2022年第50卷第5期文章目次
2022, 50(5):611-622.
DOI: 10.19517/j.1671-6345.20210480
摘要:
杭州下沙S波段天氣雷達(dá)在雙偏振升級(jí)的基礎(chǔ)上增加了精細(xì)化探測(cè)技術(shù)，為了進(jìn)一步提高雷達(dá)定量降水估測(cè)精度，本文參考小時(shí)雨量計(jì)訂正雷達(dá)估測(cè)降水算法模型，建立了一種基于分鐘級(jí)雨量計(jì)數(shù)據(jù)的實(shí)時(shí)定量降雨估測(cè)雨強(qiáng)訂正方法（簡稱QPE-ADJUST法），利用雨量計(jì)資料對(duì)雷達(dá)的QPE數(shù)據(jù)逐體掃實(shí)時(shí)訂正，累計(jì)完成1 h、3 h降水估測(cè)產(chǎn)品，提高了雷達(dá)降水估測(cè)精度。通過對(duì)雷達(dá)產(chǎn)品及自動(dòng)站數(shù)據(jù)資料的評(píng)估，分別從降水估測(cè)算法、雷達(dá)分辨率影響及體掃周期速度影響3方面對(duì)QPE-ADJUST法的估測(cè)降水效果進(jìn)行了統(tǒng)計(jì)分析。結(jié)果表明：QPE-ADJUST法在雷達(dá)高分辨率、快體掃周期的情況下均比其他算法更好地表現(xiàn)出降水時(shí)空分布特征，并將雷達(dá)小時(shí)定量降水估測(cè)的誤差從50%降低至20%左右，有很高的估測(cè)精度和穩(wěn)定性，具有業(yè)務(wù)應(yīng)用價(jià)值。
杭州下沙S波段天氣雷達(dá)在雙偏振升級(jí)的基礎(chǔ)上增加了精細(xì)化探測(cè)技術(shù)，為了進(jìn)一步提高雷達(dá)定量降水估測(cè)精度，本文參考小時(shí)雨量計(jì)訂正雷達(dá)估測(cè)降水算法模型，建立了一種基于分鐘級(jí)雨量計(jì)數(shù)據(jù)的實(shí)時(shí)定量降雨估測(cè)雨強(qiáng)訂正方法（簡稱QPE-ADJUST法），利用雨量計(jì)資料對(duì)雷達(dá)的QPE數(shù)據(jù)逐體掃實(shí)時(shí)訂正，累計(jì)完成1 h、3 h降水估測(cè)產(chǎn)品，提高了雷達(dá)降水估測(cè)精度。通過對(duì)雷達(dá)產(chǎn)品及自動(dòng)站數(shù)據(jù)資料的評(píng)估，分別從降水估測(cè)算法、雷達(dá)分辨率影響及體掃周期速度影響3方面對(duì)QPE-ADJUST法的估測(cè)降水效果進(jìn)行了統(tǒng)計(jì)分析。結(jié)果表明：QPE-ADJUST法在雷達(dá)高分辨率、快體掃周期的情況下均比其他算法更好地表現(xiàn)出降水時(shí)空分布特征，并將雷達(dá)小時(shí)定量降水估測(cè)的誤差從50%降低至20%左右，有很高的估測(cè)精度和穩(wěn)定性，具有業(yè)務(wù)應(yīng)用價(jià)值。
2022, 50(5):623-629.
DOI: 10.19517/j.1671-6345.20210375
摘要:
雷達(dá)數(shù)據(jù)的雷暴單體識(shí)別算法是雷暴追蹤算法的重要組成部分，傳統(tǒng)的連續(xù)區(qū)域法只能通過改變回波強(qiáng)度閾值來調(diào)整雷暴單體識(shí)別結(jié)果，不能滿足當(dāng)前應(yīng)用需求。本文提出了一種基于OPTICS（Ordering Points to Identify the Clustering Structure）算法的雷暴識(shí)別方法，該方法能基于高回波點(diǎn)的密度信息進(jìn)行雷暴單體識(shí)別。利用高分辨率X波段天氣雷達(dá)在兩次雷暴過程中的體掃數(shù)據(jù)檢驗(yàn)了算法的效果，并與傳統(tǒng)方法進(jìn)行了比較。結(jié)果表明：該方法能克服連續(xù)區(qū)域法在高分辨率雷達(dá)數(shù)據(jù)中可能出現(xiàn)的無法區(qū)分不同單體、識(shí)別結(jié)果過于零散等問題。并且能在不修改回波強(qiáng)度閾值的情況下靈活調(diào)整輸出結(jié)果，以適應(yīng)不同應(yīng)用需求。
雷達(dá)數(shù)據(jù)的雷暴單體識(shí)別算法是雷暴追蹤算法的重要組成部分，傳統(tǒng)的連續(xù)區(qū)域法只能通過改變回波強(qiáng)度閾值來調(diào)整雷暴單體識(shí)別結(jié)果，不能滿足當(dāng)前應(yīng)用需求。本文提出了一種基于OPTICS（Ordering Points to Identify the Clustering Structure）算法的雷暴識(shí)別方法，該方法能基于高回波點(diǎn)的密度信息進(jìn)行雷暴單體識(shí)別。利用高分辨率X波段天氣雷達(dá)在兩次雷暴過程中的體掃數(shù)據(jù)檢驗(yàn)了算法的效果，并與傳統(tǒng)方法進(jìn)行了比較。結(jié)果表明：該方法能克服連續(xù)區(qū)域法在高分辨率雷達(dá)數(shù)據(jù)中可能出現(xiàn)的無法區(qū)分不同單體、識(shí)別結(jié)果過于零散等問題。并且能在不修改回波強(qiáng)度閾值的情況下靈活調(diào)整輸出結(jié)果，以適應(yīng)不同應(yīng)用需求。
2022, 50(5):630-635.
