浙江中北部前汛期一次大暴雨过程的数值模拟及诊断研究

在对2004年5月底华南前汛期一次大暴雨过程中尺度数值模拟的基础上,研究了形成大暴雨的中小尺度系统演变的物理机制与环境场条件。结果表明:前汛期的锋面兼有温度和湿度梯度;东北至日本海有较深的冷槽,长江中游有低涡生成发展,并与暖切变相联,有利于中尺度系统不断生成;深厚的中低层辐合层和较高的无辐散层为飑线产生提供了有利的上升运动条件,与中空槽相伴的强风核处于槽底以西,槽前强辐合成为飑线产生的关键;除孟加拉湾主要提供暴雨产生的水汽外,西太平洋和南海也向华南至江南地区输送水汽;夏季风强盛和副高加强导致雨带位置偏北;暴雨前水汽场变化的信息要早于涡度、散度、垂直速度场。

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。