文摘
在近三雨季的闪电活动在中国北方,数值预测实验使用天气研究和预测模型加上电气化和排放计划(WRF-Electric)。数值预报结果评估使用于社区公平威胁分数(ETS)和部分技能分数(FSS)基于全国闪电观测数据验证方法。算法被用来生成覆盖总额的flash(云间的和云地闪)通过拟合云地闪电数据。数值结果表明,该地区的闪电活动可以预测的中尺度WRF-Electric模型,特别是在6-12-hour预测。6-12-hour预测期间的平均ETS得分是0.34邻域半径20公里。模型的预测能力变化不仅每月还在白天。模型显示更好的预测技巧主要的雨季期间(June-July-August)和14:00-20:00当地时间。增强了模型的可预测性增加雷暴规模。另一方面,预测闪电活动的报道相对集中,和闪电密度高于观测。模型预测的主要差异是与放电参数化的设计有关。 Thus, in discharge parameterization, the initial threshold for lightning should be modified according to the model resolution, while the magnitude of the neutralization charge in a single discharge should be referenced to the observational results.
1。介绍
预测是很重要的闪电活动更好更及时,因为它起着至关重要的作用在航空航天、能源、电力、和旅游产业。0-2-hour短时预测的闪电活动,一个基于多个风暴跟踪算法或外推法可以应用机器学习方法使用雷达、卫星和闪电探测数据集。这种方法可以成功地预测在此时间段内闪电活动(1,2]。然而,2小时之后迅速extrapolation-based短时预测的准确性降低(3]。在这种情况下,通常采用数值天气预报方法相反或相结合预测闪电活动在交货期延长(4,5]。
两种方法用来预测闪电活动使用数值天气模型。一种方法是基于预测的动态和微观物理学的领域与闪电活动。这种方法被称为“闪电”的诊断参数化6,7),包括建立一个闪电预测代理。一个统计模型运行根据闪电活动的特点和大规模的大气动力和热力参数(例如,斗篷,CIN,K指数或指数),然后闪电活动可以使用预测预测领域获得的数值模拟[8- - - - - -13]。
先前的研究人员也已经建立了一些诊断变量关于闪电活动根据闪电和云级别的属性之间的关系14- - - - - -16]。无干扰等。17)使用model-derived霰通量对流云和总冰内容获得这两个参数之间的统计关系和总闪电密度。实验后et al。18)提出了一个闪电潜力指数(LPI)预测的潜在趋势闪电发生。他们表示,LPI可以预测闪电活动比传统热力学指数。机器学习框架也可以用来诊断闪电的发生基于数值预测领域(19,20.]。
第二种方法是被称为“闪电的物理参数。“预测方程介绍了各种水文气象的电荷密度数值模型,预测的总电荷密度的进化云。电场在云计算使用预测雷暴电荷密度。同时,参数化的闪电是开发基于物理过程的闪电。该方法符合闪电发生的物理过程。进步的结果,数值模型、物理参数化方法有更大的潜力预测闪电活动比诊断参数化方法。
中尺度数值模式加上电过程通常被称为中尺度电气化和放电模型。这样的模型被用来预测雷暴闪电活动(21- - - - - -24]。例如,王(25]介绍了电子流程到葡萄(全球/区域同化预报系统)模型并进行预测实验以前观察到的地区闪电活动。徐et al。26,27)耦合的多个电气化和排放计划的高级研究版本气象研究和预测(WRF-ARW)模型,称为WRF-Electric模型。他们进行预测实验使用散装闪电闪电活动参数化方案。Fierro et al。28闪电)引入了一个更详细的参数化方案到WRF模型(称为E-WRF模型),研究了预测结果的测试各种各样的风暴。E-WRF模型评估在10高影响力的天气情况下,密度和模拟flash起源与观测领域给了良好的协议(29日]。林恩(30.和王et al。31日)表明,闪电同化可以显著提高模型预测闪电活动的能力。闪电预测实验也一直在使用公羊(地区大气建模系统)加上电过程(32]。
