基于多模式预报的四川盆地强降水订正方法

四川盆地地形地貌复杂,强降水预报难度大,对模式降水预报产品进行订正,是提升强降水预报质量的重要手段。本文选取2018—2019年发生在四川盆地的35次强降水过程,对ECMWF、CMA_MESO和SWC_WARMS三种模式的24 h强降水预报采用常规评分和空间平移两个方法进行检验,并利用最优评分、多模式集成和位移订正三种方法进行订正试验。结果表明:最优评分订正方法可以有效改善各模式降水预报的强度,而多模式集成订正法可以改进降水落区和极值预报,在此基础上计算位移偏差,根据最优的位移偏差值对降水预报进行位移订正,可以进一步改进强降水落区预报效果。然后利用2020—2021年强降水过程进行订正效果验证,结果显示:经订正后的降水极值预报更接近实况,各量级降水预报评分明显优于单一模式,暴雨和大暴雨预报的TS评分提高率较最优单模式分别可达24.3%和42.8%,订正后空报率基本维持,漏报率显著下降,订正效果良好。

数值预报AI气象大模型国际发展动态研究

数值预报是研究地球系统的重要工具,有助于加深科学家对大气、海洋、气候和环境等复杂系统之间相互作用和变化过程的理解,在防灾减灾、气候变化和环境治理等方面发挥着不可或缺的作用。随着模式复杂度和分辨率的提高,传统数值模式在气候变化研究和气候预测方面取得了迅速的进展,但也面临一些挑战,需要得到数据同化、集合耦合、高性能计算和不确定性分析等多方面的支持。而近年来,“AI+气象”的交叉研究在气象领域引起了广泛关注。基于多种深度学习架构的人工智能大模型,依托强大的计算资源和海量的数据进行训练,能够以新的科学范式进行高效数值预报。气象大模型不断涌现,一些科技公司如华为、英伟达、DeepMind、谷歌、微软等,以及国内外高校如清华大学、复旦大学、密歇根大学、莱斯大学等发布了多个涵盖临近预报、短时预报、中期预报和延伸期预报等不同领域的气象大模型。这标志着人工智能与气象领域的交叉融合已经达到新的高度。尽管气象大模型在现阶段取得了较大突破,但其发展仍然面临弱可解释性、泛化能力不足、极端事件预报强度偏低、智能预报结果过平滑、深度学习框架能力需要拓展等诸多挑战。

两种降水客观统计方法对ECMWF集合平均降水预报的订正研究

提升降水量级预报精度,有助于优化灾害预警与决策支持。选取2018年1月1日至2021年1月山东省逐12 h降水观测数据和欧洲中期天气预报中心(the European Centre for Medium-Range Weather Forecasting,ECMWF)的集合预报集合平均(Ensemble Prediction Ensemble Mean,EPEM)结果进行72 h内逐12 h降水量级预报统计订正,然后对比ECMWF集合平均降水预报插值的原始预报(EC_EPEM)、基于EC_EPEM的输出统计(Model Output Statistics,MOS)预报(EC_EPEM_MOS)、利用最优TS(Threat Score)评分订正(Optimal Threat Score,OTS)预报(EC_EPEM_OTS)的效果。结果表明:EC_EPEM_MOS在较小量级上表现最优,但在大量级上订正效果稍差,甚至略低于EC_EPEM;EC_EPEM_OTS仅在0.1、10 mm量级上低于EC_EPEM_MOS,其他量级均为最优,尤其在较大量级上订正效果更明显。在50、100 mm大量级上,EC_EPEM_OTS在12~72 h时效订正效果均最优,这是由于EC_EPEM_OTS在稍大量级上提高订正系数使得大量级降水漏报率减小,同时对大量级降水使用较小订正系数也减小了空报率。在较小量级降水中短期预报时效除了山东中部山区外EC_EPEM_MOS表现最佳,山区EC_EPEM_OTS最佳;中等以上量级、尤其较大量级降水,山东大部分地区EC_EPEM_OTS表现最佳。EC_EPEM_MOS订正预报有效地减小了EC_EPEM的空报问题。EC_EPEM_OTS的订正效果最佳,在大范围强降雨过程中与实况降雨分布更为接近,降水总体分布把握较好。

