湖北冷季高架雷暴天气分类及环境参数特征分析

利用常规观测资料、加密地面自动站、闪电定位仪和ERA5再分析资料,将2011—2020年湖北冷季91次高架雷暴事件,按照形成机制分为雷雨型、强对流型和雷打雪型3类,并细致归纳了3类事件的时空分布特征、大气环流背景及关键环境参数等特征。(1)湖北冷季高架雷暴雷雨型最多,强对流型次之,雷打雪型最少。3类型存在明显的时空分布差异,雷雨型主要发生在秋末冬初(11月)和冬末初春(1—2月),强对流型及雷打雪型常出现在早春2月,3月基本以强对流型为主。(2)低槽冷锋、850 hPa切变线及低空西南急流是冷季高架雷暴发生的有利环流背景,近地面为稳定的冷气团控制,逆温明显,西南低空急流沿着锋面逆温层以上的850 hPa附近触发抬升,水汽、上升运动及不稳定层结均出现在850 hPa以上。雷雨型和雷打雪型距离冷锋超过100 km以上,强对流型不足100 km。(3)850 hPa是风场转换的重要层次。强对流型850 hPa露点温度(T_(d850))、K指数、850 hPa与500 hPa温差(ΔT_(85))、850 hPa假相当位温(θ_(se850))、西南急流厚度和强度(I700)、切变线强度(S_(850))最大,中低层(850~700 hPa)垂直风切变(SL78)最小;雷打雪型对水汽和不稳定能量的要求最低,SL78最大。

城市化对福建省气温和地温变化影响的比较研究

在快速城镇化背景下,我国城市热环境急剧恶化,研究城市化对温度变化的影响有助于深入认识我国气候变化特征。然而,以往相关研究多聚焦于气温或地温中的一项指标,尚不完全清楚城市化对二者影响的差异。本文利用福建省20个气象站逐日地表气温(简称气温)和0 m地温(简称地温)资料,采用趋势分析和UMR(Urban Minus Rural)等方法,旨在探讨1987—2017年福建省气温、地温变化中的城市化影响。结果表明:(1)福建省气温和地温变化具有很大时空异质性;就区域平均而言,年和各季节平均温度均呈增加趋势,但地温上升幅度普遍高于气温。(2)城市化对城市站日平均、最高和最低温度变化的影响存在很大差异;其中,对年平均地温变化的影响(0.18℃·(10 a)^(-1),P<0.01)明显高于对气温的影响(0.08℃·(10 a)^(-1),P<0.05),对各季节平均地温变化的影响也高于气温。(3)在基于所有台站计算的福建省年平均地温序列中检测出显著的城市化影响(0.06℃·(10 a)^(-1),P<0.05),且这种城市化影响偏差在春季和夏季地温序列中更加明显。综上,基于台站观测数据的福建省气温和地温变化速率差异与城市化对二者的增温效应差异密切相关;建议在未来相关研究中对此予以考虑和剔除,从而促进对区域气候和生态环境变化的认识。

利用卷积神经网络开展偏振雷达定量降水估测研究

利用偏振升级改造后的广州新一代天气雷达(CINRAD/SAD)水平反射率ZH、差分传播相移率KDP、差分反射率因子ZDR和广东佛山219个地面气象自动站雨量数据,形成不同偏振量组合的8个数据集。基于卷积神经网络(CNN),建立雷达定量降水估测网络架构QPEnet,并将该架构用于雷达定量降水估测(QPE),评估结果表明:数据集通道数N的增加可降低QPEnet的定量降雨估测的均方根误差(RMSE),并提高相关系数(CORR);对于由ZH形成的数据集Z、Z_1~3 km和Z_6 min,随着通道数N的增加,数据集Z、Z_1~3 km和Z_6 min的性能逐步得到提高,数据集Z_1~3 km和Z_6 min的均方根误差(RMSE)分别是4.71和3.78,比数值集Z分别降低了1.3%和18.7%;数据集Z_1~3 km和Z_6 min的CORR分别是0.82和0.88,比数据集Z分别提高了2.5%和10.0%;对于ZH、KDP和ZDR偏振量组成的数据集里面,数据集Z_ZDR_KDP的拟合性能最好,RMSE为3.97,比数据集Z的RMSE降低了14.6%,CORR是0.86,比数据集Z提高了7.5%;分别对0.6~5 mm、5~10 mm、10~20 mm、20~30 mm、30~40 mm、40~50 mm和50 mm以上的7个降水量级的均方根误差(RMSE)、平均偏差比(MBR)、平均误差(AE)和相对误差(RE)等的统计结果表明,数据集Z_6 min降雨精度最高。