为期一个月的闪电预测实验使用诊断预测模型中的参数化是由威尔金森(33]。然而,闪电预测实验使用中尺度电气模型主要应用于案例研究。这种方法是非常有用的在探索闪电预测方法,但它是不容易评估模型的预测能力只使用案例研究。因此,基于WRF-Electric模型,一个地区(华北)雷电预报平台成立于2015年6月,初和闪电每日预测的实验进行了四次。在目前的研究中,使用闪电预测结果在雨季期间(2015 - 2017年5月至9月),WRF-Electric模型的预测能力客观地评估,为进一步改进提供基础模型的电气部分。
本文的其余部分组织如下。中说明了模型的描述和设置部分2。节中描述的数据和验证方法3。提供了验证结果和讨论部分4。摘要和结论部分给出5。
2。模型和设置
2.1。模型描述
3.4.1 WRF-ARW模型(版本)34)加上电气化和排放计划(26,27,35)是用于仿真。图1模型的显示了一个示意图说明。放电起始阈值(定义为 )在大部分闪电参数化是height-varying电场,计算如下(36]: 在哪里是(无量纲)空气密度,随高度。的单位kV米−1。是一个限制系数。在高分辨率(几百米)云模型,通常设置为1.0。当模型的分辨率几公里,高价值区域的电场可能平滑,所以的价值在这项研究中被设置为0.5。
垂直电场时的触发放电过程在一个网格点超过height-varying起始阈值,然后模型将减少电荷密度的网格点绝对电场超过30 kV m−1了20%。闪电放电方案并不区分类型(云间的或云地闪电)或中风可能多个进程之间在一个闪电过程中,所以我们联系一个模型中的放电过程的完成闪电过程观察。
开发的两个电模型Fierro et al。28和徐et al。26,27)建立了电气化和放电的物理过程引入WRF-ARW模型。采用电气化进程主要是无电感的充电方案基于经典的实验室研究。两个模型之间的主要区别是耦合的微观物理学的方案和排放计划。NSSL two-moment方案和一个相对复杂的放电方案是使用Fierro et al。28]而米尔two-moment方案和大量排放方案所使用的是徐et al。26,27]。
2.2。设置连续预测实验
一个自动预报系统是基于WRF-Electric模型建造的。预测结果提供24小时的地区闪电活动由系统每6小时。预测的结果主要是积累的网格点flash数量每小时(FN,总闪)。预报系统已连续运行2015年6月1日以来,和近三个雨季的预测数据积累。验证工作是基于这些预测数据进行的。
美国国家环境预报中心的全球预测系统数据每隔1°的决议和3 h (37)被用于初始和侧边界条件。双向嵌套域被用于实验,网格尺寸的124×124、160×160和水平网格分辨率12公里,4公里,分别。域的中心是(40°N, 116.2°E),和两个域使用标准静态嵌套没有规定的动作。图2显示了两个域的地形高度和位置。在垂直的政权,28日不均匀水平被用于所有的网格。该模型被定义为50 hPa顶部。只使用两层嵌套域,和垂直分辨率相对较低。预计成本计算可以减少在相对较高的水平分辨率。
物理选项包括米尔two-moment微观物理学的参数化(38,39)的无电感的充电方案改编自嘉丁纳等的研究。40),齐格勒et al。41),和褐色等。42)(TGZ计划),快速辐射传输模型(RRTM)长波辐射方案(43],Dudhia短波辐射方案[44],Kain-Fritsch积云方案[45)、延世大学(YSU)行星边界层方案(46]。没有积云参数化网格用于4公里。两个网格集成为24小时的时间步长15秒和5 s(见表1更多的细节)。只有高分辨率预测结果(4公里)被用于这项研究。
