京津冀复杂地形下降水相态高分辨率预报改进关键问题研究

The terrain structure of Beijing-Tianjin-Hebei area is complex, although some identification index of winter precipitation phase for local areas have been established by exploring physical factor on the basis of the historical observed data, such as the temperature and geopotential thickness at different levels. It is not still unclear about the effect of complex terrain on the physical mechanism and climate statistical characteristics of precipitation type over Beijing-Tianjin-Hebei area, so it is difficult to estimate the precipitation type by using the unified prediction index.In order to carry out a more accurate prediction, it is necessary to develop an objective algorithm by introducing ground observational data and the distribution difference of average climatic probability and the climatic characteristics of precipitation phase transformation of complex terrain into high resolution numerical model. The aim of this project is to establish an objective forecast algorithm of precipitation phase classification with high reliability under complex terrain to achieve the　objective forecast of high spatial and temporal resolutions of precipitation phase by researching statistical characteristics of complex topography and climate influence on precipitation phase of the Beijing-Tianjin-Hebei area and related mechanism based on the nonlinear support vector machine and high resolution numerical model. The research findings from the project can help to improve the understanding of the influence of complex terrain on the precipitation phase and its mechanism, and to provide scientific basis for the forecast and service of winter precipitation phase.

京津冀地区降水相态高分辨率预报困难，虽然以往的研究对不同降水相态的温度和位势厚度进行了统计分析，但目前由于仍存在不清楚京津冀地区复杂地形对降水相态影响的物理机制和气候统计特征这样的关键问题，故很难用统一的预报指标判断降水的相态。要进行降水相态精细化的更高准确率的客观预报，必须将京津冀地区复杂地形下，各类降水相态受地形影响的物理机制、平均气候概率的分布差异、降水相态转化的气候特征及地面观测实况数据引入高分辨率数值模式中，构建针对站点的降水相态客观预报算法。本项目拟基于非线性支持向量机和高分辨率数值模式，研究复杂地形对京津冀地区降水相态影响的相关机理和气候统计特征，构建京津冀地区复杂地形下的降水相态分类客观预报算法，实现降水相态的精细化客观预报。该研究有助于提高复杂地形对降水相态影响规律及机理方面的认识，并为今后做好冬季降水相态的预报和服务提供科学依据。

京津冀地区降水相态高分辨率预报困难，虽然以往的研究对不同降水相态的温度和位势厚度进行了统计分析，但目前由于仍存在不清楚京津冀地区复杂地形对降水相态影响的物理机制和气候统计特征这样的关键问题，故很难用统一的预报指标判断降水的相态。要进行降水相态精细化的更高准确率的客观预报，必须将京津冀地区复杂地形下，各类降水相态受地形影响的物理机制、平均气候概率的分布差异、降水相态转化的气候特征及地面观测实况数据引入高分辨率数值模式中，构建针对站点的降水相态客观预报算法。本项目基于京津冀地区1955-2019年国家级气象站的温度和天气现象资料，以及快速更新多尺度分析和预报系统（睿图/RMAPS）集成子系统（RMAPS-IN）高分辨率集成预报产品，分别利用提升树XGBoost、支持向量机SVM和深度神经网络DNN三种机器学习方法，建立了京津冀复杂地形下降水相态高分辨率网格预报模型。首先统计分析了京津冀地区174个国家级观测站点各类降水相态及其对应的气温、湿球温度平均气候概率的空间分布差异，以及不同降水相态时RMAPS-IN提供的网格化快速更新精细集成产品中7个可能影响降水相态判断的因子信息，包括地面2-m气温、露点温度、相对湿度、雪线高度、雪混合比占雨和雪混合比的比例，以及气温和湿球温度三维气象要素客观分析等；然后将地面观测天气现象资料、复杂地形下降水相态气候特征及高分辨率模式输出产品作为特征向量，分别基于XGBoost、SVM、DNN建立了降水相态分类模型，并对同样条件下三种机器学习方法对降雨、雨夹雪和雪3种京津冀主要降水相态的预报效果进行了对比检验。研究结果表明：1）构建的特征参数中增加复杂地形下降水相态气候特征，可以明显提升三种机器学习方法对于雨、雨夹雪和雪的预测准确率；2）三种机器学习方法对雨和雪的预报能力都明显优于雨夹雪；3）XGBoost和DNN的预报能力相当，都明显优于SVM。研究结果实现了降水相态的精细化客观预报，对于提高冬季降水相态客观预报的准确率有一定的意义。