共查询到20条相似文献，搜索用时 15 毫秒
1.
The heaviest rainfall over 61 yr hit Beijing during 21-22 July 2012.Characterized by great rainfall amount and intensity,wide range,and high impact,this record-breaking heavy rainfall caused dozens of deaths and extensive damage.Despite favorable synoptic conditions,operational forecasts underestimated the precipitation amount and were late at predicting the rainfall start time.To gain a better understanding of the performance of mesoscale models,verification of high-resolution forecasts and analyses from the WRFbased BJ-RUCv2.0 model with a horizontal grid spacing of 3 km is carried out.The results show that water vapor is very rich and a quasi-linear precipitation system produces a rather concentrated rain area.Moreover,model forecasts are first verified statistically using equitable threat score and BIAS score.The BJ-RUCv2.0forecasts under-predict the rainfall with southwestward displacement error and time delay of the extreme precipitation.Further quantitative analysis based on the contiguous rain area method indicates that major errors for total precipitation( 5 mm h~(-1)) are due to inaccurate precipitation location and pattern,while forecast errors for heavy rainfall( 20 mm h~(-1)) mainly come from precipitation intensity.Finally,the possible causes for the poor model performance are discussed through diagnosing large-scale circulation and physical parameters(water vapor flux and instability conditions) of the BJ-RUCv2.0 model output. 相似文献
2.
北京“7.21”特大暴雨高分辨率模式分析场及预报分析 总被引：1，自引：0，他引：1
2012年7月21-22日,61年以来最强降水袭击北京,北京大部分地区出现大暴雨,局部特大暴雨,过程雨量大、雨势强、范围广,造成了严重影响。此次强降水配置较为典型,业务预报提前指示出了此次过程,但预报结果存在强度偏弱,峰值偏晚等偏差。在对此次大暴雨进行综合分析的基础上,利用中国自动气象站与NOAA气候预测中心卫星反演降水资料CMORPH(Climate Prediction Center Morphing Technique)产品融合的逐时降水量网格数据资料作为观测,着重对北京市气象局新的快速更新循环同化和预报系统(BJ-RUC v2.0)的3 km高分辨率模式分析场和预报场进行了检验与分析,以期通过对中尺度模式预报性能的了解,为暴雨可预报性问题提供进一步的参考。研究结果表明,此次特大暴雨过程水汽条件极佳,降水区域较为集中,呈现西南一东北走向的中尺度雨带特征。利用常规检验评分对预报降水的时间序列进行检验发现,预报降水在时间上滞后,降水强度偏弱,存在偏西南的位置误差,并且未能反映降水系统的线状特征。进一步利用检验连续降水区域定量降水预报的CRA(contiguous rain area)方法,对预报误差进行分解表明,整体降水(5 mm/h)的主要误差来自于位置和形状误差;而在暴雨(20 mm/h)的预报中,降水强度的偏差占误差的主要部分。最后结合对预报场大尺度环流和物理量的诊断(水汽条件和不稳定条件),分析探讨了此次极端暴雨预报不佳的原因。 相似文献
3.
基于TIGGE资料中欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心及英国气象局1～7 d日降水量预报以及中国自动站观测资料与CMORPH降水产品融合的逐时降水量网格数据集,利用频率匹配法(Frequency-Matching Method,FMM)对中国降水预报进行客观订正。首先利用卡尔曼滤波方法对降水频率进行调整,并根据不同区域降水强度差异将全国分为7个子区域分别进行频率匹配。结果表明,FMM可以有效减小降水量预报的误差。经过频率匹配法订正后各模式降水预报的平均绝对误差(Mean Absolute Error,MAE)大幅减小,且订正后各量级降水的雨区面积更加接近实际观测值。FMM对小于5 mm和大于15 mm的降水预报技巧改进明显。此外,FMM降低了模式预报的小雨空报率和大雨漏报率,并且明显提高了晴雨预报的准确率。FMM明显消除了大范围小雨空报区域,但是对强降水预报FMM仅能调整降水量大小,强降水落区预报并不能得到明显改善。 相似文献
4.
