降水预报
- 格式:doc
- 大小:16.00 KB
- 文档页数:3
降水量及划分
气象预报把下雨、下雪都叫做降水,降水的多少叫降水量,表示降水量的单位通常用毫米。
1毫米的降水量是指单位面积上水深1毫米。
1毫米降水落到田地里有多少呢?我们知道,每亩地面积是666.7平方米,因此,1毫米降水量就等于每亩地里增加0.667立方米的水。
每立方米的水是1000公斤,这样,1毫米降水量也就等于向每亩地浇了约650公斤水。
据测定,降5毫米的雨,可使旱地浸透3厘米~6厘米。
1、降水量强度:
2、降雪量强度:
3、积雪深度
另外衡量雪大小还有一个词:积雪深度单位为厘米。
假定雪层均匀地分布在积雪地面上时,从雪层表面到雪下地面之间的垂直深度,叫积雪深度。
雪量与积雪深度没法直接换算,大致上1毫米的雪量能积到1厘米的深度的样子。
降雪量是将雪转化成等量的水的深度,与积雪厚度可按照1:15的比例换算。
如果换算为降水量的平均水深,100毫米的降水量等于1平方米平均有0.1米深的降水量。
Journal of Image and Signal Processing 图像与信号处理, 2018, 7(4), 200-212Published Online October 2018 in Hans. /journal/jisphttps:///10.12677/jisp.2018.740233D Convolutional Neural Network forRegional Precipitation NowcastingKun Wu1,2, Yanyan Shen1, Shuqiang Wang1*1Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen Guangdong2University of Science and Technology of China, Hefei AnhuiReceived: Sep. 19th, 2018; accepted: Oct. 3rd, 2018; published: Oct. 10th, 2018AbstractAccurate regional precipitation forecast has been a very important issue in the field of meteoro-logical services. The goal of short-term rainfall forecasting is to make accurate and timely predic-tions about the intensity of rainfall in local areas in the short-term future (e.g., 0 - 6 hours).Weather stations can issue emergency urban rainfall alerts and provide effective flood prevention information by integrating the predicted short-term rainfall data with the observed weather fore-cast meteorological data. In this paper, according to the surrounding historical rainfall data of au-tomatic station detection and weather observation area of different heights above the Doppler radar echo extrapolation figure, we proposed a rainfall prediction model based on the deep learning method. Proposed model is based on 3D Convolution Neural Network, the established network model was applied to the regression problem of the rainfall forecast, use the appropriate index to evaluate the accuracy of model under the high precision of short-term rainfall forecast ina particular area. Through experiments, this model can accurately predict the short-term rainfallover the region. With the experiments under different network structure, the root mean square error of predicted value and observed value is below 6. The training model predicts stability in weather station data throughout the year.KeywordsDeep Learning, 3D Convolution Neural Network, Rainfall Prediction基于3D卷积神经网络的区域降雨量预报吴昆1,2,申妍燕1,王书强1*1中国科学院深圳先进技术研究院,广东深圳2中国科学技术大学,安徽合肥*通讯作者。
全国雷达分钟降水方法在面雨量预报上应用的检验作者:丁劲张国平高金兵王曙东王阔音薛冰章芳杨静来源:《安徽农业科学》2021年第17期摘要为了解基于全国雷达分钟降水方法在面雨量上的短期预报效果,利用2020年7月25日08:00—28日08:00安徽巢湖及其子流域的实况面雨量数据,依据平均绝对误差、均方根误差、TS评分、漏报率和空报率几项检验指标,对安徽巢湖及其子流域研究时段内逐小时和累计2 h面雨量预报结果进行检验评估。
结果表明,全国雷达分钟降水方法对巢湖北部平原区子流域的预报效果好于南部丘陵地区子流域;累积2 h产品的预报效果好于逐小时产品的预报效果;对小雨量的预报结果优于大雨量的预报结果。
关键词全国雷达分钟降水方法;流域;面雨量;短期预报;检验中图分类号 S165 文献标识码 A文章编号 0517-6611(2021)17-0221-05doi:10.3969/j.issn.0517-6611.2021.17.056Abstract In order to understand the short-term forecasting effect on the surface rainfall based on the minute quantitative precipitation forecast (MQPF),the actual surface rainfall data of Anhui Chaohu Lake and its sub-catchments from 08:00 July 25 to 08:00 July 28, 2020 were used to relyon the average absolute error,root mean square error,TS score,omission rate and false prediction ratio were several test indicators to test and evaluate the hourly and cumulative 2-h area rainfall forecast results during the study period of Chaohu Lake and its sub-catchments in Anhui.The results showed that the MQPF forecast had a better forecasting effect on the sub-basins in the northern plain area of Chaohu Lake than those in the southern hilly area.More accurate forecast could be seen in cumulative two-hour products than hourly products.The low rainfall level showed better results than the forecast for high rainfall level.Key words Minute quantitative precipitation forecast (MQPF);Basins;Area rainfall;Short-term forecast;Verification面雨量是水文预报中的一个重要参量,面雨量预报的精度直接关系到洪水预报精度和洪水调度决策的科学性[1]。