DOI: 10.19517/j.1671-6345.20210347
摘要:
以TITAN（Thunderstorm Identification Tracking Analysis and Nowcasting）系統(tǒng)為基礎(chǔ)框架，通過引入大數(shù)據(jù)處理技術(shù)，對(duì)系統(tǒng)中各個(gè)模塊間的通信機(jī)制、數(shù)據(jù)處理和存儲(chǔ)方式進(jìn)行優(yōu)化，結(jié)合中國氣象科學(xué)研究院的雷達(dá)數(shù)據(jù)質(zhì)量控制方法和高效的雷達(dá)數(shù)據(jù)解析和拼圖方式，實(shí)現(xiàn)了遼寧省及周邊地區(qū)10部雷達(dá)的同步觀測(cè)和雷達(dá)組網(wǎng)拼圖處理系統(tǒng)的實(shí)時(shí)運(yùn)行和雷達(dá)產(chǎn)品的按需定制。該拼圖處理系統(tǒng)能夠?qū)崿F(xiàn)雷達(dá)數(shù)據(jù)的流式傳輸；通過Kafka（分布式發(fā)布訂閱消息系統(tǒng)）實(shí)現(xiàn)雷達(dá)數(shù)據(jù)的分布式處理；并通過采用Cassandra數(shù)據(jù)庫存儲(chǔ)，提高雷達(dá)數(shù)據(jù)存儲(chǔ)的穩(wěn)定性。
以TITAN（Thunderstorm Identification Tracking Analysis and Nowcasting）系統(tǒng)為基礎(chǔ)框架，通過引入大數(shù)據(jù)處理技術(shù)，對(duì)系統(tǒng)中各個(gè)模塊間的通信機(jī)制、數(shù)據(jù)處理和存儲(chǔ)方式進(jìn)行優(yōu)化，結(jié)合中國氣象科學(xué)研究院的雷達(dá)數(shù)據(jù)質(zhì)量控制方法和高效的雷達(dá)數(shù)據(jù)解析和拼圖方式，實(shí)現(xiàn)了遼寧省及周邊地區(qū)10部雷達(dá)的同步觀測(cè)和雷達(dá)組網(wǎng)拼圖處理系統(tǒng)的實(shí)時(shí)運(yùn)行和雷達(dá)產(chǎn)品的按需定制。該拼圖處理系統(tǒng)能夠?qū)崿F(xiàn)雷達(dá)數(shù)據(jù)的流式傳輸；通過Kafka（分布式發(fā)布訂閱消息系統(tǒng)）實(shí)現(xiàn)雷達(dá)數(shù)據(jù)的分布式處理；并通過采用Cassandra數(shù)據(jù)庫存儲(chǔ)，提高雷達(dá)數(shù)據(jù)存儲(chǔ)的穩(wěn)定性。
2022, 50(5):636-645.
DOI: 10.19517/j.1671-6345.20210499
摘要:
基于云南探空儀換型平行觀測(cè)期間各標(biāo)準(zhǔn)等壓面上的溫度和位勢(shì)高度觀測(cè)數(shù)據(jù)以及對(duì)應(yīng)的ECMWF模式預(yù)報(bào)場數(shù)據(jù)，利用偏差、標(biāo)準(zhǔn)差、均方根誤差和相關(guān)系數(shù)等對(duì)新、舊探空儀觀測(cè)數(shù)據(jù)進(jìn)行對(duì)比分析和評(píng)估。結(jié)果表明：新、舊探空儀觀測(cè)數(shù)據(jù)一致性較好，在100 hPa以下兩者溫度絕對(duì)偏差小于1.0 ℃，位勢(shì)高度絕對(duì)偏差小于30 gpm，100 hPa以上溫度和位勢(shì)高度最大絕對(duì)偏差分別為3.9 ℃和151.0 gpm。除高層個(gè)別等壓面外，新、舊探空儀觀測(cè)數(shù)據(jù)離散性基本一致或新探空儀離散性相對(duì)較小。新探空儀觀測(cè)數(shù)據(jù)與模式數(shù)據(jù)更為一致，在中高層表現(xiàn)更為明顯；相對(duì)于模式數(shù)據(jù)，新、舊探空儀溫度偏差分別集中在±0.7 ℃、±0.9 ℃左右，最大均方根誤差分別為3.0 ℃、4.5 ℃，平均相關(guān)系數(shù)分別約為0.78、0.73；新、舊探空儀位勢(shì)高度最大偏差分別為28.5 gpm、130.9 gpm，最大均方根誤差分別為87.6 gpm、136.9 gpm，平均相關(guān)系數(shù)分別約為0.86、0.78。
基于云南探空儀換型平行觀測(cè)期間各標(biāo)準(zhǔn)等壓面上的溫度和位勢(shì)高度觀測(cè)數(shù)據(jù)以及對(duì)應(yīng)的ECMWF模式預(yù)報(bào)場數(shù)據(jù)，利用偏差、標(biāo)準(zhǔn)差、均方根誤差和相關(guān)系數(shù)等對(duì)新、舊探空儀觀測(cè)數(shù)據(jù)進(jìn)行對(duì)比分析和評(píng)估。結(jié)果表明：新、舊探空儀觀測(cè)數(shù)據(jù)一致性較好，在100 hPa以下兩者溫度絕對(duì)偏差小于1.0 ℃，位勢(shì)高度絕對(duì)偏差小于30 gpm，100 hPa以上溫度和位勢(shì)高度最大絕對(duì)偏差分別為3.9 ℃和151.0 gpm。除高層個(gè)別等壓面外，新、舊探空儀觀測(cè)數(shù)據(jù)離散性基本一致或新探空儀離散性相對(duì)較小。新探空儀觀測(cè)數(shù)據(jù)與模式數(shù)據(jù)更為一致，在中高層表現(xiàn)更為明顯；相對(duì)于模式數(shù)據(jù)，新、舊探空儀溫度偏差分別集中在±0.7 ℃、±0.9 ℃左右，最大均方根誤差分別為3.0 ℃、4.5 ℃，平均相關(guān)系數(shù)分別約為0.78、0.73；新、舊探空儀位勢(shì)高度最大偏差分別為28.5 gpm、130.9 gpm，最大均方根誤差分別為87.6 gpm、136.9 gpm，平均相關(guān)系數(shù)分別約為0.86、0.78。
2022, 50(5):646-652.
