Ternary forecast of heavy snowfall in the Honam area,Korea

The objective of this study is to improve the statistical modeling for the ternary forecast of heavy snowfall in the Honam area in Korea. The ternary forecast of heavy snowfall consists of one of three values, 0 for less than 50 mm, 1 for an advisory (50–150 mm), and 2 for a warning (more than 150 mm). For our study, the observed daily snow amounts and the numerical model outputs for 45 synoptic factors at 17 stations in the Honam area during 5 years (2001 to 2005) are used as observations and potential pre...     

基于Logistic回归和多指标叠加的短时强降水预报模型

利用2001—2011年中国西北地区东部10个特征站地面常规资料和MICAPS系统特征参数资料,分别运用改进的二元Logistic回归法和综合多指标叠加法,通过短时强降水天气学概念模型识别入型、水汽条件消空、敏感物理参数诊断等方法逐级判别,建立了两种短时强降水预报模型,并运用模型试预报2012年该区域的短时强降水过程。结果表明:两种新建预报模型相比平均气候概率模型试预报效果都有明显提高,而且前者高于后者;其中二元Logistic回归模型试预报TS得分高达46.6%,综合多指标叠加模型试预报TS得分19.6%,而平均气候概率模型试预报TS得分仅9. 7%;除西南气流型两者预报效果相当外,不同概念模型下二元Logistic回归模型试预报效果均优于综合多指标叠加模型。     

我国地面降水的分级回归统计降尺度预报研究

利用TIGGE资料中欧洲中期天气预报中心(ECMWF,the European Centre for Medium-Range Weather Forecasts)、日本气象厅(JMA,the Japan Meteorological Agency)、美国国家环境预报中心(NCEP,the National Centers for Environmental Prediction)以及英国气象局(UKMO,the UK Met Office)4个中心1~7 d预报的日降水量集合预报资料,并以中国降水融合产品作为"观测值",对我国地面降水量预报进行统计降尺度处理。采用空间滑动窗口增加中雨和大雨雨量样本,建立分级雨量的回归方程,并与未分级雨量的统计降尺度预报进行对比。结果表明,对于不同模式、不同预报时效以及不同降水量级,统计降尺度的预报技巧改进程度不尽相同。统计降尺度的预报技巧依赖于模式本身的预报效果。相比雨量未分级回归,雨量分级回归的统计降尺度预报与观测值的距平相关系数更高,均方根误差更小,不同量级降水的ETS评分明显提高。对雨量分级回归统计降尺度预报结果进行二次订正,可大大减少小雨的空报。     

业务模式晴雨预报能力分析及其改进方法研究

以欧洲中心全球预报模式和中国华南区域中尺度模式(GZ 3 km)为例分析了2019年中国南方逐日晴雨预报的情况,并讨论模式晴雨预报的性能。借助TS检验评估方法,在与简单外推预报等的比较中,发现模式雨量预报特点及模式晴雨预报的统计规律,如两个模式同时预报晴天,或者模式预报有雨且降水量大于某阈值等情况,其预报准确率非常高;而对于两个模式预报不一致,或模式预报有雨且雨量较小等情况,则存在较大不确定性。基于上述研究,提出利用模式预报改进观测外推和利用观测与模式的频率匹配改进模式预报等方法。     

Statistical guidance on seasonal forecast of Korean dust days over South Korea in the springtime

This study aimed to develop the seasonal forecast models of Korean dust days over South Korea in the springtime. Forecast mode was a ternary forecast (below normal, normal, above normal) which was classified based on the mean and the standard deviation of Korean dust days for a period of 30 years (1981-2010). In this study, we used three kinds of monthly data: the Korean dust days observed in South Korea, the National Center for Environmental Prediction in National Center for Atmospheric Research (NCEP/NCAR) reanalysis data for meteorological factors over source regions of Asian dust, and the large-scale climate indices offered from the Climate Diagnostic Center and Climate Prediction Center in NOAA. Forecast guidance consisted of two components; ordinal logistic regression model to generate trinomial distributions, and conversion algorithm to generate ternary forecast by two thresholds. Forecast guidance was proposed for each month separately and its predictability was evaluated based on skill scores.     

