浙江省水库流域面雨量的多模式预报效果分析与检验

基于站点观测资料和欧洲细网格(ECMWF)、日本高分辨率(JMA)及多模式客观集成预报技术(OCF)模式预报资料,以2015年2-7月为例,评估这三种模式对浙江省6个水库流域客观面雨量预报效果。水库流域面雨量预报值采用网格算术平均法计算,面雨量观测值采用泰森多边形法计算。检验评分方法采用平均绝对误差、TS评分(Threat Score)和模糊评分法。初步检验结果表明:1)ECMWF对大雨暴雨的预报效果优于其他模式的,OCF对中雨的预报效果优于其他模式的,对小雨预报,三种模式效果相当。2)各模式预报效果均随着降水等级增大而下降。小雨时,空报率远高于漏报率,其中ECMWF和OCF漏报率不到10%;大雨暴雨时,漏报率远高于空报率,其中JMA漏报率达75%~90%。3)三种模式对浙江中部北部地区水库流域面雨量预报效果整体优于对浙江南部地区水库的,且随着降水等级升高,南北水库之间预报效果差异增大。4)ECMWF对大雨暴雨的预报效果随着时效临近表现为明显改善,OCF和JMA在72 h预报时效以外,预报效果随时效临近呈改善趋势,在72 h时效以内,预报效果不稳定。     

淮河流域汛期面雨量多模式预报检验评估

基于站点观测资料和四个数值模式预报资料,以2011—2012年汛期(6—8月)为例,评估四个模式对淮河流域15个子单元客观面雨量预报效果。这四个模式为欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,简称ECMWF)全球模式、日本气象厅(Japan Meteorological Agency,简称JMA)全球模式、安徽省气象台业务中尺度模式MM5(Mesoscale Model Version 5)和WRF(Weather ResearchForecasting)。15个子单元面雨量预报值采用网格算术平均法计算,面雨量实况值采用泰森多边形法计算。检验评估采用平均绝对误差、模糊评分、正确率以及TS评分。检验评估结果表明:1)ECMWF预报效果整体上优于其他模式,尤其是在小雨到大雨等级优势明显;JMA、MM5以及WRF的预报效果依次降低。2)各模式预报效果均表现出随降水等级(小雨、中雨、大雨、暴雨)增大而下降的趋势。3)随预报时效(24、48、72 h)延长,各模式预报效果逐渐下降。4)分析典型个例发现,ECMWF、JMA及WRF对于24 h预报时效的强、弱降水过程,预报效果存在较明显差异,对于强降水过程预报等级偏小;MM5对于强、弱过程预报等级均有所偏大。     

三种数值模式对四川省汛期降水预报性能的检验

应用国家基本观测站资料,基于MET系统的客观统计检验方法,针对24h降水分别评估SWCWARMS模式、GRAPES模式和ECMWF模式对2017～2019年5～10月四川地区汛期预报能力,得到如下几点结论:(1)SWCWARMS模式小到大暴雨降水范围大于实况,GRAPES模式小到暴雨降水范围大于实况、大暴雨多漏报,ECMWF模式小雨和中雨降水范围大于实况、大到大暴雨多漏报,三个模式无降水或微量降水均少于实况。(2)ECMWF模式对四川雨季小到大雨预报能力优于SWCWARMS和GRAPES模式,SWCWARMS模式在部分时次上暴雨和大暴雨预报优于ECMWF模式,GRAPES模式TS评分略偏低。(3)GRAPES模式在2018年秋季开始中雨及以上量级降水预报上改善大于SWCWARMS和ECMWF模式,SWCWARMS模式2019年空报较2017年和2018年显著降低;3个模式在小雨和中雨预报上不相上下,GRAPES模式优势在2019年大雨和暴雨预报上,ECMWF模式优势在2017年秋季和2018年初夏大雨预报上,SWCWARMS模式大雨和暴雨预报能力介于二者之间。(4)ECMWF和SWCWARMS模式川东预报优于川西,GRAPES模式川西预报优于川东;三个模式存在不同程度空报,川东地区空报略多于川西,其中ECMWF模式空报最多。      

大渡河上游面雨量预报质量检验与释用

基于2019年6-10月中央气象台智能网格预报模式（NWGD）降水产品和CMPAS-V2.1融合降水分析实时数据产品,采用平均绝对误差、晴雨预报正确率、TS评分等方法评估该预报产品对大渡河上游面雨量的预报效果。评估结果表明：NWGD预报产品在大渡河上游面雨量的预报效果整体较好,平均绝对误差范围控制在5.6 mm以内,晴雨预报可信度较高。小雨的预报效果好于中雨,小雨的TS评分大于中雨,空报率和漏报率均低于中雨。将小雨和中雨分别做消空处理,小雨各预报时效消空处理后晴雨预报正确率提升不明显,而中雨预报效果有明显提升。     

