基于MICAPS平台的四维天气诊断分析系统

以T213模式、HLAFS模式、MM5中尺度模式输出的格点资料以及日本降水量格点资料为基础，研究了面雨量的计算方法和预报方法；根据各种数值模式输出的降水量预报性能和质量优劣特点，依据数值模式的形势场预报优于要素场预报的现实，构造了在不同环流形势背景下，启动不同预报方程的面雨量预报业务流程，有效的遏止了在环流形势调整时预报输出不能快速响应的弱点，提高了点和面雨量预报的准确度，并建立了“山西省主要河流流域面雨量预报业务系统”。2003年将该预报系统投入业务运行，取得了良好的预报服务效果。     

格点选择对MAPS面雨量预报效果的影响

以MAPS数值预报产品为基础，采用1998～2001年MAPS数值格点降水预报场资料，选取长江上游六大流域不同的代表格点计算该流域不同时段、不同时效的面雨量。以历年面雨量实况为标准，对上述时段面雨量预报值进行相关分析。结果表明，格点选择不同，该流域面雨量预报结果存在较大差异，对于MAPS数值降水预报而言，采用将格点北移1纬度、东移3经度的方式，其预报效果最佳。将这种格点选择方式应用于2002年长江上游六大流域面雨量预报，其效果较好。     

基于人工神经网络的暴雨预报方法探讨

探讨了基于人工神经网络模型的暴雨预报方法。该方法仿预报员的暴雨预报思路，在动力模式的降水预报产品、环流形势场和暴雨落区之间通过人工神经网络建立非线性的统计预报模型，该模型的输入是动力模式的降水预报和初始环流形势场的扩展正交分解主成份分量，输出是预报区域的暴雨落区预报。2000年的汛期试验表明该客观预报方法可明显改进数值预报模式的暴雨落区预报，因此可望在业务预报中有较好的应用前景。     

基于BP神经网络的浙北夏季降尺度降水预报方法的应用

利用NCEP提供的全球空间分辨率为2.5°×2.5°、2007—2012年6—8月日平均500 h Pa高度场再分析格点资料和浙北地区158个站点观测资料,研究了不同大气环流型下局地降水与大尺度降水场之间的关系,以4种不同环流型下的预报对象和预报因子分别采用BP神经网络方法对观测资料进行逼近,得到4种空间降尺度的预报模型,分析对比4种预报模型158站逐日的降水量的预报。结果表明:神经网络模型的隐层节点数为2时,对降水的拟合效果最好;对降水的极值拟合效果中,环流分型中NW型和C型的效果优于SW型和SE型;从4种分型下的误差空间分布来看,浙北地区沿海的宁波、舟山一带的误差小于浙北其他区域;把雨量分等级后进行预测,发现模型对暴雨的预测能力最好。     

5.23-24特大暴雨天气过程预报失误分析

2009年5月23～24日台山出现特大暴雨降水过程,降水量级预报失误较大.在分析环流背景、数值预报、物理诊断场、实况资料和各级指导预报的基础上,阐述当时的预报思路,指出数值预报产品和指导预报雨量量级偏小是这次预报失误的原因,实况资料可以订正数值预报的偏差.     

开封中、短期逐日降水分级滚动预报方法

利用欧洲中心和T213数值预报产品格点资料,经环流形势特征分析、格点读数、指标量化、计算机编程等步骤,研制了逐日降水分级滚动预报方法。     

开封中、短期逐日降水分级滚动预报方法

利用欧洲中心和T213数值预报产品格点资料,经环流形势特征分析、格点读数、指标量化、计算机编程等步骤,研制了逐日降水分级滚动预报方法.     

用GPS可降水量资料对一次大-暴雨过程的分析

利用2002年9月10～20日GPS的可降水量资料与实况降水场做了分析比较,结果表明,每30分钟的可降水量连续观测资料对实际降水预报有着一定的指导意义.首先,可降水量第一次达到及最后一次出现50mm的时间与实际降水的开始、结束时间有着较好的对应关系,而可降水量≥50mm的持续时间越长,实际降水量也就越大,反之则相反;其次,可降水量的3小时及24小时变化对预报未来降水区域和雨量分布有着一定的指示作用;最后,可降水量在降水过程中不同阶段的趋势变化反映了500hPa流场、700hPa水汽通量场的变化,这为实际降水预报中水汽的来源及输送提供了更有利的依据.     