利用国家气象中心中尺度业务数值预报模式GRAPES-MESO v3.0,以2010年6月1～30日为例,开展地面降水率1DVAR(one-dimensional variational assimilation)同化方案在GRAPES-3DVAR(three-dimensional variational assimilation)同化系统中的应用试验研究(ASSI试验),并以未加降水资料同化的试验为对照试验(CNTL试验),以评估全国1h加密雨量资料在模式中同化应用的效果。结果表明:1)在相对湿度背景误差和降水率观测误差范围内,1DVAR同化方案能够对湿度廓线进行有意义的调整,使分析降水向观测降水靠近;ASSI试验对初始温、压、湿、风场的修正主要为正效果;2)对2010年6月17～21日江南、华南连续性降水过程进行了分析,整体而言ASSI试验对逐日及逐时降水强度的预报普遍强于CNTL试验,与实况更加接近;3)ASSI试验对2010年6月1～30日08时起报的0～24 h模式预报的小雨、中雨、大雨、暴雨、大暴雨各个降水量级TS评分及ETS评分相比CNTL试验均有较明显提高,预报偏差也更接近于1;4)ASSI试验较CNTL试验能更好地模拟雨带的分布、雨带演变特征和降水强度的变化;5)对降水所做的典型个例和统计检验分析从不同角度说明了地面降水资料1DVAR同化方案在GRAPES-3DVAR系统中的应用改善了GRAPES-MESO v3.0的降水模拟效果。 相似文献
5.
2017年盛夏湖南持续性暴雨过程的水汽输送和收支特征分析 总被引：2，自引：0，他引：2
利用NCEP/NCAR再分析资料,首先分析了2017年6月下旬至7月初湖南持续性暴雨天气过程的环流背景和大尺度水汽输送特征,然后引入NOAA的轨迹模式HYSPLIT,分阶段定量分析了暴雨的水汽输送特征以及区域水汽收支情况。结果表明：天气系统的有效配置和稳定维持是强降雨持续的主要原因,持续性暴雨与全球范围的水汽输送和水汽辐合相联系,低空急流的演变和进退与暴雨落区和强度的演变关系密切。影响此次强降水过程的水汽通道主要有三支,第一支由索马里越赤道急流经孟加拉湾和我国西南地区输入暴雨区,第二支由印度洋中东部越赤道气流经孟加拉湾南部和南海北部输入暴雨区,第三支由来自南半球的越赤道气流自南海南部一路北上输入暴雨区,第三阶段还有一支水汽由赤道西太平洋穿越菲律宾进入南海后再北上输入暴雨区。过程第一、二阶段的水汽输送主要来自孟加拉湾,其次是南海,第三阶段来自孟加拉湾和南海（包括西太平洋）的水汽输送各占一半。受地形影响,孟加拉湾通道的水汽主要输送至暴雨区700 hPa,其他来自低纬洋面的通道水汽主要输送到850 hPa及以下各层。暴雨区水汽输入主要来自南边界和西边界,且主要由低层输入暴雨区,以水平水汽通量辐合的形式在暴雨区上空低层大量汇聚,经由强烈的垂直上升运动输送至对流层中高层积累和凝结,从而导致降水的产生,降水的强弱与边界水汽输入和区域水汽辐合的强弱变化一致。 相似文献
6.
利用国家气象中心GRAPES业务模式耦合混合相双参数云微物理方案,对2010年12月15日的两次飞机人工增雨作业过程进行了催化数值模拟分析。分析得出:GRAPES模式基本能给出正确的中低层天气形势场和降水的动力结构,较大降水的落区和范围基本可信,降水强度较实况偏小;按照作业实况进行催化模拟具有一定的可信度,与实况降水在较强降水区域有较好的对应性;两次播撒都取得了增加降雨量的效果,24 h平均增雨量在3~5 mm,最大增雨量达7 mm,两次播撒后增雨作业区的累计降水总量较未播撒时增加约一倍;播撒有效时段在4 h内,播撒后1~2 h雨量增加最大,增雨区域初期与播撒区域一致,随时间延长而在播撒区附近扩散;第一次播撒时,播撒冰晶消耗液态水,转化成固态水,水汽流入速度加快,向液态水转化加快,液态水迅速恢复,未出现减雨现象;第二次播撒时,云中固态水争食水汽增长,液态水得不到补充,云中上升运动减弱,自然降水阶段出现减雨现象。 相似文献
7.
