汉中市7月暴雨概率预报方法初探

通过高空地面历史资料寻找与暴雨发生相关较好的要素指标综合成预报因子，做出其条件概率，建立比较客观的暴雨天气概率方程，并与MICAPS接口实现自动化，为准确预报汉中市暴雨提供可靠依据。     

概率变换法在南平地区暴雨预报中的应用

本文在大－暴雨ｍｏｓ预报中应用概率变换法进行对比分析,结果表明：概率变换法能提高预报因子与预报对象之间的线相关性,扩大了预报因子的选取范围,改善了方程中的因子组成结构,使方程的历史拟合率和预报准确率有明显的提高。     

T213数值预报产品在强暴雨预报系统中的应用

本文针对发生在青藏高原东侧四川盆地内的强暴雨。进行了预报系统开发方面的研究，研究指出：以T213数值预报产品为资料样本，以天气动力学理论和强暴雨预报经验为基础，利用强暴雨预报经验对T213数值预报产品进行解释应用，在检验的基础上构筑预报因子系列，依据于大量历史个例的总结。采用回归方法与判别方法相结合的方式，就能在较短样本资料的情况下，建立起实用效果理想的强暴雨预报系统。     

烟台汛期暴雨概率预报方法

利用模糊聚类分析方法和归档的数值产品对历史天气进行聚类，分为暴雨和非暴雨两大类，将当天订正后的ＨＬＡＦＳ预报产品代入计算，判断其属暴雨或非暴雨类，并由其与暴雨天气的相关系和临界值做出概率预报。     

北京地区夏季降水概率预报业务应用研究

作者分析了降水概率预报的基本特征，在北京中尺度数值预报模式（ＢＭＮＦＭ）的基础上应用事件概率回归估计（ＲＥＥＰ）方法，建立北京地区夏季两个量级（≥０．１ｍｍ和≥１０．０ｍｍ）的降水概率预报方程，并结合最新天气观测资料和预报员知识订正客观预报结果。应用Ｂ评分，Ｂｓ评分和Ｂｉａｓ方法对主观降水概率预报和客观降水概率预报进行评估。     

基于EC模式闪电格点概率预报模型及应用

基于EC（0.25°×0.25°）模式预报资料和闪电定位资料，结合雷暴三要素形成条件，分别从水汽、能量、热力、动力等几个方面挑选预报因子，利用主成分分析方法配料权重系数，并根据海拔高度将四川划分为四川盆地、攀西地区、川西高原3个不同的区域分别建立预报模型，研发了四川省闪电格点概率预报产品。检验结果表明：四川盆地在概率预报值为70%以上时，预报效果较好，TS评分为0.294；攀西地区和川西高原在概率预报值为60%以上时，预报效果较好，TS评分分别为0.302和0.299。     

T213数值预报产品在强暴雨预报系统中的应用

本文针对发生在青藏高原东侧四川盆地内的强暴雨,进行了预报系统开发方面的研究,研究指出:以T213数值预报产品为资料样本,以天气动力学理论和强暴雨预报经验为基础,利用强暴雨预报经验对R213数值预报产品进行解释应用,在检验的基础上构筑预报因子系列,依据于大量历史个例的总结,采用回归方法与判别方法相结合的方式,就能在较短样本资料的情况下,建立起实用效果理想的强暴雨预报系统.     

ECMWF细网格模式在北疆降雪预报中的统计检验

采用ECMWF细网格模式产品,对发生在北疆2015年1月—2017年4月共20场降雪天气过程进行统计学检验。结果表明,48 h预报时效内ECMWF细网格模式对形势场、850h Pa比湿、对流层位涡及对流层低层u、v风场预报误差较小,精度较高;对流层中低层垂直速度和相对湿度及300 hPa u、v风场的系统性误差较小,随机误差相对较大,并建立了ECMWF细网格模式48 h预报时效内在北疆降雪天气预报中的应用模型;模式对新疆北部暖区降雪的各量级预报随时效的延长准确率并非减小,尤其是中雪;72 h预报时效内,模式对12 h累计降雪量为小雪和中雪的预报相对较稳定,强降雪的误差较大,随时效的延长并非呈增大的趋势;在预报业务中注意订正应用。     

汛期大～暴雨的降水概率预报模式

应用阶梯函数变换预报因子 ,经过相关比筛选 ,进行 REEP构造分量级降水概率预报方程 ,应用不同时刻资料和对 NWP产品统计释用方法构造分时刻预报方程 ,并对其预报结果进行了综合的集合预报。实用表明 ,预报模式对大～暴雨的概率具有一定的预报能力。     