DOI: 10.19517/j.1671-6345.20210514
摘要:
為收集管理應(yīng)用新型地基遙感設(shè)備觀測(cè)的海量、多源、實(shí)時(shí)數(shù)據(jù)，中國氣象局氣象探測(cè)中心設(shè)計(jì)并搭建了超大城市觀測(cè)數(shù)據(jù)系統(tǒng)平臺(tái)。系統(tǒng)基于主流Web開發(fā)技術(shù)和分布式列存儲(chǔ)集群方式MySql數(shù)據(jù)庫，具備數(shù)據(jù)實(shí)時(shí)傳輸、監(jiān)控、存儲(chǔ)、分析、顯示和共享等功能，實(shí)現(xiàn)了新型地基遙感觀測(cè)數(shù)據(jù)管理規(guī)范化、產(chǎn)品服務(wù)多樣化、資料共享便捷化。該系統(tǒng)平臺(tái)既提高了新型地基遙感設(shè)備數(shù)據(jù)的支撐保障能力，同時(shí)分鐘級(jí)廓線數(shù)據(jù)產(chǎn)品滿足了短臨天氣預(yù)報(bào)對(duì)實(shí)時(shí)數(shù)據(jù)的高時(shí)效需求。目前，平臺(tái)已在部分城市中推廣應(yīng)用，為地基遙感設(shè)備業(yè)務(wù)化運(yùn)行提供全面的平臺(tái)支持。
為收集管理應(yīng)用新型地基遙感設(shè)備觀測(cè)的海量、多源、實(shí)時(shí)數(shù)據(jù)，中國氣象局氣象探測(cè)中心設(shè)計(jì)并搭建了超大城市觀測(cè)數(shù)據(jù)系統(tǒng)平臺(tái)。系統(tǒng)基于主流Web開發(fā)技術(shù)和分布式列存儲(chǔ)集群方式MySql數(shù)據(jù)庫，具備數(shù)據(jù)實(shí)時(shí)傳輸、監(jiān)控、存儲(chǔ)、分析、顯示和共享等功能，實(shí)現(xiàn)了新型地基遙感觀測(cè)數(shù)據(jù)管理規(guī)范化、產(chǎn)品服務(wù)多樣化、資料共享便捷化。該系統(tǒng)平臺(tái)既提高了新型地基遙感設(shè)備數(shù)據(jù)的支撐保障能力，同時(shí)分鐘級(jí)廓線數(shù)據(jù)產(chǎn)品滿足了短臨天氣預(yù)報(bào)對(duì)實(shí)時(shí)數(shù)據(jù)的高時(shí)效需求。目前，平臺(tái)已在部分城市中推廣應(yīng)用，為地基遙感設(shè)備業(yè)務(wù)化運(yùn)行提供全面的平臺(tái)支持。
2022, 50(5):653-659.
DOI: 10.19517/j.1671-6345.20210528
摘要:
為加快推進(jìn)福建省氣象業(yè)務(wù)系統(tǒng)的集約化、云化轉(zhuǎn)型，需要依托福建氣象大數(shù)據(jù)云平臺(tái)（“天擎·福建”）對(duì)業(yè)務(wù)系統(tǒng)進(jìn)行融入改造。本文介紹了“天擎·福建”的概況、總體架構(gòu)和功能，重點(diǎn)闡述了福建氣象綜合業(yè)務(wù)平臺(tái)融入“天擎”的技術(shù)方案及實(shí)現(xiàn)方法，從平臺(tái)融入“天擎”、數(shù)據(jù)源切換至“天擎”、算法納入加工流水線、數(shù)據(jù)產(chǎn)品存入“天擎”、系統(tǒng)監(jiān)控進(jìn)“天鏡”、前端頁面改造等6個(gè)方面實(shí)現(xiàn)了應(yīng)用融入并投入業(yè)務(wù)運(yùn)行，融入后綜合業(yè)務(wù)平臺(tái)的數(shù)據(jù)匯聚、加工和服務(wù)全流程進(jìn)一步優(yōu)化和規(guī)范，系統(tǒng)運(yùn)行效率和訪問速度顯著提高，為其他的業(yè)務(wù)系統(tǒng)融入天擎提供借鑒。
為加快推進(jìn)福建省氣象業(yè)務(wù)系統(tǒng)的集約化、云化轉(zhuǎn)型，需要依托福建氣象大數(shù)據(jù)云平臺(tái)（“天擎·福建”）對(duì)業(yè)務(wù)系統(tǒng)進(jìn)行融入改造。本文介紹了“天擎·福建”的概況、總體架構(gòu)和功能，重點(diǎn)闡述了福建氣象綜合業(yè)務(wù)平臺(tái)融入“天擎”的技術(shù)方案及實(shí)現(xiàn)方法，從平臺(tái)融入“天擎”、數(shù)據(jù)源切換至“天擎”、算法納入加工流水線、數(shù)據(jù)產(chǎn)品存入“天擎”、系統(tǒng)監(jiān)控進(jìn)“天鏡”、前端頁面改造等6個(gè)方面實(shí)現(xiàn)了應(yīng)用融入并投入業(yè)務(wù)運(yùn)行，融入后綜合業(yè)務(wù)平臺(tái)的數(shù)據(jù)匯聚、加工和服務(wù)全流程進(jìn)一步優(yōu)化和規(guī)范，系統(tǒng)運(yùn)行效率和訪問速度顯著提高，為其他的業(yè)務(wù)系統(tǒng)融入天擎提供借鑒。
2022, 50(5):660-669.