辽宁省夏季多模式降水预报检验及晴雨预报技术研究

利用辽宁省291个国家气象观测站的降水资料,对2019年夏季（6-9月）8种模式降水预报及中央气象台格点降水预报进行了检验评估和比较,并采用消空方法进行晴雨预报技术研究。结果表明：2019年,EC模式具有最优的暴雨预报性能,而日本模式暴雨TS评分最高;中尺度模式对于局地性暴雨和短时强降水具有较好的预报潜力,性能较好的是GRAPES_MESO模式和睿图东北3 km模式;全球模式对24 h暴雨的预报频率比实况偏低30%,3 h强降水则偏低60%,中尺度模式对24 h暴雨的预报频率比实况偏高30%,3 h强降水则偏低20%。由于对小量级降水存在较多空报,各模式原始预报的晴雨预报大多呈现空报偏多的情况;使用小量级降水剔除的消空策略能够明显提高晴雨准确率,消空之后EC模式具有最优的晴雨预报性能。分别使用24 h和3 h累计降水量优化消空策略,发现分别取1.0 mm和0.8 mm的阈值进行消空可以使24 h晴雨准确率提高15.58%,3 h晴雨准确率提高10%-30%。     

基于TIGGE多模式降水量预报的统计降尺度研究

利用TIGGE资料中欧洲中期天气预报中心、美国国家环境预报中心、英国气象局以及日本气象厅4个中心,1~7 d预报时效的降水量预报资料,以TRMM/3B42RT降水量作为"观测值",对东亚地区降水量进行统计降尺度处理。首先利用逻辑回归方法将天气分为有雨和无雨,再对有雨的情况,利用线性回归方法对插值后的预报结果进行降尺度订正,最后将4个中心的预报值进行消除偏差集合平均,得到多模式集成的降水量预报场。结果表明:逻辑回归能够有效地改善预报中小雨的空报情况,统计降尺度订正后的预报结果比直接插值更加准确,多模式集成的预报效果优于单模式结果,其改进效果随预报时效的延长逐渐减小。     

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。      

基于回归模型的青藏铁路水害气象风险评估

应用逻辑回归和逐步回归方法对青藏铁路青海段由降水引发铁路水害气象风险评估进行研究,以青藏铁路公司提供的铁路沿线水害统计资料为依据,选取2000—2014年青藏铁路沿线青海境内14个气象站点和28个加密气象站降水资料,开展降水引发的水害气象风险评估,结果表明:青藏铁路水害的发生不仅与降水量级有关,还与降水的性质和持续时间有关,铁路水害主要集中在7—8月,高发路段是乐都-平安、湟源-海晏段。导致青藏铁路沿线水害的主要降水类型为区域性强降水和连阴雨。考虑到降水持续时间对水害的影响,通过计算得出的铁路水害诱发指数和水害有效降水因子,且距水害发生时间愈近,日降水量对水害发生的作用就愈大。采用逻辑回归模型判断青藏铁路青海境内各区段水害的发生有无,其预测模型总判对率均超过86.2%,其次运用逐步回归评估模型计算出水害预报等级,经检验对最高级别1级的预报准确率达88.9%。可见,逻辑回归模型和逐步回归评估模型在青藏铁路青海境内铁路水害预报和评估工作中具有较高的预报准确率。     

夏季南海台风移动路径的一种客观预报方法

以1960—2003年共44a夏季的7月、8月、9月西行进入南海海域的台风样本为基础,综合考虑南海台风移动路径的气候持续因子和数值预报产品物理量因子,运用条件数方法选取因子并建立回归方程,进行台风路径预报模型的预报建模研究。通过对比分析发现,基于条件数方法的南海台风移动路径模型具有较好的预报效果,7月、8月、9月3个月24h台风路径预报的平均距离误差为153．9km,预报能力明显高于目前国内外的其他一些台风路径客观预报方法。该方法的预报精度相对于逐步回归方法有了很大的提高,相对于气候持续法也为正的预报技巧水平。     

回归诊断在梅雨期大到暴雨预报中的应用

应用回归诊断方法分析发现，梅汛期大到暴雨回归预报模型的残差分布存在着不对称现象，这种不对称现象是由高杠杆点所引起。这些高杠杆试验点的残差存在着统计天气预报意义上的不合理性，导致了回归系数LS估计的误差，从而又引起暴雨预报的误差。针对这些问题提出了大到暴雨的回归诊断预报模型。实例计算说明，回归诊断预报模型要优于常规回归预报模型。进一步分析指出，梅汛期大到暴雨回归预报模型的不合理性并非个别例子的特殊性所造成，而是由模型的数学特点所决定，因此大到暴雨的回归诊断预报模型具有普遍意义。大量的试验和多年的业务应用表明，回归诊断对提高大到暴雨预报准确率具有明显的效果。     

