共查询到20条相似文献，搜索用时 687 毫秒
1.
《高原气象》2021,40(4):898-908
冰雹是一种致灾性较强的强对流天气,但在气象业务工作中对其进行快捷、准确的预警和预报仍有一定的难度。本文基于C波段雷达回波资料,构建并应用随机森林模型对冰雹及其伴随强对流天气进行了分类识别及预报。结果发现,随机森林模型对训练集(2008-2017年)中四类冰雹天气(冰雹、冰雹大风、冰雹短强、冰雹大风短强)的平均命中率(Probability of Detection,POD)为90.2%,平均空报比率(False Alarm Ratio,FAR)为11.1%。对于2018-2019年的独立样本测试集,模型的平均POD和FAR则分别为72.8%和34.7%。因此,本文构建的随机森林模型较为理想。应用模型和风暴单体识别与跟踪产品(Strom Cell Identification and Tracking,SCIT)对未来15～60 min的强对流天气进行预报,结果表明四类冰雹天气的平均POD为74.8%,平均临界成功指数为60.8%,平均FAR为24.4%。因此,利用C波段雷达产品,随机森林模型能高效、自动化且较为准确地分类预警、预报冰雹及其伴随强对流天气,可应用于天气预报业务工作。 相似文献
2.
国家级强对流天气分类预报检验分析 总被引：16，自引：7，他引：9
预报产品的客观检验是记录、考量各种预报业务质量,促进预报水平提高的重要手段,也是整个天气预报过程中的重要环节。本文采用"点对面"Threat Score(TS)、漏报率、空报率等客观指标首次对2010—2015年4—9月国家级强对流天气预报中雷暴、短时强降雨以及雷暴大风和冰雹等分类预报进行了检验。同时,本文也对强对流天气落区分类预报客观检验存在的问题以及未来发展进行了讨论。检验结果表明:过去6年间,6~24 h时效预报,雷暴TS评分为0.22~0.34,短时强降水为0.18~0.24,雷暴大风和冰雹为0.01~0.07;48、72 h时效预报、雷暴TS评分为0.30~0.40,强对流天气TS评分为0.16~0.23,除雷暴预报TS评分在2012—2013年有所回落外,其他类别的强对流天气预报总体上TS评分呈上升趋势,雷暴大风和冰雹预报评分明显低于其他两个类别。雷暴空报率是漏报率的2~3倍,短时强降水漏报率与空报率接近,雷暴大风和冰雹天气漏报率和空报率都在0.8以上。与美国风暴预报中心(SPC)2000—2010年定期发布的1 d对流展望产品检验结果比较,强天气预报中心雷暴和短时强降水落区预报TS评分较高,雷暴大风和冰雹评分较低。典型个例预报检验结果表明,系统性大范围的风雹天气可预报性较强,评分要显著高于平均预报水平;对于非过程性的、分散的风雹天气,预报难度大,TS评分低。 相似文献
3.
利用2016—2021年ECWMF集合预报资料、浙江自动站实况资料等,计算浙江短时强降水、雷暴大风和冰雹等强对流天气相关物理量的极端天气预报指数（EFI：Extreme Forecast Index）,分析EFI分布特征,并构建了分类强对流预报模型。结果表明：强对流天气与物理量的EFI有密切联系,发生短时强降水时,对流有效位能、整层可降水量、850 hPa与500 hPa温差和位温差的EFI较大,而垂直风切变的EFI为负值,因而较小的垂直风切变更有利于出现极端降水;发生雷暴大风和冰雹时,对流有效位能、850 hPa与500 hPa温差和位温差以及850 hPa温度露点差的EFI较大,700 hPa露点温度的EFI为负值,与上层干冷下层暖湿的有利层结条件有关。利用支持向量机多分类方法,将强对流天气相关物理量的EFI作为特征值开展训练,构建的预报模型对于非局地强对流天气有较好的预报效果,其中短时强降水的误判率明显低于雷暴大风。 相似文献
4.
