一个春季降水分型天气动力统计模式

1986年元月,喀什气象处业务科与气象台联合举办了一个“进一步推广应用数值预报产品”的学习班.在学习班上,除了学习数值预报产品的制作原理以及各种应用方法外,主要的是制作了一个春季降水分型天气动力统计模式. 这个模式与我台1983年制作的冬季降水天气动力统计模式有所不同:①这个春季降水模式是分型的;②因子的选取不尽相同,例如,选入了卫星云图、物理量预告图上的     

春季降水的预报模型

春季降水的预报模型李冬梅（运城地区气象局０４４０００）运城地区地理位置特殊，影响降水的系统也很有特色。本文通过对运城地区春季降水过程的天气、动力学分析，发现东、西两路冷空气的强弱与春季降水有着密切的关系，从而确定了以锋区强弱为主要分型因子，将春季降水...     

区域气候模式对我国冬春季气温和降水预报评估

使用国家气候中心全球海气耦合模式嵌套区域气候模式 (RegCM_NCC) 对1983— 2002年冬季以及1984—2003年春季我国平均气温和降水进行了数值回报试验, 并对2003— 2007年进行实时预报。结果表明:区域气候模式20年冬、春季平均气温的回报与实况在分布形态上较为相似, 我国大部地区平均气温预报与实况接近; 模式回报的冬、春季降水量的分布形态与实况有较大差异, 全国大部地区模式回报降水量比实况偏多, 西南地区降水量误差最大。使用国家气候中心气候预测室的业务预报评分 (P) 和距平相关系数 (ACC) 等5个评估参数对模式的回报和预报进行了评估分析, 结果表明:该模式对我国冬、春季平均气温和降水具有一定的跨季度预报能力。大多数年份冬、春季平均气温的P评分在60以上, 冬、春季平均气温多年平均分别为66.4和67.8;大多数年份的冬、春季降水评分为60~75, 冬、春季降水多年平均分别为69.9和65.6。     

区域气候模式对我国冬春季气温和降水预报评估

使用国家气候中心全球海气耦合模式嵌套区域气候模式(RegCM_NCC)对1983 2002年冬季以及1984-2003年春季我国平均气温和降水进行了数值回报试验,并对2003-2007年进行实时预报.结果表明:区域气候模式20年冬、春季平均气温的回报与实况在分布形态上较为相似,我国大部地区平均气温预报与实况接近;模式回报的冬、春季降水量的分布形态与实况有较大差异,全国大部地区模式回报降水量比实况偏多,西南地区降水量误差最大.使用国家气候中心气候预测室的业务预报评分(P)和距平相关系数(ACC)等5个评估参数对模式的回报和预报进行了评估分析,结果表明:该模式对我国冬、春季平均气温和降水具有一定的跨季度预报能力.大多数年份冬,春季平均气温的P评分在60以上,冬、春季平均气温多年平均分别为66.4和67.8;大多数年份的冬、春季降水评分为60～75,冬、春季降水多年平均分别为69.9和65.6.     

2014—2016年数值降水预报在天津的检验评估

对2014—2016年中国国家气象中心T639数值预报、日本细网格数值预报、欧洲中心细网格(EC thin)数值预报以及天津市乡镇指导预报产品中在天津地区降水预报分别进行检验。结果表明:所有模式降水的晴雨预报准确率均随预报时效的延长而下降。降水预报准确率在秋冬春季的预报效果明显好于夏季。EC thin产品在冬季降水的预报中优势更为明显,而指导预报及T639对5月、6月及9月天津地区局地降水多发期的降水更有指示意义。针对2014—2016年天津地区的23个暴雨日按影响系统分型并统计检验结果,暴雨日降水预报晴雨成绩较好有参考价值,而降水分级检验偏差较大。相对于局地性暴雨过程,区域性的暴雨过程数值预报有更为可靠的参考性。     

基于遗传神经网络的乡镇降水量预报方法试验

利用T213数值预报产品.采用遗传算法与神经网络相结合的方法,进行了乡镇降水量预报模型的预报建模研究;并将这种遗传一神经网络乡镇降水量预报模型与逐步回归预报方法和中尺度模式降水输出结果进行对比分析,试验预报结果表明,遗传-神经网络方法在大雨以上降水具有更好的预报能力.     

