基于集合预报的台风“利奇马”登陆后远距离暴雨预报的敏感性分析     

王毅  张晓美  陶亦为  刘爽  邓国 《气象科学》2020,40(1):22-29

2019年第9号台风“利奇马”在8月10日登陆后引发了远距离大范围的暴雨,本文利用ECMWF(EC)和GRAPES全球集合预报模式等资料对暴雨短期预报的误差及原因进行了分析。此次台风远距离暴雨主要集中在8月10日夜间的山东中部地区,EC集合预报对该区域的降水量预报效果总体优于GRAPES集合预报。集合敏感性分析可以识别出和预报变量高相关(敏感)的天气系统,结果表明山东区域平均降水量对同期500 hPa副高、台风西北侧海平面气压和山东北部低层温度较为敏感,而对流层高层的高度及经向风存在更大范围的敏感区。根据暴雨预报TS评分选取EC集合预报成员作为优势组和劣势组,结果表明优势组预报成员表现为山东上空300 hPa低槽前倾,北侧高空偏南急流更强,同时配合低层台风外围偏东风急流,形成高层辐散、低层辐合的有利条件。另外,优势组预报的中纬度低层冷空气和斜压锋区更强,导致优势组在山东中部预报出暴雨,更加接近于实况。  相似文献   

基于关键对流参数分级的强对流潜势预报     

周方媛  戴建华  陈雷 《气象科技》2020,48(2):229-241

通过对上海地区1998—2009年4—9月各类强对流天气的统计分析,选取42个对流参数及其时间变量,采用逐步回归方法建立了针对各类强对流天气的0～12h潜势预报方程。在此基础上,提出了基于关键对流参数进行分级的强对流潜势预报方法,选取K指数、SI指数、PWV(大气可降水含量)指数和θsedif85(500hPa和850hPa假相当位温差)等反映大气热力和水汽条件的关键对流参数,根据对流分布情况将各对流参数分别分为3个等级,并分级建立了针对不同强对流天气的潜势预报方程。与未分级方程对比表明:基于关键对流参数分级的预报方程对雷雨大风、强雷电和所有对流等预报效果上有明显提升,采用如下组合评分更佳:雷雨大风的预报采用SI分类方程,强雷电和所有对流采用PWV分类方程。将基于关键对流参数分级的强对流潜势预报方法在数值预报模式中进行了业务应用,取得了较好效果。  相似文献   

WRF模式不同地形平滑方案对降水预报的影响     

陈良吕  夏宇  庄潇然 《气象科技》2020,48(5):664-674

基于重庆市气象局中尺度数值预报业务系统,开展不同地形平滑方案对模式降水预报的影响研究,详细对比WRF模式中不使用地形平滑方案以及使用s-d-s和1-2-1两种平滑方案生成的静态地形高度场的差异,开展不同地形平滑方案批量平行试验并选取典型强降水个例进行对比分析,结果表明:不同地形平滑方案生成的静态地形高度场之间有明显的差异,特别是在地形较为陡峭的高原和山脉等地区,最大绝对偏差可达462.56m;s-d-s和1-2-1两种地形平滑方案主要平滑掉了模式地形中较小尺度的地形特征,且总体而言1-2-1方案的平滑效果比s-d-s方案明显。连续一个月批量平行试验降水预报检验结果表明,进行模式地形平滑对大雨及以上量级降水预报有正面影响,且使用1-2-1平滑方案的预报结果优于使用s-d-s平滑方案的预报结果;降水个例对比分析结果表明:采用不同的地形平滑方案会造成垂直速度和水汽通量散度预报的明显差异,这样的明显差异会进而影响强降水预报的落区和强度。  相似文献   

Data-driven modelling approaches for socio-hydrology: opportunities and challenges within the Panta Rhei Science Plan     

N.J. Mount  H.R. Maier  E. Toth  A. Elshorbagy  D. Solomatine  F.-J. Chang 《水文科学杂志》2020,65(Z1):1192-1208

ABSTRACT

“Panta Rhei – Everything Flows” is the science plan for the International Association of Hydrological Sciences scientific decade 2013–2023. It is founded on the need for improved understanding of the mutual, two-way interactions occurring at the interface of hydrology and society, and their role in influencing future hydrologic system change. It calls for strategic research effort focused on the delivery of coupled, socio-hydrologic models. In this paper we explore and synthesize opportunities and challenges that socio-hydrology presents for data-driven modelling. We highlight the potential for a new era of collaboration between data-driven and more physically-based modellers that should improve our ability to model and manage socio-hydrologic systems. Crucially, we approach data-driven, conceptual and physical modelling paradigms as being complementary rather than competing, positioning them along a continuum of modelling approaches that reflects the relative extent to which hypotheses and/or data are available to inform the model development process.