Sensitivity Analysis of the Super Heavy Rainfall Event in Henan on 20 July (2021) Using ECMWF Ensemble Forecasts     

黄绮君  葛旭阳  彭顺台  邓中仁 《热带气象学报(英文版)》2022,28(3):308-325

An unprecedented heavy rainfall event occurred in Henan Province, China, during the period of 1200 UTC 19 -1200 UTC 20 July 2021 with a record of 522 mm accumulated rainfall. Zhengzhou, the capital city of Henan, received 201.9 mm of rainfall in just one hour on the day. In the present study, the sensitivity of this event to atmospheric variables is investigated using the ECMWF ensemble forecasts. The sensitivity analysis first indicates that a local YellowHuai River low vortex (YHV) in the southern part of Henan played a crucial role in this extreme event. Meanwhile, the western Pacific subtropical high (WPSH) was stronger than the long-term average and to the west of its climatological position. Moreover, the existence of a tropical cyclone (TC) In-Fa pushed into the peripheral of the WPSH and brought an enhanced easterly flow between the TC and WPSH channeling abundant moisture to inland China and feeding into the YHV. Members of the ECMWF ensemble are selected and grouped into the GOOD and the POOR groups based on their predicted maximum rainfall accumulations during the event. Some good members of ECMWF ensemble Prediction System (ECMWF-EPS) are able to capture good spatial distribution of the heavy rainfall, but still underpredict its extremity. The better prediction ability of these members comes from the better prediction of the evolution characteristics (i.e., intensity and location) of the YHV and TC In-Fa. When the YHV was moving westward to the south of Henan, a relatively strong southerly wind in the southwestern part of Henan converged with the easterly flow from the channel wind between In-Fa and WPSH. The convergence and accompanying ascending motion induced heavy precipitation.  相似文献   

Experiments of DSAEF_LTP Model with Two Improved Parameters for Accumulated Precipitation of Landfalling Tropical Cyclones over Southeast China     

秦思  贾莉  丁晨晨  任福民  约翰·L·麦克布莱  李国平 《热带气象学报(英文版)》2022,28(3):286-296

The Dynamical-Statistical-Analog Ensemble Forecast model for landfalling tropical cyclones (TCs) precipitation (DSAEF_LTP) utilises an operational numerical weather prediction (NWP) model for the forecast track, while the precipitation forecast is obtained by finding analog cyclones, and making a precipitation forecast from an ensemble of the analogs. This study addresses TCs that occurred from 2004 to 2019 in Southeast China with 47 TCs as training samples and 18 TCs for independent forecast experiments. Experiments use four model versions. The control experiment DSAEF_LTP_1 includes three factors including TC track, landfall season, and TC intensity to determine analogs. Versions DSAEF_LTP_2, DSAEF_LTP_3, and DSAEF_LTP_4 respectively integrate improved similarity region, improved ensemble method, and improvements in both parameters. Results show that the DSAEF_LTP model with new values of similarity region and ensemble method (DSAEF_LTP_4) performs best in the simulation experiment, while the DSAEF_LTP model with new values only of ensemble method (DSAEF_LTP_3) performs best in the forecast experiment. The reason for the difference between simulation (training sample) and forecast (independent sample) may be that the proportion of TC with typical tracks (southeast to northwest movement or landfall over Southeast China) has changed significantly between samples. Forecast performance is compared with that of three global dynamical models (ECMWF, GRAPES, and GFS) and a regional dynamical model (SMS-WARMS). The DSAEF_LTP model performs better than the dynamical models and tends to produce more false alarms in accumulated forecast precipitation above 250 mm and 100 mm. Compared with TCs without heavy precipitation or typical tracks, TCs with these characteristics are better forecasted by the DSAEF_LTP model.  相似文献   

基于扰动模式的四维变分资料同化系统框架的设计完善和数值试验     

冯业荣  薛纪善  李梦婕  戴光丰 《气象学报》2021,79(6):902-920

为了建立一个应用于区域数值预报的四维变分资料同化（4DVar）系统,在近期开发的扰动预报模式GRAPES_PF基础上,开发完善增量四维变分同化系统框架。该框架中暂不包含物理过程（长短波辐射、边界层过程、对流参数化和云微物理等）。对比业务使用的GRAPES 3DVar系统,增加了温度控制变量。将无量纲Exner气压与流函数的线性风压平衡方程直接在地形追随垂直坐标面上求解,且通过广义共轭余差法（GCR）求解扰动亥姆霍兹（Helmholtz）伴随方程。利用人造“探空”资料对2015年10月台风“彩虹”进行了理想数值试验。试验结果表明,所开发的扰动四维变分同化框架得到了预期的结果,即同化更多资料并反复受到模式约束的四维变分同化系统能有效改善初值质量,进而改善区域数值预报。建立的区域四维变分同化框架合理可行,为进一步发展包含完整物理过程的区域四维变分同化系统奠定了研究基础。   相似文献   