基于CMA-TRAMS模式地形高度偏差的地面气温误差订正方法研究

采用一元线性方法建立南海台风模式CMA-TRAMS地形高度偏差和地面气温预报误差的回归关系,分别开展不分级、高度偏差分级和地面气温误差分级的三种订正方法的研究,并进行订正效果评估。结果表明,模式地面气温预报误差与地形高度偏差总体呈负的线性相关关系,地面气温预报绝对误差随地形高度偏差绝对值增大而增大(对模式地形高度偏低站点尤为明显),但不同时刻地面气温预报误差特征表现不同,模式对地形高度偏高(即模式地形高于测站高度)和地形高度偏差小于50m的站点,06时地面气温(世界时,下同)预报总体偏低,对地形高度偏低大于50m的站点(即模式地形低于测站高度),06时地面气温预报总体偏高;而无论站点地形高度偏差如何,模式对18时地面气温预报总体偏高。三种订正方法中地面气温误差分级法能有效地减小地面气温预报误差,该方法订正后的分析场准确率可达96%~99%,12~48小时时效预报场准确率总体可提升至90%以上,该方法具有回归关系稳定、效果显著、适用性广、简单易行等特点。

针对一次对流云降水反演大气垂直运动速度及雨滴谱

反演大气垂直速度和雨滴谱分布是研究云降水机制和云微物理信息的重要内容,对人工预报天气、干预天气都有重要意义。针对2021年8月29日安徽省内毫米波雷达探测到的一次对流云降水过程,处理毫米波雷达的功率谱数据并进行大气垂直速度和雨滴谱反演。在小粒子示踪法的基础上引入改进小粒子示踪法:选取有效云信号段中最小功率对应的谱点作为反演大气垂直速度的示踪物。首先,根据改进前后的小粒子示踪法分别从功率谱数据中反演大气垂直速度,并跟基数据反演大气速度的结果展开对比分析。进一步得到粒子在静止空气中的下落速度,根据现有粒子下落速度-粒子直径之间的经验公式计算反演粒子直径。研究表明:(1)采用改进后的小粒子示踪法反演大气垂直速度得到的结果比小粒子示踪法得到的结果更精确,在云层内部两者误差较大;(2)进一步得到粒子下落速度,结合探测时段的天气状况,得到的粒子速度与大气速度可很好地契合,跟对流云天气情况信息大致吻合;(3)粒子浓度是反演雨滴谱分布时需要注意的主要参数,云在快速发展过程中,内部粒子持续朝外部扩张,云内部的粒子浓度较小,云边界的粒子浓度反而较大。

阿拉伯海超级气旋风暴“查帕拉”(2015)快速加强过程中环境场特征

利用美国联合台风警报中心(JTWC)发布的北印度洋热带气旋数据、NOAA 0.25°×0.25°逐日OISST资料以及ERA5提供的0.25°×0.25°逐小时的再分析资料分析了阿拉伯海超级气旋风暴“查帕拉”(2015)快速加强过程中的环境场特征,结果表明:较常年平均偏暖3.0~3.5℃的暖水区,为“查帕拉”的快速加强提供了水汽和能量条件;“查帕拉”北侧的副热带西风急流和南侧的高空出流通道的建立是其快速加强的重要高空强迫条件,高层辐散风的增强促进质量流出形成强上升运动,这也伴随着旋转风动能的快速增长;在“查帕拉”快速增强时段,高层150 hPa以上存在显著的正位涡异常,高层的正位涡异常能够调整引起低层气旋性环流加强,同时中层400 hPa有显著的正位涡平流输入,正涡度在垂直方向快速增长,300 hPa附近显著增暖,内核区的垂直对流运动达到最强。

