融合物理理解与模糊逻辑的分类强对流客观短期预报系统:(1)系统构成

提供准确的雷暴、短时强降水、雷暴大风和冰雹客观短期预报产品,对提高预报预警的预见期,及早采取有针对性的预防措施有重要意义。基于对四类强对流天气现象物理成因理解,给出了由国家气象中心牵头研发,融合模糊逻辑人工智能方法的分类强对流客观短期概率预报系统的流程框架和实现方法,详细介绍了该系统的结构特征,以及系统中用于雷暴、短时强降水、雷暴大风和冰雹四类强对流天气预报模型构建的关键预报因子、隶属度函数获取方法和权重因子配置等信息,并在此基础上探讨了物理理解与模糊逻辑人工智能相融合方法具有广泛适用性的本质,可以表征产生特定强对流天气现象的环境配置的多样性和复杂性。

融合物理理解与模糊逻辑的分类强对流客观短期预报系统:(2)表现评估

本文对分类强对流客观短期概率预报系统2022年6月13日强对流过程预报产品的表现进行分析,基于2022年的雷暴、短时强降水、雷暴大风及冰雹客观概率预报产品和可用的分类强对流监测实况资料,结合强对流预报业务中使用的空间检验方法和常用的确定性及概率性检验指标,对该短期预报系统提供的四类强对流天气客观概率预报产品进行了详细的性能评估。用于评估的预报资料是时段为2022年4月1日至9月30日每天08时(北京时)起报,96 h内逐12 h间隔的预报产品。预报个例分析显示,四类产品均可提前24 h指示需要关注的强对流天气区域。统计检验结果表明,短时强降水各方面性能最好,其次是雷暴,雷暴大风也有一定的可参考性。四类强对流天气预报产品均存在预报概率与实况频率相比偏高的过度预报问题。雷暴、短时强降水和雷暴大风预报产品均存在与预报覆盖时效有关的日变化。评估结果为预报模型和系统后续改进发展奠定了基础,为应用基于融合物理理解与模糊逻辑人工智能方法的分类强对流预报产品提供了有益参考。

基于XGBoost分类和数值模式“配料”的浙江强对流预报方法

如何提高强对流天气的客观分类和时空预报的准确性一直是天气预报中的难点。文章将机器学习分类算法融合中尺度模式,实现了雷暴大风和短时强降水的逐小时预报。具体算法为:首先利用XGBoost分类算法和10年以上历史数据建立强对流分类潜势预报模型;其次通过统计CMA-SH9模式要素的最佳空间邻域半径和概率密度分布特征,基于组合最优评分提取要素阈值,建立要素空间邻域“配料”模型;最后通过联合判别将机器学习分类方法和要素空间邻域“配料法”融合,建立雷暴大风和短时强降水的逐小时预报模型。检验表明:该融合方法显著优于数值模式预报结果和国家下发指导产品,2021—2022年短时强降水24小时逐小时预报的平均命中率为0.51,TS为0.15,相比模式的改进率分别为82%和36%;雷暴大风24小时逐小时预报的平均命中率达到0.37,TS为0.07,相比模式(反射率因子≥45 dBz)的改进率分别为68%和133%,显著提高了雷暴大风的预报准确性。

河南省分类强对流天气概率预报方法研究与应用

采用每日4次0.75°×0.75°的欧洲中心再分析资料和20062015年49月河南省117个国家自动站冰雹、雷暴大风和短时强降水3类强对流天气实况资料,基于“邻(临)近原则”构建了河南分类强对流天气的网格点历史个例库,计算了逐日分类强对流天气物理参数和其15 d滑动气候平均值。综合考虑环境物理参数相对稳定性及其与气候态的差异性这两类指标,采用模糊矩阵评价技术,遴选各月表征各类强对流天气的特征环境物理参数并计算权重系数,结合历史强对流发生时物理参数的频率分布特征,最终分别基于欧洲中心细网格和华东中尺度区域模式资料构建了河南分类强对流天气概率预报方法,自动客观输出物理参数、网格探空和分类概率预报等产品;同时在大量历史个例反算的基础上,得到确定性预报的阈值概率,生成基于优势概率的分类强对流概率预报产品。该方法目前已实现逐日自动化业务运行,并在近年来分类强对流预报中取得了较好的预报效果。2018年检验结果表明,河南分类概率预报产品能够对强对流天气的类型和落区有很好的反映,特别是对模式预报可以进行有效的订正,各类强对流天气的命中率均在70%以上,TS评分均不低于0.45,漏报率较小,但存在一定的空报,需今后改进与完善。

基于数值预报和随机森林算法的强对流天气分类预报技术

随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势。本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,基于2005—2016年NCEP 1°×1°再分析资料计算的对流指数和物理量,开展强对流天气的分类训练、0～12 h预报和检验,经2015—2016年独立测试样本检验表明,针对强对流发生站点的点对点检验,整体误判率为21. 9%,85次强对流过程基本无漏报,模型尤其适用于较大范围强对流天气。随机森林算法筛选的因子物理意义较为明确,和主观预报经验基本相符,模型准确率高,可用于日常业务。