近海台风活动与陕西秋淋天气先兆性特征分析及试报

通过对1970年以来陕西偏强秋淋天气与我国东南沿海台风活动特征分析发现,两者之间有较好的相关性,且存在一定的先兆性,发现移过西太平洋125°E以西的目标台风活动对陕西秋淋天气的影响作用明显。结果表明:在陕西秋淋偏强的年份,台风活动为陕西秋淋天气提供了有利的气候背景,同期台风路径以西行或西北行路径为主,而台风登陆位置影响着陕西秋淋天气主要出现的地区。利用近海台风的先兆性特征,陕西秋淋的年代变化特征和不同周期等特征,对2017—2022年陕西秋淋降水进行预测、预判的试报,结果较为理想,该方法可为陕西预判秋淋偏强年份的预报提供一种客观的气候预测方法和依据。

数值预报中气象卫星资料同化前处理技术进展

在数值天气预报变分同化中,利用同化前处理将卫星资料完成有效信息优选、资料拼接和稀疏化、初级通道选择、下边界参数耦合等处理,实现卫星资料同化对数值天气预报业务的正贡献,是决定海量卫星资料同化效率、质量和效果的重要环节。针对多种格式的卫星资料,中国气象局研发标准格式的高时效卫星资料拼接等技术,有效减小整轨卫星资料时间滞后对数值天气预报业务的负面影响。对于风云气象卫星资料,将云和降水检测、资料质量分析等处理置于同化前处理中,实现多光谱资料融合的同化预质量控制,保证了风云卫星微波温度探测资料和红外高光谱资料的同化正贡献。利用统一资料格式对预处理卫星资料进行再处理,拓展针对卫星成像和主动探测资料的处理,将卫星资料同化的部分质量控制功能置于卫星资料同化前处理中,是风云卫星资料同化前处理技术发展的重要趋势。

RMAPS模式预报总辐射的3种订正方法应用

为降低光伏功率预测中预报总辐射误差且探讨各类订正方法的适用性,分季节对比分析逐步回归、支持向量机(SVM)和相似误差订正(AnBC)方法对快速更新多尺度分析和预报系统短期预报总辐射的订正效果.结果表明,订正后明显降低了预报误差,一定程度上改善了预报总辐射分布较分散和偏大的情况.酒泉鸿坤光伏电站秋季逐步回归订正效果相对最佳(平均绝对偏差(M_(AE))降低4.56 W/m^(2)),冬季、夏季和春季均是AnBC效果相对最佳(M_(AE)依次降低10.33、12.71、44.27 W/m^(2));敦煌电建汇能光伏电站秋季和冬季均是SVM订正效果相对最佳(M_(AE)分别降低4.73和7.85 W/m^(2)),夏季和春季均是AnBC效果相对最佳(M_(AE)分别降低16.24和34.17 W/m^(2)).两座电站逐小时误差分布显示AnBC效果相对最佳;就各季节相对最佳订正方法而言,订正后春季提高时次百分比最高(酒泉鸿坤为73.88%,电建汇能为77.28%).晴天SVM订正效果最明显,非晴天AnBC效果最明显.

地形影响的水平相关模型在CMA-MESO中的应用

在背景误差水平相关模型中引入地形作用,研究复杂地形下近地面观测资料同化对分析和预报的影响。CMAMESO三维变分系统中背景误差水平相关关系采用高斯相关模型描述,观测信息在高度追随坐标的模式面上各向同性传播。然而在地形复杂的近地面层,观测信息传播受到山脉阻挡,因而其背景误差协方差非均匀且各向异性,观测信息传播应随地形高度变化。为此,采用美国国家气象中心NMC方法统计复杂地形下背景误差水平相关结构,构建包含地形高度和地形梯度影响的高斯相关模型,并将改进的水平相关模型应用于CMA-MESO三维变分分析。理想试验表明:考虑地形项的水平相关模型方案使观测信息以随地形高度变化的各向异性形式传播,越过大地形观测信息影响明显减弱,分析增量更加合理。我国北方一次强降水过程分析预报试验表明:随地形高度变化的水平相关模型方案使地面观测信息各向异性传播,削弱了大地形处近地面的分析增量,对降水预报略有正贡献。针对华东地区降水过程进行5 d逐小时快速更新分析预报循环试验结果表明,随地形变化的水平相关模型方案对10 m风场和24 h时效内降水预报有正贡献。

