天气预报评分的统计检验

一、天气预报评分及问题 1.天气预报的准确率 计算天气预报准确率是最简单的评分法。 设预报次数为n,预报正确次数为m,则预报准确率为 P=m/n×100％ (1) 预报准确率的高低虽然在一定程度上反映了预报水平,但由于预报对象的气候机率的差异,相同的预报准确率所反映的预报水平却是不一样的。 例如,东北一些地区有“十年九春旱”的气候规     

基于地面气象要素的延伸期相似预报方法初步研究

依据基于地面气象要素的相似预报方法,利用环渤海地区1960~2010年57个地面测站的降水和风速气象资料,探讨了相似预报法进行延伸期预报的可行性。2000~2010年预报效果表明:该方法对夏季降水日数有一定的预报能力,除去8月第27~30 d的预报外,其预报准确率均高于气候概率。6~7月中雨预报准确率在8%~10%之间,整体超过了气候概率值;夏季大雨和暴雨的延伸期预报准确率大多较气候概率值高,预报结果可信。对于0~2级风速预报而言,各季节存在明显差异,预报准确率最高值出现在夏季,高达85%,最低值出现在春季,为50%左右;对于3~4级风速预报,一年中有8个月的预报准确率维持在10%左右;在2~4月日均风速≥5级的预报准确率为7%~10%,而日最大风速≥5级的预报准确率明显高于日均风速的预报准确率,最低预报准确率为18.5%,最高可达39.1%。风速的预报结果与同类研究对比发现,基于地面气象要素的相似预报方法在延伸期风速预报中具有一定的应用价值。     

试对国内24h、48h雨量预报产品准确性的验证

用１９９８年５～８月的国内２４ｈ、４８ｈ雨量预报产品对那坡县２４ｈ、４８ｈ雨量的预报与实况进行了验证、验证结果表明,国内２４、４８ｈ雨量预报产品单对那坡这一站点而言,若只限于有雨或无雨的定性预报,其２４ｈ的准确率为７８．８％,完全符合量级评定的准确率为４１．３％,暴雨预报准确率为３７．５％。４８ｈ的预报准确率,有雨或无雨的定性预报准确率为７８．８％,符合量级评定的准确率为３７．５％,暴雨预报准确率为１１．１％。     

试对国内24h,48h雨量预报产品准确性的验证

用１９９８年５月￣８月的国内２４ｈ、４８ｈ雨量预报产品对那坡县２４ｈ、４８ｈ雨量的预报与实况进行了验证、验证结果表明,国内２４、４８ｈ雨量预报产品对那坡这一站点而言,若只限于有雨或无雨的定性预报,其２４ｈ的准确率为７８．８％,完全符合量级评定的准确率为４１．３％,暴雨预报准确率为３７．５％。４８ｈ的预报准确率,有雨或无雨的定性预报准确率为７８．８％,符合量级评定的准确率为３７．５％,暴雨预报准确率     

过去十年四川省短期气候预测效果评定

对我省1986—1995年降水、气温的月、季、年尺度预报进行了评定．结果表明，过去十年汛期降水预报平均准确率66．4分，年降水预报平均准确率66.8分，月降水预报平均准确率66．4分；年温度预报平均准确率60．5分，季温度预报平均准确率58．6分，月温度预报平均准确率67．4分．与国家气候中心同期预测水平相比存在较明显差距．     

人工神经网络方法在鹤壁汛期降水预报中的应用

在用经验统计方法和降水判别函数进行24 h和12 h晴雨预报的基础上,再用BP人工神经网络建立降水量级预报模型.经2003年汛期试用,预报准确率高于上级指导预报准确率,12 h预报准确率高于24 h预报准确率.     

人工神经网络方法在鹤壁汛期降水预报中的应用

在用经验统计方法和降水判别函数进行24h和12h晴雨预报的基础上，再用BP人工神经网络建立降水量级预报模型。经2003年汛期试用，预报准确率高于上级指导预报准确率，12h预报准确率高于24h预报准确率。     

广西城镇天气预报质量分析评估

根据全国城镇天气预报产品质量评估报告,从预报准确率和预报技巧评分上对2013-2017年广西城镇天气预报质量进行分析评估。结果表明:广西城镇天气预报24-72h最低温度预报准确率逐年提高,24-72h最高温度预报准确率稳步提升,24-72h晴雨预报和一般性降水预报准确率明显提升,24-72h暴雨和暴雨以上预报准确率保持稳定。24h晴雨、最低温度预报技巧评分较高,24h最高温度、一般性降水预报技巧评分波动较大,暴雨以上预报技巧评分较低。     

