SWAN系统雷达定量降水估测产品在江西的应用
黄南双偏振雷达降水估测产品的质量评估
黄南双偏振雷达降水估测产品的质量评估作者：任强李忠武丁培华来源：《农业灾害研究》2024年第02期摘要：选取2023年8月ROSE2.0黄南州雷达定量降水估测产品、用户报警信息产品和经质量控制后的地面自动气象观测数据，通过雷达产品和实况降水的平均偏差比、归一化平均绝对误差和相关系数检验计算得出：在降水强度为10～20 mm和雨量站距离为25～50 km，黄南州双偏雷达降水估测能力表现较好；OHP产品对短时强降水的发生具有指示意义；在8月3日过程中短时强降水报警产品漏报严重，需要进一步完善算法，才能具有更好的预警提醒作用；由于黄南州境内地形复杂，海拔相差大，因此雷达估测降水要消除地形的影响。
关键词：OHP产品；误差分析；地形；UAM产品中图分类号：P412.25 文献标志码：B 文章编号：2095–3305（2024）02–0-03黄南州新一代天气雷达于2021年8月20日建设完成，并于2021年9月15日开始试运行，站号为Z9973，海拔为3 914 m，最大探测距离为400 km，有效探测距离200 km左右，仰角类型有0.5°、1.5°、2.4°、3.3°、4.3°、5.2°、6.2°、7.5°、8.7°、10.0°、12.0°、14.0°、16.7°、19.5°，工作模式分别为晴空模式、降水模式和强降水模式，每个时次可调取基本反射率因子（R）、径向速度（V）、组合反射率（CR）、回波顶（TOPS）、垂直积分液态含水量（VIL）、冰雹指数（HI）、粒子分类（HCL）等36个常用产品。
该雷达对黄南地区灾害性天气的监测起着至关重要的作用。
新一代天气雷达是国内最先进的天气雷达，可以更立体地监测云体的结构特征，对短时强降水的预报预警具有较好的指示意义。
每年6—9月黄南州灾害性天气频发，给人民生命财产安全造成严重威胁，为切实贯彻落实研究型业务发展理念，加强业务与科研深度融合，适应气象预报业务智能精准、客观定量的发展要求，分析黄南州新一代天气雷达产品在黄南地区降水估计中出现误差的原因[1-3]。
(业务管理)江西省县级综合气象业务改革发展实施细则
（业务管理）江西省县级综合气象业务改革发展实施细则江西省县级综合气象业务改革发展实施细则江西省气象局2013年7月为了全面贯彻落实《中国气象局关于全面推进县级气象机构综合改革工作的通知》（气发〔2013〕28号）、《中国气象局关于县级综合气象业务改革发展的意见》（气发〔2013〕54号）和《江西省县级气象机构综合改革实施方案》（赣气发[2013]105号）的文件精神，进一步推动我省县级综合业务改革深入发展，现制定本实施细则。
1总体要求推进县级综合气象业务改革发展是提高县级公共气象服务水平和气象社会管理能力的核心任务，是全面推进县级气象机构综合改革的重要环节，是实现基层气象现代化的基础工作。
必须在中国气象局的统一决策部署下，立足于我省的现实基础，针对发展中的突出问题，把握公共气象发展方向，围绕气象防灾减灾中心任务，面向社会服务需求，以优化业务布局、调整业务分工、完善业务流程为主线，以强化公共气象服务、加强监测预警业务、改革综合观测业务、建设综合气象业务系统为重点，构建业务一体化、平台集约化、岗位多责化的县级综合气象业务。
与县级气象机构综合改革同步，南昌、九江、上饶市所辖县（市）气象局，以及玉山、吉安县、湖口、万载县气象局要在2013年年底前基本完成县级综合气象业务改革发展任务，其他市县到2015年年底前完成县级综合气象业务改革发展任务。
2县级综合气象业务主要内容2.1公共气象服务县级气象部门负责农业气象服务体系和农村气象灾害防御体系建设，开展面向防灾减灾和生态文明建设的决策气象服务、公众气象服务、专业专项气象服务和应急气象保障服务。
承担气象灾害预警信息发布和部门联动工作，开展气象灾情收集上报和气象灾害调查工作，协助上级开展气象灾害风险普查、风险评估和气候可行性论证等工作。
应用或订正上级指导产品，开展气象灾害风险预警服务，开展环境、交通、水文气象服务，因地制宜开展山洪地质灾害、森林火险、电力能源、旅游等专业气象服务。
短时临近预报系统（SWAN1.0）应用探讨
短时临近预报系统（SWAN1.0）应用探讨杨秀峰;马梁臣;席宝珠【期刊名称】《吉林气象》【年(卷),期】2012(000)002【摘要】短时临近预报系统（SWANl．0）对短时临近预报有一定的预报指导意义，为了更好地应用新预报业务平台和新资料，本文对2011年汛期6月7日、6月30日-7月1日、7月8日、7月16日、7月21日、7月31日、8月14日和8月31日8次吉林省中部降雨过程中SWAN的定量降水预报（QPF）和反射率因子预报两类产品进行了检验分析。
结果表明：定量降水预报（QPF）和实况降水比较的总体量明显偏小65％左右，落区预报上具有一定预报意义，但是落区偏差较大，SWAN降水预报可用程度不足，降水落区和降水量级预报仅仅起到参考作用。
反射率因子预报短时效内的预报产品预报时效在30分钟以内可信度较高，其中6—12分钟更为可靠，但是对45dBz以上雷达回波预报较差，SWAN对云团大体情况在30分钟以内预报较好，但是对云团中强风暴预报能力不足。
【总页数】4页(P17-19,44)【作者】杨秀峰;马梁臣;席宝珠【作者单位】长春市气象局,长春130051【正文语种】中文【中图分类】P457.6【相关文献】1.潍坊市精细化短时临近天气预报系统的设计与实现 [J], 李晓利2.一次短时暴雨天气过程及短时临近预报分析 [J], 郑石;王启威;王冠;李艳芳;关健华;于文博;李东宇3.短时临近预报系统在广东一次强对流天气过程中的检验分析 [J], 陈元昭;兰红平;陈训来;胡娟;彭勇刚4.青海短时临近预报系统SWAN1.0本地化及应用 [J], 苏永玲;徐亮;刘雪梅;5.农业气象服务中短时临近天气预报的应用探讨 [J], 马丽因版权原因，仅展示原文概要，查看原文内容请购买。
SWAN系统产品的特点
SWAN中包括了大量的产品，对于这些产品的合理使用，需要首先了解产品的特点，而且，不同类型产品的组合，也将有助于做出正确的临近预报。
一、产品功能分类（1）第一类：实况监测、反演和分析类产品，如雷达三维拼图，基于三维拼图资料的反演产品（如垂直积分含水量，组合反射率因子、回波顶高、TREC矢量场等），卫星分析（对流云识别与分析），天气实况（雨量，温度，风，灾害性天气报告等），定量降水估测产品。
（2）第二类：外推预报类产品，如反射率因子预报，定量降水预报产品，风暴追踪，TITAN等。
（3）第三类：客观检验类产品，主要包括：反射率因子预报检验、定量降水预报检验、定量降水估测检验、风暴追踪预报位置误差分析等。
（4）第四类：报警类产品，实况报警（雨量、大风、灾害性天气等），雷达报警等（5）第四类：基于上述资料的预报产品制作发布与会商支持。
二、产品特点了解不同产品的特点，才可以在不同的天气过程时，选择恰当的产品，以达到扬长避短的目的。
（1）雷达组网拼图。
优点：雷达探测网资料，监测范围大，雷达重叠区域在一定程度上能够弥补雷达测远和天顶盲区的限制，三维地理经纬度坐标，分辨率高，为基于雷达资料的反演产品提供了良好的数据，同时方便与其他探测产品叠加等。
不足：速度资料的应用不够，单部雷达边界和天气盲区的问题，时间延迟，对本地数据环境的要求高，拼图产品与单部雷达产品之间的交互不够等。
（2）丰富的产品，前面提到了有5大类产品和功能，而且，还有一些产品正在研发之中，为预报员从不同角度分析天气过程提供了便利。
运行时对计算机和网络资源的要求，对服务器端框架设计的要求，需要大量的针对性的本地化工作，是否有本地特色产品，肥猫。
（3）预报产品以外推为主，对于稳定性的降水回波（层状云回波、超级单体等）效果较好，对于快速生消演变的风暴单体，效果较差，预报时效受到明显限制。
（4）实时检验产品，将当前时次的实况资料和前一（多）时次的预报场进行对比，获得该产品在不同预报时效上的检验结果。
雷达定量估测不同类型降水
验站 位于 雷达 西北 侧 ３ ～ ６ ｍ范 围 内 ， 校 正 站 ｏ ５ｋ 与
距离 较远 。
统计Ｚ 关 系利 用 ２ ０ ０ ２年 、０ ３年 福建 中北 部 ２０ ２ ７个 气 象 站 自记 雨 量 资 料 及 建 阳新 一 代 天 气 雷 达
变 分 法等对 ２ ０ ０ ５年几 次混合 型 、 流 型降水 过程及 对
为 了评 估Leabharlann 雷达一 量计 估测 降雨 精度 ， 雨 定义 雷 达
一
雨 量 计差 统计量 如 下 ：
过程平 均 相对误 差 （ 绝对 值 ） ：
１
１ ０ ３ ｍ。根据 雨量 点 相 对 雷达 站 的距 离 分 别 ０ ￣２ ０ｋ
读取 不 同仰角 的 ｚ值 ， 同时对其 进行 质 量控 制 。 。
ｌ
的最 优插值 法 、 ］ 卡尔 曼滤 波等
１ 资 料 处 理
］ 。
降 水 的 最 优 Ｚ— 关 系 为 ：
混合 型 工区 ： Ｚ一１ ２Ｊ １
对 流 型 工区 ： Ｚ一 ６ ・ ４
Ⅱ区 ： Ｚ一１ ２ ３
Ⅱ区 ： Ｚ一 １ １
用于统 计 Ｚ Ｉ 系 的雨 量站 有 ２ －关 ７个 ， 些 站 点 这
水类 型 的ｚ＿关 系 ， 将 统 计 结 果 用 于 ２ ０ Ｊ 并 ０ ５年 、 ０ ６年 的 降 水 估 测 。 同 时 利 用 实 时 雨 量 资 料 采 用 卡 尔 曼 最 优 （ ２０ 卡 尔曼 滤 波 ＋最 优插 值 ）变 分 等 估 测 方 法进 行 实 时 雨 量 校 正 ， 福 建 北 部 武 夷 山九 曲溪 流 域 雨 量 计 检 验 校 正 后 的 雨 、 用 量 值 ， 对 上 述 几 种 方 法 的点 及 面 的估 测 结 果 进 行 比 较 。结 果 表 明 ： 尔 曼 最 优 法 及 １０ｋ 并 卡 ０ ｍ距 离 范 围 内 的最 优 化
SWAN在短时临近预报中的应用与检验
SWAN在短时临近预报中的应用与检验近年来，随着气象预报技术的飞速发展，短时临近预报成为了一种非常关键的气象预报手段。
为了提高短时临近预报的准确性，许多新的预报方法被提出并得到了广泛的应用。
其中，SWAN方法是一种被广泛应用的物理波浪模型，尤其是用于分析和预报海浪和涌浪的特性。
SWAN是Spectral Wave Analysis for Nearshore模型的缩写，其最初是由荷兰Delft水文研究所开发的。
随着时间的推移和技术的进步，SWAN发展成为了一种相对完整并且成熟的模型，被广泛应用于海洋工程、海岸防护、海上作业等领域，也为海洋预报和气象预报提供了重要的支持。
SWAN方法基于谱分析理论，可以使预报结果更加准确，同时也可以更好地解析不同频率、不同方向的波浪。
SWAN可以同时处理海浪的传播、衰减、反射、折射以及干涉等复杂过程。
SWAN还可以预测海浪能谱和波高时间序列等重要参数，帮助预报人员更加准确地了解海面环境的变化。
