以200～500 hPa厚度替代，简称对流层温度）年际变率的预测结果，发现模式集合平均对夏季亚洲对流层温度年际变率具有较高的预报技巧，可以合理回报其前两个EOF（Empirical Orthogonal Function）主导模态（EOF1、EOF2），只是未能回报出EOF2高纬度的温度异常，模式集合平均预测的第一模态主成分（PC1）和第二模态主成分（PC2）与再分析资料的时间相关系数分别达到0.63和0.77。再分析资料中前两个EOF模态分别由ENSO（El Ni?o–Southern Oscillation）发展年印度夏季降水异常所激发的丝绸之路遥相关波列和ENSO衰减年西北太平洋夏季降水异常对应的太平洋—日本遥相关波列导致。ENSEMBLES计划可以合理预测出相应的海温异常及遥相关波列，进而合理预测出前两个EOF模态。对流层温度PC1和PC2分别表征了欧亚大陆与周围海洋之间的纬向和经向热力对比异常，模式对由PC1的预报技巧远高于前人定义的纬向热力对比的东亚夏季风指数，对前人定义的经向热力对比指数的预测技巧与PC2相当。将PC1和前人定义的经向热力对比指数作为预报因子，建立了中国夏季降水的动力—统计降尺度预测模型，交叉检验的结果表明该预报模型显著提高了东北和长江流域上游夏季降水的预报技巧。本文提出的亚洲对流层温度年际变率的EOF1及PC1，既能较好表征纬向热力对比与中国东部夏季降水显著相关，又能被模式合理预测，可以作为我国中高纬度地区，特别是东北地区降水的重要预测因子之一。     

一种新的城市SO2污染统计预报方法及其应用

针对目前采用的统计方法存在的不足, 即在选择预报因子时没有考虑预报因子之间的相关性, 挑选的预报因子由于非正交, 使回归计算的结果不稳定, 给计算带来一定的误差。该文提出把一元线性回归分析、自然正交函数 (EOF) 和逐步回归方法结合起来, 从而得到一种新的建立统计预报模型的方法。以西安市采暖期和夏季SO₂日均浓度为预报对象, 使用该方法建立预报模型。拟合及预报试验表明, 这些预报模型不但可以很好地拟合变化趋势, 而且还能作出较准确的预报, 采暖期预报的级别命中率为72.5 %, 夏季级别预报命中率为100%。通过对比试验, 此方法优于目前常用的逐步回归方法, 具有很好的应用前景。     

Experiments with the Improved Dynamical-Statistical-Analog Ensemble Forecast Model for Landfalling Typhoon Precipitation over South China

In recent work, three physical factors of the Dynamical-Statistical-Analog Ensemble Forecast Model for Landfalling Typhoon Precipitation (DSAEF_LTP model) have been introduced, namely, tropical cyclone (TC) track, TC landfall season, and TC intensity. In the present study, we set out to test the forecasting performance of the improved model with new similarity regions and ensemble forecast schemes added. Four experiments associated with the prediction of accumulated precipitation were conducted based on 47 landfalling TCs that occurred over South China during 2004-2018. The first experiment was designed as the DSAEF_LTP model with TC track, TC landfall season, and intensity (DSAEF_LTP-1). The other three experiments were based on the first experiment, but with new ensemble forecast schemes added (DSAEF_LTP-2), new similarity regions added (DSAEF_LTP-3), and both added (DSAEF_LTP- 4), respectively. Results showed that, after new similarity regions added into the model (DSAEF_LTP-3), the forecasting performance of the DSAEF_LTP model for heavy rainfall (accumulated precipitation ≥250 mm and ≥100 mm) improved, and the sum of the threat score (TS250 + TS100) increased by 4.44%. Although the forecasting performance of DSAEF_LTP-2 was the same as that of DSAEF_LTP-1, the forecasting performance was significantly improved and better than that of DSAEF_LTP-3 when the new ensemble schemes and similarity regions were added simultaneously (DSAEF_LTP-4), with the TS increasing by 25.36%. Moreover, the forecasting performance of the four experiments was compared with four operational numerical weather prediction models, and the comparison indicated that the DSAEF_LTP model showed advantages in predicting heavy rainfall. Finally, some issues associated with the experimental results and future improvements of the DSAEF_LTP model were discussed.     