基于智能物联网技术的天津城市积水监测预警系统     

侯天宇  梁好  霍凯  赵敏  陈子煊  张春莉  苑超 《气象研究与应用》2021,(1):85-89

通过智能物联网技术实时获取积水监测实况数据,利用天津市气象精细化格点预报产品和城市自动雨量观测站实况数据,以机器学习、神经网络模型和天津市城市内涝风险等级划分原理为基础,研究基于用户实时位置的城市内涝预报预警技术,研发天津市城市自动化积水监测预警系统。结果表明,该系统具备一定的城市内涝风险监测预警预报能力,并在2018—2020年多次重大天气过程中应用,积水深度预报结果与监测结果基本一致,应用数据表明验证结果良好,系统可以为政府防灾减灾决策、指挥调度提供精准、及时的气象数据支撑。  相似文献   

基于闪电定位和雷达资料的邵阳地区雷电预报预警研究     

周明薇  王道平  罗龙友  王少娟  郭斌 《气象与环境学报》2021,37(3):117-124

选取2018年夏季邵阳地区的17个雷暴单体和9个非雷暴单体,分析了单体30 dBz、35 dBz和40 dBz回波顶高及0℃、-10℃和-20℃层超过30 dBz、35 dBz和40 dBz的回波面积与闪电发生的关系,利用40 dBz回波顶高、-10℃层以上超过40 dBz的回波面积及其与单体总面积的百分比对该地区闪电进行预报。结果表明：雷暴单体和非雷暴单体在回波强度为40 dBz时,超过0℃、-10℃和-20℃三种层结高度所占百分比的差值最大。-10℃层的40 dBz回波顶高较其他层结高度能更好地区分邵阳地区的雷暴单体与非雷暴单体。-10℃层以上超过40 dBz的面积所占单体总面积百分比大于1%这一阈值时,可作为区分雷暴单体和非雷暴单体的一个有效预警指标。综合使用40 dBz回波顶高、-10℃层以上超过40 dBz的回波面积及其与单体总面积的百分比对12个单体样本进行检验,雷暴单体预报的准确率达66.7%,非雷暴单体判断的准确率为83.3%。  相似文献   

多源降水预报集成技术应用研究     

唐娴  周荣卫  何晓凤  王津宇  任晓晨 《气象与环境学报》2021,37(4):26-32

基于欧洲中期天气预报中心全球高分辨率预报模式ECMWF、中国自主研发的新一代业务化区域数值模式GRAPES_Meso和WRF中国全国区域预报模式的降水预报结果进行未来3 d降水集成预报。以中国地面-卫星-雷达三源融合逐时降水格点产品(CMPA-Hourly,V2.0)作为"观测值"进行建模,采用消除偏差多模式平均法和基于无偏平均绝对误差集成法对中国大陆地区进行降水集成预报,同时采用2800个国家自动气象站降水观测数据对降水集成预报效果进行检验。结果表明：基于无偏平均绝对误差的降水集成方法能够综合每个模式成员降水预报场的优势,提供一种更为稳定可靠且具有更高分辨率的优质精细化降水预报产品;其在试验期间对中国大陆地区汛期的降水预报ETS评分,优于消除偏差多模式平均降水集成预报和最优单模式降水预报,BIAS评分更接近于1,与"实况"的距平相关系数也明显提高,是对降水大值捕捉能力较优的一种集成方法,尤其对中雨到暴雨量级预报的改进较好。  相似文献   

