CMORPH卫星-地面自动站融合降水数据在中国南方短时强降水分析中的应用

对比分析了国家级气象观测站逐时地面降水资料和CMORPH卫星-地面自动站融合降水数据在反映中国南方地区2008—2013年4—10月短时强降水时空分布特征上的差异,并在此基础上利用融合降水数据分析了短时强降水与暴雨的关系,结果表明:(1) 融合降水数据所反映的短时强降水的大尺度特征与站点资料一致,并能更好地描述地形的影响;(2) 短时强降水的季节变化与东亚夏季风进程和雨带的季节性位移密切相关;(3) 短时强降水与暴雨日的空间分布特征和季节变化趋势相似,4月下半月—10月上半月,超过60%的短时强降水发生在暴雨日,同时短时强降水也是暴雨形成的重要因素,短时强降水暴雨日数占总暴雨日数的比例(68.6%)普遍高于非短时强降水暴雨日(31.4%),但是短时强降水暴雨日的发生具有显著的季节和区域差异。      

基于贝叶斯融合方法的高分辨率地面-卫星-雷达三源降水融合试验

为了探讨一种适用于区域性的地面、雷达、卫星等多源降水资料融合的方法,一种曾用于高分辨雷达、卫星土壤湿度产品反演的贝叶斯融合(Bayesian Merging)方法被尝试应用于江淮地区1 h-0.05°×0.05°经纬度高分辨率的雷达估测降水、卫星反演降水与地面站点观测降水3种资料的融合。在应用该方法时,通过2009年8月样本统计分别估计卫星和雷达反演降水的误差关系,通过曲线拟合建立误差方程,并以卫星资料作为背景场,但在融合时将雷达估测降水作为新的观测信息与地面观测降水同时引入。融合试验检验结果表明:贝叶斯融合方法能够有效实现雷达、地面、卫星3种不同来源资料的融合,该方法生成的多源融合产品的精度均优于任何单一来源的降水产品。     

日本高分辨率模式对中国降水预报能力的客观检验

利用2012年4月1日-8月31日中国2419个台站逐6 h降水资料、CMORPH(NOAA Climate Prediction Center Morphing Method)卫星与中国3万余个自动站逐时降水融合资料,基于客观统计方法,分别检验了日本高分辨率模式对中国逐6 h、12 h和24 h分段站点、格点降水的预报能力。结果表明:(1)模式晴雨预报技巧随分段间隔的增加整体增加,暴雨预报技巧在12 h分段表现相对较好;(2)就站点检验来说,模式晴雨预报的降水频数高于观测,6 h和12 h分段暴雨预报低于观测频数,24 h分段则与观测基本一致,通过计算调整阈值可以明显改善技巧评分;(3)6 h分段降水标准差比值1,出现预报为中雨,而观测为暴雨或小雨的概率增大,24 h分段则相反;(4)整体而言,模式对东南地区的预报技巧高于西北地区,但沿海地区降水的偶然性更大;(5)模式预报与高分辨率卫星、自动站融合降水产品有更好的一致性,阈值调整的空间相对有限;(6)东南地区预报与观测的相关性大于西北地区,模式对东部沿海地区降水量级的预报比西部地区更为合理。     

神经网络方法在静止卫星多通道资料估算降水中的应用

使用人工神经网络 (ANN)模型探讨了利用静止卫星多通道资料估算地面降水的一种新方法 ,对淮河和长江典型区域 (2 4～ 3 6°N ,1 0 8°E以东 )一次暴雨过程的卫星遥感数据和地面水文站逐时降水资料的应用分析表明 ,该方法提供的客观定量的降水量估算的平均相关系数为 0 57,较现行业务使用的方法效果更佳     

四川区域融合降水产品的质量评估

本文利用四川省156个国家地面气象观测自动站2018年逐小时降水资料,从降水产品与观测值的对比、降水产品误差空间特征、降水产品误差月变化、不同降水量级的误差特征等方面,对国家气象信息中心研制的中国区域1h、0.05° × 0.05°分辨率的地面-卫星-雷达三源融合实时降水产品和地面-卫星二源融合快速降水产品在四川区域的适用性进行对比评估。研究结果表明,两套融合降水产品能较好的反映四川区域年内小时降水的时空变化特征,与站点观测降水相比,两套融合降水产品均存在一定程度的低估,且随着降水量级的增大,均方根误差值也相应增大。两套融合降水产品相比,融合了雷达资料的三源融合降水产品各项指标均优于二源融合降水产品,数据质量更高。      