SWAN的应用广泛，尤其是在短时临近预报中的应用，可以提高预报准确性，有助于提高气象预报的水平。
SWAN可以被广泛应用于不同区域、不同季节的较短时间内海浪和涌浪的预报。
利用SWAN，预报人员可以对海浪变化进行实时监测，对海洋环境变化做出及时响应。
此外，SWAN还可以被应用于海洋工程、海岸防护等领域，帮助工程人员更好地设计、规划和实施相关工程。
为了验证SWAN方法在短时临近预报中的可靠性，需要进行检验和验证。
在SWAN方法的检验和验证中，通常会使用一些统计分析和比较分析的方法，比如误差分析、回归分析、相关系数分析等方法。
通过比较预报结果和实测数据，可以验证预报方法的准确性和可靠性，并对方法进行不断改进。
总之，SWAN是一种广泛应用于短时临近预报中的物理波浪模型，可以帮助预报人员更加准确地预测海浪和涌浪等重要参数，提高短时临近预报的准确性。
同时，SWAN还可以被应用于多个领域，为海洋工程、海岸防护等领域提供重要的支持。
SWAN在短时临近预报中的应用与检验
SWAN在短时临近预报中的应用与检验近年来，随着气象科学的不断发展，短时临近预报在防灾减灾工作中扮演着越来越重要的角色。
短时临近预报是指对未来数小时内天气、气温、降水等气象要素进行预测和预警，为人们的日常生活和生产活动提供重要参考。
而SWAN（Simulating WAves Nearshore）模型是一种专门用于模拟近岸波浪的数值模型，同时也可以辅助短时临近预报工作。
那么，SWAN在短时临近预报中的应用与检验有哪些呢？本文将重点对此进行探讨。
1. SWAN模型简介SWAN模型是一种广泛应用于波浪研究领域的数值模型，它是由荷兰国家水利部（Rijkswaterstaat）和达尔夫特理工大学（Delft University of Technology）联合开发的，旨在模拟近岸波浪的变化和传播过程。
SWAN模型采用谱方法和随机斜率均衡方程，可以对各种条件下的波浪场进行较为准确的模拟和预报。
基于其良好的模拟效果和广泛的应用价值，SWAN模型在海洋工程、海岸工程、气象预报等领域都有着重要的作用。
在短时临近预报中，波浪是一个重要的气象要素，特别是对于海上作业、海上交通以及沿海地区的防灾减灾工作来说，准确的波浪预报至关重要。
SWAN模型可以提供对未来数小时内波浪场的预测，为相关行业和部门提供决策支持。
具体来说，SWAN在短时临近预报中的应用主要体现在以下几个方面：（1）海上作业支持：钻井平台、海洋风电、船舶等海上作业需要关注未来数小时内的波浪情况，以便做出相应的调整和安排。
SWAN模型可以提供准确的短时波浪预报，帮助相关单位合理安排作业时间和地点，降低风险。
（2）海上交通安全：对于船舶来说，短时波浪预报可以帮助船员选择最佳航线和航行时间，避开恶劣的海况，保障航行安全。
对于港口和海域管理部门来说，短时波浪预报也可以提供重要的参考，帮助他们合理安排船舶靠泊和作业。
（3）沿海地区防灾减灾：对于沿海地区而言，短时波浪预报对于防洪防涝和海岸防护至关重要。
SWAN定量降水预报在几次降水过程中的应用检验
SWAN定量降水预报在几次降水过程中的应用检验摘要：应用白城地区2012年出现的四次降水过程，检验分析了临近预报系统（swan）中定量降水产品对晴雨及不同类型降水的预报效果。
结果表明：swan系统中定量降水预报产品漏报率比较小；对于间歇性降水或是时段较分散的降水过程空报率较大，而对于稳定性降水或是降水时段较集中的降水过程，晴雨预报效果很好。
进一步检验了swan对弱降水、一般性降水和较强降水的预报能力，结果表明对于弱降水的预报效果要好于一般性降水好于较强降水。
关键词：临近预报；降水；检验中图分类号：p459.9 文献标识码：a 文章编号：1674-0432（2013）-01-0133-10 引言近年来，基于多普勒天气雷达、卫星、自动气象站等非常规观测资料和中尺度数值模式的定量降水预报技术得到了快速的发展。
对于临近（0～2h）定量降水预报而言，利用雷达回波外推技术和自动站雨量订正技术的临近预报方案具有高精度的时空分辨率，且准确率也较高。
本文利用白城地区2012年出现的四次降水过程，对swan系统中提供的不同预报时效的定量降水预报产品进行检验，为短时临近预报预警工作提供依据。
1 临近预报系统swan及其定量降水预报产品swan系统在micaps平台基础上，融合了数值模式产品和雷达、卫星、自动站等探测资料，提供了大量的临近预报产品，如三维雷达拼图、组合反射率因子、垂直剖面、定量降水估测和预报、cotrec （改进的交叉相关法）矢量场、反射率因子预报产品、风暴识别与追踪、titan（风暴识别、追踪、分析和临近预报系统、对流云识别产品）等，并具有强天气综合自动报警、预报产品实时检验、灾害天气预报制作和发布等功能。
swan系统在现有业务中提供1h定量降水预报产品。
该产品使用了3kmcappi拼图数据、cotrec矢量场和自动站雨量等资料。
首先，在对z-i关系做统计时，考虑了将不同强度的回波按照一定的等级进行分类；其次，利用cotrec矢量场外推，获得雷达反射率因子预报场；最后，在使用自动站雨量订正雷达定量降水预报时，采取最优插值法。
SWAN在短时临近预报中的应用与检验
SWAN在短时临近预报中的应用与检验随着气象科技的发展，短时临近预报的准确性得到了极大的提高。
其中，SWAN （Simulating Waves Nearshore）模型成为近海海浪短时临近预报中的一个重要组成部分。
SWAN模型利用数学建模来分析海浪的形成、传播和作用，预报海浪的特征参数，如波高、波长、波周期和波向等，并为海洋工程、海洋资源开发、船舶运输等提供了重要的参考。
SWAN模型通过对海浪动力学的分析，可以预测不同条件下的波浪特征。
这些特征参数可以用于预测海浪的可能影响，例如海岸侵蚀和沿海建筑物的稳定性。
SWAN模型的优点在于它可以处理不同尺度和复杂性的波浪环境，并且它可以预测海浪在不同水深、地形和气象条件下的行为。
在SWAN模型的应用中，需要考虑到时空影响因素。
模型需要考虑到海浪随时间和空间位置的变化，以便正确地预测未来的海浪形态。
因此，在数据输入时，需要对观测点进行多次采样，以捕获海浪波幅和波长的变化情况。
同时，气象参数也需要精确的输入，包括风速和方向，大气压力和地表温度，以便于准确的预测海浪的特征。
SWAN模型的预测能力也需要得到验证和检验。
在预测结果的评估中，主要有两种方法：一是定性评估，即将预测和观测结果进行比较，检测预测结果的正确性。
另外一种是定量评估，即利用数学方法综合评估预测结果的精度和误差。
定量评估包括不确定性分析、误差分析和概率分析等方法。
在SWAN模型的实际应用中，短时预测的准确性是非常重要的。
短时间内的海浪变化，特别是在暴风条件下，可能会给海上交通和海洋工程带来巨大的风险。
因此，SWAN模型的预测准确性需要得到充分的检验和验证。
不同的验证方法有助于提高模型的预测精度，并为实际应用提供更加可靠的预测结果。
总之，SWAN模型在短时临近预报中的应用和检验是非常重要的。
它为海洋行业的安全生产、经济活动和生态环境提供了保障，并且将在未来的海洋短时预报中发挥越来越重要的作用。
利用多普勒雷达定量估测降水试验
・
５ ２ ・
维普资讯
２０ ０ ７年第 ４期
气 象 与 减 灾 研 究
Ｖ Ｉ ０ ０． Ｏ． Ｎ ４ ３
仅 随 时 间 ｆ高度 （ 中为 ｈ 的变化 而 变化 ， 、 文 ） 因此有
， ，
ｄｚ Ｊ Ｊ Ｆｈｔ ｄｄ Ｂ＝ｌ ｌ （，） ｔ ０Ｌ ｈ
关键 词 ： 降水量 ， 定量估测 ， 雷达资料 。 中图分类 号 ： ４ ６６ ：４ ５２ Ｐ ２． Ｐ １． ２ 文献标识码 ：Ａ
０ 引 言
江西省抚州市位于江南中部 、 武夷山西侧 ， 中亚热带季风湿润气候区 ， 属 降水时空分布极不均匀 ， 特别
是每年 ７ １ 月 ， — ０ 经常出现持续高温少雨天气 ， 伏秋干旱十分频繁 ， 不仅严重影响工农业生产 ， 而且给人民
Ｒ＝ ａ ｍ
（） ４
式中Ｒ 单 时 内 水 量，、 为 定 数， １０ ａｌ ’ ，为 位 间 降 总 ｍⅡ 待 系 ｍ ／ ， Ｏ 。 均 ： １ ＝
１２ 利 用垂 直积 分 含水 量 估 测降水 ．
垂直积分含水量 与反射因子 ｚ之间的经验公式 为 ：
Ｚ （） ５
其 中， 统计参数 、 与云的类型、 地区、 季节等有关。 由式（ ） １ 和式（ ）则有 ５，
＝
对于单个站点来说 ， 垂直积分含水量 仅随时间 ｔ 的变化而变化 ， 因此有 ＝ ， 可得到利用平均垂 直积分含水量估测降水公式 ：
：
（） ６
式中， 为单位ｔＩ内平均积分含水量， ：ｇ ｎ ／３ ， ； 单位 ｋ／ ； 均为待定系数 ，＝ ／ ６ ， ６ ｍ 、 （ ）ｎ ／ 。
文章 编 号 ：０ ７ ９ ３ （０ ７ ０ —０ ２ ０ １０ — ０ ３ ２０ ）４ ０ ５ — ５
SWAN
降水 估算 Ｑ Ｐ Ｅ算 法 （ ＲＡ Ｓ Ｉ Ｍ 方法 ） 的技 术 与 特 点 ， 选 取 湖 北 省 ６部 Ｓ波 段 多 普 勒 天 气 雷 达 在 ２ ０ １ ２年探 测 的暴 雨
天气 过程 资料 ， 系统性评估了 Ｓ ＷＡＮ 系 统 中 ＱＰ Ｅ产 品实 用 性 ， 初 步分 析 了 产 生 估 算 误 差 的原 因 。评 估 表 明 ： 整 体 而言 该 方 法 在 湖 北 省 使 用 效 果 较 好 ， 平均绝对 误差率 小于 ３ Ｏ ； 探 测 距 离 的增 加 对 ｓ波 段 雷 达 Ｑ Ｐ Ｅ精 度 影 响 不 大； 各雷达对 ３ Ｏ ｍｍ 以 上 降 水 的 估 算 平 均 绝 对误 差 率 较 小 ， 但估算结果较 实况偏弱 ， 随着雨量 （ 雨强 ） 增大， 低 估 的 比例 也增 大 。就 单 部 雷 达 而 言 ， 宜 昌 雷达 估 算 降水 误 差 最 大 ， 武汉 雷 达 受 附 近 建 筑 遮 挡 影 响次 之 ， 恩 施 雷 达 估 算 降
水误差最小 。
关键 词 雷 达 估 算 降水 ； 平 均 绝 对误 差 率 ； 评 估
引 言
匀性 Ｉ １ ］ 。从 而客 观指 出 了 目前雷 达估算 降水 在 整个 雷达 探测 范 围仅 用 一个 公 共 转 换 关 系 （ 通 常称 为 Ｚ
—
雷达 定 量 降 水 估 算 （ 简 称 ＱＰ Ｅ — Ｑｕ ａ ｎ ｔ ｉ ｔ ａ ｔ ｉ ｖ ｅ Ｐ ｒ ｅ ｃ ｉ ｐ ｉ ｔ ａ ｔ ｉ ｏ ｎ Ｅ ｓ ｔ ｉ ｍａ ｔ ｉ ｏ ｎ ） 的研究任 务 是将 雷达 所 测 到的反 射率 因子 Ｚ的某 种 空 中分 布 ， 按 照一 定 的 空
并 要求 在雨 量站处 通过 转换 和调 整后 的雷达估 算值
天气雷达产品在强对流天气临近预报中的应用