DOI: 10.19517/j.1671-6345.20210478
摘要:
本文研究計(jì)算CMA_MESO模式預(yù)報(bào)降水FSS（Fractions Skill Score）評(píng)分時(shí)，當(dāng)其水平分辨率與觀測(cè)降水不一致時(shí)，采取兩種匹配方式統(tǒng)一分辨率，分析這兩種方式得到的FSS評(píng)分結(jié)果是否有差異。針對(duì)3 km分辨率CMA_MESO模式6 h累積降水，選取5 km分辨率的觀測(cè)降水，分別采取預(yù)報(bào)降水匹配觀測(cè)降水分辨率，以及觀測(cè)降水匹配預(yù)報(bào)降水分辨率兩種方式，選擇4種鄰域尺度：5、25、51和105 km；4種降水閾值：0.1、4、13和25 mm，得到兩組不同預(yù)報(bào)時(shí)效的FSS評(píng)分。通過分析發(fā)現(xiàn)：兩組FSS評(píng)分結(jié)果沒有顯著差異。研究結(jié)果表明，當(dāng)CMA_MESO模式預(yù)報(bào)降水水平分辨率與觀測(cè)降水不一致時(shí)，可以將預(yù)報(bào)降水匹配到觀測(cè)降水格點(diǎn)場，也可以將觀測(cè)降水匹配到預(yù)報(bào)降水格點(diǎn)場，兩種匹配方式對(duì)FSS評(píng)分結(jié)果沒有影響。
本文研究計(jì)算CMA_MESO模式預(yù)報(bào)降水FSS（Fractions Skill Score）評(píng)分時(shí)，當(dāng)其水平分辨率與觀測(cè)降水不一致時(shí)，采取兩種匹配方式統(tǒng)一分辨率，分析這兩種方式得到的FSS評(píng)分結(jié)果是否有差異。針對(duì)3 km分辨率CMA_MESO模式6 h累積降水，選取5 km分辨率的觀測(cè)降水，分別采取預(yù)報(bào)降水匹配觀測(cè)降水分辨率，以及觀測(cè)降水匹配預(yù)報(bào)降水分辨率兩種方式，選擇4種鄰域尺度：5、25、51和105 km；4種降水閾值：0.1、4、13和25 mm，得到兩組不同預(yù)報(bào)時(shí)效的FSS評(píng)分。通過分析發(fā)現(xiàn)：兩組FSS評(píng)分結(jié)果沒有顯著差異。研究結(jié)果表明，當(dāng)CMA_MESO模式預(yù)報(bào)降水水平分辨率與觀測(cè)降水不一致時(shí)，可以將預(yù)報(bào)降水匹配到觀測(cè)降水格點(diǎn)場，也可以將觀測(cè)降水匹配到預(yù)報(bào)降水格點(diǎn)場，兩種匹配方式對(duì)FSS評(píng)分結(jié)果沒有影響。
2022, 50(5):670-676.
DOI: 10.19517/j.1671-6345.20210151
摘要:
集合降維變分同化方法ERDVar不需要求解切線性模式和伴隨模式，不僅能減少同化計(jì)算量，而且能夠提供“流依賴”的背景誤差協(xié)方差矩陣。本文提出用NMC初始擾動(dòng)生成方法和分區(qū)同化方案，來解決初始擾動(dòng)樣本生成問題和全球同化局地化問題，最終實(shí)現(xiàn)將ERDVar應(yīng)用到全球中期數(shù)值預(yù)報(bào)模式T106L19。試驗(yàn)結(jié)果表明：①使用ERDVar方法能夠有效提取真實(shí)增量信息，提高全球同化精度。②用NMC方法產(chǎn)生的擾動(dòng)樣本反映預(yù)報(bào)誤差結(jié)構(gòu)特征，在預(yù)報(bào)過程中不容易衰減，同化后至少使預(yù)報(bào)誤差降低10%。③與全球ERDVar同化試驗(yàn)相比，分區(qū)ERDVar同化試驗(yàn)各變量平均的均方根誤差降低14%，計(jì)算代價(jià)進(jìn)一步降低。分區(qū)ERDVar方法和NMC樣本的聯(lián)合應(yīng)用使同化改進(jìn)效果更穩(wěn)定。
集合降維變分同化方法ERDVar不需要求解切線性模式和伴隨模式，不僅能減少同化計(jì)算量，而且能夠提供“流依賴”的背景誤差協(xié)方差矩陣。本文提出用NMC初始擾動(dòng)生成方法和分區(qū)同化方案，來解決初始擾動(dòng)樣本生成問題和全球同化局地化問題，最終實(shí)現(xiàn)將ERDVar應(yīng)用到全球中期數(shù)值預(yù)報(bào)模式T106L19。試驗(yàn)結(jié)果表明：①使用ERDVar方法能夠有效提取真實(shí)增量信息，提高全球同化精度。②用NMC方法產(chǎn)生的擾動(dòng)樣本反映預(yù)報(bào)誤差結(jié)構(gòu)特征，在預(yù)報(bào)過程中不容易衰減，同化后至少使預(yù)報(bào)誤差降低10%。③與全球ERDVar同化試驗(yàn)相比，分區(qū)ERDVar同化試驗(yàn)各變量平均的均方根誤差降低14%，計(jì)算代價(jià)進(jìn)一步降低。分區(qū)ERDVar方法和NMC樣本的聯(lián)合應(yīng)用使同化改進(jìn)效果更穩(wěn)定。
2022, 50(5):677-685.