华南复杂地形下GRAPES_Meso3km对流尺度模式前汛期精细化降水预报评估          下载免费PDF全文

陈静  庞波  吴政秋  陈法敬  陈雨潇  刘昕  马雅楠 《大气科学学报》2022,45(1):99-111

为深入认识GRAPES_Meso(Global/Regional Assimilation and Prediction System)3 km对流尺度区域模式对华南前汛期精细化降水的预报性能,为模式改进及业务应用提供参考依据,利用广东省86个站点逐小时观测降水资料和国家气象信息中心多源融合降水资料,针对广东省复杂地形特点,结合距海岸线的远近及站点地形特点,将86个站划分为沿海东部、沿海西部和内陆地区三个子区域,采用二分类降水预报检验方法,定量评估了2020年5月18日—6月18日华南前汛期降水预报效果。结果显示,GRAPES_Meso 3 km模式精细化降水预报技巧受广东复杂地形影响较大,广东沿海东部和内陆地区24 h时累积降水的小雨、中雨、大雨量级预报成功指数(Threat Score,TS)、公平成功指数(Equitable Threat Score,ETS)评分高于沿海西部地区,尽管暴雨预报评分具有此相同特征,但三个子区域的暴雨预报评分总体较低;从3 h累积降水预报评分看,沿海东部、沿海西部及内陆地区等三个子区域存在明显的日变化特征,但是沿海东部及西部与内陆地区表现有所不同,沿海东部和西部降水预报评分夜间较低(预报偏差偏高),白天相对较高(预报偏差偏低),而内陆地区则是夜间较高(预报偏差偏低),白天相对较低(预报偏差偏高)。沿海西部预报评分相对较低的原因是由于检验时段内广东地区存在一个弱的风切变,而沿海西部大部分地区正好处于切变线南侧的温度高值区控制,但模式模拟该区域的日平均温度较实况偏低,导致沿海西部模式预报降水空报较多,降低其降水预报技巧。  相似文献   

华南区域高分辨率数值模式前汛期预报初步评估     

林晓霞  冯业荣  陈子通  简云韬 《热带气象学报》2021,37(4):656-668

基于华南地区自动站逐小时观测资料, 采用传统站点评分、邻域法等评估华南区域高分辨率数值模式(包括GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式)对降水、地面温度和风场等要素的预报能力。结果表明: GRAPES_GZ_R 1 km模式的降水预报技巧优于GRAPES_GZ 3 km模式, 模式预报以正偏差为主。对于不同起报时间的预报, 00时(世界时, 下同)起报的预报效果优于12时。GRAPES_GZ_R 1 km模式的TS评分是GRAPES_GZ 3 km模式的两倍以上, 对不同降水阈值的评分均较高。分数技巧评分(FSS)显示GRAPES_GZ_R 1 km模式6 h累计降水预报在0.1 mm、1 mm及5 mm以上的降水均可达到最低预报技巧尺度, 对所检验降水对象的空间位置把握能力更好。2 m气温和10 m风速检验结果表明两个模式均能较好把握广东省温度的分布特征, GRAPES_GZ_R 1 km模式对2 m气温预报结果优于GRAPES_GZ 3 km模式, 预报绝对误差更小; 两个模式对风速的预报整体偏强, 预报偏差在1~4 m/s之间, 但相比之下GRAPES_GZ 3 km模式在风场预报上表现更好。GRAPES_GZ_R 1 km模式的2 m气温和10 m风速预报偏差随降水过程存在明显波动, 强降水过后温度预报整体偏低, 风速预报偏强, 在模式产品订正、使用等需要考虑模式对主要天气系统的预报情况。总的来说, GRAPES_GZ_R 1 km模式的预报产品具有较好的参考价值。   相似文献   

Characteristics and variation law of wind-blown sand delivered to the Ningxia-Inner Mongolia reach of the Yellow River under a changing environment     

Zhichun Yue  Ximin Yuan  Lugan Cao  Fuchang Tian  Chao Han  Hongwu Zhang 《国际泥沙研究》2022,37(2):188-201

Wind-blown sand is one of the key factors affecting the evolution of sediment transport,erosion,and deposition in rivers crossing desert areas.However,the differences and complex variations in the spatial and temporal distribution of the underlying surface conditions are seldom considered in research on the river inflow of wind-blown sand over a long time period.The Yellow River contains a large amount of sediment.The Ningxia-Inner Mongolia reach of the Yellow River was selected as the research ...  相似文献   

长短时记忆神经网络在中期地震预报中的探索--以川滇地区为例     

李林芳  石耀霖  程术 《地球物理学报》2022,65(1):12-25

利用机器学习方法对地震活动大数据进行挖掘,识别出一些过去认识不到的异常,提高地震预测的准确性,是一个非常具有挑战性的科学问题.本文基于川滇部分地区(24°N—32°N,98°E—106°E)地震目录,采用滑动的时空窗口,选取16个反映地震时空强度分布特征的地震预测因子,建立了长短时记忆(LSTM)神经网络,对研究区域9个子区块未来一年的最大地震震级进行预测.通过设置训练集∶测试集=8∶2和训练集∶测试集=7∶3两个不同的训练测试模型,对过往发生的地震进行了回溯性预报.结果表明:训练集∶测试集=7∶3模型能够利用1970年1月至2004年9月的地震目录进行学习,成功回溯性预报2008年汶川地震;训练集∶测试集=8∶2模型利用1970年1月至2009年5月资料进行训练,回溯性预报2010—2019年间6级以上地震的R评分为0.407,回溯性7级地震预报时准确率高达92.31%.本文还探讨性给出预测意见:2022年2月前研究区西部、中部、东部、西南部存在发生5.1~5.3级地震的潜在危险性.  相似文献