SWCWARMS及ECMWF模式对四川盆地暖区型和斜压锋生型暴雨预报检验分析

利用2014～2016年5～10月四川盆地所有观测站资料及SWCWARMS模式、ECMWF模式同时段20时起报的24h累积降水资料,基于邻域法FSS、ETS评分指数检验了两模式对于高能暖区型暴雨及斜压锋生型暴雨预报的预报性能。主要结论为:(1)两种类型暴雨过程平均误差均是SWCWARMS模式较ECMWF模式大,且误差值为正,表明模式以湿偏差为主;(2)高能暖区型暴雨FSS评分各降水量级各空间尺度均是SWCWARMS模式高于ECMWF模式;斜压锋生型暴雨50mm以下量级降水在36km以下空间尺度ECMWF模式FSS评分高于SWCWARMS模式,54km以上空间尺度SWCWARMS模式评分较高,大暴雨量级降水各尺度下均是SWCWARMS模式评分较高;(3)高能暖区型暴雨ETS评分暴雨、大暴雨量级SWCWARMS模式评分较高,中雨、大雨ECMWF模式预报更优;斜压锋生型暴雨ETS评分,中雨、大雨及暴雨量级降水预报ECMWF优于SWCWARMS,大暴雨量级SWCWARMS模式预报更优。      

安庆地区ECMWF细网格降水预报的质量检验与释用

利用安庆市逐日降水实况资料,针对2011—2016年ECMWF细网格降水预报产品对安庆地区的12 h、24 h分辨率晴雨和降水分级预报质量进行检验,基于检验结果对此降水预报产品进行解释应用。结果表明,ECMWF细网格数值降水预报在安庆地区晴雨预报正确率无明显区域差异,夏季晴雨预报正确率明显低于其他各季节,对夜间的预报能力明显优于白天。TS评分中,小雨最高,中雨次之,大雨及以上量级较低且无明显规律。若将冬、春两季0.2 mm以下、夏季1.0 mm以下和秋季0.8 mm以下的降水预报进行消空处理,则晴雨预报正确率会有所提升,且小雨预报的TS评分达最佳;若将≥40 mm的降水预报修正为暴雨,则暴雨预报TS评分提高接近1倍,且大雨和暴雨的预报偏差更接近1。     

金沙江下游多种面雨量集成预报方法的对比分析

集成方法有利于提高降水要素预报的准确性和可预报性。本文基于格点实况资料和智能网格预报、西南区域数值预报、ECMWF模式预报、GRAPES模式预报产品,以面雨量为研究对象,采用多元回归法、BP神经网络法、评分权重法、加权集成预报法和算术平均法,得到集成面雨量预报,再运用平均绝对误差、模糊评分、正确率、TS评分、偏差分析等方法,对2020年4—10月金沙江下游面雨量预报效果进行对比分析。结果表明：多元回归集成法和BP神经网络法的预报效果总体上优于其他几种集成方法。在考虑流域面雨量的预报量级时,下游可以采用预报量级较小的模式和集成方法。集成后偏差百分比均有降低,且多元回归法和BP神经网络法对预报量级较小的模式有矫正作用。在面雨量有无、小雨和中雨预报中,多元回归法集成效果较好,在大雨量级预报中,BP神经网络法集成效果较好。这些结论可为流域面雨量预报提供参考借鉴。     

金沙江中下游面雨量分布特征及预报检验

基于2019年4～10月金沙江中下游逐日面雨量实况资料、西南区域数值天气预报业务模式(SWC-WARMS)和中央气象台智能网格预报模式(NWGD)0～24小时降水预报对金沙江中下游月累计面雨量、日面雨量的月极值分布、暴雨频次分布特征进行分析并做了检验评估。结果表明:(1)金沙江中下游月累计面雨量主要集中在6～9月,强降雨天气也主要出现在6～9月。(2)2019年4～10月期间总共出现暴雨次数22次,出现暴雨次数最多的区域是A区,D区没有出现暴雨。(3)西南区域模式对于C区、D区、E区月累计面雨量的预报以及对于A区和C区小雨和中雨的预报优于中央气象台预报模式。(4)平均绝对误差(Ea)、模糊评分(Mp)和TS评分(Tsk)结果显示中央台智能网格预报模式上优于西南区域预报模式。      

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.     