DOI: 10.19517/j.1671-6345.20210434
摘要:
為了提高5 km分辨率的網(wǎng)格降水預(yù)報(bào)準(zhǔn)確率，針對(duì)數(shù)值模式網(wǎng)格降水預(yù)報(bào)產(chǎn)品中尚存在許多降水空?qǐng)?bào)的現(xiàn)象，基于網(wǎng)格降水實(shí)況，應(yīng)用動(dòng)態(tài)建模和機(jī)器訓(xùn)練擇優(yōu)技術(shù)，借助新檢驗(yàn)參數(shù)歸一化后的單調(diào)性、新降水TS公式在計(jì)算上的便利性，建立了兩種動(dòng)態(tài)最優(yōu)降水消空技術(shù)方案，開展網(wǎng)格降水消空研究。研究表明，兩步法抑制了消空閾值偏大現(xiàn)象，歸一化法使閾值優(yōu)選更加直接。用這兩種方法，晴雨準(zhǔn)確率全部上升，其中，ECMWF(European Centre for Medium-range Weather Forecasts)提高最大（2.39%～4.76%）；降水TS評(píng)分，ECMWF提高最大，白天提高多（2.98%～3.64%），夜間提高少（1.61%～1.78%），但CMA-SH9(中國氣象局上海數(shù)值預(yù)報(bào)模式系統(tǒng))和CMA-BJ(中國氣象局北京快速更新循環(huán)數(shù)值預(yù)報(bào)系統(tǒng))則出現(xiàn)下降。歸一化法在白天使晴雨準(zhǔn)確率提高最多。分析表明，經(jīng)過消空處理后，雨空百分率下降數(shù)值明顯大于雨漏百分率增加數(shù)值，從而使空?qǐng)?bào)率出現(xiàn)大幅下降，晴雨準(zhǔn)確率也升高明顯。
為了提高5 km分辨率的網(wǎng)格降水預(yù)報(bào)準(zhǔn)確率，針對(duì)數(shù)值模式網(wǎng)格降水預(yù)報(bào)產(chǎn)品中尚存在許多降水空?qǐng)?bào)的現(xiàn)象，基于網(wǎng)格降水實(shí)況，應(yīng)用動(dòng)態(tài)建模和機(jī)器訓(xùn)練擇優(yōu)技術(shù)，借助新檢驗(yàn)參數(shù)歸一化后的單調(diào)性、新降水TS公式在計(jì)算上的便利性，建立了兩種動(dòng)態(tài)最優(yōu)降水消空技術(shù)方案，開展網(wǎng)格降水消空研究。研究表明，兩步法抑制了消空閾值偏大現(xiàn)象，歸一化法使閾值優(yōu)選更加直接。用這兩種方法，晴雨準(zhǔn)確率全部上升，其中，ECMWF(European Centre for Medium-range Weather Forecasts)提高最大（2.39%～4.76%）；降水TS評(píng)分，ECMWF提高最大，白天提高多（2.98%～3.64%），夜間提高少（1.61%～1.78%），但CMA-SH9(中國氣象局上海數(shù)值預(yù)報(bào)模式系統(tǒng))和CMA-BJ(中國氣象局北京快速更新循環(huán)數(shù)值預(yù)報(bào)系統(tǒng))則出現(xiàn)下降。歸一化法在白天使晴雨準(zhǔn)確率提高最多。分析表明，經(jīng)過消空處理后，雨空百分率下降數(shù)值明顯大于雨漏百分率增加數(shù)值，從而使空?qǐng)?bào)率出現(xiàn)大幅下降，晴雨準(zhǔn)確率也升高明顯。
2022, 50(5):686-693.
DOI: 10.19517/j.1671-6345.20210466
摘要:
利用貴州省84個(gè)臺(tái)站常規(guī)觀測(cè)資料、NCEP/NCAR逐日再分析資料以及NOAA逐月海表溫度資料，對(duì)2008年和2011年貴州省出現(xiàn)的兩次超強(qiáng)凝凍過程的降溫幅度、影響站次、海溫背景、環(huán)流場、溫度場等進(jìn)行了對(duì)比分析。結(jié)果表明：中等強(qiáng)度的東部型拉尼娜事件是兩次過程的有利氣候背景，東亞地區(qū)500 hPa 西高東低的距平分布、850 hPa切變線的穩(wěn)定維持、700 hPa西南急流、溫度場上逆溫區(qū)以及溫度垂直剖面圖的800～600 hPa之間的融化層均是兩次過程的有利的形勢(shì)條件。而2008年過程對(duì)應(yīng)850 hPa切變線位置更為靠北，且其西南急流范圍/強(qiáng)度、逆溫區(qū)面積/強(qiáng)度、冷平流強(qiáng)度、融化層厚度/持續(xù)時(shí)間/中心溫度均較2011年的明顯偏強(qiáng)，這是導(dǎo)致2008年冬季凝凍過程影響更為明顯的原因。
利用貴州省84個(gè)臺(tái)站常規(guī)觀測(cè)資料、NCEP/NCAR逐日再分析資料以及NOAA逐月海表溫度資料，對(duì)2008年和2011年貴州省出現(xiàn)的兩次超強(qiáng)凝凍過程的降溫幅度、影響站次、海溫背景、環(huán)流場、溫度場等進(jìn)行了對(duì)比分析。結(jié)果表明：中等強(qiáng)度的東部型拉尼娜事件是兩次過程的有利氣候背景，東亞地區(qū)500 hPa 西高東低的距平分布、850 hPa切變線的穩(wěn)定維持、700 hPa西南急流、溫度場上逆溫區(qū)以及溫度垂直剖面圖的800～600 hPa之間的融化層均是兩次過程的有利的形勢(shì)條件。而2008年過程對(duì)應(yīng)850 hPa切變線位置更為靠北，且其西南急流范圍/強(qiáng)度、逆溫區(qū)面積/強(qiáng)度、冷平流強(qiáng)度、融化層厚度/持續(xù)時(shí)間/中心溫度均較2011年的明顯偏強(qiáng)，這是導(dǎo)致2008年冬季凝凍過程影響更為明顯的原因。
2022, 50(5):694-701.
