SWCWARMS模式对西南区域预报能力的检验

应用国家基本观测站资料,基于MET系统的客观统计检验方法,针对24h降水、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2016年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式在中雨至暴雨预报上优于GRAPES模式,24h小雨和大暴雨、48h大暴雨预报较GRAPES模式偏差,同时SWCWARMS模式存在空报较多的问题;(2)SWCWARMS模式预报2米温度以低于实况为主,10m风速在秋冬季节以大于实况为主,SWCWARMS模式2m温度、10m纬向风和10m经向风4个季度平均RMSE均小于GRAPES模式,但8月月平均(72h)2m温度RMSE大于GRAPES模式,模式对近地面温度场预报优于10m风场;(3)两模式对高空温度场预报优于高度场和风场,SWCWARMS模式预报对流层中层高度场和温度场都偏低,在500h Pa上,除2月、11~12月(24h)外,其它月份和其它预报时效温度场RMSE均小于GRAPRS模式,春夏季高度场的预报优于GRAPRS模式,秋冬季RMSE大于GRAPRS模式;在850h Pa上,SWCWARMS模式预报风场春夏季误差小于GRAPES模式多于秋冬季,冬半年风场误差大于夏半年,RMSE大于GRAPES模式频次增加。     

SWCWARMS模式及GRAPES模式对西南区域降水预报检验对比分析

使用2014年5~12月西南四省(区)一市每日08时统计的24h雨量观测资料,对SWCWARMS和GRAPES模式降水进行站点统计检验。主要结论为:针对每日08时起报,SWCWARMS模式除24h中雨和48h大暴雨外SWCWARMS模式ETS评分在其它时次及其它量级降水上均高于GRAPES模式,但SWCWARMS模式空报和系统偏差较多;针对每日20时起报,SWCWARMS模式ETS和TS评分均高于GRAPES模式;除小雨外SWCWARMS模式空报率略高于GRAPES模式。从2014年10次西南涡过程统计检验可见,两模式对强降水过程即主要影响贵州的三次过程评分高于四川和云南的西南涡降水过程,24h降水评分在多个时次多个量级上优于GRAPES模式。SWCWARMS模式在汛期表现优于GRAPES模式,SWCWARMS模式对小雨、中雨和大雨有较强的预报能力,但对强降水预报能力有待改进,对中雨及以上量级降水空报率较高,而对小雨漏报多于GRAPES模式。     

2012年汛期华南中尺度模式与日本模式的降水预报评估分析

采用累加降水量级检验、降水空间分布和时间演变以及天气系统分类等方法,对广东2012年汛期GRAPES华南中尺度模式和日本气象厅全球谱模式(JMA GSM,以下简称JMA)降水预报产品进行分析评估,结果表明:两个模式对小雨预报能力相当,对于中雨、大雨和暴雨GRAPES预报效果好于JMA;两个模式对广东雨带分布预报相反,GRAPES降水值随着预报时效的增加而增加;两个模式对广东较大降水过程的发展趋势预报基本准确, GRAPES降水预报以偏大为主,JMA以偏小为主;将汛期较大的降水过程按照其主导天气系统分为6类,GRAPES对其中5种类型降水预报效果好于JMA,两个模式对台风暴雨预报效果最好,对回流暴雨预报相对较差。      

2007年汛期AREM模式降水预报效果检验分析

过对2007年6～8月AREM模式降水预报做不同时效、不同区域的TS评分对比,比较AREM与T213、JAPAN三个模式降水预报TS评分,并对AREM模式2007年汛期主要降水过程预报效果进行检验分析,从而获得AREM模式2007年汛期降水预报效果和特点,结果表明:(1)从AREM模式不同时效降水预报TS评分对比可知,对长江中下游区域,AREM模式12～36 h预报效果好于0～24 h预报,24～48 h效果相对较差,对华南、华北、东北、西南东部区域的降水,AREM模式预报效果均随时效延长而减弱。(2)由AREM模式对不同区域降水预报TS评分的对比可知,AREM模式(各预报时效)对长江中下游地区各量级降水预报的TS评分均高于全国范围的TS评分,西南东部(各预报时效)小雨(以上)量级TS评分均为各区域最高,但中雨以上各量级TS评分均低于全国范围,其他区域无稳定的预报特性。(3)从AREM、T213、JAPAN对长江中下游地区12～36 h降水预报TS评分对比可知,三个模式小雨(以上)量级降水的TS评分基本相当,对该区域暴雨、大暴雨强降水中心的预报,AREM好于T213,JAPAN相对较差,随量级增加AREM预报优势表现更为明显。(4)对2007年汛期6次个例分析可知,AREM模式对长江中下游尤其是江淮流域的大范围强降水过程预报效果较好,对暴雨、大暴雨中心的预报较T213和JAPAN有明显的优势,但对小范围、局地强降水过程的预报效果不够理想。     