北京雷暴大风气候特征及短时临近预报方法

北京地区雷暴大风的预报准确率低而且时效短.为了提高对这种灾害性天气的预警能力,在气候统计的基础上,研究了潜势预报方法和临近预报算法.对1998-2007年134个雷暴大风过程的统计结果表明,北京地区绝大多数的雷暴大风具有下击暴流特征,而且冰雹的落区附近也是大风的爆发区之一.因此,负浮力的作用和对冰雹具有指示性意义的因子是研究雷暴大风预报方法应主要考虑的因素.500hPa环流背景分析表明,尽管绝大多数雷暴大风爆发时对流层中层有干空气侵入,但是还有少数个例产生在偏南暖湿气流中.目前,对后一类大风产生的机制仍然不清楚.研究表明,当对流层中层有干空气侵入时,有利于雷暴大风出现的环境条件是:下沉气流具有较大的不稳定性,同时对流层低层环境大气的温度直减率较大.此外,还讨论了经验指数--大风指数在北京地区的应用.基于上述的研究,形成了北京地区雷暴大风短时潜势预报方法,还使用相关分析和多元回归分析技术建立了基于雷达观测和环境条件的雷暴大风临近预报方程.个例分析表明,临近预报方程对于飑线和弓形回波等带来的地面大风具有一定的预报能力.     

2006年9—11月T213与ECMWF及日本模式中期预报性能检验

为了验证T213模式秋季中期预报产品的性能与质量,对2006年9-11月T213模式96小时中期数值预报产品进行了天气学检验,并与ECMWF、日本模式96小时预报性能做了对比分析检验.结果表明,T213、ECMWF、日本模式对亚洲中高纬度地区大尺度环流形势演变和重大调整过程的96小时预报能力均较强,因此对重大灾害性天气的预报有较好的指示意义.三种模式相比,ECMWF模式对西风指数、850hPa温度、南支槽东移的预报较为准确;2006年11月4-6日的过程预报以日本模式最为吻合;T213模式对具体影响系统的强度、位置、影响时间的预报还存在一定误差.     

洛阳市城市环境气象监测预报服务研究

利用洛阳市环境监测资料和气象资料,分析了洛阳市污染物浓度的日变化、季节变化、年际变化规律,并分析了污染物浓度与气象因子的关系。在此基础上,通过回归分析预报方法、污染潜势预报方法、CAPPS模式预报方法对洛阳市3种主要污染物的浓度和级别进行了24 h和48 h预测,并建立了气象局与环保部门共享的气象和污染数据库平台,为双方今后的合作奠定了基础。     

基于探空资料因子组合分析方法的冰雹预报

以1978—2007年四川省宜宾探空站200 km范围内共45例降雹事件与非降雹事件作为时间样本,将利用T-lnp探空资料计算表征热力、动力、水汽条件、温度、高度等物理参数作为预报因子,采用因子组合分析方法对3244个预报因子进行筛选,找出影响宜宾探空站附近降雹的预报因子,并计算得到它们的阈值及组合关系,建立了冰雹预报指标判别式。两个主要因子为400 hPa饱和湿静力温度与850 hPa湿静力温度之差 (T_σ400*-T_σ850) 和400 hPa与地面垂直气压梯度之差 (G_z400-G_zsurface),两个条件因子为700 hPa水汽压与饱和水汽压之差 (e₇₀₀-e_s700) 和700 hPa露点温度与饱和湿静力温度之差 (T_d700-T_σ700*)。将2008年全年732例时次的T-lnp探空资料代入判别式进行试报,探测率为84%,空报率为67.7%,成功指数为30.4%,试报结果表明:基于探空资料因子组合分析方法得到的冰雹预报指标判别方法可行,具有一定准确性。     

2011年4月17日广东强对流天气过程分析

利用地面和高空观测、卫星、雷达和闪电及自动站资料对2011年4月1 7日出现在广东省的强对流天气的背景和演变进行了分析和总结,本次强对流过程出现了短时强降水、雷雨大风和冰雹等强对流天气,具有风力强、中尺度强风暴系统明显、局地性强和灾情严重等特点。分析表明,地面锋面抬升是本次强对流天气发生的主要触发机制,珠三角地区的地形平坦、广东中层的干急流以及较大的垂直风切变可能是强风暴系统发展和维持的主要因素。最后,本文也分析了当时的主观预报思路并提出了一些思考和总结。