三种数值模式气温预报产品的检验及误差订正方法研究

基于德国天气在线T7online(简称T7)、ECMWF细网格(简称EC)及T639三种数值模式的气温预报产品,结合本溪站气象观测资料,对三种数值模式2014年1月至2015年12月本溪市气温预报的准确率及预报误差进行了检验和分析,根据误差分析结果利用BP神经网络模型建立了本溪市数值模式气温预报误差客观化订正模型。结果表明:对于气温预报的年检验,T7、EC和T639三种数值模式的最低气温预报准确率均高于最高气温的预报准确率;对于气温预报的月检验,三种数值模式对夏季、秋季最低气温的预报效果明显优于冬季和春季,而对于最高气温的预报,T7的气温预报准确率明显优于EC和T639模式;当气温波动较大时,三种数值模式气温的预报准确率均明显下降。三种数值模式对最低气温预报的平均误差均为2.00℃以内,对最高气温的预报准确率存较大差别,T7模式最高气温的预报误差最小,T639模式气温预报的系统偏差最明显,最低气温系统偏差为-1.34℃,最高气温系统偏差为-2.87℃。根据三种数值模式气温预报误差的特征,结合BP神经网络建立本溪市气温误差预报模型对数值模式气温预报结果进行订正,订正后气温平均绝对误差由2.40℃左右降至1.40℃左右,系统偏差和均方根误差均明显缩小,气温预报准确率由50%左右提高至80%以上,数值模式气温预报准确率明显提高,具有较好的应用价值。     

CMA-GD模式江西省智能网格预报区域2 m气温预报误差分析

利用2020年6月1日—2022年5月31日CMA GD模式2 m气温预报产品（预报时效为13—36 h）和同期江西省智能网格预报区域内地面站气温观测资料,计算气温预报准确率、平均误差和均方根误差,并统计分析其时空分布特征。结果表明： 1）模式预报准确率在不同月份、起报时次存在差异,暖季总体较高,冷季总体较低;暖季08时起报产品的月准确率总体高于20时,冷季反之;秋、冬季旬准确率分布更离散。模式预报产品其准确率明显低于中央气象台和江西省气象台订正产品,需订正后使用。08时起报产品对寒潮的预报效果优于20时。2）气温预报年误差分布存在日变化,最大值出现在08时,最小值出现在15时;年均方根误差峰值出现在15时和06时,白天大于夜间。3）冬季平均误差多为正值,夏季为负值,春、秋季平均误差大小界于冬、夏季之间;白天时段夏季均方根误差最大,夜间时段冬季最大。4）气温预报年误差地理分布特征明显,平原地区预报值偏低,年均方根误差最小;丘陵和山区22 h时效预报值偏高,31 h时效偏低;高山站预报值偏高,年均方根误差最大。丘陵地区负误差最大,平原地区最小;山区正误差最大。     

基于多模式集成技术的地面气温精细化预报

基于ECMWF、JMA、T639、WRF四个数值模式2012年6月1日—9月30日地面气温3—60 h预报资料和郑州加密自动站资料,利用多模式集合平均(EMN)、消除偏差集合平均(BREM)、加权消除偏差集合(WBREM)及多模式超级集合(SUP)4种方法,对2012年8月29日—9月27日郑州城区11个站点地面逐3 h气温进行多模式集成预报试验,采用绝对误差对预报结果进行检验评估,结果表明:在30天的预报期内,BREM、WBREM及SUP对于大多数站气温预报效果有明显改善,而EMN方案对11个站预报效果改善则不太明显;4种方案中,BREM和WBREM预报效果相对较好且稳定,各个站上3—60 h预报的绝对误差均在2℃附近或以下;SUP方案虽然对个别站预报误差较低,但是其预报效果并不稳定,一些站点的个别预报时效误差大于2℃。对于郑州观测站的气温预报而言,4种集成方案20时起报的气温误差明显小于08时起报的误差,并且20时起报的SUP集成方案绝对误差明显小于其他方案的绝对误差。总体而言,BREM、WBREM及SUP三种集成方案能够给郑州精细化预报业务提供较好的参考。     

GFS模式地形高度偏差对地面2m气温预报的影响

利用2016年1月1日—12月31日全球预报系统(GFS,Global Forecasting System)1～5 d的2 m气温预报资料,以及同期中国地面气象站2 m气温观测资料,研究模式地形高度偏差对地面2 m气温预报的影响。结果表明,较大模式地形高度偏差可严重影响2 m气温模式预报性能,导致较大预报误差。随着模式预报时效延长,2 m气温预报均方根误差也略有增加。比较模式地形高度偏差和预报时效对于模式预报性能的影响,发现模式地形高度偏差对于模式预报效果的影响更加显著。两种地形订正方案,即不做温度垂直订正的线性回归以及对温度进行垂直订正的线性回归都能显著减小2 m气温模式预报的误差,后者的订正效果更好。     

