基于WRF不同边界层方案的陕西气象要素预报检验

利用陕西省区域数值模式系统,通过对比WRF中两种大气边界层方案(MJY和YSU),对陕西省2021年7月地面和高空要素预报开展了对比试验。结果表明:地面要素预报上,MYJ方案的24 h累积降水量预报的空报率和漏报率都更低,TS评分更高,预报效果更好,逐小时降水量预报的BIAS评分随预报时效的增加变化更小,空报率、漏报率和TS评分也整体优于YSU方案,表明MYJ方案对降水预报的稳定性更好。两个方案的2 m温度和10 m风场预报存在正偏差,2 m比湿预报存在负偏差,即预报场的温度偏高、风速偏大、湿度偏干,YSU方案在2 m温度和10 m风场预报上效果更好,而MYJ方案在2 m比湿预报上效果更好。高空要素预报上,两个方案在各个高度层上对各个要素的预报各有优劣,其中YSU方案在高空风速预报上较MYJ方案更稳定。     

基于莫宁-奥布霍夫相似理论的地面站点风速预报偏差订正

地形不匹配会导致风速预报出现偏差。Monin-Obukhov(莫宁-奥布霍夫)相似理论表明近地面风速垂直变化符合对数率特征,基于相似理论并引入大气稳定度判定因子构建偏差订正方案,将地面风速预报由模式地形订正到实际地形。针对冬季和夏季华北区域内760多个站点进行15 d的批量试验发现,使用订正方案后冬季和夏季00时(世界时)起始预报的模式前12 h风速预报的平均偏差可以降低20%以上,24 h预报偏差降幅也可达到10%以上,不同预报时效内风速的均方根误差可降低5%～8%。说明使用偏差订正方案可以对模式地面风速预报产生明显正效果。     

基于不用分辨率和参数化方案的新疆区域数值模式性能初步评估

基于中尺度数值模式WRF,选取新疆两次强降水过程,设计三个试验方案,其中试验1为控制试验,试验2提高分辨率,试验3提高分辨率并调整物理参数化方案,初步评估不同分辨率和参数化方案对新疆区域2米温度、10米风速、降水预报的影响。结果表明：（1）提高分辨率对2米温度、10米风速模拟精度均有提高,2米温度预报精度提高约0.5℃,降低了日间温度模拟冷偏差;10米风速预报精度提高约0.5 m/s,降低了风速模拟正偏差;但提高分辨率后,模式出现虚假降水预报的情况。（2）提高分辨率并调整物理参数化方案后,2米温度模拟误差略有减小,模拟偏差减小约0.2℃;10米风速模拟误差增大约0.5 m/s,模拟偏差增大超过0.5 m/s;对降水落区、量级的模拟精度显著提高,减小了降水中心的模拟强度,对虚假降水预报有一定修正。     

SWCWARMS模式对西南区域预报能力的检验

应用国家基本观测站资料,基于MET系统的客观统计检验方法,针对24h降水、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2016年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式在中雨至暴雨预报上优于GRAPES模式,24h小雨和大暴雨、48h大暴雨预报较GRAPES模式偏差,同时SWCWARMS模式存在空报较多的问题;(2)SWCWARMS模式预报2米温度以低于实况为主,10m风速在秋冬季节以大于实况为主,SWCWARMS模式2m温度、10m纬向风和10m经向风4个季度平均RMSE均小于GRAPES模式,但8月月平均(72h)2m温度RMSE大于GRAPES模式,模式对近地面温度场预报优于10m风场;(3)两模式对高空温度场预报优于高度场和风场,SWCWARMS模式预报对流层中层高度场和温度场都偏低,在500h Pa上,除2月、11~12月(24h)外,其它月份和其它预报时效温度场RMSE均小于GRAPRS模式,春夏季高度场的预报优于GRAPRS模式,秋冬季RMSE大于GRAPRS模式;在850h Pa上,SWCWARMS模式预报风场春夏季误差小于GRAPES模式多于秋冬季,冬半年风场误差大于夏半年,RMSE大于GRAPES模式频次增加。     

GRAPES_Meso中尺度模式在新疆沙漠地区的检验与评估

使用GRAPES中尺度模式对中国新疆南部的塔里木盆地2013年1、4、7、10月逐日的天气过程进行数值模拟,并与站点的实况资料对比分析,结果表明,GRAPES模式对沙漠地区的温度、风场、降水都有一定的预报能力,但也存在较明显的预报误差。GRAPES模式可以大致的预报出塔里木盆地地区2 m温度的日变化趋势,但GRAPES模拟的温度极值还存在较明显的误差;GRAPES模式对10m风场的预报,在风速较大的1月、4月和10月预报效果较好,基本可以预测出沙漠地区的风速和风向,但在风速很小的7月,模式的预报效果不理想;GRAPES模式对沙漠地区的降水预报与实况相比还存在明显的偏差,主要表现为降水空报率较高,降水中心也存在一定的偏差;GRAPES模式在沙漠地区对高空温度的预报呈现出低层温度预报误差较大,高空相对较小的特征。     