利用2021—2022年4—9月阿克苏地区冰雹云的雷达回波资料，基于轨迹GRU模型和GAN模型共同构建一个深度学习的回波外推模型，应用于强对流（冰雹）天气监测预警。采用分阈值和预报时效的评估方法，对深度学习的回波外推模型预测回波的效果进行分析，结果表明：（1）在30 min预测时间内，随反射率阈值增加，临界成功指数（CSI）和命中率（POD）逐渐降低，虚警率（FAR）先降低后升高，FAR在反射率阈值为35dBZ时最低。（2）在反射率阈值为35 dBZ和相同外推时效的情况下，基于深度学习的回波外推模型和光流法相比，CSI提高0.05~0.15，POD提高0.05~0.15，FAR降低0.05~0.12。（3）在预测反射率阈值为35 dBZ的强对流单体移动路径方面，基于深度学习的回波外推模型与TITAN法相比，预测的单体移动路径会更接近实况单体移动路径。 相似文献
5.
利用呼伦贝尔市CIMISS系统实况资料,统计分析了2010—2021年5—9月东北冷涡背景下的强对流天气时空分布及物理量参数特征。结果表明：(1)5月雷暴大风次数最多,6月冰雹次数最多,6—8月是短时强降水集中发生期,尤以8月次数最多。(2)强对流天气主要出现在12:00—20:00,其中短时强降水每个时次均有发生,但雷暴大风与冰雹天气在21:00—次日08:00基本没有发生过。(3)大兴安岭西部雷暴大风站次较多;大兴安岭东北部、岭上及岭西北的冰雹站次较多;短时强降水与强对流天气空间分布特征较为一致,均是大兴安岭岭上南段与岭东的站次较多。(4)雷暴大风天气的风速多以17.2～20.7 m·s-1为主;短时强降水量级为20.0～29.9 mm的站次占总站次的74.3%;持续时间小于5 min冰雹居多,直径小于5 mm冰雹的站次占总站次的49.1%。(5)短时强降水850 hPa的比湿、水汽通量、水汽通量散度的物理量参数均值均大于冰雹、雷暴大风;短时强降水K指数均值大于冰雹、雷暴大风,T850-T500均值大于26℃,短时强... 相似文献
6.
《气象与环境学报》2016,(6)
利用常规探空观测和WRF分析场等资料,分析了2005—2014年沈阳地区强对流天气的气候背景特征、演变规律及日变化特征等,将强对流天气划分为冰雹、雷暴大风(≥17.2 m·s-1)、短时强降水(≥20 mm·h-1)和混合型4种类型;并分析探空资料在强对流天气潜势预报中的作用,着重探讨14时(02时)探空资料对沈阳地区强对流天气短时临近潜势预报的作用。结果表明:2005—2014年沈阳地区4种强对流天气中,以短时强降水天气发生次数最多,其次为雷暴大风天气,冰雹天气的发生次数最少,多数强对流天气发生在午后至傍晚。由合成T-Log P图的温湿廓线可知,沈阳地区短时强降水天气发生时中低层存在显著湿区,与雷暴大风和冰雹为主的强对流天气温湿廓线明显不同,多数合成T-Log P图的显著特点为中层大气干燥。冰雹型强对流天气的0℃层和-20℃层高度明显低于其他强对流天气类型的高度;冰雹型强对流天气T700-T500和T850-T500显著大于短时强降水型及雷暴大风型强对流天气,且T850-T500的指示意义更好;4种强对流天气类型平均SI均出现了正值,说明SI失去了不稳定性的指示意义;短时强降水天气的K指数明显高于冰雹天气;雷暴大风天气发生时对流有效位能明显小于其他强对流天气类型。可见,WRF中尺度模式中的T-Log P预报图对沈阳地区强对流天气的预报具有一定的指导意义。 相似文献
7.
利用气象信息综合分析处理系统、江西WebGIS雷达拼图、江西自动气象站、上饶SA雷达等资料,综合分析了2004—2020年玉山县15次雷暴大风过程特征。结果表明:玉山雷暴大风集中出现在5—9月,其中7月最多;雷暴大风有明显日变化特征,午后增温是高发期,导致玉山雷暴大风天气主要有三类中尺度系统,分别为冷锋倒槽类、副高控制类、热带系统类;按雷达拼图回波特征分为飑线回波带上超级单体、飑线(弓状)回波带上强单体、副高边缘强回波短带和局地热雷雨强回波三类。飑线回波带上超级单体中心回波强度超过60 dBZ,回波带有明显的“弓”状结构,移动速度可达80~100 km·h^(-1);副高边缘的雷暴大风天气发生在局地热雷雨强回波发展合并时,局地性强,移动缓慢,移速仅30 km·h^(-1)左右。雷达PUP产品上超级单体冰雹和雷暴大风主要区别为:组合反射率CR产品60 dBZ强回波面积冰雹较大,雷暴大风较小;垂直累积液态水(Vertically Integrated Liquid,VIL)冰雹可达到60 kg·m^(-2),雷暴大风VIL≤35 kg·m^(-2);反射率因子垂直剖面(Reflectivity Cross Section,RCS)冰雹有超过65 dBZ强回波核,雷暴大风则没有;径向速度垂直剖面(Velocity Cross Section,VCS)冰雹出现中气旋结构,雷暴大风则出现“逆风区”或弱切变结构。 相似文献
8.
