基于EC（0.25°×0.25°）模式預(yù)報資料和閃電定位資料,結(jié)合雷暴三要素形成條件,分別從水汽、能量、熱力、動力等幾個方面挑選預(yù)報因子,利用主成分分析方法配料權(quán)重系數(shù),并根據(jù)海拔高度將四川劃分為四川盆地、攀西地區(qū)、川西高原3個不同的區(qū)域分別建立預(yù)報模型,研發(fā)了四川省閃電格點概率預(yù)報產(chǎn)品。檢驗結(jié)果表明:四川盆地在概率預(yù)報值為70%以上時,預(yù)報效果較好,TS評分為0.294;攀西地區(qū)和川西高原在概率預(yù)報值為60%以上時,預(yù)報效果較好,TS評分分別為0.302和0.299。 

【文章來源】：氣象科技. 2020,48(06)

【文章頁數(shù)】：9 頁

【部分圖文】：

閃電格點化計算概念模型

由于四川地理位置海拔差異巨大的特殊性，在計算不同區(qū)域物理量的時候，則有所差別，其中：四川盆地（<1000 m）選擇計算海平面以上所有高度上的物理量，攀西地區(qū)（1500～3000 m）計算850hPa以上的物理量、川西高原（3000～5000m）計算600hPa以上的物理量，圖2給出了四川省不同區(qū)域海拔高度示意圖。為了保證樣本數(shù)據(jù)的可靠性和可分析性，對閃電格點樣本數(shù)據(jù)進行了再分析處理，通過計算閃電格點平均值、標準差以及不同的百分位數(shù)值，選擇將大于等于60%分位對應(yīng)的格點閃電數(shù)目作為盆地篩選EC預(yù)報參量的前提條件，川西高原和攀西地區(qū)選擇70%分位以上，即將格點閃電數(shù)分別大于等于6次、4次及3次對應(yīng)的EC預(yù)報參量作為3個區(qū)域的預(yù)報因子，同時，排除EC參量中的奇異值。最終四川盆地、攀西地區(qū)、川西高原分別得到了4666個、2518個、4023個樣本數(shù)據(jù)（表1）。

由于獲取最新的08:00或20:00起報的模式資料，至少需要6h左右的時間，導(dǎo)致模式的0～12h預(yù)報資料無法實時地用于產(chǎn)品計算，所以12～24h的預(yù)報結(jié)果即為產(chǎn)品的最新時次預(yù)報結(jié)果。由于EC模式資料時間分辨率為3h，產(chǎn)品的12h時效概率則是提取對應(yīng)時段內(nèi)逐3h預(yù)報結(jié)果的最大概率值，由于概率預(yù)報產(chǎn)品主要是一種潛在趨勢的預(yù)報結(jié)果，所以本文只給出了12h時效的預(yù)報結(jié)果。如圖3所示，給出了全省2019年6—9月所有12～24h預(yù)報結(jié)果的綜合檢驗情況，由圖3a和3b可以看出，無論是白天還是夜間，兩個時段的TS評分在60%以下概率均在0.290左右，且均在70%概率處開始下降，而從漏報率為0.474直接增加到0.767可以判斷是因為漏報數(shù)明顯增加造成該概率TS評分偏低的，但當(dāng)概率在70%～80%之間時，其空報率能控制在0.500以下。由于本文分區(qū)域進行了配料建模，而不同區(qū)域的建模參數(shù)截然不同，所以在產(chǎn)品概率預(yù)報效果上也有差異。根據(jù)產(chǎn)品的應(yīng)用反饋，發(fā)現(xiàn)川西高原和攀西地區(qū)由于海拔高度高且地貌復(fù)雜，午后隨著不穩(wěn)定能量增加，受地形抬升影響，容易發(fā)生閃電，而此時其他動力、水汽等條件可能并不是很充分，導(dǎo)致產(chǎn)品概率預(yù)報值偏低，容易出現(xiàn)漏報；四川盆地海拔低，盛夏季節(jié)不穩(wěn)定能量較高，濕度條件好，導(dǎo)致產(chǎn)品概率預(yù)報值偏高，容易出現(xiàn)空報。

【參考文獻】：
期刊論文
[1]低緯高原大氣不穩(wěn)定參數(shù)與雷電活動相關(guān)性[J]. 楊宗凱,殷嫻,胡穎,周清倩.  氣象科技. 2018(05)
[2]ADTD閃電定位網(wǎng)在北京地區(qū)定位效率的自評估[J]. 王志超,龐文靜,梁麗,許崇海,雷勇.  氣象科技. 2018(04)
[3]2017年12月至2018年2月T639、ECMWF及日本模式中期預(yù)報性能檢驗[J]. 張夏琨.  氣象. 2018(05)
[4]2017年9—11月T639、ECMWF及日本模式中期預(yù)報性能檢驗[J]. 尹姍,任宏昌.  氣象. 2018(02)
[5]基于EC025配料的短時強降水概率預(yù)報產(chǎn)品及應(yīng)用[J]. 陳永仁,康嵐,李躍清.  高原山地氣象研究. 2017(04)
[6]2017年6-8月T639、ECMWF及日本模式中期預(yù)報性能檢驗[J]. 任宏昌.  氣象. 2017(11)
[7]淮河流域汛期面雨量多模式預(yù)報檢驗評估[J]. 劉靜,葉金印,張曉紅,王皓.  暴雨災(zāi)害. 2014(01)
[8]南京地區(qū)雷暴活動強度潛勢預(yù)報[J]. 田琨,郭鳳霞,曾慶峰,龔嘉鏘.  氣象科技. 2013(01)
[9]基于構(gòu)成要素的預(yù)報方法——配料法[J]. 俞小鼎.  氣象. 2011(08)
[10]數(shù)值模式預(yù)報性能的地域性特點初步分析[J]. 肖玉華,趙靜,蔣麗娟.  暴雨災(zāi)害. 2010(04)



本文編號：3430105