GRAPES中尺度模式的广东定量降水预报检验

采用客观降水检验方法,对GRAPES中尺度模式2011年4月1日～2012年3月31日广东降水预报进行了分级降水检验、时空分布演变评估以及降水预报个例分析。结果表明:随着降水量级和预报时效提高,模式降水预报质量呈现下降趋势;模式能够对降水过程时间演变做出准确的预报,对于实况较小的降水,模式存在预报比实况偏大的问题,而对于实况较大的降水,模式存在预报比实况偏小的问题;模式不能很好预报出与地形有关的广东3个降水中心;通过对一次台风降水预报个例分析表明,模式24 h预报能较好反映雨带分布和暴雨中心。     

SWCWARMS 模式对巴中地区预报能力的检验

应用巴中地区218个自动气象观测站2016年6～8月逐日的24h累积雨量,采取基于客观统计的检验方法,针对24h累积雨量,采取TS评分、BIAS评分和空报率对比分析了 SWCWARMS 模式和 EC 细网格模式在巴中地区的预报能力。研究结果表明:(1)从降水落区来看,两个模式都对雨带的移动都有较好的预报能力;(2)从降水 TS 评分看,SWCWARMS模式在各量级上的 TS 评分都优于 EC 模式;(3)从降水 BIAS 评分看,EC 模式容易漏报中雨及以上量级的降水,而 SWCWARMS 模式则对大暴雨的预报有较大的空报;(4)从逐月评估结果看,6月和7月SWCWARMS 模式较EC模式有更好的预报效果,8月两者差异不大。总体而言,SWCWARMS 模式在巴中地区的预报效果优于 EC 模式。      

2022年汛期四川多模式降水预报检验

采用站点观测和EC、EC订正场（ECR）、CMA_3KM、SWC_3KM模式12~36 h降水预报资料,基于TS评分、SAL检验等指标,对2022年汛期四川多模式降水预报效果进行检验和对比分析。结果表明：（1）SWC_3KM有雨日数预报最接近实况分布,EC模式雨日空报最多且在川西高原和攀西地区尤为显著,EC模式大雨日数预报优于其余模式。（2）BS评分显示EC模式大量级降水预报偏干,其余模式均以湿偏差为主。TS评分暴雨量级各月均以ECR预报最优。（3）个例评分对比,ECR预报效果最稳定,过程最高TS评分次数最多,SWC模式次数最少。（4）ECR个例预报降水强度及雨带位置、走向与实况最接近,EC模式预报偏弱。SWC_3KM模式强降水雨带位置预报在盆地西北部和凉山州北部参考性较高。CMA_3KM和SWC_3KM模式预报大量级降水在高海拔地区存在较大范围空报。     

GRAPES和日本模式广东定量降水预报对比

采用客观降水检验方法,对广东2012年1月1日至8月31日GRAPE中尺度模式和日本GSM全球谱模式(JMA)降水预报产品进行累加降水量级检验、分区域按季节预报效果对比以及时空分布演变评估.结果表明:随着降水量级和预报时效增加,两个模式TS评分呈现下降趋势,GRAPES模式TS评分总体高于JMA;对于小雨、中雨以上降水预报,两个模式4-6月预报效果好于7-8月,对4-6月广东北部预报稍好于南部,对7-8月广东南部预报略好于北部;两个模式不能预报出广东平均降水中心,GRAPES对广东日均降水预报值随预报时效增加而增加;两个模式能够对广东逐日降水演变做出准确的预报,但降水预报值与实况存在一定的差别.     