2021.2天气雷达产品在强对流天气临近预报中的应用洛桑顿珠1，旦增查拉2，罗桑旦增1（1.西藏自治区大气探测技术与装备保障中心，西藏 拉萨 850000；2.西藏拉萨市气象局，西藏 拉萨 850000）摘 要：将新一代天气雷达产品充分应用到强对流天气预报预警工作中，剔除因天气和算法产生的虚假信息，增强气象预报的准确性水平。
基于此，本文重点分析天气雷达产品在强对流天气临近预报中的应用，以提升天气雷达产品在气象业务中的利用率，进一步促进气象预报预警工作的正常进行。
关键词：天气雷达产品；强对流；临近预报强对流天气是指伴随有雷暴现象的对流性大风、冰雹、短时强降水的对流性天气，是危害性较强的灾害性天气之一。
强对流天气主要发生在中小尺度天气系统中（对流云系或单体对流云块中），其空间尺度较小，水平范围在十几到二三百公里之间，有的水平范围只有几十米，生命史短暂且突发性明显，是短时天气预报和气象防灾减灾的重点及难点。
自天气雷达应用到气象领域以来，其在监测和预警强对流天气中发挥着十分重要的作用。
天气雷达可以发射与之相关的脉冲电磁波，一旦出现云雨天气，天气电磁波将会朝着四面八方散射，而向后散射的电磁波将会被雷达吸收。
对于传统的天气雷达来说，只能对回波中的反射率因子进行提取，多普勒天气雷达可以对反射率因子信息、云雨中雷达径向运动速度和谱宽信息进行提取。
我国新一代天气雷达网主要是由多普勒天气雷达组成，且逐渐成为监测和预报强对流天气的重要工具。
新一代天气雷达的主要特点是探测灵敏度和空间分辨率较高，可以探测出传统雷达无法探测的晴空回波。
近些年来，国内外越来越多的专家和气象学者对多普勒天气雷达产品的理论知识和应用加大了研究力度，并得出了很多有意义的结论。
新一代天气雷达产品主要在探测和预警强对流天气、估计降水量、雷达上方大气垂直风廓线估测、同化雷达径向速度数据和反射率因子等，进而为数值预报模式提供初始场。
自多普勒天气雷达在各级气象部门中应用以来，获取了海量的监测数据信息，将天气雷达产品应用到强对流天气临近预报中积累了丰富的经验。
灾害性天气短时临近预报系统
实况数据显示
雷达三维拼图（CAPPI）
状态栏中会提示鼠标位置反射率值（单位DBZ）
水平方向为等经纬度格点（）
雷达三维拼图（CAPPI）VS PPI（1.6°）
雷达三维拼图（CAPPI-2km）VS PPI
低层CAPPI的局限性
判断对流系统的强弱（一）
变换高度
判断对流系统的强弱（二）
龙卷 寒潮 雾 大风 冰雹 高温 雷达特征量 雷达报警 强阵雨、暴雨 积冰 沙尘暴 积雪
强阵雨报警显示 符号（闪烁）+雨量(mm)
暴雨报警显示
符号（闪烁） +雨量（累计时间长度）
冰雹报警显示
符号（闪烁） +冰雹直径(mm)+出现时间
龙卷报警显示
符号（闪烁） +类型与方位（代码）+出现时间
– BasicGeoInfo：基本地理信息数据（主要是shp格
式）。
– Image：系统运行需要的一些图标等文件，该目录下
的文件无需修改。
– LOG：记录系统日志目录，每次启动SWAN，将会在 该目录建立一个新的文件，记录系统运行的基本情况。 该目录下的文件默认保存10天，可以自行设置保存的 时间长度。
未来1小时的累计降水预报，状态栏中会提示鼠标位
风暴移动路径预报（STM）
红色方块表示风暴过去1小时每隔6分钟的位置；红色十字表 示风暴未来1小时每隔6分钟的位置；红色圈圈表示风暴当 前的位置和风暴的大小直径；红色连线表示风暴的轨迹。
风暴移动路径预报（TITAN）显示
• 蓝色边界线为风暴过去的边界
– 字符串、浮点数、整数、颜色、布尔型和枚举型
数据等六种
– 前三种可以直接在属性项的输入框中输入字符串 – 颜色属性可以通过直接输入R、G、B颜色设置，
临近预报系统(SWAN)产品特征及在2010年5月7日广州强对流过程中的应用
中 国气 象 局 业 务 建 设 项 目“ 害 天 气 短 时 临 近 预 报 灾
子外推预报产 品 ， 在预报 时效 为 ３ ｉ、 ０ｒ ｎ 反射率 因子等 级为 ３ ４ Ｂ ａ ０～ ５ｄ Ｚ时 ， 中率 （ Ｏ 、 命 Ｐ Ｄ） 空报率 （ Ａ Ｆ Ｒ）
和临界成功指数 （ Ｓ ） Ｃ Ｉ 分别 为 ０７ 、．０和 ０ ６ 在 ６ ｎ时 ，Ｏ Ｆ Ｒ和 Ｃ １ ．７ ０ ２ ．４； ０ｍｉ Ｐ Ｄ、 Ａ Ｓ 分别 为 ０ ６ 、． ０和 ．５ ０３
系统）。 、 。 对流 云识 别产 品等 ， 具有 强天 气综合 自动 并
报警 、 预报产 品实 时检 验 、 灾害 天气 预报制作 和发布等 功 能。 目前 ，ＷＡ Ｓ Ｎ系统 已经在 全 国绝 大多 数 的省级 气象
台 投入 了业 务 应 用 。
量降水预报 、 ｈ内反射率因子预报场 、 １ 风暴识 别与追 踪、 ＴＴ Ｎ算 法等 ； ３类 为数 值模式 与 雷达探 测 等资料 的 ＩＡ 第 融合产品 ， ３— 如 ６ｈ定量降水预报 （ 利用模式 风场 与 Ｃ － Ｏ
法 的本 地 化 和改 进 。 １ １ Ｓ Ｎ 产 品 分 类 及 功 能 ． ＷＡ
ｔ ） ｅ 的开 发 。Ｓ Ｎ 系统 在 ＭＩＡ Ｓ平 台基 础 上 ， 合 ｎ ｒ ＷＡ ＣＰ 融
了数值模式产 品和雷达 、 星 、 卫 自动站 等探测 资料 ， 供 提 了大量 的临近预报产 品 ， 如三维雷达 拼图… 、 组合反 射率 因子 、 直剖面、 量降水 估测 和预报 、 Ｏ Ｒ Ｃ 改进 的 垂 定 ＣＴＥ （
雷达估测降水在区域站降水质控中的应用
雷达估测降水在区域站降水质控中的应用吴书成;魏爽;吴京生【摘要】利用高分辨率雷达定量估测降水的格点数据,与自动站实际观测到的降水量进行分析对比,发现雷达估测降水映射得到的自动站估测小时降水量与自动站实际观测的小时降水量的比值服从正态分布,以此来反推区域自动站实际观测的小时降水量的可信程度,并通过建立回归方程来对那些降水失真自动站作估计.以“菲特”台风期间的区域站降水量为例作了分析计算,结果表明雷达定量估测降水对自动站实际观测降水有良好的质控效果,值得进一步分析研究.【期刊名称】《气象科技》【年(卷),期】2015(043)001【总页数】4页(P49-52)【关键词】雷达估测降水;正态分布;质量控制;回归方程【作者】吴书成;魏爽;吴京生【作者单位】浙江省气象信息网络中心,杭州310007;浙江省气象信息网络中心,杭州310007;浙江省气象信息网络中心,杭州310007【正文语种】中文随着气象现代化观测体系建设的不断推进，全国各省均建设部署了大量的区域自动气象站，形成了较高密度的区域观测自动站网，这些区域自动气象站观测到的降水数据显然是一种宝贵的观测资料，在中小尺度强降水预报、小流域地质灾害评估、精细化降水监测等业务中有十分重要的应用。
由于仪器故障、维护程度等原因，区域自动站的降水量可能包含有疑误值，需要运用质量控制方法进行处理。
目前国内有关地面气象资料的质量控制方法，针对小时、日、月观测值[1-3]，包括气候学界限值检查、单站极值检查、内部一致性检查、时间一致性检查以及空间一致性检查[1-10]，对连续性数据的质控效果较好。
由于降水的复杂性，对其进行有效的质量控制目前还比较困难，本文尝试将雷达估测降水与自动站实测降水进行对比分析，判断自动站降水的可信程度。
1.1 资料目前浙江省已有7部S波段多普勒雷达投入业务运行。
将雷达基数据作时空同化、集成处理和合成，形成雷达基数据三维列阵反射率0.01°×0.01°数据，在聚类分析的基础上使用改进的最佳窗概率配对法计算Z-R关系中的A和b，计算出基本反射率因子Z和降水量R的关系，用变分技术用国家级自动站的降水量对估算的小时降水强度进行校准，获得0.01°×0.01°网格点的雷达估测的小时降水量[11]。
SWAN中定量降水估测和预报产品的检验与误差分析
SWAN中定量降水估测和预报产品的检验与误差分析吕晓娜;牛淑贞;袁春风;袁晓超【摘要】Based on the precipitation data from intensive regional automatic weather stations and data from 6 new generation weather radars in Henan from May to September during 2010-2011, error distribution of the Quantitative Precipitation Estimation (QPE) and Quantitative Precipitation Forecast (QPF) from SWAN in severe short-range precipitation in Henanare analyzed by point to point statistical test methods, and then the differences between QPE and QPF in the regional and local precipitation processes and direct cause to produce error are dis-cussed. The results show the following. (1) Both QPE and QPF perform well for rainfall lessthan 10 mm·h-1. QPE performs best in south-western and northern Henan, while QPF performs best in central Henan. The estimation of QPE is typically greater than the observation. QPF is slightly larger than the observation when the hourly rainfall is less than 20 mm, but it is less than the observation for heavier precipitation, especially in western and southern Henan. (2) Both QPE and QPF perform better in regional precipitation than in local precipitation. (3) In re-gional precipitation, QPE performs well in estimation of both the range and location of the precipitation center, and the estimation of QPE is slightly greater than the observation. QPF shows a slight deviation to predict the position of precipitation center and shows a smaller central intensity than observation.% 采用2010—2011年5—9月河南省区域加密自动站雨量和全省6部新一代天气雷达资料，用点对点统计检验评分方法，分析SWAN系统中定量降水估测(QPE)和定量降水预报(QPF)产品在河南省短时强降水过程中的误差分布，并分别讨论二者在河南省区域与局地强降水过程中的差别及产生误差的直观原因。
