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。     

GPM IMERG和ERA5降水数据精度在云南复杂地形区域的评估检验

为评估和对比GPM IMERG、ERA5降水数据在云南的适用性,利用2014年4月至2018年6月的地面气象观测数据、GPM IMERG卫星遥感降水产品和ERA5再分析降水数据,采用定量和分类评分7项指标评估GPM IMERG和ERA5日降水产品在云南的适用性。结果表明:2种数据存在小雨日雨量高估,中雨及以上量级雨日雨量低估的问题,ERA5数据更为突出,小雨日居多导致降水整体高估;GPM IMERG数据空、漏报并存,ERA5则高空报、低漏报严重;小雨日较多(较少)的区域2种数据易出现高漏报(空报);不同雨强区间GPM IMERG秋季降水数据精度最高,冬季存在低雨强低估,高雨强高估的不同表现;20mm/d以下中低雨强段上2种降水数据与地面站点数据误差较小,雨强变大,误差增大,雨强大于20mm/d时,2种数据随雨强增大与站点偏差差异更为显著;随坡度和起伏度增大2种降水数据精度呈变差趋势;多项指标评估表明GPM IMERG降水数据在云南具有更高精度。研究结果为应用和开展农业、水利、水文、气象等相关学科研究提供参考依据。     

四川省CLDAS和ECMWF再分析数据风速产品评估

利用2019年1月1日00时～12月31日23时(世界时)四川156个国家站和1768个区域站的观测数据,评估全国智能网格实况分析产品(CLDAS)和ECMWF再分析数据(ERA5-Land)的10m风产品。采用双线性插值方法,将两种分析产品插值到气象站点,与观测值对比,通过平均误差,平均绝对误差,均方根误差和相关系数等指标对以上两种产品进行评估比较。结果表明:两种分析产品对于四川省国家站和高原地区区域站风速都以低估为主,但盆地区域站高估。风速在高原地区所有评估指标都比盆地内差,高原地区需谨慎使用格点风产品。CLDAS对于国家站的各项评估指标都优于ERA5-Land。两种产品与区域站的平均误差,平均绝对误差,均方根误差结果整体相近,但CLDAS对非独立区域站的误差相对更小。ERA5-Land相关性较差,与四川地区实际观测的地面风速变化趋势相反, 不适用于四川。      

三源融合降水产品在陕西省的适用性评估

基于陕西省391个自动站逐小时降水量观测数据对国家级格点实况三源融合降水产品的适用性进行检验评估,结果表明:融合降水产品与站点观测之间的误差小、相关性高,但融合降水产品的标准差和极大值明显小于站点观测;相关系数较低的站点以区域站为主,国家气象观测站的效果明显优于区域站;误差时空分布和降水特征关系密切,在降水频次增多和强度增大时,融合降水产品相比站点观测的误差增大。将融合降水产品视为一种“预报”,站点观测资料作为“真值”进行分级检验,结果显示:融合降水产品可以较好反映有无降水,随降水量级增大空报率变化平稳,漏报率增长明显,导致TS评分逐渐下降。对典型个例的误差成因分析显示:融合降水产品可以较好地体现降水起止时间及性质、强弱演变趋势,但对雨强较大的区域性降水、分散性局地强降水表现欠佳。多种指标综合显示:融合降水产品小量级降水准确率高,对大雨以上量级降水强度有一定程度削弱;陕南秦巴山地的融合降水产品与站点观测偏差较大,应用中需特别关注。     