DOI: 10.19517/j.1671-6345.20210249
摘要:
利用常規(guī)氣象觀測(cè)資料、區(qū)域自動(dòng)站加密觀測(cè)資料、FY-4衛(wèi)星云圖、新一代天氣雷達(dá)、ECMWF細(xì)網(wǎng)格、GRAPES_MESO及NECP的1°×1°再分析資料，分析2019年8月6日08:00至8日08:00，黑龍江省中部和西南部的強(qiáng)降水過程動(dòng)力機(jī)制，以及引發(fā)的降水性質(zhì)和降水分布特征。結(jié)果表明：①強(qiáng)降水過程共分3個(gè)階段2種性質(zhì)：與冷渦相連的鞍形場的對(duì)流云降水；鞍形場和增強(qiáng)暖鋒共同作用的混合云和對(duì)流云降水；臺(tái)風(fēng)“范斯高”殘渦作用下，改變?cè)葡狄苿?dòng)路徑形成的對(duì)流云降水。②冷渦、副熱帶高壓、臺(tái)風(fēng)的相互作用，是該過程產(chǎn)生的根本原因；副熱帶高壓和臺(tái)風(fēng)外圍暖濕氣流配合冷渦冷空氣，為強(qiáng)降水提供水汽和不穩(wěn)定條件；狹窄的水汽輸送通道造成了強(qiáng)降水的空間不連續(xù)性；低層輻合線為強(qiáng)降水提供觸發(fā)條件；鞍形場的穩(wěn)定結(jié)構(gòu)、大小興安嶺南麓強(qiáng)迫抬升、臺(tái)風(fēng)系統(tǒng)阻擋延長強(qiáng)降水的持續(xù)時(shí)間。
利用常規(guī)氣象觀測(cè)資料、區(qū)域自動(dòng)站加密觀測(cè)資料、FY-4衛(wèi)星云圖、新一代天氣雷達(dá)、ECMWF細(xì)網(wǎng)格、GRAPES_MESO及NECP的1°×1°再分析資料，分析2019年8月6日08:00至8日08:00，黑龍江省中部和西南部的強(qiáng)降水過程動(dòng)力機(jī)制，以及引發(fā)的降水性質(zhì)和降水分布特征。結(jié)果表明：①強(qiáng)降水過程共分3個(gè)階段2種性質(zhì)：與冷渦相連的鞍形場的對(duì)流云降水；鞍形場和增強(qiáng)暖鋒共同作用的混合云和對(duì)流云降水；臺(tái)風(fēng)“范斯高”殘渦作用下，改變?cè)葡狄苿?dòng)路徑形成的對(duì)流云降水。②冷渦、副熱帶高壓、臺(tái)風(fēng)的相互作用，是該過程產(chǎn)生的根本原因；副熱帶高壓和臺(tái)風(fēng)外圍暖濕氣流配合冷渦冷空氣，為強(qiáng)降水提供水汽和不穩(wěn)定條件；狹窄的水汽輸送通道造成了強(qiáng)降水的空間不連續(xù)性；低層輻合線為強(qiáng)降水提供觸發(fā)條件；鞍形場的穩(wěn)定結(jié)構(gòu)、大小興安嶺南麓強(qiáng)迫抬升、臺(tái)風(fēng)系統(tǒng)阻擋延長強(qiáng)降水的持續(xù)時(shí)間。
2022, 50(5):702-712.
DOI: 10.19517/j.1671-6345.20210382
摘要:
利用常規(guī)地面、高空觀測(cè)和ERA5再分析數(shù)據(jù)，對(duì)魯西南2020年7月22日（簡稱“7·22”過程）和8月6—7日（簡稱“8·6”過程）兩次區(qū)域性大暴雨及伴隨的短時(shí)強(qiáng)降水形成機(jī)制診斷分析。結(jié)果表明：“7·22”過程是一次地面氣旋降水過程，大暴雨主要出現(xiàn)在氣旋中心至移向右前部的倒槽內(nèi)，短時(shí)強(qiáng)降水是對(duì)流不穩(wěn)定觸發(fā)后，慣性不穩(wěn)定的增強(qiáng)造成。“8·6”過程是一次副高邊緣暖區(qū)降水過程，大暴雨主要出現(xiàn)在低空急流的前端、地面輻合線附近，短時(shí)強(qiáng)降水由對(duì)流不穩(wěn)定的觸發(fā)和釋放造成。“7·22”過程暖濕急流較強(qiáng)，水汽通量散度和動(dòng)力條件顯著強(qiáng)于“8·6”過程，超低空強(qiáng)輻合區(qū)、水汽通量散度輻合大值區(qū)、水平動(dòng)能大值區(qū)邊緣的強(qiáng)鋒生區(qū)以及濕位渦MPV大值區(qū)邊緣的|MPV2|小值區(qū)對(duì)短時(shí)強(qiáng)降水的出現(xiàn)區(qū)域指示較好。兩次過程分析均表明垂直上升運(yùn)動(dòng)和深厚濕區(qū)的配合對(duì)短時(shí)強(qiáng)降水的出現(xiàn)時(shí)間指示較好。
利用常規(guī)地面、高空觀測(cè)和ERA5再分析數(shù)據(jù)，對(duì)魯西南2020年7月22日（簡稱“7·22”過程）和8月6—7日（簡稱“8·6”過程）兩次區(qū)域性大暴雨及伴隨的短時(shí)強(qiáng)降水形成機(jī)制診斷分析。結(jié)果表明：“7·22”過程是一次地面氣旋降水過程，大暴雨主要出現(xiàn)在氣旋中心至移向右前部的倒槽內(nèi)，短時(shí)強(qiáng)降水是對(duì)流不穩(wěn)定觸發(fā)后，慣性不穩(wěn)定的增強(qiáng)造成。“8·6”過程是一次副高邊緣暖區(qū)降水過程，大暴雨主要出現(xiàn)在低空急流的前端、地面輻合線附近，短時(shí)強(qiáng)降水由對(duì)流不穩(wěn)定的觸發(fā)和釋放造成。“7·22”過程暖濕急流較強(qiáng)，水汽通量散度和動(dòng)力條件顯著強(qiáng)于“8·6”過程，超低空強(qiáng)輻合區(qū)、水汽通量散度輻合大值區(qū)、水平動(dòng)能大值區(qū)邊緣的強(qiáng)鋒生區(qū)以及濕位渦MPV大值區(qū)邊緣的|MPV2|小值區(qū)對(duì)短時(shí)強(qiáng)降水的出現(xiàn)區(qū)域指示較好。兩次過程分析均表明垂直上升運(yùn)動(dòng)和深厚濕區(qū)的配合對(duì)短時(shí)強(qiáng)降水的出現(xiàn)時(shí)間指示較好。
2022, 50(5):713-723.
