基于集合预报的中国极端强降水预报方法研究

极端强降水天气属于小概率事件,其发生具有很多不确定的因素,预报难度很大。根据Anderson-Darling检验原理研究基于集合预报资料的极端强降水天气预报方法,利用2007—2010年中国T213集合预报资料和2001—2010年6—8月中国降水观测资料,分析观测与集合预报累积概率密度分布函数的特征,建立基于集合预报与模式历史预报累积概率密度分布函数连续差异的数学模型——极端降水天气预报指数(EPFI),并对2011年7月中国极端强降水天气进行预报试验。结果表明,极端降水天气预报指数可以充分利用集合降水累积概率密度分布的尾端信息,为极端强降水提供科学合理的预报,基于中国气象局(CMA) T213集合预报的极端降水天气预报指数可提前3—7 d发出极端强降水预警信号,随着预报时效的延长,预报技巧逐渐降低。研究还表明,模式气候累积概率分布的合理性将直接影响极端强降水天气识别能力。     

新疆短时强降水天气主要流型及环境参量特征分析

利用近10年新疆暖季(5-9月)常规观测、区域自动站小时降水资料,对468个短时强降水过程的主要流型、关键环境参数特征及预报阈值进行讨论.结果表明:新疆短时强降水的流型有中亚低槽(涡)、西西伯利亚低槽(涡)、西北气流等3种,中亚低槽(涡)是影响新疆短时强降水的主要流型;探空温湿廓线可分为Ⅰ型(整层干)、Ⅱ型(上干下湿)...     

中国东南地区夏季台风小时降水概率分布特征

利用1980—2013年7月1日—9月30日中国东南地区818个国家地面气象站小时降水资料以及台风6 h路径观测数据分离出台风降水后,采用最大似然估计法得到台风小时降水Gamma概率密度函数分布的形状参数α和尺度参数β,并对代表站点上Gamma分布模拟的小时降水概率分布与观测的小时降水频率分布进行对比分析;最后,基于Gamma分布模拟,得到台风小时降水总的降水概率分布特征以及不同台风影响距离和台风强度影响下超过给定阈值的降水累积概率分布与极端降水阈值。结果表明:我国东南地区台风降水总的特征是小时降水超过5 mm多发地区位于华南、华东沿海地区;其余大部分地区不易发生超过5 mm的小时降水量;广东沿海、广西南部、海南西北部,小时降水超过10 mm的累积概率为10%~15%;小时雨量超过20 mm阈值的概率极低;在近距离台风影响下,随着台风强度增大,95%累积概率小时降水阈值为15~20 mm的区域由福建和广东沿海以及海南变为湛江和海南,而阈值为10~15 mm的地区由两广浙闽地区变为广东、福建和江苏沿海以及浙江;就远距离台风而言,随着台风强度增大,东南地区出现台风降水的区域逐渐由东南沿海向内陆延伸;海南、广东、福建和江西为远距离强台风影响下95%累积概率对应的小时降水阈值较高地区。     

成都市短时强降水概率预报方法初探

选取2010～2019年4～9月成都市气象观测站逐小时降水资料和欧洲中心ERA-5逐小时再分析资料,采用统计分析和统计预报方法,研究了近十年成都市短时强降水时空分布特征,并依据短时强降水发生发展的基本条件,基于"配料法"思想,探讨了成都市短时强降水概率预报方法.结果表明:成都市短时强降水事件集中于暖季(4～9月),其中...     

2010—2019年浙江暖季短时强降水特征分析

利用2010-2019年浙江省暖季(5-9月)1426个国家站和区域站小时雨量数据和NCEP 1° X 1°逐日4次再分析资料,分析了浙江省暖季短时强降水、极端短时强降水时空分布特征及区域性短时强降水事件,结果表明:①近10年暖季短时强降水频次呈增多趋势,降水强度变化平稳;8月(上旬)降水频次最多,9月(中旬)强度最强...     