3所示。数据和方法
3.1。ADTD数据集
目前,没有总闪电探测网络覆盖整个预测期内或地区(内部域图2)。因此,全国云地闪电(CG)观测数据从先进的到达时间和方向(ADTD)系统的中国网络被用来与数值模型的结果。ADTD系统是由中国科学院和中国气象局2003年和基于甚低频/低频时间不同方向混合定位技术。李等人。47)详细介绍了ADTD系统的发展。ADTD系统自2003年以来一直运行,包括357个车站覆盖中国大部分。许多研究中国CG flash特征基于ADTD数据(48- - - - - -50]。
ADTD系统一般认为90%的探测效率和定位精度为500 m / 150公里(48),尽管缺乏系统研究这些特性。同时,系统提供的测量时间,位置,极性,CG闪光的峰值电流。中国气象科学院进行人工触发闪电实验在中国南方。根据数据触发闪电测试(6返回中风),平均ADTD系统定位精度的回击是3768米。
预测实验运行的水平网格大小4公里。更好的预测结果进行比较,观察到的闪电定位数据也处理4公里网格,和闪电的数量在每4公里×4公里网格计算使用的观测值与预测结果进行比较。闪电密度的定义是闪电的数量每4公里×4公里网格在这项研究中,单元的闪光/ 16公里2。
3.2。SAFIR数据集
safir - 3000总闪电定位系统系统是一个基于甚高频(VHF)和低频率(51]。它有三个变电站在京津地区(如图2)。系统维护期间2005 - 2008。理论检测效率是95%,定位精度是500米。人们普遍认为核心的定位精度检测区2公里和检测效率高达90%52]。
本研究中使用的数据时间从6月到9月在2007 - 2008年。分析期间每天0600 - 1200 UTC (1400 - 2000 BTC,本地北京时间)。这是雷暴频繁发生的时期。分析地区覆盖(39.3 - -40.3°N, 116 - 118°E),位于核心检测区。首先,甚高频辐射源和CG返回中风分别分为闪光(51]。SAFIR_CG数据代表了CG闪光,SAFIR_Tot数据代表总闪烁。
3.3。一个合适的算法
我们旨在设计一个简单的算法来获得报道总一闪而过的CG闪存数据拟合。安装闪电发生的地区是一个更好的表示实际总闪电发生地区。虽然雷暴的几只包含云间的(IC)闪光或CG闪光,大部分的雷暴包含IC闪光和CG闪光,IC闪光的发生和CG密切相关。闪电会发生当云有电荷的积累和IC闪光CG闪光前经常开发(53]。闪电是否发展成一个IC flash或CG flash取决于云中的电荷结构,尽管它可能会涉及一些随机过程。CG闪光灯闪光总在雷暴的比例与地区差异(约20 - 50%52,54,55]。总比CG闪光闪光发生较大的区域。
当一个CG闪电发生在一个统计点(例如,红色的点在图3)的时间表雷雨(累积超过几个小时),我们假设可能发生一些IC闪光(蓝色点在图3CG闪点(a))。蓝色的点被定义为初步猜测IC闪光。当网格点猜至少两次,然后它假定IC闪电发生在这个网格(紫色点图3(b))。可以生成一个新的数据集通过处理(拟合)CG闪存的数据。拟合的算法应该首先评估总闪电定位系统。
(一)
(b)
新安装flash数据集称为SAFIR_CG_fitted SAFIR_CG数据可以得到处理。没有具体的拟合分析执行当网格与闪电出现的数量≤2长达6个时期。
图4显示了长达6个段拟合结果(06:00-12:00 UTC)在2008年6月30日。的面积发生SAFIR_CG数据小于SAFIR_Tot,尽管SAFIR_CG发生区域的数据通常是位于SAFIR_Tot内核区域的数据。该算法扩展了CG flash匹配之间的关系CG flash和闪电发生的总面积。的面积与SAFIR_CG数据相比,发生SAFIR_CG_fitted数据更符合SAFIR_Tot数据。因此,从定性分析,拟合的算法是有效不引入过多的虚假信号。相对探测效率(RDE)是衡量CG的性能数据集定义。 在哪里代表了flash覆盖面积的数据集一个(CG或安装CG)代表了flash覆盖面积的数据集B(总闪)。RDE可以给所有闪光的部分检测到B这也被检测到一个。一些虚假的闪电信号将使用CG闪存数据以适应总闪数据。因此,错误的信号比的概念(FSR)介绍:
