T213数值预报产品在黑龙江省应用的统计检验

利用统计学方法,选取T213高度场、温度场和地面气压场的12h、24h、36h、48h的格点资料作为样本,与实况值做对比检验,分别计算其相关系数和协方差,以此来说明T213的预报场在黑龙江省区域的准确程度。     

城市雪灾气象等级划分标准的研究

选取累积降雪量、最大日降雪量、连续降雪日数、积雪深度、日最低气温、日最大风速和日最小相对湿度7个气象因子构成城市雪灾气象指数。通过对城市雪灾气象指数的范围划分,得到从低到高的5级城市雪灾气象等级,并给出等级描述及可能影响。     

雷达产品算法及其在预报中的应用

本文主要介绍雷达产品的基本算法,包括风暴单体识别与跟踪算法、冰雹指数算法、风廓线算法以及降水算法,同时指出了根据这些算法得到的产品在天气预报中的应用。     

基于多模式集成冬半年气温预报偏差修正

卡尔曼滤波递减平均方法对模式直接输出的气温预报进行订正,能有效提高预报准确率,但有时会造成显著负订正的现象,使订正预报效果反而不及模式直接输出。利用消除偏差集合平均方法(BREM)选择最优滑动训练期对2019年10月至2020年4月ECMWF预报(EC)、经过卡尔曼滤波递减平均法订正的预报(EC＿COR)及中央台网格指导预报(SCMOC)等3种气温预报在黑龙江省的结果进行集成,并将BREM方法对EC＿COR的修正效果进行评估,结果表明：不同预报结果都表现为冬季和夜间预报的准确率更低,气温偏低的11月至翌年1月更倾向于表现出预报较实况系统性偏高的特点。BREM方法能有效地修正EC＿COR对EC负订正的现象,且可显著高于任何一种参与集成的单一预报效果。可在对单一模式进行卡尔曼滤波递减平均订正的基础上,进一步提升预报质量。另外,利用集成方法对高质量预报产品的融合(不局限于模式直接输出预报或是订正预报)可获取较单一预报更优的预报结果。     

哈尔滨地区冷涡系统产生冰雹的雷达回波特征

对2001-2007年黑龙江省南部地区降雹资料进行综合分析,总结出了降雹的天气类型、物理机制及雷达回波特征,总结了不同降雹类型预报着眼点、配合的降水量及其它灾害天气。     

黑龙江省一次强降水过程的数值模式预报及误差分析

本文利用黑龙江省加密自动站降水观测资料评估了T639、GRAPES全球模式和EC_thin预报资料对2016年8月5-7日黑龙江省一次降水过程的预报效果。结果表明:EC_thin预报的降水较实况明显偏快,T639的降水落区的形态结构与实况一致度较高,尤其对中雨及以上量级降水的分布和走向的预报具有较好的参考意义。三个模式对强降水中心的预报与实况相比明显偏弱,对暴雨以上量级的降水均存在较严重的漏报。预报形势场的对比分析显示,EC_thin预报结果中有关天气系统的移速明显快于其他两个模式的预报结果,对黑龙江省南部槽脊强度的预报一致偏弱;T639与EC_thin的预报稳定性更高;GRAPES高度场的预报存在相对明显的系统性负偏差;三种模式预报的副高范围、强度以及演变趋势都表现出与实况基本一致的特点;此外,T639模式预报的温度场偏差较小,T639预报的风场强度偏弱,GRAPES预报的天气系统不仅强度偏弱,而且较客观分析结果偏南偏东。     

黑龙江省短时暴雨天气分型及雷达回波特征

通过统计黑龙江省2005～2006年260个短时暴雨样本,结合天气图和雷达图进行分析,对黑龙江省短时暴雨分类,并总结出不同天气形势下短时暴雨的雷达回波特征.     

北京冬季PM2.5重污染时段不同尺度环流形势及边界层结构分析

城市重霾污染事件的发生除排放源内在原因之外,气象条件是最直接的客观外因。本文以2013年2月21~28日北京地区典型细颗粒物(即PM2.5)重污染过程为例,基于颗粒物水平和垂直监测数据,常规及加密自动气象站数据和高时间分辨率风廓线数据,分析了重污染过程中不同尺度环流形势以及边界层结构的变化对细颗粒物重度污染形成、累积和消散的影响。结果表明:弱低压场或弱高压场控制下,局地西南风和东南风输送与北部山区偏北风在山前的汇聚,配合边界层低层顺时针方向的风切变,易发生大气中细颗粒物的爆发性增长;而均压场控制和近地层持续偏南气流输送,配合高层持续稳定的西北风,是污染长时间持续稳步增长的主因。此外,近地层低风速、高湿度和逆温的维持是区域霾污染爆发增长和长时间持续增长的关键气象因素。高压前部的系统性西北大风是污染得以驱散的直接外部动力。     

一次典型东北冷涡暴雨的数值模拟及诊断分析

利用中尺度数值模式WRF,模拟了黑龙江省2004年8月28～29日出现的暴雨过程,并对此次过程进行诊断分析。结果表明。WRF中尺度模式能够较好的模拟冷涡暴雨天气,并从暴雨形成的辐合辐散、水汽、垂直速度等物理量诊断分析此次暴雨过程的演变及物理特征。