AREM模式对2002年汛期降水的实时预报试验

2002年主汛期,“973”(中国暴雨)项目研制开发的η坐标有限区域数值预报模式(AREM)在武汉暴雨研究所进行了每天两个时次(08时、20时)的实时数值预报试验。实时预报表明,该模式适合于我国计算机条件,对我国夏季降水有相当预报能力。对试验结果进行了分区Ts评分检验,模式对我国东部地区的降水预报评分最高,08时起报的0～24h时效的降水预报,对24小时降水量大于0．1、10、25和50mm的R评分分别为0．578、0．282、0．144和0．062。对2002年主汛期的几次强降水过程的预报结果表明：模式对2002年梅雨、长江流域暴雨、华南暴雨和华北暴雨都有很好的预报,模式对雨带的位置、移动、降水强度、降水的持续与减弱的预报都具备一定的能力。     

T213与AREM模式分级降水预报对比检验

为检验T213与AREM模式的降水预报效果,将2004-2005连续两年两个模式的预报结果与河南省117站逐日降水实况进行分级TS评分检验,结果发现:两个模式对小雨以上量级的预报能力基本相当,夏秋季节的预报效果好于冬春季节;中雨以上量级预报均无季节特征;大雨以上量级的预报评分夏季T213高于AREM模式;大暴雨预报AREM模式好于T213.对3例不同性质降水过程落区的预报检验表明:AREM对一般稳定性降水和暴雨以上量级降水的预报能力较强.     

贵州省汛期降水特征及强降水过程分型研究

【目的】为探究贵州省汛期降水的时空分布特征及演变规律。【方法】利用贵州省81个气象观测站1981—2020年汛期降水资料,采用EOF、REOF及交叉小波分析等方法对贵州省汛期降水时空特征进行分析及强降水过程分型研究。【结果】贵州省1981—2020年汛期平均降水量为924.9mm,降水量在682.7~1194.1mm,呈显著上升趋势,上升速率为16.94mm/10a。贵州汛期降水大体上呈现西南向东北递减的趋势,强降水过程次数及持续天数分布及波动变化与汛期降水基本一致。【结论】贵州省汛期降水分布不均,具有显著的年代际变化。贵州省汛期强降水空间场主要有全省一致型、东西反向型和南北反向型3种典型模态。经REOF方法可将贵州省细分为3个强降水区域,根据环流场分析,又可进一步划分为东部型强降水（I型和III型）与西部型强降水（II型）,各类型强降水落区受500hPa环流分布情况以及850hPa水汽来源与强度的影响。     

WRF-RUC在2014年江西汛期降水预报中的检验分析

利用江西省92个国家气象观测站雨量资料,对2014年汛期江西WRF-RUC系统的降水预报进行逐6 h、12 h和24 h晴雨检验、降水分级检验以及同期区域暴雨个例检验分析。结果表明:1)6 h、12 h、24 h晴雨检验PC评分分别达0.6、0.7、0.8,系统表现了稳定的预报性能。2)系统对小雨、中雨和大雨具有较好的预报能力,对局地暴雨、大暴雨的预报能力较弱,而对区域暴雨的预报具参考意义。3)系统有效地缩短了spin-up时间,系统在积分6 h后达到最佳预报性能,并在起报后6—12 h时段,预报效果最佳。4)系统对降水范围以及小雨、中雨、大雨过度预报,对暴雨、大暴雨范围预报比较合理。     

广东地区后汛期降水集中度和集中期特征

利用广东省23个台站1961—2006年后汛期（7—9月）逐候的降水资料,计算了降水集中度和集中期,并讨论了其时空分布特征和变化规律。结果表明,降水集中度和集中期能够表征降水量在时空场上的变化,降水集中度和集中期EOF的第1特征向量表现出一致的上升趋势,呈现东北—西南向分布,第2特征向量变化特征呈东西向反向分布。广东地区后汛期降水集中度呈逐年微弱下降趋势,并在年代际和年季尺度上存在不同的周期变化。广东地区降水集中度分布不均,在广东中部多水年的集中度大于少水年,多水年集中期要小于少水年。环流场的分析表明,集中度的高值年,1000 hPa5、00 hPa上我国北方均易受高压控制,存在高度场的正距平中心,同时高压易于南伸,与南方暖湿空气交汇,容易导致强降水。     

AREM数值模式对2005年汛期四川的降水预报

应用中国科学院大气物理研究所的AREM模式,对2005年汛期四川进行了实时降水预报。结果表明：（1）AREM预报性能略好于成都区域中心业务运行模式ETA模式,对大雨和暴雨的TS评分,AREM略高于T213预报。（2）从梯度评分看,高度、温度、涡度等要素均为可预报,而地面温度、整层水汽含量和整层水汽通量散度可预报性较低。（3）AREM对5次区域性暴雨有较好的反映,但与实况还存在一定的差异,AREM降水强度预报较实况偏弱。     