三种数值预报产品在清江流域面雨量预报中的释用

日本有限区降水预报模式、MAPS、HLAFS是宜昌市气象台常用的三种数值预报模式。在此,初步分析了三种模式对清江流域降水预报的性能,同时考虑到清江隔河岩水电站等重点水利工程对气象服务的实际需要,改变了通常的降水量级预报模式,对流域面雨量预报进行了尝试;在此基础上,对三种预报模式的降水预报产品加以综合,再利用多元线性回归方法建立了一套清江流域主汛期面雨量预报模型。1基本资料所使用的资料主要有：清江流域面平均雨量资料（08～08时）,日本气象厅有限区模式预报资料,国家气象中心HLAFS降水预报格点资料,武汉暴雨…     

用GPS可降水量资料对一次大一暴雨过程的分析

利用2002年9月10～20日GPS的可降水量资料与实况降水场做了分析比较，结果表明，每30分钟的可降水量连续观测资料对实际降水预报有着一定的指导意义。首先，可降水量第一次达到及最后一次出现50mm的时间与实际降水的开始、结束时间有着较好的对应关系，而可降水量≥50mm的持续时间越长，实际降水量也就越大，反之则相反；其次，可降水量的3小时及24小时变化对预报未来降水区域和雨量分布有着一定的指示作用；最后，可降水量在降水过程中不同阶段的趋势变化反映了500hPa流场、700hPa水汽通量场的变化，这为实际降水预报中水汽的来源及输送提供了更有利的依据。     

千米尺度数值预报模式对泰山地区暖季降水预报性能的评估

为深入认识对流可分辨模式对小尺度孤立地形区降水的预报性能,使用2017年暖季（5—9月）台站逐时降水观测数据,以小时尺度降水特征为指标,细致评估了千米尺度分辨率（3 km）的北京“睿图”短期数值预报子系统（RMAPS-ST）对泰山及其周边地区降水特征的预报能力,并对比了不同起报时次（北京时08时和20时）的预报差异。评估发现,RMAPS-ST可以再现泰山站的局地降水中心,但区域西南侧降水预报小于观测,而泰山站及其东北侧则相反。清晨和午后时段的降水预报与观测相比存在较大偏差。以泰山站为例,RMAPS-ST易于低估夜间至清晨时段的降水频率,这可能与模式对降水系统发展演变过程的预报偏差以及清晨泰山站弱降水事件的漏报有关;清晨泰山站降水强度的预报在不同起报时次的结果中存在差异,20时起报存在大幅度高估的问题,进而导致其暖季平均降水量预报大于观测,而08时起报对于清晨降水强度的高估不明显;08时起报易高估泰山站午后的降水频率,这与其午后短历时降水事件数预报偏多有关,模式对山区热动力场的预报偏差是午后降水空报的可能原因。小时尺度降水特征已应用于中国气象局区域数值预报模式的业务评估体系中,本研究结果也表明,此类评估有助于深入认识千米尺度数值预报模式对降水日内变化的预报能力,从而为精细化降水产品的订正提供更详实的科学依据。      

精细数值预报在60周年国庆天气服务中的应用

在60周年国庆天气服务中,使用ARPS实时分析预报系统,将地面观测、探空、自动站、雷达基数据和风云2卫星TBB等多种观测资料同化,使用较多的观测数据调整模式初始场,对天安门地区未来3天的天气逐日进行精细化数值预报。对ARPS系统的降水落区和量级预报能力及单点降水预报准确率检验结果表明:对于秋季低槽东移造成的华北地区的大范围降水,ARPS系统有较好的预报能力,12-36 h预报的1 mm降水落区与实况十分吻合,降水量预报通常略大于实况;对单点的1 h的累积降水预报,预报降水的开始时间较实际降水时间提前1-3 h,1h累积降水随时间增大或减小的变化趋势预报比较准确。综合看来,使用ARPS实时分析预报系统进行精细化天气预报是可行的,数值预报的结果对于精细化天气预报决策具有较好的参考价值。     