区域数值预报系统在北京地区的降水日变化预报偏差特征及成因分析 总被引：1，自引：0，他引：1
为了研究北京快速更新循环同化预报系统(BJ-RUCv2.0)在北京地区降水日变化的预报偏差特征及其成因,利用2012—2015年夏季BJ-RUCv2.0系统第2重区域(3 km分辨率)预报结果和北京地区122个自动气象站逐时观测数据以及观象台探空观测资料,分析模式对北京地区降水日变化预报偏差的区域性特征和传播特征,研究模式局地环流预报偏差特征及其对降水预报偏差的可能反馈机制。研究结果表明,BJ-RUCv2.0系统多个更新循环的预报在北京平原地区均存在夜间降水漏报问题,降水预报偏差表现为模式预报降水在西部山区降水偏多,预报降水雨带难以在平原地区增强发展,造成了模式降水在傍晚山区偏多而夜间平原地区降水明显偏少。通过分析模式局地环流预报偏差及其响应机制发现,由于白天平原地区近地层偏暖偏干,山区底层偏冷中层偏湿,造成了山区-平原地区间的温度梯度强度偏强且强温差出现时间提前,西部山区午后降水偏多;由于平原地区地面气温预报持续偏高,入夜后偏北风难以到达平原地区,造成了山区-平原间的地形辐合线位置偏北,影响山区降水雨带向平原地区移动,同时平原地区近地层内水汽持续偏低,抑制降水雨带在东移过程中的发展,造成模式在平原地区夜间降水预报容易出现漏报。模式冷启动所用的GFS资料土壤湿度在北京平原地区明显小于实际观测,是模式预报偏暖偏干的可能原因之一。 相似文献
8.
7月20日郑州遭遇特大暴雨，郑州站单日降水量（552.5 mm）和1 h降水量（201.9 mm）皆打破了该站建站以来的历史纪录。本文采用地面降水观测、静止卫星观测、再分析资料和数值模式预报数据对此次过程开展了多模式预报偏差原因分析和江苏省精细化天气分析和预报系统（Precision Weather Analysis and Forecasting System，PWAFS）的极端强降水预报能力分析。主要结论：1）此次暴雨过程因副热带高压西伸与台风”烟花”加强使二者之间的东风急流加强，并叠加地形的抬升作用而引起，前者提供了大尺度水汽条件，后者提供了局部动力条件；2）欧洲中期天气预报中心（European Center for Medium-range Weather Forecasts，ECMWF）模式和美国国家环境预报中心全球预报系统（Global Forecast System，GFS）的降水落区较好，中心略偏北，但强度显著偏低。PWAFS模式预报的降水量级高于全球模式，且具有沿地形分布的特征，但存在降水位置偏西和降水范围更为孤立等问题。3）结合再分析资料和PWAFS预报，对应此次强降水区域，7月20日白天存在中低层切变发展成闭合低压系统的过程，为对流发展提供了动力条件。 相似文献
9.
