基于中国气象局陆面数据同化系统(Land surface Data Assimilation System of China Meteorological Administration,CLDAS)逐小时气温实况融合数据,检验评估了ECMWF、CMA-MESO-3km不同尺度模式对甘肃省逐小时气温的预报性能,并利用低...基于中国气象局陆面数据同化系统(Land surface Data Assimilation System of China Meteorological Administration,CLDAS)逐小时气温实况融合数据,检验评估了ECMWF、CMA-MESO-3km不同尺度模式对甘肃省逐小时气温的预报性能,并利用低频滑动平均订正算法(LPSC)对模式的系统性误差进行订正;同时对SCMOC和订正后两种模式的逐小时气温预报效果进行了统计对比。结果表明:(1)ECMWF、CMA-MESO-3km模式对甘肃省逐小时气温的预报具有相对稳定的系统性误差,夜间预报准确率明显低于白天,主要表现为夜间预报显著偏高,白天为小的负偏差。(2)LPSC算法能够有效改善ECMWF和CMA-MESO-3km对甘肃省逐小时气温预报的系统性误差,订正效果显著。订正后ECMWF、CMA-MESO-3km的预报准确率分别较模式本身提高了20.24%、20.25%,平均误差减小至±0.3℃之内;空间分布亦表明,订正后全省平均误差均明显降低至±2℃之内。(3)同类产品对比检验表明:订正后ECMWF、CMA-MESO-3km两种逐小时气温预报产品的预报效果整体上均优于SCMOC,预报准确率分别较SCMOC高20.65%、13.55%,平均绝对误差在各个时次也明显低于SCMOC。技巧评分的空间分布表明,订正后ECMWF在全省大部分地方均为正技巧,其中酒泉南部山区可达80%以上;而订正后CMA-MESO-3km的预报效果各个季节分布存在差异,主要体现在陇中和陇东南地区,冬春季以弱的正技巧为主,夏秋季基本为负技巧。另外,业务应用结果表明,对于转折性天气过程,使用该方法需要特别注意。展开更多
为提高传统数值模拟预报结果的准确性,引入机器学习算法构建一种新型灾害性天气多尺度预测模型。通过降尺度时空融合算法实现遥感数据融合,反演推算得到大气气溶胶光学厚度作为天气预测模型的输入变量。利用包含反向解搜索策略的萤火虫...为提高传统数值模拟预报结果的准确性,引入机器学习算法构建一种新型灾害性天气多尺度预测模型。通过降尺度时空融合算法实现遥感数据融合,反演推算得到大气气溶胶光学厚度作为天气预测模型的输入变量。利用包含反向解搜索策略的萤火虫优化算法,建立预测模型参数寻优策略,应用机器学习的支持向量机算法,构建包含多项式核函数的复杂多尺度预测模型,在考虑各种不确定因素的情况下进行不断训练,最终得到灾害性天气预测结果。使用该模型对2015年6月23日00—24时成都市灾害性天气进行预测,预测结果的ROC(Receiver Operating Characteristic)曲线的AUC(Area Under the Curve)值为0.88,且龙泉驿、新津和金堂站的预测正确率达90%。基于机器学习的灾害性天气多尺度预测模型可为灾害性天气预测提供一种有效手段。展开更多
基于中国气象局(China Meterological Administration,CMA)高分辨率数值预报产品、欧洲中期数值预报中心(the European Center for Medium-range Weather Forecast,ECMWF)精细化数值预报产品和国家级地面观测站数据,采用小波分析方法及...基于中国气象局(China Meterological Administration,CMA)高分辨率数值预报产品、欧洲中期数值预报中心(the European Center for Medium-range Weather Forecast,ECMWF)精细化数值预报产品和国家级地面观测站数据,采用小波分析方法及滑动训练、最优融合等技术对模式误差序列进行时频处理,实现了对模式系统误差和局地误差的订正,发展了西北区智能网格气温客观预报方法(northwest intelligent grid temperature objective prediction method,NWTM)。