DOI: 10.19517/j.1671-6345.20210476
摘要:
2021年6月9日夜間和6月12日夜間，浙江紹興出現(xiàn)了兩次暖區(qū)大暴雨過程，主、客觀預(yù)報(bào)均出現(xiàn)較大偏差。本文利用地面加密自動(dòng)站、多普勒雷達(dá)資料以及ERA5再分析資料，對(duì)這兩次過程的環(huán)流場、觸發(fā)機(jī)制和中尺度對(duì)流系統(tǒng)演變情況進(jìn)行分析，結(jié)果如下：①兩次過程均發(fā)生在弱天氣強(qiáng)迫背景下，“609”過程是在邊界層急流的作用下發(fā)生的，“612”過程發(fā)生在副高邊緣；②“609”過程中垂直螺旋度大值中心最高伸展至對(duì)流層中層，上游位渦擾動(dòng)不斷向下游輸送，促使暴雨區(qū)位渦擾動(dòng)持續(xù)發(fā)展；“612”過程中垂直螺旋度大值中心僅伸展至對(duì)流層低層，等熵面上存在干冷空氣侵入，有利于位渦擾動(dòng)迅速加強(qiáng)；③兩次過程的觸發(fā)機(jī)制均為β中尺度輻合線，中尺度對(duì)流系統(tǒng)沿著輻合線不斷發(fā)展，并處于“準(zhǔn)靜止”狀態(tài)，造成大暴雨，“609”過程β中尺度系統(tǒng)較“612”過程停滯時(shí)間更長，同時(shí)受迎風(fēng)坡地形抬升作用影響，降水總量更大。
2021年6月9日夜間和6月12日夜間，浙江紹興出現(xiàn)了兩次暖區(qū)大暴雨過程，主、客觀預(yù)報(bào)均出現(xiàn)較大偏差。本文利用地面加密自動(dòng)站、多普勒雷達(dá)資料以及ERA5再分析資料，對(duì)這兩次過程的環(huán)流場、觸發(fā)機(jī)制和中尺度對(duì)流系統(tǒng)演變情況進(jìn)行分析，結(jié)果如下：①兩次過程均發(fā)生在弱天氣強(qiáng)迫背景下，“609”過程是在邊界層急流的作用下發(fā)生的，“612”過程發(fā)生在副高邊緣；②“609”過程中垂直螺旋度大值中心最高伸展至對(duì)流層中層，上游位渦擾動(dòng)不斷向下游輸送，促使暴雨區(qū)位渦擾動(dòng)持續(xù)發(fā)展；“612”過程中垂直螺旋度大值中心僅伸展至對(duì)流層低層，等熵面上存在干冷空氣侵入，有利于位渦擾動(dòng)迅速加強(qiáng)；③兩次過程的觸發(fā)機(jī)制均為β中尺度輻合線，中尺度對(duì)流系統(tǒng)沿著輻合線不斷發(fā)展，并處于“準(zhǔn)靜止”狀態(tài)，造成大暴雨，“609”過程β中尺度系統(tǒng)較“612”過程停滯時(shí)間更長，同時(shí)受迎風(fēng)坡地形抬升作用影響，降水總量更大。
2022, 50(5):724-733.
DOI: 10.19517/j.1671-6345.20210455
摘要:
利用卷積神經(jīng)網(wǎng)絡(luò)和門控循環(huán)單元（Gated recurrent units ）神經(jīng)網(wǎng)絡(luò)，基于雷達(dá)反射率因子和雷電定位數(shù)據(jù)開展了雷電預(yù)報(bào)研究。首先構(gòu)建了引用注意力機(jī)制的基于卷積神經(jīng)網(wǎng)絡(luò)和門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型（Attention-ConvGRU）；然后將雷達(dá)反射率因子數(shù)據(jù)和對(duì)應(yīng)時(shí)間段（6 min）的雷電定位數(shù)據(jù)處理成圖像數(shù)據(jù)后輸入深度學(xué)習(xí)模型，訓(xùn)練出可預(yù)報(bào)雷電的模型，包括3種模型：單雷電數(shù)據(jù)模型、單雷達(dá)數(shù)據(jù)模型和雷電-雷達(dá)雙數(shù)據(jù)模型；最后開展了預(yù)報(bào)試驗(yàn)和定量評(píng)估。綜合評(píng)估表明，本文建立的雷電預(yù)報(bào)模型綜合預(yù)報(bào)準(zhǔn)確率達(dá)到96.74%，虛警率35.83%，關(guān)鍵成功指數(shù)（Critical Success Index, CSI）為0.2072。個(gè)例分析表明，預(yù)報(bào)模型對(duì)于具有明顯移動(dòng)趨勢(shì)的雷暴過程（A類雷暴）的預(yù)報(bào)效果優(yōu)于不具有明顯移動(dòng)趨勢(shì)的雷暴過程（B類雷暴）,且隨著B類雷暴強(qiáng)度減弱模型預(yù)報(bào)能力逐漸減弱。
利用卷積神經(jīng)網(wǎng)絡(luò)和門控循環(huán)單元（Gated recurrent units ）神經(jīng)網(wǎng)絡(luò)，基于雷達(dá)反射率因子和雷電定位數(shù)據(jù)開展了雷電預(yù)報(bào)研究。首先構(gòu)建了引用注意力機(jī)制的基于卷積神經(jīng)網(wǎng)絡(luò)和門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型（Attention-ConvGRU）；然后將雷達(dá)反射率因子數(shù)據(jù)和對(duì)應(yīng)時(shí)間段（6 min）的雷電定位數(shù)據(jù)處理成圖像數(shù)據(jù)后輸入深度學(xué)習(xí)模型，訓(xùn)練出可預(yù)報(bào)雷電的模型，包括3種模型：單雷電數(shù)據(jù)模型、單雷達(dá)數(shù)據(jù)模型和雷電-雷達(dá)雙數(shù)據(jù)模型；最后開展了預(yù)報(bào)試驗(yàn)和定量評(píng)估。綜合評(píng)估表明，本文建立的雷電預(yù)報(bào)模型綜合預(yù)報(bào)準(zhǔn)確率達(dá)到96.74%，虛警率35.83%，關(guān)鍵成功指數(shù)（Critical Success Index, CSI）為0.2072。個(gè)例分析表明，預(yù)報(bào)模型對(duì)于具有明顯移動(dòng)趨勢(shì)的雷暴過程（A類雷暴）的預(yù)報(bào)效果優(yōu)于不具有明顯移動(dòng)趨勢(shì)的雷暴過程（B類雷暴）,且隨著B類雷暴強(qiáng)度減弱模型預(yù)報(bào)能力逐漸減弱。
2022, 50(5):734-741.