天气预报常识1、在收听天气预报时,常常听到“今天白天”、“今天夜间”等时间用语和“多云”、“阴”、“晴”等气象用语。
“今天白天”是指上午8:00到晚上20:00这12个小时;“今天夜间”指20:00到次日早上8:00这12个小时。
“晴”指云量占10—30%;“多云”指云量占40—70%;“阴”指云量占80—100%。
2、气象单位对降水量标准的规定,有12小时和24小时两种标准。
12小时降水量级标准是:“小雨”指的是降水量0.6—5毫米;“中雨”的降水量5.1—15毫米;“大雨”15.1—30毫米;“暴雨”30.1—70毫米;“大暴雨”70.1—200毫米。
24小时降水量级标准是:“小雨”降水量指的是1—10毫米;“中雨”的降水量指的是10.1—25毫米;“大雨”降水量指的是25.1—50毫米;“暴雨”指的是50.1—100毫米;“大暴雨”是100.1—250毫米的降水量。
预报时间没有超过12小时,就是指12小时降水量级标准。
如果预报今天白天或晚上有雨雪,则指的是12小时内的降雪。
如果预报今天白天到夜间有中到大雪,则指的是24小时内的降水量。
除12.24小时预报外,还有48小时预报,72小时预报,还有未来天气分析等。
12个简单方法可以预测天气远山可见,天晴;近山模糊,天雨。
因为空气干燥,天气晴朗,远山才可看清楚。
可很清楚听到列车的声响,会下雨。
天气阴沉时,白天与晚上的温差变小,声音容易传远。
看到猫洗脸,会下雨。
猫用前脚洗脸的动作,是因为将下雨时,湿度增高,跳蚤在猫身上活动起来。
春天吹南风,易引起雪崩。
春天南风,是由于海上低气压引起。
温暖的南风,易造成冬去后未解冻的雪崩坍。
青蛙叫鸣不停,会下雨。
青蛙皮薄,能够敏感到湿度的变化,因此比平常叫得更激烈,表示湿度大,就会下雨。
霜受到朝阳照射,发出灿烂光彩,会天晴。
霜的成因是夜晚寒冷,与白天温差大,白天温度高,会天晴。
早晨见蜘蛛网上有水滴,会放晴。
天气好的时候,白天与晚上的温差就会变大,遇到冷空气的水蒸气,就变为小水滴。
定量降水预报技术研究进展宗志平;代刊;蒋星【摘要】定量降水预报( QPF)是天气预报最重要的业务之一.对21世纪以来QPF 的国内外业务现状、集合概率预报技术、短时临近预报技术、检验技术以及订正技术等做了简要综述,初步总结了各类研究所取得的主要进展,包括:QPF准确率的稳步提高得益于数值模式的持续发展,以及预报员对于模式产品的应用订正能力的不断提高;以数值集合预报为基础的概率QPF( PQPF)为用户提供预报不确定性信息,是一种更为科学的天气预报形式;另外,数值模式的实时天气学检验及订正技术的发展为“增加预报员的附加价值”提供有力支撑.最后,提出了目前QPF研究存在的主要问题和需要加强的几个研究方向,分别是:(1)进一步加强数值模式对于大气水汽场的同化和模拟,采用新的模型来描述下垫面与边界层之间的水汽交换,以及大气中真实云和降水物理过程;(2)降水观测和预报的随机特点还没有被充分考虑,需要进一步研究不同时空尺度上的模式预报能力,发展有效的QPF订正技术方法;(3)对于PQPF 还存在着理解上的困难和误区,如何将预报不确定性信息传递给用户需要进一步研究;(4)短时临近QPF应由雷达回波外推方法向结合数值模式预报的混合外推技术转变,提高对对流降水系统的预报能力;(5)针对传统的统计评分检验方法的不足,应引入新的QPF检验技术方法,但新方法的解释应用还需不断地积累经验.【期刊名称】《气象科技进展》【年(卷),期】2012(002)005【总页数】7页(P29-35)【关键词】定量降水预报;集合预报;检验;预报业务【作者】宗志平;代刊;蒋星【作者单位】国家气象中心,中国气象局,北京100081;国家气象中心,中国气象局,北京100081;国家气象中心,中国气象局,北京100081【正文语种】中文强降水引发的洪涝灾害是我国最严重的气象灾害之一。
据统计,1990年以来因暴雨洪涝造成的年均直接经济损失达1200多亿元;1998年长江流域大洪水造成受灾人口超过1亿人,死亡1800多人,经济损失1500多亿元。
天气预报常识1、在收听天气预报时,常常听到“今天白天”、“今天夜间”等时间用语和“多云”、“阴”、“晴”等气象用语。
“今天白天”是指上午8:00 到晚上20 :00 这12 个小时;“今天夜间”指20 :00 到次日早上8:00 这12 个小时。
“晴”指云量占 10 —30% ;“多云”指云量占 40 —70% ;“阴”指云量占80 —100% 。
2、气象单位对降水量标准的规定,有12 小时和 24 小时两种标准。
12 小时降水量级标准是:“小雨”指的是降水量0.6 —5 毫米;“中雨”的降水量 5.1 —15 毫米;“大雨” 15.1 30—毫米;“暴雨”30.1 —70 毫米;“大暴雨”70.1 —200 毫米。
24小时降水量级标准是:“小雨”降水量指的是1—10 毫米;“中雨”的降水量指的是10.1 —25 毫米;“大雨”降水量指的是25.1 —50 毫米;“暴雨”指的是 50.1 —100 毫米;“大暴雨”是100.1 —250 毫米的降水量。
预报时间没有超过12 小时,就是指 12 小时降水量级标准。
如果预报今天白天或晚上有雨雪,则指的是12 小时内的降雪。
如果预报今天白天到夜间有中到大雪,则指的是 24小时内的降水量。
除 12.24 小时预报外,还有48 小时预报,72 小时预报,还有未来天气分析等。
12个简单方法可以预测天气远山可见,天晴;近山模糊,天雨。
因为空气干燥,天气晴朗,远山才可看清楚。
可很清楚听到列车的声响,会下雨。
天气阴沉时,白天与晚上的温差变小,声音容易传远。
看到猫洗脸,会下雨。
猫用前脚洗脸的动作,是因为将下雨时,湿度增高,跳蚤在猫身上活动起来。
春天吹南风,易引起雪崩。
春天南风,是由于海上低气压引起。
温暖的南风,易造成冬去后未解冻的雪崩坍。
青蛙叫鸣不停,会下雨。
青蛙皮薄,能够敏感到湿度的变化,因此比平常叫得更激烈,表示湿度大,就会下雨。
霜受到朝阳照射,发出灿烂光彩,会天晴。
降水是气象预报预测业务中的重要要素,也是社会公众最为关心的气象要素[1]。
随着社会各个领域对降水预报的要求越来越高,传统的晴雨预报已无法满足需求,需要提供高时空分辨率、定量化、更精准的降水预报产品。
新疆地处干旱半干旱区,复杂的“三山夹两盆”地形(北部阿尔泰山、中部天山、南部昆仑山,北疆准噶尔盆地、南疆塔里木盆地)使新疆降水具有独特的分布特征[2-4],例如北疆降水多于南疆、西部降水多于东部、山区降水多于盆地等等,进一步增大了新疆区域精细化定量降水预报的难度。
随着数值预报技术的发展,模式表现出对客观定量降水的巨大潜力,已经成为目前天气预报业务领域中不可替代的可用参考预报方法[5-8]。
由于定量降水提供的是一段时间内的总降水量,其准确度受到降水发生位置、移动方向、持续时间等诸多因素的影响[1,9],加之模式的初始条件、边界条件、物理过程、复杂下垫面以及模式框架自身设计不足等诸多因素产生的不确定性,模式降水预报与实况始终存在一定偏差[10-12]。
不同模式在不同地区,对降水预报的系统性误差方面表现各异[13-14],有必要对本地区域数值预报系统的降水性能进行时空上定量的检验和评估,为降水偏差订正方法和集合预报技术研究做铺垫[15-17]。
乌鲁木齐区域数值天气预报系统DOGRAFS (Desert -Oasis -Gobi Regional Assimilation and Forecast System )前身为新疆快速更新循环同化数值预报系统XJ-RUC ,经过参数化方案优选优化、同化方案优选等本地化工作,2014年升级并更名,2015年底通过中国气象局业务化评审,现行版本为1.0。
该系统为全疆区、地、县气象部门以及国家电网等业务单位提供精细化预报产品,在实际预报预测业务中2016年夏季DOGRAFS 系统站点24h降水量级预报检验李曼1,2,琚陈相1,2,辛渝1,2,杜娟1,2,马玉芬1,2,马秀梅1,2(1.中国气象局乌鲁木齐沙漠气象研究所,新疆乌鲁木齐830002;2.中亚大气科学研究中心,新疆乌鲁木齐830002)摘要:随着精细化降水预报的要求和发展,模式对站点定量降水预报已成为天气预报业务的主要参考依据之一。
全国1-7天降水量降水预报的多种颜色什么表示?全国72小时天气降水分布云图分析说明:白色区域为72小时没有明显降水地区,浅绿色区域为72小时内降水量有0-10毫升,深绿色为10-25毫升,浅蓝色为25-50毫升,深蓝色为50-100毫升,粉色区域说明在末为72小时内可能出现大暴雨,降水量可达100-250毫升,需要特别注意防范!1、蓝色预警(一般)蓝色暴雪预警信号:12小时内降雪量将达到4毫米以上,或者已达4毫米以上且降雪持续,可能对交通或者农牧业有影响。
