登陆台风站点大风预报的人工神经网络方法

利用数值预报格点资料预报登陆台风影响时,沿海地区站点风的预报是各站点的定时二分钟风向风速。通过对MICAPS站点资料进行整合、分析,选取了沿海地区400多个资料比较齐全的站点和海岛站作为预报站点。用NCEP再分析场的格点资料做相关性分析,选定9个预报因子。运用BP网络对每个站点分别建立纬向风和经向风人工神经网络模型,拟合风速的绝对值误差是1.3 m·s~(-1)。独立样本检验,风速绝对误差在2 m·s~(-1)以内。     

偏北大风的数值预报释用方法研究

本文利用欧洲中心中期数值预报结果，从不同侧面选取因子，建立了日最大平均风速的四种统计预报方程，在此基础上设计了几种集成方法对预报结果进行集成，结果表明，我们设计的最大值－阀值综合集成法取得了很好的效果，特别是2－3天的大风预报准确度较高。     

1980—2014年中国台风大风和台风极端大风的变化

基于1980—2014中国670站日最大风速资料,利用改进的客观天气图分析法（OSAT）分离出中国陆地的台风大风（6级以上,≥10.8 m/s）,并定义了台风极端大风,进而研究了台风大风和台风极端大风的变化特征。分析表明：在地理分布上,台风大风年均日数和占比均自海岸线向内陆迅速减小,在海南、华南和东南沿海省份以及江苏南部,台风大风占比一般为30%～70%;台风极端大风年均日数大值主要分布在沿海省市（除河北和天津）,特别是华东和华南沿海,局部地区台风极端大风日数占比达100%。从季节变化看,在台风活跃的7—9月,中国台风极端大风频次总体上超过了季风极端大风;就全国而言,当阈值从最低值（11.5 m/s）提升至12级（32.7 m/s）时,台风极端大风频数占比则从12%急剧攀升至77%。1980—2014年,中国台风大风和台风极端大风年日数均显著减少,而台风极端大风年平均强度增强;这期间引起中国台风大风和台风极端大风的台风频数均显著减少,但引起台风极端大风的台风在生命期和影响期的平均强度均显著增强,这可能是上述显著变化特征的主要原因。     

台风数值预报技术研究进展

介绍了近年来台风涡旋初始化技术、台风数值预报模式技术,以及台风数值预报中的关键物理过程等数值预报技术的研究进展情况。     

我国台风科研和业务预报的回顾及现状

本文回顾了中华人民共和国成立以来,我国台风科研和业务预报发展的过程,介绍了现在的情况。并在此基础上,提出了为提高热带气旋路径预报精度,应该进行的工作。     

春季大风统计预报

本文用１９８０￣１９８９年传真图资料，结合天气图模式，本站要素和天气学指标，总结出一套大风预报方法，经几年春季大风模拟试报，效果较好。     

南海异常路径台风预报的数值试验

利用广州热带海洋气象研究所最近发展的热带有限区台风数值预报模式,对1991年登陆广东的9116号强热带风暴(Joel)进行了数值预报试验。结果表明:模型台风的加入,模式水平和垂直分辨率的提高,物理过程的完善,能大大提高台风路径的预报准确率。     

中国台风联防与科研协作及其对中国台风学科发展的作用综述

中国是全球台风灾害最严重的国家之一,也是最早记录台风灾害的国家.加强对台风活动规律的研究,进而研发台风监测预报技术,是提高防台减灾能力的必由之路.中国有组织的台风联防和科研大协作分别始于20世纪50年代及70年代,先后建立了台风会商和科学讨论会等较完备的台风联防及科研协作机制,并沿用至今,取得了丰硕的成果,促进了中国的...     

用ECMWF数值预报产品预报台风路径

为提高台风预报效果,并使其客观定量,本文运用ECMWF数值预报(0 h(实况场)～168 h)产品,以涡度中心为基础,在气旋性涡旋的格区中,找准恰当的"扭角",用计算机图上作业程序确定台风位置,平均误差84 km,表明本方案有其优越之处.在预报过程中,对涡度中心的阈值和搜寻半径系数的选定,结合实际计算后的距离误差和可预报率作了些讨论.逐年运用效果统计表明,本文提出的方案有着良好的应用前景.     

三层权重订正引导台风预报方案初步应用

本文是两层引导台风预报方案的更新研究试验。在本方案中,采用了以台风中心为坐标原点的移动网格计算环境基本气流,提出了根据850、700和500hPa三层地转基本气流与当时台风移动的接近程度加权计算引导气流的新方法。1987年台风季节,在广州中心气象台实际预报试用的结果表明,本方案的24小时和48小时预报误差比相应的美国关岛发布的台风预报误差要小,比过去多年两层引导方案的平均误差也小。     

