基于ECMWF细网格模式的短时强降水客观概率预报方法研究

李明

doi:10.16032/j.issn.1004-4965.2017.06.002

基于ECMWF细网格模式的短时强降水客观概率预报方法研究

doi: 10.16032/j.issn.1004-4965.2017.06.002

李明^,

陕西省气象台，陕西西安 710015

基金项目:

中国气象局2014年气象关键技术集成与应用项目 CMAGJ2014M52

中国气象局预报员专项 CMAYBY2017-075

陕西省气象局重点科研项目 2015Z-2

详细信息

通讯作者:
李明，男，新疆维吾尔自治区人，高级工程师，硕士，主要从事强对流天气研究。E-mail: 467665085@qq.com

中图分类号: P456.7
计量
- 文章访问数: 1059
- HTML全文浏览量: 58
- PDF下载量: 698
- 被引次数: 0
出版历程
- 收稿日期: 2017-01-05
- 修回日期: 2017-05-04
- 刊出日期: 2017-12-01

STUDY OF THE OBJECTIVE PROBABILITY FORECAST METHOD FOR SHORT-TERM HEAVY RAIN BASED ON ECMWF FINE-MESH MODEL

Ming LI^,

Shaanxi Meteorological Observatory, Xi'an 710015, China

摘要

摘要: 根据陕南643个经质量控制的自动气象站2010—2014年逐小时观测降水，采用百分位法确定陕南短时强降水标准。基于2010—2014年11 824站次短时强降水个例和欧洲中心（ECMWF）间隔6 h的0.25 °×0.25 °再分析格点资料，以空间最近、时间最近前1时次原则：计算并确定陕南汛期5—9月各月短时强降水36种对流参数历史概率分布特征值；考虑对流参数的显著性和适度性指标构建评价方案，利用相对模糊偏差矩阵、标准差系数方法，优选出陕南5—9月各月的15种对流参数及其权重。业务运行以ECMWF细网格模式的基本预报产品，计算优选的对流参数值，结合参数历史概率分布值及其权重，建立陕南分月短时强降水客观概率预报模型。将模型概率预报结果升序排列后80%处对应的数值，且大于0.2作为短时强降水的临界概率，对2015年汛期降水过程进行检验，TS评分为0.59，漏报率为0.18，空报率为0.31。
- 短时强降水 /
- 相对模糊偏差矩阵 /
- 客观概率预报 /
- ECMWF细网格模式
Abstract: Using percentile method, the standards of the short-term heavy rain are determined in the south part of Shaanxi province on the base of precipitation data of 643 automatic meteorological station after data quality control from 2010 to 2014. Based on 11 824 cases of short-term heavy rain and 0.25 °×0.25 ° reanalysis data at 6 h intervals of the European Centre for Medium-Range Weather Forecasts(ECMWF) during 2010 to 2014, according to the rule of being within nearby space and near recent time: the characteristic values of 36 kinds of convective parameters probability distribution are obtained in the south part of Shaanxi province from May to Sept during flood season. The evaluate scheme is formulated with the significance and appropriation indexes of 36 kinds of convective parameters, by the methods of the relative deviation fuzzy matrix and standard deviation coefficient, the 15 kinds of convective parameters from May to Sept are selected out, which can well indicate the environmental field for short-term heavy rain, and their weights are given. Based on high-resolution basic forecast products of the ECMWF fine-mesh model, the objective probability forecasting method for short-term heavy rain is established through comprehensive consideration of probability distribution and weights of the selected convective parameters. The value of more than 0.2 corresponding to 80% of the ascending order of probability forecast is taken as critical probability, the TS is 0.59, the rate missing prediction 0.18, and the rate of false predication 0.31 during 2015 flood season.
- short-term heavy rain /
- relative deviation fuzzy matrix /
- objective probability forecast /
- ECMWF fine-mesh model

HTML全文

图 1 陕南2010—2014年汛期5—9月（a）和7、8月大于30 mm/h、50 mm/h的短时强降水站次（b）

下载: 全尺寸图片幻灯片

图 2 陕南8月短时强降水发生临近时刻部分对流参数概率分布特征值

下载: 全尺寸图片幻灯片

图 3 2012年8月短时强降水发生临近时刻最佳对流稳定度指数(BIC)(a)和抬升指数(LI)(b)相对于同时段平均值的偏差散点图

单位：℃。

下载: 全尺寸图片幻灯片

图 4 ECMWF细网格模式2015年8月23日08起报的20—23时降水量（a，单位：mm/h）和20时短时强降水客观概率预报（b）以及20—21时（c）、21—22时（d）、22—23时（e）、23日23时—24日00时（f）的短时强降水分布