2、黄色预警(较重)暴雨黄色预警信号:6小时内降雨量将达到50毫米以上,或者已经达到50毫米以上且降雨可能持续。
3、橙色预警(严重)橙色暴雨预警信号:3小时内降雨量将达50毫米以上,或者已达50毫米以上且降雨可能持续。
4、红色预警(特别严重)红色暴雨预警信号:3小时内降雨量将达100毫米以上,或者已达100毫米以上且降雨可能持续。
拓展资料:气象灾害预警信号1、台风预警信号分四级,分别以蓝色、黄色、橙色和红色表示。
2、暴雨预警信号分四级,分别以蓝色、黄色、橙色、红色表示。
3.暴雪预警信号分为四级,分别用蓝色、黄色、橙色和红色表示。
4、寒潮预警信号分四级,分别以蓝色、黄色、橙色、红色表示。
5.大风(台风除外)预警信号分为四级,分别用蓝色、黄色、橙色和红色表示。
6、沙尘暴预警信号分三级,分别以黄色、橙色、红色表示。
7.高温预警信号分为三级,分别用黄色、橙色和红色表示。
8、干旱预警信号分二级,分别以橙色、红色表示。
干旱指标等级划分,以国家标准《气象干旱等级》(gb/t20481-2006)中的综合气象干旱指数为标准。
9、雷电预警信号分三级,分别以黄色、橙色、红色表示。
10、冰雹预警信号分二级,分别以橙色、红色表示。
11.霜冻预警信号分为三级,分别用蓝色、黄色和橙色表示。
12.大雾预警信号分为三级,分别用黄色、橙色和红色表示。
13、霾预警信号分三级,分别以黄色、橙色和红色表示。
168小时降水量预报摘要:168小时降水量预报是对一段时期内,未来某地区内降水量的预报,有助于帮助气象专业人员准确预测降水情况,准备更有效的应对措施,发挥气候预警的作用,帮助人们更好的进行气候规划,提高农业生产的效益,促进社会的可持续发展。
第一部分:168小时降水量预报的科学价值168小时降水量预报是一种对降水量的预报,也就是对一段时期内某地区内降水量的预报,主要是为了帮助气象专家准确预测降水发展情况,便于作出更有效的应对措施,充分发挥气候预警的作用,让预警可以及时准确地达到目的地。
168小时降水量预报还可以帮助人们更好的进行气候规划,例如可以通过准确的降水量预报来帮助农业专业人士更好把握施肥和灌溉的时机,做到更好的利用水资源,提高农业生产的效益,从而实现农业生产的可持续发展,促进社会的可持续发展。
此外,168小时降水量预报还可以帮助人们更有效地对抗极端天气状况,例如洪涝、干旱等,从而有效地保护人民的财产安全,确保民生安全。
第二部分:168小时降水量预报的实施方法168小时降水量预报的实施要结合当前的气象观测,利用气象资料的处理技术,建立起一系列的实际气象模型,模拟该地区未来168小时的降雨量情况,以便对气候变化做出正确的预测,及时把握气候状况,决策科学合理。
首先,要通过自下而上的网络观测团队,实时收集气象观测数据,包括降雨、温度、风能、气压等,将当前区域的气象实况及时上报。
其次,应结合气象资料和气象模型,对当前或未来一段时期内降水量进行数值模拟,包括对168小时内的降水量的预报,以及温度和风能等其他气象参数的预报等。
最后,应将实施的结果及时上报,以便及时采取抗洪抢险的防范与救济措施,帮助人们更好的应对各种灾害。
结论:168小时降水量预报是一种有效地预测降水发展情况的重要手段,有助于帮助气象专家准确预测降水情况,准备更有效的应对措施,发挥气候预警的作用,帮助人们更好的进行气候规划,提高农业生产的效益,促进社会的可持续发展。
01月30日:未来三天全国天气预报2017-01-30 来源:中国天气网我国近海海域将有7~8级大风江汉江淮等地有小雨雪一、今天白天,北方大部地区天气晴好受冷空气影响,江南中东部和南部气温较昨日下降6~12℃,浙江、江西北部、湖南南部、福建西北部等地部分地区降温14~20℃。
二、重点天气预报1. 我国近海海域将有7~8级大风受较强冷空气影响,30日夜间至31日,东海南部、台湾海峡、南海东北部等海域将有7~8级、阵风9~10级大风;受另一股冷空气影响,31日夜间至2月2日夜间,渤海、渤海海峡、黄海大部、东海大部、台湾海峡、南海北部和中部等海域将有7~8级、阵风9~10级大风。
中央气象台1月30日18时继续发布海上大风预报。
2.江汉江淮等地有小雨雪1月30日夜间至2月1日,江汉西部和北部、黄淮西部、江淮等地有雨夹雪或小雪,江汉南部、西南地区东部、江南北部和西部等地有小雨。
此外,2月2日,西北地区东部、华北西部和中南部、黄淮等地有小雪或雨夹雪。
三、未来三天具体预报30日20时至31日20时,新疆伊犁河谷、西藏东北部、青海西南部、河南中南部、湖北北部和西部、陕西东南部等地的部分地区有小雪或雨夹雪;西南地区东部、云南东部和南部、福建中南部、广东东南部、海南岛东部、台湾等地有小雨或阵雨,局地中雨。
内蒙古中东部等地的部分地区有4~6级偏北风(见图1)。
图1 全国降水量预报图(30日20时-31日20时)1月31日20时至2月1日20时,新疆伊犁河谷、西藏东部、青海西南部、黄淮西南部、江淮北部等地的部分地区有小雪或雨夹雪;西南地区东部、云南东部和南部、江汉、江淮南部、江南北部、海南岛东部、台湾等地的部分地区有小雨或阵雨。
内蒙古中东部、东北地区等地的部分地区有4~6级风(见图2)。
图2 全国降水量预报图(1月31日20时-2月1日20时)1日20时至2日20时,新疆伊犁河谷、西藏东南部、陕西、内蒙古西部偏东、华北西部、黄淮中西部、江汉西部等地的部分地区有小雪或雨夹雪,局地有中雪;西南地区东部和南部、江淮西部、江南西北部、海南岛东部、台湾东部等地的部分地区有小雨或阵雨。
DOI:10.13878/j.cnki.jnuist.2021.02.014陈翔翔1㊀郭达烽1降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验摘要为提高数值预报降水预报的准确率,本文利用欧洲中期天气预报中心的高分辨率数值预报(ECMWF)降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配,选取Gamma累积概率分布函数用于拟合预报与观测的降水累积概率,通过在2017年江西省一次降水集中期的应用试验,得到以下结论:基于ECMWF的降水预报⁃观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中,并根据近期模式预报调整及误差不断自动更新各量级降水修正值,可实时动态订正模式降水预报;检验发现ECMWF模式降水产品对于24h内12h间隔的10mm及以下量级的预报普遍偏大,25mm及以上量级的预报普遍偏小,在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况㊁预报效果较好.本降水预报订正法能提高小雨和暴雨的TS评分㊁降低暴雨的漏报率且提升其命中率,但对大雨及部分中雨的订正效果不佳,在实践中应权衡利弊使用.关键词降水预报;概率匹配;动态订正中图分类号P547 6文献标志码A收稿日期2018⁃11⁃20资助项目2017年度江西省气象局面上项目作者简介陈翔翔,女,硕士,高级工程师,从事中短期天气预报研究.chenxiangxiang666@163.com郭达烽(通信作者),男,正高级工程师,主要从事天气预报研究.380424045@qq.com1江西省气象台,南昌,3300000㊀引言㊀㊀江西地处我国长江流域,属亚热带季风气候区,每年汛期(3 7月)是江西暴雨㊁强对流天气多发期,尤其是连续多日的暴雨形成的降水集中期,能引发洪涝和泥石流等自然灾害,严重威胁着人民的生命和财产安全.为此,提高降水预报水平是气象预报任务中的重中之重.数值预报技术的快速发展为降水的精细化预报提供了良好的基础,目前天气预报员常用的提高预报准确率的途径,是不断对数值预报产品进行效果检验评估,从多种模式的降水产品中选择性能最稳定的,并在检验的基础上运用多种方法开展解释应用[1⁃6].李勇[7]㊁张宏芳等[8]通过预报能力的对比分析得出欧洲中期天气预报中心(Eu⁃ropeanCentreforMedium⁃RangeWeatherForecasts,ECMWF)高分辨率数值预报总体较优.陆如华等[9]㊁赵声蓉等[10]和刘还珠等[11]分别采用卡尔曼滤波法㊁神经元网络等统计方法对数值预报产品进行解释应用研究;刘琳等[12]通过集合预报降水资料的累积概率分布,建立了极端强降水天气的预报指数;吴木贵等[13]利用交叉熵神经网络方法建立了闽北大雨以上降水预报系统,并指出这是一种适合小概率事件预报的方法.这些技术方法在一定程度上提高了模式降水产品质量,但这些释用技术仍存在许多不足.周迪等[14]㊁李俊等[15]通过 概率匹配 (或 频率匹配 )降水预报订正法对降水过程取得了较好订正效果.鉴于 概率匹配 法能较好地利用观测资料对模式产品进行订正,因而受到预报业务单位的重视和应用.但是,李俊等[15]使用的 概率匹配 降水订正法是把指定区域内所有格(站)点作为同一资料序列进行统计分析,由于区域内地理位置和地形的差异可导致气候背景不同,如果区域内所有格(站)点降水预报订正模型采用相同的值,会导致订正结果不够精细.