利用2017—2019年贵州省威宁彝族回族苗族自治县的C波段天气雷达数据,提取了多种与冰雹相关的雷达特征参量,并结合地面降雹记录建立了客观的冰雹样本标记方法。通过支持向量机、决策树和朴素贝叶斯三种机器学习方法,对冰雹高发区贵州省威宁的冰雹天气过程进行建模与评估。评估结果表明,采用机器学习方法可以有效地识别冰雹天气过程。支持向量机和决策树方法的命中率(Probability of Detection,POD)均较高,分别为88.9%和90.5%;临界成功指数(Critical Success Index,CSI)分别为73.1%和70.3%;误报率(False Alarm Rate,FAR)分别为19.6%和24.1%。朴素贝叶斯方法的POD和CSI相对偏低,分别为67.8%、62.8%,但FAR最低,为10.6%。 相似文献
9.
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 总被引：4，自引：2，他引：2
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。 相似文献
10.
广东省后汛期强对流天气潜势预报方法研究 总被引：5，自引：5，他引：0
利用2007—2008年两年7—10月广东后汛期强对流天气出现时的雷达资料、对应的GRAPES模式资料以及地市台站上报的强对流天气发生的实况,把瞬时大风〉17.2 m·s^-1、冰雹、龙卷作为强对流发生的依据,对上述数据进行整理。根据广州热带海洋研究所中尺度模式的输出GRAPES资料,结合雷达CAPPI数据,计算单体的各层风速、温度、湿度、有效位能等环境特征量,将单体特征和模式计算的单体环境场要素以及强对流发生实况,通过多元逐步回归方法建立后汛期强对流天气潜势预报方程,据此对发生于广东省后汛期强对流天气（如雷雨大风、冰雹和龙卷风）进行0～1小时临近预报。用预报成功率（POD）、虚假警报率（FAR）和关键成功指数（CSI）衡量方法的预报性能。共有5540个有效样本参与回归计算,31个因子中有12个引入了回归方程,建立的预报方程在阈值取为0.26时,得到的预报成功率POD为0.73,虚假警报率FAR为0.61,关键成功指数CSI为0.338,各项指标均要好于前汛期预报性能;从实际的预报能力来看,在后汛期强对流潜势预报中,后汛期强对流潜势预报方法得到的空报率和漏报率都要低于前汛期,预报效果较好,可用于广东后汛期的强对流天气潜势预报中。 相似文献
11.
针对黔南州2022年4月24日午后到夜间的一次强对流天气过程,利用实况资料和都匀雷达ROSE2.0在短时强降水、冰雹、雷暴大风方面的监测和预警产品对比检验,结合本地短时临近预报业务应用效果分析,发现：受地形影响都匀雷达ROSE2.0估计降水在大雨以下量级表现较好,但对暴雨以上量级估计值偏小,没有明显短时强降水报警体现,本地化应用门限值降低约3成左右设置更为合理;都匀雷达ROSE2.0对冰雹预警落区指示和命中率较高,但时间提前量平均仅9分钟,对雷暴大风预警仍然有难度,剖面图分析能更好地识别雷暴大风指标。另外,雷达ROSE2.0软件强天气预警算法得到进一步优化,应融入一体化平台等快速支撑预警业务应用。 相似文献
12.