以2017年3月—2018年2月数据作为训练样本,对2018年3月—2019年1月西北区239个国家基本站进行检验。结果表明:1)NWTM对CMA和ECMWF两种模式产品的气温预报能力有显著的提升;随着预报时效增长,两种模式订正产品的误差增大。2)NWTM对ECMWF西北区最高气温的订正效果要明显优于CMA,但就最低气温而言,NWTM对CMA的订正效果更为显著。其中,就24 h最高气温而言,ECMWF在宁夏的订正效果最好,CMA在青海的订正效果最好;而对于24 h最低气温的预报,CMA在西北4省的订正效果相差不大,ECMWF在陕西的订正效果最好。3)空间误差检验表明:针对最高气温的预报,ECMWF订正产品的订正能力明显优于CMA,特别是在甘肃河西走廊和中东部、陕西北部和南部、宁夏中南部及青海大部。就最低气温的预报而言,ECMWF和CMA对甘肃河东和陕西南部的订正能力较好;ECMWF订正产品在宁夏中南部及青海南部的订正能力高于CMA,而CMA订正产品在陕西中部的订正能力更优。展开更多
针对带来重庆暴雨和未带来暴雨的的两类西南低涡,使用重庆34个常规地面站降水资料和NCEP分析资料,采用天气动力学诊断方法,开展个例对比分析。结果表明:能给重庆带来暴雨的西南低涡表现为一个深厚系统;500 h Pa重庆上空为一深槽,200 h P...针对带来重庆暴雨和未带来暴雨的的两类西南低涡,使用重庆34个常规地面站降水资料和NCEP分析资料,采用天气动力学诊断方法,开展个例对比分析。结果表明:能给重庆带来暴雨的西南低涡表现为一个深厚系统;500 h Pa重庆上空为一深槽,200 h Pa上处于高空急流入口区右侧,有明显的辐散,重庆南北两侧形成两个闭合的次级环流圈,非常有利上升运动维持;700 h Pa上来自河西走廊的偏西气流和印度洋的暖湿气流相遇,在重庆上空形成一个暖舌,IPV分析发现到达重庆的冷空气较弱;四边水汽收支诊断表明,东、南以及西边界是水汽输入边界,只有北边界是水汽输出边界,使得重庆上空水汽出现盈余,利于暴雨发生。而不能给重庆带来暴雨的西南低涡表现为对流层中层的浅薄涡旋;500 h Pa重庆处于脊前西北气流控制下,200 h Pa无明显辐散,重庆上空表现为弱的下沉运动,两侧无明显的闭合次级环流圈;700 h Pa上形成一个气旋性环流,重庆上空很少有来自海洋的暖湿气流,IPV分析显示影响重庆的冷空气较强;四边水汽收支诊断表明,西边界和北边界是水汽输入边界,而南边界和东边界是水汽输出边界,使得重庆上空水汽表现为亏损,不满足暴雨发生的水汽条件。展开更多
为揭示对流层中低层中尺度低涡影响重庆夏季暴雨的可能原因,使用1979~2011年1°×1°的ECMWF再分析资料和重庆市逐日降水资料,采用天气学诊断、合成分析等方法,在对重庆低涡暴雨定义的基础上,从天气、气候学角度,对重庆低...为揭示对流层中低层中尺度低涡影响重庆夏季暴雨的可能原因,使用1979~2011年1°×1°的ECMWF再分析资料和重庆市逐日降水资料,采用天气学诊断、合成分析等方法,在对重庆低涡暴雨定义的基础上,从天气、气候学角度,对重庆低涡导致的重庆暴雨进行分析。结果表明,30余年来,重庆低涡导致的重庆暴雨共有26例,重庆低涡导致的暴雨降水量和暴雨次数在空间分布上并不相同,重庆低涡导致的暴雨降水量最大值主要位于重庆中南部,而重庆低涡暴雨次数最大值区域则主要位于重庆的西南。导致重庆夏季暴雨的重庆低涡在700 h Pa上空主要为一个闭合的低压,重庆暴雨发生次数最多的地区主要位于从重庆垫江到南川槽线的西北部;700 h Pa上重庆西部的θse的＂槽＂和＂脊＂,使冷暖空气在重庆地区交汇,非常有利于重庆暴雨的发生。在对流层中层,和重庆低涡相对应的是一高空槽;重庆暴雨主要位于高空急流出口区的右侧。重庆低涡垂直结构表明,其在对流层低层主要表现为气旋性辐合环流,在对流层中高层则为反气旋性辐散环流,这样的垂直空间配置,使重庆上空从对流层低层到对流层顶层附近,都为明显的上升运动;强烈的上升运动和来自孟加拉湾、南海以及重庆西北部的水汽,使得重庆西边界、北边界以及南边界呈现为水汽输入边界,水汽在重庆地区辐合盈余,导致重庆夏季暴雨的发生。展开更多