为探索和建立更为精细的不同站点㊁不同降水等级的 预报⁃观测概率匹配 订正方法,本研究结合智能网格预报业务应用,在充分考虑不同站点气候特征差异,开展产品检验效果分析的基础上,对相对稳定且效果较优的ECMWF高分辨降水模式产品和历史观测资料,引入累积概率分布函数,针对不同等级降水预报,逐站建立订正模型,尤其对是否发生暴雨及其以上降水进行重点分析,并根据数值预报的调整不断更㊀㊀㊀㊀新订正模型,在此基础上开展订正预报试验和效果检验评估,以期通过该动态订正法实现对ECMWF模式降水产品的解释应用,有效提高降水分级预报,尤其是暴雨预报质量,为汛期防灾减灾提供更好的保障服务.1㊀资料与方法1 1㊀资料的选取降水观测资料采用江西省气象信息中心提供的包含江西省91个地面气象观测站(站点分布见图1)8 20时和20时 次日8时的12h间隔降水资料,模式预报降水产品选取ECMWF高分辨率数值预报降水预报产品(空间分辨率为0 125ʎˑ0 125ʎ),选取2017年6月19 27日每日2次的12h间隔降水格点预报资料,检验的预报时效为0 72h,选取离观测点最近的格点值与观测点实况进行对比并评分.1 2㊀方法简介预报⁃观测概率匹配订正法 是近年来逐渐流行的一种模式释用订正方法,多用于模式降水产品的预报订正,其原理如图2[14,16]所示.不同量级的降水均能在实况观测的降水累积概率分布曲线(实线)上找到对应的累积概率值,这个值在0 1范围内.将已找到的实况对应的累积概率值反射到模式预报的降水累积概率分布曲线(点虚线)上,亦可在横轴中找到对应的降水量值,即不同量级降水的模式预报修正值[14,16].这种降水累积概率分布是非正态的,赵琳娜等[17]㊁梁莉等[18]以及国内外较多研究[19⁃23]发现,使用Gamma拟合观测与预报的降水累积概率分布可取得良好效果,因此,选取Gamma累积概率分布函数用于拟合预报与实况观测的降水累积概率.目前,我国各级气象台的定量降水预报,一般为08:00㊁20:00(北京时,下同)起报的12h间隔降水预报(8 20时和20时 次日8时),并且以12h间隔进行预报检验评分.预报检验评分时,以0 0㊁10 0㊁25 0和50 0mm等将12h降水量划分为多种等级.为了更好地分析订正效果,本文也按照12h间隔对ECMWF模式的降水预报进行订正与检验,并以12h降水量1 0㊁10 0㊁25 0和50 0mm的降水量级划分各等级.基于ECMWF的降水预报⁃观测概率匹配动态订正法是基于 预报⁃观测概率匹配订正法 的一种动态实践,这里把最新㊁实时的预报与实况结果带入概率匹配中,本文用预报时前100d共200个起报时间的ECMWF12h间隔降水预报资料与实况观测资料进行概率匹配,并在业务中不断更新各量级降水修正值,这可以一定程度订正近期模式预报误差,实时调节降水订正效果.目前预报业务中常用的预报效果检验指标有风险评分(ThreatScore,TS,其量值记为ST)㊁命中率(PercentofDoom,PoD,其量值记为PoD)㊁空报率(FalseAlarmRate,FAR,其量值记为RFA)和漏报率(PercentofOmission,PO,其量值记为PO)等.设定NA为预报正确站数,NB为预报错误站数,NC为漏报站数,各指标计算公式如下:ST=NANA+NB+NCˑ100%,(1)PoD=NANA+NCˑ100%,(2)RFA=NBNA+NBˑ100%,(3)PO=NCN+Nˑ100%.(4)图1㊀江西省国家地面气象观测站分布Fig 1㊀DistributionmapofnationalsurfacemeteorologicalobservatoryinJiangxiprovince2㊀概率匹配动态订正法在江西省汛期降水集中期的应用分析2 1㊀2017年6月下旬江西降水集中期概况受高空低槽㊁中低层切变线和西南急流的共同432陈翔翔,等.降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验.㊀CHENXiangxiang,etal.Applicationandanalysisofforecast⁃observedpricipitationprobabilitymatchingdynamiccorrerctionmethodinprecipitationconcentrationperiodofJiangxiprovince.图2㊀各等级降水的预报⁃观测概率匹配订正法示意图[14,16]Fig 2㊀Schematicdiagramofensembleforecast⁃observedprecipitationprobabilitymatchingmethod[14,16]影响,2017年6月20日 7月2日江西省出现了一次降水集中期,期间省内暴雨频繁发生.江西省91个国家基本观测站中出现10站及以上日雨量超50mm的过程称为一次区域性暴雨过程,将江西省持续出现3d及以上的区域性暴雨过程定义为持续性区域暴雨过程.在此次降水集中期内,就出现了一次持续性区域暴雨过程,2017年6月21 26日江西省出现了长达5d的持续性区域暴雨过程(表1),主要发生区域为赣北地区,其中,6月25日有19个暴雨㊁13个大暴雨和1个特大暴雨站,持续的暴雨过程为江西省尤其是赣北人民的生产生活带来了严重的威胁.在降水集中期后半段,雨带先南移,后北抬,新的降水落区订正方法的应用与检验迫在眉睫.表1㊀2017年6月21 25日江西省每日暴雨站数及位置(20 20时)Table1㊀NumberandlocationofdailyrainstormstationsinJiangxiprovincefrom21to25June,2017(20:00-20:00)21日22日23日24日25日站数1411131633落区赣北㊁赣中赣东北赣北赣北赣北2 2㊀江西省各站点降水等级预报订正值分布特征6月25日江西暴雨站数最多,现选取前一日即6月24日(试验第6天)为代表,分析江西省所有站的各降水量级修正值.图3㊁图4分别是2017年6月24日0 12h预报时效和12 24h预报时效的各量级降水的降水订正值,可发现:对于12h间隔的小雨量级降水(1 0mm),ECMWF0 12h和12 24h预报时效的降水预报得普遍偏大(图3a,图4a),应往小修正.尤其是赣北南部及以南地区,ECMWF预报2 3mm时往往可以修正为1mm,而九江市的1mm小雨预报得较为接近实况.对于12h间隔的中雨量级降水(10mm),除九江市西南部㊁宜春市局部预报偏小外,全省大部分地区预报偏大,尤其是南昌㊁鹰潭㊁抚州三市和吉安㊁赣州两市部分地区,并且12 24h预报时效的中雨比0 12h预报时效预报得更偏大,应往小修正(图3b㊁图4b).而对于大量级降水,ECMWF预报偏小的区域逐渐增多:0 12h和12 24h预报时效的12h25mm降水预报分别有70 3%和57 1%的站数预报偏小(图3c,图4c),需要往大修正;0 12h和12 24h预报时效的12h间隔的50mm的暴雨量级降水预报分别有93 4%和78%的站数预报偏小(图3d,图4d),其中,萍乡㊁宜春两市市区站点和赣州市西部0 12h和12 24h预报时效暴雨修正值均不足40mm.综上,总体来看,江西省2017年6月降水集中期ECMWF的24h内12h间隔的10mm及以下量级的降水预报普遍偏大,25mm及以上量级的降水预报普遍偏小.但是,九江市沿江地区和景德镇的各量级降水预报较为接近实况,预报效果较好.2 3㊀修正前后各检验指标的变化2 3 1㊀6个预报时次各指标平均值在试验期间(2017年6月19—27日)的日变化㊀㊀气象部门对降水预报效果的评判一般用TS评分㊁命中率(PoD)㊁空报率(FAR)和漏报率(PO)等指标.下面对ECMWF的各量级降水预报进行动态修正后的各指标日变化进行对比,为了更好地展示总体预报效果,用的是全省91站的平均值(图5 8).分析发现,在试验期间(2017年6月19 27日),对于12h1mm和50mm的降水等级,ECMWF72h内的6个预报时效平均TS在修正后均有不同程度的提升(图5).其中,在试验第7天(2017年7月25日),12h1mm和50mm等级的降水TS分别提升了0 022和0 015,而10mm降水的TS提升不明显,对25mm的降水更出现了修正后不如修正前的结果,可见,基于ECMWF的降水预报⁃观测概率匹配动态订正法在实践中应权衡利弊使用,弱降水(1mm)和暴雨量级降水(50mm)可多参考本降水预报订正法,有助于提升晴雨预报和灾害性降水的预报服务质量.预报业务中对于命中率㊁空报率和漏报率也能532学报(自然科学版),2021,13(2):233⁃241JournalofNanjingUniversityofInformationScienceandTechnology(NaturalScienceEdition),2021,13(2):233⁃241图3㊀2017年6月24日(试验第6天)0 12h预报时效各量级降水的降水订正值(mm)Fig 3㊀Thecorrectedrainfallvalue(unit:mm)ofdifferentprecipitationlevelsinthe0-12hforecasttimeonJune24,2017(thesixthdayoftheexperiment)一定程度反映预报水平.