LSG_η模式定量降水预报准确性的探讨

:1998年 7— 8月 ,运用LASGη坐标有限区域数值预报模式进行了四川盆地的业务定量降水数值预报的试验表明 :虽然晴雨预报TS平均评分超过 0 7,但个别个例TS评分偏低。本文对试验期间TS评分最高和最低的两个个例进行分析 ,结果表明 :降水预报的准确性与盆地内外特征物理量场的分布有关。当盆地外的大气状况的分布有利于降水时 ,盆地内降水预报的准确性也更高。     

LASGη模式定量降水预报准确性的探讨

１９９８年７－８月,运用ＬＡＳＧη坐标有限区域数值预报模式进行了四川盆地的业务定量降水数值预报的试验表明：虽然晴雨预报ＴＳ平均评分超过０．７,但个别个例ＴＳ评分偏低。本文对试验期间ＴＳ评分最高和最低的两个个例进行分析,结果表明：降水预报的准确性与盆地内外特征物理量场的分布有关。当盆地外的大气状况的分布有利于降水时,盆是内降水预报的准确性也更高。     

降水集合预报集成方法研究

基于TIGGE(the THORPEX Interactive Grand Global Ensemble)资料,对中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)和日本气象厅(JMA)的集合数值预报结果进行降水集成.采用算术平均法、TS评分集成法和BS评分集成法在我国东南地区进行降水集成,对比分析结果表明:基于TS评分的多模式降水集成无论在分区降水评分中,还是在东南地区的台风型降水和非台风型降水实例中,都有效地改进了大雨以上的降水预报效果;基于BS评分的集成方法和算数平均集成法预报效果次之.东南地区5个子区域的降水集成试验结果表明:各子区域基于TS评分集成后降水的平均绝对误差普遍小于基于BS评分后的降水平均绝对误差.广东东南和浙江北部区域基于TS集成后的降水TS评分值最优,浙闽沿海和广东西北部区域基于TS集成后的降水TS评分次之,处于中上水平.基于算术平均集成和BS集成的降水的TS评分值只有在广东东南区域表现出较好的效果.     

几种降水集成预报方法的对比分析

采用多数表决集成法、评分权重集成法、多元回归集成法对承德市两来系统形成的降水进行晴雨和分级集成预报试验.结果表明:在每种单一的数值预报方法TS值均较高,总体预报质量相差不大的情况下,多数表决集中集成法可大幅度提高预报准确率;如果几种数值预报对于降水分级预报的预报准确率相差较大时,可采用评分权重集成法来提高总体预报质量;在样本足够的条件下,细化的预报结果多元回归集成法是晴雨预报和分级降水预报中比较可行的集成方法之一.     

复州湾盐场春晒期降水中尺度数值预报试验

选择中尺度数值预报模式 (MM5 ) ,对复州湾 2000年海盐春晒期降水个例进行了 48h预报降水试验 ,试验表明 :MM 5对复州湾海盐春晒期的降水具有一定的预报能力 ,可提高海盐春晒期的降水预报准确率     

沈阳市降水概率预报服务系统

沈阳市降水概率预报服务系统是在日本数值预报的基础上应用多种统计方法建立MOS预报方程,对其预报结果应用概率回归集成制作降水概率预报。TS评分结果表明:MOS预报的降水确率高于日本数值预报,MOS集成预报的结果在各种MOS预报结果平均偏上的水平。概率预报的Brier评分结果表明:在MOS综合基础上的概率回归(REEP)方法得出的概率预报结果较为理想。     

一个η坐标有限区域数值预报模式对1993年中国汛期降水的实时预报试验

本文通过展示一个有限区域数值预报模式对1993年中国汛期降水的实时预报试验结果，介绍一个能考虑我国复杂地形的，适合于我国计算机条件的，对我国夏季降水有相当预报能力的η坐标的有限区域数值预报模式。从6月中旬到8月下旬，连续50多天实时降水预报试验的TS(Threat Score)技术评分(模式范围)平均为:雨区范围(24小时降水大于1mm)预报的TS值为50.2%；24小时降水大于10mm和25mm的TS值分别为28.1%和17.3%。优于国内有些已用于业务预报的有限区域数值预报模式的预报结果。模式对1993年梅雨、川西暴雨和华北暴雨都有很好的预报。     