江苏省雷达降水估测集合分析

使用2019年、2020年5—8月江苏省降水分析场及站点观测资料,生成具有定量降水估测(Quantitative Precipitation Estimation,QPE)不确定性时间和空间结构的集合QPE,并用观测降水对集合QPE进行了确定性和概率性检验。确定性验证说明集合QPE能在总体上减小降水量的绝对误差和均方根误差,但也加重了某些区域的降水低估。集合平均能提高估测降水的准确率并减小空报率,也会使漏报增多,这使小雨的TS评分有所降低,但各量级降水TS评分仍能保持在较高水平。集合QPE对各量级降水都有较优的Brier评分,降水量级越大,估测效果越好。集合的离散度较小,且将集合成员排序后,观测值落在两头的频率更高,也反映了离散度偏小。此外,观测值大于集合成员最大值的频率更高,说明集合QPE倾向于低估降水。随着概率阈值的增大,集合估测降水发生的命中率(POD)和假警报率(POFD)逐渐增大,但POD增大的程度比POFD大得多,使相对作用特征曲线为折线。不同概率阈值下的POD和POFD体现了集合QPE对各量级降水都有较高的估测技巧,其中对小雨和中雨分辨能力最好。集合估测小雨和特大暴雨发生概率小于实际频率的情况较为严重,而估测的中雨和大雨发生概率与实际降水的发生频率非常接近,有很高的可靠性,但总体上集合QPE仍是倾向于低估降水的发生概率。     

CMIP5和RegCM4.0模式对西南区域未来降水的预估

利用CMIP5全球模式数据集和RegCM4.0区域气候模式进行连续积分获得的模拟数据,对西南区域未来在RCP2.6,RCP4.5和RCP8.5几种温室气体排放情景下年平均降雨、四季降水,极端降雨事件的特征及其相对历史基准期的变化进行预估。结果表明,不同RCP情景下西南区域降水都将呈持续上升趋势,3种情景下西南区域降水在2020—2050年变化特征差别较小,2050年后差别较大,RCP2.6情景下降水变化幅度最小,CMIP5和RegCM4.0模式模拟的西南区域降水变化的地理分布特征基本一致,降水的高值区都位于青藏高原东南部,横断山脉和四川中部,差异在于RegCM4.0模拟的西藏西部的降雨量级更小,而青藏高原东南部、四川中部和贵州的降雨高值区量级更大。未来近期2020—2060年和远期2061—2099年RCP4.5情景下暴雨天数显著减少的区域主要在西藏东南部(0.5~1 d),未来远期2061—2099年RCP4.5情景云南南部和贵州东部区域暴雨天数显著性增加,而RCP8.5情景下上述区域暴雨天数显著性减少。     

西南涡加密资料同化对西南区域模式降水预报的影响

本文基于2017年西南涡加密观测试验的四川省11个观测站的探空资料,利用西南区域9km和3km分辨率数值天气预报模式系统,开展了数值预报同化试验。同化试验每日06和18UTC各进行一次,持续40天。西南区域9km分辨率数值预报系统(SWC-WARMS)的模拟结果表明,加密探空观测资料对四川高空观测起到了补充。同化后可以改善模式初始场,有助于提升24小时降水预报的ETS评分,对小雨到大雨量级的BIAS评分也有一定的改善。西南区域3km分辨率系统得益于分辨率的提升,相比SWC-WARMS减小了大暴雨空报面积。同化加密探空观测可以提升降水预报的ETS评分,但空报面积也有所增加。      

基于对流尺度集合预报方法对一次暴雨过程预报的分析

为了更加直观和深入地理解对流尺度集合预报中的降水集合预报产品,以便进一步向预报员推广应用,本文开展了基于对流尺度集合预报方法对2021年8月28—29日的一次暴雨过程的预报性能分析,对集合预报的暴雨和大暴雨量级降水预报技巧进行了综合分析。结果表明：(1)不同集合成员降水预报结果的差异随着降水量级的增大越发明显,预报最优和最差的成员的TS评分相差0.3以上。(2)概率匹配平均预报对于暴雨和大暴雨量级降水的预报技巧优于控制预报,也优于集合平均。集合平均由于集合成员预报的平滑作用导致其对极端降水不敏感,因此,简单的集合平均不适合于大暴雨以上量级的极端降水预报。(3)从最小值预报到最大值预报,随着集合百分位的增大,命中率、空报率和频率偏差均逐渐增大,70%或者80%集合百分位预报的预报技巧最优,且优于集合平均和概率匹配平均预报。(4)对于重庆东北部偏西地区出现的大暴雨量级降水,较长预报时效集合概率预报均预报出了一定的降水概率,最长提前60 h,相应的最优的集合成员的降水预报与实况也较为接近。     