利用辽宁省291个国家气象观测站的降水资料,对2019年夏季（6-9月）8种模式降水预报及中央气象台格点降水预报进行了检验评估和比较,并采用消空方法进行晴雨预报技术研究。结果表明：2019年,EC模式具有最优的暴雨预报性能,而日本模式暴雨TS评分最高;中尺度模式对于局地性暴雨和短时强降水具有较好的预报潜力,性能较好的是GRAPES_MESO模式和睿图东北3 km模式;全球模式对24 h暴雨的预报频率比实况偏低30%,3 h强降水则偏低60%,中尺度模式对24 h暴雨的预报频率比实况偏高30%,3 h强降水则偏低20%。由于对小量级降水存在较多空报,各模式原始预报的晴雨预报大多呈现空报偏多的情况;使用小量级降水剔除的消空策略能够明显提高晴雨准确率,消空之后EC模式具有最优的晴雨预报性能。分别使用24 h和3 h累计降水量优化消空策略,发现分别取1.0 mm和0.8 mm的阈值进行消空可以使24 h晴雨准确率提高15.58%,3 h晴雨准确率提高10%-30%。 相似文献
10.
对2016-2020年全球模式ECMWF和区域模式GZ_GRAPES、基于模式的解释应用和广东省气象局发布的定量降水预报（QPF）进行检验和评估。结果表明:ECMWF和GZ_GRAPES模式对一般性降水预报技巧在逐年提升,对大雨或以上的降水预报技巧的提升缓慢。GZ_GRAPES对大雨以上降水的预报技巧和定量降水预报的精细时空分布均优于ECMWF,区域模式更易预报出中小尺度降水信息。分类暴雨评定表明,模式对台风暴雨预报最好、锋面暴雨次之、季风暴雨预报最差。模式的暴雨预报落区偏小、低估明显,预报员通过经验订正明显提升了暴雨预报评分,其中季风暴雨的订正量最大,但存在预报范围偏大、空报较高的问题。基于ECMWF集合预报的解释应用与预报员的定量降水预报能力相当,降水越强,解释应用技术的优势越明显,但对季风暴雨也存在严重低估或漏报。目前降水精细时空分布、季风暴雨、极端性暴雨等依然靠预报员的经验订正为主,随着集合预报模式和区域高分辨率模式能力的提升,将预报经验客观化并与数值预报解释应用技术结合是提升QPF的一个方向。 相似文献
11.
The diurnal cycles of precipitation over north China during summer in four strong rainfall years are examined using two-dimensional cloud-resolving modeling data. The diurnal signals are analyzed in terms of precipitation budget, fractional rainfall coverage and rain intensity over convective and stratiform rainfall area. The analysis of precipitation budget shows that the diurnal cycles of convective and stratiform precipitation mainly correspond respectively to those of water vapor convergence and transport of hydrometeor from convective rainfall area to stratiform rainfall area in 1964, 1994 and 1995, whereas they mainly correspond to those of water vapor convergence in 2013. The diurnal cycles of convective and stratiform precipitation are mainly associated with those of rain intensity in 1964, 1994 and 1995. In 2013, the diurnal cycle of stratiform precipitation is mainly related to that of fractional rainfall coverage over stratiform rainfall area. The multiple peaks of convective precipitation mainly correspond to the rain intensity maxima associated with strong water vapor convergence. 相似文献
12.
针对2016年6月30日—7月6日梅雨期湖北省的持续性降水过程,根据降水融合资料识别出三段暴雨过程,基于高分辨率NCEP再分析资料分别从环流形势、水汽输送及上升运动等方面进行对比分析。结果表明,同一连续性梅雨期降水的三段暴雨过程,其环流形势明显不同,水汽输送与来源也不相同;温湿热力条件与上升运动强弱的动力条件共同影响降水强度,锋面的位置则与暴雨落区有密切的关系。第一段暴雨为典型的梅雨期暴雨环流,水汽主要来源于南海和孟加拉湾,热力不稳定与上升运动均较强,导致降水强度最强;第二段暴雨中,横槽将南海的水汽输送至湖北地区,较弱的热力不稳定度和上升运动导致降水强度偏弱;第三段暴雨发生在横槽减弱、西太平洋副热带高压北抬的过程中,湿度条件较差导致其降水强度较弱。 相似文献
13.