(一)
(b)
(c)
合适的算法评估使用SAFIR数据集从6月到9月6小时区间在2007 - 2008年。与原始SAFIR_CG数据相比,SAFIR_CG_fitted RDE数据显示出了极大的提高。的平均RDE SAFIR_CG数据SAFIR_Tot是35%。拟合的算法可以增加RDE平均20%,引入一个小FSR(大约10%)。当网格数量与闪电发生超过25,RDE增加了约26 - 30%与一个更小的身上。拟合的算法可以有效地之间的空间桥梁CG flash和总闪光。
因为ADTD系统只提供了CG闪存数据,拟合的算法生成总CG闪光灯的闪光。下一部分的预测验证,CG_original代表CG flash ADTD探测到,CG_fitted代表从CG_original生成的数据拟合的算法。
3.4。验证方法
很难评估的实际质量高分辨率模型使用传统指标(点对点的方法),因为轻微的位移误差往往导致“双重惩罚”(即。错误观察但不预测或预测,但没有观察到)。为了避免这些双重处罚,于社区的公平的威胁(ETS)报道了克拉克et al。56在这项研究中采用。这是一个方法来验证预测高分辨率数值网格。验证是基于网格观察闪电数据和模型预测闪存数据。
烟海的传统计算方法57)使用一个2×2列联表可能的预测结果在单独的网格点表元素冲击(事件)的正确预测,错过(观察但不预测事件),假警报(预测但不能观察到的事件),和正确的底片(正确预测的大事)。使用这些元素,ETS表示为 在哪里
平均资产被求和计算(即。,aggregating) contingency table elements over all cases. The miss rate (MR) and false alarm ratio (FAR) were also calculated as follows:
计算于社区的ETS,达到放松的标准通过考虑相邻网格点在指定每个网格点的半径。在克拉克et al。56),闪电的ETS计算预测的半径0,5、10、20、30、40岁,60岁,90公里的阈值指1 flash / 16公里2(闪电密度),这意味着该地区只闪电的定量评估(“是”或“否”评估)。邻域半径设置为0时,于社区的方法减少ETS的传统形式。
部分技能分数(模拟量)58也被用于这项研究。fs是一个于社区的验证方法的部分覆盖预测和观察网格区域总面积相比。小位移的FSS可以更宽容比ETS错误,使它更适合评价与精细的网格仿真(31日]。在实际的计算中,阈值首先需要设置预处理数据,和用于将野外观测( )和预报场( )为二进制字段和 。所有网格方块超过阈值为1,其他的值为0:
和是观察和预测领域处理窗口,分别。在一定邻域半径,和可以通过选择计算 ,和FSS可以进一步计算。在这项研究中,fs闪电预报计算在半径为4,12日,20日,28日,36岁,44岁,52岁,60岁,68,76,84,92,100公里的阈值指1 flash / 16公里2(闪电密度)。ADTD CG_fitted闪存数据用于验证。因为观察到的CG闪光(CG_original)已经计入4公里×4公里网格,根据网格的数量CG闪光观察(N)6小时期间,所有的检验周期分为七大类(N< 50,50≤N< 100年、100年≤N< 500年、500年≤N< 1000年、1000年≤N< 2000年、2000年≤N< 3000年,N≥3000)。所有时间都为分类的FSS方法评估。