基于雨量分级回归分析的站点日降水量预报订正

利用ECMWF 24h累计降水量预报资料,以全国范围内2403个国家地面气象观测站24h累计降水量作为观测资料,对站点预报结果进行雨量分级回归订正,并与直接双线性插值的预报结果进行对比,利用频率匹配法进一步对不同量级的降水预报结果进行二次订正。结果表明,雨量分级回归相比双线性插值,可以减小预报误差,提高预报结果与观测值之间的相关系数以及降水预报的ETS评分,使站点预报值更接近实况。频率匹配法能改善各降水量级的预报效果,降水面积偏差减小,小雨空报率和大雨漏报率减小。对于不同起报时间、不同降水量级和不同预报时效,雨量分级回归和频率匹配法的改进程度各不相同。雨量分级回归对于20:00起报的降水预报改进幅度大于08:00,对0.1mm和50mm量级的降水预报改进较为有限,对5～15mm量级的降水预报改进明显,且随预报时效的延长,对降水预报的改进幅度呈增大趋势。此外,频率匹配法对于起报时次效果较差的降水预报改进幅度较大。     

中国区域多源土壤湿度数据的比较研究

利用中国区域1992~2010年的土壤湿度观测资料,对欧洲航天局(European Space Agency)的卫星遥感反演(以下简称ESA)和欧洲中期天气预报中心(European Centre of Medium-Range Weather Forecasts,ECMWF)的ERA-Interim(ECMWF Reanalysis-Interim,以下简称ERA)两套再分析土壤湿度数据在典型区域的可靠性进行了评估。结果表明:两种土壤湿度均能较好的描述观测区域的总体土壤干湿变化,但均值和趋势一致性存在时间和空间差异。ESA、ERA资料都能较好的描述中国区域春、夏、秋3个季节土壤湿度的干、湿分布格局。在干湿程度上,ESA在北方地区较观测偏干,在江淮和西南较观测偏湿;ERA在北方和西南地区较观测偏湿,在江淮较观测偏干;在江淮、华北部分区域,ERA与观测数据的相关性要高于ESA。ESA、ERA与观测在秋季时相关性最好(大部分站点大于0.7);在全国大部分区域,ESA偏差要小于ERA且在大部分地区都表现出与观测一致的变化趋势。在空间上,ERA在东北、华北、西南变干的范围明显大于观测;然而,ERA能更好的体现观测土壤湿度的年际变化。相对于西部地区,东部地区ERA与观测的一致性最好,而ESA在受降水、植被、地形等因素影响较小的时段或区域与观测的一致性更好,对秋季土壤湿度的描述比春、夏季更准确。     

SMS-WARMS V2.0模式对中国西南地区降水预报能力的客观检验

本文采用标准降水检验方法、EDI方法和MODE方法对新一代上海区域中尺度模式SMS-WARMS V2.0模式2015年12月至2016年11月的西南地区降水预报效果进行评估。结果表明:(1)模式对西南地区四季的降水TS评分均较高,夏季和秋季相对更高,且在48 h内预报性能比较稳定。(2)预报偏差和TSS评分显示,模式对西南地区春、夏两季的各个量级降水预报均较实况偏多,而对秋季的大暴雨和冬季的大雨以上量级预报则相对偏少。总体而言,对西南地区的降水技巧呈现出预报成功率高于空报率的特征。(3)模式对西南地区的小雨、暴雨和大暴雨预报评分优于EC模式。(4)EDI检验显示模式对西南地区的极端降水有较高的预报技巧,对四川中部和东北部以及贵州西南部的极端降水预报技巧相对更高。(5)模式对2015年8月一次西南涡诱发的暴雨过程的空间落区预报较好,强度较实况偏强。(6)MODE方法统计结果表明,模式对西南地区暴雨预报的目标质心偏差较小,降水中心强度偏强。     