文摘基于中国气象局陆面数据同化系统(Land surface Data Assimilation System of China Meteorological Administration,CLDAS)逐小时气温实况融合数据,检验评估了ECMWF、CMA-MESO-3km不同尺度模式对甘肃省逐小时气温的预报性能,并利用低频滑动平均订正算法(LPSC)对模式的系统性误差进行订正;同时对SCMOC和订正后两种模式的逐小时气温预报效果进行了统计对比。结果表明:(1)ECMWF、CMA-MESO-3km模式对甘肃省逐小时气温的预报具有相对稳定的系统性误差,夜间预报准确率明显低于白天,主要表现为夜间预报显著偏高,白天为小的负偏差。(2)LPSC算法能够有效改善ECMWF和CMA-MESO-3km对甘肃省逐小时气温预报的系统性误差,订正效果显著。订正后ECMWF、CMA-MESO-3km的预报准确率分别较模式本身提高了20.24%、20.25%,平均误差减小至±0.3℃之内;空间分布亦表明,订正后全省平均误差均明显降低至±2℃之内。(3)同类产品对比检验表明:订正后ECMWF、CMA-MESO-3km两种逐小时气温预报产品的预报效果整体上均优于SCMOC,预报准确率分别较SCMOC高20.65%、13.55%,平均绝对误差在各个时次也明显低于SCMOC。技巧评分的空间分布表明,订正后ECMWF在全省大部分地方均为正技巧,其中酒泉南部山区可达80%以上;而订正后CMA-MESO-3km的预报效果各个季节分布存在差异,主要体现在陇中和陇东南地区,冬春季以弱的正技巧为主,夏秋季基本为负技巧。另外,业务应用结果表明,对于转折性天气过程,使用该方法需要特别注意。
文摘为提高传统数值模拟预报结果的准确性,引入机器学习算法构建一种新型灾害性天气多尺度预测模型。通过降尺度时空融合算法实现遥感数据融合,反演推算得到大气气溶胶光学厚度作为天气预测模型的输入变量。利用包含反向解搜索策略的萤火虫优化算法,建立预测模型参数寻优策略,应用机器学习的支持向量机算法,构建包含多项式核函数的复杂多尺度预测模型,在考虑各种不确定因素的情况下进行不断训练,最终得到灾害性天气预测结果。使用该模型对2015年6月23日00—24时成都市灾害性天气进行预测,预测结果的ROC(Receiver Operating Characteristic)曲线的AUC(Area Under the Curve)值为0.88,且龙泉驿、新津和金堂站的预测正确率达90%。基于机器学习的灾害性天气多尺度预测模型可为灾害性天气预测提供一种有效手段。
文摘利用常规气象观测资料、天气雷达以及NCEP FNL再分析资料,对2017年5月18日下午天水一次强冰雹天气的雷达回波结构演变特征和成因进行了详细分析。结果表明:(1)降雹对流单体低层反射率因子呈现出明显的"V"型缺口,最大回波强度出现在低层,为63 d Bz。反射率因子垂直剖面呈对流单体有界弱回波区和其上的回波悬垂,相应的径向速度垂直剖面呈中低层径向风有明显的辐合特征,高层转为辐散,尤其风暴顶附近。(2)对流单体发生在对流层中层河套地区至甘肃河东东部低涡及其附近冷区和河西中部高压脊及其东北部冷池和低层甘肃与宁夏交界处冷性低涡分别为干冷空气入侵和暖湿气流辐合抬升提供有利条件的环境背景下;较高CAPE值和低CIN值有利于强对流天气发生;对流层中低层深厚的上升气流,中层下沉气流和0℃层以上强气流上升有利于对流单体水汽输送以及生成、发展和维持;距地高度2600～2900 m的0℃层为大冰雹落地提供了环境条件。(3)冰雹临近预警的雷达参数化指标为最大反射率因子达55 d Bz,VIL最大值和VIL密度分别达25 kg·m-2和2. 3 g·m-3。
