研究甘肃河东地区汛期降水智能网格预报偏差特征，对提升区域降水预报预警的精准化水平和防灾减灾服务能力具有重要意义。利用甘肃河东1 766个自动气象观测站的汛期降水资料，筛选出2018—2020年264个降水个例，基于中央气象台发布的3 h智能网格降水预报数据，对预报场和实况场的连续雨区（Contiguous Rain Area，CRA）进行识别和配对，并按照命中、假警报和未命中3种情况分类分析，进一步对预报命中的CRA偏差特征进行研究。结果表明：对于预报命中的降水个例，智能网格降水预报的落区偏差以暖强迫类最大，斜压锋生类和冷强迫类次之；强度偏差以冷强迫类最大，暖强迫类和斜压锋生类次之；形态偏差以斜压锋生类最大，冷强迫类和暖强迫类次之。暖强迫类和斜压锋生类降水的落区预报偏东偏北，冷强迫类偏东偏南。3类降水预报均表现为对β及以下尺度的降水落区面积偏大，而对α尺度降水落区面积偏小。基于CRA空间检验结果，预报员可建立本地化的模式订正方案，提高智能网格降水预报的服务能力。
研究桥面温度差异特征及其预报模型，可为交通管理部门提供恶劣天气预判和减少交通事故的决策依据。利用近3 a冬季武汉天兴洲大桥路段3个交通气象站逐5 min路面最低温度、气温、风速、降水等观测资料，分析了桥面与路面最低温度的逐日差异、典型个例的逐时变化特征及不同天气条件下的温度变化规律，并基于多元线性回归和反向传播（Back Propagation，BP）神经网络方法建立了桥面最低温度预报模型，采用智能网格最低气温预报产品对模型进行驱动和检验。结果表明：由于工程结构、路面材质、地理环境和环境气象要素的差异，桥面温度通常低于路面温度，且在晴天条件下二者的温差最大。桥面温度下降至冰点以下的速度更快，且低温持续时间更长。多元线性回归和BP神经网络方法均能取得较好的预报效果，BP方法更适用于对预测精度要求较高的场景，而多元线性回归方法则适合对预报准确率要求较高的应用。
我国已开展短期气候预测工作近70 a，是世界上开展短期气候预测研究和业务最早的国家之一。自2021年3月开始，国家气候中心通过官网正式公开发布未来15~30 d、自然月和季节的气候预测公报，短期气候预测越来越受到社会关注。2013年中国气象局预报与网络司在短期气候预测业务的基本状况和历史评估方法的基础上，发布了短期气候业务预测效果评估方法，本文使用该方法对国家气候中心1971—2020年全国月气候趋势预测产品进行了评估。结果表明：无论是月平均气温距平还是月降水量距平百分率预测，夏半年的预测准确率均整体高于冬半年；近50 a全国月平均气温距平预测水平上升趋势明显，全年中除了12月外，其余月份平均气温距平预测与实况的距平相关系数在全国大部地区都呈正相关；近50 a全国月降水量距平百分率预测水平呈先降后升的趋势，尤其是近30 a呈现较为稳定的提升态势，月降水预测与实况的相关分布主要有3种形态，体现出降水预测比气温预测更为复杂的特性。
为减少大风天气对金沙江下游水电站建设和电力输送的影响，通过分析干季频繁发生的大风事件，探索峡谷区风速变化与气压相关参数之间的关系，寻找预警大风的有效指标。该地区因风速预报难度大，数值预报在峡谷区受到限制，因而地面观测尤为重要，尤其是气压变化。本文以金沙江下游四川和云南交界的南北纵向峡谷为研究区，利用峡谷区自建观测站数据，结合水电站坝区的经验预报，研究峡谷区大风事件中风速与气压相关参数的关系。结果表明，大风发生前，站点气压通常明显下降，下降值超过7.7 hPa并持续3~6 h后，风速增加的可能性增大；若风速稳定升高持续1~6 h，能达到7级大风。测站的变压值对风速预警极为重要，尤其是3 h变压，当3 h负变压超过2.0 hPa时，地面风速开始增加。通过格兰杰因果关系检验方法发现，峡谷上下游风速变化存在明显滞后性，葫芦口大桥站通常先于下游1~2 h出现大风。气压差可作为重要大风预警指标，当荒田与葫芦口大桥站气压差达18.1 hPa时，大风发生的可能性明显增大。
陇南输电线路沿线地质灾害频发易发，严重威胁线路安全稳定运行。为有效提升陇南电网防灾减灾能力，选取2018—2022年5—10月降水数据，利用降水分布特征和有效雨量致灾概率评估地质灾害致灾因子危险性，利用信息量-层次分析耦合模型评估孕灾环境暴露度，利用地质灾害脆弱性简化评估模型评估承灾体脆弱性，并以陇南±800 kV青豫线、祁韶线为例，利用地质灾害个例检验强降水诱发电网地质灾害风险预警效果。结果表明，陇南短时强降水和暴雨局地性强，发生频次自西北向东南呈增加趋势，灾情点大多发生在较高和高危险性区域。地质灾害灾情点大多位于海拔较高、坡度较陡区域，易发坡向为北坡、南坡并以凸型坡为主，旱地、中度及以下植被覆盖度区域地质灾害易发，67.4%的灾情点位于较高暴露度以上区域。陇南±800 kV青豫线、祁韶线电线杆塔不处于极高暴露度与极高脆弱性区域。地质灾害气象风险模型能够捕捉到较密集的地质灾害事件，有效雨量致灾概率对降水诱发的地质灾害预警效果较好。
为提升贺兰山东麓葡萄园晚霜冻灾害精细化防御能力，利用2020—2023年4—5月贺兰山东麓葡萄园农田小气候站最低气温观测数据，分析葡萄园最低气温变化特征、晚霜冻发生频率和区域分布特征，并基于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）模式预报产品和宁夏地区格点气温实况，采用径向基函数（Radial Basis Function，RBF）神经网络算法，构建贺兰山东麓葡萄园最低气温和霜冻预报模型。结果表明：贺兰山东麓葡萄园轻霜冻最为普遍，其次是中霜冻，4月是霜冻发生的主要月份，东方裕兴酒庄霜冻出现最频繁，观兰酒庄霜冻最少，红寺堡产区是霜冻易发区。最低气温和霜冻预报检验结果显示，与ECMWF模式相比，RBF模型对贺兰、永宁和红寺堡产区的最低气温预报准确率提高，最高提升幅度达33.8%，平均绝对误差降低0.20~1.50 ℃。从单站霜冻预报看，RBF模型有明显优势，准确率普遍提升1.0%~14.0%，平均绝对误差降低0.04~0.37 ℃；从产区平均看，RBF模型对红寺堡产区霜冻预报准确率提高最多，达13.0%。在针对霜冻的实例分析中，RBF模型预报效果更优，特别是对中霜冻预报优势明显，相比ECMWF模式准确率提升25.0%~50.0%，平均绝对误差降低1.80~2.10 ℃。