鄱阳湖影响过湖对流强度的数值模拟及机理分析

湖陆下垫面的非均匀性对强对流天气的发展演变有很大的影响。鄱阳湖是我国最大的淡水湖,湖面积具有明显的月变化和季节变化,而模式中的下边界一般默认湖面积不变,这与实际情况的差异较大,必然带来模式预报误差。利用WRF模式对夏季夜间发生在鄱阳湖地区的一次强对流天气过程进行数值模拟,并通过湖面积变化的敏感性试验,深入研究鄱阳湖对强对流天气发展演变的影响及其机理,结果表明:夏季夜间湖面上空2 m温度明显高于陆面,向湖陆风在湖面上空辐合上升,岸边则存在下沉辐散气流。这导致降水在湖西岸减弱、湖上空增强。随后用去湖敏感性试验印证了鄱阳湖的暖湖效应,湖泊的存在能够通过激发陆风次级环流对湖西岸(湖面)上空降水起抑制(促进)作用。去湖试验的降水在湖西岸增强20%,在湖面上空减弱16%,体现出湖泊对降水强度的重要影响。此外,还发现湖面积扩大1.5、2.5、3.5、4.0倍的扩湖敏感性试验的降水在湖面上空分别增幅7%、16%、30%、43%,进一步证实了强对流强度对鄱阳湖面积变化较为敏感。这指示我们在预报夏季夜间穿湖而过的强对流天气时,应重点关注其可能存在的入湖前减弱、入湖后增强的变化趋势。同时,在利用数值模式模拟湖区强对流天气过程时,如果湖面积与模式中默认的湖面积相差较大,则应考虑将实际湖面积引入模式下边界,以期提升模式对于湖区对流的预报能力。

季节内振荡水汽收支对长江中下游持续性极端降水强度的调控作用

利用中国1979—2019年逐日降水格点数据,考量降水的时空聚集性强度之客观监测方法,识别中国东部区域极端降水事件,发现长江中下游是夏季持续3 d及以上区域持续性极端降水(PREP)发生最频繁的区域。以此为研究对象,基于水汽收支理论,利用ERA-Interim再分析资料和带通滤波方法,诊断日降水及其水汽收支的季节内特征,研究关键尺度对流层高低空系统配置及演变。结果显示:PREP日降水强度及其演变被证实与区域大气柱水汽辐合量相一致。10~30 d准双同振荡(QBWO)和30~90 d(MJO)的水汽辐合在事件发生前1~3 d和7~9 d开始由负位相转为正位相。区域南、北边界QBWO(MJO)水汽输送在事件发生前2~4 d(9~10 d)由水汽输出转为输入。南海的QBWO对流北传至长江中下游,促使源于西北太平洋的对流层低层QBWO反气旋式环流系统向西南移动,其西北侧的西南风使区域南边界水汽输送在事件开始日达最大。事件发生前10 d左右,对流层低层MJO反气旋式环流系统出现在西北太平洋,并向西南移动,长江中下游气旋系统加强维持,对流层中层孟加拉湾MJO尺度低槽开始加深,三者的配合使区域南边界的MJO水汽输入逐渐增强并维持到事件发生后。MJO尺度的强水汽输入结合QBWO反气旋式环流促使长江中下游地区的持续性极端降水事件的发生。研究结果对持续性极端降水事件延伸期的预报提供参考。