DOI: 10.19517/j.1671-6345.20210361
摘要:
根據(jù)2007—2019年湖北省地閃監(jiān)測(cè)數(shù)據(jù)、地表覆蓋數(shù)據(jù)以及數(shù)字地形高程數(shù)據(jù)，采用數(shù)理統(tǒng)計(jì)方法，分析研究了地表覆蓋類型、海拔、坡向、坡度4類地形信息數(shù)據(jù)與閃電頻數(shù)、正閃比例、地閃回?fù)魪?qiáng)度、地閃回?fù)舳付鹊壤纂妳?shù)的關(guān)系。結(jié)果表明：①建成區(qū)單位面積閃電頻數(shù)和小幅值地閃比例較高，分別為87.1 次/km2和8.6％；②耕地區(qū)和水域區(qū)地閃回?fù)舳付戎递^高；③湖北省地閃回?fù)糁饕性诤０?～700 m、坡度0.5°～35°，地閃回?fù)裘芏入S海拔增加呈減少趨勢(shì)，地閃回?fù)魪?qiáng)度平均值隨海拔增加呈現(xiàn)先增加后減少的趨勢(shì)，地閃回?fù)舳付绕骄惦S海拔增加而減少；④坡向朝南或朝東地閃回?fù)裘芏容^高，坡向朝南或朝北地閃回?fù)魪?qiáng)度平均值較高；⑤不同坡度區(qū)間和海拔區(qū)間雷電參數(shù)的變化規(guī)律較為一致。
根據(jù)2007—2019年湖北省地閃監(jiān)測(cè)數(shù)據(jù)、地表覆蓋數(shù)據(jù)以及數(shù)字地形高程數(shù)據(jù)，采用數(shù)理統(tǒng)計(jì)方法，分析研究了地表覆蓋類型、海拔、坡向、坡度4類地形信息數(shù)據(jù)與閃電頻數(shù)、正閃比例、地閃回?fù)魪?qiáng)度、地閃回?fù)舳付鹊壤纂妳?shù)的關(guān)系。結(jié)果表明：①建成區(qū)單位面積閃電頻數(shù)和小幅值地閃比例較高，分別為87.1 次/km2和8.6％；②耕地區(qū)和水域區(qū)地閃回?fù)舳付戎递^高；③湖北省地閃回?fù)糁饕性诤０?～700 m、坡度0.5°～35°，地閃回?fù)裘芏入S海拔增加呈減少趨勢(shì)，地閃回?fù)魪?qiáng)度平均值隨海拔增加呈現(xiàn)先增加后減少的趨勢(shì)，地閃回?fù)舳付绕骄惦S海拔增加而減少；④坡向朝南或朝東地閃回?fù)裘芏容^高，坡向朝南或朝北地閃回?fù)魪?qiáng)度平均值較高；⑤不同坡度區(qū)間和海拔區(qū)間雷電參數(shù)的變化規(guī)律較為一致。
2022, 50(5):742-750.
DOI: 10.19517/j.1671-6345.20210513
摘要:
為了加強(qiáng)暴雨相關(guān)的防災(zāi)減災(zāi)工作的科學(xué)性，本文基于云南省126個(gè)國家氣象站2010—2019年10年的逐時(shí)降水資料和基礎(chǔ)地理信息數(shù)據(jù)，從暴雨災(zāi)害致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性和承災(zāi)體易損性3個(gè)方面，建立暴雨災(zāi)害風(fēng)險(xiǎn)評(píng)估模型，利用熵值法、自然斷點(diǎn)法、ArcGIS插值和柵格分析方法，實(shí)現(xiàn)云南省暴雨災(zāi)害風(fēng)險(xiǎn)的區(qū)劃評(píng)估。結(jié)果顯示:①暴雨災(zāi)害高風(fēng)險(xiǎn)區(qū)主要集中于云南南部，包括西雙版納州、普洱市、紅河南部、德宏州及北部地區(qū)；②迪慶州、怒江州、麗江市北部等地暴雨災(zāi)害風(fēng)險(xiǎn)等級(jí)較低；③全省暴雨災(zāi)害高風(fēng)險(xiǎn)區(qū)、次高風(fēng)險(xiǎn)區(qū)面積占比分別為7.05%、25.22%，低風(fēng)險(xiǎn)區(qū)、次低風(fēng)險(xiǎn)區(qū)面積占比分別為10.32%、21.86%。使用2020年暴雨災(zāi)害次數(shù)、暴雨日對(duì)區(qū)劃評(píng)估結(jié)果進(jìn)行檢驗(yàn)表明，區(qū)劃評(píng)估結(jié)果具有科學(xué)合理性。
為了加強(qiáng)暴雨相關(guān)的防災(zāi)減災(zāi)工作的科學(xué)性，本文基于云南省126個(gè)國家氣象站2010—2019年10年的逐時(shí)降水資料和基礎(chǔ)地理信息數(shù)據(jù)，從暴雨災(zāi)害致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性和承災(zāi)體易損性3個(gè)方面，建立暴雨災(zāi)害風(fēng)險(xiǎn)評(píng)估模型，利用熵值法、自然斷點(diǎn)法、ArcGIS插值和柵格分析方法，實(shí)現(xiàn)云南省暴雨災(zāi)害風(fēng)險(xiǎn)的區(qū)劃評(píng)估。結(jié)果顯示:①暴雨災(zāi)害高風(fēng)險(xiǎn)區(qū)主要集中于云南南部，包括西雙版納州、普洱市、紅河南部、德宏州及北部地區(qū)；②迪慶州、怒江州、麗江市北部等地暴雨災(zāi)害風(fēng)險(xiǎn)等級(jí)較低；③全省暴雨災(zāi)害高風(fēng)險(xiǎn)區(qū)、次高風(fēng)險(xiǎn)區(qū)面積占比分別為7.05%、25.22%，低風(fēng)險(xiǎn)區(qū)、次低風(fēng)險(xiǎn)區(qū)面積占比分別為10.32%、21.86%。使用2020年暴雨災(zāi)害次數(shù)、暴雨日對(duì)區(qū)劃評(píng)估結(jié)果進(jìn)行檢驗(yàn)表明，區(qū)劃評(píng)估結(jié)果具有科學(xué)合理性。
友情鏈接《氣象學(xué)報(bào)》《應(yīng)用氣象學(xué)報(bào)》《氣象》《氣象科學(xué)》中國氣象局中國氣象局氣象探測(cè)中心中國氣象科學(xué)研究院北京市氣象局國家衛(wèi)星氣象中心及國家氣象信息中心
您是第位訪問者
技術(shù)支持：北京勤云科技發(fā)展有限公司
技術(shù)支持：北京勤云科技發(fā)展有限公司