山东省城镇天气预报质量评估检验

根据中国气象局全国城镇天气业务产品检验评估报告和山东省预报质量评估系统检验结果,对200¬7年1月—2015年2月山东省城镇天气预报质量进行了总结分析。结果表明：（1）山东省晴雨（雪）和气温预报准确率、提高幅度均高于全国平均,降水预报准确率低于全国平均,技巧评分处于全国平均水平。（2）山东省内晴雨（雪）、最高气温、最低气温预报准确率最高的区域分别是鲁南、鲁西北和半岛,降水预报准确率半岛和鲁南明显高于鲁中和鲁西北地区。（3）山东省晴雨（雪）预报正确率夏季最低,冬季最高;气温预报准确率春季最低,最高气温预报准确率秋季最高,最低气温预报准确率夏季最高。（4）各市气象台预报相对省气象台指导预报有正的订正技巧,晴雨（雪）预报技巧评分鲁中地区相对偏低。     

基于T639数值模式产品的雷电预报效果分析

本文应用闪电定位资料,采用TS评分方法对基于T639模式产品的雷电预报产品进行检验,得出以下结论:(1)雷电预报产品的准确率随着预报概率的提高而增加;(2)随着预报时效的提高,预报准确率有所降低,但变化幅度较小;(3)预报概率在70%的时候,预报准确率可以达到75%,预报效果较好;(4)高原地区的雷电预报产品预报准确率较平原地区要低,预报效果相比而言较差。     

欧洲中心细网格2 m温度产品在遵义市的检验及应用

利用遵义市14个县区站2013—2015年逐日最高气温、最低气温实况数据,检验分析了对应时段内欧洲中心(EC)细网格2 m(简称EC 2 m)温度预报产品对遵义市的预报准确率,在此基础上,根据2015年EC 2 m温度预报平均误差,对2016年1—8月EC 2 m温度进行订正检验。结果表明:2013—2015年EC 2 m温度对遵义地区预报准确率呈逐年上升趋势,最低气温预报准确率远高于最高气温。其中,2015年EC 2 m温度预报系统性偏低;最高气温的预报准确率呈冬、秋、春、夏递减,最低气温的预报准确率呈夏、秋、春、冬递减;最高气温预报准确率随时效延长呈下降趋势,最低气温预报准确率随时效延长呈波动变化趋势;播州、汇川、绥阳、赤水、习水、凤冈各时次的最低气温预报准确率都在80%以上,参考性强,其余站点相对较低。通过平均误差对EC 2 m温度进行订正并检验,订正效果明显。     

西北区秋季短期气象要素客观预报检验评估

应用数值预报释用技术,建立了西北地区短期气象要素客观预报系统。本文使用系统的客观预报资料,结合实时气象观测资料,对2006年秋季气温和降水量的客观预报进行检验评估。结果表明,系统对连续性变化气象要素最高气温、最低气温的预报效果较好,预报准确率达到70%左右,在天气预报业务中具有较明显的指导作用,而对非连续气象要素降水量预报效果较差,预报准确率约34%。气温预报的好坏与大气的稳定程度关系较为密切,降水量预报准确率的高低与相对湿度关系较为密切。分析认为按月建立的气温预报方程,其预报准确率较按季建立的方程可提高10%以上。     

上海沿岸海域风场质量控制与预报检验

利用2016年上海沿岸海域19个站点的风场资料,进行了风场质量控制,包括完整性检查、内部一致性检查、持续性检查和高度订正。同时挑选10个站点作为实况对2016年风场模式预报进行检验,包括风速预报误差、风速预报准确率和风向预报检验,对比了风场观测资料质量控制前后的检验结果,最后对两次大风过程进行了检验。结果表明:预报检验结果均随着预报时效的增加而变差;整体误差秋季和冬季较小,6月和7月误差较大;分级检验0～5级风速准确率在0.9～1之间,预报值比实况偏大,6级以上风速预报准确率逐渐降低,且预报值比实况偏小;风向检验呈现明显的季节性,冬季12月、1月误差小,准确率最高,夏季6月误差最大,准确率最低;质量控制后检验结果都得到正面提升;两次大风过程预报准确率均在70%以上。     

陕西智能网格气象预报系统(秦智)在佛坪的检验

通过对陕西智能网格气象预报系统(秦智)(下简称秦智系统)的温度、晴雨和暴雨预报准确率检验,发现秦智系统在佛坪地区的日最低气温预报准确率高于日最高气温预报准确率,误差≤2℃的平均准确率日最高气温为51.6%、日最低气温为79.8%,平均绝对误差日最高气温2.4℃、日最低气温1.3℃,说明秦智系统对佛坪地区的气温预报有具有较好的指导作用;日最高气温预报准确率最低的月份是5月、6月和9月、日最低气温预报准确率最低的是1月和4月;晴雨预报准确率最高的月份是10月,最低的是4月;秦智系统在佛坪的暴雨预报24 h TS评分为40%,命中率为50%,且预报时效越长TS评分和命中率越低,空报率和漏报率越高。气温预报准确率和晴雨预报准确率最低的三个站均在北部山区海拔1 000 m以上,说明地形因素对数值预报的准确性有一定影响。     