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。      

SWCWARMS模式及GRAPES模式对西南区域降水预报检验对比分析

使用2014年5~12月西南四省(区)一市每日08时统计的24h雨量观测资料,对SWCWARMS和GRAPES模式降水进行站点统计检验。主要结论为:针对每日08时起报,SWCWARMS模式除24h中雨和48h大暴雨外SWCWARMS模式ETS评分在其它时次及其它量级降水上均高于GRAPES模式,但SWCWARMS模式空报和系统偏差较多;针对每日20时起报,SWCWARMS模式ETS和TS评分均高于GRAPES模式;除小雨外SWCWARMS模式空报率略高于GRAPES模式。从2014年10次西南涡过程统计检验可见,两模式对强降水过程即主要影响贵州的三次过程评分高于四川和云南的西南涡降水过程,24h降水评分在多个时次多个量级上优于GRAPES模式。SWCWARMS模式在汛期表现优于GRAPES模式,SWCWARMS模式对小雨、中雨和大雨有较强的预报能力,但对强降水预报能力有待改进,对中雨及以上量级降水空报率较高,而对小雨漏报多于GRAPES模式。     

基于MET系统对SWCWARMS及GRAPES模式在西南地区的站点检验分析

应用国家基本观测站资料、自动站逐时降水资料,基于客观统计检验方法,针对降水(12h、24h累积雨量)、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2015年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式降水ETS评分高于GRAPES模式,除24h小雨外SWCWARMS模式偏差值均高于GRAPES模式,两个模式在不同预报时效内对中雨、大雨、暴雨都表现一定程度的空报;(2)12h降水分段评分上,SWCWARMS模式TS评分均高于GRAPES模式,但SWCWARMS模式预报降水范围过大,随着预报时效增长空报多于GRAPES模式;SWCWARMS模式中雨和大雨空报大于其它量级降水,GRAPES模式对大暴雨漏报较多其它量级降水表现为空报;(3)两模式对高度场和温度场预报优于风场,对对流层中层预报优于中低层,SWCWARMS模式对高度场和温度场预报优于GRAPES模式,夏半年SWCWARMS模式均方根误差小于GRAPES模式;(4)两模式都表现出2m温度均方根误差在秋季增加而春季减小这一特征,SWCWARMS模式近地面要素均方根误差均小于GRAPES模式。      

ECMWF集合预报统计量产品在重庆降水预报中的检验与分析

利用ECMWF集合预报降水资料和重庆市自动站降水资料,运用晴雨、TS评分、预报偏差等检验方法对重庆地区2014—2016年ECMWF集合预报降水产品在短期时效的预报性能进行检验分析。结果表明:最小值的晴雨预报准确率最高。对于TS评分检验,小雨量级可优先参考最小值、10%分位数和融合产品,中雨量级参考平均数和概率匹配平均,大雨和暴雨量级分别参考75%分位数和90%分位数。对于预报偏差检验,小雨量级可优先参考最小值、Mode,中雨量级参考融合产品、中位数,大雨量级参考控制预报、融合产品,暴雨量级参考90%分位数。对于百分位值预报产品和概率预报产品,小雨量级可参考5%～10%分位数和80%～90%概率预报产品,中雨量级可参考45%～55%分位数和40%概率预报产品,大雨量级可参考70%～80%分位数和20%概率预报产品,暴雨量级可参考90%～95%分位数和10%概率预报产品。     

降水预报-观测概率匹配动态订正法在江西降水集中期的应用与检验

为提高数值预报降水预报的准确率,本文利用欧洲中期天气预报中心的高分辨率数值预报（ECMWF）降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配,选取Gamma累积概率分布函数用于拟合预报与观测的降水累积概率,通过在2017年江西省一次降水集中期的应用试验,得到以下结论：基于ECMWF的降水预报-观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中,并根据近期模式预报调整及误差不断自动更新各量级降水修正值,可实时动态订正模式降水预报;检验发现ECMWF模式降水产品对于24 h内12 h间隔的10 mm及以下量级的预报普遍偏大,25 mm及以上量级的预报普遍偏小,在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况、预报效果较好.本降水预报订正法能提高小雨和暴雨的TS评分、降低暴雨的漏报率且提升其命中率,但对大雨及部分中雨的订正效果不佳,在实践中应权衡利弊使用.     