短期集合降水概率预报试验

以MM5模式作为试验模式, 通过选取不同的物理过程参数化方案产生8个集合成员, 分别用平均法、相关法和Rank法对2001年11月至2002年5月期间的22个降水个例进行短期集合降水概率预报试验。试验结果显示对小雨—大暴雨6类降水的概率预报, Rank法的综合预报效果明显好于相关法和平均法, 相关法的综合预报效果与平均法基本相同; 无论从均方误差角度还是从命中率和假警报率的相对大小角度, 对小雨、中雨、大雨和暴雨各量级以上降水的概率预报, Rank法的平均预报效果是三种方法中最好的, 相关法的平均预报效果与平均法相同; Rank法好于平均法的平均幅度从均方误差角度较大, 从命中率和假警报率的相对大小角度则较小。平均而言, 三种方法对各量级以上降水的概率预报都是有技巧预报, 对量级小的降水的概率预报技巧高于对量级大的降水的概率预报技巧。     

京津冀夏季雷达定量降水估测的误差统计及定量气候校准

雷达定量降水估测（QPE）是短时临近预报的关键部分,在定量降水预报（QPF）、强降水预警、城市积水内涝、地质山洪灾害、精细化天气服务等方面具有重要作用。利用京津冀地区雷达定量降水估测资料和逐时自动气象站降水观测数据,分析了2011—2016年夏季京津冀地区雷达定量降水估测的误差空间分布特征,并重点提出了一种新的雷达本地化定量气候校准算法。结果表明,京津冀地区雷达定量降水估测较好地反映了总降水量东北—西南带状分布特征,但西北部山区、东北部山区及西南部山区估计偏弱,东北部山前地带估计偏强,西北部存在虚假降水估计,而北京市城区估计最为准确。利用雷达本地化定量气候校准算法对1 h雷达定量降水估测进行气候尺度上的约束订正,检验结果表明,经过校准后的雷达定量降水估测偏差（BIAS）、平均绝对误差（MAE）、均方根误差（RMSE）和均方根相对误差（RRMSE）均减小。绝大部分站点偏差减小幅度超过50%,京津冀东部及南部平原地带平均绝对误差、均方根误差和均方根相对误差减小幅度在20%左右,而北部及西南部山区误差减小幅度相对较小。降水个例检验结果表明,经过雷达定量气候校准后的雷达定量降水估测强度更接近自动气象站观测的降水量级,且降水结构细致,偏差、平均绝对误差和均方根误差均减小,与自动气象站观测降水的相关系数增大,因此该算法有助于改进雷达定量降水估测的准确度。      

ERA再分析陆面温度资料在浙江省的适用性

利用浙江省2016年71个气象台站观测的日平均气温和地表(0cm)温度资料对ERA再分析陆面温度资料的适用性进行了初步评估,通过计算2套再分析资料(ERA5和ERA-Interim)与观测资料之间的相关系数、平均偏差、平均绝对偏差、均方根误差和纳什效率系数等统计参数,综合评估了ERA再分析资料在浙江省的适用性。结果表明:①ERA2套再分析资料与观测值均较为接近,均能够较好地再现浙江省2m气温的时空分布特征且变化相关系数均高于0.98,日绝对偏差较小。②对于地表温度,2套再分析资料的适用性要差于气温,主要表现在2套再分析地表温度均低于观测值,且夏季的偏差显著大于其他季节,但绝大多数站点相关系数高于0.9,均方根误差高于2℃。总体来说,2套ERA再分析陆面温度资料对浙江省具有较好的适用性,ERA5整体上优于ERA-Interim,地表温度的改善更明显。     