SWAN2.0系统的设计与实现
SWAN2.0系统的设计与实现韩丰;沃伟峰【摘要】Severe Weather Automatic Nowcasting System 2.0(SWAN2.0) is a short-term nowcasting operational platform of CMA,providing nowcasting products and an early warning product generation tool.SWAN2.0 includes three types of meteorological products.Observation products,mainly composed of radar puzzles and automatic weather station(AWS) observations.Alarm products,including AWS elements alarms and radar echo alarms.Nowcasting products,providing 0-1 h radar echo forecast by COTREC movement vector and the tracking and forecasting of convection storm by SCIT (Storm Cell Identification and Tracking) orTITAN(Thunderstorm Identification,Tracking,Analysis and Nowcasting).SWAN2.0 is based on MICAPS4(Meteorological Information Comprehensive Analysis and Processing System Version 4) development framework,using C/S architecture.The server of SWAN2.0 is a scheduling platform of meteorological algorithm,which is deployed at the provincial meteorological administration,in charge of collecting data,running algorithm,and generating SWAN products.The client of SWAN2.0 is a complete working platform for weather forecasters deployed in national,provincial,and municipal meteorological observatories,which are used to display SWAN products,make analysis and produce weather forecast products.SWAN2.0 adopts new nowcasting technologies,such as three-dimensional variation assimilation retrieval of windfield,QPE(quantity precipitation estimation) by rain cluster,hail identification and meso-scale numerical model application,supporting weather forecasters to extend from traditional short-term weather forecasts and services to short-range and nowcasting forecasts of classified strong convective weather.SWAN2.0 integrates computer technology and forecasting technology to solve short-term forecasting problems.It uses the message queue to decouple business modules to enhance the flexibility and scalability of the platform,and can generate early warning produces automatically from alarm products.The hierarchical structure is adopted to optimize the design of the alarm module,and the alarm module efficiency is improved with pipeline filter model and asynchronous technology.In addition,SWAN2.0 adds two common data models,grid data model and feature data model,creating easy access to local products.In short,SWAN2.0 is not only a operational platform for forecaster but also a set of open data platform and development environment.It provides data services of real-time radar,automatic station and basic short-term nowcasting data,open operating environment and display terminal for the station,and provides support for station localization algorithm development.SWAN2.0 is released in July 2016,and popularized in nationwide.It provides an important foundation and reference for routine nowcasting operation.%强对流天气短时临近预报系统(Severe Weather Automatic Nowcasting,SWAN)是面向短时临近监测、分析、预报、预警制作等功能为一体的业务平台.SWAN2.0基于MICAPS4(Meteorological Information Comprehensive Analysis andProcessing System Version 4.0,人机交互气象信息处理和天气预报制作系统)二次开发框架,采用C/S架构,服务器部署在省级,负责收集数据,运算SWAN产品;客户端部署在气象台站,实现具体的预报业务,并形成算法二次开发接口.SWAN2.0新增了三维变分风场反演、基于分雨团技术的雷达降水估测、冰雹识别等方法,实现了算法管理、产品生成、分析处理、资料检索显示、实时监控报警、预警产品制作等功能.SWAN2.0业务系统已在全国试用,在强对流天气监测、分析和短时临近预报预警中发挥了重要作用.【期刊名称】《应用气象学报》【年(卷),期】2018(029)001【总页数】10页(P25-34)【关键词】强对流天气短时临近预报系统;多源数据;综合监测;预报预警【作者】韩丰;沃伟峰【作者单位】国家气象中心,北京100081;浙江省宁波市气象台,宁波315012【正文语种】中文引言强对流天气具有突发性、局地性、生命周期短、影响大等显著特点，一直是天气预报业务中的难点。
降水预报-观测概率匹配动态订正法在江西降水集中期的应用与检验
ＤＯＩ：１０．１３８７８／ｊ．ｃｎｋｉ．ｊｎｕｉｓｔ．２０２１．０２．０１４陈翔翔１㊀郭达烽１降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验摘要为提高数值预报降水预报的准确率，本文利用欧洲中期天气预报中心的高分辨率数值预报（ＥＣＭＷＦ）降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配，选取Ｇａｍｍａ累积概率分布函数用于拟合预报与观测的降水累积概率，通过在２０１７年江西省一次降水集中期的应用试验，得到以下结论：基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中，并根据近期模式预报调整及误差不断自动更新各量级降水修正值，可实时动态订正模式降水预报；检验发现ＥＣＭＷＦ模式降水产品对于２４ｈ内１２ｈ间隔的１０ｍｍ及以下量级的预报普遍偏大，２５ｍｍ及以上量级的预报普遍偏小，在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况㊁预报效果较好．本降水预报订正法能提高小雨和暴雨的ＴＳ评分㊁降低暴雨的漏报率且提升其命中率，但对大雨及部分中雨的订正效果不佳，在实践中应权衡利弊使用．关键词降水预报；概率匹配；动态订正中图分类号Ｐ５４７ ６文献标志码Ａ收稿日期２０１８⁃１１⁃２０资助项目２０１７年度江西省气象局面上项目作者简介陈翔翔，女，硕士，高级工程师，从事中短期天气预报研究．ｃｈｅｎｘｉａｎｇｘｉａｎｇ６６６＠１６３．ｃｏｍ郭达烽（通信作者），男，正高级工程师，主要从事天气预报研究．３８０４２４０４５＠ｑｑ．ｃｏｍ１江西省气象台，南昌，３３０００００㊀引言㊀㊀江西地处我国长江流域，属亚热带季风气候区，每年汛期（３ ７月）是江西暴雨㊁强对流天气多发期，尤其是连续多日的暴雨形成的降水集中期，能引发洪涝和泥石流等自然灾害，严重威胁着人民的生命和财产安全．