我们的研究集中在在6小时内数值模型的预测能力。基于预测的差异,6-12-hour, 12-18-hour, 18-24-hour闪电进行预测。最初0-6-hour预测被丢弃的大多数模型分析和旋转在这一时期,所以闪电预测可能是不准确的。同时,模型初始化在四个不同的一天,有四个相同的预测结果与6小时间隔6小时观察时间。
4所示。结果与讨论
4.1。定量预测结果的验证
调查WRF-Electric模型预测性能的闪电,连续预测实验的结果三个雨季从5月到9月在2015 - 2017年(只可能在2015年失踪)使用于社区的ETS和fs方法进行评估。ETS, fs,先生,远为闪电计算6-12-hour (PRE12) 12-18-hour (PRE18)和18-24-hour (PRE24)预测期限不同的邻域半径。6小时的预测进行对比观测值ADTD CG_fitted和CG_original数据的系统。
图5表明资产迅速增加随着半径的增加从5到30公里,先生和远也大幅减少在同一范围内。变化有较小的邻域半径时> 30公里。对于几乎所有的邻域半径,ETS PRE12得分最高和最低PRE24。相应的PRE12先生和远中最低的三个分析周期。PRE24最高先生之间没有明显的差异远PRE18 PRE24。基于技能的比较分数的三个时期,在PRE12模型预测是最好的。
(一)
(b)
(c)
的资产价值PRE12附近20公里半径为0.34,与相应的先生和0.38和0.55的值,分别。预测中最重要的问题是高值先生。的闪电密度预测技能评分为1 flash / 16公里的阈值2高,意味着预测地区的闪电发生小于观察到的区域。我们还比较了6小时观测值的原始地闪电数据与PRE12 (CG_original),结果显示为虚线(PRE12_original)在图5。的先生PRE12高于PRE12_original因为CG_original闪电的覆盖范围小于CG_fitted。
高先生可能是闪电引发的过度高电场阈值( )出院计划,这意味着放电不能发生在该地区的电气化进程是虚弱的。共有28垂直水平和4公里水平不均匀网格被用于内部网格的模型,这是一个相对较低的空间分辨率的模拟闪电放电。的强电场云可以平滑由于相对粗糙的空间分辨率,因此该模型不能反映的放电活动弱雷雨的带电区域。虽然系数(1)是基于模型分辨率设置为0.5,还高。水平分辨率(模拟雷暴也敏感59]。因此,根据模型的分辨率,应该被修改以获得正确的模型预测闪电活动的报道。放电方案需要改进预测更多电气化疲软地区闪电雷雨,从而减少了。
在中国北方,闪电可以依赖的可预测性典型的天气系统。闪电从5月到9月预测不同的预测时间(PRE12、PRE18 PRE24)比较基于社区ETS的方法调查的月度变化模型的性能。结果表明,预测技能的PRE12是最好的预测时间为所有三个月(没有显示)。每月ETS分数相比,因此使用PRE12预测结果。
图6显示了每个月的ETS PRE12值。6月、7月和8月,ETS分数高于5月和9月。从5月到9月,网格的平均数量中CG闪光观察6小时是81年,265年,278年,298年和233年,分别。ETS在5月和9月的减少可能是由于雷暴的变化范围。当雷暴的规模变得更小、可预测性变得更糟的是,这也反映在FSS验证。主要的华北地区雨季从6月到8月,打雷是相对较弱,减少频繁的5月和9月。如果比在现实情况下,模型可能会导致高值弱雷雨,先生解释了低预测技能5月和9月。的可预测性闪电可能受到对流强度的影响。
雷暴特征不仅通过月度变化而且昼夜变化。因此,预测结果比较确定本地时间的模型显示最好的预测能力。因为每个预测包含24小时预报结果,有四个预测结果为当地标准时间长达6 (LST = UTC + 08: 00)时期选择(02:00-08:00,08年:00-14:00,14:00-20:00,和20:00-02:00)。图7显示了ETS值的邻域半径20公里的时期。不管预测,模型显示当地时间14:最好的预测技巧00-20:00。ETS的PRE12值当地时间14:00-20:00是最高的(> 0.4)。