湖南6月区域持续性暴雨概率预报模型及应用

利用1979—2016年6月EAR5再分析资料,选取湿热力平流参数、热力螺旋度、散度通量、水汽散度通量和热力波作用密度5个综合因子,采用核密度估计方法,基于TS评分最优为检验标准筛选确立最优因子和权重组合,构建了湖南区域持续性暴雨概率预报模型,并进行了独立样本检验与业务试用。结果表明:2017—2019年独立样本回代检验,平均TS评分达到29.9%,相比于欧洲中期天气预报中心(ECMWF)细网格(平均TS评分为22.4%)为正技巧。在2021年、2022年汛期两次区域持续性暴雨个例的预报试验中,提前24 h的暴雨预报优于ECMWF、CMA-GFS等大尺度模式和CMA-SH、CMA-GD等区域中尺度模式,对湖南区域持续性暴雨有较强的预报能力。     

概率匹配平均法在山东强降水预报中的应用

基于WRF集合预报系统开发了概率匹配平均降水产品,选取了山东省2014—2016年共13次强降水过程,检验评估了概率匹配平均法在山东省强降水预报中的综合表现。结果表明：对于不同的强降水过程,各预报产品的预报能力差异较大,尤其是对暴雨以上量级降水的预报存在较大偏差;概率匹配平均相对集合平均,对大雨以上量级降水预报有明显改善,较WRF确定性预报产品也有一定提高,对强降水预报具有一定指示意义;该方法的改进主要体现在对不同量级降水的调整上,尤其是强降水的落区,相对集合平均增大了强降水的范围和强度,但对整个区域的总降水量预报没有很好的改进作用。     

暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究

利用2008—2011年6—8月中国气象局T213全球集合预报24—240 h降水预报资料和四川盆地观测降水资料,提出四川盆地暴雨集合预报-观测概率匹配订正法。该方法将集合预报降水累积概率分布与观测降水累积概率分布进行概率匹配,对降水量为50 mm的集合预报平均值进行订正,获得暴雨预报订正值(A Calibrated Heavy Rainfall forecast value),累积降水概率分布拟合函数采用Gamma函数。选取2013年6月28日—7月10日进行独立样本暴雨预报试验,分析四川盆地暴雨预报订正值分布特征和订正前后降水检验评分变化,讨论该方法存在的若干局限性。结果显示:T213集合预报对四川盆地降水预报存在预报量较观测量级小、模式预报时效越长降水预报越弱等系统性偏差,暴雨集合预报-观测概率匹配订正值普遍小于50 mm,且随预报时效延长而逐渐减小,有效地订正了T213暴雨集合预报系统性误差;暴雨集合预报-观测概率匹配订正法对"有或无暴雨"二分类暴雨预报改善较明显,ETs评分获得提高,且漏报率和空报率有所降低。     

黄淮地区一次冷锋暴雨天气过程的预报分析

利用常规天气图、地面加密资料、数值预报产品、卫星云图和多普勒天气雷达资料等,对2007年7月18-19日出现在黄淮地区的暴雨天气过程进行了综合分析.结果表明:暴雨是高空西风槽、冷锋和副热带高压边缘强盛的西南暖湿急流共同作用产生的;强降水产生在地面中尺度辐合线附近.在高层干冷、低层暖湿的大气不稳定条件下,地面冷空气的侵入触发了不稳定能量的释放,同时低层辐合、高空辐散的高低空配置,引发了强降水的产生.卫星云图和多普勒天气雷达资料在暴雨临近预报中起着重要作用.     

一次梅汛期强降雨过程的中期时效预报误差分析

2016年6月30日至7月4日,中国长江流域发生了入汛以来最强的一次极端降雨过程,但对雨带位置的预报却出现了显著误差。为此,本文基于欧洲中期天气预报中心的预报资料,利用天气学诊断方法,分析了确定性和集合预报的基本情况,讨论了预报误差产生原因及其演变特征。结果表明：梅雨锋上次天气尺度波动在中国黄淮—辽东半岛到朝鲜半岛—日本东部一带呈“负—正—负”的分布,它的强弱对雨带位置的变化起着重要影响。当该波动偏强时,有利于低层季风向北伸展,加之冷空气强度偏弱,进而造成雨带位置偏北,反之亦然。此外,通过对比集合预报成员中的准确和偏北成员组,发现该次天气尺度波动来源于青藏高原东北部的初始误差场。伴随着中纬度西风波动的向东传播,该误差在中低层沿着梅雨锋向东移动、并不断增强,最终造成中国长江中下游地区雨带位置明显偏北。     