WRF-Hybrid背景误差协方差调整在台风同化及预报中的应用研究

利用雷达径向风单点试验和2006年8月超强台风"桑美"个例,首先研究了静态背景误差协方差的尺度化因子和方差在台风系统雷达资料同化中对台风路径和强度预报的影响。结果表明:在高时空分辨率的雷达资料同化中,较小的尺度化因子能显著改进对台风路径的预报;尺度化因子的影响比方差的影响更为显著。基于上述实验结果,进一步研究了WRFDA-Hybrid系统中"流依赖"控制变量的水平局地化和垂直局地化对台风预报的影响。试验结果表明:当"流依赖"的水平局地化距离与静态背景误差协方差的尺度化因子具有等效影响范围的时候,WRFDA-Hybrid能够得到比较合理的分析结果。同时针对雷达观测资料的空间分布特征,本文提出了一种新的基于雷达探测高度的垂直局地化方案,对台风的强度和路径预报均有显著的改进。     

广元地区冬季寒潮大风客观预报方法

介绍了广元市气象台利用欧洲数值预报对冬季寒潮大风做出客观预报的方法，并详细阐述了该方法的软件开发原理，在广元地区的冬季灾害天气预警预报中发挥了重要作用。     

广元地区冬季寒潮大风客观预报方法

介绍了广元市气象台利用欧洲数值预报对冬季寒潮大风做出客观预报的方法,并详细阐述了该方法的软件开发原理,在广元地区的冬季灾害天气预警预报中发挥了重要作用.     

基于分布式水文模型的小流域山洪预报方法与应用

降水是引发山洪灾害的最重要因素。本文应用2013年1月到2016年12月的全国山洪灾害数据、土壤含水量数据及历史降水量数据,分析全国及典型区域（云、贵、川、渝）的山洪灾害及暴雨时空演变特征,初步探讨了基于灾害前期1 h、6 h、12 h及24 h的降水与山洪灾害的关系,研究山区流域的暴雨特征及引发灾害的静态阈值计算方法,同时,结合灾害前期不同时段土壤含水量特征,以10~50 cm深度的土壤含水量推求雨量动态阈值,建立了山洪灾害动态降水阈值推求方程。同时,选取了一定数量的样本对该方程进行检验,结果表明,当灾害发生前一段时间的土壤含水量信息确定时,检验样本中对应时段的实测降水量的值大于本文建立的方程计算出的动态降水临界阈值的样本占总样本的73%以上,是较优的阈值雨量的判别方法。

     

机器学习在广西台风极大风速预报中的应用

以1980-2020年广西台风期间桂林、梧州、龙州、南宁、玉林等5个气象观测站的地面日极大风速为研究对象,采用多元线性回归(MR)、支持向量机(SVM)、模糊神经网络(FNN)等三种较为常用的线性和非线性方法分别进行预报建模,对2011-2020年共10a独立样本的检验.结果 表明,在全样本风速预报的平均绝对误差上,F...     

“CMA北京模式”中三种不同阵风诊断方案在北京地区大风预报中的评估

数值模式预报是阵风预报的重要途径之一,对“中国气象局北京快速更新循环数值预报系统（简称CMA北京模式）”中AFWA、UPP、IUM三种阵风诊断方案在北京地区大风预报中的性能进行了分析评估。两次大风过程的分析以及各季节大风预报的批量试验检验结果显示:三种方案的阵风预报存在明显差异,IUM方案的阵风预报能力优势明显。IUM方案对冷空气大风和雷暴大风预警都有较好的指示意义。其对2020年3月18日冷空气大风过程中大风起始时间、大风区位置和演变以及过程极大风速均有较好的预报效果,对2020年8月2日雷暴大风过程中大风区范围预报偏大且位置存在偏差,但对大风预警的指示意义最强。IUM方案的阵风风速预报整体偏强,但对各个季节达到或超过5级阵风的等级预报较为准确。总体而言,IUM方案对北京地区大风预报性能较好,基于该方案制作的阵风预报产品可为大风预报提供有力支撑。      

The impact of T-PARC 2008 dropsonde observations on typhoon track forecasting

The THORPEX-Pacific Asian Regional Campaign 2008 (T-PARC 2008) was performed during the period of August 1 through October 4, 2008, and mainly focused on the genesis, intensification, recurvature, and extra-tropical transition over the western North Pacific in collaboration with TCS-08 and DOTSTAR. This study investigates the impact of dropsonde observations on the improvement of predictive skills for Typhoon Sinlaku (0813) and Jangmi (0815) during T-PARC 2008. Twelve and six cases were selected for Sinlaku and Jangmi, respectively. The dropsonde data were assimilated by the Weather Research and Forecasting (WRF)-Three-Dimensional Variational system (3DVAR), and then the typhoon track was obtained by running a WRF model for up to 72 hours. Consequently, the assimilation of the dropsonde data had positive impacts on the typhoon track forecast and lead to mean track error reductions of 22.5% and 17.0% for Typhoon Sinlaku and Jangmi, respectively. Subsequent experiments were also conducted to determine the sensitivities of storm activity in the horizontal and vertical distributions and the dynamic and thermodynamic variables using the dropsonde data. The results show that sondes released south of storms around the middle troposphere (500～850 hPa) are more effective in improving the track forecast. The dynamic variables mainly affect the storm tracks, while the thermodynamic variables mainly affect the central pressure of the storm.