一次极端短时强降水过程中FY-3微波湿度计观测特征分析

利用FY-3微波湿度计资料和常规观测资料,对2016年贵州至湖北一次强降水事件中极端短时强降水站点、一般性短时强降水站点上空对流云的微波观测特征进行了对比分析。结果表明:(1)极端短时强降水站点上空150 GHz附近窗区探测通道亮温低于一般性短时降水站点。(2)极端短时强降水站点上空水汽通道亮温垂直分布呈现漏斗状,对干侵入有一定指示作用,亮温最低值出现在183.31±7 GHz附近,主要为暖云降水;一般性短时强降水站点上空水汽通道亮温垂直分布则呈竖条形,亮温最低值出现在183.31±3 GHz和183.31±7 GHz探测通道附近,为冷云暖云混合降水。(3)极端短时强降水站点上空未出现冲顶对流,但低层对流发展旺盛;一般性短时强降水站点上空出现冲顶对流,但低层对流发展强度偏弱。     

2012—2021年海南岛极端短时强降水特征及其成因分析

利用2012—2021年海南岛323个地面气象观测站逐小时降水资料及ERA5高分辨率资料,统计分析了海南岛近10 a的极端短时强降水时空分布特征,利用合成分析法探讨了产生极端短时强降水的环流背景。结果表明：海南岛极端短时强降水每年约为422.3次,占短时强降水的8%。极端短时强降水的季节和日变化明显,多发生在4—10月的午后(14:00—19:00),8月站次最多,近10 a发生极端短时强降水的站次最多为11次,出现在海南岛西北部。极端短时强降水日变化呈单峰型,峰值出现在17:00,为每年62.1次。午后发生极端短时强降水的平均降水强度较大,均值为67.8 mm·h^-1,峰值为111.5 mm·h^-1。海南岛极端短时强降水年、暖季(4—9月)的空间分布有两个高发地区,为海南岛西北部和东部沿海地区,暖季的天气系统是影响海南岛极端短时强降水的主要天气系统。海南岛极端短时强降水逐月空间分布差异与海陆风、地形均有密切关系,各月触发条件不同,7—8月极端短时强降水相对较多。     

基于小时分辨率的降水过程辨识方法研究

强降水极易造成暴雨灾害,尤其是突发性强的短时强降水,动态监测、影响评估和风险预估是灾害防御的重要手段。但目前气象服务业务中,强降水的定量评估和风险预估还是以天为单位,现代气象服务精细化的需求迫切要将时间分辨率提升至小时尺度。本文利用1951—2018年国家气象观测站小时降水观测资料,从小时尺度界定站点、大区域、小区域降水过程的辨识方法。基于改进的降水过程综合强度评估方法,在概率密度分布的基础上,重新划分了极端、特强、强、较强、中等五个等级的降水过程综合强度指数。检验论证显示,基于小时分辨率降水过程的自动提取和评估方法合理,具有可操作性,能够对过程性降水、短时降水过程动态评估和预评估,可实时支撑气象服务业务,提升气象防灾减灾能力,也为后续开展短时强降水影响评估和风险预估建立基础。     

基于GNSS水汽和地面假相当位温观测的短时强降水阈值预报方法研究

基于2019年和2020年6—7月GNSS水汽监测网大气可降水量（PWV）资料和并址气象站的地面雨量、温、压、湿等同步观测数据,利用临界成功指数（CSI）和命中率（POD）两个检验指标,探索建立了基于PWV、6小时水汽增量（PWV*）及假相当位温距平（θse*）的短时强降水阈值预报方法,并利用2021年6—7月降水样本对该预报方法进行检验,结果显示CSI和POD分别为0.167和0.593,其评分高于目前常规业务方法对短时强降水的客观预报评分,其中约48%的短时强降水发生在预警之后的24小时内,约78%发生于48小时内。研究区域内78.6%的短时强降水样本发生在连续15小时PWV*的累积值（∑PWV*）≥75mm且连续24小时θse*累积值（∑θse*）≥30K的条件下;PWV高值区叠加∑PWV*和∑θse*的大值区对梅雨期短时强降水以及暴雨发生区域有较好的指示性。     

西南区域中心模式SWC-WARMS降水偏差分析

本文利用2014—2015年5—10月12(24)h累积降水资料和西南区域模式(SouthWest Center WRF ADAS Real-time Modeling System,SWC-WARMS)36(72 h)预报时效内降水预报资料,从概率和频次角度分析不同海拔高度地区观测和模式降水在量级及空间分布上的特征差异。结果表明,SWC-WARMS模式各预报时效各量级降水的概率密度均比观测偏大,并向10 mm以下雨量集中,且随预报时效延长偏大更显著;模式与观测降水的概率密度曲线差异在盆地小于高原,地形差异小的区域小于地形差异大的区域。SWC-WARMS模式对四川地区降水预报存在雨日较观测明显偏多,量级偏大,降水频次高值区范围偏大、出现虚假高值区等系统性偏差。此外,模式预报在20—08时比08—20时优,24 h累积降水预报优于12 h降水预报,尤以中雨及以上量级降水落区预报为甚。最后,模式极端强降水预报在20—08、20—20时较实况偏大,08—20时,模式预报在盆地较实况偏小,川西高原和攀西地区偏大。     

基于卫星融合降水资料的河北省暖季短时强降水分析

利用国家气象中心1998—2018年6—9月0.1°×0.1°分辨率的逐小时卫星融合降水资料,分析河北省暖季短时强降水(1 h降水量≥20 mm)的空间分布、日变化特征及成因,结果表明:短时强降水过程的平均小时降水量、降水频次、降水强度、峰值降水量自东南向西北递减,其中东部沿海降水量最大,太行山和燕山的迎风坡附近存在降...     