2022年四川省复杂地形下持续性极端高温特征与模式误差分析

2022年8月四川省持续性极端高温天气过程范围广、强度大且持续时间长,全省有74.8%的站点打破近70年历史同期极值。本文选取四川地区2022年8月逐时2 m气温实况站点和历史同期数据,结合EC、CMA-GFS及CMA-MESO模式的2 m气温预报数据,分析了此次极端高温天气特征及预报误差。结果表明:(1)受地形影响,最高气温极值呈东高西低的分布特征;(2)受热岛效应影响,最高气温超历史极值较多的站点主要集中在盆地西部龙泉山脉附近;(3)3个代表站的最高气温平均值高、距平大、高温持续时间长,该时段的累计降水量明显低于历史同期平均值且降水日数显著偏少;(4)3个模式对于最低气温的预报准确率明显高于最高气温,而最优模式的高温预报准确率仅39.1%;(5)EC模式的预报优势主要在盆地低海拔站点,CMA-MESO模式在陡峭地形区域的预报效果要优于EC模式;(6)对于最高气温出现日期预报,EC模式在盆地和攀西地区效果更佳,CMA-GFS和CMA-MESO模式在川西高原效果更优。

基于TIGGE资料的四川盆地暴雨中期预报性能评估

选取2007—2019年6—8月四川盆地气象观测站点逐时降水资料、ERA5再分析资料和ECMWF模式00时起报1~10 d累计降水预报资料,在评估ECMWF模式对四川盆地总降水量、暴雨累计降水量、暴雨日数、暴雨强度预报能力的基础上,基于降水观测资料挑选出170个四川盆地暴雨个例,采用K-means均值聚类法对其500 hPa位势高度场进行客观分型,将四川盆地暴雨分为3型并计算其TS评分,初步分析了造成各类暴雨可预报性差异的原因。结果表明:(1)ECMWF模式预报的四川盆地总降水量偏多,暴雨累计降水量和暴雨日数偏少,暴雨强度偏弱;随预报时效增加,总降水量、暴雨累计降水量、暴雨日数逐渐增多,暴雨强度无明显的变化趋势。模式对中小雨量级降水空报较多,暴雨量级降水存在漏报,暴雨累计降水量大值中心主要是降水频次较多所致,而非较大降水强度。(2)四川盆地暴雨可分为全盆型、盆东型和盆西型。全盆型和盆东型暴雨最优预报时效为1~4 d,盆西型为1~3 d;1~10 d预报时效内,全盆型和盆东型暴雨TS评分最低时段分别为6~7 d,盆西型为4~5 d;6~8 d预报时效内,盆西型暴雨预报效果最好;全盆型TS评分整体上高于盆东型。(3)四川盆地500 hPa环流形势和850 hPa风场、比湿预报优劣与TS评分高低关系较为密切,可能是影响四川盆地暴雨预报的主要因子。

黑龙江省准对称混合训练期MOS气温预报性能分析

本文选取ECMWF细网格地面2 m气温要素预报产品作为预报因子,选取中国气象局陆面数据同化系统(CLDAS-V2.0)地面2 m气温格点实况数据作为预报量,应用准对称混合训练期MOS方法,建立黑龙江省格点气温MOS方法,并对MOS方法在24 h预报时效内间隔3 h的格点气温预报性能进行检验分析。结果表明:MOS平均绝对误差≤1.5℃;MOS夏半年≤2℃预报准确率为84.1%,比ECMWF提高7.6%;冬半年预报准确率为71.5%,比ECMWF提高18.3%;预报技巧夏半年为14.2%,冬半年为29.8%。MOS夏半年预报效果好于冬半年,冬半年预报改善效果好于夏半年。大、小兴安岭和东南部山区MOS预报效果不如平原地区好,但是MOS改善效果明显好于平原地区。