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。      

基于集合预报和支持向量机的中期强降雨集成预报试验

本文基于欧洲中期天气预报中心(ECMWF)和美国国家环境预报中心(NCEP)集合预报资料和支持向量机(SVM)回归方法建立了多模式集成的动力-统计客观预报模型(SVM-多模式集成预报),继而选用2012年5—9月(共计153 d)发生在淮河流域及其以南地区的大雨和暴雨开展了回报试验,并将所得预报结果与ECMWF的控制预报和集合平均预报进行了多角度比对评估。结果表明:在中期预报时效(4~7 d),SVM-多模式集成预报方法对2012年5—9月大雨和暴雨的预报效果最优,尤其对暴雨预报准确率明显提高,其优势主要体现在对强降雨中心分布范围和强度的预报更接近实况。     

McGill algorithm for precipitation nowcasting by lagrangian extrapolation (MAPLE) applied to the South Korean radar network. Part II: Real-time verification for the summer season

The MAPLE system has been implemented in real-time in Korea since June 2008, producing forecasts up to 6 hours every 10 minutes. An object-oriented verification method has been applied for the summer season (June–July–August) over the Korean Peninsula to evaluate and understand the characteristics of the forecast results. The CRA (contiguous rain area) approach is used to decompose the total error into the different error components; location, pattern, and volume errors. The mean displacement error is smaller than 20 km up to the 3-h forecasts and increases with forecast time. The ratio between the displacement (location) error and the total error is less than 7% even for a 3-h forecast. This result indicates that MAPLE produces reliable forecast in terms of precipitation location. However, the pattern error is larger than 90% of the total error. Contingency scores that are defined with different categories of rain intensity and displacement errors show the outstanding performance up to 2.5 hours. MAPLE overpredicts rain areas with the threshold of 1 mm h^?1 rain intensity throughout forecast periods. However, the heavy rainfall events are poorly predicted due to the inherent limitation of extrapolation-based nowcasting technique.     

2004年主汛期各数值预报模式定量降水预报评估

随着数值预报技术的飞速发展, 模式定量降水预报已成为天气预报业务工作中的主要参考依据。本文对目前在国家气象中心应用的3个业务运行模式T213L31, HLAFS0.25, 华北中尺度模式MM5和德国模式及日本模式的降水预报产品进行了季节空间分布、区域时间序列演变及统计检验, 试图从空间、时间及统计方面对降水预报产品的预报性能进行综合评估。检验结果表明:目前的数值预报模式对短期时效内定量降水预报均具有一定的空间预报能力, 但强降水中心位置有一定的偏差; 从时间序列演变检验来看, 模式对区域强降水过程的发展趋势具有较强的预报能力, 但降水量预报与实况有一定的差距; 从累加统计评分检验结果来看, 模式短期时效的预报性能差别不大, 全球模式在小中雨预报方面有一定优势, 其中日本模式的综合预报性能最好, 大雨以上量级的预报则是国内的模式有一定的优势, 其中华北中尺度MM5模式, T213L31模式各有所长, 但均存在预报量和预报区偏大问题。     

