集成学习和动态融合算法在福建省短时强降水预报中的应用

为了提高短时强降水预报准确性,在2019—2020年4—9月福建省逐时降水实况观测资料与中国气象局广东快速更新同化数值预报系统(CMA-GD)模式预报产品的基础上,应用LightGBM集成学习算法框架,建立以30 mm·h^(-1)为阈值的逐时降水预报模型。通过特征处理、自助聚合及超参数搜索等技术对模型进行优化,结合AUC、AUPR与传统分类指标,设计了包括业务模拟测试在内的多项试验,通过对比各建模方案验证了模型对于较长时效的短时强降水预报的适用性。结果表明:模式预报本身的命中率和空报率均较高,各建模方案具有不同程度的改善作用。自助聚合可以增强模型预测稳定性,轻微不平衡子训练集能降低模型预测空报率而取得更高的综合评分,在验证集中最佳TS评分可达17.5%;对分类信息增益贡献最大的特征变量为K指数,其次为500 hPa露点温度和时间参数特征;试验指标从优到劣依次为:随机交叉验证、小时划分的随机交叉验证、业务模拟测试,可见模型有效性主要来自相同或相邻时刻的样本信息;设计基于逻辑回归的异质模型动态融合方案以改善静态同质模型表现,各项指标均有小幅提升,在命中率接近50%时削减空报样本超过52万个。

基于SMOTE算法和逻辑回归模型算法的江苏短时强降水潜势预报

短时强降水是导致城市内涝和山洪、滑坡等灾害的重要原因,其突发性强,局地性明显,预报难度大,是强对流天气业务预报的重点和难点之一。本研究利用2011—2018年江苏省国家气象观测的逐小时降水资料对江苏省短时强降水时空分布特征进行分析,江苏短时强降水频次分布为典型的南多北少,主要降水出现在早晨04:00—10:00和午后15:00—19:00,前半夜出现降水的概率则较低。基于ERA5再分析资料,选取了对于短时强降水有较强判断能力的气象要素,合成少数类过取样(SMOTE)算法和逻辑回归(LR)方法,构建短时强降水的预报模型,利用2019年的,欧洲中期天气预报中心(ECMWF)预报产品基于该模型进行短时强降水的确定性预报和概率预报,并使用同期实况数据进行系统性检验和天气过程检验。结果表明该模型总体性能较好,对短时强降水出现与否有较好的判别能力和预报指示意义。未来24 h以内的6 h时效预报,TS(threat score)评分在0.23以上,未来60 h以内的6 h时效预报TS评分均在0.2以上,但也存在着一定程度的空报和漏报。基于SMOTE+LR短时强降水预报模型对短时强降水的潜势预报具有较好的指示作用,对气象防灾减灾具有重要意义。

变分多普勒雷达分析系统对北京一次强降水过程的短时预报能力初探

利用四维变分多普勒雷达资料分析系统对2008年7月30日北京一次强降水过程反演得到的风场和微物理场进行分析,针对本过程中东段回波减弱消散、强降水区的确定、降水回波的转向几个短时临近预报关键点进行讨论,得出如下初步结论:1)在东段降水回波减弱消散前的12～24min,其对应的4.7km高度扰动温度场正值区出现"U"形中空结构,甚至在中空结构中有负值区出现,同时1.7km高度垂直速度场有上升气流与下沉气流分离的现象;2)如果4.7km高度扰动温度场的相对大值区在某地区持续时间较长(2h左右)或者某区域扰动温度迅速增加且出现大值中心(大于2℃)并维持,那么该区域未来1～2h内出现较强降水的可能性较大;3)降水回波的转向是受到1.7km高度在密云、平谷境内出现的反气旋型环流西部气流的引导,而该环流的出现则是北京西部持续强降水区的辐合上升气流在中高层水平输送到北京东部的密云、平谷境内并在该处形成下沉辐散的反气旋型环流反作用于降水回波所致,环流的形成早于回波转向约1h。

一次成功气象预警服务引发的几点思考

本文通过彭泽县2011年7月18日成功的气象预警服务案例,对该县局地点短时强降水天气预报进行了难点、差异性的分析及预报时应结合的方面。