大雨㊁暴雨量级降水的命中率在修正后有所提升(图6),可见本订正法可以根据近期预报与实况较好地调整降水中心强度;而小雨㊁中雨量级的降水的空报率在修正后有明显降低(图7).这也是由于小雨和中雨的修正值比原值大,ECMWF模式空报了部分小量级降水;大雨和暴雨的修正值比原值小,大雨㊁暴雨量级的降水的漏报率在修正后有明显提升(图8),说明ECMWF模式对暴雨中心和量级的预报能力有待提升.对于防灾减灾而言,大量级降水的漏报能直接影响群众生命财产安全,降低大量级降水的漏报率并且提升其命中率十分重要.基于ECMWF的降水预报⁃观测概率匹配动态订正法在本次试验中明显降低了大雨和暴雨的漏报率且提升了命中率,应用效果较好.2 3 2㊀试验期间不同预报时效修正后平均TS增幅一般而言,预报时效越短,预报效果越好:0 12h降水预报时效的预报效果比12 24h降水预报的预报效果更好,TS评分等检验评分越高,以此类推.因此,有必要从不同的预报时效着手,查看修正前后检验指标的变化.图9为不同预报时效在试验期间(共9d)修正后平均TS增幅,可见,对于24h以内的降水预报,除了25mm量级的降水预报TS评分修正后为负技巧(即修正后TS增幅<0)外,其他量级的降水均为正技巧,其中,0 12h订正效果最好的为1mm的降水量级,增幅为0 028,其次为10mm的降水量级和50mm的降水量级,TS平均增幅分别为0 006和632陈翔翔,等.降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验.㊀CHENXiangxiang,etal.Applicationandanalysisofforecast⁃observedpricipitationprobabilitymatchingdynamiccorrerctionmethodinprecipitationconcentrationperiodofJiangxiprovince.图4㊀2017年6月24日(试验第6天)12 24h预报时效各量级降水的降水订正值(mm)Fig.4Thecorrectedrainfallvalue(unit:mm)ofdifferentprecipitationlevelsinthe12-24hforecasttimeonJune24,2017(thesixthday图5㊀江西省所有站点平均TS修正前后变化情况(72h内所有预报时效平均)(d1 d9分别代表试验第1天即2017年6月19日至试验第9天即2017年6月27日)Fig 5㊀ThechangesofaverageTSofallstationsinJiangxiprovincebeforeandaftercorrectionfrom19to27June,2017(averageTSofallpredictionswithin72hours)732学报(自然科学版),2021,13(2):233⁃241JournalofNanjingUniversityofInformationScienceandTechnology(NaturalScienceEdition),2021,13(2):233⁃241图6㊀6个预报时次江西省所有站点平均命中率(PoD)修正前后变化情况(d1 d9分别代表试验第1天即2017年6月19日至试验第9天即2017年6月27日)Fig 6㊀ThechangesofaveragePoDofallstationsinJiangxiprovincebeforeandaftercorrectionfrom19to27June,2017(averagePoDofallpredictionswithin72hours)图7㊀6个预报时次江西省所有站点平均空报率(FAR)修正前后变化情况(d1 d9分别代表试验第1天即2017年6月19日至试验第9天即2017年6月27日)Fig 7㊀ThechangesofaverageFARofallstationsinJiangxiprovincebeforeandaftercorrectionfrom19to27June,2017(averageFARofallpredictionswithin72hours)0 004;12 24h订正效果最好的仍是1mm的降水量级,TS平均增幅为0 023.此后,随着预报时效的不断延长,不同量级降水的订正效果均有不同程度的降低,但1和50mm量级的降水预报订正效果一直维持正技巧,即对于小量级降水(晴雨)以及大量级降水(暴雨)的预报,基于ECMWF的降水预报⁃观测概率匹配动态订正法有着良好的订正技巧.TS评分平均值修正后出现负技巧(25mm量级的降水预报居多)的原因可能是:试验前期100d带入概率匹配的样本数太少,影响了订正结果的准确性,如果样本数太多,则会削弱对最近模式误差的订正效果.ECWMF对本次试验降水落区预报不准,也能导致预报TS评分微弱提升甚至降低.832陈翔翔,等.降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验.㊀CHENXiangxiang,etal.Applicationandanalysisofforecast⁃observedpricipitationprobabilitymatchingdynamiccorrerctionmethodinprecipitationconcentrationperiodofJiangxiprovince.图8㊀6个预报时次江西省所有站点平均漏报率(PO)修正前后变化情况(d1 d9分别代表试验第1天即2017年6月19日至试验第9天即2017年6月27日)Fig 8㊀ThechangesofaveragePOofallstationsinJiangxiprovincebeforeandaftercorrectionfrom19to27June,2017(averagePOofallpredictionswithin72hours)图9㊀试验期间(共9d)修正后平均TS增幅Fig 9㊀TheincreaseofaverageTSaftercorrectionduringtheexperiment(9d)3 结论与讨论为提高数值预报降水预报的准确率,本文利用欧洲中心高分辨率数值预报(ECMWF)每日2次的12h间隔降水格点预报资料和江西省国家级气象观测站实况降水量进行概率匹配,选取Gamma累积概率分布函数用于拟合预报与观测的降水累积概率,并在业务中根据近期(100d)模式预报调整及误差不断更新各量级降水修正值,通过在2017年6月底江西省一次降水集中期的应用试验,得到以下结论:1)江西省2017年6月降水集中期ECMWF的24h内12h间隔的10mm及以下量级的降水预报普遍偏大,25mm及以上量级的降水预报普遍偏小;从江西区域分布来看,九江市沿江地区和景德镇的各量级降水预报较为接近实况,预报效果较好.2)基于ECMWF的降水预报⁃观测概率匹配动态订正法在实践中应权衡利弊使用:本降水预报订正法能提高小雨和暴雨的TS评分㊁降低暴雨的漏报率且提升其命中率,但对大雨及部分中雨的订正效果不佳.对于防灾减灾而言,暴雨的漏报会直接威胁群众生命财产安全,降低暴雨的漏报率并提升其命中率十分重要,就此而言,本次降水预报订正试验获得了较好的效果.本文为数值预报产品的解释应用提供了一种方法,可以动态订正模式降水预报(尤其是致灾性暴雨).但是,应用试验中大雨及部分中雨的预报的订正效果不佳,可能原因是:本文选择预报时前100d每天2次的预报与实况降水数据进行概率匹配,如果带入概率匹配相应降水量级的数据样本数太少,会使得本次试验不能很好拟合Gamma概率分布函数,影响订正结果的准确性,如果样本数太多,则会削弱对最近模式误差的订正效果.ECWMF对本次试验降水落区预报不准,也能导致预报TS评分微弱提升甚至降低.另外,本文采用的是Gamma分布函数来拟合预报与观测的降水累积概率,在以后的工作中,亦可尝试采用其他分布函数(如GEV㊁GNO㊁GLO㊁Kappa等)来拟合,并比较其优劣.932学报(自然科学版),2021,13(2):233⁃241JournalofNanjingUniversityofInformationScienceandTechnology(NaturalScienceEdition),2021,13(2):233⁃241参考文献References[1]㊀潘留杰,张宏芳,朱伟军,等.ECMWF模式对东北半球气象要素场预报能力的检验[J].气候与环境研究,2013,18(1):112⁃123PANLiujie,ZHANGHongfang,ZHUWeijun,etal.ForecastperformanceverificationoftheECMWFmodeloverthenortheasthemisphere[J].ClimaticandEnviron⁃mentalResearch,2013,18(1):111⁃123[2]㊀陈海山,孙照渤.