2007年汛期AREM模式降水预报效果检验分析

过对2007年6～8月AREM模式降水预报做不同时效、不同区域的TS评分对比,比较AREM与T213、JAPAN三个模式降水预报TS评分,并对AREM模式2007年汛期主要降水过程预报效果进行检验分析,从而获得AREM模式2007年汛期降水预报效果和特点,结果表明:(1)从AREM模式不同时效降水预报TS评分对比可知,对长江中下游区域,AREM模式12～36 h预报效果好于0～24 h预报,24～48 h效果相对较差,对华南、华北、东北、西南东部区域的降水,AREM模式预报效果均随时效延长而减弱。(2)由AREM模式对不同区域降水预报TS评分的对比可知,AREM模式(各预报时效)对长江中下游地区各量级降水预报的TS评分均高于全国范围的TS评分,西南东部(各预报时效)小雨(以上)量级TS评分均为各区域最高,但中雨以上各量级TS评分均低于全国范围,其他区域无稳定的预报特性。(3)从AREM、T213、JAPAN对长江中下游地区12～36 h降水预报TS评分对比可知,三个模式小雨(以上)量级降水的TS评分基本相当,对该区域暴雨、大暴雨强降水中心的预报,AREM好于T213,JAPAN相对较差,随量级增加AREM预报优势表现更为明显。(4)对2007年汛期6次个例分析可知,AREM模式对长江中下游尤其是江淮流域的大范围强降水过程预报效果较好,对暴雨、大暴雨中心的预报较T213和JAPAN有明显的优势,但对小范围、局地强降水过程的预报效果不够理想。     

局地分析预报系统在GRAPES模式中的应用

在分析美国局地分析预报系统 (LAPS) 和GRAPES_Meso数值预报系统,实现GRAPES-LAPS接口的基础上,通过两种数据融合方案,即GRAPES/LAPS方案 (简称LAPS方案) 和GRAPES/3DVAR方案 (3DVAR方案),对2008—2010年华南地区的28个个例的地面、探空常规和加密资料,以及多部多普勒天气雷达数据等融合、同化,开展两种方案的对比模拟试验。结果表明:LAPS方案获得的初始场,水汽条件有所改善,其辐合辐散相耦合触发中小尺度系统发展加强的中尺度环境场,有助于提高模式对强对流天气的预报能力。两种方案的24 h要素场均方根误差检验结果和降水TS评分大体相当,但28个个例中,LAPS方案报出了10个暴雨,而3DVAR方案只报出了5个,LAPS方案的中雨、大雨和暴雨的24 h降水预报TS评分要略好于3DVAR方案相应预报的TS评分,表明LAPS方案对强降水的预报较3DVAR方案有一定改进。     

2002—2005年T213数值降水预报产品分析检验

利用2002-2005年T213模式的降水预报值和全国400个标准测站的降水实况资料，采用客观降水检验方法，对T213数值降水预报产品的预报能力进行了分析检验。结果表明：降水预报TS评分和预报偏差B值均存在明显时空分布差异；各级降水中，小雨TS值最大、B值最小，夏季TS和B值均好于其它季节；中到大雨TS最高评分和最低B值均是长江中下游地区，其次是华南；暴雨TS评分各区较低，但华南、长江中下游地区和东北地区B值较小。这些地区T213降水预报对预报业务有较好的参考作用。T213降水预报对春季东北地区和华北的强雨（雪）、夏季长江中下游地区的梅雨、西部地区的华西秋雨等降水过程具有相当好的预报能力。     

辽宁省春季透雨集合预报误差分析

利用2016—2018年4月1日至6月30日三个全球数值预报业务中心(CMA、ECMWF和NCEP)的24 h降水集合预报资料和辽宁省降水观测资料,采用TS评分、预报偏差B、Talagrand分布以及BS评分等方法对辽宁省春季透雨(4—6月)CMA、ECMWF和NCEP三套全球集合预报结果进行对比分析.结果表明:三个集...     

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)。     

基于雷达外推临近预报和中尺度数值预报融合技术的短时定量降水预报试验

为克服目前中尺度数值模式在对流尺度定量降水短时预报方面的不足,弥补基于“外推”的临近预报技术在2h以上定量降水预报能力方面的缺陷,研究设计了一种基于“外推”临近预报技术和中尺度数值模式的定量降水预报(QPF)融合技术方案,并进行了试验应用.该方案首先基于雷达探测和自动气象站观测的定量降水估计(QPE)结果,对中尺度数值模式输出的定量降水预报在谱空间进行相位校正,分析计算出数值预报和观测的偏差,导出一个附加的数值预报校正场;其次,根据数值预报校正场满足一定时间变化分布的特征,调整相应时段的数值预报降水区域和强度;最后,利用双曲正切线权重函数,对校正后的数值模式定量降水预报和基于临近预报技术的定量降水预报进行融合,融合权重根据典型环流特征动态变化.融合后的定量降水预报在前1-2h表现出主要依赖“外推”临近预报结果,之后随着融合权重的变化,数值预报对融合结果的贡献逐渐加大,直至融合后5-6h占主导地位.通过对京津冀地区2011年夏季5个及2012年夏季2个典型强降水个例的80次预报试验及其检验,表明融合后的0-6h定量降水预报结果改进较为明显,总体优于单独的临近预报技术或者中尺度数值预报模式的结果.     

