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。      

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。     

SWCWARMS模式小时降水量时间滞后集合预报研究

基于SWCWARMS模式9km×9km分辨率逐小时降水预报,通过时间滞后集合预报方法构建多个集合成员,使用SAL评分值计算相应集合成员的权重系数,进行不等权集合平均,从而得到新的逐小时降水预报。利用SAL、TS和BIAS检验方法对四川省2019年8月的逐小时降水量时间滞后集合预报及相应的SWCWARMS模式最新时次预报进行对比分析,结果表明:(1)时间滞后集合预报SAL检验的L值和A值都较模式预报更接近于0,较好地改善了降水位置和强度的整体预报水平;(2)时间滞后集合预报对逐小时降水晴雨TS评分提升明显,评分提高百分率在10%左右,有效地减小了模式在晴雨方面的空报;(3)临近预报时效,时间滞后集合预报方法对于大量级降水预报也有较好的订正效果。     

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。      

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。      

浙江省六大水库流域面雨量模式预报效果检验

利用OCF(Objective Consensus Forecasting)模式对2014年浙江省梅雨、8月连阴雨、午后雷阵雨和台风降水4种不同降水过程中六大水库流域面雨量进行预报,并采用综合评分法和TS评分法对预报效果进行检验。结果表明:OCF模式对2014年浙江地区锋面降水(梅雨、8月连阴雨)预报的综合模糊评分和TS评分均较好,空报率远高于漏报率,从192 h至24 h预报时效的预报效果缓慢调整,各水库之间预报效果差异较小;OCF模式对午后雷阵雨预报的综合模糊评分和TS评分较好,空报率较高的水库流域漏报率也偏高,从192 h至24 h预报时效预报效果不稳定,且存在显著的地域差异;OCF模式对台风降水预报的综合模糊评分和TS评分均偏低,空报率高于漏报率,从192 h至24 h预报时效为显著调好趋势,各水库之间预报效果差异较大。     

不同数值模式对江淮地区梅汛期暴雨模拟的对比分析

从降水偏差特征、预报技巧和对象诊断分析3个角度评估了欧洲中期天气预报中心模式(EC)、华东区域中心区域数值模式(WARMS)和江苏区域模式(PWAFS)对2020年江淮地区梅汛期11次典型暴雨过程的预报性能,并分析了各模式的优点及不足。结果表明:(1)24 h观测日平均累计降水主要分布在大别山—江苏淮北以及大别山—皖南山区,相应的模式降水偏差大值区与主要雨带位置有较好的对应关系,其中,EC在大别山和皖南山区存在明显干偏差,在江苏淮北地区则出现系统性北偏。WARMS和PWAFS两种区域模式均在大别山和皖南山区上游地区和下游浙江地区出现大范围湿偏差,而在江苏淮北地区出现干偏差;(2)24 h预报技巧评分结果表明,EC对暴雨及以下量级的TS评分最高,但大暴雨量级PWAFS最优,原因是EC对大暴雨量级出现较高漏报。对比WARMS和PWAFS两家区域模式可见,PWAFS在几乎各量级的空报和漏报率都低于WARMS,因此TS评分也高于WARMS;(3)通过MODE对象诊断分析发现,EC对降水位置预报最稳定,PWAFS对降水强度和范围的预报效果最优,但对雨带位置的预报不够稳定。总得来说,PWAFS的预报性能略优于WARMS,与EC相比在对降水强度和雨带范围的刻画上也具有优势,但预报稳定性尚有待提高。     