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。     

几种数值预报模式在广西降水预报效果的比较

根据最近5年的降水资料和T213、日本、德国三家数值模式降水预报产品,对三家数值模式在广西晴雨预报和降水分级预报的能力进行分析、比较,结果表明,T213模式的暴雨预报能力最强,日本模式在大雨及以下各级降水预报中预报能力最强,但降水的量级比实况偏小;德国模式对晴雨预报,特别是无雨天气预报能力明显高于日本模式和T213模式。     

不同边界层和陆面过程参数化方案对比分析

利用WRF模式选用不同的边界层参数化方案 (YSU、MRF) 结合三种陆面过程方案 (RUC、SLAB、Noah) , 模拟了2011年5月1~3日的四川东部暴雨过程, 对不同参数化方案结合不同陆面过程结果进行对比试验基础上发现, 模式对24h降水落区及强度有较强预报能力, 但对单站小时降水分布的预报能力还需改进;不同边界层方案与陆面过程的对比试验说明降水对于边界层物理过程有一定敏感性, 各试验的差异主要体现在对暴雨中心雨强以及降水峰值强度和峰值出现时段的预报上;WRF模式基本上能够模拟出边界层要素日变化特征。      

金沙江下游多种面雨量集成预报方法的对比分析

集成方法有利于提高降水要素预报的准确性和可预报性。本文基于格点实况资料和智能网格预报、西南区域数值预报、ECMWF模式预报、GRAPES模式预报产品,以面雨量为研究对象,采用多元回归法、BP神经网络法、评分权重法、加权集成预报法和算术平均法,得到集成面雨量预报,再运用平均绝对误差、模糊评分、正确率、TS评分、偏差分析等方法,对2020年4—10月金沙江下游面雨量预报效果进行对比分析。结果表明：多元回归集成法和BP神经网络法的预报效果总体上优于其他几种集成方法。在考虑流域面雨量的预报量级时,下游可以采用预报量级较小的模式和集成方法。集成后偏差百分比均有降低,且多元回归法和BP神经网络法对预报量级较小的模式有矫正作用。在面雨量有无、小雨和中雨预报中,多元回归法集成效果较好,在大雨量级预报中,BP神经网络法集成效果较好。这些结论可为流域面雨量预报提供参考借鉴。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

Key Deviation Analysis of Initial Fields on Ensemble Forecast in South Chinaduring the Rainfall Event on May 21, 2020

Extreme rainfall is common from May to October in south China. This study investigates the key deviation ofinitial fields on ensemble forecast of a persistent heavy rainfall event from May 20 to 22, 2020 in Guangdong Province, south China by comparing ensemble members with different performances. Based on the rainfall distribution and pattern, two types are selected for analysis compared with the observed precipitation. Through the comparison of the thermal and dynamic fields in the middle and lower layers, it can be found that the thermal difference between the middle and lower layers was an important factor which led to the deviation of precipitation distribution. The dynamic factors also have some effects on the precipitation area although they were not as important as the thermal factors in this case. Correlating accumulated precipitation with atmospheric state variables further corroborates the above conclusion. This study suggests that the uncertainty of the thermal and dynamic factors in the numerical model can have a strong impact on the quantitative skills of heavy rainfall forecasts.     

2004年主汛期各数值预报模式定量降水预报评估

随着数值预报技术的飞速发展, 模式定量降水预报已成为天气预报业务工作中的主要参考依据。本文对目前在国家气象中心应用的3个业务运行模式T213L31, HLAFS0.25, 华北中尺度模式MM5和德国模式及日本模式的降水预报产品进行了季节空间分布、区域时间序列演变及统计检验, 试图从空间、时间及统计方面对降水预报产品的预报性能进行综合评估。检验结果表明:目前的数值预报模式对短期时效内定量降水预报均具有一定的空间预报能力, 但强降水中心位置有一定的偏差; 从时间序列演变检验来看, 模式对区域强降水过程的发展趋势具有较强的预报能力, 但降水量预报与实况有一定的差距; 从累加统计评分检验结果来看, 模式短期时效的预报性能差别不大, 全球模式在小中雨预报方面有一定优势, 其中日本模式的综合预报性能最好, 大雨以上量级的预报则是国内的模式有一定的优势, 其中华北中尺度MM5模式, T213L31模式各有所长, 但均存在预报量和预报区偏大问题。