淮河流域不同时间尺度暴雨的多模式预报性能评估及洪水可预报性探讨

为了让数值预报产品能够在流域气象业务中达到最佳应用效果,从而为淮河防汛调度提供决策支持,利用2015—2017年6—8月EC、JMA、WRF、INCA四种数值模式降水预报产品,采用TS评分、空估率和漏估率等方法,分别评估四种模式对淮河流域24、12、6、3和1 h时间尺度暴雨的预报性能,并对比分析四种模式对各种时间尺度暴雨预报的可用时效。在此基础上,选取EC的24 h累积降水预报产品驱动分布式水文模型CREST,构建淮河上游的气象水文耦合洪水预报模型,并对2016年6—8月、2017年5—8月的实时运行结果进行评估,探讨了淮河流域洪水的可预报性。主要结论如下:(1)对于24、12h时间尺度的暴雨,EC预报性能最优、可用时效最长。当暴雨时间尺度缩短到6 h时,WRF的预报性能及可用时效均超越EC,当暴雨发生在3 h内时,WRF的优势更加明显。JMA对各个时间尺度暴雨的预报能力均最差。(2)在0～3 h预报时效内,EC和WRF均存在暴雨漏报率异常偏高、TS异常偏低的现象,其暴雨预报在临近预警中不具备参考价值。INCA则表现出在临近预报中的绝对优势,对1 h预报时效的暴雨预报TS评分为54%,可用时效为3 h。(3)EC、JMA和WRF对6、3 h时间尺度的暴雨预报性能存在明显的日变化特征。(4)淮河上游洪水预报的可用时效为108 h。     

一种改进的频率匹配法在网格降水预报订正中的应用

为提高精细化网格降水的实际预报能力,评估了2021年汛期ECMWF(EC)、CMA-MESO、SXWRF和SCMOC降水预报产品在陕西的表现,讨论了卡尔曼动态频率匹配方法对不同模式的订正效果,然后针对该方法不足,基于最优TS评分阈值法和SCMOC在天气过程判定中占优信息对小量级降水进行了二次订正,最后利用分类降水过程建模和基于图像相似识别技术改进的卡尔曼动态频率匹配法对暴雨进行了订正研究。结果表明:SCMOC晴雨预报准确率和暴雨TS评分均最高,分别为81.60%和0.30,表现最好;卡尔曼动态频率匹配法可明显提高EC、CMA-MESO和SXWRF模式降水预报产品晴雨预报准确率,对暴雨预报的改善效果不稳定,对EC晴雨预报准确率和暴雨TS评分提升幅度均最大,分别为6.35%和6.99%,该订正方法更适合于EC模式;经晴雨消空二次订正后的EC模式晴雨和小雨预报准确率较一次订正后的EC模式均有提高,分别提高了0.51%和0.64%;分类降水过程建模订正可进一步提高EC暴雨TS评分,较未分类过程订正后的暴雨TS评分提高了1.05%,且暴雨其他评分指标也均变好;改进后的卡尔曼动态频率匹配法较改进前...     

江苏暴雨概率预报及其业务应用

以未来12~36 h、36~60 h和60~84 h的暴雨预报为目标,利用2011年—2013年夏季6—8月欧洲细网格数值模式预报产品分析了江苏夏季暴雨的可能预报因子。通过对各因子进行相关性、敏感性和代表性分析后,优选了22个对不同强度降水具有较好区分能力的暴雨预报因子。以这些因子为基础建立了一种简单的江苏省暴雨概率预报方法。其预报产品已在江苏省气象业务一体化平台上投入业务使用。该方法在2011—2013年7月,针对提前12 h预报的历史回报试验中,TS技巧评分平均为13.6,明显高于EC细网格24 h降水预报产品(平均TS评分仅为4.5)。在2014年梅汛期的6月25—26日、7月1—2日和7月4—5日三次区域性暴雨个例的预报试验中,提前60、36、12 h的预报效果均较好,其平均TS评分(44.6)也明显高于欧洲细网格数值模式的降水预报(20.4)。     

2008年汛期两种模式降水预报的检验分析

使用WRF模式和MM5模式分别对吉林省全省50个地面观测站做了降水预报的数值模拟．并进行了检验分析和对比。全省区域降水预报检验结果表明：WRF模式0-24h和24-48h的预报正确率为82．4％和81．1％,分别高出MM5模式6．1和7．4个百分点;WRF模式各级降水预报的TS评分均高于MM5模式,对于暴雨以上的降水预报,WRF模式0-24h和24-48h预报的TS评分为11．2％和14．5％,具有一定的预报能力;两种模式的降水预报都存在着一定的空报率和漏报率,其中大雨以上预报的空报率和漏报率均超过了45％,暴雨以上预报的空报率和漏报率均超过了70％。     