降水检验方案变化对降水检验评估效果的影响分析

为了实现对中尺度模式降水预报产品的合理化统计检验,在我国现有观测系统条件下,研究了24小时加密降水观测实况对降水统计检验评分的影响。过去的标准检验系统观测站为400站,分为9个区,目前业务试运行的加密检验系统采用的观测站为2510站,分为33个区。同时对国外常用的统计检验量ETS评分进行了初步的研究。通过对2005年7—8月我国近年来引进或自主发展的T213L31、HLAFS25、MM5、MESO-GRAPES60km和30km模式,WRF20km模式,以及日本及德国的全球模式的降水预报产品的统计学检验,主要得到如下结论:(1)加密检验系统和标准检验系统在站点分布和分区形式上有较大的差别,新旧检验系统对各模式和预报员全国降水预报的评估结论在大雨以下各级降水评估方面差别不大,结论基本相似,除中雨预报外,加密系统的TS评分均略低于标准检验的结果。暴雨以上评分的差别较大,其中部分模式的两个检验系统的预报偏差差别很大,说明暴雨以上的天气系统多为中小尺度系统,其发生的频率在加密系统中的反映可能更合理一些。(2)新的检验量ETS,对于全国这样较大的检验分区而言,大雨以下各级降水评分在量值上要小于TS评分,暴雨以上则比较接近,但其在多模式对比检验中所得的排序结论与TS和技巧评分相近,部分小雨空报较多的模式的评分有较大差别。(3)无论是加密检验,还是标准检验,各级降水检验中表现最好的模式是相同的。(4)分区相同、预报种类不同时,加密检验与标准检验的差别不同。对T213模式而言,两者在暴雨和大暴雨的预报偏差上的差别更显著一些,部分分区检验结论相反。而对预报员的预报而言,差别并不显著,检验结论一致。     

条件数在区域日降水量预报中的应用研究

针对前汛期广西北部暴雨洪涝灾害频发的问题，利用T213模式和日本细网格降水预报等数值预报产品，采用条件数计算选取回归因子的方法建立广西北部区域平均降水量的预报方程。进行了2004、2005年两年5-6月的前汛期业务预报应用试验。采用条件数方法建立的预报方程和传统的逐步回归预报方程的平均预报误差分别为6．3569mm和7．0096mm，同期T213模式的预报误差为7．9456mm。试验表明新方法比传统的逐步回归方程和T213模式具有更高的预报精度，有较好的业务应用前景。计算对比可知，采用条件数计算选择的预报因子间的复共线性较微弱，而逐步回归方法选择的因子间的复共线性很严重，影响了回归方程的预报效果。     

信江流域洪峰期水位预测方法初探

采用2003～2006年5～9月水位及同期日雨量资料,以信江流域为例,利用逐步回归方法对洪峰期内梅港的水位与前期各气象站日降水量的关系进行了研究,并建立洪峰水位预测模型。结果表明:该模型有一定的预测准确率;各站降水产生的地表径流在24 h之内就能影响到下游的梅港水文站水位;距离梅港水文站最近的气象站前2 d的24 h降水产生的壤中流和地下径流对梅港洪峰期水位也有显著影响;此外,当梅港水位位于21 m之上时拟合绝对误差明显增大,当水位峰值小于23 m时,其拟合值偏大,当水位峰值大于23 m时,其拟合值偏小。     

时间尺度分离在华南夏季极端高温预测中的应用

基于高温日数存在受不同物理因子影响不同时间尺度变率的特征,应用滤波对华南夏季高温日数进行时间尺度分离,得到高温日数的年代际分量和年际分量。统计分析高温日数总量、年代际分量和年际分量在各自对应时间尺度上的影响因子,采用"向前"交叉检验逐步回归法,分别建立高温日数总量、年代际分量和年际分量的回归模型。高温日数总量的回归模型即为高温日数不区分时间尺度的直接回归模型,而两个分量回归模型拟合结果的叠加,即为高温日数时间尺度分离统计模型对总量的拟合。利用十折交叉检验法,对高温日数直接回归模型和时间尺度分离统计模型的拟合结果进行比较:相比高温日数直接回归模型,时间尺度分离统计模型的年代际分量均方根误差由2.6降低到2.3,与观测数据的相关系数由0.69提高到0.73（显著性水平α=0.01）;年际分量均方根误差由3.2降低到2.9,与观测数据的相关系数由0.4（α=0.1）提高到0.48（α=0.01）;高温日数总量均方根误差由4.1降低到3.7,与观测数据的相关系数由0.48提高到0.62（α=0.01）。1979~2010年拟合时段华南夏季高温日数的回报结果表明:两模型回报结果与观测数据均存在明显相关（α=0.01）,直接回归模型的相关系数为0.57,时间尺度分离统计模型提高到0.72。2011~2013年独立检验时段的预测结果表明:直接回归模型预测结果的平均均方根误差为26.4%,时间尺度分离统计模型降低到12.3%。初步结果表明,两模型对华南夏季高温日数均有一定的预测能力,而时间尺度分离统计模型的预测结果有所改进。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。