基于多神经网络的动态权重集成温度预报订正研究

基于CMA-GD模式预报数据,利用多神经网络的动态权重集成方法,开展了贵州省温度预报订正研究,最终获得本地化温度预报订正产品。结果表明:(1)在对历史数据检验评估的基础上,利用多种神经网络方法可有效降低模式系统误差,通过BP、BP_GA、WAVENN、GRNN、LSTM等神经网络订正,2020年贵州省0~72 h预报时效的温度平均绝对误差较模式降低0.01~0.17℃;(2)考虑到不同神经网络订正结果的差异性,采用动态权重方案对订正结果进行优势集成可显著提升预报可靠性。经集成后的温度预报效果优于模式直接输出和各神经网络订正结果,2020年贵州省0~72 h预报时效的温度平均绝对误差较模式降低14.93%,预报准确率提升8.24%。此外,动态权重集成后的订正结果还表现出较好的稳定性。基于该方法形成的本地化客观预报订正产品可为提升贵州复杂地形下温度预报质量以及精细化预报服务水平提供参考依据。

季节内印度洋-西太平洋对流涛动对次季节-季节尺度大气可预报性的影响

利用非线性局部Lyapunov指数和条件非线性局部Lyapunov指数定量估计了季节内印度洋-西太平洋对流涛动(IPCO)和实时多变量Madden-Julian指数(RMM指数)可预报期限,量化了季节内IPCO对S2S尺度大气可预报性的贡献,深入研究了季节内IPCO演变下S2S尺度可预报期限空间分布的变化规律。结果表明:(1)与RMM指数相比,季节内IPCO指数可预报性更强,可预报期限达到31天左右,比RMM指数高出2周以上;(2)印度洋-西太平洋区域S2S尺度大气可预报性最强,可预报期限达到30天以上,其中季节内IPCO是该地区的主要可预报性来源之一,其贡献达到6天,占总可预报期限的25%以上;(3)随着季节内IPCO的演变,印度洋-西太平洋地区S2S尺度大气可预报性有空间结构变化,表现为可预报期限异常的传播和振荡。S2S尺度大气可预报期限正负异常沿季节内IPCO传播路径,一支以赤道中西印度洋为起点北传至印度半岛,一支向东传播,经过海洋性大陆到赤道西太平洋后向北传播,到达日本南部。同时,可预报性异常的传播在在东印度洋和西太平洋表现出反向变化的特征,形成东西两极振荡,当季节内IPCO向正位相发展时,东印度洋具有更强的可预报性,西太平洋具有更弱的可预报性,反之亦然。季节内IPCO的发展(衰退)可使东印度洋(西太平洋)S2S尺度大气可预报性更强,表明模式预报技巧对此具有更大的提升空间。

江西省积冰特征分析及重冰区不同重现期最大标准冰厚推算

用江西境内85个国家气象站近30年雨凇、雾凇观测记录分析了江西省积冰日的年际、年代际变化及分布特点。结果表明江西地区的积冰天气事件近30年来总体呈现发生频次减少,强度增强的特征;高山气象站的积冰事件的发生频率显著高于平原、丘陵气象站。积冰高发区主要分布在西、北山区及中部环鄱阳湖及抚河流域以南。另外,充分考虑2011年前后气象部门观测导线线径的变化,利用建站至今16个观冰站电线积冰数据对全省范围的最大电线积冰最大标准厚度进行了推算,结果更符合电力行业对电线积冰工程气象数据的需求。结果表明,除赣北山区外,全省大部分地区2 m高度电线积冰最大标准冰厚度小于20 mm,“轻冰区”范围较多。应重点关注高海拔山区的电线积冰的致灾状况并加以预防。针对该区域架空输电线路电线积冰设计的实际需要,采用极值I型概率分布函数结合高山站-庐山站的观测数据进行了推算,20 m高度百年一遇的最大标准冰厚达到71.1 mm,在计算不同走向的导线设计冰厚时迎风向与非迎风向的比例系数推荐设定为1.2,该结果可为现阶段江西“重冰区”电力工程项目规划设计中预防冰灾提供有力支持,为有效节省项目建设成本和科学预防气象灾害之间寻求平衡点提供气象保障。