基于降尺度技术的精细化气温预报研究

采用中国T639预报模式提供的气温数值预报资料及两要素加密自动站气温资料,对贵州省内2 000多个乡镇站点进行气温精细化预报研究。结果表明,在对2013年1—3月预报时效为24~168 h的气温预报试验中,无论从均方根误差的角度还是按照贵州省的业务评分标准,进行降尺度技术处理后的精细化气温预报效果较直接的气温预报有着明显的改进。试验中,对于24 h的预报改进最明显,均方根误差减少达19.1%,预报业务评分改进达24.5%,全省平均评分均在70%以上,较大幅度地改进了T639预报模式直接提供的气温预报。     

中尺度数值预报模式输出产品温度和相对湿度的检验

对华云神箭MM 5中尺度数值模式2004年6—11月输出的地面要素日最高气温、日最低气温、日平均气温和日最大相对湿度、日最小相对湿度、日平均相对湿度进行了检验,检验统计量为平均误差、平均绝对误差、均方根误差和相关系数。通过检验,气温和相对湿度MM 5都存在系统性误差,短时效(24 h)预报值比实况偏小,随着预报时效延长,气温预报仍然偏小,且绝对值较大。相对湿度预报数值偏大,但在可允许的误差范围内。从空间区域图分析,气温和相对湿度都存在准定常的误差分布区。     

三种气温预报产品黑龙江省预报效果检验

利用T639模式预报产品和黑龙江省83个国家气象站气温实况观测资料,采用最优预报因子方法选取预报因子,应用多元回归方法建立逐站日最高气温和日最低气温的MOS预报方程; 对MOS、中央气象台指导预报（SCMOC）和T639三种气温预报产品的日最高气温和日最低气温预报效果进行对比检验分析,并用EOF方法检验预报与实况的时空变化特征一致性。结果表明: 与实况的时空变化一致性方面,MOS和SCMOC较好,T639略差; 预报效果方面,MOS和SCMOC对日最高气温和日最低气温的2 ℃预报准确率普遍高于T639,MOS的预报准确率在日最高气温方面高于SCMOC,在日最低气温方面低于SCMOC; MOS对T639气温预报产品改善效果明显,尤其对冬季日最低气温的预报改善效果十分显著; MOS较T639气温预报改善效果与T639模式预报效果呈负相关关系,主要表现为,MOS预报改善效果在T639预报准确率低的山区明显优于平原,在春、夏季,预报准确率较低的日最高气温明显优于日最低气温,在冬季,预报准确率较低的日最低气温优于日最高气温; MOS气温预报方法的预报性能较理想,SCMOC对黑龙江省预报难度较大的日最低气温预报效果较好。     

ECMWF业务预报模式地面气温预报的不一致性特征研究

为探讨ECMWF业务预报模式(以下简称ECMWF)的地面气温预报不一致性问题,本文利用2015年12月1日—2016年11月30日业务预报中常用的地面气温预报数据,研究ECMWF地面气温预报产品在不同季节里的不一致性指数分布及变化特征。结果表明:各个季节不一致性指数有不同的特点,冬季不一致性指数最大,大值区主要分布在除华南和青藏高原外的大部分区域;而夏季不一致性指数最小,在青藏高原地区不一致性指数相对较大;春、秋两季不一致性指数大小均处于冬、夏季之间。此外,研究还发现冬季地面气温预报不一致性指数单日变化较大,而夏季较小。夏季不同起报时间的地面气温预报比较稳定。     

ECMWF细网格气温预报产品在宁波的检验和误差分析

针对宁波市326个站点,对空间分辨率为0.125°×0.125°的ECMWF细网格气温模式产品中2019年1月-2021年6月08时和20时2个不同起报场0~72h时效的预报产品进行时空检验和误差分析。结果表明:(1)08时和20时2个不同起报场72h内每天14时的均方根误差和平均绝对值误差最大,20时和08时次之,02时最小;(2)5类土地利用类型中林地的预报气温与地面站点气温的误差最大,水体次之,另3类相差不大;(3)误差空间分布不均匀,沿海地区误差相对较小,西部山区、海曙、奉化等个别站点误差较大;(4)DEM和距海距离与均方根误差和平均绝对误差的相关系数基本为正。     