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。      

2012年深圳前汛期降水EC与HAPS模式检验

对2012年前汛期（4-6月）欧洲中心全球模式与HAPS中尺度模式的降雨预报场进行逐6h晴雨检验与24 h分量级降水检验,得出：EC逐6h降水预报空报多而漏报少,预报无降水时可信度更高,TS评分在0.3 ～0.4之间;24 h分级检验中预报能力随着降水量级的增大而减小,空报率、漏报率增大,TS评分减小;EC随着预报提前量的减小TS评分增加,起报时次对预报能力无明显影响;总体来说,EC能为深圳10 d预报提供较好的参考价值,尤其是6d预报,对于暴雨的预报有待预报员订正.HAPS逐6h晴雨预报TS评分在0.48～0.32之间,提前量6h内预报效果好,TS评分0.4以上,有较高的参考价值;24 h分级降水预报能力与EC相同,也是随着降水量级的提升预报能力降低;但是HAPS预报能力与提前量的相关性主要表现在提前量6h以内,提前量减小TS评分明显增大,对于提前量大于6h的预报能力无明显变化;总体来说,预报员可依靠HAPS在短期预报基础上做好短临预报的订正工作,开展24 h分区预报.     

基于西南区域模式预报的川西高原东坡过渡带降水地形订正试验

基于西南区域模式（SWCWARMS）网格降水预报,通过地形降水估算量构建地形降水订正方程,分别应用模式地形和实际地形的订正方案对2020年6~8月发生在川西高原东坡过渡带的11次强降水过程进行订正试验。结果表明:应用模式地形订正后各量级降水预报的平均TS（Threat Score）评分较模式预报均有所提高,大雨及以上量级TS评分提高4%以上,平均空报、漏报率均减小,订正效果优于应用实况地形订正的效果。该方法具有普适性,对于地形复杂的川西高原东坡、攀西河谷及盆地西部沿山地区,预报和实况落区相似、不相似及强、弱降水过程均适用。      

一次盆地强降雨过程的多模式结果对比分析

运用西南区域数值模式SWCWARMS、欧洲中心细网格预报模式EC以及国家气象中心中尺度区域模式GRAPES对2018年6月25日12时～26日12时发生在四川盆地内的一次强降雨过程进行预报对比分析,多模式结果表明:EC模式与GRAPES模式对盆地西北部的暴雨漏报现象较为突出,SWCWARMS模式能较好模拟整个雨带的强度与位置,对比中尺度系统西南涡的模拟,在低涡出现和发展的12小时内,EC模式对低涡的预报能力偏弱,预报降雨量偏小,低涡位置与强度预报GRAPES与实况最接近,SWCWARMS模式与GRAPES相似,但仅有SWCWARMS预报出低涡南侧与低涡西北象限的强降雨,在低涡减弱阶段,3种模式趋于相同。EC与GRAPES模式在四川盆地内的初始涡度偏弱,辐合偏小,盆地西部边坡对流层低层垂直上升运动偏小,相对湿度偏低,这导致了EC和GRAPES模式在四川盆地西部边坡降雨强度偏小,仅有SWCWARMS模式与实况最符合,尤其对复杂地形下的降雨过程有较强的预报能力。      

SWCWARMS模式对四川盆地强降水预报的检验分析

利用SWCWARMS模式产品、常规观测等资料,对2017年7月27~28日和2018年7月26~27日四川盆地两次强降水过程中的环境场、降水量和物理量场等进行了12h、24h预报时效的天气学检验分析。得出SWCWARMS模式产品在强降水预报中的3大优势:(1) SWCWARMS模式对两次强降水过程的降水强度、范围等预报效果较好,尤其是降水强度更为突出,参考价值高。(2) SWCWARMS模式对中高纬大尺度环流背景和强降水主要影响系统预报效果较好,对高原低值系统也有较好的描述。(3) SWCWARMS模式对物理量场中水汽条件(比湿场)和不稳定能量CAPE值预报效果较好。同时,还需要注意的有2方面:500hPa风速和高原上空天气系统存在系统性偏弱现象;对低层风速预报偏弱,加之风向预报偏差,直接影响了强降水分布及大暴雨中心位置的正确预报。      