一次副高控制下的局地大暴雨天气分析

利用常规观测资料、FY-2E卫星TBB资料、自动气象站降水量资料、NCEP1°×1°逐6 h再分析资料,对2016年7月30—31日商洛出现的局地大暴雨过程进行分析。结果表明:(1)西太平洋副热带高压控制下,地面东路冷空气入侵是触发降水的主要原因;(2)暴雨区上空湿度明显增加,有突发性暴雨湿度变化特征;(3)暴雨出现在中尺度暴雨云团发展成熟阶段,暴雨站点上空TBB低值阶段和强降水出现时段基本吻合,TBB升高时降水强度减小;(4)雷达基本速度图上出现低层气旋性辐合、高层反气旋性辐散特征,垂直液态含水量最大值所在位置与地面强降水落区基本相同。     

西安雨量雷达估测降水准确性分析

利用X波段全固态多普勒雨量雷达资料和相应的6个地面气象观测站的观测资料,对西安2021年9月和10月两次持续降水过程的降水数据进行对比分析,评估雨量雷达反演降水的准确性。结果表明：从两次降水过程整体变化趋势分析,雨量雷达估测的降水量能较好地表现出实际降水量的变化趋势;雨量雷达反演的降水量小时数据与地面观测小时降水数据的相关性为0852;当小时降水量达到20 mm以上时,雨量雷达数据准确性较高。     

梵净山区域暴雨过程中小时降水雷达回波特征分析

利用梵净山周边区域自动站逐小时降水资料和铜仁雷达观测资料,对2017—2018年铜仁市梵净山周边区域暴雨过程中逐小时分级降水的雷达类型和回波特征进行分析。结果表明:①梵净山区域暴雨过程中小雨、中雨、大雨年均总站次的日变化均呈双峰型分布,而暴雨年均总站次呈单锋型,并且具有明显的夜雨特征。②造成梵净山区域暴雨天气的雷达回波类型可分为本地发展型、移入型和合并加强型3种。③小时雨强与回波强度呈正相关,而与移动速度呈反相关。④径向速度图上中雨量级降水有弱辐合特征,大雨量级降水出现弱的逆风区结构,暴雨量级降水有明显的辐合辐散和速度对特征,且存在逆风区结构,逆风区位置对应强回波中心。⑤垂直累计液态水含量大值区及回波顶高度与反射率因子大值区有较好的对应。     

雨滴谱的变化对降水估测的影响研究

选取2013年5月20日发生在广东三水的一次飑线过程作为研究对象,首先结合飑线回波带移经三水及其上空雷达回波的时间-高度分布特征将降水过程划分为3个阶段,然后通过计算各时刻的粒子总数密度、中值体积直径和峰值数分析降水过程雨滴谱的变化,再对Z-R关系(Z=aR~b)进行分析,根据雨滴谱实测资料分别统计整体Z—R关系和3个降水阶段的Z—R关系,在此基础上讨论雨滴谱的变化和雷达观测的回波强度对降水估计的影响。结果表明:中值体积直径在对流云降水阶段和层状云降水阶段基本一致,但对流云降水阶段的粒子总数密度远大于层状云降水阶段;对流云降水阶段以双峰型为主,当降水向层状云类型发展时,多峰谱比例增加;雷达观测的回波强度常低于雨滴谱计算的反射率因子,离地面越近两者的相关性越好;根据3个降水阶段分别进行Z—R关系拟合,即分型Z-R关系,通过相对误差分析可知,利用分型Z—R关系反演雨强的效果明显优于整体Z-R关系反演效果,雨滴谱在层化降水阶段估计的相对误差最小、对流云降水阶段反演精度稍低于层状云降水阶段,这与对流云降水中雨强和雨滴谱谱型变化大且快有关;在雷达观测方面,利用分型Z-R关系反演雨强的相对误差较小而雷达观测的误差在对流云降水阶段较小,当降水向层状云降水转化时,雷达观测引起的相对误差增大,这主要是由于对流云降水阶段中雨滴谱仪和雷达对应的回波强度误差最小,也与雷达观测精度、两种仪器采样的时空差异和雨滴谱特征变化等因素有关。     