长三角盛夏—初秋强降水的延伸期过程预报探析

针对长三角汛期强降水过程,根据不同降水类型的特性,提出分时段建立低频模型并给出建模流程。综合分析长三角汛期强降水期的低频特性,将低频气旋及反气旋区分划分7个关键区。重点研究盛夏—初秋时段的强降水特征,在总结强降水期低频特征的基础上,借助EOF分解建立延伸期大—暴雨的预报模型:1区或2区有低频气旋维持并发展;6区、7区或5区存在低频反气旋。并且在7个关键区中1、2区的低频气旋及5、6、7区的低频反气旋为主要低频系统,起决定作用,而3区的低频系统为次要低频系统,起辅助作用。利用该模型提前30 d预报出2012年汛期最强降水过程,并分析本次过程的低频系统演变,给出动态演变模型。     

长江下游地区汛期暴雨气候特征分析

根据2008-2013年我国暴雨统计结果, 分析了6 a间我国暴雨分布情况、变化趋势和演变规律, 结果表明:我国年降水量分布总体趋势由西北向东南依次递增, 西南地区东部、江汉地区、江淮地区、江南地区及华南地区是每年暴雨的多发区域, 华南南部(尤其是海南)为显著的暴雨多发区, 年暴雨日数常常超过10 d。我国每年平均暴雨日数为217.5 d, 以6-8月为最多; 平均每年出现39次主要暴雨过程次数, 其中8次由热带气旋登陆引起, 约有58%的主要暴雨过程出现在6-8月, 以7月最多; 每年平均出现特大暴雨26站次, 以华南居多, 年最大日降水量介于336.1~614.7 mm之间, 主要出现在6-10月之间。每年遴选出的强度强、范围大、影响显著的10次重大暴雨事件均出现在5-11月, 其中以南方暴雨占多数。

     

基于集合预报的四川夏季强降水订正试验

利用2016-2018年6-8月四川地面观测降水资料（含加密自动站）及同时段ECMWF模式各要素预报场资料,根据基于\     

联合概率方法在北京灾害天气预报中的应用研究

基于ECMWF模式的集合预报数据,利用联合概率方法,针对北京地区冬季影响最大的寒潮和夏季强对流两类灾害性天气,建立了适用于本地区的两种集合预报业务产品。选取2 m温度和10 m平均风速制作寒潮预警信号联合概率预报产品,选取对流有效位能和0-6 km垂直风切变制作强对流潜势联合概率预报产品。通过对北京地区近年寒潮和强对流天气的预报检验表明：寒潮预警信号联合概率方法,当预报概率达到10%及以上时,实况就有可能达寒潮蓝色预警信号的级别;此方法对北京西北部的预报性能较好,其次为北京的东南部地区;对达到蓝色预警信号标准的区域具有较高的预报命中率,但对达黄色预警信号级别的区域,漏报率较高。强对流潜势联合概率方法的空报率较高,当预报概率达90%-100%时,实况才有可能出现强对流;与局地强对流相比,全市性强对流天气的高概率预报区域较为集中。     

辽宁省夏季多模式降水预报检验及晴雨预报技术研究

利用辽宁省291个国家气象观测站的降水资料,对2019年夏季（6-9月）8种模式降水预报及中央气象台格点降水预报进行了检验评估和比较,并采用消空方法进行晴雨预报技术研究。结果表明：2019年,EC模式具有最优的暴雨预报性能,而日本模式暴雨TS评分最高;中尺度模式对于局地性暴雨和短时强降水具有较好的预报潜力,性能较好的是GRAPES_MESO模式和睿图东北3 km模式;全球模式对24 h暴雨的预报频率比实况偏低30%,3 h强降水则偏低60%,中尺度模式对24 h暴雨的预报频率比实况偏高30%,3 h强降水则偏低20%。由于对小量级降水存在较多空报,各模式原始预报的晴雨预报大多呈现空报偏多的情况;使用小量级降水剔除的消空策略能够明显提高晴雨准确率,消空之后EC模式具有最优的晴雨预报性能。分别使用24 h和3 h累计降水量优化消空策略,发现分别取1.0 mm和0.8 mm的阈值进行消空可以使24 h晴雨准确率提高15.58%,3 h晴雨准确率提高10%-30%。     

夏季降水概率预报系统的试验研究

降水概率天气预报的最大优点能够有效的发挥天气预报的潜在经济效益。我们根据山西省长治市的气候区划，将长治市的13个县区分为3片，应用T106资料，并通过对T106资料以及3片的实时资料制作0，1化处理，分别建立了3片的夏季（6月－8月）降水概率预报方程，并将整个系统挂接于MICAPS系统下。计算快捷，图文并茂，准确率较高。