箭头表示降水云团的移动方向。单位：mm/h。

下载: 全尺寸图片幻灯片

图 5 2015年8月4日08时起报的14时（a）、20时（b）短时强降水客观概率预报以及15—17时（c）和21—23时（d）的短时强降水分布

单位：mm/h。

下载: 全尺寸图片幻灯片

图 6 2015年7月18日08时起报的14时（a）和17时（b）短时强降水客观概率预报以及18—20时短时强降水分布（c）

单位：mm/h。

下载: 全尺寸图片幻灯片

表 1 陕南汛期各月短时强降水标准

月份	标准/(mm/h)
5	10
6	15
7	20
8	20
9	10

下载: 导出CSV

表 2 2010—2014年陕南各月部分对流参数平均值

月份	PW/cm	CAPE/(J/kg)	LFC/hPa	PE/hPa	LI/℃	K/℃	DCI/℃	BIC/℃
5	2.45	375.70	808.26	615.96	2.93	17.52	18.66	-7.16
6	3.04	686.35	831.71	511.49	0.13	26.34	30.74	-14.79
7	4.69	1 536.62	855.05	284.28	-2.71	30.98	39.32	-24.75
8	4.14	1 407.83	861.42	389.91	-1.07	30.03	35.90	-20.05
9	3.86	195.25	870.60	764.69	3.94	20.33	20.18	-5.74
注：PW为大气整层可降水量；CAPE为对流有效位能；LFC为自由对流高度；PE为平衡高度；LI为抬升指数；K为指数；DCI为深对流指数；BIC为最佳对流稳定度指数。

下载: 导出CSV

表 3 陕南各月短时强降水发生临近时刻的部分对流参数值

月份	PW/cm	CAPE/(J/kg)	LFC/hPa	PE/hPa	LI/℃	K/℃	DCI/℃	BIC/℃
5	3.60	1 157.53	872.57	386.92	-0.85	31.75	30.03	-11.79
6	5.73	2 027.82	912.40	297.86	-3.47	35.52	39.24	-19.60
7	6.15	2 891.99	873.36	236.49	-5.19	36.67	43.23	-27.53
8	6.63	2 201.36	903.21	247.71	-4.72	37.53	43.26	-27.53
9	4.53	1 171.50	914.31	406.59	0.86	30.07	30.63	-12.84
注：说明同表 2。

下载: 导出CSV

表 4 优选的陕南8月前15位的对流参数及其权重

排列序号	物理量参数	权重/%
1	最佳对流稳定度指数(BIC)/℃	12.56
2	700 hPa散度(DIV)/s^-1	11.47
3	K指数(K)/℃	8.17
4	850 hPa水汽通量散度(qflux) /(g/(hPa·cm²·s))	8.04
5	自由对流高度(LFC)/hPa	7.45
6	抬升凝结高度(PC)/hPa	6.71
7	700 hPa涡度(VOR70)/s^-1	6.09
8	对流凝结高度(CCL)/hPa	5.68
9	深对流指数(DCI)/℃	5.63
10	大气可降水量(PW)/cm	5.49
11	850 hPa南风(V)/(m/s)	4.66
12	0~3 km垂直风切变(SHR2) /(m/(s·km))	4.65
13	沙氏指数(SI)/℃	4.53
14	850 hPa涡度(VOR85)/s^-1	4.42
15	3~6 km垂直风切变(SHR3) /(m/(s·km))	4.41

下载: 导出CSV

参考文献(36)