基于华东区域模式云南短时强降水客观预报技术研究

为提高云南短时强降水的预报效率和预报准确率,使用华东区域模式基础物理量数据,计算云南短时强降水发生前1 h 700 hPa相对湿度、700 hPa比湿、K指数和6 km垂直风切变,对短时强降水的历史个例进行物理量阈值训练和单物理量的敏感性实验,确定物理量阈值。使用阈值判定法,对华东区域模式实时预报数据进行后处理,得到基于小时雨量和物理量的云南本地化短时强降水客观预报产品。研究结果表明:使用阈值判定法研发的基于华东区域模式云南短时强降水客观预报产品能较好地预报云南短时强降水的落区和走向,但是基于小时雨量的短时强降水客观预报产品漏报明显,基于物理量阈值的客观预报产品能有效降低云南短时强降水的漏报率。

CFSv2模式对汛期黑龙江省延伸期时段降水预测检验评估

利用1999-2010年CFSv2模式资料,基于国家气候中心Ps和Cs检验方法,对汛期黑龙江省延伸期时段降水趋势和过程进行检验评估。结果发现:模式预测6月延伸期降水趋势效果较差,但从7月上旬开始至8月中旬模式预测技巧明显提高,Ps评分基本通过65分,距平符号一致率也达到50%以上。模式预测延伸期降水过程效果较好的时间为6月上旬、7月上旬、7月下旬和8月中旬,预测降水日数准确率在20%以上。预测结论可以为业务中延伸期降水预测提供参考依据。

基于雷达估测降雨及WRF-Hydro模型的典型山洪模拟研究

受复杂地形与基础气象水文资料缺乏限制,山区小尺度流域的水文预警预报技术较为薄弱,利用高分辨率雷达观测资料驱动分布式水文模型是提高山区小流域洪水预报性能的有效途径之一。本文以位于重庆中部的山区小流域二河流域为研究区域,开展基于雷达估测降雨数据的WRF-Hydro模型在山区小流域的山洪模拟研究,以评估雷达估测降雨的水文应用效果和WRF-Hydro模型在山区小流域的适用性。选取流域内典型的暴雨洪水过程,利用S波段的多普勒天气雷达的估测降雨数据驱动WRF-Hydro模型,并结合新安江模型进一步对比分析模拟效果。研究结果表明:(1)在二河流域,采用雷达估测降雨数据驱动WRF-Hydro模型,可以较好地模拟洪水过程、洪水流量以及峰现时间,纳什效率系数高于0.65,克林-古普塔效率系数高于0.50,相关系数高于0.85。(2)将WRF-Hydro模型与新安江模型进行比较分析,在二河流域,WRF-Hydro模型的模拟效果优于新安江模型,纳什系数差值0.03,相关系数差值为0.04,进一步表明WRF-Hydro模型在山区小流域较优的洪水模拟性能。总体而言,基于雷达估测降雨数据的WRF-Hydro模型在二河流域表现出了良好的模拟洪水的性能,可进一步在类似小尺度山区流域进行应用研究。

基于WRF模式的好溪流域致洪暴雨千米尺度预报研究

鉴于好溪流域内多山地和丘陵,梅汛期和台汛期常突发强暴雨,致使其千米尺度下的数值预报难度较大的问题,选取好溪流域2015~2020年的10场致洪暴雨事件,利用中尺度数值天气预报模式WRF和GFS预报数据进行6、30、54 h的回顾性预报,并测试了5种云微物理参数化方案的敏感性。结果表明,在千米尺度下,WRF模式模拟的降雨量偏小,对山区的预报效果优于河谷地区;Lin方案的整体预报效果最佳,而WSM3方案最差;选取的10场极端降水事件受到台风和西南低空急流等异常天气的影响,Lin方案和WSM5方案适用性较好;WRF模式对暴雨的预报效果优于大暴雨。研究结果对于提高山区小流域致洪降雨的模拟和预报精度具有借鉴意义。