陆面模式CLSM的设计及性能检验Ⅱ:模式检验[J].大气科学,2005,29(2):272⁃282CHENHaishan,SUNZhaobo.DesignofaComprehensiveLandSurfaceModelanditsvalidationpartⅡ:modelval⁃idation[J].ChineseJournalofAtmosphericSciences,2005,29(2):272⁃282[3]㊀潘留杰,张宏芳,王建鹏.数值天气预报检验方法研究进展[J].地球科学进展,2014,29(3):327⁃335PANLiujie,ZHANGHongfang,WANGJianpeng.Progressonverificationmethodsofnumericalweatherprediction[J].AdvancesinEarthScience,2014,29(3):327⁃335[4]㊀张强,熊安元,张金艳,等.晴雨(雪)和气温预报评分方法的初步研究[J].应用气象学报,2009,20(6):692⁃698ZHANGQiang,XIONGAnyuan,ZHANGJinyan,etal.Preliminarystudyonthescoringmethodsofcloud⁃freerainfall/snowfallandairtemperatureforecasts[J].JournalofAppliedMeteorologicalScience,2009,20(6):692⁃698[5]㊀刘建国,谢正辉,赵琳娜,等.基于TUGGE多模式集合的24小时气温BMA概率预报[J].大气科学,2013,37(1):43⁃53LIUJianguo,XIEZhenghui,ZHAOLinna,etal.BMAprobabilisticforecastingforthe24⁃hTIGGEmulti⁃modelensembleforecastsofsurfaceairtemperature[J].ChineseJournalofAtmosphericSciences,2013,37(1):43⁃53[6]㊀刘维,刘宇迪,赵世梅.二十面体网格和经纬网格全球模式在中国区域模拟效果对比[J].南京信息工程大学学报(自然科学版),2016,8(2):146⁃151LIUWei,LIUYudi,ZHAOShimei.Globalmodesimulationresultscomparisonbetweenicosahedronspher⁃icalmeshandlatitude⁃longitudemeshinChina[J].JournalofNanjingUniversityofInformationScienceandTechnology(NaturalScienceEdition),2016,8(2):146⁃151[7]㊀李勇.2007年6 8月T213与ECMWF及日本模式中期预报性能检验[J].气象,2007,33(11):93⁃100LIYong.Verificationofthemedium⁃rangeforecasteffi⁃ciencyofT213andECMWFandJAPANmodelfromJunetoAugust2007[J].MeteorologicalMonthly,2007,33(11):93⁃100[8]㊀张宏芳,潘留杰,杨新.ECMWF㊁日本高分辨率模式降水预报能力的对比分析[J].气象,2014,40(4):424⁃432ZHANGHongfang,PANLiujie,YANGXin.ComparativeanalysisofprecipitationforecastingcapabilitiesofECMWFandJapanhigh⁃resolutionmodels[J].Meteoro⁃logicalMonthly,2014,40(4):424⁃432[9]㊀陆如华,何于班.卡尔曼滤波方法在天气预报中的应用[J].气象,1994,9,20(9):41⁃46LURuhua,HEYuban.TheapplicationofKalmanfilterinweatherforecasts[J].MeteorologicalMonthly,1994,9,20(9):41⁃46[10]㊀赵声蓉,曹晓钟.神经元网络的降水预报:暴雨落区预报实用方法[M].北京:气象出版社,2000:137⁃139ZHAOShenrong,CAOXiaozhong.Precipitationpredictionbasedonneuralnetwork:practicalmethodsforforecastingrainstormarea[M].Beijing:ChinaMeteorologicalPress,2000:137⁃139[11]㊀刘还珠,赵声蓉,陆志善,等.国家气象中心气象要素的客观预报:MOS系统[J].应用气象学报,2004,15(2):181⁃191LIUHuanzhu,ZHAOShenrong,LUZhishan.etal.ObjectiveelementforecastsatNMC⁃MOSsystem[J].QuarterlyJournalofAppliedMeteorology,2004,15(2):181⁃191[12]㊀刘琳,陈静,程龙,等.基于集合预报的中国极端强降水预报方法研究[J].气象学报,2013,71(5):854⁃866LIULin,CHENJing,CHENLong,etal.Studyoftheen⁃semble⁃basedforecastofextremelyheavyrainfallsinChi⁃na:experimentsforJuly2011cases[J].ActaMeteorologicaSinica,2013,71(5):853⁃866[13]㊀吴木贵,江彩英,张信华,等.交叉熵神经网络及其在闽北大雨以上降水预报中的应用[J].南京信息工程大学学报(自然科学版),2012,4(3):220⁃225WUMugui,JIANGCaiying,ZHANGXinhua,etal.Appli⁃cationofBPneuralnetworkusingcross⁃entropyto96hoursforecastofheavyprecipitationeventinnorthernFujianprovince[J].JournalofNanjingUniversityofIn⁃formationScienceandTechnology(NaturalScienceEdi⁃tion),2012,4(3):220⁃225[14]㊀周迪,陈静,陈朝平,等.暴雨集合预报⁃观测概率匹配订正法在四川盆地的应用研究[J].暴雨灾害,2015,34(2):97⁃104ZHOUDi,CHENJing,CHENChaoping,etal.Applicationresearchonheavyrainfallcalibrationbasedonensembleforecastvs.observedprecipitationprobabilitymatchingmethodintheSichuanbasin[J].TorrentialRainandDis⁃asters,2015,34(2):97⁃104[15]㊀李俊,杜钧,陈超君.降水偏差订正的频率(或面积)匹配方法介绍和分析[J].气象,2014,40(5):580⁃588LIJun,DUJun,CHENChaojun.Introductionandanalysistofrequencyorareamatchingmethodappliedtoprecipi⁃tationforecastbiascorrection[J].MeteorologicalMonthly,2014,40(5):580⁃588[16]㊀郭达烽,陈翔翔,段明铿.预报⁃观测概率匹配法在降水预报业务中的应用[J].中国农学通报,2017,33(32):100⁃107GUODafeng,CHENXiangxiang,DUANMingkeng.Appli⁃cationresearchofmethodofforecast⁃observedprobabilitymatchinginprecipitationforecasting[J].ChineseAgri⁃culturalScienceBulletin,2017,33(32):100⁃107[17]㊀赵琳娜,梁莉,王成鑫,等.基于贝叶斯模型平均的集合降水预报偏差订正[C]ʊ第28届中国气象学会年042陈翔翔,等.降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验.