暴雨及其引发的洪涝、积涝是宁夏最严重的自然灾害之一。构建宁夏暴雨综合灾害风险预警模型有效预估暴雨风险并提前发布风险预警具有重要意义。采用层次分析法（Analytic Hierarchy Process，AHP）和专家调查法（Delphi），综合考虑危险性、暴露性、脆弱性和防灾减灾能力4个因子，构建由宁夏人口、经济、高程、植被等14项评价指标组成的宁夏暴雨综合灾害风险预警模型，并结合GIS技术，对1次暴雨个例进行模拟。结果表明，该模型因素全面，能客观地反映暴雨过程的综合风险等级分布。2022年7月10日的暴雨过程分析显示，危险性最高的区域为银川市金凤区、西夏区，吴忠市利通区，青铜峡及盐池县东部和固原市原州区；暴露性最高的区域为银川市区；脆弱性最高的区域为青铜峡西部、同心县、海原县、西吉县和彭阳县；防灾减灾能力最弱的区域为海原县；综合风险最高的区域为银川市金凤区、吴忠市利通区、海原县和西吉县。通过将该模型与智能网格预报结合，可计算即将发生的暴雨综合灾害风险等级，从而为实际业务中的精准防范提供科学依据。
为提高城市高影响天气的精细化预报预警水平，利用雄安新区2020年1月—2023年12月容城气象站Ka波段毫米波云雷达反射率因子、径向速度等7种产品及地面气象资料和天气学、雷达回波图像形态分析等方法对雄安新区暴雨、大风、雾、霾及沙尘等高影响天气进行分析。结果表明：1）云雷达对含降水的高影响天气云体探测结构清晰、垂直分布特征直观。当春、夏、秋季回波强度≥21 dBZ（冬季≥15 dBZ）、伸展高度≥5 km（冬季≥2 km）的云体出现，且云体最低高度达150 m时，可看作地面降水将出现的特征指标，时间提前量平均达20 min左右，当回波强度减弱、云底高度抬升，降水趋于结束；各级降水中，暴雨的强回波伸展高度、云水含量等最大。2）当回波顶伸展高度达8 km之上而后快速下落至云顶高度≤2 km时，地面易出现8级以上大风，降水伴大风的回波特点为强回波区中形成明显的U或V型缺口，缺口区最大径向速度达12.5 m·s-1左右。3）云雷达反演滴谱数据产品可较好反映各级降水的粒子分布特征；垂直积分液态水含量（Vertically Integrated Liquid Water，VIL）对降水伴大风有预警指示意义，提前量0~30 min或以上。4）非含降水的高影响天气（雾、霾、沙尘等），云雷达回波强度等整体偏弱，各天气现象之间界限不清晰，但与降水天气发生转换时云雷达能快速、清晰地探测出降水云体，有利于提升降水的精细预报预警能力。
为进一步认识当前数值预报模式的预报能力，选取2018—2020年发生在四川盆地的47次强降水过程进行分型，再基于多源降水融合产品和地面观测资料，通过TS评分、时空滑动等方法对欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）数值预报模式、国家气象中心区域中尺度数值预报模式（China Meteorological Administration Mesoscale Model，CMA_MESO）和西南区域数值预报系统（Southwest Center WRF ADAS Real-time Modeling System，SWC_WARMS）在强降水过程范围、强度、极值、时间和位移偏差等方面的预报能力进行检验评估。结果表明，各模式08：00（北京时，下同）预报优于20：00预报，ECMWF对中雨和大雨预报更优，SWC_WARMS的暴雨量级评分更高。各模式对中雨的预报范围普遍较实况偏大，随着降水量级增大，逐渐转为低估，其中SWC_WARMS更接近实况。对于降水强度，ECMWF和CMA_MESO的平均降水量和极值普遍较实况偏小，SWC_WARMS更接近实况。3种模式时间偏差不明显，仅个别起报时次有-6~3 h的时间偏差；ECMWF的位移偏差最小，纬向上ECMWF和SWC_WARMS以偏北为主，经向上ECMWF以偏西为主，CMA_MESO和SWC_WARMS以偏东为主。
为衡量数值模式对强降水过程的预报能力，选取欧洲中期天气预报中心（the European Centre for Medium-Range Weather Forecasts，ECMWF）数值预报产品、国家气象中心区域中尺度数值预报产品（China Meteorological Administration Mesoscale Model，CMA-MESO 3KM）、西南区域中心中尺度模式系统（Southwest Center WRF ADAS Real-time Modeling System，SWC）、国家气象中心全球数值预报系统（China Meteorological Administration for Global Forecast System，CMA-GFS）4个模式预报产品，利用目标对象检验法，对四川2018—2020年共93次强降水过程（≥25 mm·d-1）从降水位置、降水面积、降水强度等方面进行检验，在此基础上重点讨论36 h预报时效模式的预报能力。结果表明：（1）随着预报时效越临近，各模式预报平均水平越高，且整体对雨带位置把握较好，更具有参考性。（2）各模式对锋面降水过程预报能力较强，对暖区降水过程预报能力较差。（3）暖区强降水过程可在大尺度模式基础上结合本地中尺度模式进行订正；锋面降水过程则以ECMWF模式预报为基础，参考CMA-MESO 3KM模式对大雨及以上量级降水落区和量级进行调整。