北京一次大暴雨的水汽收支和微物理过程数值分析 总被引：1，自引：1，他引：0
利用NCEP1°×1°再分析资料和常规气象观测资料,使用WRF模式对2012年7月21日发生在北京地区的一次特大暴雨天气过程进行数值模拟。在模拟结果的基础上,分析了此次暴雨过程的形势演变和水汽条件,并分别计算了暴雨发生过程中北京全市范围内的水汽输送、水汽收支、大气可降水量和空中各相态水物质的量值大小、空间分布情况及其相互转化关系。结果发现:这次降水主要受高空槽、低涡和地面切变线的影响。有东南、西南两条水汽输送通道,计算区域上空水汽收支变化与地面雨强的演变对应很好。中低层持续而强烈的水汽净输入,为暴雨的发生发展提供了很好的水汽条件。北京各站点大气可降水量普遍超过历史极值,反映了降水的极端性。降水发展不同阶段,云内微物理过程存在差异,降水量初期以暖雨为主,降雨量不大,之后冷雨过程增强,降水量迅速增大。 相似文献
14.
从’98特大洪水中看改进的HLAFS数值降水预报的性能 总被引：2，自引：1，他引：2
文章对1998年大洪水期间改进的HLAFS[1 ]的降雨预报产品进行检验.结果表明, 改进的HLAFS对松嫩流域的暴雨预报较好, 中到大雨则是长江中下游地区预报较好, 而三峡库区相对较差; 对于主要降雨过程降雨区的强度预报往往比实况弱, 且其落区约有半数较实况偏北, 但其轴向一般与实况一致; 改进的HLAFS对小雨预报比原HLAFS好, 对中雨和暴雨预报也有不同程度的改进; 整体预报面积偏大和大雨以上降水预报准确率低仍是HLAFS有待改进的问题.对三峡库区面降水量预报, 半数左右的预报较好; 对大量级降水预报往往偏弱, 而小量级则相反 相似文献
15.
一次梅雨暴雨过程的数值模拟 总被引：3，自引：1，他引：2
运用中尺度暴雨MRM模式,采用常规报文资料作为初始场,对2003年7月8-10日的一次江淮地区暴雨过程进行数值模拟。结果表明：该模式对降水场模拟结果同实况基本相似,模式对暴雨的位置、强度、中心都有较好的模拟,嬲评分较高;西南气流对水汽的输送作用及江淮地区上空水汽通量的高值区,为暴雨的形成与维持提供了重要的水汽条件,水汽辐合区与暴雨落区相对应;中低层辐合、高层辐散的散度垂直分布形势,对暴雨的发生提供了十分有利的动力条件;强降雨出现在低层正涡度中心和负散度中心附近。 相似文献
16.
地基GPS/PWV在降水过程中的突变与缓变性特征 总被引：1，自引：0，他引：1
用江苏省2009-2011年57个地基GPS/MET监测网获取的逐时大气可降水量(PWV)和同期降水及JMA(Japan Meteorological Agency)再分析资料,探讨了PWV的日际和逐时变化与不同时间尺度和强度的降水间的关系。结果表明:PWV日际变化与降水日变化具有显著相似的形态特征和演变趋势,两者存在较为一致的同步性,总体呈单峰分布,强降水集中期对应着PWV最大时段;PWV在入梅和梅汛期内强降水过程中存在明显突变现象,并提炼了以GPS/PWV突变事件为依据的入梅和梅雨期暴雨预报指标;在不同强度的降水过程中,PWV值域局限在一个特定量值区间,其中20 mm/h以下各级强度降水对应PWV区别明显,GPS/PWV值对应的特定量值随降水强度增大而增大,但20 mm/h以上的各级强降水对应PWV特定量值区别较小;在短时强降水的预报中,除充分的水汽条件外,其强度将取决于天气系统对周边水汽的辐合能力和将入流水汽抬升而成云致雨的动力条件;降水发生前存在水汽的连续、缓变蓄积过程,蓄积过程至少可推前12 h。 相似文献
17.