为此，提高降水预报水平是气象预报任务中的重中之重．数值预报技术的快速发展为降水的精细化预报提供了良好的基础，目前天气预报员常用的提高预报准确率的途径，是不断对数值预报产品进行效果检验评估，从多种模式的降水产品中选择性能最稳定的，并在检验的基础上运用多种方法开展解释应用［１⁃６］．李勇［７］㊁张宏芳等［８］通过预报能力的对比分析得出欧洲中期天气预报中心（Ｅｕ⁃ｒｏｐｅａｎＣｅｎｔｒｅｆｏｒＭｅｄｉｕｍ⁃ＲａｎｇｅＷｅａｔｈｅｒＦｏｒｅｃａｓｔｓ，ＥＣＭＷＦ）高分辨率数值预报总体较优．陆如华等［９］㊁赵声蓉等［１０］和刘还珠等［１１］分别采用卡尔曼滤波法㊁神经元网络等统计方法对数值预报产品进行解释应用研究；刘琳等［１２］通过集合预报降水资料的累积概率分布，建立了极端强降水天气的预报指数；吴木贵等［１３］利用交叉熵神经网络方法建立了闽北大雨以上降水预报系统，并指出这是一种适合小概率事件预报的方法．这些技术方法在一定程度上提高了模式降水产品质量，但这些释用技术仍存在许多不足．周迪等［１４］㊁李俊等［１５］通过 概率匹配 （或 频率匹配 ）降水预报订正法对降水过程取得了较好订正效果．鉴于 概率匹配 法能较好地利用观测资料对模式产品进行订正，因而受到预报业务单位的重视和应用．但是，李俊等［１５］使用的 概率匹配 降水订正法是把指定区域内所有格（站）点作为同一资料序列进行统计分析，由于区域内地理位置和地形的差异可导致气候背景不同，如果区域内所有格（站）点降水预报订正模型采用相同的值，会导致订正结果不够精细．为探索和建立更为精细的不同站点㊁不同降水等级的 预报⁃观测概率匹配 订正方法，本研究结合智能网格预报业务应用，在充分考虑不同站点气候特征差异，开展产品检验效果分析的基础上，对相对稳定且效果较优的ＥＣＭＷＦ高分辨降水模式产品和历史观测资料，引入累积概率分布函数，针对不同等级降水预报，逐站建立订正模型，尤其对是否发生暴雨及其以上降水进行重点分析，并根据数值预报的调整不断更㊀㊀㊀㊀新订正模型，在此基础上开展订正预报试验和效果检验评估，以期通过该动态订正法实现对ＥＣＭＷＦ模式降水产品的解释应用，有效提高降水分级预报，尤其是暴雨预报质量，为汛期防灾减灾提供更好的保障服务．１㊀资料与方法１ １㊀资料的选取降水观测资料采用江西省气象信息中心提供的包含江西省９１个地面气象观测站（站点分布见图１）８ ２０时和２０时 次日８时的１２ｈ间隔降水资料，模式预报降水产品选取ＥＣＭＷＦ高分辨率数值预报降水预报产品（空间分辨率为０ １２５ʎˑ０ １２５ʎ），选取２０１７年６月１９ ２７日每日２次的１２ｈ间隔降水格点预报资料，检验的预报时效为０ ７２ｈ，选取离观测点最近的格点值与观测点实况进行对比并评分．１ ２㊀方法简介预报⁃观测概率匹配订正法 是近年来逐渐流行的一种模式释用订正方法，多用于模式降水产品的预报订正，其原理如图２［１４，１６］所示．不同量级的降水均能在实况观测的降水累积概率分布曲线（实线）上找到对应的累积概率值，这个值在０ １范围内．将已找到的实况对应的累积概率值反射到模式预报的降水累积概率分布曲线（点虚线）上，亦可在横轴中找到对应的降水量值，即不同量级降水的模式预报修正值［１４，１６］．这种降水累积概率分布是非正态的，赵琳娜等［１７］㊁梁莉等［１８］以及国内外较多研究［１９⁃２３］发现，使用Ｇａｍｍａ拟合观测与预报的降水累积概率分布可取得良好效果，因此，选取Ｇａｍｍａ累积概率分布函数用于拟合预报与实况观测的降水累积概率．目前，我国各级气象台的定量降水预报，一般为０８：００㊁２０：００（北京时，下同）起报的１２ｈ间隔降水预报（８ ２０时和２０时 次日８时），并且以１２ｈ间隔进行预报检验评分．预报检验评分时，以０ ０㊁１０ ０㊁２５ ０和５０ ０ｍｍ等将１２ｈ降水量划分为多种等级．为了更好地分析订正效果，本文也按照１２ｈ间隔对ＥＣＭＷＦ模式的降水预报进行订正与检验，并以１２ｈ降水量１ ０㊁１０ ０㊁２５ ０和５０ ０ｍｍ的降水量级划分各等级．基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法是基于 预报⁃观测概率匹配订正法 的一种动态实践，这里把最新㊁实时的预报与实况结果带入概率匹配中，本文用预报时前１００ｄ共２００个起报时间的ＥＣＭＷＦ１２ｈ间隔降水预报资料与实况观测资料进行概率匹配，并在业务中不断更新各量级降水修正值，这可以一定程度订正近期模式预报误差，实时调节降水订正效果．目前预报业务中常用的预报效果检验指标有风险评分（ＴｈｒｅａｔＳｃｏｒｅ，ＴＳ，其量值记为ＳＴ）㊁命中率（ＰｅｒｃｅｎｔｏｆＤｏｏｍ，ＰｏＤ，其量值记为ＰｏＤ）㊁空报率（ＦａｌｓｅＡｌａｒｍＲａｔｅ，ＦＡＲ，其量值记为ＲＦＡ）和漏报率（ＰｅｒｃｅｎｔｏｆＯｍｉｓｓｉｏｎ，ＰＯ，其量值记为ＰＯ）等．设定ＮＡ为预报正确站数，ＮＢ为预报错误站数，ＮＣ为漏报站数，各指标计算公式如下：ＳＴ＝ＮＡＮＡ＋ＮＢ＋ＮＣˑ１００％，（１）ＰｏＤ＝ＮＡＮＡ＋ＮＣˑ１００％，（２）ＲＦＡ＝ＮＢＮＡ＋ＮＢˑ１００％，（３）ＰＯ＝ＮＣＮ＋Ｎˑ１００％．（４）图１㊀江西省国家地面气象观测站分布Ｆｉｇ １㊀ＤｉｓｔｒｉｂｕｔｉｏｎｍａｐｏｆｎａｔｉｏｎａｌｓｕｒｆａｃｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｏｂｓｅｒｖａｔｏｒｙｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ２㊀概率匹配动态订正法在江西省汛期降水集中期的应用分析２ １㊀２０１７年６月下旬江西降水集中期概况受高空低槽㊁中低层切变线和西南急流的共同４３２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．图２㊀各等级降水的预报⁃观测概率匹配订正法示意图［１４，１６］Ｆｉｇ ２㊀Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｅｎｓｅｍｂｌｅｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｍｅｔｈｏｄ［１４，１６］影响，２０１７年６月２０日 ７月２日江西省出现了一次降水集中期，期间省内暴雨频繁发生．江西省９１个国家基本观测站中出现１０站及以上日雨量超５０ｍｍ的过程称为一次区域性暴雨过程，将江西省持续出现３ｄ及以上的区域性暴雨过程定义为持续性区域暴雨过程．在此次降水集中期内，就出现了一次持续性区域暴雨过程，２０１７年６月２１ ２６日江西省出现了长达５ｄ的持续性区域暴雨过程（表１），主要发生区域为赣北地区，其中，６月２５日有１９个暴雨㊁１３个大暴雨和１个特大暴雨站，持续的暴雨过程为江西省尤其是赣北人民的生产生活带来了严重的威胁．在降水集中期后半段，雨带先南移，后北抬，新的降水落区订正方法的应用与检验迫在眉睫．表１㊀２０１７年６月２１ ２５日江西省每日暴雨站数及位置（２０ ２０时）Ｔａｂｌｅ１㊀ＮｕｍｂｅｒａｎｄｌｏｃａｔｉｏｎｏｆｄａｉｌｙｒａｉｎｓｔｏｒｍｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｆｒｏｍ２１ｔｏ２５Ｊｕｎｅ，２０１７（２０：００－２０：００）２１日２２日２３日２４日２５日站数１４１１１３１６３３落区赣北㊁赣中赣东北赣北赣北赣北２ ２㊀江西省各站点降水等级预报订正值分布特征６月２５日江西暴雨站数最多，现选取前一日即６月２４日（试验第６天）为代表，分析江西省所有站的各降水量级修正值．图３㊁图４分别是２０１７年６月２４日０ １２ｈ预报时效和１２ ２４ｈ预报时效的各量级降水的降水订正值，可发现：对于１２ｈ间隔的小雨量级降水（１ ０ｍｍ），ＥＣＭＷＦ０ １２ｈ和１２ ２４ｈ预报时效的降水预报得普遍偏大（图３ａ，图４ａ），应往小修正．尤其是赣北南部及以南地区，ＥＣＭＷＦ预报２ ３ｍｍ时往往可以修正为１ｍｍ，而九江市的１ｍｍ小雨预报得较为接近实况．对于１２ｈ间隔的中雨量级降水（１０ｍｍ），除九江市西南部㊁宜春市局部预报偏小外，全省大部分地区预报偏大，尤其是南昌㊁鹰潭㊁抚州三市和吉安㊁赣州两市部分地区，并且１２ ２４ｈ预报时效的中雨比０ １２ｈ预报时效预报得更偏大，应往小修正（图３ｂ㊁图４ｂ）．而对于大量级降水，ＥＣＭＷＦ预报偏小的区域逐渐增多：０ １２ｈ和１２ ２４ｈ预报时效的１２ｈ２５ｍｍ降水预报分别有７０ ３％和５７ １％的站数预报偏小（图３ｃ，图４ｃ），需要往大修正；０ １２ｈ和１２ ２４ｈ预报时效的１２ｈ间隔的５０ｍｍ的暴雨量级降水预报分别有９３ ４％和７８％的站数预报偏小（图３ｄ，图４ｄ），其中，萍乡㊁宜春两市市区站点和赣州市西部０ １２ｈ和１２ ２４ｈ预报时效暴雨修正值均不足４０ｍｍ．综上，总体来看，江西省２０１７年６月降水集中期ＥＣＭＷＦ的２４ｈ内１２ｈ间隔的１０ｍｍ及以下量级的降水预报普遍偏大，２５ｍｍ及以上量级的降水预报普遍偏小．但是，九江市沿江地区和景德镇的各量级降水预报较为接近实况，预报效果较好．２ ３㊀修正前后各检验指标的变化２ ３ １㊀６个预报时次各指标平均值在试验期间（２０１７年６月１９—２７日）的日变化㊀㊀气象部门对降水预报效果的评判一般用ＴＳ评分㊁命中率（ＰｏＤ）㊁空报率（ＦＡＲ）和漏报率（ＰＯ）等指标．下面对ＥＣＭＷＦ的各量级降水预报进行动态修正后的各指标日变化进行对比，为了更好地展示总体预报效果，用的是全省９１站的平均值（图５ ８）．分析发现，在试验期间（２０１７年６月１９ ２７日），对于１２ｈ１ｍｍ和５０ｍｍ的降水等级，ＥＣＭＷＦ７２ｈ内的６个预报时效平均ＴＳ在修正后均有不同程度的提升（图５）．其中，在试验第７天（２０１７年７月２５日），１２ｈ１ｍｍ和５０ｍｍ等级的降水ＴＳ分别提升了０ ０２２和０ ０１５，而１０ｍｍ降水的ＴＳ提升不明显，对２５ｍｍ的降水更出现了修正后不如修正前的结果，可见，基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法在实践中应权衡利弊使用，弱降水（１ｍｍ）和暴雨量级降水（５０ｍｍ）可多参考本降水预报订正法，有助于提升晴雨预报和灾害性降水的预报服务质量．预报业务中对于命中率㊁空报率和漏报率也能５３２学报（自然科学版），２０２１，１３（２）：２３３⁃２４１ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１图３㊀２０１７年６月２４日（试验第６天）０ １２ｈ预报时效各量级降水的降水订正值（ｍｍ）Ｆｉｇ ３㊀Ｔｈｅｃｏｒｒｅｃｔｅｄｒａｉｎｆａｌｌｖａｌｕｅ（ｕｎｉｔ：ｍｍ）ｏｆｄｉｆｆｅｒｅｎｔｐｒｅｃｉｐｉｔａｔｉｏｎｌｅｖｅｌｓｉｎｔｈｅ０－１２ｈｆｏｒｅｃａｓｔｔｉｍｅｏｎＪｕｎｅ２４，２０１７（ｔｈｅｓｉｘｔｈｄａｙｏｆｔｈｅｅｘｐｅｒｉｍｅｎｔ）一定程度反映预报水平．