新疆15个地州首府城市最高最低温度预报检验

利用客观统计方法,对2009—2012年新疆15个地州首府城市最高最低温度预报进行检验。结果表明:(1)15个站最高温度预报准确率高于最低温度,最高最低温度的预报准确率均呈逐年上升趋势。(2)最高最低温度预报准确率随预报时效的延长而降低,克拉玛依、吐鲁番、和田、阿图什、喀什和哈密6个站24、48、72 h预报准确率都高于平均值。(3)温度预报夏秋季好于冬春季,其中最高温度预报夏季最好,冬季最差;最低温度预报秋季最好,春季最差。(4)2012年冬季,15个站预报员主观预报与中央台指导预报的最高最低温度SST平均值基本相同,正负技巧的站点数持平,但站点差异比较大。克拉玛依、阿图什温度预报准确率高于中央台指导预报,且正技巧较高;阿勒泰、阿克苏预报准确率低于中央台指导预报,且负技巧较大。     

ECMWF细网格2米温度在新疆及周边地区的预报效果检验

本文对2013年1～12月ECMWF细网格2米温度在新疆区域的预报效果进行了统计检验。结果表明：ECMWF细网格2米温度预报为系统性偏高,预报效果随预报时效的延长而逐渐变差。三天内温度预报的绝对误差小、预报准确率高,对实际温度预报有很好指导作用;七天内温度预报的绝对误差较小,预报准确率较高,对实际温度预报具有参考价值;八到十天预报误差大、准确率低,对实际温度预报参考价值不大。温度预报精度在蒙古国西部最低,北疆盆地次之,南疆盆地最高。     

辽宁地区ECMWF模式气温预报检验及误差订正研究

利用2016—2018年ECMWF细网格模式12—36 h内2 m温度预报产品,选取辽宁地区65个城镇站点观测资料,评估预报产品在不同季节的预报准确率,并按季节分析固定误差订正方法和最优滑动周期订正方法对提高准确率的作用。结果表明：ECMWF模式预报产品对辽宁地区气温预报的准确率表现为,ECMWF模式最高气温冬季预报最优(城镇站点预报准确率为81.5%),最低气温夏季预报最好(城镇站点预报准确率为84.3%);采用最优滑动周期订正后,2016—2018年辽宁地区的最高气温和最低气温准确率较ECMWF模式自身分别提高了19.7%和20.5%,最低气温的预报准确率提高程度优于最高气温;在整个空间分布中,ECMWF模式对辽宁中部平原地区最高(低)气温预报准确率高于东、西部地区,辽宁东北部和西南部以及东南部的长白山余脉影响区域准确率明显低于其他区域。同时,在各季中,最高气温和夏季最低气温的订正预报能力优于其他季节;在地面晴、雨两种特征下,对辽宁地区24 h气温预报进行订正检验表明,该检验结果对辽宁地区最高(低)气温订正有一定补充作用,尤其是冬季降水出现时,最高气温预报补充订正效果最为显著。     

T639和德国模式对新疆地区大降水预报的检验

对T639和德国数值预报模式(简称德国模式)的降水预报产品进行了分类检验,挑选新疆2011年6场大降水过程分别进行晴雨、大雨(雪)、暴雨(雪)对比分析,了解了降水模式产品误差并为业务中选择较好的预报产品提供了依据。结果表明:两种模式对预报过程降水落区和强降水中心都有较好的指示意义,在过程累计降水预报中,德国模式的晴雨预报准确率为80.49%,高于T639模式;大雨(雪)预报的准确率两种模式接近,大约为44%;T639模式暴雨预报的准确率为29.07%,明显高于德国模式。在逐24 h降水预报中,两种模式都以48～72 h的预报准确率为最高。     

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。     

ECMWF细网格2 m温度在江西省的预报能力检验

利用ECMWF对2014年江西省92个国家区域自动站02时和14时2 m温度的24、48、72 h预报结果,采用预报准确率、平均误差、平均绝对误差和皮尔森相关系数等统计量对其进行检验评估。结果表明:不同预报时效02时预报准确率均高于14时预报准确率;随预报时效的延长,02时预报准确率无明显变化,14时预报准确率下降较明显。02时预报准确率对地形不敏感,14时预报准确率受地形影响明显,山区和丘陵地区准确率明显低于平原地区。02时绝大多数样本和14时夏、秋两季样本的预报结果偏低,且预报误差主要由系统误差造成,14时冬、春两季样本的预报结果有的偏高、有的偏低,误差的主要成分为随机误差,可能与江西省气候特点有关。温度预报误差≥5℃的大值预报误差出现频次呈现明显季节变化特征,02时出现的次数夏、秋两季明显少于冬、春两季,14时出现的次数冬、春两季明显少于夏、秋两季。