雷达资料快速更新四维变分同化中增加地面资料同化对强对流临近数值预报的影响

基于雷达资料快速更新四维变分同化（RR4DVar）技术和三维数值云模式发展的快速更新雷达四维变分分析系统（VDRAS）,通过在系统中加入地面自动气象站观测资料的同化方法,对发生在北京地区的10个强对流过程开展了地面资料同化的高分辨率模拟分析和检验评估,并与已经业务使用的地面资料融合方法进行对比。研究结果发现,地面观测资料同化使边界层1 km高度以下的分析场改善最为明显,风速和风向的均方根误差分别平均降低0.1 m/s和7.2°,温度的均方根误差降低0.2℃。模式最低层100 m高度的风速均方根误差降低0.5 m/s,风速的误差随高度上升逐渐增大。模式最低层风向的均方根误差降低15.5°,温度的均方根误差降低0.4℃,且1.5 km高度以下的温度偏差都减小。区域内地面10 m高风速的均方根误差平均降低0.2 m/s,风向的均方根误差降低10.8°,地面2 m气温的偏差也降低。随着预报时效的延长,地面温度和风场的误差不断增大,但地面资料同化方法在一定程度上可以提高1 h内地面气象要素的预报效果。对2019年5月17日北京地区局地强对流新生和增强过程的详细分析表明,地面自动气象站观测资料的同化方法相对于融合,可以通过更细致准确地分析低层大气的热动力特征,改善低层气象要素的预报效果。在此基础上,通过探究对流单体的局地触发机理发现,海风锋辐合线与城市的相互作用一定程度上影响了对流的局地新生和发展,该同化方法可以进一步提高北京地区局地突发强对流的临近数值预报能力。      

模式距平积分订正法对广西区域ECMWF地面2m温度预报的订正效果评估

采用基于历史资料的模式距平订正法(ANO),利用2011~2015年欧洲中心高分辨率数值预报(ECMWF)的地面2m温度和广西区域自动站气温观测资料,对2016年广西区域2m温度预报进行订正试验,对比分析订正前和订正后的预报误差,结果表明:EC对广西区域2m温度的预报误差随着预报时效增加而逐渐增大,午后误差较大,夜间误差较小,预报值大多偏低。0~72h预报(较短预报时效)冬季误差较小,夏季误差较大;72~240h预报(较长预报时效)夏季误差较小,秋季和冬季误差较大。随预报时效增加,误差增大的幅度夏季较小,冬季较大。误差的离散度在较短预报时效的午后为冬季较小,夏季较大,在较长预报时效及夜间则与之相反。ANO方法对午后温度预报的订正效果优于当日其他时刻。该方法对夏季的温度预报有很好的订正效果,秋季的订正效果次之,春季的订正效果不明显,冬季的订正效果为负面作用。     

GFS模式地形高度偏差对地面2m气温预报的影响

利用2016年1月1日—12月31日全球预报系统(GFS,Global Forecasting System)1～5 d的2 m气温预报资料,以及同期中国地面气象站2 m气温观测资料,研究模式地形高度偏差对地面2 m气温预报的影响。结果表明,较大模式地形高度偏差可严重影响2 m气温模式预报性能,导致较大预报误差。随着模式预报时效延长,2 m气温预报均方根误差也略有增加。比较模式地形高度偏差和预报时效对于模式预报性能的影响,发现模式地形高度偏差对于模式预报效果的影响更加显著。两种地形订正方案,即不做温度垂直订正的线性回归以及对温度进行垂直订正的线性回归都能显著减小2 m气温模式预报的误差,后者的订正效果更好。     