2013年湖南首场致灾性强对流天气过程成因分析 总被引：4，自引：0，他引：4
应用湖南多部雷达和探空资料、中小尺度自动气象站资料、南岳高山站逐时观测资料及LAPS局地分析资料,对2013年3月19日湖南首场致灾性强对流天气过程的成因进行综合分析,并探讨强冰雹和雷暴大风预警着眼点及其可预警性。结果表明:强对流发生前,近地面晴空辐射增温、对流不稳定层结、强的垂直风切变、强温度梯度直减率以及近地层较好的水汽条件为强对流风暴发生发展提供了良好的潜势条件;中低层冷平流、地面中尺度辐合线、能量锋和露点锋以及近地面层弱辐散、中低层强辐合、高层强辐散的动力耦合结构是强对流发生的有利天气背景,中低层冷空气是这次强对流过程的触发机制;强对流风暴的前期以超级单体风暴和多单体风暴为主,超级单体风暴东移北上过程中与湖南西部不断新生的对流回波结合后发展成飑线,飑线维持、发展过程中出现"弓形"回波、中层径向辐合(MARC)、低层辐散、速度大值区等特征;在短临预警服务中,中低层明显的钩状回波结构、持续偏高的反射率因子和垂直积分液态水含量(VIL)值为靖州强冰雹预警的发布提供了有效依据,而低仰角距离地面1 km内的径向速度大值区(大于20 m.s-1)则为道县雷暴大风预警提供重要参考。 相似文献
13.
基于模糊逻辑的雷暴大风和非雷暴大风区分方法 总被引：6，自引：4，他引：2
雷暴大风往往伴随飑线、阵风锋、龙卷等强对流天气而出现,风速大、发展迅速、突发性强,对生命财产安全造成极大威胁,因此对雷暴大风的监测与预报具有重要的意义。然而,雷暴大风监测一直也是强对流监测的难点。本文在地面气象观测站大风记录的基础上,结合多源数据(包括雷达、卫星、闪电、温度、露点等观测数据),利用模糊逻辑算法,实现雷暴大风与非雷暴大风的有效识别,可对雷暴大风进行实时监测。具体算法为:首先,基于历史样本数据的统计得到各变量的概率分布函数,进而得到各参数隶属度函数;然后采用概率重叠面积方法,确定各项质量控制数据的权重;最后通过选取判断概率阈值Q的方法,区分雷暴大风与非雷暴大风。通过对2010年全国50873条人工观测大风数据的识别结果检验表明,该算法能有效区分雷暴大风与非雷暴大风,当Q选取0.55时,雷暴大风的识别准确率POD约为0.76,误识别率约为0.18,雷暴大风CSI指数约为0.67。文中选取了两次大风过程,算法正确地识别了11个非雷暴大风记录,5个雷暴大风记录。本工作能一定程度上提升雷暴大风的监测效果、完善强对流监测业务体系。 相似文献
14.
15.
杨丽杰 《沙漠与绿洲气象(新疆气象)》2023,17(1):25-31
利用1970—2019年庆阳市8个国家观测站的常规观测资料、联防记录、SRTMDEMUTM 90 m分辨率数字高程和归一化植被指数（NDVI）数据,对雷暴、冰雹和雷暴大风3种强对流天气的气候特征进行对比分析。结果表明：庆阳市不同类型强对流天气的空间分布差异明显,雷暴东南部多,中、西部少。冰雹西北、东南部多中部少;雷暴大风则是中部多,东、西部少。不同强对流天气受下垫面的影响不同,冰雹的空间分布主要与海拔高度有关,两者呈显著的正相关关系,而雷暴大风则与NDVI呈显著的反相关关系。近50年3类强对流天气的范围和日数的年际变化整体呈减少趋势,尤其是21世纪以来减少趋势显著,并先后发生了显著的减少突变。雷暴大风的突变较早,发生在20世纪80年代中期,而雷暴和冰雹的突变较迟,发生于90年代中期前后;月变化基本呈“单峰型”特征,其中雷暴大风的平均日数出现最早为5月,但其平均站数峰值出现在7月;冰雹平均日数和站次的峰值均出现在6月,雷暴大风的峰值出现在7月;日变化呈“午后”型特征,14—19时最频发;白天时段的对流频率是夜间的2倍以上,夜间的对流主要集中在20—22时。 相似文献
16.
基于天气雷达、地面和探空观测资料、NCEP再分析资料、FNL 数值预报产品,应用强对流天气分类识别技术和短时临近预报技术,开展风暴临近预报、强对流天气分类预警、基于数值预报的强风暴潜势诊断等研究,获得大理、丽江、西双版纳等高原山地机场及周边区域强降水、雷暴、大风、冰雹等灾害性天气的0～2h实时定量预报产品和0～12h强对流天气潜势预报产品,建立可业务运行的机场强对流天气短时临近预报系统。通过检验,证明该预报系统有较好的强对流天气预报预警能力,满足机场业务需求。 相似文献
17.