2005年AREM模式汛期试验结果评估分析

AREM2．3模式2005年在中国气象局武汉暴雨研究所汛期试验过程中计算稳定，计算了该模式降水预报的分区域（长江中下游、华南、华北、东北、西南、湖北省）汛期（6、7、8三个月）TS评分，全国范围汛期漏报率、空报率、预报偏差，及各区域年内重要降水过程预报和实况的对比及TS评分，计算该模式形势场预报的平均误差、均方根误差、倾向相关系数、误差标准差，并与持续性预报（将前一天的分析场当作前一天对当天的预报场，以此类推）对比，以此对模式预报效果进行分析、评估，并做出总结，为模式的进一步开发和应用提供参考。分析结果表明：AREM2．3模式在2005年汛期试验期问48小时内预报稳定；对于长江中下游、华北、华南、东北、西南、湖北省以至全国范围均有较好的预报水平，但总体上对于强降水中心位置的预报情况不是很好；模式对于高空形势场也具有较好的预报能力，对500hPa位势高度的预报好于对500hPa温度的预报。     

SWC-WARMS在重庆地区的降水预报性能分析

本文利用2016年5~7月SWC-WARMS和CQMFS逐日20时起报的24h累计降水预报资料及24h累计降水观测资料,对两家模式在重庆地区的24~48h和48~72h的24h累计降水预报结果进行客观检验评分和对比分析,并针对2016年5~7月重庆地区的8次区域性强降水天气过程,进行了SWC-WARMS的24~48h强降水落区和强度的主观检验,结果表明:对于24~48h累计降水,CQMFS的TS评分除暴雨和大暴雨量级外均优于SWC-WARMS,且相对于SWC-WARMS而言,空报较少,漏报较多;对于48~72h累计降水,各个量级降水的TS评分、空报率和漏报率的表现一致,SWC-WARMS的各项评分均明显优于CQMFS;对于重庆地区2016年5~7月的8次强降水天气过程,除个别个例预报较差外,SWC-WARMS对强降水落区和强度的预报均具有一定的指示意义,能为预报员提供有用的参考,但降水强度总体偏强,大暴雨量级的降水空报现象较为明显。      

2002年主汛期国家气象中心主客观降水预报对比检验

主要就2002年主汛期(6—8月)对国家气象中心预报员和数值预报(HLAFS、HLAFS0．25、T106和T213)产品进行全国和分区统计学检验和对比分析评价。对于全国降水平均检验结果而言，主客观降水预报TS评分均随降水量级的增大和预报时效的增加而下降。对于各级降水，预报员评分最高，其次是T213，HLAFS0．25列第三位(大暴雨除外)，T213较T106、HLAFS0．25较HLAFS0．5的降水预报都有明显的提高，说明改进的数值预报系统的降水预报水平有了较大的提高。与2001年汛期比较，预报员的小雨预报进步明显，暴雨、大暴雨的24小时预报也有一定的提高；T213则在中雨预报上有所改进，大雨及暴雨的24小时预报也有提高，其余预报的TS评分不及2001年。从分区的检验结果来看，南方各区的预报评分远高于北方各区的评分，预报员在长江中下游和华南地区的各级降水预报中具有明显的预报优势；北方各区的降水评分以T213预报略好，HLAFS及HLAFS0．25在西北地区东部暴雨预报中表现出色。     

基于探空数据集成学习的短时强降水预报试验

使用2015—2019年6—9月08:00（北京时）我国119个探空站的大气层结和对流参数作为特征参数,基于XGBoost集成学习方法,建立短时强降水事件预报模型。同时,提出一种面向高影响天气的模型优化思路,通过使用分段权重损失函数,进行模型调优,在空报率不超过一定阈值的情况下,可提升模型预报的命中率和TS评分。设计分段权重损失函数权重敏感性试验和损失函数对比试验,选取7个区域中心探空站对比分析模型优化方法的有效性和泛化性。利用2019年6—9月全国探空数据针对短时强降水预报开展批量独立检验和个例分析,结果表明:改进后的预报模型TS评分提高0.05~0.1,命中率提高0.15以上,空报率提高0.05~0.1,表现出明显的“宁空勿漏”预报倾向,模型预报能力得到明显提升;在全国短时强降水预报试验中,预报模型命中率为0.65,空报率为0.37,漏报率为0.34,TS评分为0.47,说明该模型对短时强降水天气具有一定预报能力。