北京“7.21”特大暴雨过程暖区降水和锋面降水的时空分布特征

利用常规观测资料、地面加密自动站资料、FY-2E红外卫星云图、多普勒天气雷达产品以及NCEP/NCAR逐6 h再分析资料,对2012年7月21日北京特大暴雨过程暖区降水与锋面降水阶段进行了细致划分,并对其不同阶段降水的时空分布特征作了比较分析。结果表明:以锋面相对于该过程总降水量中心的锋面移动情况作为降水阶段划分的主要依据,降水可划分为三个阶段,第一阶段(21日08—16时)主要为锋前暖区降水,降水中心位于河北省拒马河流域,北京西南部为次大值降水中心;第二阶段(21日16—20时)主要为锋面过境降水,降水中心位于北京西南部的房山区;第三阶段(21日20时—22日03时),北京西南部有显著锋后降水,降水中心与过境锋面相对应,位于北京东南部与河北交界处。该过程暴雨中心降水由暖区降水、锋面过境降水和锋后降水构成,其分别约占总降水量的40%、46%、14%。北京西北部、东北部和东南部降水主要由锋面降水构成,暖区降水所占比例在15%以下。河北省拒马河流域洪涝灾害主要由暖区暴雨引起,北京西南部洪涝灾害既有暖区降水的作用,又有锋面过境降水的作用。     

精细化评估GPM/IMERG产品对台风“妮坦”降水的观测精度

采用地面加密雨量计观测资料，以1 h、3 h、6 h、12 h和24 h等多个时间尺度分别评估了全球降水观测GPM （Global Precipitation Measurement）计划降水产品IMERG （Integrated Multi-satellite Retrievals for GPM）对台风"妮妲"降水中小雨、中雨、大雨和暴雨等不同量级降水的估计能力，主要结论如下：（1）降水累积时长会影响IMERG降水产品的估计精度。随着降水累计时长的增加，IMERG与地面雨量计观测结果的一致性加大，相对偏差和偏差的随机性均减小；（2）降水累计时长1 h时，IMERG对不同量级降水的观测精度均存在较大偏差；（3） IMERG降水产品会高估小雨时地面雨量计的降水量，且低估小雨事件发生的概率，对于小雨等级降水的观测能力还有待提高；（4） IMERG能较好地观测到暴雨降水的空间分布区域，但对暴雨的估计量级会明显偏低。     

IMERG和GSMaP卫星降水产品在三江源区的适用性评估

利用98个三江源区国家级气象站和区域气象站降水观测资料,对IMERG和GSMaP两种卫星降水产品进行了对比验证分析,并就长江流域、黄河流域和澜沧江流域分别进行了适用性评估.结果表明:IMERG卫星降水产品与地面观测日降水数据的相关系数中位数达到0.62,均方根误差中位数为4.24 mm,命中率能够达到0.80以上,明显...     

GPM卫星降水数据在沿海地区的适用性分析——以三亚市为例

选取2016年1—12月GPM(Global Precipitation Measurement)卫星的IMERG月尺度降水数据为研究对象,以同时期的气象站点实测降水数据为参考,利用相关系数、标准偏差、相对误差等多种统计分析指标对其在沿海地区估测能力进行评价。结果表明:IMERG月尺度降水量与站点实测降水数据相关性较好,IMERG估测的降水与气象站点实测降水量的时空变化规律也较为一致,但是量化到具体数值而言,其对山区、海岛站的估测能力不及地势平坦的区域;同时,选取降水个例对IMERG日尺度和半小时尺度降水数据的分析表明,日尺度IMERG估测的不同等级降水量也存在偏差,半小时尺度IMERG降水数据对海岛站的降水估测偏高。总体而言,IMERG降水数据对降水的时间变化规律和空间分布格局估测较为合理,但是对山区、海岛地区,其降水估测值还存在偏差,在今后应用中需结合地形特征加以合理利用。     

