摘要：本文以2003年7月9～10日发生在江淮流域的暴雨过程为例,应用FY-2B卫星红外云图灰度资料,利用统计回归的反演方法求出高分辨率的温度和湿度的反演场用于改进预报的初始场.设计和对比了几种质量控制方案,再将控制后的反演场与常规资料进行同化,最后用MM5模式进行了模拟对比试验.结果表明:在模式的初始场中引入卫星云图反演场能反映出更为细致的中尺度结构,有效地增强了对降水有重要影响的高湿区;锋生函数质量控制方案改善模式的初始场,从而改善了MM5模式降水预报的落区和强度,提高了降水预报准确性及Ts评分.

摘要：针对大部分降水临近预报产品无法兼顾高覆盖率、高准确率及低成本的问题,提出一种基于室外监控图像和深度神经网络能预报未来1 h降水强度的方法。设计双流3D卷积神经网络来提取图像降雨信息的高维特征。该网络在低计算代价下自适应产生局部信息,并通过双损失函数从整体和局部统筹网络,提取降雨信息的时间特性和空间特性。实验结果表明,在降水强度预报领域,基于双损失函数的神经网络优于单损失函数。所提网络的误警率、命中率、临界成功指数、准确率在多数情况下优于其他模型。在模型效果可视化方面,所提网络能有效提取降水图像的特征信息。所提降水临近预报方法有能力进行精细且低成本的降水临近预报。

摘要：设计了一个三维变分同化方案,利用非静力中尺度模式MM5和由实况观测反演得到的可降水量资料,运用该变分同化方法改善初始湿度场,并对2003年7月9-10日的暴雨过程进行数值模拟对比试验。结果表明,①可降水量资料的变分同化对初始湿度场具有较强的调整能力;②同化可降水量后,可以明显地改善模式初始湿度场,能够有效地提高降水模拟的准确率。