“23·7”华北特大暴雨数值预报检验评估

针对“23·7”华北特大暴雨过程,采用天气学检验及TS(thrcat scorc)评分和MODE(mcthod for objcct-bascd diagnostic cvaluation)方法对中国气象局高分辨率全球同化预报系统(CMA-GFS)、较低分辨率全球集合预报系统(CMA-EPS)、欧洲中期数值预报中心集合预报系统(EC-EPS)和业务预报模式(EC-HR)、美国环境预报中心全球预报系统(NCEP-GFS)等全球模式和中国气象局区域台风数值预报系统(CMA-TYM)、中尺度天气数值预报系统(CMA-MESO)和区域数值预报系统(CMA-BJ)等进行中短期预报效果检验评估。结果表明:EC-EPS提前14 d预报京津冀一带有过程累积降水量超过100 mm强降水的发生概率,CMA-EPS可提前12 d报出,但预报欠稳定且落区偏东偏南。EC-HR对100 mm以上过程累积降水量及2 d以上暴雨日的位置预报提前时效均达8 d左右,CMA-GFS的过程累积降水量预报显著偏小、强降水落区明显偏东,可用预报时效短;NCEP-GFS预报性能介于二者之间。各模式均可提前36 h预报强降水落区和强度的变化趋势,中尺度模式可更加精细地刻画其形态和位置分布,尤以CMA-BJ为佳,但其预报偏强,其余模式不同程度偏弱,其中CMA-GFS显著偏弱。EC-HR提前8 d预报关键影响系统发生发展,但低层倒槽位置偏西偏北,低空急流偏弱,低估了地形对强降水的增幅作用,是太行山东麓降水量预报偏弱的重要原因之一。整体上,EC-EPS、EC-HR的提前时效和稳定性,以及CMA-BJ的落区形态和强度预报等对预报业务有较高参考价值。

东北冷涡背景下三类区域性强对流天气过程时空分布和环境特征对比分析

东北冷涡是造成中国暖季强对流的重要天气尺度系统之一。为对比东北冷涡与不同类型强对流过程的时空关系及其环境特征差异,基于欧洲中期天气预报中心第5代大气再分析数据和中国国家气象信息中心提供的逐时大风、降水观测资料,筛选了2017—2021年4—9月东北冷涡背景下9例雷暴大风型、9例强降水型以及8例混合型强对流天气过程,通过动态合成开展了分析研究。结果表明:(1)三类强天气过程相对于冷涡的时空分布差异明显:雷暴大风型过程,超过70%的雷暴大风出现在冷涡中心的西南部或南部;而混合型过程,超过70%的大风出现在冷涡中心的东南部或南部;混合型和强降水型过程中,短时强降水均主要出现在冷涡中心南部或东南部,但后者发生在冷涡东南部的比例更高;雷暴大风型和强降水型过程主要出现在东北冷涡的发展和成熟阶段,而混合型过程主要发生在东北冷涡的成熟阶段。(2)三类强天气过程的环流形势和环境条件差异显著。雷暴大风型过程多出现在5—6月,一般对应的东北冷涡更深厚,等温线更密集,大气环境偏干,存在气温垂直递减率大和强风垂直切变条件,雷暴大风多发生在冷涡南侧的锋区附近,对流层中、高层受干冷空气控制,叠加在低层比较浅薄的暖湿空气之上有利于大气层结条件不稳定的增强,降水粒子蒸发降温形成的下沉气流和地面冷池,叠加锋区辐合更有利于形成区域性地面强风;而强降水型过程多集中在7—8月,对应的东北冷涡强度较弱,等温线较稀疏,强降水一般出现在锋前靠近暖区一侧的强层结不稳定区域内,对应水汽充沛、整层暖湿的环境条件,中低层温差较小,风垂直切变较弱。混合型过程对应的月份和冷涡强度与强降水型过程更接近,水汽、高低层温差以及风垂直切变等环境条件介于上述两类过程之间,但下沉对流有效位能在三类过程中表现为最大。总体来看,相较于中国中、低海拔地区雷暴大风和短时强降水的环境特征而言,东北冷涡背景下的强天气过程对应更强的深层风垂直切变,具有更强的天气尺度动力强迫。