基于WRF模式（Weather Research and Forecasting Model）分析2020年超长梅汛期内11次强降水事件的预报误差来源。分别以FNL（Final Global Data Assimilation System）、TIGGE_EC（THORPEX Interactive Grand Global Ensemble from European Centre for Medium-Range Weather Forecasts）作为初始场进行预报,对比预报结果发现,TIGGE_EC初始场的预报结果普遍优于FNL,这说明初始条件的不确定性对预报结果有重要影响。进一步探究初始条件不确定性（初始误差）来源的区域（敏感区）和变量（敏感变量）发现,敏感区集中分布于降水区西侧上游,相对应的敏感变量为水汽场。分别考察动能、有效位能以及比湿能在初始误差总能量中的占比,结果表明,扰动比湿能占比最小,但敏感性试验 表明比湿场扰动对预报效果的影响最大。选取比湿场扰动对预报效果影响最大且WRF_EC具有更好预报效果的6个暴雨事件,通过HYSPLIT后向轨迹模式分别追踪其累计降水量最大值点的水汽来源及路径发现,有6个事件均有向降水区西侧上游延伸的水汽来源通道,进一步表明了敏感区的初始水汽场的准确性对暴雨预报的影响。因此降水区西侧上游的水汽场的误差是这11次梅汛期暴雨过程重要的预报误差来源,对其准确描述可有助于预报效果的提升。 相似文献
18.
基于精细化预报（GDDZ）和CMA-MESO、西南区域模式（SWC）两家高分辨率模式的小时降水预报,从TS（Threat Score）评分、小时降水频次、小时降水强度、峰值时间等方面,对2021年汛期攀西地区16次降水过程进行小时尺度的检验。结果表明:（1）从逐时降水来看,在晴雨（0.1 mm）TS评分中,GDDZ在00~11时表现较优,CMA-MESO模式在12~23时表现较优;在大雨（7 mm）和暴雨（15 mm）TS评分中,CMA-MESO模式表现较优。（2）从小时降水频次来看,SWC模式预报的降水发生频次空间分布与实况更为接近;从小时降水强度来看,GDDZ预报的降水强度与实况更为接近。（3）从降水量峰值时间来看,GDDZ与实况更为接近;从小时降水强度峰值和降雨频率峰值时间来看,CMA-MESO模式预报与实况更为接近。 相似文献
19.
本文针对2012年("7·21")和2016年("7·20")北京两次特大暴雨过程,利用多源观测和再分析数据,结合多种分析方法,从多个角度,较为系统地对比揭示了两次特大暴雨过程的差异,结果指出:两次过程降水总量相近,但降水历时和小时雨强不同,"7·21"历时更短、雨势更强;两次过程主导天气系统和演变、对流系统演变以及局... 相似文献
20.
Hee Choon Lee Yong Hee Lee Jong-Chul Ha Dong-Eon Chang Aldo Bellon Isztar Zawadzki Gyuwon Lee 《Asia-Pacific Journal of Atmospheric Sciences》2010,46(3):383-391
The MAPLE system has been implemented in real-time in Korea since June 2008, producing forecasts up to 6 hours every 10 minutes. An object-oriented verification method has been applied for the summer season (June–July–August) over the Korean Peninsula to evaluate and understand the characteristics of the forecast results. The CRA (contiguous rain area) approach is used to decompose the total error into the different error components; location, pattern, and volume errors. The mean displacement error is smaller than 20 km up to the 3-h forecasts and increases with forecast time. The ratio between the displacement (location) error and the total error is less than 7% even for a 3-h forecast. This result indicates that MAPLE produces reliable forecast in terms of precipitation location. However, the pattern error is larger than 90% of the total error. Contingency scores that are defined with different categories of rain intensity and displacement errors show the outstanding performance up to 2.5 hours. MAPLE overpredicts rain areas with the threshold of 1 mm h?1 rain intensity throughout forecast periods. However, the heavy rainfall events are poorly predicted due to the inherent limitation of extrapolation-based nowcasting technique. 相似文献