天津市多模式气温集成预报方法

在遗传算法和粒子群算法的基础上,采用权重分配方法开展基于混合演化算法的多模式气温集成预报方法研究。利用2012年5—10月中国气象局GRAPES模式、北京市气象局BJ-RUC模式、中国气象局T639模式、天津市气象局TJWRF模式24 h预报时效的逐6 h地面2 m高度气温和35个天津区域自动气象站点资料,通过逐日滚动建立集成预报模型,对混合演化算法的多模式气温集成预报方法进行了绝对误差在2℃以内的分级、分类及分站检验分析。结果表明:使用该方法建立的气温集成预报模型具有比较可靠的预报能力,预报误差明显小于任一成员,预报准确率高。按绝对误差不大于2℃的检验标准,2012年35个站逐6 h气温、最低气温、最高气温的集成预报平均准确率分别为76.34%,77.88%,78.00%。     

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。     

2010年国内外3种数值预报在东北地区的预报检验

对中国国家气象中心T639数值预报、德国降水预报和欧洲中心（ECMWF）数值预报中对中国东北地区的降水、温度和环流模式的预报结果,分别进行检验。结果表明：降水预报中,德国降水预报对中国东北地区的晴雨预报、一般性降水预报效果较好,但T639数值预报的漏报率明显低于德国降水预报,而T639数值预报中24-120 h暴雨预报的TS评分明显高于德国降水预报。温度预报中,T639数值预报对中国东北地区温度预报72 h内基本可用;欧洲中心（ECMWF）数值预报在96 h内效果较好。对于24 h的温度预报准确率,T639数值预报稍高于ECMWF数值预报结果。环流模式方面：48h内T639预报效果好于ECMWF,72 h以后ECMWF预报效果好于T639。     

营口地区数值预报降水产品定量检验和预报指标研究

选取2010年8月至2011年7月天气在线、日本传真图、美国全球预报系统（以下简称GFS）、以及T639等数值预报降水预报产品,采用统计学方法和天气学方法,按照预报时效、预报降水量级、影响系统等不同方面对营口地区的降水预报产品进行检验分析,以便更好的利用数值产品做好降水预报,提高营口地区的降水预报准确率。结果表明：从整体角度看各种数值预报产品预报准确率随时间变化逐渐降低,但天气在线和GFS预报效果相对较好且稳定,日本传真图次之,T639稳定性最差;各种数值预报产品均存在预报偏小的情况,特别是对暴雨的预报效果均不太理想,稳定性差、量级偏小;小雨量级降水空报和漏报明显;各种数值预报产品对高空槽和冷涡漏报情况较明显,主要为小雨量级。     

GRAPES-GFS模式2 m温度预报的最优时窗滑动订正方法

利用2017—2018年GRAPES-GFS模式预报资料和广西区域自动站逐时气温观测资料,分析模式预报偏差特征,发现GRAPES-GFS模式对广西区域2m温度的预报系统性偏低,随着预报时效增加,预报偏差增大,系统性偏差主要出现在桂北山区、左右江河谷及沿海;春夏秋三季的午后气温预报偏差有明显的系统性,冬季午后气温和四季凌晨气温预报偏差的随机性较大。为了确定滑动订正的最优时窗,通过活动时窗长度的方法,设计不同的滑动订正方案,制定最优时窗滑动订正方案,并进一步利用2020年最优时窗滑动订正业务试验产品,对比验证了该方案的订正效果。结果表明:分别采用固定时窗、季节最优时窗、月份最优时窗等滑动平均订正方案进行订正,春夏秋3季的订正效果明显好于冬季、午后订正技巧高于夜间,其中固定时窗滑动平均方案中的长时窗(15～60d)订正、季节最优时窗滑动订正以及月份最优时窗滑动订正这几种方式订正效果最优;所制定的最优时窗滑动平均订正方案,可以在不同滑动方案的基础上稳定地提高预报准确率,达到最优时窗滑动的目的。     