事实上,除了每月的不同气候背景、特征的雷暴类型会影响雷暴的可预测性。图8金融监督院的邻域半径和数字显示网格的闪电是观察,在PRE12分为七大类。预测fs值低一段小数量的网格有闪光(N< 500),它可以达到0.2的邻域半径100公里。然而,一段与更多的网格有闪光(≤2000N< 3000年和N≥3000),fs值高,分数可以达到0.5 28公里的小区半径和36公里。金融监督院价值增加的数量与小区半径和闪电是观察到的网格。
虽然闪电是观察到的数量的网格不基于个人雷暴,它仍然可以反映出雷暴规模在一定程度上。当网格数量的闪电是观察很小,雷暴往往更本地化的6小时内,当数量很大,雷暴往往更普遍。验证结果表明,模型的可预测性与雷暴规模也会增加。
4.2。定性分析的预测结果
本节的一个目标是说明闪电定性预测预报时间不同。模型的预测能力闪电的密度进行了分析。对三种典型情况下,图9显示了三个案例的观察和预测2015年闪电密度:5月17日(数字9(一)-9(e)), 6月10日(数字9(f) -9(j)), 7月15日(数字9(k) -9(o))。的天气尺度的发行量(图省略)分析了三集850 hPa, 500 hPa, 200 hPa。
第一集与低涡和中层短波槽向东。三个乐队出现在的闪电分布和选择这段时间更好地反映模型的预测能力的位置发生的闪电。第二集是由深涡诱导系统处于中低水平。闪电活动的范围是广泛的和观察到的闪电密度相对较高。最后一集是由涡在中产和高水平符合东风流在低水平。第三集被选中,因为地区闪电发生相对本地化和闪电活动很软弱。
CG_fitted数据是连续的报道比CG_original数据;与此同时,观察到的闪电活动的报道(CG_fitted数据)是比预测的结果。除了闪电活动的主要分布区域,其他情况下观察到的闪电更分散。预测的闪电活动相对集中,只是代表闪电密度高的区域。模型成功地捕获的主要分布地区的闪电活动这三种情况下(数字9(c),9(h)和9(n)),而分散的闪电是很难预测。在这种情况下,该模型容易的错误预测的地区闪电活动疲软。
最好在所有三个案例中,模型的预测结果在PRE12或PRE18,尽管结果显示一些差异预测时间。5月17日2015年6月10日,在PRE12闪电活动的分布与观测数据(数据是相一致的9(c)和9(h))。2015年5月17日,该模型预测三个闪电活动的腰带一样观察到的行为。2015年7月15日,最好的预测结果是在PRE18(图9(n))。在PRE12(图9(m)),该模型没有预测地区的基本模式与观察到的闪电。
预测的闪电密度高于观察,特别是2015年6月10日(数字9(g) -9(h)),当闪电活动越来越广泛。观察到的闪电密度主要是< 10闪光/ 16公里2,而预测密度达到100闪光/ 16公里2。集成电路和CG闪电放电方案没有区别。总闪电是CG闪电的比例大约20%在中国北方52),因此,预测闪电密度过高。模型中放电方案,电荷密度的大小成比例地减少武断,会扭曲中和电荷的数量在一个闪电。电流放电方案可能有问题,中和电荷的数量在一个雷击太小,导致更高的闪电密度的预测。应该使用更多的观察闪电放电的放电方案保持适量的中性闪电电荷模拟。
模型成功预测该地区的闪电活动。然而,闪电参数化方案需要改进预测更疲软的电气化地区的闪电雷雨和降低密度强烈的闪电电气化领域。
在先前的研究25,29日,32),闪电与电模型预测实验主要是在一个或几个雷雨情况下进行。本研究执行长期(三个雨季)闪电用电子数值预测模型预测实验,旨在验证闪电观察,调整包括来自云间的闪电。然而,本研究的预测能力得分相对较低。