2009年广东省汛期降水空间分布不均的气候成因

2009年广东省汛期(4～9月)降水呈现出空间分布不一致性,采用统计方法分析引起这种现象的成因:直接原因是大气环流异常导致了季风爆发偏晚和冷空气偏弱,从而前汛期降水大部分地区偏少;而后汛期期间西太平洋副热带高压偏西偏强,导致热带气旋主要登陆及影响珠江口和粤西地区,从而后汛期降水雨带主要位于粤西南。因而,2009年汛期多种环流因素的共同作用,导致了珠江口及其以西降水偏多,其余地区降水偏少。     

不同物理过程参数化方案对贵州降水预报的敏感性试验

利用我国新一代数值预报模式GRAPES,采用6个不同的参数化方案组合：即选择Kessler、NCEP3_class simple ice和simple ice（developed by LiuQijun,CAMS）微物理过程参数化方案和Kain-Fritseh（new Eta）、Betts-Miller-Janjie积云参数化方案形成6个组合,对2004年贵州汛期的降水过程进行48小时的预报试验,对预报结果进行对比分析并与实况资料进行比较、检验。结果表明：GRAPES模式适合对贵州的降水预报;积云参数化方案对降水的影响比微物理过程参数化方案对降水的影响大。simpleice方案与Betts-Miller-Janjie方案组合对贵州降水的预报较好,这些结果对提高GRAPES模式对贵州降水的预报能力有一定的参考意义。     

基于偏最小二乘法的前汛期月降水量预测方法

采用偏最小二乘回归建立了前汛期(4-6月)月降水量的预测模型,其中模型的输入因子是通过对3个前期月平均物理量场(海温场、500 hPa温度场和200 hPa高度场)大量的场相关因子采用系统降维的处理方法获得.为实现同时对多个站点的月降水量预测,将多站点的月降水量预测转换成多站点气候场的主分量预测,进一步利用气候场特征向量的近似不变性进行回算,从而得到多站点的逐站月降水量预测结果.对广西37个基本站的前汛期月降水量进行了6年独立样本检验,其预报结果显示该模型具有较好的预报能力.     

新疆北部雨季降水对ENSO的响应

分析研究了新疆北部地区近50年（1951－2000年）全年各月降水的气候分布特征和各季降水的年际变化规律，重点揭示了北疆多雨季节（4－7月）及各月降水量对赤道东太平洋的海温SST和南方涛动指数SOI的显著响应关系，并用前期SST和SOI作为预报因子，建立了北疆地区雨季降水量的预报方程，该方程对北疆地区雨季降水量的长期预报有重要的应用价值。     

Simulation and Projection of Changes in Rainy Season Precipitation over China Using the WRF Model

The Weather Research and Forecasting (WRF) model is used in a regional climate model configuration to simulate past precipitation climate of China during the rainy season (May-September) of 1981-2000, and to investigate potential future (2041-2060 and 2081-2100) changes in precipitation over China relative to the reference period 1981-2000. WRF is run with initial conditions from a coupled general circulation model, i.e., the high-resolution version of MIROC (Model for Interdisciplinary Research on Climate). WRF reproduces the observed distribution of rainy season precipitation in 1981-2000 and its interannual variations better than MIROC. MIROC projects increases in rainy season precipitation over most parts of China and decreases of more than 25 mm over parts of Taiwan and central Tibet by the mid-21st century. WRF projects decreases in rainfall over southern Tibetan Plateau, Southwest China, and northwestern part of Northeast China, and increases in rainfall by more than 100 mm along the southeastern margin of the Tibetan Plateau and over the lower reaches of the Yangtze River during 2041-2060. MIROC projects further increases in rainfall over most of China by the end of the 21st century, although simulated rainfall decreases by more than 25 mm over parts of Taiwan, Guangxi, Guizhou, and central Tibet. WRF projects increased rainfall of more than 100 mm along the southeastern margin of the Tibetan Plateau and over the lower reaches of the Yangtze River and decreased rainfall over Southwest China, and southern Tibetan Plateau by the end of the 21st century.