GRAPES_TCM模式对影响浙江省热带气旋的降水预报评估

基于2006-2009年有热带气旋影响浙江省期间气象站(包括自动站)资料及上海台风研究所的GRAPES_TCM模式输出降水资料,应用TS和BS评分方法,对模式在浙江省的热带气旋降水预报能力进行了评估.结果表明模式晴雨准确率和小雨TS评分24 h和36 h预报相对高,48 h开始随预报时效逐渐下降,中雨、大雨和暴雨TS评分随时效变化趋势不明显,而大暴雨TS评分有较大的随机性.漏报是影响小雨和中雨TS评分的主要原因,空、漏报对大雨和暴雨TS评分的影响基本相同,空报是影响大暴雨TS评分的主要原因.相同预报时效的TS评分随降水等级的提高而减小.BS评分发现模式对大雨及以下量级降水预报站次比实际偏少,对暴雨预报相对接近实际出现站次,对70 mm以上的大暴雨模式有过度预报倾向.与宁波市气象台主观预报比较,对晴雨和小雨预报,相同时效的主观预报一般高于客观,主观暴雨预报TS评分比客观预报一般高出30％以上.GRAPES_TCM模式对于影响程度高的TC降水预报能力相对高.20时输出预报与08时相比,对于晴雨和小雨预报,48 h以内差异不大,而60 h和72 h预报准确率,20时明显高于08时.对于中雨及以上等级降水,20时预报TS评分一般比08时好,主要得益于漏报率的降低.     

2022年汛期四川多模式降水预报检验

采用站点观测和EC、EC订正场（ECR）、CMA＿3KM、SWC＿3KM模式12～36 h降水预报资料,基于TS评分、SAL检验等指标,对2022年汛期四川多模式降水预报效果进行检验和对比分析。结果表明：（1）SWC＿3KM有雨日数预报最接近实况分布,EC模式雨日空报最多且在川西高原和攀西地区尤为显著,EC模式大雨日数预报优于其余模式。（2）BS评分显示EC模式大量级降水预报偏干,其余模式均以湿偏差为主。TS评分暴雨量级各月均以ECR预报最优。（3）个例评分对比,ECR预报效果最稳定,过程最高TS评分次数最多,SWC模式次数最少。（4）ECR个例预报降水强度及雨带位置、走向与实况最接近,EC模式预报偏弱。SWC＿3KM模式强降水雨带位置预报在盆地西北部和凉山州北部参考性较高。CMA＿3KM和SWC＿3KM模式预报大量级降水在高海拔地区存在较大范围空报。     

集合预报产品在江苏省暴雨预报中的应用评估

利用2011—2015年6—8月TIGGE(THORPEX Interactive Grand Global Ensemble)数据集中欧洲中期天气预报中心(ECMWF,以下简称EC)的集合降水预报数据和江苏省70个基本站逐日24 h(20时至次日20时)降水数据,通过大量暴雨样本系统检验和评估了EC集合预报及多种后处理释用产品对江苏暴雨的预报能力。结果表明:作为集合预报的初级产品,集合平均对暴雨的预报存在明显的漏报率,TS预报评分尚不及EC确定性预报;集合预报不同成员间对暴雨的预报技巧差异大,其最优成员组合的预报能力显著优于EC确定性预报,表明集合预报具有较大的应用潜力;在多种集合预报后处理释用技术中,最大值、最优百分位、降水偏差订正频率匹配法、概率预报、集合异常预报法和杜-周排序法(最大值法)的平均TS评分均较高,超过10%,其次90%分位数、融合、融合-概率匹配和杜-周排序法(集合平均或中位值法)的预报效果也均优于EC确定性预报。集合中位值、概率匹配方法对江苏暴雨的预报评分低于集合平均预报,在暴雨预报上的参考价值相对较低。该评估结果进一步加深了对各集合预报产品区域暴雨预报能力的认识,为预报员更直接快速地选取有效的集合预报产品提供参考。     