利用呼和浩特探空站计算的16个物理量,分析了2012—2016年6—8月呼和浩特地区的冰雹、雷暴大风及短时强降水天气过程中各物理量差异,结果表明:①订正后的(对流有效位能)CAPE大于等于1000J·kg-1、0℃层高度约4200m左右,-20℃层约在7200m左右,500hPa和850hPa温差达-25℃,逆温层高度在2km以上基本可以判定为冰雹天气;②短时强降水对水汽的依赖度更高,且具有更强的热力不稳定性,低层的温度露点差、500hPa与850hPa的假相当位温差Δθse(500-850)、大气可降水量PW也是短时强降水天气的重要判据;③订正后的(下沿对流有效位能)DCAPE值雷暴大风明显大于冰雹和短时强降水,约为其他2类强对流天气的2倍,订正后的CAPE略小于其他2类强对流天气。根据四分位数法、所占比例≥70%以及均值法界定各类预报因子阈值大小,进而确立了呼和浩特地区强对流天气预警指标。经检验均值法确定的阈值指标命中率均达到50%以上,可参考价值较高。 相似文献
18.
《湖北气象》2018,(6)
利用常规观测资料、FY-2G/2E卫星黑体亮温(TBB)资料、多普勒天气雷达资料与ERA-Interim再分析资料,对2016年4月17—18日南岭山脉一次强对流天气过程进行了诊断分析。结果表明:(1)该过程前期,受地面倒槽与辐合线影响出现暖区降水,后期随着地面冷空气侵入配合低空切变线与高空槽东移南压迅速转变为锋面降水,强降水落区与南岭山脉走向一致,大暴雨由多个中尺度对流系统(MCS)移入和有利地形作用造成;大冰雹、雷暴大风主要出现在暖区降水时段,暖区短时强降水以高质心降水为主,锋面越山之后强天气主要为低质心短时强降水,雷暴大风和冰雹较少出现。(2)雷达回波图上中层径向辐合的出现,对雷暴大风具有预警参考意义;中气旋、高垂直累积液态水含量(VIL)、回波悬垂、有界弱回波等回波特征对提前预警大冰雹有一定的指示作用。(3)不同类型强天气发生的大气层结条件存在差异,上层干区深厚、低层湿度条件较好有利于产生大冰雹,大的0—6 km垂直风切变有利于冰雹增长;大的下沉对流有效位能(DCAPE)是预报雷暴大风的一个参考指标;整层温度露点差和DCAPE小是判断只出现短时强降水的参考依据。(4)南岭及其附近地区"喇叭口"地形和迎风坡地形有利于低层气流辐合触发对流,造成暴雨多发和降水时间延长,南岭背风坡的锋生作用使南岭山脉南麓出现雷暴大风、冰雹等天气的可能性增大。 相似文献
19.
《湖北气象》2017,(3)
利用1985—2013年内蒙古自治区119站逐日雷暴、冰雹、大风观测资料,运用数理统计和相关分析等方法,对内蒙古地区雷暴、冰雹、雷暴大风的时空分布特征和变化规律进行了分析。结果表明:内蒙古这三种强对流天气的分布形态在西部地区为沿阴山山脉的准东西走向,东部地区为沿大兴安岭山脉的准南北走向,发生强对流天气现象的大值区主要集中在鄂尔多斯市、包头市、呼和浩特市、乌兰察布市、锡林郭勒盟、赤峰市;多雷暴中心年平均雷暴日累计达30 d以上,多冰雹中心年平均冰雹日累计到达1.4 d以上,多雷暴大风中心年平均雷暴大风日达3.5 d以上;雷暴、冰雹和雷暴大风天气在夏季出现次数最多;内蒙古雷暴、冰雹、雷暴大风总站次随时间的变化整体均呈现减少的趋势,其活动月份均呈现单峰的分布形势,内蒙古雷暴、冰雹和雷暴大风的活动期主要集中在5—9月,发生雷暴最多的是7月,单站雷暴日约为8 d,发生冰雹最多的是6月,单站冰雹日约为0.3 d,雷暴大风最多的是6月,单站雷暴大风日约为0.89 d。 相似文献