为提高山东定量降水预报准确率，采用深度前馈神经网络（Deep Forword Neural Networks， DFNN）和降水分级最优TS（Threat Score）权重集成方法对多模式集成降水预报进行研究。对2019年4—9月欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasting， ECMWF）全球数值预报系统、中国气象局上海数值预报模式系统（China Meteorological Administration Shanghai 9 km， CMA-SH9）和中国气象局中尺度天气数值预报系统（China Meteorological Administration Mesoscale， CMA-MESO）逐24 h累积降水量预报进行有监督训练，得到4组DFNN（ES、EM、SM、ESM）深度学习模型，并利用多模式降水分级最优TS权重集成方法建立Mul-OTS（Multi-mode Optimal Threat Score）集成模型。用2020年4—9月各模式逐24 h累积降水量进行降尺度格点预报，对5种集成方案对比检验、个例分析应用。结果表明：不同起报时间、不同预报时效，5组集成方案均降低了平均相对误差，ESM方案最好，Mul-OTS方案最差；4组DFNN方案均提高了晴雨准确率，ESM方案最好，Mul-OTS方案低于模式预报；4组DFNN方案均提高了各降水等级TS、ETS评分，对弱降水的提高幅度大于强降水，Mul-OTS方案对小量级降水等级订正是负技巧，对大量级降水等级的订正效果较好，但仍不如ESM方案；个例分析发现降水强度和落区预报ESM方案均优于其他集成方案。因此业务上采用最优的ESM方案建立了定量降水格点预报系统，为智能网格预报提供重要支撑。
阵风的预报误差检验对实际工作中的精细化预报订正具有一定的指导意义，同时对精细化预报中如何消除误差日变化的影响提供了借鉴。选取2017—2019年3~72 h逐日逐3 h 欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecast，ECMWF）细网格10 m阵风和10 m平均风预报资料，基于大连地区9个国家气象观测站实况逐3 h极大风资料进行预报误差检验分析。结果表明：按预报风级和实况风级分类的预报误差对比检验均表明ECMWF细网格预报整体偏大，平均误差为0.96 m·s-1，但具体到各风级时两种分类的预报误差统计结论并不一致，按预报风级分类的检验更符合基于模式预报开展的实际预报工作。以预报为基准统计，各风向、各风级、各站的预报误差均差异明显，风级越大预报偏大的程度越高，风向也表现出随风级增大误差增大的趋势。阵风预报的平均误差具有明显日变化，08：00（北京时，下同）前后误差最大，20：00前后误差最小，主要由10 m平均风的平均误差日变化所致。全部预报个例与实况各时效预报相关系数均在0.7以上，具体到各风级、风向时，各风向相关性均较好，而各风级的相关系数则明显降低，8级及以上风力预报的可信度大幅下降。
为更好地开展公路交通道路结冰预报预警服务工作，利用甘肃省道路结冰高发区路段（甘肃武威以东）的交通气象站逐小时观测资料，分析道路结冰空间分布特征，探讨道路结冰与气象要素的相关性，采用Logistic回归法和神经网络算法构建道路结冰预警模型。结果表明：甘肃省道路结冰主要集中在冬季（12月至次年2月），其中00：00—10：00和22：00—23：00（北京时）出现道路结冰的频率较高。Logistic回归模型和神经网络模型对未发生结冰事件的预测准确率较高，分别为91.9%和96.2%；针对发生结冰事件，Logistic回归模型的预测准确率较低，为31.6%，而神经网络模型的预测准确率可达44.6%，说明2种模型对道路结冰预警有一定指示意义，神经网络模型预测效果优于Logistic回归模型。
为更好地理解格点融合实况数据与观测数据的差异和代表性，利用甘肃兰州和武威两地站点的观测数据对中国气象局陆面数据同化系统（CMA Land Data Assimilation System，CLDAS）地面2 m气温融合产品进行检验评估及偏差订正。结果表明：（1）逐小时气温和日最低气温融合产品的平均误差总体为负值，较实际气温偏低，且在2 500 m以下误差随海拔上升而减小；日最高气温融合产品平均误差在海拔1 500 m附近为负值，1 500 m以上误差变为正值且随海拔升高而增大；日最高和最低气温误差较逐小时气温误差偏大，但平均误差均在2 ℃以内。（2）通过近网格点检验，发现逐小时CLDAS气温产品白天与实况相近，夜间较实况偏低0.2 ℃；日平均气温CLDAS融合产品总体较实况偏低1 ℃，兰州城区产品偏差相对较小；30 ℃以上高温天数融合产品与实况分布基本一致，但在兰州城区，CLDAS融合产品的高温天数较观测天数偏少。（3）线性回归法和递减平均法对CLDAS气温融合产品都有一定的订正效果，递减平均法订正效果更优且在高海拔地区订正效果更明显。CLDAS气温实况融合产品在兰州和武威两地能较好地反映气温变化特征，但日最高、最低气温误差较逐小时气温大，且在复杂地形下误差相对较大。