数值模式对强台风“菲特”登陆期间预报能力评述

基于自动站观测和ECMWF再分析资料,针对中国气象局上海台风研究所区域高分辨率台风模式(Shanghai Tropical Cyclone High Resolution Analysis and Prediction System,STI-THRAPS)和业务常用的4个数值模式,即欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,EC)全球模式,美国全球预报系统(The Global Forecast System,GFS),日本气象厅(Japan Meteorological Agency,JMA)全球模式和我国T639(T639L60)全球模式,对1323号台风"菲特"登陆过程的预报性能进行了综合检验评估。结果显示:对暴雨以上的强降水预报STI-THRAPS有明显优势。仅有该模式对超过500 mm的极端降水做出预报,且各项评分均好于全球模式,漏报率也明显优于其他模式。对暴雨以下的降水预报各个模式差距不大。美国GFS和STI-THRAPS较好地预报了大风区,STI-THRAPS预报的风场与实况的空间相关程度最高。从漏报率上来看,STI-THRAPS模式的风场预报具有明显优势。虽然预报最大风速偏大,但是STI-THRAPS在24 h后的路径预报有较大优势。     

2016年6—8月T639、ECMWF及日本模式中期预报性能检验

对2016年6—8月T639、ECMWF及日本（文中简称JP）数值模式的中期预报产品进行了分析和检验。结果表明：3个模式对亚洲中高纬环流形势的调整和演变均具有较好的预报性能,其中ECMWF模式预报效果最好。对于副热带高压,ECMWF和T639模式均能较好地预报副热带高压移动趋势,但具体过程存在不同偏差,ECMWF模式偏差较小;3个模式中期时效均能报出四川盆地的持续高温过程,且对北方850 hPa温度的转折性变化趋势均有较好的预报能力,ECMWF和JP模式对南方地区温度变化的预报能力明显优于北方地区,T639模式对南方温度预报偏差较大,ECMWF模式综合预报效果最好。对台风妮妲,ECMWF模式预报与零场较为接近,T639模式误差较大。     

2012年12月至2013年2月T639、ECMWF及日本模式中期预报性能检验

对2012年12月至2013年2月T639、ECMWF(文中简称EC)及日本(文中简称JP)数值模式的中期预报产品进行了对比分析和检验。结果表明:三家模式对亚洲中高纬环流形势的调整和演变具有一定的预报性能,但都存在随时效增长的系统性偏差,比较而言,EC模式的预报最接近实况。对于850 hPa温度场,EC模式在北方地区的预报误差小于JP模式,而在南方地区则相反,T639模式在南方和北方的预报误差都是最大的。对于东北地区较弱的冷空气过程,日本模式的预报表现最优,T639模式对冷高压的强度预报明显偏弱,且位置明显偏南,EC模式的预报也较零场略偏弱,位置略偏北。     

A new way to predict forecast skill

Forecast skill (Anomaly Correlated Coefficient, ACC) is a quantity to show the forecast quality of the products of numerical weather forecasting models. Predicting forecast skill, which is the foundation of ensemble forecasting, means submitting products to predict their forecast quality before they are used.Checking the reason is to understand the predictability for the real cases. This kind of forecasting service has been put into operational use by statistical methods previously at the National Meteorological Center (NMC), USA (now called the National Center for Environmental Prediction (NCEP)) and European Center for Medium-range Weather Forecast (ECMWF). However, this kind of service is far from satisfactory because only a single variable is used with the statistical method. In this paper, a new way based on the Grey Control Theory with multiple predictors to predict forecast skill of forecast products of the T42L9 of the NMC, China Meteorological Administration (CMA) is introduced. The results show: (1) The correlation coefficients between “forecasted“ and real forecast skill range from 0.56 to 0.7 at different seasons during the two-year period. (2) The grey forecasting model GM(1,8) forecasts successfully the high peaks, the increasing or decreasing tendency, and the turning points of the change of forecast skill of cases from 5 January 1990 to 29 February 1992.     

中国区域多种数值模式资料的地面气象要素评估

利用中国气象局国家级自动站(2421个站)的观测资料,分别对2010年7月1日至2013年6月30日的欧洲中期数值预报中心(ECMWF)、日本气象厅(JMA)和美国国家海洋大气局的全球预测系统(GFS)数值模式资料的地面气温、相对湿度和风速在中国区域的适用性进行了比较研究。结果表明,3种数值模式资料都能在一定程度上反映观测资料所具有的时间和空间分布特征,东部地区的适用性要高于西部地区。不同的地面气象要素,差异较大:对于地面气温和地面相对湿度,ECMWF比JMA和GFS更接近实际观测,ECMWF和JMA的分析场数据质量要好于预报场;ECMWF和JMA地面气温在冬季与观测差异最大,GFS地面气温在夏季与观测差异最大;3种数值模式资料的地面相对湿度在秋季和冬季与观测差异最大;对于地面风速,在江淮流域和华南等东部区域JMA与实际观测差异最小,在北部和西部区域ECMWF最好,JMA和GFS地面风速在冬季与实际观测差异最大。