文摘基于中国气象局(China Meterological Administration,CMA)高分辨率数值预报产品、欧洲中期数值预报中心(the European Center for Medium-range Weather Forecast,ECMWF)精细化数值预报产品和国家级地面观测站数据,采用小波分析方法及滑动训练、最优融合等技术对模式误差序列进行时频处理,实现了对模式系统误差和局地误差的订正,发展了西北区智能网格气温客观预报方法(northwest intelligent grid temperature objective prediction method,NWTM)。以2017年3月—2018年2月数据作为训练样本,对2018年3月—2019年1月西北区239个国家基本站进行检验。结果表明:1)NWTM对CMA和ECMWF两种模式产品的气温预报能力有显著的提升;随着预报时效增长,两种模式订正产品的误差增大。2)NWTM对ECMWF西北区最高气温的订正效果要明显优于CMA,但就最低气温而言,NWTM对CMA的订正效果更为显著。其中,就24 h最高气温而言,ECMWF在宁夏的订正效果最好,CMA在青海的订正效果最好;而对于24 h最低气温的预报,CMA在西北4省的订正效果相差不大,ECMWF在陕西的订正效果最好。3)空间误差检验表明:针对最高气温的预报,ECMWF订正产品的订正能力明显优于CMA,特别是在甘肃河西走廊和中东部、陕西北部和南部、宁夏中南部及青海大部。就最低气温的预报而言,ECMWF和CMA对甘肃河东和陕西南部的订正能力较好;ECMWF订正产品在宁夏中南部及青海南部的订正能力高于CMA,而CMA订正产品在陕西中部的订正能力更优。
文摘针对带来重庆暴雨和未带来暴雨的的两类西南低涡,使用重庆34个常规地面站降水资料和NCEP分析资料,采用天气动力学诊断方法,开展个例对比分析。结果表明:能给重庆带来暴雨的西南低涡表现为一个深厚系统;500 h Pa重庆上空为一深槽,200 h Pa上处于高空急流入口区右侧,有明显的辐散,重庆南北两侧形成两个闭合的次级环流圈,非常有利上升运动维持;700 h Pa上来自河西走廊的偏西气流和印度洋的暖湿气流相遇,在重庆上空形成一个暖舌,IPV分析发现到达重庆的冷空气较弱;四边水汽收支诊断表明,东、南以及西边界是水汽输入边界,只有北边界是水汽输出边界,使得重庆上空水汽出现盈余,利于暴雨发生。而不能给重庆带来暴雨的西南低涡表现为对流层中层的浅薄涡旋;500 h Pa重庆处于脊前西北气流控制下,200 h Pa无明显辐散,重庆上空表现为弱的下沉运动,两侧无明显的闭合次级环流圈;700 h Pa上形成一个气旋性环流,重庆上空很少有来自海洋的暖湿气流,IPV分析显示影响重庆的冷空气较强;四边水汽收支诊断表明,西边界和北边界是水汽输入边界,而南边界和东边界是水汽输出边界,使得重庆上空水汽表现为亏损,不满足暴雨发生的水汽条件。
文摘为揭示对流层中低层中尺度低涡影响重庆夏季暴雨的可能原因,使用1979~2011年1°×1°的ECMWF再分析资料和重庆市逐日降水资料,采用天气学诊断、合成分析等方法,在对重庆低涡暴雨定义的基础上,从天气、气候学角度,对重庆低涡导致的重庆暴雨进行分析。结果表明,30余年来,重庆低涡导致的重庆暴雨共有26例,重庆低涡导致的暴雨降水量和暴雨次数在空间分布上并不相同,重庆低涡导致的暴雨降水量最大值主要位于重庆中南部,而重庆低涡暴雨次数最大值区域则主要位于重庆的西南。导致重庆夏季暴雨的重庆低涡在700 h Pa上空主要为一个闭合的低压,重庆暴雨发生次数最多的地区主要位于从重庆垫江到南川槽线的西北部;700 h Pa上重庆西部的θse的＂槽＂和＂脊＂,使冷暖空气在重庆地区交汇,非常有利于重庆暴雨的发生。在对流层中层,和重庆低涡相对应的是一高空槽;重庆暴雨主要位于高空急流出口区的右侧。重庆低涡垂直结构表明,其在对流层低层主要表现为气旋性辐合环流,在对流层中高层则为反气旋性辐散环流,这样的垂直空间配置,使重庆上空从对流层低层到对流层顶层附近,都为明显的上升运动;强烈的上升运动和来自孟加拉湾、南海以及重庆西北部的水汽,使得重庆西边界、北边界以及南边界呈现为水汽输入边界,水汽在重庆地区辐合盈余,导致重庆夏季暴雨的发生。