高时空分辨率三维风场在强对流天气临近预报中的融合应用研究

以业务应用为目标,开展高时、空分辨率三维风场在强对流天气临近预报中的融合应用研究。运用北京快速更新多尺度分析和预报系统集成子系统（RMAPS-IN,Rapid-refresh Multi-scale Analysis and Prediction System-Integration）,对雷达四维变分分析系统（VDRAS）30 min临近预报的高时、空分辨率三维风场作为数据源与自动气象站风场观测进行快速融合处理。结果表明,以VDRAS临近预报风场取代数值模式预报场作为融合初猜场后形成的分析结果对于风场有明显的改善:（1）长时间序列客观检验结果表明,地面10 m高风场U/V分量绝对误差分别为0.05和0.06 m/s。实时融合对未来预报的影响随着预报时效的延长,U/V分量的绝对误差不断增大。（2）对于11个强对流个例,地面10 m高风场风速均方根误差降低0.3 m/s,风向均方根误差降低13°;边界层三维风场,风速均方根误差降低0.8 m/s,风向均方根误差降低10°。平原站点融合以后风速、风向预报效果有较大改善,山区站点融合以后改善相对较小。（3）通过对2017年7月20日暴雨和7月7日雷暴大风个例的详细分析,发现融合基于雷达资料四维变分同化获得的高分辨率临近预报风场对各对流系统中的中尺度结构特征给出了更加细致准确的描述。      

乌鲁木齐区域高分辨率数值预报系统V2.0 预报性能客观检验

数值预报系统检验结果对预报产品的释用和系统的改进有着重要的作用。基于MET（Model Evaluation Tools）检验工具对乌鲁木齐区域高分辨率数值预报系统V2.0 (Rapid-refresh Multi-scale Analysis and Prediction System—Central Asia V2.0，简称RMAPS-CA V2.0）在2021年各季节中的预报性能进行客观检验评估，主要检验了2m温度、10m风速、高空位势高度等要素，并与RMAPS-CA V1.0同期预报性能进行对比分析。（1）2m温度预报偏差在冬季和春季整体为负偏差，在夏季和秋季整体为正偏差；各个季节的平均预报偏差均在2℃以内，预报性能秋季最优，冬季最差。各个季节10m风速预报整体为正偏差且差异不大，平均误差在0.5-1.0 m/s之间，预报性能秋季最优，春季最差。（2）高空位势高度预报偏差在冬季整体为负偏差，在其余季节整体为正偏差，预报性能冬季最优，春季最差。高空风场预报偏差在冬季和春季400hPa以下为正偏差，400hPa以上为负偏差；夏季和秋季整体为负偏差，预报性能春季最优、夏季最差。高空温度场预报偏差在冬季整体为负偏差，其余季节整体为正偏差，预报性能春季最优、夏季最差。（3）降水晴雨预报效果较好，但除夏季外以空报为主；随降水阈值增大、TS评分减小，多以漏报为主，降水评分在冬季最高、夏季最低。从降水个例检验看，24h累计降水为大量和中量的国家站点预报性能有所提升，逐6h累计降水TS评分略有提升。（4）RMAPS-CA V2.0系统各要素预报偏差的变化特征与RMAPS-CA V1.0相似，预报能力整体上要优于RMAPS-CA V1.0。     

Die effektive Temperatur unter dem Aspekt „Schwüle” in 2 m und 175 m über Grund

Zusammenfassung Aus zehnjährigen kontinuierlichen Messungen der Lufttemperatur und der relativen Luftfeuchtigkeit in Karlsruhe-Rheinhafen (2 m ü. Gr.) und Karlsruhe-Turmberg (175 m ü. Gr.) werden mittlere Tages- und Jahresgänge der effektiven TemperaturET berechnet.Die Auszählungen der Fälle mitET24,0°C (Schwülebereich) ergeben in beiden Höhen die größten Werte im Juli; die tageszeitlichen Maxima liegen dabei zwischen 15 und 18 Uhr und die Minima zwischen 3 und 6 Uhr. Von November bis März wurde dagegen je Dreistundenintervall die durchET24,0°C festgelegte Schwülegrenze nie überschritten.

---

The effective temperature from the point of sultriness in 2 and 175 m over ground

Summary For every three hours the mean effective temperatureET is computed from the air temperature and the relative air humidity which are measured at Karlsruhe-Rheinhafen (2 m o. g.) and at Karlsruhe-Turmberg (175 m o. g.). From theseET-data mean diurnal and annual variations ofET are computed for ten years (1963 to 1972).At the two heights the greatest frequencies ofET24.0°C (region of sultriness) are in July with maximum between 15 and 18 o'clock and minimum between 3 and 6 o'clock. From November to March however the sultriness-boundary determined byET24.0°C never occured.