河南省分类强对流环境物理条件特征分析

以冰雹、雷暴大风、短时强降水三类划分河南省2006-2015年暖季国家自动气象站的强对流个例,考虑到月际变化和气候背景差异对强对流发生环境的影响,采用ECMWF再分析资料计算表征大气动力、热力及水汽条件等特性的物理参数及其15 d滑动平均值,对比分析各月三类天气环境物理条件特征,并提炼分类强对流的关键物理参数。结果表明:河南省暖季短时强降水发生频率最高,冰雹最少,各类均主要出现在14-20时。三类强对流发生临近时刻大多数物理参数的月际差异非常明显,应用时有必要分月讨论。参数偏离滑动气候态的异常特征对于分类强对流同样有价值,且不同物理条件偏差特征差异明显。平均来说,短时强降水与冰雹的环境条件各月差异显著,主要体现在:整层可降水量、地面露点温度和K指数较大,0℃和-20℃层高度较高,低层垂直风切变较大,低层辐合和正涡旋特征较强,而850与500 hPa温差和对流有效位能较小。冰雹与雷暴大风的物理参数特征大多非常相似,不过冰雹的整层可降水量和地面露点温度更小、0℃和-20℃层高度更低、高层辐合和正涡旋特征更强,尤其在7月和8月。

鲁中地区分类强对流天气环境参量特征分析

将山东中部地区16a暖季(4—9月)106次伴随瞬时风力不低于8级的强对流个例划分为雷暴大风、冰雹雷暴大风和强降水混合型等3种类型,利用常规探空资料和地面观测资料,通过箱须图的形式分别讨论3种类型对应的一系列关键环境参数的分布特征和预报阈值。进一步,又将上述106次个例中的特强对流个例,包括产生25m/s以上瞬时大风的特强雷暴大风个例、产生不小于20mm直径冰雹的特强冰雹个例以及50mm/h或以上强度的特强短时强降水个例提取出来构成一个子集,讨论其关键环境参数分布特征和预报阈值,并与全部对流个例的相应关键环境参数进行比较。最后,对鲁中地区强对流系统的触发机制进行了简要阐述和讨论。结果表明:(1)雷暴大风型、冰雹雷暴大风型和强降水混合型对应的850和500hPa温差的最低阈值为25℃;3种类型对应的地面露点最低阈值分别为13、16和24℃;相应的大气可降水量最低阈值分别为20、24和32mm;相应对流有效位能的最低阈值分别为300、900和1300J/kg;相应的0—6km风垂直切变最低阈值分别为12.0、12.5和8.0m/s。(2)通过地面露点、大气可降水量以及暖云层厚度等关键参数的分布特征可以将上述3种类型的前两种与第3种类型即强降水混合型进行一定程度的区分,但要通过各个关键参数的分布特征区分前两种强对流天气是困难的。(3)对于伴随冰雹的强对流天气,适宜的融化层高度为3.0—3.9km;(4)特强雷暴大风、特强冰雹和特强短时强降水等3种特强对流类型与全部强对流个例的3种类型相比,其条件不稳定度明显增大,体现为850和500hPa温差的增大、水汽条件有所加强、对流有效位能明显增大,3种类型特强对流天气对应的对流有效位能最低阈值分别为1000、1100和2000J/kg;相应的0—6km风垂直切变最低阈值分别为16、12和11m/s,即特强雷暴大风型和特强短时强降水型的风垂直切变阈值明显增大。上述工作构成了山东中部伴随雷暴大风的强对流天气短时预报的一个基础,结合各类强对流天气发生的气候概率,可以通过决策树或模糊逻辑方法制作成适合于地、市气象台的分类强对流天气短时预报系统。

基于ERA5资料的吉林省东部山区分类强对流预报阈值分析

利用高时空分辨率的ERA5再分析资料分析了吉林省东部山区近10a暖季(4—9月)出现的雷暴大风型、冰雹大风型、复合型等3种类型的分类强对流个例,通过绘制箱线图后进行不同类型环境对流参数分析,得到预报阈值。结果表明:基本对流参数中,3种类型的强对流天气对应的850hPa与500hPa温差阈值为25.3℃;广义位温阈值分别为297K、301K、308K;K指数分别为26℃、29℃、33℃。与各个类型强对流相关的参数中,当平均温度露点差≥5.2℃时,需要警惕雷暴大风的产生;当融化层高度位于2.8~3.4km时,需要警惕冰雹大风的产生;当暖云层厚度≥3.5km时,需要注意复合型强对流的产生。

基于集合预报极端天气预测指数的浙江分类强对流预报模型

利用2016—2021年ECWMF集合预报资料、浙江自动站实况资料等,计算浙江短时强降水、雷暴大风和冰雹等强对流天气相关物理量的极端天气预报指数(EFI:Extreme Forecast Index),分析EFI分布特征,并构建了分类强对流预报模型。结果表明:强对流天气与物理量的EFI有密切联系,发生短时强降水时,对流有效位能、整层可降水量、850 hPa与500 hPa温差和位温差的EFI较大,而垂直风切变的EFI为负值,因而较小的垂直风切变更有利于出现极端降水;发生雷暴大风和冰雹时,对流有效位能、850 hPa与500 hPa温差和位温差以及850 hPa温度露点差的EFI较大,700 hPa露点温度的EFI为负值,与上层干冷下层暖湿的有利层结条件有关。利用支持向量机多分类方法,将强对流天气相关物理量的EFI作为特征值开展训练,构建的预报模型对于非局地强对流天气有较好的预报效果,其中短时强降水的误判率明显低于雷暴大风。

改进的多边形合并算法及其在天气预报业务中的应用

本文根据国家气象中心分类强对流预报业务需求,基于当前比较成熟的多边形裁剪算法(Weiler-Ather-ton算法)的思路,开发了一种改进的多边形合并算法(PM算法)。该算法的优点是无需考虑输入序列的方向性、设计思路简单,运行高效,更符合天气预报业务的需求。此外,该算法也可用于多边形裁剪。2013年4—9月的业务试运行表明该算法准确、运算速度快且性能稳定。该算法在灾害性天气预报,环境气象预报、专业气象预报等天气预报业务领域具有较好的应用前景。