山区特殊地形下的强降水形成机理复杂、预报难度大，且此类强降水常导致严重的地质灾害。为提升特殊地形下强降水的预报能力，利用常规气象观测资料、欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）ERA5再分析资料、FY-4A卫星云图资料、多普勒雷达资料及多模式预报产品，对2022年6月3日夜间至4日清晨发生在陕南汉江盆地的局地短时强降水过程形成原因及模式预报性能进行检验分析。结果表明：（1）本次过程为一次锋面在盆地触发的短时强降水过程，由于对流不稳定层结浅薄、垂直风切变较弱，因此造成的强降水具有明显的局地性，但强度较大，12 h累计降水量多站超过50.0 mm，最大104.8 mm；（2）锋面两端受地形阻挡移动速度较慢并难以翻越高大山脉，因而不断在盆地内触发对流产生强降水，且在盆地近地层形成的次级环流可加强对流活动发展；（3）锋面前部形成的冷池在盆地不断触发新的对流单体后向传播形成列车效应，同时大于50 dBZ的强回波位于0 ℃层高度以下，具有较高的降水效率，且持续时间较长，因而带来最大62.6 mm·h-1的短时强降水；（4）全球模式对此次短时强降水的预报能力有限，中尺度区域模式能够反映锋面对流的一些特征和降水，尤其是CMA-TRAM（Tropical Regional Atmosphere Model for the South China Sea）和CMA-GD（China Meteorological Administration-Guangdong）模式能较好地反映局地强对流的触发及发展趋势，但对锋前冷池造成的对流系统强度和组织性仍预报偏差较大。
全球气候模式BCC-CSM2-MR（Beijing Climate Center-Climate System Model version 2-Medium Resolution）由国家（北京）气候中心自主研发并参与了第六阶段国际耦合模式比较计划，该模式在BCC-CSM1.1m版本基础上对大气辐射传输、深对流过程及重力波等方面进行了优化，因此，该模式对东亚地区降水和气温模拟能力的改进亟需进一步评估。本文主要基于不同格点观测数据集与中国区域站点观测数据，系统对比分析BCC-CSM2-MR、BCC-CSM1.1m两个模式版本对东亚地区季节平均降水（气温）和日极端降水（气温）的模拟能力。结果表明：（1）相比BCC-CSM1.1m，BCC-CSM2-MR改进了对东亚大部分区域季节平均降水的模拟能力，尤其是青藏高原地区夏季平均降水，明显提高了对中国东南地区、朝鲜半岛及日本降水月际变化的模拟性能；（2）BCC-CSM2-MR对东亚地区季节平均气温模拟能力改进不明显，且对东亚大部分区域气温月际变化的模拟误差大于BCC-CSM1.1m；（3）对日极端降水（气温），BCC-CSM2-MR的模拟能力优于BCC-CSM1.1m，明显提高了对中国东南地区日极端降水（气温）的模拟能力。总体而言，BCC-CSM2-MR在深对流过程参数方案中的改进有利于对东亚地区降水的模拟。
以地面雨量站观测数据、中国气象局多源融合降水数据（CMPAS）为基准，通过定量、分类、结构相似度3种方法综合评估8种卫星降水产品（FY-4A、CMOPRH-RT、IMERG-Early、IMERG-Late、GSMaP-Now、GSMaP-Gauge、PERSIANN-Now、PERSIANN-CCS）在甘肃陇东2022年7月一次破历史记录的极端性强降水过程中的适用性。结果表明：（1）8种卫星降水产品基本反映降水中东部大、西北小的空间分布特征，除GSMaP-Now产品外，其余7种产品均低估暴雨中心降水量。（2）8种卫星降水估算产品对于强降水峰值的描述能力较好，强降水过程的2个峰值阶段均有体现，但均严重低估大暴雨及以上量级降水。（3）GSMaP-Gauge对暴雨以下量级降水估算最优，而CMOPRH-RT对暴雨及以上量级降水估算最优，所有产品对特大暴雨量级降水均无法正确命中。（4）CMOPRH-RT产品能从降水总量、降水量级、形态分布三方面最好地表现降水过程的结构分布。对本次降水事件，CMOPRH-RT降水产品在各方面表现综合最优。
观测数据的插补是提升气象数据完整性、恢复缺失数据真实性的重要手段。本文采用标准序列、空间回归和随机森林3种插补方法，对中国西南地区5个主要气候区地面气象观测站日平均气温序列数据以及犍为和北碚2个百年站月平均气温序列数据进行插补试验，并选用平均绝对误差、均方根误差以及插补值与观测值偏差分别在±0.8 ℃和±0.5 ℃区间的样本占比（P0.8、P0.5）等4项指标对插补结果进行评估。结果表明：3种方法对中国西南地区5个气候区站点气温日均值与2个百年站气温月均值插补效果较好，且空间回归方法的插补精度高、适用性最好，在5个气候区的插补精度都高于其他两种方法，在地形较为平坦的四川盆地P0.8约0.90，在地形最为崎岖的川西南滇北山地P0.8也在0.60以上，地形对气温插补精度影响明显。选取最优参考站数可有效降低插补误差，2个百年站95%以上的月平均气温样本插补误差可控制在±0.5 ℃以内。