广东“18.8”季风槽极端降水事件对流尺度集合预报分析

受季风槽影响,2018年8月30—31日华南地区出现一次极端暴雨过程,单日站点累计降水量达1056.7 mm,刷新了广东有历史纪录以来新的极值。对于此次极端降水事件,常用的业务模式包括欧洲中期天气预报中心全球模式(ECMWF)、日本气象厅谱模式(JMA)和中国气象局广东快速更新同化数值预报系统(CMA-GD),都低估了降水强度。利用深圳市气象局业务对流尺度集合预报系统分析了此次特大暴雨过程,结果表明:对流尺度集合预报系统对本次特大暴雨过程具有比较好的预报能力,概率匹配平均最大雨量达348.7 mm·(24 h)^(-1),集合平均的强降水中心和观测基本一致,观测极值附近区域发生大暴雨(≥150 mm)概率最大值达到80%。选取了较“好”和较“差”集合成员预报进行对比分析,发现较“好”成员预报的强降水中心位置和观测基本一致,而较“差”成员预报的降水中心位置则偏向福建地区。较“好”成员预报出莲花山南侧地面中尺度辐合线较长时间的维持和缓慢移动,导致强降水雨团在莲花山脉附近不断地触发和维持,同时地形的阻挡作用使得对流系统在地形附近区域持续维持,造成了罕见的特大暴雨;而较“差”成员辐合区位于莲花山以北,对流形成后向东、向北移动,最终导致强降水预报位置偏向福建地区。

闪电资料同化对河南郑州“7.20”特大暴雨预报的影响

研究了闪电资料同化对2021年7月20日河南郑州特大暴雨短临预报的影响。利用天气研究与预报(WRF)模式的三维变分(3DVAR)数据同化系统(WRFDA),开展了两组循环同化试验:(1)同化地面和探空常规观测资料(包括风速、风向、温度和气压)的试验(CONV);(2)同化常规观测资料和由闪电资料反演的伪相对湿度的试验(LGDA),并与无资料同化的试验(NoDA)进行对比。结果表明,CONV的分析场和NoDA都未能模拟出强对流系统的回波结构,但由于LGDA增加了对整层大气的湿度场的调整,其分析场在闪电发生位置处的水凝物增量较大,相对湿度和反射率的分布情况与中国全球大气再分析资料(CRA)及雷达反射率观测值最接近。降水预报方面,LGDA显著提高了大暴雨雨带(6 h累积降水量≥50 mm)和强降水中心(6 h累积降水量≥200 mm)位置和强度的预报效果,对本次强降水过程的预报起到了积极作用,尤其是对前3 h的降水预报。

1960-2018年中国日照时数变化及其与大气环流的关系

日照时数是反映太阳辐射强弱的重要指标,是衡量一个地区太阳能开发潜力的重要依据,同时也是表征气候变化的重要气候要素之一,分析日照时数变化及其影响因素对于农业生产、太阳能资源开发具有重要意义。基于中国595个气象站点1960—2018年逐日日照时数数据,选取3个指数(年平均日照时数、日照时数≥3 h·d^(-1)的天数和日照时数≥6 h·d^(-1)的天数)量化日照时数变化,并分析了中国日照时数指数变化趋势及其与大气环流的关系。(1)中国日照时数空间分布不均,日照时数高的地区分布在青藏、西北、华北地区。青海冷湖是中国年平均日照时数最长和日照时数≥6 h·d^(-1)的天数最多的区域;四川盆地是中国年平均日照时数最短、日照时数≥3 h·d^(-1)和≥6 h·d^(-1)的天数最少的区域。中国年平均日照时数、日照时数≥3 h·d^(-1)和≥6 h·d^(-1)天数由最低值的四川盆地向高纬度、高海拔地区增加。(2)1960—2018年中国年平均日照时数、日照时数≥3 h·d^(-1)和≥6 h·d^(-1)天数均呈显著减少趋势(P<0.001),其中东北的南部、华北地区、华南地区及新疆的中部地区日照时数指数均呈显著下降趋势(P<0.001);而青藏高原、黄土高原和云贵高原的大部分地区日照时数呈不显著上升趋势。(3)日照时数变化受大气环流的影响显著。日照时数年际变化与亚洲区极涡强度指数呈显著正相关(P<0.001),与北极涛动指数和西太平洋副高强度指数呈显著负相关。中国东部地区大气环流主要通过影响天气进而影响日照时数变化的。研究结果可为区域太阳能资源合理开发利用和日照时数变化预测提供参考。