基于高分辨率数值预报和深度学习的地面气温预报研究

基于2020-2021年的中国气象局(CMA)陆面数据同化系统(CLDAS)逐小时地面气温(T2m)产品,融合CMA上海快速更新循环数值预报(CMA-SH3)的T2m预报数据,构建深度学习语义分割模型(MT-Cunet),实现逐小时滚动更新的24 h T2m网格预报,并对2022年预报结果进行了检验评估。结果表明,在研究范围内,MT-Cunet在3~9 h时效订正效果最好,平均MAE和平均RMSE分别降低42.4%、40.89%;10~24 h时效的订正效果较好,平均MAE和平均RMSE分别下降26.7%、26.3%。低温(≤0℃)和高温(≥35℃)事件检验评估表明,MT-Cunet在高温预报整体表现为正偏差,而低温整体为负偏差,但误差幅度远低于CMA-SH3;空间尺度上,MT-Cunet能较大幅度减少复杂地形下的T2m预报误差,降低CMA-SH3的MAE离散度,使预报误差分布较为稳定。通过对2022年2月和3月的区域性增温、寒潮过程分别进行检验评估发现,MT-Cunet能较好预报出增(降)温转折时间和增(降)温幅度。在增温和寒潮过程中,MT-Cunet的MAE比CMA-SH3分别降低28.9%和33.8%,表明MT-Cunet模型在转折性天气过程中同样具有较好的预报能力。因此,利用可以快速增加预报样本数量的快速更新循环数值预报,经过语义分割深度学习模型客观方法订正,就能较大幅度降低数值模式预报误差,解决常规数值预报由于数据量太少,深度学习训练效果较差的问题,这对充分利用国产模式资源,更广泛地开展国产模式后处理和应用提出了一个新的思路。

夏季青藏高原那曲地区一次对流降水及云微物理的数值模拟

利用NCEP FNL再分析资料为初始场,通过WRF中尺度数值模式(V4.0版)对2019年夏季青藏高原那曲地区一次对流云降水及云微物理特征进行了数值模拟.结果表明:WRF模式能够较好地再现本次降水的时空特征和云发展过程.固态水凝物分布高度普遍高于液态水凝物,其中冰和雪主要位于中高层,中低层以霰和云水为主,低层多为雨水粒子;降水过程中雪、霰和雨水粒子高值中心出现时段与降水峰值时间较好对应,表明本次降水以冰相过程为主,且雪粒子和霰粒子的贡献最大,其原因为雪粒子通过贝杰龙过程和自身的碰并过程增加,霰粒子则通过与雪粒子碰并和自身凇附作用不断增长,随着上升气流逐渐减弱,大量霰粒子和部分雪粒子落至0℃层左右融化形成降水,加之雨水与云水的碰并作用,进一步促进了降水的形成.此外,暖雨过程对降水的直接贡献较小,但对冰相粒子的形成贡献明显.

CMA全球混合四维变分同化系统的方法研究

随流型演变的变量间背景误差协方差特征非常重要,而变分系统中传统气候背景误差很难描述这些信息。虽然四维变分同化(4DVar)能通过切线性和伴随模式隐式演变初始背景误差协方差,但其存在开发维护复杂、计算成本昂贵等问题,而且在高精度可扩展全球大气模式中尤为突出。为规避切线性和伴随模式,将四维集合预报误差引入CMA全球资料同化系统,发展了H-4DEnVar同化方案,开展批量循环同化及其预报试验和台风预报试验,并与4DVar方案对比。批量预报试验表明,四维集合预报误差的引入改善了分析场,显著提高了同化系统的全球预报能力;台风预报试验表明,H-4DEnVar中随流型演变的背景误差是台风路径预报误差减小的主要原因;与4DVar对比发现,考虑集合预报误差IO成本情况下,H-4DEnVar以4DVar 26%计算成本表现出基本相当的预报能力。H-4DEnVar同化方案在规避切线性和伴随模式的同时表现出了良好的同化预报效果,为在不使用切线性和伴随模式情况下实现四维同化提供了参考。

基于随机森林模型的长江流域分区多源融合降水模拟方法研究

基于3种卫星降水产品,提出了一种基于随机森林模型的长江流域分区多源融合降水模拟算法(FCM-RF算法)。采用模糊C均值算法,结合地面观测站点资料对长江流域进行降水区域划分,引入降水比降刻画降水空间性,进一步通过普通克里金插值法优化融合结果,得到一套长江流域空间分辨率为0.25°×0.25°的多源融合降水产品,并对其进行了评估。结果表明:FCM-RF算法在长江流域具有良好的表现,可以有效提高原始卫星降水产品对于降水事件的捕捉能力,在验证站点模拟降水量与实测降水量的相关系数可达到0.76;FCM-RF算法在年际上具有相似变化特征,对于春秋季降水的敏感性较高,在夏季由于强降水影响表现欠佳,冬季由于雨量稀少、存在固态降水,呈现出误差小、相关系数较低的特点;FCM-RF算法在东南地区具有较强的降水捕捉能力,在青藏高原地区的准确性较低。