为提高智能网格的订正能力及预报水平，基于中央台客观指导产品的甘肃省切片数据和中国气象局陆面数据同化系统（Chinese Land Data Assimilation System Version 2.0，CLDAS-V2.0）日网格实况产品，采用卡尔曼滤波和滑动训练订正两种方法，对河西走廊东部地区（101.0°E—104.5°E，36.0°N—40.0°N）0.05°×0.05°格点最高、最低气温进行订正、检验和评估。结果表明：（1）季节对比，卡尔曼滤波和滑动训练订正产品对四季最高、最低气温的平均绝对误差均小于中央台客观指导产品，均小于2.00 ℃；卡尔曼滤波和滑动训练订正产品对四季最高、最低气温的预报准确率均大于70%，其中最高气温偏高6%~13%，最低气温偏高8%~24%。（2）空间对比，卡尔曼滤波和滑动训练订正产品对最高、最低气温的平均绝对误差绝大部分地区在1.00~2.00 ℃，个别地区大于2.00 ℃；卡尔曼滤波和滑动训练订正产品对最高（最低）气温的预报准确率大部分地区大于70%（60%~70%），个别地区大于80%（70%）。（3）总体上，卡尔曼滤波和滑动训练订正产品对最高、最低气温订正技巧基本为正技巧，个别季节和部分地区订正技巧大于0.300。说明两种订正方法具有较好的订正预报能力，可为今后的温度预报业务提供一定的技术支持。
中国气象局陆面数据同化系统（CMA Land Data Assimilation System，CLDAS）提供了高时空分辨率的陆面融合数据集，为精细化气象服务提供了重要的数据支撑，而数据的适用性评估是开展数据应用的重要基础。基于国家气象信息中心CN05.1格点观测数据和内蒙古119个国家级气象站观测资料，对CLDAS的2 m平均气温和降水产品在内蒙古地区的适用性进行检验评估，并与欧洲中期天气预报中心的ERA5（The Fifth Generation European Centre for Medium-range Weather Forecasts Re-Analysis）和英国的CRU TS（Climatic Research Unit gridded Time Series）再分析资料进行对比分析。结果表明：三种数据集均能很好地反映内蒙古年降水量和年平均气温空间分布特征，但对内蒙古大部地区降水量存在低估、平均气温存在高估现象，且CLDAS数据集还能够反映地形变化对气温和降水的影响。CLDAS和CRU TS的降水变率空间分布优于ERA5；CRU TS和ERA5的气温线性趋势与CN05.1观测结果相似，但增温率高于观测，而CLDAS气温产品还能反映局地降温趋势。无论是月尺度还是季节尺度，CLDAS数据集与站点观测值的相关系数均高于CRU TS和ERA5，平均绝对误差小于CRU TS和ERA5，CLDAS气温和降水产品误差最大的区域在河套地区。
为探究复杂地形下冬半年降水相态预报方法，进一步提升降水相态预报时空分辨率和准确率，利用2010—2019年冬半年（11月至次年3月）宝鸡市11个国家气象站观测资料及欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）第五代大气再分析资料，统计分析宝鸡市冬半年雨、雨夹雪和雪3种降水相态时空分布特征，筛选确定降水相态判识因子及阈值，构建降水相态精细化客观预报方法，并检验预报效果。结果表明：宝鸡市初冬-冬末时期以降雨为主，雨雪转换时期3种相态日数占比相当，而隆冬时期则以降雪为主。降水相态空间分布与地形密切相关，海拔较低的渭河两岸川塬区降雨较多，而海拔较高的南北部山区降雪较多。地面2 m气温（T2）、850 hPa和700 hPa温度（T850、T700）、850~1 000 hPa和700~850 hPa位势厚度（H850-1000、H700-850）可作为宝鸡市冬半年降水相态组合判据，川塬区渭滨站初冬-冬末、雨雪转换、隆冬时期雨的T2（H850-1000）阈值分别为2.9 ℃（1 307 gpm）、2.1 ℃（1 308 gpm）、1.8 ℃（1 310 gpm），雪的T2（H850-1000）阈值分别为0.7 ℃（1 302 gpm）、0.3 ℃（1 303 gpm）、0.7 ℃（1 308 gpm），而山区太白站的降水相态判据不同于渭滨站，降雨时T2（H700-850）一般大于2.6 ℃（1 551 gpm），降雪时T2（H700-850）一般小于-0.3 ℃（1 540 gpm），雨夹雪的T2、H850-1000、H700-850阈值一般介于雨和雪之间；此外，雨雪相态转换时还需结合T850、T700综合判断。基于温度和位势厚度组合判据构建的宝鸡市不同地形区冬半年各时期降水相态精细化客观预报方法，能够较好地预报2020年11月至2022年1月冬半年逐小时降水相态，TS（Threat Score）值渭滨站达100%，太白站高于80%，优于单一物理量（温度或位势厚度）。
雾和霾是危害人类健康和影响社会经济发展的灾害天气，精细化的实况资料能够在雾和霾的防治中发挥重要作用。利用2017年12月1日至2020年11月30日天津及其周边地区国家气象观测站资料、Himawari-8卫星L1级全圆盘观测数据和L3级气溶胶光学厚度产品，分析了中国气象局陆面数据同化系统（CMA Land Data Assimilation System，CLDAS）能见度和相对湿度融合实况分析产品判识天津地区雾、轻雾和霾的准确性。结果表明：与台站资料相比，CLDAS产品对轻雾、雾和霾的平均检出率分别为90.4%、84.2%和78.8%；CLDAS产品对轻雾的逐月检出率为81.1%~96.4%，雾和霾出现较多的月份，其检出率均在80.0%左右。个例分析表明CLDAS产品判识的雾、轻雾和霾与台站观测结果以及Himawari-8卫星反演检测结果基本一致。CLDAS产品未正确判识雾、轻雾和霾的情况主要表现为雾误判为轻雾（各站为3.8%~21.4%）和霾漏判（各站为8.6%~25.0%）。当台站水平能见度在区间[0，0.75 km）时，CLDAS能见度的误差主要导致雾误判为轻雾；在区间[0.75，7.5 km）时，CLDAS能见度的误差主要导致霾漏判；在区间[7.5，15 km）时，CLDAS能见度的误差主要导致轻雾和霾空报。当台站相对湿度大于40%且小于等于60%时，CLDAS相对湿度的误差主要导致霾误判为轻雾。总体而言，CLDAS产品对天津地区雾、轻雾和霾的判识准确性较好，能够为雾、轻雾和霾的精细化监测提供参考，改善雾和霾监测中能见度观测站点稀少、空间覆盖不足的现状。