大部分放电方案在本研究或E-WRF [28不区分雷电类型(即。,CG or IC lightning), which is a shortcoming of the electrical WRF model. More consideration should be given to how to divide the types of lightning. When predicting lightning using a mesoscale numerical model, it is difficult to determine the type of lightning in a bulk lightning scheme. Lynn et al. [60)提出了一个动态算法产生预测地图地和云间的闪电。的算法动态和粒子物理学领域WRF cloud-resolving模型来计算电势能对不同类型的闪电。谭et al。42)还表示,在初始放电时间的电势影响闪电的类型,这将有助于区分闪电在批量参数化放电的类型。此外,积极的CG和消极的CG必须区分放电方案(61年),即使在一个批量计划。
5。摘要和结论
实验预测地区闪电活动从2015年到2017年使用WRF-Electric模型加上电气化和放电方案进行了研究。运用于社区的ETS和fs验证方法,预测地区闪电活动的数值模型是客观的评估。模型的主要问题被确定通过验证,它提供了一个基础的进一步改善。主要结论如下:(1)主要地区的闪电活动可以预测的中尺度电气化和放电模型。定量验证结果在华北表明6-12-hour预测的预测结果是最好的时期。于社区的ETS验证,平均得分ETS 6-12-hour预测期是0.34邻域半径20公里。模型的预测能力不仅每月各不相同,而且在白天。模型显示更好的预测技巧在主雨季(June-July-August)和14:00-20:00当地时间。模型的预测结果更有价值的闪电6-18-hour预测期。金融监督院验证结果表明,模型的可预测性增加而增加雷暴规模。的时间和更多的网格有闪光(≤2000N< 3000年和N金融监督院分数≥3000),可以达到0.5 28公里的小区半径和36公里。预测结果表现不佳的金融监督院雷暴时验证基于规模很小。闪电可能的可预测性也受到对流强度的影响。(2)闪电活动的覆盖预测的模型小和相对集中与观察。一些分散的地区闪电活动都错过了。最初的闪电的门槛应该修改根据模型分辨率。在这项研究中,闪电参数化方案需要改进预测更多的闪电雷暴与弱电气化减少先生闪电密度的预测模型比观察到的行为,这可能是由于不合理的由一个模拟闪电电荷中和。提高预测的flash密度、中和电荷的大小的单一闪电放电方案应确定的观测结果。
目前,能够定量预测的闪电密度远远落后于中尺度电气化和放电模型。虽然预测闪电活动的分布也依赖于不同的无电感的充电方案,主要差异在当前模型放电参数化的设计。参数化闪电在中尺度模式仍是一个未解决的合理和高度挑战性的问题62年]。
于社区的ETS和fs方法被用来评估闪电活动的预测。这些验证方法被广泛使用。然而,他们最初开发降水预报。由于闪电活动的独特特点,最近的一项研究[33闪电]提出了一种新方法验证预测的三个属性:覆盖的领域,距离观察,闪电和强度的预测。新方法在未来的研究应给予更多的关注。
相比之下,评价由Dafis et al。29日)和Gharaylou et al。63年),初始场的解析和仿真在这项研究中的应用是低,但目前结果的参考价值提高放电方案。如果初始场分辨率得到了改善和提高,相信能够预测闪电WRF-Electric将显著提高。
数据可用性
请求访问ADTD数据集应该国家气象信息中心((电子邮件保护))。其他数据用于支持这项研究的发现是可用的特殊要求。任何人感兴趣这个电气模型可以自由获得的源代码从相应的作者。
的利益冲突
作者宣称没有利益冲突有关这篇文章的出版。
确认
作者要感谢加藤照从日本气象局的气象学院对他有用的评论。这项研究得到了国家重点研究和发展计划(批准号2017 yfc1501503)和中国气象科学院科学技术发展基金(批准号2021 kj012)。