基于数值预报与雷达外推预报融合方法的降水回波短临预报试验研究

采用傅里叶-梅林变换、多尺度光流法及威布尔分布,对湖北省2020年6—7月4次降水过程雷达回波进行多尺度预报试验及其相位和强度校正。在此基础上,利用双曲正切函数对校正后的模式降水回波预报和雷达回波外推临近预报进行融合。最后,基于预报技巧评分和平均绝对误差及命中率等指标对不同时效、尺度及回波阈值的预报结果进行定量分析。结果表明:(1)融合后的0~3 h降水回波预报在范围和位置上均较模式预报和雷达外推预报改进明显,尤其对强回波预报有明显优势,对对流预报有积极作用;0.01°×0.01°尺度的0~1 h预报效果明显好于其他尺度及预报时效。(2)武汉RUC模式预报效果最差,平均绝对误差(mean absolute error,MAE)最大为6.1~8.2 dBZ,而融合预报效果最好,MAE最小为4.7~6.5 dBZ。0.01°×0.01°尺度下融合预报的命中率(probability of detection,POD)随回波阈值和预报时效增加而降低,而其他尺度下20 dBZ回波阈值的平均POD最大、MAE最小,平均POD(MAE)均高于(低于)其他2种预报。总体来看,融合预报明显优于单一预报,对改进0~3 h定量降水预报有一定参考。

可解释人工智能在气象预报中的应用和展望

本研究探讨了可解释的人工智能在现代气象预报服务业务中的应用和展望。目前,AI技术在强对流监测、临近预报等方面提高了准确性,但仍存在训练数据集不完备、不平衡和模型解释性不足等问题。未来,可解释的人工智能将成为重要发展方向,提高预测模型可靠性和可信度,其与数值预报融合将成为另一趋势,提供更准确、可靠的天气预报。研究应关注解释性AI模型开发应用以及AI技术与传统数值预报融合方法,以推进可解释的人工智能在气象预报服务业务中的应用和发展。

北京奥运期间异常天气预测关键技术

在科技攻关和交流的基础上,先后建立了9210资料接收系统;发展和建立了集成数值预报模式系统中的核心数值模式;建立了以MM5为基础的实时预测系统(MMM5);建立了三维强对流云数值模式系统;开发了雷达资料进入模式的临近预报关键技术。更主要的是利用集成数值预报模式系统及建立的临近预报新方法,对2002年～2005年6～8月及2007年夏季的北京市暴雨、高温及日常天气进行了实时预测,并利用强风暴模式对2002年7月15日～8月15日及2003年7月1日～7月31日的北京市强对流天气进行了实时预测。取得了实时预测经验,在今年8月对奥运期间赛事天气进行了实时无缝隙预报,特别对开幕式和闭幕式的天气都提前了36小时做出了准确无误的预报,并把预报结果及时传递到北京市气象局及国家气象中心,出色顺利地完成和超额完成了项目计划中的任务。