为做好ECMWF（European Centre for Medium-Range Weather Forecasting）模式本地化释用，提高四川省降水预报准确率，对四川省2020—2021年7—9月模式各量级降水预报系统性偏差规律分析发现，该模式预报的雨日较实况偏多，尤其是攀西地区和川西高原；预报的大雨日数盆地西南部及攀西地区多于实况，而盆地南部少于实况。然后，基于分位数映射法对模式预报的24 h累积降水开展大量级降水订正试验与检验。基于分位数映射法订正后，暴雨及以上量级TS（Threat Score）提高7%~15%，且各量级降水TS均高于多模式集成客观预报产品2%~4%，大雨及以上、暴雨及以上量级命中率提高10%~20%，订正后雨带位置特别是暴雨落区与实况更接近。
为了了解ECMWF-HR模式云量预报产品在西北中东部地区的精度，利用2019年10月至2020年9月共计12个月的FY-2G卫星总云量反演产品，对西北地区中东部同时段的ECMWF-HR总云量预报产品进行对比分析，并选取3个典型区分析ECMWF-HR总云量预报偏差的日变化特征。结果表明，ECMWF-HR模式对西北地区中东部总云量的预报偏差白天较小，夜间偏差增大约10%~20%。总云量预报偏差具有明显的季节特征，夏半年ECMWF-HR模式云量预报整体偏多且偏差空间分布均匀;冬半年总云量预报有区域性特征，祁连山区西段明显偏低，甘肃和陕西南部明显偏多，其他大部地区的预报偏差低于夏半年。总体来说，ECMWF-HR模式总云量预报稳定可信，但在祁连山西段和甘肃与陕西南部2个明显异常区域需进行偏差订正。前者需要在模式预报基础上调高10%~30%，后者需要降低20%~30%;订正后的总云量预报与卫星反演结果较为接近，平均绝对偏差约4.5%，且与卫星反演结果具有相似的日变化特征。
气象要素特征的定点精细化分析和预报评估对重大体育赛事气象保障有重要意义。利用国家气象信息中心三源融合降水分析产品和欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）ERA5再分析资料，分析第十四届全国运动会（简称“十四运”）西安、延安、安康关键场馆的气象要素特征，并检验ECMWF、中国气象局中尺度数值预报系统（China Meteorological Administration Mesoscale Model，CMA-MESO）预报产品和国家气象中心网格指导预报产品（SCMOC）对3个关键场馆降水、气温和风的预报表现。主要结论如下：（1）十四运历史同期3个关键场馆发生降水的概率较高，开、闭幕日举行地西安场馆历史上出现降水的概率分别为46%和44%，平均降水量分别为24.6、9.8 mm，且降水量和降水概率峰值多出现在午后至傍晚。（2）十四运历史同期3个场馆夜间气温相对较低，白天快速升温，日平均气温大多为12~18 ℃，适宜赛事活动;3个场馆盛行偏东风或偏南风，西安、安康场馆风速小，适宜赛事活动，而延安场馆出现4级以上风的频次较高，对赛事有不利影响。（3）整体而言，十四运历史同期SCMOC在3个场馆的晴雨预报准确率最高，但降水频次预报较实况明显偏低，有漏报的风险;SCMOC对阻塞型和两槽一脊型降水过程的晴雨预报有明显优势，而ECMWF对低涡底部型降水过程预报表现较好，且TS值最稳定。ECMWF的气温预报准确率优于SCMOC和CMA-MESO，而SCMOC的风速预报具有绝对优势。（4）十四运期间3种产品的预报性能差异与历史同期基本一致，但整体预报评分高于历史同期。
利用中国2021年夏季（6—8月）逐3 h降水预报资料和地面气象站观测资料，从多个角度诊断分析CMA-MESO （China Meteorological Administration Mesoscale Model） 3 km系统模式降水预报性能，为预报员提供参考，为模式系统改进提供依据。结果表明：CMA-MESO 3 km模式能较好地预报出不同地区3 h累积降水量和有效降水频率时空分布特征，区域降水预报能力强于单站，持续性降水预报效果好于局地短时强降水。不同预报时效结果显示，CMA-MESO 3 km模式3 h降水预报值最大且大于观测值，6、9、12 h降水预报最接近实况;短时强降水个例结果显示CMA-MESO 3 km模式短临预报效果较好，3、6 h降水预报接近观测，降水量及其时间变化特征预报与观测基本一致，且8个预报时效的区域降水预报平均值接近观测值，预报效果较好。
我国自主研发的GRAPES-REPS（Global/Regional Assimilation and Prediction System-Regional Ensemble Prediction System）于2014年投入业务运行，为加深对该系统降水集合预报能力的认识，便于更好应用降水概率预报，本文以2017年5月中旬至6月下旬我国南方地区3次持续性降水过程为例，采用统计检验和个例分析相结合，评估该系统在72 h内不同预报时效的各量级24 h降水预报性能。结果表明：（1）GRAPES-REPS集合平均预报对小雨、中雨有较明显优势，但随着降水量级增大优势逐渐下降，对暴雨预报已不具有优势。其中，小雨预报范围接近观测，中雨（暴雨）有空报（漏报）倾向，大雨在较长预报时效上有空报倾向。（2）采用MRF边界层参数化方案和KF-eta积云对流参数化方案组合方案的控制预报成员和2个扰动预报成员为集合最优成员，其TS评分普遍高于采用其他组合方案的集合成员。（3）整体上集合成员降水预报离散度不足，尤其0~24 h预报时效，Talagrand分布呈U型，对小（大）量级降水预报概率偏大（小）；随着预报时效增加，集合成员预报离散度显著增大，Talagrand分布逐渐接近理想概率分布。（4）集合预报在不同时效对各量级降水概率预报均具有参考价值，大雨、暴雨的概率预报效果优于小雨、中雨。（5）集合预报整体上能够较好把握典型暴雨日降水空间分布形态，对中央气象台漏报的广东中南部暖区暴雨有一定的概率预报能力。