基于单站探空资料的不同强度短时强降水预报指标研究

使用浙江省69个基准站2006—2015年5—9月以及同期杭州城区58个区域自动站小时降水资料,利用Gamma分布计算浙江省短时强降水的累积概率,同时综合其频率分布,揭示杭州市小时降水强度的分布特征。此外,以杭州市区为例,利用探空资料分析不同量级(≥50 mm·h-1、30~50 mm·h-1、20~30 mm·h-1、20 mm·h-1)小时雨强出现的环境指标,并基于核密度估计方法提取预报指标。结果表明:杭州城区出现小于等于10 mm·h-1的降水概率高达98.4%,≥20 mm·h-1的概率仅0.05%;受杭州湾偏东气流影响,杭州市区发生短时强降水频率相对较高,尤其是余杭区的东部和西北山区;自2008年以来杭州市区每年短时强降水日数为18~28 d,其中大于等于50 mm·h-1的短时强降水日所占比例高达10%~20%(除2009年和2012年低于10%外);可用于预报杭州市区短时强降水的最佳环境因子依次为整层可降水量、K指数、最佳抬升指数、沙氏指数、925 h Pa露点温度和强天气威胁指数;在判断杭州市区短时强降水强度上表现最好的环境因子为整层可降水量,其次是850 h Pa垂直速度和925 h Pa散度。     

云南省汛期极端强降水事件的气候特征

利用云南省1961～2008年94个站点逐日降水资料,根据百分位法定义了不同站点的极端强降水阈值,应用EOF、线性倾向率和周期分析方法,对云南极端强降水事件频数进行了时空分布特征诊断。结果表明：云南省汛期极端强降水阈值的空间分布呈西北至东南逐渐增大的分布趋势;以百分位法定义的极端强降水事件频数和大雨及以上强降水频数的空...     

基于CMA-MESO的分级短时强降水概率预报方法研究

随着预报服务需求不断增长和预报内容日趋精细化,仅针对20 mm·h^(-1)以上的短时强降水预报已不能完全满足业务需要,开展不同雨强等级的短时强降水预报方法研究显得十分必要。利用2016—2019年6—8月中国南方9省1市的国家及区域气象站共51355站次短时强降水样本,将雨强R分为4个等级:20≤R<30 mm·h^(-1)、30≤R<50 mm·h^(-1)、50≤R<80 mm·h^(-1)及R≥80 mm·h^(-1)(分别对应I、Ⅱ、Ⅲ、IV级)。将各级样本与同时段CMA-MESO(China Meteorological Administration mesoscale model)数值预报模式初始场进行时空匹配,提取22个相关物理量建立数据集并进行百分位值统计;利用XG⁃Boost(extreme gradient boosting)机器学习方法对物理量进行重要性排序以确定权重系数;应用连续概率预报方法,选用升、降半岭函数作为隶属函数,建立不同等级短时强降水概率预报模型。运用该模型在2020年汛期进行实时业务预报,并对湖北省2020年6—8月15次大暴雨过程0~36 h预报时效的逐小时不同等级短时强降水概率预报产品进行检验,结果表明:I级概率预报产品60%阈值的TS评分(0.145)最好,对应命中率为55.7%;Ⅱ级概率预报产品65%阈值的TS评分(0.083)最好,对应命中率为39.1%;Ⅲ级概率预报产品70%阈值的TS评分(0.03)最好,对应命中率为21.7%;IV级概率预报产品80%阈值的TS评分(0.005)最好,对应命中率为5.8%。对不同等级雨强个例对比检验表明,各级概率预报产品对CMA-MESO模式在同时次不同等级短时强降水预报上均有较好的订正作用。对3次强降水过程逐小时预报检验表明,I级概率预报产品命中率为40%~80%,空报率为50%~90%,预报时效达36 h,普遍优于同时次CMA-MESO降水量预报。本研究对不同等级短时强降水分型建模并在实际预报中有较好的参考性,能够对CMA-MESO的降水预报起到订正作用。     

