目录

研究背景与目标

研究方法

结果与讨论

结论

这篇论文研究了基于CMA-MESO模式的分级短时强降水概率预报方法。研究的核心目标是开发一种不同雨强等级的短时强降水（SHR）预报方法，满足日益精细化的预报需求，尤其是在极端天气预报方面。以下是论文的详细解读：

研究背景与目标

短时强降水（SHR）是对流天气中最常见且影响最大的天气现象之一，特别是在暴洪、城市排水系统受压等方面带来了严重的社会和经济影响。传统的20 mm/h以上降水预报已无法满足越来越精细化的业务需求，因此，本文提出了一种基于CMA-MESO（中国气象局中尺度模式）的分级短时强降水预报方法，研究不同降水强度等级（从20mm/h到80mm/h以上）的概率预报。

研究方法

1. 数据集建立：

   • 本研究选用了2016至2019年期间，来自中国南方9个省1个市的802个国家气象站和22,896个区域气象站的逐小时降水数据，以及同期CMA-MESO模式的初始场数据。
   • 根据降水强度（R），将数据分为四个等级：I级（20≤R＜30 mm·h^-1）、Ⅱ级（30≤R＜50 mm·h^-1）、Ⅲ级（50≤R＜80 mm·h^-1）和IV级（R≥80 mm·h^-1）。

2. 物理量分析与XGBoost模型：

   • 从CMA-MESO模式中提取了22个与强降水相关的物理量，应用XGBoost机器学习方法进行重要性排序，以确定这些物理量的权重系数。
   • 基于这些物理量，研究采用了连续概率预报方法，并选择升半岭函数和降半岭函数作为隶属函数，构建了不同等级的短时强降水概率预报模型。

3. 概率预报与实时检验：

   • 论文在2020年汛期的15次大暴雨过程中进行了实时应用，并对湖北省2020年6至8月的逐小时不同等级短时强降水概率预报产品进行了检验。
   • 结果表明，I级（20 mm·h^-1）概率预报在60%阈值下具有最佳的TS评分（0.145），命中率为55.7%；Ⅱ级概率预报在65%阈值下，最佳TS评分为0.083，命中率为39.1%；Ⅲ级概率预报在70%阈值下，最佳TS评分为0.03，命中率为21.7%；IV级概率预报在80%阈值下，最佳TS评分为0.005，命中率为5.8%。

结果与讨论

1. 不同雨强等级的物理量差异：

   • 通过统计不同等级短时强降水的物理量，发现随着降水强度的增加，低层露点温度（Td850、Td925）呈增加趋势，而中层露点温度（Td700）则呈下降趋势。这表明低层的水汽含量对强降水有正面贡献，而中层的水汽减小是降水强度增加的标志。
   • 不稳定性相关物理量如CAPE、BLI随着雨强的增加而增加，表明不稳定性增强时，降水强度也会更强。

2. 实时预报的性能：

   • 通过与CMA-MESO模式的对比检验，I级短时强降水概率预报产品在预报的命中率、空报率和TS评分方面都优于CMA-MESO模式。尤其在极端降水（R≥50 mm·h^-1）事件的预报中，模型显著提高了命中率并减少了漏报。

3. 预报时效与TS评分：

   • 对于I级预报，随着时效的增加，命中率从40%提升至80%，空报率下降，TS评分普遍较高，远超CMA-MESO模式。Ⅳ级降水的命中率较低，主要是因为极端强降水事件的样本数量较少，且模式的空间分辨率无法有效捕捉这些中小尺度的强降水。

结论

• 创新性与实用性：该研究提出的基于CMA-MESO模式的分级短时强降水概率预报方法在提高降水预报精度、减少漏报率和虚警率方面表现优秀，尤其对于不同降水强度的精细化预报有显著优势。
• 技术支撑与未来应用：该方法为实际业务预报提供了强有力的技术支撑，并能有效改进CMA-MESO模式的预报性能，具有较好的参考价值。

总结来说，本文通过对短时强降水的分级和概率化预报，提出了一种新型的预报方法，可以为气象业务部门提供更加精准的降水预报，并有效提高预报的实时性和准确性。