为定量化描述水库人工增雨需求，以浙江兰溪芝堰水库为研究对象，基于降水、径流和水位历史观测数据，采用实际概率分布阈值法确定逐月不同等级水库水位指标（Water Level Index， WLI）百分位阈值，通过熵权法联合表征气象干旱的标准化降水指数（Standardized Precipitation Index， SPI）和表征水文干旱的标准化径流指数（Standardized Streamflow Index， SSI）构建水库整体干旱指数（Drought Index， DI），综合WLI和DI构建水库人工增雨需求指数（Demand Level Index， DLI）等级，研究WLI、DI和DLI时间特征，结合水库历史记录分析DLI的适用性，结果表明：（1）确定的逐月不同等级WLI百分位阈值能够精细化表征水库在一年内不同时期的缺水程度。（2）1990—2019年气象干旱无明显变化，水文干旱程度加大，其中春季变旱趋势最明显。（3）气象（水文）干旱在夏秋季发生总频率为33.9%（35.0%），高于冬春两季的30.0%（28.3%）。重、特旱在春季的发生频率最高，气象和水文干旱发生频率分别为11.2%和10.0%。水文干旱与气象干旱的时滞性不明显，水文干旱平均历时和平均烈度均高于气象干旱，具有更高的危害性。（4）不同等级的DLI年际分布与WLI较为相近，季节分布与DI分布相似。与2004年之前相比，2004年之后增雨需求出现更为频繁，持续存在时间更长。增雨需求在夏季占比最高，为40.0%，但高度、强烈增雨需求在春季占比最高，为14.4%。（5）构建的DLI等级可以较好地表征水库实际需求，当DLI等级大于等于4持续多个月时，水库可能会出现用水紧张并应采取相关紧急措施。
国家气象信息中心基于多源观测数据，利用数据融合与同化技术研制的实况分析产品已通过业务准入评审并发布。为保证实况分析产品评估结果的客观性和真实性，对参与实况分析产品检验评估的数据源——地面站点资料的代表性进行研究。选取2020年5—8月四川省地面气象站点经度、纬度、坡度、坡向、数据可用性等10个降水影响指标，利用相关分析、主成分分析，在指标筛选基础上，通过确定各影响指标的权重，形成各地面站点的综合影响指标，并对其进行分级检验。结果表明：10个影响指标经过筛选保留5个指标，其权重从大到小依次为数据可用性、设备稳定性、坡度变率、地表粗糙度、海拔高度；四川盆地内站点综合影响指标值大部分在0.9以上，综合影响指标值较低的站点主要分布在四川省甘孜州、阿坝州和凉山州，这与上述区域地形复杂、站点代表性较差密切相关；通过综合影响指标的分级评估，将指标值在0.8以上的站点数据作为降水实况分析产品评估的“真值”数据源较合理。
为深入认识对流尺度集合预报对川渝地区降水的预报性能，利用2020—2021年暖季（5—9月）川渝地区7 213个自动气象站逐日降水观测数据，综合评估对流尺度集合预报系统的控制预报（Control Forecast， CNTL）、集合平均（Ensemble Mean， MEAN）和概率匹配平均（Probability-matched Ensemble Mean， PM）对川渝地区降水的预报能力，并对比不同起报时次（08：00和20：00，北京时，下同）的预报差异。结果表明：（1）PM和MEAN的预报性能相对CNTL有所提高，MEAN对中雨和大雨量级降水预报具有指示意义，PM对大量级降水具有明显的预报优势。（2）模式预报的降水频率在小雨量级相比观测呈区域一致的正偏差，中雨及以上量级降水的预报正偏差集中在大巴山、华蓥山、武陵山脉等高海拔山区，预报负偏差主要位于四川盆地和丘陵区域，MEAN对小雨和中雨（大雨和暴雨）的预报正（负）偏差最明显。（3）08：00起报的36 h时效临界成功指数（Critical Success Index， CSI）和命中率（Probability of Detection， POD）整体高于20：00起报的48 h时效预报结果，但08：00起报的降水频率对高海拔山区的高估更明显。（4）PM和MEAN对四川盆地2021年9月4—7日强降水过程的降水落区预报优于CNTL，这是因为集合预报能够更好地把握天气系统的位置和形状特征。
基于四川地区1990—2019年的逐日2 m最高、最低温度站点实况数据，对气温转折天气过程进行统计和分析，在此基础上，应用LightGBM（Light Gradient Boosting Machine）算法及NCEP/NCAR（National Center for Environmental Prediction/National Center for Atmospheric Research）逐日再分析资料，构建气温转折天气过程变温订正模型。结果表明：（1）出现气温转折过程最多的区域是高原与盆地的边坡过渡区，最少的是盆地；（2）各区域的气温转折过程具有明显的季节差异，均表现为春季最多、冬季最少，且春季的气温转折过程明显多于其他3季；（3）在1990—2019年验证集中，LightGBM订正模型表现较好，准确率为78.64%，平均绝对误差为1.35 ℃。（4）在2020年的独立样本测试中，LightGBM订正模型的准确率为53.60%，平均绝对误差为2.19 ℃，整体订正效果优于ECMWF模式（European Centre for Medium-Range Weather Forecasting）、中央台城镇预报指导报（SCMOC）及四川省气象台数值预报客观释用城镇预报指导报（SPCO）的预报。