相控阵天气雷达监测预警龙卷风的过程剖析

天气雷达作为龙卷风监测预警的重要手段之一,应用具有超高时空分辨率的X波段双极化相控阵天气雷达系统,较好地捕获并提前预警龙卷风。以2022年6月19日07时发生在广东佛山南海的一次龙卷风为例,详细剖析龙卷生消及雷达监测预警过程。借助雷达智能预警软件,利用X波段双极化相控阵天气雷达的双偏振量和超高时空分辨率数据,实时反演三维风场和分析龙卷碎片(TVS)特征,能够显著提高龙卷风监测预警水平。实例表明,本次成功地提前18分钟预警龙卷,进一步说明了X波段双极化相控阵天气雷达在强对流天气探测方面具有较强的生命力。

珠江三角洲地区大气CO_(2)浓度特征及地面风的作用

利用光腔衰荡光谱(CRDS)技术在线观测了广州番禺大气成分站(GPACS)的大气CO_(2)浓度特征,分析了地面风对CO_(2)的作用。结果表明:(1)大气CO_(2)在珠江三角洲地区存在明显的地域不均匀特征,2014—2016年期间GPACS的年均本底浓度比全球背景地区平均增加了22.5×10-6(22.5 ppm);(2)大气CO_(2)浓度在春季最高,冬、秋季次之,夏季最低,年均值为426.64±15.76 ppm;(3) CO_(2)的日变化为双峰结构,峰值分别在05:00—07:00和21:00—22:00,谷值在13:00—15:00,表明受到了自然过程以及人为排放源的复合影响;(4)风场显著影响CO_(2)的浓度分布,春、夏季CO_(2)浓度距平日变化与地面风速为显著负相关,秋、冬季则为显著正相关。在春、夏季,S-WSW和NNE-N风向上CO_(2)浓度较低,在秋、冬季,SSE-S和N方向均导致CO_(2)浓度下降。NW和NE-ENE风向在四季中均能提升CO_(2)浓度,其中NW-NNW和NNE-ENE为弱的CO_(2)源区,分别贡献了0.42 ppm和0.32 ppm的CO_(2)浓度。

近60年黑龙江省台风暴雨统计及环流特征分析

使用台风最佳路径、黑龙江省83个国家基本气象站日降水量资料及NCEP NC再分析资料,对近60年黑龙江省台风活动规律、台风暴雨时空分布和环流形势及各物理量统计特征等进行分析。结果表明:2010年以后造成暴雨的台风个数增加,2015年之后台风暴雨强度持续增加,2020年达到最强。黑龙江省台风暴雨站次最多的时间是7月下旬至9月上旬。黑龙江省受台风影响出现暴雨的次数自东南向西北递减,暴雨次数多的站点一般与地形有关。将台风暴雨过程的高空环流形势分为3型8类,A型暴雨过程以台风环流降水为主,多数为稳定性降水,降水持续时间较长,B型和C型暴雨过程有较强冷空气参与,对流活跃,通常雨强较大。给黑龙江省带来大范围暴雨的环流形势有5类。以A-Ⅱ和C-Ⅰ两种环流形势出现的台风个数最多,A-Ⅱ和B-Ⅱ造成的暴雨范围最广。黑龙江省台风暴雨过程低空均有低涡活动;水汽主要来自日本海和黄渤海;低层辐合中心与暴雨区有较好的对应关系。A-Ⅱ类台风暴雨的各个物理量特征最突出(假相当位温和比湿略小于B-Ⅱ类);B-Ⅱ类台风暴雨过程的暖湿空气最强,尽管动力条件稍差,但较好的热力和水汽条件也足以造成大范围的暴雨天气,成为平均单个过程出现暴雨以上站次最多的类型。