利用深度学习预报美国东北部日降水分布

现阶段降水预报主要依靠数值天气预报模式。但受物理参数化、计算资源等因素的影响,基于数值模式的降水预报还存在非常大的不确定性。近年来,深度学习在天气预报领域显示出巨大优势和潜力。本文通过构建神经网络预报美国东北部日降水分布,探讨神经网络模型基于低分辨率气象场(ERA-Interim, 0.7°)预报高分辨率降水(CPC,0.25°)的能力,并比较3种主流网络框架(VGG,ResNet, GoogleNet)在该任务中的表现。结果表明,3种网络框架都对美国东北部日降水分布具有一定的预报能力(VGG框架表现最优),但三者的均方根误差(RMSE)均高于ERA-Interim 24-h(ERA24)的降水预报。3种神经网络的集合预报结果优于ERA24预报,且这三者与ERA24预报结果的集合平均能够显著提高ERA24对不同季节、不同强度降水的预报。     

WRF模式边界层参数化方案对川渝盆地西南涡降水模拟的影响

应用WRF v4.0模式五种边界层参数化方案（YSU、MYJ、MYNN2、ACM2和SH）,对2016 年汛期（5～9月）在川渝盆地东部造成暴雨的所有西南涡过程进行了数值模拟,检验评估了它们对各量级降水的预报能力,并基于加密的L波段秒级探空资料对比分析了模拟与实况边界层结构的差异,结合各方案对湍流运动的算法特点探讨了其差异的原因,最后对ACM2方案进行了湍流强度调整,由此改善其对于川渝盆地边界层与西南涡降水的模拟能力。结果表明:ACM2和YSU方案TS评分表现较好,相对其它方案ACM2空报较少,这种可以根据周围环境的稳定性切换局地或非局地算法的方案更适合于盆地西南涡降水模拟,但边界层方案对西南涡降水的空报都较普遍,尤以大量级降水更明显;精细的探空资料进一步表明,所有方案模拟的白天边界层高度都偏高,湍流混合强度都偏强。通过参数调整而降低混合强度的ACM2方案,模拟的边界层温湿结构则更符合实际观测,其边界层下部温度更低、湿度更高,减少了大量级降水的空报,使盆地西南涡降水模拟有一定改善;边界层参数化方案对西南涡模拟的差别主要体现为不同的西南涡位置与降水强度,但归根到底都源于方案的局地或非局地特性、不同的混合强度这两方面原因。因此,根据不同特定区域下垫面环境与气候状况合理选择方案的特性和混合强度是准确模拟边界层结构及其降水过程的关键。     

基于最优插值方法分析的中国区域地面观测与卫星反演逐时降水融合试验

为了发展一套适用于中国区域的高分辨率(0.1°×0.1°)逐时降水产品,以CMORPH卫星反演降水为背景场,以基于3万个自动气象站观测的逐时降水量分析的中国降水格点分析产品(Chinese Precipitation Analyses,CPA)作为地面观测场,采用最优插值方法对二者进行了融合试验.用2009年6-8月的样本统计分析了卫星反演与地面观测降水的误差及其协相关形式,按照误差结构来分配权重.融合试验的个例检验表明,该方案在有站点的地区能较好地引入地面观测信息,在没有站点观测的地区则保留CMORPH的原始信息,最终形成一套覆盖中国区域的高时空分辨率的降水场.2009年6-8月独立样本检验的统计结果也表明,该融合产品的平均偏差、均方根误差、相对误差分别为-0.004 mm/h、1.271 mm/h和15.964％,平均空间相关系数达到0.778,与融合前CMORPH的各统计值相比,改进幅度基本都超过了50％,且与风云系列卫星的同类型产品相比精度也有一定程度的提高.     