阜新地区东北冷涡多模式降水预报检验

为了评估欧洲数值中心全球模式（ECMWF）、中国全球模式（GRAPES）和美国全球模式（NCEP_GFS）对东北冷涡降水的24 h预报性能,提高数值模式在阜新的预报能力,为模式物理参数方案的选择和调整提供客观依据,利用2019年5—8月降水产品对阜新市两个国家级观测站阜蒙县站和彰武县站进行晴雨、一般性降水和分量级降水检验,以及平均绝对误差和平均误差检验。结果表明：ECMWF模式降水预报要好于其他两种模式,冷涡发展期和成熟期ECMWF产品TS评分较高,衰减期则较低。从平均绝对误差来看,阜蒙县站5—8月ECMWF误差最小,GRAPES和NCEP_GFS预报效果不稳定;彰武县站ECMWF并无明显优势,5—6月GRAPES预报能力最强,7—8月NCEP_GFS预报能力最强。分析平均误差可知,三种模式对阜蒙县的降水预报偏弱,对彰武县的降水预报只在6月偏强。在大雨及以上量级的降水预报上三种模式均偏小,其中ECMWF的TS评分最高为40.2%。三种模式针对阜蒙县的降水TS评分均高于彰武县。     

ECMWF模式强降水预报偏差订正方法研究及应用

利用安徽省81站逐日降水量资料、NCEP 500 hPa再分析资料、ECMWF (以下简称EC)降水和500 hPa高度预报,基于暴雨中心和天气类型的客观判定,分类统计2012—2018年23个强降水过程降水中心的预报偏差。结果表明在西路强冷空气和东路冷空气天气类型下,当EC预报降水中心位于115°—120°E 584 dagpm线以北时,降水中心预报往往偏北,依据两者的纬度差和降水中心预报偏差建立了基于天气分类的主雨带位置订正方法;同时依据23个强降水过程最大降水区域降水量预报的日平均偏差,建立了暴雨的强度订正方法。将偏差订正方法应用于2020年安徽省梅汛期预报,结果发现无论位置还是强度订正都能使暴雨预报TS评分明显提高。同时进行位置和强度订正后,暴雨TS评分提高更加明显,尤其是对2020年两次最强降水过程订正效果显著。     

基于频率匹配法的SWC-WARMS模式降水订正试验

基于西南区域数值预报模式（SWC-WARMS）2019年5~8月00时起报的24h累计降水预报资料和四川省气象站点降水观测资料,采用频率匹配法对6月1日~8月31日降水预报值进行了偏差订正。结果表明:模式预报的24h累计降水量总体为湿偏差;订正后降水量平均绝对误差减小;大雨和暴雨的偏差评分提高;小雨、中雨、大雨的TS评分提高,暴雨TS评分降低;各量级的空报率均有所降低,小雨和中雨漏报率减小,大雨和暴雨漏报率增大,尤其是暴雨漏报率显著增加;当模式对暴雨降水落区预报较好（差）时,频率匹配订正能提高（降低）TS评分。      

基于Xgboost算法的短时强降水预报方法

基于EC细网格模式的再分析场计算诊断参量,并结合重庆地区2011—2014年5—9月间短时强降水个例建立训练集,进而根据箱线图差异指数提出的阈值法对样本初步消空,然后通过K均值聚类和Relief算法分别重建了类别平衡的训练集,并优选了平均权重较大的参量进入模型,建立了一个以Xgboost算法为核心的重庆地区短时强降水预报模型。结果表明:(1)模型可输出概率预报或用户自定义概率阈值生成确定性预报。(2)2015年独立样本测试表明,当概率阈值取0.1时,模型的AUC为0.92,总体分类效果较好,全体样本的短时强降水TS评分可达0.3,高于EC再分析场;对其中两次个例分析表明,Xgboost方法的短时强降水客观概率预报能更好描述强降水发生的概率和落区,逐时次的预报效果仍优于EC,TS评分在0.2～0.4之间。(3)模型对近年来短时强降水过程的回报TS在0.1以上,仍然高于EC并与常规业务水平持平,具有一定参考意义。     

SWCWARMS 模式对巴中地区预报能力的检验

应用巴中地区218个自动气象观测站2016年6～8月逐日的24h累积雨量,采取基于客观统计的检验方法,针对24h累积雨量,采取TS评分、BIAS评分和空报率对比分析了 SWCWARMS 模式和 EC 细网格模式在巴中地区的预报能力。研究结果表明:(1)从降水落区来看,两个模式都对雨带的移动都有较好的预报能力;(2)从降水 TS 评分看,SWCWARMS模式在各量级上的 TS 评分都优于 EC 模式;(3)从降水 BIAS 评分看,EC 模式容易漏报中雨及以上量级的降水,而 SWCWARMS 模式则对大暴雨的预报有较大的空报;(4)从逐月评估结果看,6月和7月SWCWARMS 模式较EC模式有更好的预报效果,8月两者差异不大。总体而言,SWCWARMS 模式在巴中地区的预报效果优于 EC 模式。      