---

---

Mit 2 Abbildungen     

GRAPES全球模式预报检验评估——2016年夏季四川地面要素

本文使用2016年6~8月GRAPES全球模式2m温度和10m风场24、48、72h时效预报场和同期四川省156个国家气象站逐日地面温度和风场资料,选取预报准确率、平均误差、平均绝对误差、均方根误差和Alpha Index5个统计量对2016年夏季四川3个区域(盆地区、过渡区和高原区)2m温度和10m风场进行了较为详细的检验评估。研究结果表明:模式对10m最大风速的预报效果较好,准确率较高,最高可达80.64%。模式对过渡区温度预报效果较差,准确率基本低于10%,但是对盆地区温度的预报有一定可信度。模式对10m最大风速的风向预报效果不如最大风速值。全省各区各要素的AI值都在0.7左右变化,表明模式预报的随机误差大,预报和观测吻合较差。本研究还发现,整体来看模式对盆地各要素预报效果较好,对于地形复杂地区(高原区、过渡区)预报效果较差。此外,模式存在一定的系统误差,2m温度的系统误差盆地区约为-2.3~-1.7℃,过渡区约为-8.3~-6.0℃,高原区约为-7.3~-5.0℃;10m最大风速值的系统误差盆地区约为-1.3~-0.6m/s,过渡区约为-2.3~-1.3m/s,高原区约为-2.7~-1.1m/s。      

Measurements and simulation of the M-component current and simultaneous electromagnetic fields at 60 m and 550 m

Simultaneous measurements of the M-component current (surges superimposed on lightning continuing currents) and the corresponding electromagnetic fields at 60 m and 550 m from the lightning channel are analyzed and simulated with a two-wave model. The measured results reveal that the M-component current at the bottom of the channel exhibits a V-shape character with a leading edge of 78 μs and a trailing edge of 194 μs, while the electric field pulses at 60 m and 550 m have trailing edges faster than leading edges. The peak of the M-component current lags behind the electric field peak by tens of microseconds, when the distance increases to 550 m, the disparity of the time shift increases as well. However, the waveshape of the M-component current is similar to that of the magnetic field pulse. The M-component electric fields at 60 m and 550 m are 1.16 kV/m and 0.17 kV/m, respectively, and exhibit a logarithmic distance dependence which implies that the M-component charge density increases with height. Additionally, a two-wave model is used to examine the sensitivity of the predicted electric and magnetic fields to the speed and current reflection coefficient variations of the M-component. The simulated results show that the effects are different for the electric and magnetic fields. The M-component speed essentially controls the electric field, but has little effect on the magnetic field. Larger reflection coefficient results in a larger magnetic field, but a smaller electric field.     

江苏80m高度风能评估方法探讨

80 m轮毂高度风能评估关键问题之一是风随高度的变化规律研究,目前以最小二乘法、常规常参数方法最具代表性,但两者对高空风能的评估结论差异可能较大.使用幂常数指数方案,江苏省80 m高空陆上风能储量达到7.39×1010 W,可开发量为0.59×1010 W,而使用最新的最小二乘技术对江苏省80 m高空风能评估表明,陆上风能储量达到13.54×1010 W,可开发能量为1.07×1010 W,全省陆上和近海的可开发风能储量可达到4.29×1010 W,约为常规常参数方法计算结果的1.8倍.两种高空风能的评价结果均表明,江苏省风能资源丰富,沿海地区和近海具有巨大的风能储量,有很大的开发利用前景.     

基于EOF2m温度质量控制方法研究

利用冬季(2009年12月-2010年2月)和夏季(2010年6-8月)6h一次T639和NCEP 2 m温度分析场作为背景场,采用EOF(Empirical Orthogonal Function)方法对我国及周边地区地面观测2 m温度进行了质量控制研究.结果表明,使用NCEP资料,观测资料剔除率比T639高,而资料剔除率高的区域正好是观测增量双权重标准差较大的区域;冬季观测增量双权重标准差比夏季大,导致冬季资料的剔除率比夏季高;与传统OMB(Observation-Minus—Background)质量控制方法对比,发现两种质量控制方法都能使观测增量更接近正态分布,但使用传统OMB质量控制方法会把一些能反映大气异常状态且正确的资料剔除,而EOF质量控制方法则能较好地保留这些资料.     

Shallow gravity flows over the Ekström ice shelf

Wind and temperature profiles measured near the Antarctic Georg von Neumayer Station in January and February 1983 are analysed with respect to situations of low cloud cover. In these situations, shallow inversions develop in the period of low sun elevation. The structure of these inversions in comparison with those in midlatitudes is explained by considering the heat fluxes near the ground, the influence of surface friction over different terrain roughness and for different Coriolis parameters.One effect of stabilisation over the Ekström ice shelf is the development of shallow gravity-influenced flows. The flow dynamics are discussed by means of a scale analysis. The results show that gravity is of considerable influence; however, it will not dominate the other forces. Strictly speaking, the flow is not katabatic for the scale considered. The Froude numbers of the flow approach values similar to those of nocturnal inversions during cooling periods. Thus it seems that the modelling methods for midlatitude stable planetary boundary layers (PBLs) will be successful in explaining antarctic boundary layers as well.