大雨㊁暴雨量级降水的命中率在修正后有所提升（图６），可见本订正法可以根据近期预报与实况较好地调整降水中心强度；而小雨㊁中雨量级的降水的空报率在修正后有明显降低（图７）．这也是由于小雨和中雨的修正值比原值大，ＥＣＭＷＦ模式空报了部分小量级降水；大雨和暴雨的修正值比原值小，大雨㊁暴雨量级的降水的漏报率在修正后有明显提升（图８），说明ＥＣＭＷＦ模式对暴雨中心和量级的预报能力有待提升．对于防灾减灾而言，大量级降水的漏报能直接影响群众生命财产安全，降低大量级降水的漏报率并且提升其命中率十分重要．基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法在本次试验中明显降低了大雨和暴雨的漏报率且提升了命中率，应用效果较好．２ ３ ２㊀试验期间不同预报时效修正后平均ＴＳ增幅一般而言，预报时效越短，预报效果越好：０ １２ｈ降水预报时效的预报效果比１２ ２４ｈ降水预报的预报效果更好，ＴＳ评分等检验评分越高，以此类推．因此，有必要从不同的预报时效着手，查看修正前后检验指标的变化．图９为不同预报时效在试验期间（共９ｄ）修正后平均ＴＳ增幅，可见，对于２４ｈ以内的降水预报，除了２５ｍｍ量级的降水预报ＴＳ评分修正后为负技巧（即修正后ＴＳ增幅＜０）外，其他量级的降水均为正技巧，其中，０ １２ｈ订正效果最好的为１ｍｍ的降水量级，增幅为０ ０２８，其次为１０ｍｍ的降水量级和５０ｍｍ的降水量级，ＴＳ平均增幅分别为０ ００６和６３２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．图４㊀２０１７年６月２４日（试验第６天）１２ ２４ｈ预报时效各量级降水的降水订正值（ｍｍ）Ｆｉｇ．４Ｔｈｅｃｏｒｒｅｃｔｅｄｒａｉｎｆａｌｌｖａｌｕｅ（ｕｎｉｔ：ｍｍ）ｏｆｄｉｆｆｅｒｅｎｔｐｒｅｃｉｐｉｔａｔｉｏｎｌｅｖｅｌｓｉｎｔｈｅ１２－２４ｈｆｏｒｅｃａｓｔｔｉｍｅｏｎＪｕｎｅ２４，２０１７（ｔｈｅｓｉｘｔｈｄａｙ图５㊀江西省所有站点平均ＴＳ修正前后变化情况（７２ｈ内所有预报时效平均）（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）Ｆｉｇ ５㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＴＳｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７（ａｖｅｒａｇｅＴＳｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）７３２学报（自然科学版），２０２１，１３（２）：２３３⁃２４１ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１图６㊀６个预报时次江西省所有站点平均命中率（ＰｏＤ）修正前后变化情况（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）Ｆｉｇ ６㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＰｏＤｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７（ａｖｅｒａｇｅＰｏＤｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）图７㊀６个预报时次江西省所有站点平均空报率（ＦＡＲ）修正前后变化情况（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）Ｆｉｇ ７㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＦＡＲｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７（ａｖｅｒａｇｅＦＡＲｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）０ ００４；１２ ２４ｈ订正效果最好的仍是１ｍｍ的降水量级，ＴＳ平均增幅为０ ０２３．此后，随着预报时效的不断延长，不同量级降水的订正效果均有不同程度的降低，但１和５０ｍｍ量级的降水预报订正效果一直维持正技巧，即对于小量级降水（晴雨）以及大量级降水（暴雨）的预报，基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法有着良好的订正技巧．ＴＳ评分平均值修正后出现负技巧（２５ｍｍ量级的降水预报居多）的原因可能是：试验前期１００ｄ带入概率匹配的样本数太少，影响了订正结果的准确性，如果样本数太多，则会削弱对最近模式误差的订正效果．ＥＣＷＭＦ对本次试验降水落区预报不准，也能导致预报ＴＳ评分微弱提升甚至降低．８３２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．图８㊀６个预报时次江西省所有站点平均漏报率（ＰＯ）修正前后变化情况（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）Ｆｉｇ ８㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＰＯｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７（ａｖｅｒａｇｅＰＯｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）图９㊀试验期间（共９ｄ）修正后平均ＴＳ增幅Ｆｉｇ ９㊀ＴｈｅｉｎｃｒｅａｓｅｏｆａｖｅｒａｇｅＴＳａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｄｕｒｉｎｇｔｈｅｅｘｐｅｒｉｍｅｎｔ（９ｄ）３ 结论与讨论为提高数值预报降水预报的准确率，本文利用欧洲中心高分辨率数值预报（ＥＣＭＷＦ）每日２次的１２ｈ间隔降水格点预报资料和江西省国家级气象观测站实况降水量进行概率匹配，选取Ｇａｍｍａ累积概率分布函数用于拟合预报与观测的降水累积概率，并在业务中根据近期（１００ｄ）模式预报调整及误差不断更新各量级降水修正值，通过在２０１７年６月底江西省一次降水集中期的应用试验，得到以下结论：１）江西省２０１７年６月降水集中期ＥＣＭＷＦ的２４ｈ内１２ｈ间隔的１０ｍｍ及以下量级的降水预报普遍偏大，２５ｍｍ及以上量级的降水预报普遍偏小；从江西区域分布来看，九江市沿江地区和景德镇的各量级降水预报较为接近实况，预报效果较好．２）基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法在实践中应权衡利弊使用：本降水预报订正法能提高小雨和暴雨的ＴＳ评分㊁降低暴雨的漏报率且提升其命中率，但对大雨及部分中雨的订正效果不佳．对于防灾减灾而言，暴雨的漏报会直接威胁群众生命财产安全，降低暴雨的漏报率并提升其命中率十分重要，就此而言，本次降水预报订正试验获得了较好的效果．本文为数值预报产品的解释应用提供了一种方法，可以动态订正模式降水预报（尤其是致灾性暴雨）．但是，应用试验中大雨及部分中雨的预报的订正效果不佳，可能原因是：本文选择预报时前１００ｄ每天２次的预报与实况降水数据进行概率匹配，如果带入概率匹配相应降水量级的数据样本数太少，会使得本次试验不能很好拟合Ｇａｍｍａ概率分布函数，影响订正结果的准确性，如果样本数太多，则会削弱对最近模式误差的订正效果．ＥＣＷＭＦ对本次试验降水落区预报不准，也能导致预报ＴＳ评分微弱提升甚至降低．另外，本文采用的是Ｇａｍｍａ分布函数来拟合预报与观测的降水累积概率，在以后的工作中，亦可尝试采用其他分布函数（如ＧＥＶ㊁ＧＮＯ㊁ＧＬＯ㊁Ｋａｐｐａ等）来拟合，并比较其优劣．９３２学报（自然科学版），２０２１，１３（２）：２３３⁃２４１ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１参考文献Ｒｅｆｅｒｅｎｃｅｓ［１］㊀潘留杰，张宏芳，朱伟军，等．ＥＣＭＷＦ模式对东北半球气象要素场预报能力的检验［Ｊ］．气候与环境研究，２０１３，１８（１）：１１２⁃１２３ＰＡＮＬｉｕｊｉｅ，ＺＨＡＮＧＨｏｎｇｆａｎｇ，ＺＨＵＷｅｉｊｕｎ，ｅｔａｌ．ＦｏｒｅｃａｓｔｐｅｒｆｏｒｍａｎｃｅｖｅｒｉｆｉｃａｔｉｏｎｏｆｔｈｅＥＣＭＷＦｍｏｄｅｌｏｖｅｒｔｈｅｎｏｒｔｈｅａｓｔｈｅｍｉｓｐｈｅｒｅ［Ｊ］．ＣｌｉｍａｔｉｃａｎｄＥｎｖｉｒｏｎ⁃ｍｅｎｔａｌＲｅｓｅａｒｃｈ，２０１３，１８（１）：１１１⁃１２３［２］㊀陈海山，孙照渤．陆面模式ＣＬＳＭ的设计及性能检验Ⅱ：模式检验［Ｊ］．大气科学，２００５，２９（２）：２７２⁃２８２ＣＨＥＮＨａｉｓｈａｎ，ＳＵＮＺｈａｏｂｏ．ＤｅｓｉｇｎｏｆａＣｏｍｐｒｅｈｅｎｓｉｖｅＬａｎｄＳｕｒｆａｃｅＭｏｄｅｌａｎｄｉｔｓｖａｌｉｄａｔｉｏｎｐａｒｔⅡ：ｍｏｄｅｌｖａｌ⁃ｉｄａｔｉｏｎ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｔｍｏｓｐｈｅｒｉｃＳｃｉｅｎｃｅｓ，２００５，２９（２）：２７２⁃２８２［３］㊀潘留杰，张宏芳，王建鹏．数值天气预报检验方法研究进展［Ｊ］．地球科学进展，２０１４，２９（３）：３２７⁃３３５ＰＡＮＬｉｕｊｉｅ，ＺＨＡＮＧＨｏｎｇｆａｎｇ，ＷＡＮＧＪｉａｎｐｅｎｇ．Ｐｒｏｇｒｅｓｓｏｎｖｅｒｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓｏｆｎｕｍｅｒｉｃａｌｗｅａｔｈｅｒｐｒｅｄｉｃｔｉｏｎ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＥａｒｔｈＳｃｉｅｎｃｅ，２０１４，２９（３）：３２７⁃３３５［４］㊀张强，熊安元，张金艳，等．晴雨（雪）和气温预报评分方法的初步研究［Ｊ］．应用气象学报，２００９，２０（６）：６９２⁃６９８ＺＨＡＮＧＱｉａｎｇ，ＸＩＯＮＧＡｎｙｕａｎ，ＺＨＡＮＧＪｉｎｙａｎ，ｅｔａｌ．Ｐｒｅｌｉｍｉｎａｒｙｓｔｕｄｙｏｎｔｈｅｓｃｏｒｉｎｇｍｅｔｈｏｄｓｏｆｃｌｏｕｄ⁃ｆｒｅｅｒａｉｎｆａｌｌ／ｓｎｏｗｆａｌｌａｎｄａｉｒｔｅｍｐｅｒａｔｕｒｅｆｏｒｅｃａｓｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＭｅｔｅｏｒｏｌｏｇｉｃａｌＳｃｉｅｎｃｅ，２００９，２０（６）：６９２⁃６９８［５］㊀刘建国，谢正辉，赵琳娜，等．基于ＴＵＧＧＥ多模式集合的２４小时气温ＢＭＡ概率预报［Ｊ］．大气科学，２０１３，３７（１）：４３⁃５３ＬＩＵＪｉａｎｇｕｏ，ＸＩＥＺｈｅｎｇｈｕｉ，ＺＨＡＯＬｉｎｎａ，ｅｔａｌ．