2012年深圳前汛期降水EC与HAPS模式检验

对2012年前汛期（4-6月）欧洲中心全球模式与HAPS中尺度模式的降雨预报场进行逐6h晴雨检验与24 h分量级降水检验,得出：EC逐6h降水预报空报多而漏报少,预报无降水时可信度更高,TS评分在0.3 ～0.4之间;24 h分级检验中预报能力随着降水量级的增大而减小,空报率、漏报率增大,TS评分减小;EC随着预报提前量的减小TS评分增加,起报时次对预报能力无明显影响;总体来说,EC能为深圳10 d预报提供较好的参考价值,尤其是6d预报,对于暴雨的预报有待预报员订正.HAPS逐6h晴雨预报TS评分在0.48～0.32之间,提前量6h内预报效果好,TS评分0.4以上,有较高的参考价值;24 h分级降水预报能力与EC相同,也是随着降水量级的提升预报能力降低;但是HAPS预报能力与提前量的相关性主要表现在提前量6h以内,提前量减小TS评分明显增大,对于提前量大于6h的预报能力无明显变化;总体来说,预报员可依靠HAPS在短期预报基础上做好短临预报的订正工作,开展24 h分区预报.     

配料法在宁夏暴雨预报中的应用

选取2000—2015年发生在宁夏23次由深厚湿对流引起的区域性暴雨天气过程为研究对象,研究确定暴雨预报的配料方案,采用2016年6—8月宁夏25个常规站和947个自动站逐小时降水量、ECMWF 72 h内模式资料,从统计分析和个例剖析两方面探讨配料法暴雨预报效果,结果表明:(1)通过对比2016年6—8月ECMWF暴雨预报与配料法暴雨预报发现,不同预报时段,配料法暴雨预报均优于ECMWF暴雨预报;(2)配料法能准确预报所选两次暴雨个例降水的中心强度、落区及变化趋势,但强度和落区较实况偏强、偏大;(3)配料法对六盘山区暴雨过程弱降水预报效果较差,对贺兰山沿山暴雨过程存在降水空报。     

日本数值产品对丹东暴雨预报的天气学检验与误差分析

使用2001年7月—2010年8月日本数值模式传真图资料,以辽宁丹东为代表站点,采用统计学与天气学检验相结合的方法,对日本数值模式暴雨预报性能和误差进行检验和分析。同时,对日本数值模式高空环流形势、中低层影响系统及物理量场预报进行检验。结果表明：1）日本数值模式对暴雨预报的TS评分为21.8%,具有一定预报能力;预报正...     

湖南6月区域持续性暴雨概率预报模型及应用

利用1979—2016年6月EAR5再分析资料,选取湿热力平流参数、热力螺旋度、散度通量、水汽散度通量和热力波作用密度5个综合因子,采用核密度估计方法,基于TS评分最优为检验标准筛选确立最优因子和权重组合,构建了湖南区域持续性暴雨概率预报模型,并进行了独立样本检验与业务试用。结果表明:2017—2019年独立样本回代检验,平均TS评分达到29.9%,相比于欧洲中期天气预报中心(ECMWF)细网格(平均TS评分为22.4%)为正技巧。在2021年、2022年汛期两次区域持续性暴雨个例的预报试验中,提前24 h的暴雨预报优于ECMWF、CMA-GFS等大尺度模式和CMA-SH、CMA-GD等区域中尺度模式,对湖南区域持续性暴雨有较强的预报能力。     

辽宁地区“8.16”特大暴雨过程数值预报产品检验

利用地面气象站和探空观测资料,对2013年8月16日辽宁地区特大暴雨过程数值模式预报的产品进行检验和对比分析,主要包括降水、500 h Pa位势高度场和副热带高压指数等。结果表明:一般性降水预报准确率T639模式整体优于EC模式,暴雨预报平均准确率EC模式略高于T639模式,T639模式和EC模式降水预报正负距平出现位置近似。多个数值模式对清原站主要降水时段(8月16日11—23时)的降水预报明显偏弱,WRF模式预报的全省3 h最大降水量远大于实况,T639模式和EC模式预报的降水量级均明显小于实况。EC模式和多模式集成72 h内降水落区与强降水中心位置的预报相对较稳定,过去15 d的滑动平均检验结果对降水预报具有一定的指示意义,72 h内EC模式的特征线预报一致性明显高于T639模式,对于辽宁省大部地区及上游高空槽附近EC模式降水预报的离散度小于T639模式。     