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。      

基于河北区域天气分型的多模式降水检验评估

用常规天气图、雨情资料和中国气象局T213模式、T639模式、河北省MM5模式、日本气象厅JMA模式和德国气象局DWD模式的降水预报资料。将5种数值模式的降水要素预报,插值到河北省的142个站点上做TS评分。对2009年7月至2010年6月的多模式降水预报进行了分天气型的检验。结果表明,TS评分与模式和区域关系密切,降雨系统（如切变型、副高型、槽型）对应着较高的预报正确率,切变型、副高型对大雨和暴雨的预报正确率较高。对5种模式的综合评价是,对小雨和中雨的预报,DWD、T639、JMA模式好于其他模式,对大雨和暴雨的预报,T639、MM5、T213模式好于其他模式。     

攀西地区2021年夏季多模式降水预报检验

为提高定量降水预报产品在攀西地区的预报能力,对2021年夏季格点预报（Grid Weather Forecasting,GWF）、西南区域模式（South West Center-WRF ADAS Real-time Modeling System,SWCWARMS）、欧洲中心中期预报 （European Centre for Medium-Range Weather Forecasting,ECMWF）及中国气象局中尺度模式（China Meteorological Administration Meso-Scale Model,CMA-MESO）降水预报情况进行了检验分析。结果表明:（1）ECMWF模式雨日空报最明显,但其暴雨量级预报较实况偏干,其余各家产品中各量级降水均以湿偏差为主。有雨日数在攀西地区南部预报效果较好,其余地方空报较大。大雨日数在凉山州中部预报偏差较大,攀西地区南部预报偏差较小。（2）从16次过程检验来看,各预报产品在8月份过程中的表现优于其余月份,GWF产品25 mm以上TS（Threat Score）评分高于20分的过程次数最多且预报效果最稳定,CMA-MESO模式空报最大。（3）各产品3 h累计强降水开始时间大多早于实况,SWCWARMS模式雨强偏大且对于持续时间较长的过程预报效果较好,而GWF、ECMWF模式累计雨量较实况偏小。      

多模式多分辨率面雨量预报在淮河流域的性能评估

利用2015～2017年淮河流域汛期ECMWF(空间分辨率0.125~ox0.125~o)、JMA(空间分辨率0.5~ox0.5~o)、WRF(空间分辨率0.1~ox0.1~o)6h、12h、24h时间分辨率的降水预报产品计算淮河流域面雨量预报,对比评估各预报时效的绝对误差、相对误差、晴雨正确率及各量级面雨量预报的TS评分。结论如下:(1)0～72h预报时效,EC的绝对误差最小、WRF居中,JMA最大。(2)三个模式的晴雨正确率随着时效的增加缓慢下降,但都维持较高水平。(3)EC和JMA的面雨量预报存在系统性高估。(4)WRF在对短历时强降水的预报性能优于其他两个模式。(5)各模式的面雨量预报性能存在日变化,且随着降水强度的增大,日变化特征更加显著,对午后到傍晚的暴雨预报准确率明显低于其他时间段。     

基于ECMWF集合预报的淮河流域面雨量预报性能评估

对面雨量预报进行性能评估可以更好地发挥降水预报在流域防汛抗旱调度中的决策支持作用。分别利用CMORPH融合降水产品与地面降水观测资料估算2008—2017年淮河流域15个子单元逐日面雨量;利用2013—2017年ECMWF集合预报降水产品,采用正确率、TS评分、空报率、漏报率、CPRS、RCRPS、CRPSS等指标,对淮河流域面雨量预报性能进行评估。结果表明:CMORPH融合降水产品与地面降水观测资料的面雨量估算结果之间存在显著的线性相关,CMORPH融合降水产品可用于淮河流域面雨量估算; ECMWF确定性预报的晴雨预报正确率随着预报时效延长呈下降趋势,平原地区各等级面雨量TS评分高于山区,大暴雨以下量级降水预报量级有不同程度偏大现象;各累积时段集合预报性能基本上随着预报时效延长逐渐降低,0～96 h集合预报相对于气候均值预报的优势更为明显;汛期山区集合预报性能整体优于平原地区,非汛期反之。     

2023年广东龙舟水特征及模式降水预报检验

为进一步了解各家模式在龙舟水期间的预报效果，对全球模式ECMWF、NCEP以及区域模式CMA-GD、CMA-TRAMS在龙舟水期间的降水要素预报进行了检验，结果表明：(1)对于小雨以上量级降水，全球和区域模式TS评分接近，但全球模式的空报率偏高；对于中雨以上量级降水，全球模式TS评分高于区域模式(ECMWF最优);对于大雨以上和暴雨以上量级降水，区域模式TS评分明显高于全球模式(CMA-GD最优),而全球模式的漏报率明显偏高。(2)各家模式对于不同区域的降水(以大雨以上降水为例)预报表现不尽相同：NCEP对粤东(潮州除外)市县的预报明显优于其他模式；区域模式对西北部和粤西市县的预报整体优于全球模式；对珠江三角洲和东北部市县的预报，CMA-GD表现最优。