㊀CHENXiangxiang,etal.Applicationandanalysisofforecast⁃observedpricipitationprobabilitymatchingdynamiccorrerctionmethodinprecipitationconcentrationperiodofJiangxiprovince.会,S3灾害天气研究与预报.厦门,2011:1⁃13ZHAOLinna,LIANGLi,WANGChenxin,etal.Errorcorrectionofcollectiveprecipitationforecastbasedonbayesianmodelaverage[C]ʊ28thChinaMeteorologicalSocietyAnnualMeeting.S3ResearchandForecastofDis⁃astrousWeather.Xiamen,2011:1⁃13[18]㊀梁莉,赵琳娜,巩远发,等.夏季淮河流域雨日降水概率的空间分布分析[C]ʊ中国水利学会.2010学术年会论文集(上册),2010LIANGLi,ZHAOLinna,GONGYuanfa,etal.Spatialdis⁃tributionanalysisofprecipitationprobabilityinHuaiheRiverbasininsummerrainday[C]ʊChineseHydraulicEngineeringSociety.Papersofthe2010AnnualAcademicConference(Volume1),2010[19]㊀HusakGJ,MichaelsenJ,FunkC.Useofthegammadis⁃tributiontorepresentmonthlyrainfallinAfricafordroughtmonitoringapplications[J].InternationalJournalofClimatology,2007,27(7):935⁃944[20]㊀HamillTM,ColucciSJ.EvaluationofEta⁃RSMensembleprobabilisticprecipitationforecasts[J].MonthlyWeatherReview,1998,126(3):711⁃724[21]㊀WoolhiserDA.Modelingdailyprecipitation⁃processandproblems[M].StatisticsintheEnvironmental&EarthSciences,London:GuttorpPHalstedPress,1992:71⁃89[22]㊀王斌,付强,王敏.几种模拟逐日降水的分布函数比较分析[J].数学的实践与认识,2011,41(9):128⁃133WANGBin,FUQiang,WANGMin.Comparativeanalysisonthreedistributionfunctionssimulatingdailyrainfall[J].MathematicsinPracticeandTheory,2011,41(9):128⁃133[23]㊀吴洪宝,王盘兴,林开平.广西6㊁7月份若干日内最大日降水量的概率分布[J].热带气象学报,2004,20(5):586⁃592WUHongbao,WANGPanxing,LINKaiping.ProbabilitydistributionofthemaximumamountofdailyprecipitationincertaindaysinJuneandJulyforGuangxi[J].JournalofTropicalMeteorology,2004,20(5):586⁃592Applicationandanalysisofforecast⁃observedpricipitationprobabilitymatchingdynamiccorrerctionmethodinprecipitationconcentrationperiodofJiangxiprovinceCHENXiangxiang1㊀GUODafeng11JiangxiMeteorologicalObservatory,Nanchang㊀330000Abstract㊀Inordertoimprovetheaccuracyofnumericalprecipitationforecasting,forecastdatafromtheEuropeanCentreforMedium⁃rangeWeatherForecasts(ECMWF)andJiangximeteorologicalobservationstationswereusedinthisstudy.Agammafunctionwasusedtosimulatetheprecipitationcumulativeprobabilityofpredictionandobserva⁃tion.ThemethodwastestedforaprecipitationconcentrationperiodinJiangxiprovincein2017.TheresultsshowthattheECMWFforecast⁃observedprecipitationprobabilitymatchingdynamiccorrectionmethodprovidesthelatestreal⁃timeforecastsandobservationsforprobabilitymatching,andupdatestheprecipitationcorrectionvaluesofallgradesautomaticallyaccordingtothepredictionadjustmentanderroroftherecentmodel.ItisfoundthattheECMWF sdai⁃ly12hintervalprecipitationforecastisgenerallylargerforprecipitation10mmandbelow,andsmallerforprecipi⁃tation25mmandabove.TheprecipitationforecastintheJiujiangareaalongtheYangtzeRiverandJingdezhenisclosetoactualconditions.Thisprecipitationforecastingmethodcanimprovethethreatscoreoflightandheavyrain,reducesthePOofheavyrain,andincreasesitsPOD.However,thecorrectioneffectofheavyrainandsomemoderaterainisnotgood;hence,theadvantagesanddisadvantagesshouldbeconsideredinpractice.Keywords㊀precipitationforecast;probabilitymatching;dynamiccorrection142学报(自然科学版),2021,13(2):233⁃241JournalofNanjingUniversityofInformationScienceandTechnology(NaturalScienceEdition),2021,13(2):233⁃241。
日本降水量预报图可用
陈敏连;缪雒;王晴萍
【期刊名称】《干旱气象》
【年(卷),期】1994(000)004
【摘要】日本降水量预报图可用日本气象厅每天传输的数值天气预报产品中,FSAS04是一张可供我省短期降水预报参考的传真图。
该图出图时间是每天17时,正好赶上下午发布的短期天气预报。
FS表示图的类别为地面预报图,AS表示预报区域为亚洲,04表示预报时效为48小时...
【总页数】2页(P39-40)
【作者】陈敏连;缪雒;王晴萍
【作者单位】兰州中心气象台
【正文语种】中文
【中图分类】P426.6
【相关文献】
1.日本中期数值预报传真图在桂东地区春播预报中的应用 [J], 梁飞燕
2.T213降水量数值预报产品对乌兰浩特降水预报能力的检验与分析 [J], 徐蔚军;张俊洋
3.应用日本雨量预报图作我县暴雨预报 [J], 玉时昆
4.日本数值产品降水量预报的应用及检验 [J], 卢振礼;郑美琴
5.泥石流预报中前期降水量与始发日降水量的权重关系--以云南省蒋家沟为例 [J], 田冰;王裕宜;洪勇
因版权原因,仅展示原文概要,查看原文内容请购买。
丽水地区汛期降水量级和暴雨预报方法
季致建;许崇信
【期刊名称】《浙江气象》
【年(卷),期】1993(000)003
【摘要】本方法是利用“物理量诊断业务应用系统”中的诊断软件和资料,经过大量个例和多种物理量形势场的计算和分析,并从中找出相关较好的区域性指标,进行综合统计和归纳后建立起来的,经这几年丽水地区气象台的使用,对大~暴有较好的预报能力。
我们把雨量分为6个级别(中雨以下量级,中雨,中~大雨,大雨,大~暴雨,暴雨)。
但个例仍以中雨,大雨