人工神经网络在梅雨期短期降水分级预报中的应用

将人工神经网络应用于南京夏季梅雨期短期降水分级预报。根据梅雨期天气特点,用统计和动力学方法从HLAFS（高分辨率有限区域预报系统）资料中寻找预报因子;然后分别用两种方法选取输入因子对人工神经网络进行训练,并分别利用抽取的五天做降水分级预报检验。通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现：与HLAFS降水预报相比,降水预报准确率由原来的66．7％提高到88．2％,漏报、错报明显减少;与逐步回归预报相比,大到暴雨的预报准确率得到了明显提高。     

基于数值预报模式降水产品的集成应用方法试验

利用2008年5~7月四川省152个站点的逐日降水实况和T213、德国数值预报模式、日本数值预报模式、西南区域本地化的MM5集合降水预报模式和各成员的逐日降水预报产品进行Ts评分,然后基于西南区域集合预报8个成员Ts评分权重系数进行集成预报试验和集成方法对比试验,结果表明:基于Ts评分为权重系数的集成预报效果得到明显改进,且该方法优于逐步回归和支持向量(SVM)回归方法;最后根据上述5~7月T213、日本、德国和集合预报8个成员共11个数值模式降水预报的Ts评分按权重系数集成,预报四川2008年8~9月降水并进行效果评价,结果显示:以多个模式Ts评分为权重系数集成的降水预报效果相对于单一模式有明显提高,有较好的预报指导意义。      

转折性天气降水预报检验方法及应用

采用转折性天气降水检验评估方法,从转折天气预报能力的角度评价了模式降水预报能力。对全球中期T213、日本和德国数值预报模式在2006年9月至2008年8月的降水预报检验评估分析表明:转折天气降水预报能力检验是目前降水检验方法的有效补充。3种模式的转折天气降水预报能力随着预报时效的延长,存在逐渐递减的趋势;短期预报能力分析,T213和日本模式春季最好,而德国模式是夏季最好;48h预报分析,T213和日本模式在长江中下游、华北及东北等部分地区、德国模式在四川盆地和华南部分地区预报效果较好。     

铜川市春季第一场透雨预报方法

通过分析铜川历史气候资料,将春季３～５月第一次降水过程总量≥１５ｍｍ定义为铜川春季第一场透雨,选取本地相关因子,用双重逐步回归方法建立了透雨长期预报方法,历史拟合率和试用效果较好。     

甘肃省乡镇精细化客观要素预报方法研究

利用中国气象局数值预报中心下发的T639全球谱模式数值预报产品与甘肃省676个乡镇点的降水、温度历史实况资料,通过建立各乡镇点降水、温度的多元线性逐步回归方程,对降水和温度进行模式释用输出,分别得到甘肃省676个乡镇点0~72 h,时间间隔6 h的逐日降水客观预报和时间间隔3 h的逐日温度客观预报。并对2013年7月的降水、温度预报进行检验分析,发现:基于MOS T639的精细化乡镇降水预报在河西地区的预报效果最好,中部地区及河东部分地方预报效果相对较好,在高原边坡地带的临夏、甘南、陇南以南、庆阳以东及高原东北侧的预报效果相对较低;精细化乡镇温度预报效果整体偏低,只有个别预报结果在河东及中部地区的部分地方预报效果相对较好。     

印缅槽和高原指数与春季降水的短期气候预测

利用毕节市8县区51 a春季(3-5月)降水资料,与大气环流指数进行统计分析,找出冬季印缅槽指数和青藏高原指数与毕节市春季降水有较好的相关关系,并利用回归分析研究,建立春季降水预测预报方法,其历史预报拟合率达到68.6%,通过对2012年进行试报,预报与实况一致,效果较好。该预报方法对提前作出春季降水总趋势有较好的指导作用。     

安徽省ECMWF数值模式降水预报性能的检验

为了了解欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF)数值模式对安徽地区降水预报的性能,提高订正技巧,本文应用风险评分(Threat Score,TS)、预报偏差(BIAS)和去除随机事件后的公平T评分(Equitable Threat Score,ETS)及真实技巧评分(True Skill Statistic,TSS)等方法,对2012年1月至2015年3月安徽省ECMWF数值模式降水场预报资料进行检验。结果表明:ECMWF模式对安徽地区降水的预报性能总体较稳定,年际变化幅度较小。安徽省降水预报的ETS评分总体呈南高北低的空间分布特征,所有气象站降水均存在预报过度的现象。降水预报分级检验表明,小雨量级降水预报评分明显高于其他量级降水,但预报偏差较大,预报过度现象严重;ECMWF模式对72 h时效内的暴雨量级降水预报技巧较小,对于72 h时效后的暴雨量级降水基本没有预报能力。季节降水预报的检验表明,春季、秋季和冬季的48 h时效内晴雨预报的准确率为88%以上,订正空间较小;夏季各时效及春季、秋季和冬季168 h时效以上降水预报的空报率超过60%,可以适度订正;秋季较其他季节降水预报的漏报率略高,尤其是120 h时效以上降水的预报需关注。四季均存在降水预报过度的现象,尤以夏季最突出。ECMWF模式对安徽省降水量为0.1—0.7 mm的格点降水预报空报率较高,订正后可以明显提升预报技巧,但增加了一定漏报风险。     