近年来，人工智能技术在图像识别领域取得了突破性进展，为探寻人工智能模型在武汉地区雷达回波临近预报中的应用价值，本文利用湖北武汉市2015—2020年雷达回波和降水量观测资料，对PredRNN++、MIM、CrevNet和PhyDNet 4种深度学习模型进行雷达回波临近预报训练，并基于2021年汛期雷达回波资料进行雷达回波临近预报。在此基础上，通过降水强度和降水面积指数筛选降水过程，并以均方误差（Mean Square Error， MSE）、结构相似性指数（Structural Similarity Index Measurement， SSIM）、命中率（Probability of Detection， POD）、空报率（False Alarm Rate， FAR）和临界成功指数（Critical Success Index， CSI）为指标，检验评估上述4种深度学习模型和光流法对2021年汛期武汉地区雷达回波的临近预报性能。结果表明：（1）整体来看，MIM模型的MSE最小、POD最高，MIM和PredRNN++模型的SSIM并列最高；所有深度学习模型的FAR均低于光流法，且PhyDNet模型的FAR最低；除CrevNet模型外，其余3种深度学习模型的CSI均高于光流法，且MIM模型的CSI最高。（2）预报的前12 min，光流法的CSI最高，而在18~120 min MIM模型的CSI最高，显示了深度学习模型长预报时效的优势。（3）随着回波强度增加，深度学习模型和光流法的POD和CSI均迅速降低，而FAR光流法与各模型则表现出不同的变化规律。（4）随着区域性降水强度增加，深度学习模型的预报能力均先降低后明显增强，而光流法对降水强度变化的敏感性较弱，故在强降水背景下深度学习模型的CSI较光流法增幅最大；对于局地一般对流性降水过程，所有深度学习模型和光流法的预报能力均大幅降低。（5）暴雨个例分析结果表明，深度学习模型不仅具备一定回波强度变化的预报能力，而且对回波运动的预报能力也明显高于光流法，展示了深度学习模型良好的应用前景。
地基GPS反演大气可降水量（precipitable water， PW）中，加权平均温度（Tm）是一个非常重要的参数。为提高海南岛PW反演的精度和可靠性，基于海口站2008—2010年探空数据计算的Tm，分析Tm时间变化特征及其与地面气象要素的关系，在此基础上利用2008—2012年数据建立Tm单因子、多因子回归模型和加入年积日的回归模型，并利用2013—2014年数据对模型进行检验。进一步基于2012年5—10月数据对基于Tm单因子和多因子模型的GPS反演PW进行检验。结果表明：本地化单因子、两因子Tm模型均方根误差分别为2.000和1.978 K，与Bevis公式、常数法相比，本地模型误差较小，与探空资料计算的Tm有良好的一致性。与Bevis模型相比，基于本地单因子和多因子Tm模型的GPS反演PW与探空资料计算的PW相关性更高，偏差更小；与多因子线性模型相比，基于加入年积日的Tm模型的GPS反演PW精度明显提高。本地化Tm模型能更好满足海口地区地基GPS反演PW。
为了更好地发挥风廓线雷达在高空探测中的优势，本文利用2014—2017年中国科学院大气物理研究所淮南气候环境综合观测试验站（Huainan Climate and Environment Observatory，HCEO）的ST风廓线雷达探测资料，评估在不同探测模式组合下雷达的探测性能，探讨探测气象环境对其影响，研判实际应用中探测模式组合的适用性。结果表明：ST风廓线雷达选用高、低模式与转换高度进行模式组合，可实现不同探测目的，但不同组合的探测性能存在差异，主要呈现两种变化规律：一种是模式转换前探测性能逐渐降低，而转换后迅速升高，进入高模式后随高度逐渐降低；另一种是转换过程中探测性能未发生明显改变，到高模式某一高度后逐渐降低。另外，秋冬季临近转换高度探测性能的降低程度逐渐加大；降水使对流层中低层探测性能降低。因此，可以依据雷达对大气边界层、对流层以及平流层的探测性能，选择合适的探测模式组合。
为指导地市更加科学合理地开展人工增雨作业，基于2018—2020年夏秋季浙江人工增雨作业记录、多普勒雷达数据、MICAPS数据、自动站小时雨量及探空数据，在对增雨作业效果分析后利用逆推法对浙江省夏秋季人工增雨作业雷达指标进行研究。浙江有利于开展人工增雨作业的天气系统主要有切变线、高空槽和台风，占比分别为28.6%、21.4%和21.4%。根据雷达回波和降水特征，作业云系可分为层状云、积状云、层状云为主和积状云为主的混合云，其中混合云是最常见的作业云系，占比高达82.5%。在日常增雨作业中，增雨效果明显的作业比例较低，占比仅13.4%。回波强度、回波顶高、负温层厚度、垂直积分液态水含量为增雨作业条件判别的有效指标，不同季节和不同云系对应的雷达指标有所不同。统计发现未能合理开展作业是无法获取正增雨效果的主要原因，占比高达49.2%，其他常见原因还包括作业时机不合适、作业部位不合适和作业对象不合适。本文所建立的雷达指标在临近作业指挥中具有一定的指导意义。
