WRF中尺度数值模拟预报及模式降水预报产品释用

摘要

数值模拟及其产品释用是目前气象业务预报的主要手段之一。因此对模式预报及其产品释用的改善与研究具有重要实用意义，也是各级气象业务工作的关键环节。本文运用WRF中尺度数值模式模拟了四次降水过程：低温雨雪冰冻天气过程、华南大暴雨、江淮大暴雨，以及对江淮特大暴雨测试了模式地形与模式分辨率对暴雨落区的影响。为进一步提高模式降水预报能力，对模式输出产品中的降水进行了BP神经网络方法的释用，改善效果明显。 将WRF模式对2008年1月25～29日中国低温雨雪冰冻天气过程进行模拟，得到以下结论：雨雪期间长江中下游及以南地区长时间存在着高低空急流的耦合形势，且低空急流不断向雨雪区域输送暖湿水汽，使该地区低层的水汽辐合促进大范围雨雪发生和维持。强的高空辐散的抽吸作用，促进低空辐合，整层上升运动加强以及正涡度的维持。冷空气从对流层高层倾斜南下加强了对流不稳定能量的积累。本次雨雪冰冻天气过程中存在明显的干侵入，降水区北侧对流层高层高位涡干冷空气沿等HR线密集带侵入低层，并促使雨区低层位涡中心迅速增大，促进强降水发生；位涡和降水有很好的对应关系，这为降水预报有很好的指示意义。由于极涡偏强促使冷空气南下，地面温度很低使雨水结成冰导致灾害发生。通过对比2005年6月19日的华南大暴雨与2005年7月9日的江淮大暴雨发现，6月19日的大暴雨是有低空切变线引起的大暴雨过程，而7月9日的大暴雨则是由西南涡系统东移引起的暴雨过程。模式预报均能较准确的反映环流形式预报，以及降水预报中落区预报，但对降水强度预报则较差。利用WRF模式对2007年7月7～8日江淮地区的特大暴雨进行了地形敏感性试验，试验主要包括两方面的内容：(一)地形人为变化的影响；(二)模式地形分辨率的影响。分析结果表明：控制试验和三个对比试验雨带均呈现西北东南走向带状分布。九华山，天目山，黄山一带的地形对此次暴雨中江苏西部的强降水中心位置影响很大，使得其位置向东偏了一个纬度左右，但对安徽境内的暴雨落区影响不大。幕阜山对此次暴雨过程影响最小。大别山一带的地形对此次暴雨位于安徽两北部的降雨量影响较大.采用较低分辨率的地形时，安徽西北部的强降雨中心降雨量明显偏少，而对江苏北部的强降雨中心降雨量并无影响；采用较高分辨率的地形时，两个强降雨中心的降雨量均未发生变化。不同分辨率的地形对暴雨落区并无明显的影响。 利用前馈型BP神经网络对中尺度WRF模式的降水预报进行解释应用，改进和提高了WRF模式的降水预报能力。文中选取长江中下游有代表性的测站：武汉，合肥，南京和上海，利用2005年汛期(6月1日至7月31日)的降水实况和WRF数值预报产品，根据梅雨期特点，用统计学方法从WRF模式预报资料中寻找因子(24h预报降雨量，温度，露点温度(700hPa，850hPa，700+850+950hPa)，A指数，雷达反射率(700hPa)，垂直涡度(700hPa)，水平散度(700hPa)，位涡(700hPa)，水汽通量散度(700hPa)，水汽通量(700hPa)，东西风(700hPa)，南北风(700hPa)，垂直速度(700hPa)，相对湿度(700hPa)，位势高度(700hPa))，四个地区均选择都通过信度检验的五个与降水相关的预报因子(WRF预报24h降水量，露点温度(700+850+950hPa)，雷达反射率，东西风，垂直速度)，这些因子不仅有明确的物理意义，而且通过了信度很高的相关系数检验。对WRF数值预报产品进行了BP人工神经网络的短期降水分级预报。一种是选取6～7月的最后五天做试预报；另一种是选取6月中旬～7月中旬每隔一候抽取一天，共五天。通过对经过人工神经网络方法释用后的降水预报与WRF模式本身的降水预报结果对比，发现人工神经网络释用预报方法明显改进了WRF模式的降水预报能力，武汉，合肥，南京，上海四个地区的降水正确率，特别是降水强度均有所提高，空报，漏报率有所减少。

目录

文摘

英文文摘

声明

第一章引言

1.1国内外中尺度模式研究进展

1.2模式产品释用方法

1.3本文研究的目的和意义

第二章WRF模式介绍

2.1 WRF模式的结构和功能

2.1.1模式的结构

2.1.2 WRF模式功能

2.2 WRF模式的动力框架和计算流程

2.2.1 WRF模式动力框架

2.2.2 WRF模式计算流程

2.3模式的物理方案

2.3.1微物理过程

2.3.2模式的的其他物理方案

2.4模式输出产品

2.4.1风场、高度场、气压场、垂直速度场

2.4.2降水，水汽混合比

第三章WRF模式对典型降水天气的过程模拟和预报模拟

3.1 WRF模式对0801雨雪冰冻天气过程模拟诊断试验

3.1.1天气实况及背景分析

3.1.2数值模拟方案设计

3.1.3降水预报、流场预报与实况对比

3.1.4低空急流和水汽条件分析

3.1.5动力条件

3.1.6热力条件

3.1.7干侵入

3.1.8本节小结

3.2 050619华南暴雨与050709江淮暴雨预报

3.2.1 050619华南暴雨预报

3.2.2 050709江淮暴雨预报

3.2.3两次暴雨模式预报对比分析

3.2.4本节小结

3.3地形对江淮暴雨落区的影响模拟

3.3.1引言

3.3.2数值模拟方案设计

3.3.3大尺度环流背景及降水实况

3.3.4数值模拟试验结果分析

3.3.5结论

3.4本章小结

第四章BP法用于WRF模式预报产品释用

4.1 BP法基本原理

4.1.1人工神经网络方法

4.1.2 BP神经网络

4.2数值预报产品释用基本思路

4.2.1数值预报产品释用技术基本思路

4.2.2应用流程

4.3常见问题

4.4本章小结

第五章梅雨期降水分级预报数值产品释用

5.1模式预报方案与产品

5.1.1模式方案的设计

5.1.2模式的产品输出

5.2 BP法应用

5.2.1资料的选取

5.2.2选取预报对象

5.2.3选取预报因子及训练样本

5.2.4构造网络

5.2.5网络的学习训练及试预报

5.4本章小结

第六章结论

参考文献

致谢

附录一研究生期间参会文章和投稿文章