【总页数】2页(P15-16)
【作者】季致建;许崇信
【作者单位】[1]丽水地区气象局;[2]丽水地区气象局
【正文语种】中文
【中图分类】P4
【相关文献】
1.跨网段轻量级信息单向传递方法的研究--物理隔离网间基于可见光识别的低成本轻量级传递方法和协议 [J], 申强;韩有军
2.从1997年汛期降水天气过程浅谈降水量级的预报 [J], 杨小平
3.一种基于可预报性的暴雨预报评分新方法Ⅰ:中国暴雨可预报性综合指数 [J], 陈静;刘凑华;陈法敬;韦青;李嘉鹏;赵滨;杨东;张志刚
4.一种基于可预报性的暴雨预报评分新方法Ⅱ:暴雨检验评分模型及评估试验 [J],
陈法敬;陈静;韦青;李嘉鹏;刘凑华;杨东;赵滨;张志刚
5.跨网段轻量级信息单向传递方法的研究——物理隔离网间基于可见光识别的低成本轻量级传递方法和协议 [J], 申强;韩有军
因版权原因,仅展示原文概要,查看原文内容请购买。
新乡1一7天降水量预报整理表姓名:职业工种:申请级别:受理机构:填报日期:A4打印/ 修订/ 内容可编辑一、上周天气回顾上周一至周四我市受静稳天气影响,出现了持续性的雾霾天气。
尤其是周二凌晨到上午,新乡出现了区域性的浓雾(能见度<200m)天气,其中获嘉、卫辉、封丘和长垣还出现了强浓雾(能见度<50m),获嘉能见度一度低至25m。
周四夜里到周五白天,受冷空气影响,新乡全区出现了偏北大风,平均风力4-5级,阵风6-7级,过程最大风速为16.2m/s,出现在辉县的六台山站。
主要降水过程发生在周五夜里至周六早晨,新乡普降小雨,西北部山区出现雨夹雪,最大雨量出现在辉县的梨园沟村为5.8mm。
上周最高气温15.5℃,出现在周三的长垣站;周最低温度2.1℃,出现在周一的封丘站。
二、本周天气预报本周我市以晴好天气为主,最低气温偏低。
20日夜里到21日白天,受弱冷空气影响,我市将出现3~4级偏北风,气温略有下降。
具体预报如下:周一(19日):晴天间多云,西南风2~3级,气温:1~14℃;周二(20日):晴天转多云,;凌晨到上午部分地区有雾,西南风2~3级,傍晚到夜里转东北风3~4级,气温:2~14℃;周三(21日):多云,东北风3~4级逐渐减小到2~3级,气温:5~13℃;周四(22日):晴天间多云,东南风2~3级,气温:-2~12℃;周五(23日):晴天间多云,偏南风2~3级,气温:1~13℃;周六(24日):晴天间多云,东北风2~3级,气温:-1~14℃;周日(25日):晴天间多云,偏南风2~3级,气温:0~15℃。
整理丨尼克本文档信息来自于网络,如您发现内容不准确或不完善,欢迎您联系我修正;如您发现内容涉嫌侵权,请与我们联系,我们将按照相关法律规定及时处理。
各种不同类型的降水对国民经济和国防建设会产生不同的影响。
大型降水对国民经济和国防建设有密切关系。
农谚说:“清明要明,谷雨要雨”。
这说明适时适量的降水对农业生产能提供有利的条件,而反常降水则会带来灾害。
我国大部分地区降水都集中在下半年,而这时正是农作物的生长季节,大型降水的多少能造成大面积的涝旱。
尤其是时间长、面积大的暴雨,还能引起洪水泛滥,不仅对生产建设造成极大的危害,而且对人民的生命财产也带来巨大的威胁。
因此,无论工农业生产、航空、航海、交通运输、水利建设、防涝抗旱等都需要及时准确的降水预报。
以下介绍大型降水,即范围广大的降水,降水区可达天气尺度的大小,包括连续性或阵性的大范围雨雪及夏季暴雨。
降水形成过程
降水是大气中的水的相变(水汽凝聚成雨雪等)过程。
从其机制来分析,某一地区降水的形成,大致有三个过程。
首先是水汽由源地水平输送到降水地区,这就是水汽条件。
其次是水汽在降水地区辐合上升,在上升中绝热膨胀冷却凝结成云,这就是垂直运动的条件。
最后是云滴增长变为雨滴而下降,这就是云滴增长的条件。
这三个降水条件中,前两个是属于降水的宏观过程,主要决定于天气学条件。
第三个条件是属于降水的微观过程,主要决定于云物理条件。
降水系统
首先应从天气图上分析是否有有利于降水的天气系统存在,以下系统有利降水的出现:1、西风带上的高空槽
高空槽是引起降水的重要天气系统(这里指的是天气尺度的短波槽)。
高空槽一般与地面锋面气旋相结合,但有时在高空槽前的地面自上只分析到槽和冷锋。
有时连冷锋都分析不出来,仅有一倒槽和负变压区,同样可以观测到降水。
特别是在夏季,水汽条件充分,即使是很小的高空槽,都很可能引起降水。
由于高空槽的结构不同降水也不尽相同。
2、锋面气旋
锋面气旋一般位于高空槽前,造成锋面气旋降水的有高空槽;冷、暖锋和锢囚锋等。
锋面性质不同,产生的降水性质也不同,降水常在锋附近、有时在锋前,有时在锋后,锋面气旋中降水的形成,主要是指在稳定大气中的情况。
当大气处于对流不稳定时,则在气旋的各个部位皆可能有较强的降水发生;特别是在暖区也能形成暴雨。
3.低涡
低涡指的是低空或高空的闭合低压环流,它是影响我国降水的重要天气系统。
低涡有两种。
一种是尺度较小的短波系统。
多存在于离地面2-3公里的低空,西南涡、西北涡、高原涡等。
这些涡形成于高原及其附近地区,与青藏高原的影响分不开;它们东移后,对我国东部广大地区的降水都有影响。
另一种是尺度较大的长波系统,从低空到高空都有表现,是比较深厚的系统。
4、切变线
切变线附近气在场较弱,有时分析不出等高线来、但风场表现却很明显,我国的切变线多为东西向,从气压场上来看也就是低空东西向的横槽。
少数切变线为南北向、切变线在我国各地区、各个季节都可出现,会引起不同强度的降水过程。
尤其在夏季,切变线是我国主要的降水天气系统之一。
夏季在西北和青藏高原地区也有切变线活动,造成较强的降水。
静止锋有两种.一种是以地形为主造成的,如天山静止锋。
昆明静止锋等,一种是以环流形势为主造成的,如南海静止锋、华南静止锋、江淮静止锋。
华北静止锋等。
后一种对于降水,特别是夏季暴雨影响最大。
6、锋区降水
锋区之所以对降水有较大的影响,是因为在锋区上有较强的温度水平梯度。
由于温度水平梯度大,高空风速也大,于是在锋区上冷暖平流、涡度平流、热成风涡度平流等较大,从而有利于垂直运动的发展和天气系统的生成。
从能量观点看,则是锋区附近有较大的有效位能、可以释放并转变为运动系统的动能。
所以释区愈强,可能造成的降水也愈大。
此外,锋生对降水也有一定的影响,如果在原来的锋区上有锋生作用,所以冷空气将下沉,暖空气将上升造成锋后北风加大,锋附近降水加强。
必须指出:锋生对于降水的作用,只是在冬、春、秋季较重要,在夏季,降水的上升运动主要是由不稳定对流所造成的,所以即使在低层并无锋区,也没有明显的锋生作用,同样也可造成强烈的降水。
以上6种系统,其源地不同,种类不同,路径不同,影响区域不同,所带来的降水性质也不同.各地预报台站根据各地的情况,总结出本地的降水预报经验及环流形式,根据天气形式及数值预报产品的形式分析判断未来某一时段是否有降水形式存在.
五、降水预报
目前作降水预报所用的预报方法主要有天气图经验预报、国内外数值预报产品、各地区的降水预报系统。
1.首先对天气图作认真分析,根据环流形势的演变情况,以及国内数值预报产品的高空、地面形势预报,判定预报时段内是否有降水形势出现。
根据历史上出现降水的天气形势和天气系统的活动特点,总结出各类降水的模型,称为天气----气候模型。
在做预报时,如果预报的未来天气形势符合某一模型时,就参考这种模型的降水预报。
2.了解本地区上游已发生的降水情况,并分析其成因,找出影响降水的天气系统。
特别是主要的天气系统。
作汛期的降水预报一般应首先注意大的环流形势和副高位置。
掌握其边缘西南风风速轴(低空急流)的变化。
湿舌的演变以及直接造成降水的天气系统,如西南涡、锋面等。
3.了解雨区和天气系统的历史变化,特别是主要天气系统的历史变化。
4.根据根据数值预报形势预告,对可能影响本地区的天气系统做出预报。
5.分析本地区的温、压、湿条件及经验、天物象反应等。
6.考虑指标站的预报指标。
例如在江苏一般用黄山、庐山的高空风作为降水的预报指标。
当黄山、庐山的风转为大于或等于8米/秒的西南风,12-24小时后江苏地区将出现降水。
其他如衡山、九仙山、五台山、泰山、乌鞘岭、华山、峨眉山等高山站皆可作为各地区的指标站加以利用。
7.根据雨量图(汛期一般台站具有24小时雨量图,6小时雨量图)外推,初步做出降水预报。
8.参考本地区的降水预报系统运行结果,包括降水概率、降水量、降水时段的预报,以及数值预报的降水预报、物理量场预报。
9.综合数值预报产品对预报区域降水时段、降水量,降水落区的预报,以及各地区台地降水的概率预报,同时根据所分析天气图的影响系统,卫星及雷达对降水系统的跟踪观测,确定降水系统的发展演变情况,以及未来降水系统的影响区域,确定降水的影响时间,降水
量级预报。
经天气会商后,最后确定降水落区、降水时间和降水量。
10.制作发布降水预报,并向公众及有关部门进行预报、服务。
随着气象科学技术的不断发展,数值预报产品的准确率在不断提高,天气预报在很大程度上要参考数值预报产品对高空天气形势、地面天气形势的预报,预报员根据未来环流形势的发展,对不同的环流形势有不同的预报侧重点。