智能网格SCMOC及多模式降水预报对比

以三源融合网格实况降水分析资料CMPAS为参照,基于二分法经典检验、预报评分综合图和面向对象MODE检验等方法,对比分析2021年智能网格预报SCMOC以及ECMWF全球、CMA-Meso中尺度模式在秦岭及周边地区的降水预报表现,主要结论如下:1)ECMWF能够很好地刻画日平均降水量、日降水量标准差以及地形影响下降水量、降水频次的空间分布特征,但对于0.1 mm以上量级的降水预报频次远高于观测,暴雨预报频次低于观测,SCMOC、CMA-Meso日降水量大于等于0.1 mm的降水频次和暴雨频次预报更好;SCMOC不足在于降水的空间精细分布特征描述能力相对较弱。2)ECMWF预报的大于等于0.1 mm降水频次日峰值出现时间整体较观测偏早3 h左右,CMA-Meso、SCMOC与观测总体吻合较好。3)三种产品24 h降水量大于等于0.1 mm的TS(Threat Score)评分数值上基本一致,但降水预报表现的特征显著不同,SCMOC成功率高、命中率低,漏报多、空报少,ECMWF、CMA-Meso则相反;24 h、3 h大雨以上量级降水SCMOC的TS评分、成功率、命中率一致优于其他两种产品。4)MODE暴雨检验,SCMOC大面积降水对象与观测相似度最高,预报能力优于ECMWF,但分散性小面积暴雨对象漏报风险大。SCMOC、ECMWF纬向距离偏差大于经向,位置偏西比例高于偏东。     

三个模式对2008年夏半年西南区降水预报效果的检验

利用AREM(-YWand SY)、T213L31、JAPAN三个模式对2008年夏半年(5~11月)西南地区(25°~34.5°N,97°~110.5°E)降水预报进行了统计检验,并对其中两次强降水过程的预报效果进行对比分析,以期了解各模式在西南地区的预报效果及特点,结果表明:(1)小雨-大雨量级JAPAN模式预报情况较好,暴雨量级T213L31、JAPAN、AREM均预报较好,大暴雨量级AREM-SY模式预报较好。(2)对西南地区的降水预报,T213L31预报偏强情况较多,AREM预报偏弱情况多,JAPAN预报相对适中。(3)在西南地区,当降水陡增(即实况降水量较前一天大一个量级以上,且雨量比前一天多5 mm以上)和其后强降水持续阶段,是各模式预报偏弱情况最可能发生的时期,同时也是各模式预报效果较差的时段。(4)三个模式在青藏高原东南缘地区均有降水空报现象,AREM模式的降水空报与其在此处存在低涡空报有关。(5)对于西南低涡这一尺度小、结构复杂的特殊天气系统,当前模式对其强度、位置和诱发的强降水预报效果仍有待提高。     

青藏高原冬春多源积雪资料年际变化尺度上的适用性分析

青藏高原冬春积雪变化具有显著的年际变化特征,其对中国东部夏季降水预测具有一定指示意义。由于特殊的复杂地形,青藏高原气象站点分布稀疏且不均匀,再分析数据和卫星数据提供的高原积雪资料的不确定性是影响和制约积雪变化及其天气气候效应研究中的一个关键问题。本文基于青藏高原台站观测、再分析（ERA5和NOAA-V3）和卫星反演（MODIS雪盖以及IMS雪盖）的多源积雪资料,采用偏差分析、均方根误差以及相关分析等多元统计方法重点检验了多源高原积雪数据在描述积雪年际变化特征方面的不确定性。通过比较不同积雪资料的时空分布和变化特征,以期提升多源高原积雪资料适用性的认知,并为相关研究提供有意义的参考。分析结果表明：（1）就再分析数据给出的积雪资料而言,ERA5雪深资料相较NOAA-V3雪深,对高原站点观测雪深的描述效果更好。除了高原中东部分站点外,ERA5雪深数据的平均偏差和平均均方根误差均较小,而NOAA-V3雪深数据的平均偏差和均方根误差在整个高原范围内均存在一定程度的高估;（2）再分析（ERA5和NOAA-V3）和卫星反演（MODIS雪盖以及IMS雪盖）积雪数据和高原站点雪深均在年际变化特征上具有较...