GPM/IMERG产品在鲁南地区的精度评估

为了评估GPM/IMERG产品在鲁南地区的精度,利用2016年1—12月鲁南地区35个国家气象站的降水观测数据,采用定量和分类评分指标的方法,从时间、空间和降雨强度等方面对GPM/IMERG产品在鲁南地区的适用性进行评估。结果表明:IMERG数据在鲁南地区具有较高的精度,IMERG与站点观测数据相关系数为0.8,均方根误差为5.47mm/d,相对偏差为2.27%;从时间上来看,IMERG与站点观测区域平均日降水和月降水总体变化趋势是一致的,夏季的估算精度高于其他季节;从空间上来看,年降水量偏多的台站,IMERG数据会低估,年降水量偏少的台站,IMERG数据会高估,IMERG对中纬度山地和丘陵的估测精度优于平原;IMERG产品的估计精度与降雨强度有关,当降水量级为微量降水(小于1mm/d)时,卫星估测能力较弱,当降水强度为小雨及以上量级时,卫星估测降水产品与实际观测概率密度差异较小;IMERG估算稳定性降水的能力较强,在降水较多月份,IMERG的探测准确率较高、空报率较低、临界成功指数较好。     

中国北方冬季降水的多源资料产品评估和融合优化

为了考察不同来源降水产品在中国北方冬季（特别是固态降水）的精度和可用性,优化融合降水产品质量,利用2019年12月—2020年2月美国CMORPH和IMERGE卫星反演降水、日本GSMaP、中国气象局雷达定量估测降水（MOC-QPE）、CMA-MESO模式预报以及地面观测插值等不同来源分析的降水产品,以地面站观测逐小时降水量数据为基准,从KGE评分、相关系数、平均误差和均方根误差等精度统计指标以及命中率（FOD）、虚警率（FAR）和TS评分等降水事件发生角度开展评估,结果表明:中国区域单源降水产品中地面插值分析产品对冬季降水描述精度最高也最稳定,但存在明显的系统偏低;其次是MOC-QPE和IMERG卫星产品,对中国北方偏南部地区的降水有一定的描述能力,但对北方高纬度地区固态降水的反映能力较差;卫星产品中IMERG精度最高,CMORPH则基本没有反演能力;CMA-MSEO模式产品虽然误差较大但与地面站观测的降水特别是固态降水存在较高相关,明显优于雷达和IMERG、GSMaP等卫星产品。采用BMA技术融合雷达、模式、卫星降水形成优化背景场,评估逐步引入不同的数据源对融合降水在冬季的精度影响,引入IMERG卫星和CMA-MESO模式产品均能提升高分辨率融合产品的质量,其中模式产品的改进效果最显著。      

GPM卫星和地面雷达对江苏盐城龙卷风强降水估测的对比

为综合评估卫星和天气雷达在2016年6月23日盐城龙卷风期间的强降水过程的降水估测精度,以国家级雨量站观测数据为基准,结合相关系数(CC)、相对误差(RB)、均方根误差(RMSE)以及分级评分指标,利用S波段的天气雷达定量降雨估测产品(RQPE)和全球降水观测计划多卫星融合产品(IMERG_FRCal,IMERG_FRUncal,IMERG_ERCal)进行比较。结果表明,雷达和卫星的累积降水量与雨量站的空间相关性很强(相关系数大于0.9),基本上能捕捉到整个降水过程的空间分布。降水主要分布在江苏省北部,但卫星高估了江苏省东北部强降水中心的降水量;对于小时时序区域平均降水,卫星高估了降水,而雷达低估了累积降水量。综合降水中心区域分析,IMERG的强降水区域降水量与雨量站的时间序列的偏差显著;RQPE在降水峰值达到之前及峰值之后与地面雨量站的变化趋势基本一致,但对降雨量峰值有明显的偏低。RQPE能较为准确地在时间上捕捉到降雨强度的变化趋势,但对于大雨及暴雨的估测能力不佳;RQPE的POD、SCI值都远远高于IMERG, FAR也较小。IMERG几乎未能监测到强降水的发生。总体上,RQPE对此次龙卷风强降水量的估测表现优于3种IMERG产品,特别是在捕捉强降水区域的空间分布方面,但对于强降水的估测能力仍需进一步改善。     