扩展水凝物控制变量的雷达资料同化对台风“天鸽”数值模拟的影响

利用WRF(Weather Research and Forecast)模式及WRFDA(WRF model data assimilation system)系统,针对2017年台风“天鸽”个例通过同化雷达径向速度(Vr)和反射率因子(RF),研究水凝物控制变量的雷达资料同化对台风分析预报的影响。研究表明:雷达径向速度的直接同化有效地改进了模式初始场中台风涡旋区的中小尺度信息,分析场中产生了气旋性的风场增量,对模式背景场中的台风有显著增强作用。通过在传统控制变量中扩展针对水凝物的控制变量可有效地同化雷达反射率因子资料,对初始场的水物质进行调整,并对随后确定性预报的台风路径和强度都有一定的正效果。此外,相比没有水凝物控制变量的雷达同化试验,加入了水凝物控制变量的雷达资料同化试验降水预报效果更好。这为将我国近海的地基多普勒天气雷达用于台风初始化分析和预报提供了一定的技术支撑和保障。

一种雷达回波外推的注意力融合和信息回忆的LSTM方法

临近天气预报是气象研究中的热点问题,雷达回波外推技术作为处理临近天气预报的有效手段,具有重要的应用价值。近年来,深度学习技术被应用于处理这一任务,但提高雷达回波外推的预报准确率仍然是一个具有挑战性的问题。在ST-LSTM网络基础上,本文提出一种AFR-LSTM网络,以进一步提高雷达回波外推的预报准确率。首先提出一种注意力融合的时空长短期记忆网络的方法,以关联更多的历史信息,保证信息在传递过程中能够充分关联,减少信息丢失。同时,考虑编码过程中信息丢失问题,在编码器与解码器之间构建信息回忆模块,进一步保存雷达回波预测细节。通过在真实的雷达回波数据集(2019—2021江苏气象雷达数据)上进行消融实验,AFR-LSTM整体效果较好。此外,对该雷达回波数据集进行对比实验,结果表明AFR-LSTM在雷达回波预测中评分函数临界成功指数(CSI)值为0.5209、Heidke Skill Score(HSS)值为0.5324,并且能较好地保留强回波和位置准确度,优于现有方法,证明了该方法能够获得更准确的预测准确度。

基于双偏振雷达资料的一次强降水超级单体风暴特征分析

基于山东济宁S波段双偏振多普勒天气雷达探测数据,结合探空和地面实况资料,对2021年6月14日发生在山东单县一带的强降水超级单体双偏振参量特征和微物理特征进行了分析。结果表明:环境整层湿度较大,CAPE较强,0℃层高度较高,利于强降水产生,0~6 km具有中等强度垂直风切变,利于超级单体风暴产生与维持。单县超级单体风暴旺盛阶段强度在60~65 dBZ,强中心高度基本位于0℃层高度之下,质心偏低。K_(DP)柱的高度与宽度明显大于ZDR柱,强盛宽阔的上升气流将一定浓度、小的液态粒子带至较高高度并持续较长时间。风暴低层左侧一直存在K_(DP)大值区,同时也存在3°/km以上的K_(DP)高值区,液态粒子浓度较高,最大分钟降水量维持在3 mm以上。风暴低层右侧有明显的入流缺口,有明显的ZDR弧,表现为偏大的液态粒子。环境0℃层高度以上较厚的厚度内含有丰富的液态粒子和冰相粒子,丰富的冰相粒子下降到0℃层高度之下出现明显融化,在低层强切变的“筛选”作用下,风暴右侧入流与下沉气流结合区以大的液态粒子为主,浓度小,降水强度较弱。风暴左侧低层为高浓度液态粒子,从而产生高强度降水。