ＢＭＡｐｒｏｂａｂｉｌｉｓｔｉｃｆｏｒｅｃａｓｔｉｎｇｆｏｒｔｈｅ２４⁃ｈＴＩＧＧＥｍｕｌｔｉ⁃ｍｏｄｅｌｅｎｓｅｍｂｌｅｆｏｒｅｃａｓｔｓｏｆｓｕｒｆａｃｅａｉｒｔｅｍｐｅｒａｔｕｒｅ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｔｍｏｓｐｈｅｒｉｃＳｃｉｅｎｃｅｓ，２０１３，３７（１）：４３⁃５３［６］㊀刘维，刘宇迪，赵世梅．二十面体网格和经纬网格全球模式在中国区域模拟效果对比［Ｊ］．南京信息工程大学学报（自然科学版），２０１６，８（２）：１４６⁃１５１ＬＩＵＷｅｉ，ＬＩＵＹｕｄｉ，ＺＨＡＯＳｈｉｍｅｉ．Ｇｌｏｂａｌｍｏｄｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｉｃｏｓａｈｅｄｒｏｎｓｐｈｅｒ⁃ｉｃａｌｍｅｓｈａｎｄｌａｔｉｔｕｄｅ⁃ｌｏｎｇｉｔｕｄｅｍｅｓｈｉｎＣｈｉｎａ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０１６，８（２）：１４６⁃１５１［７］㊀李勇．２００７年６ ８月Ｔ２１３与ＥＣＭＷＦ及日本模式中期预报性能检验［Ｊ］．气象，２００７，３３（１１）：９３⁃１００ＬＩＹｏｎｇ．Ｖｅｒｉｆｉｃａｔｉｏｎｏｆｔｈｅｍｅｄｉｕｍ⁃ｒａｎｇｅｆｏｒｅｃａｓｔｅｆｆｉ⁃ｃｉｅｎｃｙｏｆＴ２１３ａｎｄＥＣＭＷＦａｎｄＪＡＰＡＮｍｏｄｅｌｆｒｏｍＪｕｎｅｔｏＡｕｇｕｓｔ２００７［Ｊ］．ＭｅｔｅｏｒｏｌｏｇｉｃａｌＭｏｎｔｈｌｙ，２００７，３３（１１）：９３⁃１００［８］㊀张宏芳，潘留杰，杨新．ＥＣＭＷＦ㊁日本高分辨率模式降水预报能力的对比分析［Ｊ］．气象，２０１４，４０（４）：４２４⁃４３２ＺＨＡＮＧＨｏｎｇｆａｎｇ，ＰＡＮＬｉｕｊｉｅ，ＹＡＮＧＸｉｎ．ＣｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｆｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇｃａｐａｂｉｌｉｔｉｅｓｏｆＥＣＭＷＦａｎｄＪａｐａｎｈｉｇｈ⁃ｒｅｓｏｌｕｔｉｏｎｍｏｄｅｌｓ［Ｊ］．Ｍｅｔｅｏｒｏ⁃ｌｏｇｉｃａｌＭｏｎｔｈｌｙ，２０１４，４０（４）：４２４⁃４３２［９］㊀陆如华，何于班．卡尔曼滤波方法在天气预报中的应用［Ｊ］．气象，１９９４，９，２０（９）：４１⁃４６ＬＵＲｕｈｕａ，ＨＥＹｕｂａｎ．ＴｈｅａｐｐｌｉｃａｔｉｏｎｏｆＫａｌｍａｎｆｉｌｔｅｒｉｎｗｅａｔｈｅｒｆｏｒｅｃａｓｔｓ［Ｊ］．ＭｅｔｅｏｒｏｌｏｇｉｃａｌＭｏｎｔｈｌｙ，１９９４，９，２０（９）：４１⁃４６［１０］㊀赵声蓉，曹晓钟．神经元网络的降水预报：暴雨落区预报实用方法［Ｍ］．北京：气象出版社，２０００：１３７⁃１３９ＺＨＡＯＳｈｅｎｒｏｎｇ，ＣＡＯＸｉａｏｚｈｏｎｇ．Ｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ：ｐｒａｃｔｉｃａｌｍｅｔｈｏｄｓｆｏｒｆｏｒｅｃａｓｔｉｎｇｒａｉｎｓｔｏｒｍａｒｅａ［Ｍ］．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＭｅｔｅｏｒｏｌｏｇｉｃａｌＰｒｅｓｓ，２０００：１３７⁃１３９［１１］㊀刘还珠，赵声蓉，陆志善，等．国家气象中心气象要素的客观预报：ＭＯＳ系统［Ｊ］．应用气象学报，２００４，１５（２）：１８１⁃１９１ＬＩＵＨｕａｎｚｈｕ，ＺＨＡＯＳｈｅｎｒｏｎｇ，ＬＵＺｈｉｓｈａｎ．ｅｔａｌ．ＯｂｊｅｃｔｉｖｅｅｌｅｍｅｎｔｆｏｒｅｃａｓｔｓａｔＮＭＣ⁃ＭＯＳｓｙｓｔｅｍ［Ｊ］．ＱｕａｒｔｅｒｌｙＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＭｅｔｅｏｒｏｌｏｇｙ，２００４，１５（２）：１８１⁃１９１［１２］㊀刘琳，陈静，程龙，等．基于集合预报的中国极端强降水预报方法研究［Ｊ］．气象学报，２０１３，７１（５）：８５４⁃８６６ＬＩＵＬｉｎ，ＣＨＥＮＪｉｎｇ，ＣＨＥＮＬｏｎｇ，ｅｔａｌ．Ｓｔｕｄｙｏｆｔｈｅｅｎ⁃ｓｅｍｂｌｅ⁃ｂａｓｅｄｆｏｒｅｃａｓｔｏｆｅｘｔｒｅｍｅｌｙｈｅａｖｙｒａｉｎｆａｌｌｓｉｎＣｈｉ⁃ｎａ：ｅｘｐｅｒｉｍｅｎｔｓｆｏｒＪｕｌｙ２０１１ｃａｓｅｓ［Ｊ］．ＡｃｔａＭｅｔｅｏｒｏｌｏｇｉｃａＳｉｎｉｃａ，２０１３，７１（５）：８５３⁃８６６［１３］㊀吴木贵，江彩英，张信华，等．交叉熵神经网络及其在闽北大雨以上降水预报中的应用［Ｊ］．南京信息工程大学学报（自然科学版），２０１２，４（３）：２２０⁃２２５ＷＵＭｕｇｕｉ，ＪＩＡＮＧＣａｉｙｉｎｇ，ＺＨＡＮＧＸｉｎｈｕａ，ｅｔａｌ．Ａｐｐｌｉ⁃ｃａｔｉｏｎｏｆＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｕｓｉｎｇｃｒｏｓｓ⁃ｅｎｔｒｏｐｙｔｏ９６ｈｏｕｒｓｆｏｒｅｃａｓｔｏｆｈｅａｖｙｐｒｅｃｉｐｉｔａｔｉｏｎｅｖｅｎｔｉｎｎｏｒｔｈｅｒｎＦｕｊｉａｎｐｒｏｖｉｎｃｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎ⁃ｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉ⁃ｔｉｏｎ），２０１２，４（３）：２２０⁃２２５［１４］㊀周迪，陈静，陈朝平，等．暴雨集合预报⁃观测概率匹配订正法在四川盆地的应用研究［Ｊ］．暴雨灾害，２０１５，３４（２）：９７⁃１０４ＺＨＯＵＤｉ，ＣＨＥＮＪｉｎｇ，ＣＨＥＮＣｈａｏｐｉｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎｒｅｓｅａｒｃｈｏｎｈｅａｖｙｒａｉｎｆａｌｌｃａｌｉｂｒａｔｉｏｎｂａｓｅｄｏｎｅｎｓｅｍｂｌｅｆｏｒｅｃａｓｔｖｓ．ｏｂｓｅｒｖｅｄｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｍｅｔｈｏｄｉｎｔｈｅＳｉｃｈｕａｎｂａｓｉｎ［Ｊ］．ＴｏｒｒｅｎｔｉａｌＲａｉｎａｎｄＤｉｓ⁃ａｓｔｅｒｓ，２０１５，３４（２）：９７⁃１０４［１５］㊀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⁃５８８ＬＩＪｕｎ，ＤＵＪｕｎ，ＣＨＥＮＣｈａｏｊｕｎ．Ｉｎｔｒｏｄｕｃｔｉｏｎａｎｄａｎａｌｙｓｉｓｔｏｆｒｅｑｕｅｎｃｙｏｒａｒｅａｍａｔｃｈｉｎｇｍｅｔｈｏｄａｐｐｌｉｅｄｔｏｐｒｅｃｉｐｉ⁃ｔａｔｉｏｎｆｏｒｅｃａｓｔｂｉａｓｃｏｒｒｅｃｔｉｏｎ［Ｊ］．ＭｅｔｅｏｒｏｌｏｇｉｃａｌＭｏｎｔｈｌｙ，２０１４，４０（５）：５８０⁃５８８［１６］㊀郭达烽，陈翔翔，段明铿．预报⁃观测概率匹配法在降水预报业务中的应用［Ｊ］．中国农学通报，２０１７，３３（３２）：１００⁃１０７ＧＵＯＤａｆｅｎｇ，ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ＤＵＡＮＭｉｎｇｋｅｎｇ．Ａｐｐｌｉ⁃ｃａｔｉｏｎｒｅｓｅａｒｃｈｏｆｍｅｔｈｏｄｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇ［Ｊ］．ＣｈｉｎｅｓｅＡｇｒｉ⁃ｃｕｌｔｕｒａｌＳｃｉｅｎｃｅＢｕｌｌｅｔｉｎ，２０１７，３３（３２）：１００⁃１０７［１７］㊀赵琳娜，梁莉，王成鑫，等．基于贝叶斯模型平均的集合降水预报偏差订正［Ｃ］ʊ第２８届中国气象学会年０４２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．会，Ｓ３灾害天气研究与预报．厦门，２０１１：１⁃１３ＺＨＡＯＬｉｎｎａ，ＬＩＡＮＧＬｉ，ＷＡＮＧＣｈｅｎｘｉｎ，ｅｔａｌ．Ｅｒｒｏｒｃｏｒｒｅｃｔｉｏｎｏｆｃｏｌｌｅｃｔｉｖｅｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｂａｓｅｄｏｎｂａｙｅｓｉａｎｍｏｄｅｌａｖｅｒａｇｅ［Ｃ］ʊ２８ｔｈＣｈｉｎａＭｅｔｅｏｒｏｌｏｇｉｃａｌＳｏｃｉｅｔｙＡｎｎｕａｌＭｅｅｔｉｎｇ．Ｓ３ＲｅｓｅａｒｃｈａｎｄＦｏｒｅｃａｓｔｏｆＤｉｓ⁃ａｓｔｒｏｕｓＷｅａｔｈｅｒ．Ｘｉａｍｅｎ，２０１１：１⁃１３［１８］㊀梁莉，赵琳娜，巩远发，等．夏季淮河流域雨日降水概率的空间分布分析［Ｃ］ʊ中国水利学会．２０１０学术年会论文集（上册），２０１０ＬＩＡＮＧＬｉ，ＺＨＡＯＬｉｎｎａ，ＧＯＮＧＹｕａｎｆａ，ｅｔａｌ．Ｓｐａｔｉａｌｄｉｓ⁃ｔｒｉｂｕｔｉｏｎａｎａｌｙｓｉｓｏｆｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｉｎＨｕａｉｈｅＲｉｖｅｒｂａｓｉｎｉｎｓｕｍｍｅｒｒａｉｎｄａｙ［Ｃ］ʊＣｈｉｎｅｓｅＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇＳｏｃｉｅｔｙ．Ｐａｐｅｒｓｏｆｔｈｅ２０１０ＡｎｎｕａｌＡｃａｄｅｍｉｃＣｏｎｆｅｒｅｎｃｅ（Ｖｏｌｕｍｅ１），２０１０［１９］㊀ＨｕｓａｋＧＪ，ＭｉｃｈａｅｌｓｅｎＪ，ＦｕｎｋＣ．Ｕｓｅｏｆｔｈｅｇａｍｍａｄｉｓ⁃ｔｒｉｂｕｔｉｏｎｔｏｒｅｐｒｅｓｅｎｔｍｏｎｔｈｌｙｒａｉｎｆａｌｌｉｎＡｆｒｉｃａｆｏｒｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｌｉｍａｔｏｌｏｇｙ，２００７，２７（７）：９３５⁃９４４［２０］㊀ＨａｍｉｌｌＴＭ，ＣｏｌｕｃｃｉＳＪ．ＥｖａｌｕａｔｉｏｎｏｆＥｔａ⁃ＲＳＭｅｎｓｅｍｂｌｅｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｓ［Ｊ］．ＭｏｎｔｈｌｙＷｅａｔｈｅｒＲｅｖｉｅｗ，１９９８，１２６（３）：７１１⁃７２４［２１］㊀ＷｏｏｌｈｉｓｅｒＤＡ．Ｍｏｄｅｌｉｎｇｄａｉｌｙｐｒｅｃｉｐｉｔａｔｉｏｎ⁃ｐｒｏｃｅｓｓａｎｄｐｒｏｂｌｅｍｓ［Ｍ］．ＳｔａｔｉｓｔｉｃｓｉｎｔｈｅＥｎｖｉｒｏｎｍｅｎｔａｌ＆ＥａｒｔｈＳｃｉｅｎｃｅｓ，Ｌｏｎｄｏｎ：ＧｕｔｔｏｒｐＰＨａｌｓｔｅｄＰｒｅｓｓ，１９９２：７１⁃８９［２２］㊀王斌，付强，王敏．几种模拟逐日降水的分布函数比较分析［Ｊ］．数学的实践与认识，２０１１，４１（９）：１２８⁃１３３ＷＡＮＧＢｉｎ，ＦＵＱｉａｎｇ，ＷＡＮＧＭｉｎ．Ｃｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｎｔｈｒｅｅｄｉｓｔｒｉｂｕｔｉｏｎｆｕｎｃｔｉｏｎｓｓｉｍｕｌａｔｉｎｇｄａｉｌｙｒａｉｎｆａｌｌ［Ｊ］．