[1]	孙继松, 陶祖钰.强对流天气分析与预报中的若干基本问题[J].气象, 2012, 38(2): 164-173.
[2]	林爱兰, 谷德军, 郑彬, 等. 6月广东持续性暴雨过程概念模型的建立[J].热带气象学报, 2015, 31(3): 289-299.
[3]	苏永玲, 何立富, 巩远发, 等.京津冀地区强对流时空分布特征与天气学特征分析[J].气象, 2011, 37(2): 177-184.
[4]	许爱华, 孙继松, 许东蓓, 等.中国中东部强对流天气的天气形势分类和基本要素配置特征[J].气象, 2014, 40(4): 400-411.
[5]	PENG X D, CHE Y Z, CHANG J. A novel approach to improve numerical weather prediction skills by using anomaly integration and historical data[J]. J Geophy Res, 2013, 118(16): 8 814-8 826.
[6]	李莉, 朱跃建. T213降水预报订正系统的建立与研究[J].应用气象学报, 2006, 17(增刊): 130-134.
[7]	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): 580-588.
[8]	邱学兴, 王东勇, 陈宝峰. T639模式预报系统误差统计和订正方法研究[J].气象, 2012, 38(5): 526-532.
[9]	孙靖, 程光光, 张小玲.一种改进的数值预报降水偏差订正方法及应用[J].应用气象学报, 2015, 26(2): 173-184.
[10]	智协飞, 季晓东, 张璟, 等.基于TIGGE资料的地面气温和降水的多模式集成预报[J].大气科学学报, 2013, 36(3): 257-266.
[11]	刘健文, 郭虎, 李耀东, 等.天气分析预报物理量计算基础[M].北京:气象出版社, 2005: 77-217.
[12]	李耀东, 刘健文, 高守亭.动力和能量参数在强对流天气预报中的应用研究[J].气象学报, 2004, 62(4): 401-409.
[13]	张一平, 吴蓁, 苏爱芳, 等.基于流型识别和物理量要素分析河南强对流天气特征[J].高原气象, 2013, 32(5): 1 492-1 502.
[14]	周后福, 邱明燕, 张爱民, 等.基于稳定度和能量指标作强对流天气的短时预报指标分析[J].高原气象, 2006, 25(4): 716-722.
[15]	陈涛, 张芳华, 宗志平.一次南方春季强对流过程中影响对流发展的环境场特征分析[J].高原气象, 2012, 31(4): 1 019-1 031.
[16]	张一平, 乔春贵, 梁俊平.淮河上游短时强降水天气学分型与物理诊断量阈值初探[J].暴雨灾害, 2014, 33(2):129-138.
[17]	李明, 高维英, 侯建忠, 等.一次西南涡东北移对川陕大暴雨影响的分析[J].高原气象, 2013, 32(1):133-144.
[18]	郝莹, 姚叶青, 郑媛媛, 等.短时强降水的多尺度分析及临近预警[J].气象, 2012, 38(8): 903-912.
[19]	李耀东, 高守亭, 刘健文.对流能量计算及强对流天气落区预报技术研究[J].应用气象学报, 2004, 15(1): 10-20.
[20]	雷蕾, 孙继松, 魏东.利用探空资料判别北京地区夏季强对流的天气类别[J].气象, 2011, 37(2): 136-141.
[21]	庞古乾, 伍志方, 郭春迓, 等.广东省前汛期分区强对流潜势预报方法研究[J].热带气象学报, 2016, 32(2): 265-272.
[22]	樊李苗, 俞小鼎.中国短时强对流天气的若干环境参数特征分析[J].高原气象, 2013, 32(1):156-165.
[23]	杨程, 宋金杰, 王元, 等.热带气旋影响下江苏强对流天气指数分析[J].热带气象学报, 2014, 30(3): 59-566.
[24]	陈敏, 范水勇, 郑祚芳, 等.基于BJ-RUC系统的临近探空及其对强对流发生潜势预报的指示性能初探[J].气象学报, 2011, 69(1):181-194.
[25]	陈子通, 闫敏华, 黄晓梅, 等.应用于强对流天气预报的模式探空产品[J].热带气象学报, 2006, 22(4): 321-325.
[26]	魏东, 尤凤春, 范水勇, 等.北京快速更新循环预报系统(BJ-RUC)模式探空质量评估分析[J].气象, 2010, 36(8): 72-80.
[27]	HART R E, FORBES G S. The use of hourly model-generated soundings to forecast mesoscale phenomena, Part Ⅰ: Initial assessment in forecasting warm-season phenomena[J]. Wea Forec, 1998, 13(4): 1 165-1 185.
[28]	郑永光, 周康辉, 盛杰, 等.强对流天气监测预报预警技术进展[J].应用气象学报, 2015, 26(6): 641-657.
[29]	KUK B, KIM H, HA J, et al. A fuzzy logic method for lightning prediction using thermodynamic and kinematic parameters from radio sounding observations in South Korea[J]. Wea Forec, 2012, 27(1): 205-217.
[30]	LIN P F, CHANG P L, JONGDAO J B, et al. Objective prediction of warm season afternoon thunderstorms in Northern Taiwan using a fuzzy logic approach[J]. Wea Forec, 2012, 27(5): 1 178-1 197.
[31]	张永山, 李维京, 丁一汇.模糊优选方法及其在月集合预报中的应用[J].气象学报, 2000, 58(4): 428-435.
[32]	马清云, 李佳英, 王秀荣.基于模糊综合评价法的登陆台风灾害影响评估模型[J].气象, 2008, 34(5): 20-25.
[33]	张春桂, 曾银东, 马治国.基于模糊评价的福建沿海水质卫星遥感监测模型[J].应用气象学报, 2016, 27(1):112-122.
[34]	陈新建, 段钊, 赵法锁, 等.基于模糊数学的地质灾害危险性评价[J].中国地质灾害与防治学报, 2011, 22(3): 90-94.
[35]	翟盘茂, 潘晓华.中国北方近50年温度和降水极端事件变化[J].地理学报, 2003, 58(1):1-10.
[36]	李柏年.模糊数学及其应用[M].合肥:合肥工业大学出版社, 2007: 67-116.