青藏高原东北侧短时强降水阈值确定及特征分析

基于临夏州2006—2018年4—9月自动气象站逐日小时降水量,在传统降水百分位法、Z指数法和平方根变换法3种方法中,确定了短时强降水阈值的最佳计算方法,在此基础上分析临夏州短时强降水的时空分布特征。平方根变换法确定的临夏州短时强降水阈值为14.6 mm·h^(-1)。临夏州短时强降水空间分布表现为自中南部分别向西北和东南减少,短时强降水年平均出现次数为7.3次,2018年出现次数最多;7—8月短时强降水出现频次最多,占短时强降水总频次的81.1%,8月达到最高峰,占总频次的55.8%;短时强降水日变化呈4峰分布,短时强降水主要出现在18:00—23:00,占短时强降水总频次的55.8%;小时最大降水量为55.8 mm,出现在22:00;短时强降水持续时间为1 h的占90.5%,同一时次出现1站次短时强降水的占93.3%,临夏州短时强降水多为阵发性,且空间分布多为孤立零散。     

山东省短时极端强降水研究

利用1999—2011年4—10月全省大监自动站逐时降水观测资料,采用排序法、正态变换法(Z指数法)、平方根变换法等3种计算阈值的方法,计算了山东短时极端强降水的阈值,采用不同方法会得出不同的阈值。传统排序法计算的结果更接近实际,最后采用此法计算结果确定山东省及5个分区短时极端强降水阈值。结果显示:鲁东南、鲁中、鲁西北地区阈值大,鲁西南和半岛地区阈值小,特别是鲁西南地区阈值最小。鲁西北、鲁西南、鲁东南、鲁中和半岛南部易出现短时极端强降水,半岛北部短时极端强降水较少。短时极端强降水出现的偶然性大,极端强降水出现次数与年平均降水量没有明确关系。7、8月是防范短时极端强降水的关键时期。     

鄂尔多斯短时强降水报警系统

鄂尔多斯短时强降水报警系统采用VB语言和Access数据库进行开发,依托于中尺度观测系统的观测资料,对实时雨情进行查询统计,超出降水阈值的站点进行记录并发出声音报警,以提醒预报员密切关注强降水区域及趋势,更好地提供短临预报服务,从而最大程度地降低工矿区及农牧民朋友的灾害损失。     

GRAPES_GZ 3 km模式对2019年海南岛暖季非台风降水预报的时空检验

利用基于目标诊断的空间检验方法(MODE)和时空检验方法(MTD)评估了华南3 km高分辨率区域数值模式(GRAPES_GZ3 km)对2019年海南岛暖季非台降水预报性能, 结果显示: (1)模式24 h累积降水预报的空间分布范围偏大、降水强度偏强; (2)模式逐小时降水预报的平均质心总体偏西和偏北, 降水出现时间总体偏早1~3 h, 结束时间总体偏晚2~4 h, 降水持续时间偏长; 预报的降水目标数量偏多, 与实况一致均存在着主峰和次峰形态的昼夜分布特征, 但预报的昼间主峰出现时间比实况偏早2 h; 预报的短时强降水出现频次总体偏多。相对于传统的预报和观测点对点检验评估方法, MODE和MTD方法具有捕捉模式预报偏差特征的优势。      

基于贝叶斯方法的极端降水概率预报试验

本文采用百分位法对观测极端降水的阈值进行定义,根据贝叶斯理论探讨了极端降水的概率预报方法,进行了贝叶斯极端降水模拟概率预报试验和检验。以观测和模式极端降水阈值分别进行的贝叶斯概率预报试验结果表明:以观测极端降水为阈值时,先验概率与后验概率的极端降水空报情况较多,主要降水雨带的概率预报也偏强;而以模式极端降水为阈值时,两者的空报均较少,且对主要雨带也起到了明显的预警作用。对比两种阈值取法下的先验概率和后验概率的极端降水预报,前者的概率预报值较后者的更小。检验结果表明,经过贝叶斯方法修订后的极端降水预报,提高了极端降水产生的正确率,但空报也有所增加。     

冷涡背景下东北地区短时强降水统计特征

利用2011-2020年6-8月全国2400个地面自动站观测的逐小时降水资料和常规观测,结合美国NCEP/NCAR 1°×1°的6h间隔再分析资料,基于站点统计了冷涡背景下东北地区短时强降水的时空分布特征.然后着眼降水落区,基于冷涡位置、形状、发展阶段以及与热带系统的相互作用等将冷涡短时强降水分为西北气流型、纬向型、南...