ＭａｔｈｅｍａｔｉｃｓｉｎＰｒａｃｔｉｃｅａｎｄＴｈｅｏｒｙ，２０１１，４１（９）：１２８⁃１３３［２３］㊀吴洪宝，王盘兴，林开平．广西６㊁７月份若干日内最大日降水量的概率分布［Ｊ］．热带气象学报，２００４，２０（５）：５８６⁃５９２ＷＵＨｏｎｇｂａｏ，ＷＡＮＧＰａｎｘｉｎｇ，ＬＩＮＫａｉｐｉｎｇ．ＰｒｏｂａｂｉｌｉｔｙｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｍａｘｉｍｕｍａｍｏｕｎｔｏｆｄａｉｌｙｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｃｅｒｔａｉｎｄａｙｓｉｎＪｕｎｅａｎｄＪｕｌｙｆｏｒＧｕａｎｇｘｉ［Ｊ］．ＪｏｕｒｎａｌｏｆＴｒｏｐｉｃａｌＭｅｔｅｏｒｏｌｏｇｙ，２００４，２０（５）：５８６⁃５９２Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅＣＨＥＮＸｉａｎｇｘｉａｎｇ１㊀ＧＵＯＤａｆｅｎｇ１１ＪｉａｎｇｘｉＭｅｔｅｏｒｏｌｏｇｉｃａｌＯｂｓｅｒｖａｔｏｒｙ，Ｎａｎｃｈａｎｇ㊀３３００００Ａｂｓｔｒａｃｔ㊀Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｎｕｍｅｒｉｃａｌｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇ，ｆｏｒｅｃａｓｔｄａｔａｆｒｏｍｔｈｅＥｕｒｏｐｅａｎＣｅｎｔｒｅｆｏｒＭｅｄｉｕｍ⁃ｒａｎｇｅＷｅａｔｈｅｒＦｏｒｅｃａｓｔｓ（ＥＣＭＷＦ）ａｎｄＪｉａｎｇｘｉｍｅｔｅｏｒｏｌｏｇｉｃａｌｏｂｓｅｒｖａｔｉｏｎｓｔａｔｉｏｎｓｗｅｒｅｕｓｅｄｉｎｔｈｉｓｓｔｕｄｙ．Ａｇａｍｍａｆｕｎｃｔｉｏｎｗａｓｕｓｅｄｔｏｓｉｍｕｌａｔｅｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｃｕｍｕｌａｔｉｖｅｐｒｏｂａｂｉｌｉｔｙｏｆｐｒｅｄｉｃｔｉｏｎａｎｄｏｂｓｅｒｖａ⁃ｔｉｏｎ．ＴｈｅｍｅｔｈｏｄｗａｓｔｅｓｔｅｄｆｏｒａｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｉｎ２０１７．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅＥＣＭＷＦｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｃｔｉｏｎｍｅｔｈｏｄｐｒｏｖｉｄｅｓｔｈｅｌａｔｅｓｔｒｅａｌ⁃ｔｉｍｅｆｏｒｅｃａｓｔｓａｎｄｏｂｓｅｒｖａｔｉｏｎｓｆｏｒｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇ，ａｎｄｕｐｄａｔｅｓｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｒｒｅｃｔｉｏｎｖａｌｕｅｓｏｆａｌｌｇｒａｄｅｓａｕｔｏｍａｔｉｃａｌｌｙａｃｃｏｒｄｉｎｇｔｏｔｈｅｐｒｅｄｉｃｔｉｏｎａｄｊｕｓｔｍｅｎｔａｎｄｅｒｒｏｒｏｆｔｈｅｒｅｃｅｎｔｍｏｄｅｌ．ＩｔｉｓｆｏｕｎｄｔｈａｔｔｈｅＥＣＭＷＦ ｓｄａｉ⁃ｌｙ１２ｈｉｎｔｅｒｖａｌｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｓｇｅｎｅｒａｌｌｙｌａｒｇｅｒｆｏｒｐｒｅｃｉｐｉｔａｔｉｏｎ１０ｍｍａｎｄｂｅｌｏｗ，ａｎｄｓｍａｌｌｅｒｆｏｒｐｒｅｃｉｐｉ⁃ｔａｔｉｏｎ２５ｍｍａｎｄａｂｏｖｅ．ＴｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｔｈｅＪｉｕｊｉａｎｇａｒｅａａｌｏｎｇｔｈｅＹａｎｇｔｚｅＲｉｖｅｒａｎｄＪｉｎｇｄｅｚｈｅｎｉｓｃｌｏｓｅｔｏａｃｔｕａｌｃｏｎｄｉｔｉｏｎｓ．Ｔｈｉｓｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇｍｅｔｈｏｄｃａｎｉｍｐｒｏｖｅｔｈｅｔｈｒｅａｔｓｃｏｒｅｏｆｌｉｇｈｔａｎｄｈｅａｖｙｒａｉｎ，ｒｅｄｕｃｅｓｔｈｅＰＯｏｆｈｅａｖｙｒａｉｎ，ａｎｄｉｎｃｒｅａｓｅｓｉｔｓＰＯＤ．Ｈｏｗｅｖｅｒ，ｔｈｅｃｏｒｒｅｃｔｉｏｎｅｆｆｅｃｔｏｆｈｅａｖｙｒａｉｎａｎｄｓｏｍｅｍｏｄｅｒａｔｅｒａｉｎｉｓｎｏｔｇｏｏｄ；ｈｅｎｃｅ，ｔｈｅａｄｖａｎｔａｇｅｓａｎｄｄｉｓａｄｖａｎｔａｇｅｓｓｈｏｕｌｄｂｅｃｏｎｓｉｄｅｒｅｄｉｎｐｒａｃｔｉｃｅ．Ｋｅｙｗｏｒｄｓ㊀ｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔ；ｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇ；ｄｙｎａｍｉｃｃｏｒｒｅｃｔｉｏｎ１４２学报（自然科学版），２０２１，１３（２）：２３３⁃２４１ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｓ Ｎ 系统雷达定 量 降水 估测产 品在江 西的应用 ＷＡ
李 俊 ， 支树林 ，郭 艳 ，张 瑛 ，盛 志军 ，洪浩源 ，王 欢
江 西 省 气 象 台 ，江 西 南 昌 ３ ０ ４ ３０６
摘
要： 利用 Ｓ Ｎ１ ＷＡ ． ０系统对江 西省 ２ １ ０ ０年 １ ７ 的 ２ 降水过程进行反 算。 — 月 ５次 结果表 明 ， 雷达定量 降水估测
（ Ｐ 产 品在 江西省 的主 汛期 （— ７月 ） Ｑ Ｅ） ４ 应用 效果要 好于非 主汛期 ， Ｐ Ｑ Ｅ产 品 的 １ｈ雨量值 比实 际观测值 要小 ， 偏差 大约 ２ ％； ３块小 流域 的 Ｑ Ｅ检验 ， 中 ２块 小流域 的 Ｑ Ｅ产 品误差 与全省 范 围的误差差 别很 小 ， Ｐ ０ 对 Ｐ 其 Ｐ ＱＥ 对小流域短 时中阵雨 以上 量级的降水具有较 高可靠性 。依 据检验工作 的结 果 ， 开发出 的 Ｑ Ｅ修 正产 品可 以作为 Ｐ 江西省短 时临近天气预报 业务使用 。
强对 流 天 气 进 行 有 效 监 测 、报警 和 短 时 临 近 预 报 （ ） １ｈ ，同时 兼顾 一 些 常 规 灾 害性 天 气 现象 的实 时 监测 和报 警 。 江西 省气 象 台在 ２１ ００年 ６月 ， 将 Ｓ Ｎ１ ＷＡ ． 统 投入 业 务 使 用 ，其 雷 达 定 量 降水 估 ０系 测 （ Ｐ 产 品 对 于 强 降 水 的监 测 与 预 警 有 重 要 的 Ｑ Ｅ） 指导作用。 江 西 省 的短 临预 报 业 务 已开 展 多 年 ，在 利 用 Ｓ Ｓ Ａ、Ｃ型 多普 勒 天 气 雷达 预报 和监 测 强 对 流 方 面
作者 简介 ：李俊 （９ ４ ）男 ， １ ８一 ， 工程师 ， 士 ， 硕 主要从事 短时预报业务 与研究 ． － ａｌｌ ｊｎ ｃｍ ｉａｃｎ Ｅ ｍ ｉ： ｕ ｏ ＠ｓｎ ． ｉ ｏ
关 键 词 ： ＷＡ 系 统 ， Ｐ 效 果 检 验 。 Ｓ Ｎ Ｑ Ｅ， 中 图分 类 号 ： ４ ６６ Ｐ ２． 文 献标 识 码 ：Ｂ 文 章 编 号 ：０ ７ ９ ３ （０ ２ ０ — ０ １ ０ １０ — ０ ３ ２ １ ）２ ０ ６ — ６
由于 Ｓ ＷＡＮ系 统 投 入 业 务 应 用 的 时 间 较 短 ，
（Ｐ ） Ｑ Ｅ 产品的应用效果进行检验 ， 并结合江西省 的 业 务 实 际 ， 该 产 品进 行 了改 进 ， 对 以改 善 雷 达 定 量 降水估测 中存在 的短时强降水估计值偏低的问题 ， 为 更 好 地 利 用 Ｓ Ｎ系 统 对江 西 省 灾 害 性 天 气 进 ＷＡ
行 短 时 临近 天气 预 报 服务 提 供参 考 。
抚州地区降水进行过估算试验 ， 但是他们 的工作 针 对 区域 较 小 ， 检验 样 本 数 量 略有 不 足 ， 有 针 对 江 没 西全省范围进行估算 ， 也没有投入业务使用 。Ｑ Ｅ Ｐ
计 算 的基础 是 ， 系 １，ＷＡ 系统 的 Ｑ Ｅ产 品 关 ０Ｓ Ｎ ］ Ｐ 基 于 动 态 ， 系 进 行 计 算 ， 有 实 时 性 好 、 间 关 具 空
第３ ５卷第 ２期
２１ ６ ０ ２年 月
气 象 与 减 灾 研 究
ＭＥＴ ＲＯＬ Ｅ０ ＯＧＹ ＡＮＤ ＤＩ ＡＳ Ｅ Ｓ Ｔ Ｒ ＲＥＤＵＣ １ Ｎ ＲＥＳ Ｔ０ ＥＡＲＣ Ｈ
Ｖｏ ．５ １ Ｎｏ２ ３ ．
Ｊｎ ２ ２ ｕ ． ０１
李 俊 ， 树林 ， 支 郭艳 ， Ｓ Ｎ系统雷 达定 量降水估测产品在江西 的应用 ［ ］ 气象 与减 灾研究 ，０ ２ ３ （ ）６ — ６ 等． ＷＡ Ｊ． ２ １ ，５ ２ ： １６
做 了大量工作 ， 取得 了较好 的效果 ］雷达定量估 。
算 降水 ］是 近 几 年 江西 省 短 临 预 报 预 警 业 务 的 ，
一
个工作重点。 徐继延等 利用南 昌多普勒雷达对
出了其月分布 。 考虑到短临预报主要关注灾害性降
水 过 程 ， 别 是 江 西 省 的 短 时 强 降水 （ 特 １ｈ雨 量 大 于 ３ ０ｍｍ）选 取 的 ２ ， ５个 降 水 过 程 ， 出现 了单 日 均 中雨 量级 （０ｍｍ） ２ １ 的 ４ｈ累积 降水量 （８ ０ 时 ） ０— ８ 。 在 全省 范 围 内 的 降水 检 验 中 ，ＷＡ Ｓ Ｎ系 统个 例 反 算 所 用 到 的资 料 包 括 ： 昌 、 江 、 南 九 吉安 和 赣 州 ４ 部 多 普 勒雷 达 的 基数 据 ， 以及 江西 省加 密 自动气 象
ｌ 研 究所用 的资料
为 了对 Ｓ Ｎ系 统 的 Ｑ Ｅ产 品进 行 准 确 、 ＷＡ Ｐ 全
面 的评 估 ，首 先 选 取 了 ２ １ ００年 １ ７月 ２ 降 水 — ５个
过程共 计 １０ｄ的资料进行个 例反算 （—７月为 ３ ４
江 西 的 主汛 期 ， 一 般 西 太 平洋 副热 带 高 压 西伸 ８月 加强 ， 江西 省 因受 其 控 制 以晴 好 天气 为 主 ）图 １给 ，
分辨率高 、 贴近实况的优势… 。 ］
收 稿 日期 ：２ １ — ３ ２ ；修 订 日期 ：０ ２ ０ — ７ ０ ２０ —３ ２ １— ４ ２ ．
基金项 目 ： 中国气象局气 象新技术推 广项 目（ 编号 ： Ｍ Ｔ ２ １ ０ ） ｃ Ａ Ｇ Ｏ ０ ２ 子项 目“ ＷＡ ｚ Ｓ Ｎ系统 Ｑ Ｅ和 Ｑ Ｆ Ｐ Ｐ 模块 在江西 的应用 和效 果检验 ”
０ 引 言
Ｓ Ｎ系统是一套 国家级灾 害性 天气短时临 ＷＡ
近 预 报业 务 系 统 。该 系统 利 用 雷 达 、 自动 站 、 卫
目前 国 内对 于 该 系统 各 类 产 品 的检 验 和改 进 工 作 还 比较 缺 少 。文 中针 对 该 系统 雷 达 定 量 降水 估 测
星和数值 预报模式 等资料 ， 重点对短 时强降水 和