基于误差权重的站点降水订正预报方法研究

基于2018—2020年逐日修水国家基本气象站降水实况和模式降水预报数据,对ECWMF、NCEP、JMA、CMA-GFS、CMA-SH9等5种模式24 h及48 h降水预报进行了误差分析及检验。结果表明,总体上各模式24 h、48 h降水预报误差均以一个量级的正误差为主;各模式24 h降水预报误差小于48 h;CMA-SH9、JMA模式24 h、48 h预报误差均较小;总体上各模式24 h预报评分优于48 h;华东模式、日本模式24 h、48 h晴雨准确率均较高;CMA-SH9、ECMWF、NCEP模式24 h、48 h降水预报各量级风险评分均较高;JMA模式对24 h暴雨及以上量级降水可能具有一定的预报指示意义;总体上各模式24 h、48 h降水预报风险评分随量级增大而降低,空报率、漏报率随量级增大而增大;总体上各模式24 h、48 h小雨预报性能较优,中雨均易空报,大雨均易漏报,暴雨及以上降水均易空报与漏报。进一步通过引入滑动训练期,并基于平均绝对误差权重的多模式集成订正方案对降水预报进行订正,且对订正预报结果进行了整体及分季节评估检验。结果表明,相对多数模式,经订正后24 h、48 h降水预报性能总体上均有所提升,即提高了预报准确率,减小了预报误差,改进了晴雨准确率,提升了小雨—中雨的预报评分,提高了夏季48 h暴雨及以上降水的风险评分,并降低了其空报率;48 h降水订正预报效果总体优于24 h,春季及秋季降水订正预报效果总体优于夏季及冬季。     

春季B模式MOS短期降水预报

本文利用1984年3—5月我国B模式和主输出的物理量,结合小网格降水预报用MOS方法制做了莱芜春季短期降水预报。 一、资料和因子的处理 鉴于日本的模式更迭频繁,前后两种不同模式的预报能力和输出的物理量差异是明显的。这给在日常业务中使用日本模式做MOS预报带来一定困难。我国的B模式自     

夏季淮河流域大气环流型在降水趋势预测中的应用

采用NCEP/NCAR逐日海平面气压场资料,利用Lamb-Jenkinson大气环流分型方法对淮河流域夏季环流进行分型,并利用逐步回归方法建立了淮河流域夏季降水趋势的预测模型。结果表明:影响夏季淮河流域的主要环流型有南风型、西南风型、东南风型及气旋性环流,这些环流型都具有显著的年际和年代际变化特征,利用大气环流型建立的夏季淮河流域降水趋势预测模型具有一定的预报能力。     

粒子群-神经网络在华南夏季降水短期气候预测中应用研究

使用1961~2013年广东、广西、海南三省共110个气象观测站的日降水资料、CMAP格点降水、国家气候中心74项和美国NOAA CPC 40项指数资料、NCEP/NCAR再分析资料,利用经验正交公式(EOF)等方法分析华南夏季降水气候变化特征,查找其影响关键因子,使用粒子群-神经网络建模预报。结果表明:利用高相关因子的粒子群-神经网络建模预报,从近10a华南夏季降水回报结果对比来看,粒子群-神经网络效果略好于国家气候中心第二代海-陆-冰-气耦合的气候系统动力模式,动力模式好于逐步回归方法。从7年华南出现异常降水年份的预报试验来看,利用异常因子的粒子群-神经网络建模预报误差均小于动力模式预报,预报与实况同号率高达到85.7%,高于动力模式,可见粒子群-神经网络建模预测具有很好的应用前景。     

兴安盟春季降水天气地面气压场定量分型的研究

利用国家气候中心月动力延伸模式地面气压场格点输出资料,通过普查计算春季历史上的地面气压场,确定了影响兴安盟春季降水的地面环流分型,并利用地面环流分型作兴安盟春季降水量预测,效果较好。     

双鸭山市春季旱涝分析及预报

通过对双鸭山市50a春季降水的分析,评定出各时段的旱涝,并建立了预报春季降水、旱涝的预报方程。     

诊断分析在数值预报产品释用中的探讨

针对地方性天气预报特点，根据现有数值预报产品及实时探空资料的接收情况，作者利用中尺度数值预报模式ＭＭ４引入中尺度信息，提出一个实际可行的夏季降水预报方案，以求提高区域范围内具有明显突发性对流降水的预报能力。作法是用ＭＭ４模式计算逐日物理量诊断场，加入同期的欧洲中心数值预报产品，共计４１个场作为预报因子场；应用典型相关分析法，并结合逐步判别和逐步回归法，计算得出９个分区和８个单站中雨以上降水预报方程。降水预报方程的因子变量多数为中尺度诊断分析场构成的典型团子，可以认为，ＭＭ４模式计算得出的中尺度信息对预报中雨以上降水是有贡献的。