基于GPM卫星的广东汛期降水日变化特征与评估

新一代全球降水观测计划GPM作为TRMM卫星的继承者,在物理探测和降水反演算法上具有明显进步。以广东省雨量自动站为基准,对2014—2018年间GPM的格点降水估测产品IMERG（V5B）的日变化特征和估测误差进行分析。结果表明,IMERG能清晰反映广东前、后汛期的降水双峰型特征,但对下午降水峰值明显高估,峰值出现时间滞后;而对于沿海早晨峰值降水则明显低估,对于降水极值,低估更加显著。IMERG对两个峰值的估测误差受不同因素影响,下午峰值降水的相对偏差与地形密切相关,珠江三角洲平原为稳定高估区,地形高度越高,低估幅度越大;而早晨峰值降水极值负偏差与地形高度、降水量的相关性均较小。对出现显著负偏差的早晨沿海降水样本日进行925 hPa风场合成,可知IMERG明显低估时,对应区域上游较强的超低空西南气流与风速夜间增长。IMERG对这一季风活动背景降水的低估构成了其估测早晨降水误差的主要来源。      

双偏振雷达评估IMERG对不同类型降水的观测精度

采用地面雨量计校准后的南京信息工程大学 (Nanjing University of Information Science & Technology, NUIST) C波段双偏振 (C band Dual Polarization Radar, NUIST CDP) 雷达降水估测数据，研究全球降水观测 (Global Precipitation Measurement, GPM) 计划多星融合降水产品 (Integrated Multi satellite Retrievals for GPM, IMERG) 对苏皖地区梅雨、台风和飑线等不同类型降水观测精度，结果表明，①梅雨降水过程中，IMERG的累计降水量整体大于NUIST CDP的累计降水量；②台风降水过程中，IMERG一定程度上低估了累计降水量较大时的降水结果；③IMERG不能很好地观测到飑线降水的空间结构，几乎没有观测到这次降水过程中的强降水区域。     

A strategy for merging objective estimates of global daily precipitation from gauge observations,satellite estimates,and numerical predictions

This paper describes a strategy for merging daily precipitation information from gauge observations, satellite estimates(SEs), and numerical predictions at the global scale. The strategy is designed to remove systemic bias and random error from each individual daily precipitation source to produce a better gridded global daily precipitation product through three steps.First, a cumulative distribution function matching procedure is performed to remove systemic bias over gauge-located land areas. Then, the overall biases in SEs and model predictions(MPs) over ocean areas are corrected using a rescaled strategy based on monthly precipitation. Third, an optimal interpolation(OI)–based merging scheme(referred as the HL-OI scheme)is used to combine unbiased gauge observations, SEs, and MPs to reduce random error from each source and to produce a gauge—satellite–model merged daily precipitation analysis, called BMEP-d(Beijing Climate Center Merged Estimation of Precipitation with daily resolution), with complete global coverage. The BMEP-d data from a four-year period(2011–14) demonstrate the ability of the merging strategy to provide global daily precipitation of substantially improved quality.Benefiting from the advantages of the HL-OI scheme for quantitative error estimates, the better source data can obtain more weights during the merging processes. The BMEP-d data exhibit higher consistency with satellite and gauge source data at middle and low latitudes, and with model source data at high latitudes. Overall, independent validations against GPCP-1DD(GPCP one-degree daily) show that the consistencies between BMEP-d and GPCP-1DD are higher than those of each source dataset in terms of spatial pattern, temporal variability, probability distribution, and statistical precipitation events.     

辽宁区域性大暴雨成因分析及多模式数值预报空间检验

利用三源融合格点降水实况、加密自动站观测资料、雷达基本反射率因子、高分辨率数值预报产品及FNL再分析资料, 对2020年汛期辽宁地区12次区域性暴雨过程进行天气系统分型检验表明, 气旋型暴雨模式的可预报性较低。选取2021年7月12—14日辽宁地区典型气旋型暴雨过程进一步分析, 采用面向对象目标的空间检验方法SAL, 结合传统检验方法, 从结构、强度和位置三个方面定量分析不同模式预报偏差的原因。结果表明: 暴雨落区集中且呈双雨带分布, 局地雨强大, 辽宁东、西部降水成因不同。CMA区域模式较全球模式暴雨TS评分高; SAL空间检验表明, CMA区域模式对于雨带内部结构把握较好, 全球模式结构误差主要来源于降水极值预报不足; 强度检验表明, CMA-MESO3km强度接近实况, EC_THIN次之, CMA_GFS的降水强度预报较差; 各模式暴雨落区基本可信, CMA-MESO3km最优, 暴雨落区的误差主要由于模式预报降水过程主体重心与实况的偏差较大所致。