η中尺度暴雨预报模式在湖北的汛期试验分析

在2002年主汛期，将武汉暴雨研究所从中科院引进的宇如聪等设计的两个版本的η坐标有限区域数值预报模式REM、AREM进行了每天两个时次的数值预报试验，并对它们降水预报的TS评分进行了比较。结果表明，改进后的REM模式(AREM)预报水平有明显提高。     

同化青藏高原地区GPSPW数据对长江中下游地区降水预报的影响评估

长江中下游地区位于东亚季风区,其夏季降水的水汽部分来源于孟加拉湾的水汽输送。本文利用青藏高原地区全球定位系统(GPS)站点观测到的大气可降水量(PW)资料,采用WRF模式(Weather Research and Forcasting Model)的同化模块(WRFDA),将这支水汽输送带的信息同化进数值模式,并用WRF模式对长江中下游地区的7月份降水预报进行批量试验和个例分析。批量试验和个例分析采用3种方案:无资料同化的控制试验(NoDA),冷启动同化试验(Cold)和循环同化试验(Cycling)。此外,还针对Cycling方案进行延长预报时长的补充试验以探究同化带来正效果最明显的时段。同时为了探究同化正效果的来源,针对Cycling方案进行只同化被主要水汽输送带覆盖的GPS站点的补充试验(Cycling_less_a)以及只同化不被主要水汽输送带覆盖的GPS站点的补充试验(Cycling_less_b)。试验结果表明:同化青藏高原地区的GPS数据能在一定程度上改善长江中下游地区的降水预报,对于48~72小时的降水预报改善效果尤为明显,且Cycling方案在整体上优于Cold方案。对于Cycling方案,在120小时预报时长内,同化正效果最明显时段为48~72小时。当水汽输送带较多地经过同化区域时,降水的TS评分能得到明显改善,而当水汽输送带较少地经过同化区域时,降水的TS评分改善效果不明显。如果只同化被水汽输送带覆盖到的GPS站点的GPSPW数据,仍然可以保留住大部分的同化正效果,因此,针对性地同化GPSPW数据是可行的。     

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.     

若干数值模式对2003年夏季青藏高原中南部降水预报检验

利用国内外几种数值预报模式的降水预报产品,对2003年主汛期(6～8月)青藏高原中南部的预报能力做了详尽的检验.检验结果表明,各模式小雨预报的TS评分较高,明显高于全国及其它地区的评分;但中雨以上各级降水检验评分较低,主要原因是各模式的预报雨区面积明显偏大,空报率较高.无论是预报员的预报,还是各种全球或区域模式的预报;无论是日本和德国的模式,还是我国目前业务运行的数值预报模式,对青藏高原的降水预报均无明显优势.     

2013年汛期华中区域业务数值模式降水预报检验

为充分了解华中区域中尺度业务数值预报模式更新为WRF后的预报性能,对该模式2013年汛期24 h和48 h的累积降水预报产品,采用TS评分、预报正确率、漏报率、空报率、偏差及ETS评分等统计量对其进行了较详细的评估。结果表明：从日平均降水率分布来看,24 h预报的降水中心位置和强度与实况更接近,48 h的预报明显偏大、偏强;汛期总体降水检验表明,该模式的降水预报以偏大为主,随着降水量级的增大,TS和ETS评分逐渐减小,且ETS评分逐渐靠近TS;逐月降水检验结果发现,该区域汛期月晴雨预报正确率与雨日率呈正相关;通过梅雨期WRF与GRAPES_Meso的预报对比检验可见,两个模式都表现出了较好的预报性能。值得指出的是,随着降水量级的增大,WRF模式降水预报优势逐渐显现。总的来说,该模式的降水预报产品具有一定的参考价值。     

对流尺度集合预报成员数对降水预报的影响北大核心CSCD

选取2022年川渝地区发生的16个强降水个例开展对流尺度集合预报批量试验,并通过对31组初值采用不同集合成员数时的降水集合预报技巧进行检验评估和综合分析。结果表明:集合成员的降水预报技巧总体上大致相当,因而采用不同成员数时预报技巧差异也不明显;表征降水总体分布特征的Talagrand分布和预报失误概率以及表征降水概率预报技巧的相对作用特征面积随着成员数的增加而逐渐改进,但当成员数达到一定数值后继续增大成员数对预报改进不明显。总体而言,对流尺度集合预报成员数设置为16~18最适宜。     

区域降水数值预报产品人工神经网络释用预报研究

利用T213、日本细网格降水预报等数值预报产品,采用人工神经网络方法进行预报释用。通过聚类分析方法对广西自治区测站进行分类,简化预报对象,对数量众多的T213数值预报产品采用自然正交分解(EOF)方法,浓缩大量因子的有效信息,并结合日本降水预报因子建立广西5~6月区域降水量级的逐日人工神经网络预报模型。运用与实际业务预报相同的方法进行逐日预报试验。结果表明,用这种数值预报产品释用方法建立广西3个预报区域的B-P人工神经网络预报模型对中雨以上降水量级预报的TS评分分别为0.55、0.5和0.26,比目前业务预报中参考使用的T213和日本数值预报产品降水预报具有更好的预报效果。