频率匹配技术在暴雨预报中的应用及改进分析

利用欧洲中期天气预报中心和美国国家环境预报中心2017年5—8月逐日降水预报资料及同时段MICAPS降水观测资料,采用频率匹配技术对江淮流域夏季降水预报进行模式偏差订正及改进技术探讨。结果表明:(1)模式对小雨预报偏多,存在大量空报;对大雨及以上降水预报偏少,存在较大漏报。(2)偏差订正通过下调小量级降水、上调大量级降水,使各量级降水的强度和面积偏差均得到一定程度改善,降水量级两端订正效果明显,订正后小雨和暴雨准确率显著提升。(3)偏差订正对暴雨落区预报的改进效果与过程相关,个例分析表明:对于雨带位置预报较准确的大范围梅雨锋暴雨,偏差订正后暴雨TS评分明显提升;对于副高边缘的小范围暴雨以及雨带位置预报失误的梅雨锋暴雨或台风暴雨,偏差订正后暴雨TS评分改善不明显甚至降低。(4)针对上述问题,提出了系数动态调整和模式集成的改进思路,即对于平均雨量5 mm以下的小范围暴雨,适当上调订正系数;平均雨量在15 mm以上的大范围暴雨,适当下调订正系数。模式集成订正可有效提高暴雨TS评分。     

基于ECMWF模式的四川夏季强降水订正试验

利用2016—2018年6—8月四川地面观测降水资料(含加密自动站)及同时段ECMWF模式各要素预报场资料,根据基于"配料法"计算所得出的3 h间隔短时强降水概率预报,统计各格点各个转换概率阈值的次数,探索了一种针对模式24 h累计降水预报的强降水订正方法,并运用该方法对2018年6—8月降水集中时段24—72 h时效ECMWF模式降水预报进行逐日试验检验。试验结果表明:(1)从大雨、暴雨降水量级综合检验指标来看,各时效订正后命中率、漏报率、TS评分均有明显改善,且随着预报时效的延长,各指标数值提高的幅度愈大。空报率虽然0—24 h、24—48 h时效预报有所增加,但空报率增加幅度远小于漏报率减小幅度;(2)从个例检验结果来看,订正后的模式预报相比订正前的预报而言,降水量级明显增加,50 mm以上降水落区预报效果有较大程度提升,尤其是0—24 h时效预报,订正后降水落区分布与实况基本一致。     

一种基于可预报性的暴雨预报评分新方法Ⅰ:中国暴雨可预报性综合指数

针对当前暴雨预报检验采用二分类事件检验方法存在的双重惩罚导致评分过低,没有考虑到中国暴雨可预报性时、空分布不均,不便于对比分析不同区域暴雨预报能力差异等问题,为了发展基于可预报性的新型暴雨预报评分方法,在综合分析影响预报员暴雨预报信心的主要因素（暴雨气候统计特征、天气影响系统运动尺度特征及数值模式预报能力等）基础上,利用2008—2016年4—10月中国国家气象信息中心5 km×5 km分辨率的多源降水融合格点分析资料、站点降水观测资料和中国国家级业务区域模式降水预报资料以及扩展空间暴雨样本统计方法,构建了一种新型的中国暴雨可预报性综合指数（Synthetic Predictability Index of Heavy Rainfall,以下简称SPI）数学模型,以定量描述中国各区域的暴雨可预报性特征。SPI数学模型由暴雨气候频率、暴雨面积比率和模式暴雨预报成功指数（Threat Score,TS）3个分量组成,计算了2008—2016年4—10月SPI的3个分量及其时、空变化特征。分析结果显示:暴雨面积比率对SPI的时间和空间变化影响最大,两者偏相关系数大于0.9;其次是暴雨气候频率的影响,两者偏相关系数值为0.8左右;第三是模式暴雨预报TS评分的影响,两者的偏相关系数为0.7左右。分析还发现,SPI大值区随季节而变化,空间分布不均匀:4—5月,可预报性大值区主要分布在华南地区;6—7月,主要分布在江淮流域;7月中旬至8月,大值中心从江淮北部移到华北和东北地区;9月,副热带高压南撤,大值中心也相应南撤。