短期气候预测评估方法和业务初估

根据短期气候预测业务目前的基本现状,提出了短期气候业务预测效果评估的几种参数。使用这些参数对国家气候中心气候预测室近20多年来全国范围月、季、年几种主要预测业务的降水距平百分率和平均气温距平的预测效果进行了初步评估。结果表明,月尺度预报中,温度预报好于降水预报;年度降水预报以对春季预报为最好;汛期降水预报水平有明显提高。     

MODES系统对贵州月气温、降水预测初步评估

通过对2013年1月—2015年6月(MODES)发布的最优月预测产品在贵州省月平均气温距平和降水距平百分率的预测检验评估,发现MODES对全省平均气温有较好的预报,分析时段内预测与实况的相关系数为0.24,距平同号率为65.5%,且对气温偏高预测的可参考性高于其对气温偏低的预测。相比于气温,MODES对降水预测能力较弱,参考性也相对较低,其中对贵州全省平均降水偏多趋势的预测技巧要优于对全省平均偏少趋势的预报技巧。逐站分析显示,MODES对贵州气温预测效果较好的地区在西部、北部和东部,对降水偏多的预测效果较好的地区位于除西北部和北部边缘地区外的其余大部地区。通过对MODES与预报员综合预报的结果评估发现,MODES月预测总体效果较预报员好,且稳定性高于预报员,可为预报员提供参考信息。     

SEAS5模式对新疆月尺度气温和降水的预测性能评估

检验评估气候模式，有利于发挥这一客观预测方法在新疆气候预测业务中的应用效果，提高新疆气候预测能力。基于欧洲中期天气预报中心第五代季节预测系统SEAS5模式的历史回报数据和新疆98个气象站的气温、降水观测资料，利用距平符号一致率Pc、趋势异常综合评分Ps、距平相关系数ACC、时间相关系数TCC等方法，综合评估了SEAS5模式对新疆1993—2019年月尺度气温和降水的预测性能。结果表明：SEAS5模式对新疆月气温、降水的总体预测性能较好，对降水趋势和量级有一定的预测能力。模式的预测性能存在明显的月际差异和空间差异。模式对新疆4—9月气温和4月、6—8月降水的预测性能较好。气温预测评分中，4月Pc最高（61.3分），7月Ps最高（74.4分），6月ACC最高（0.17）。降水预测评分中，4月Pc最高（58.7分），7月Ps最高（72.1分），4月ACC最高（0.16）。空间分布上，模式对1月、3月、6月和12月南疆的气温预测性能普遍高于北疆，对7月和9月南疆西部的预测性能低于其他地区。模式对南疆的降水预测性能普遍高于北疆。     

DERF产品在江西汛期降水预测中的释用

利用T63月动力延伸预报DERF模式输出的北半球500hPa位势高度场资料和江西省83站逐月降水量实况资料,运用EOF迭代方法对江西省2005-2009年汛期4-6月逐月降水距平百分率进行解释应用预测试验.结果表明,预测模型对江西汛期降水趋势预测的评估效果比较好.月降水距平百分率的预测Ps评分总体平均为72%,平均距平...     

月动力延伸预报产品在阿勒泰地区预报中的应用检验

利用2005年7月—2009年12月阿勒泰地区7个气象观测站逐月和旬的降水和温度实况资料、国家气候中心制作的月动力延伸预测模式的图形资料,采用预报评分法(P)和距平符号异同评分法对内插预测结果进行检验。结果表明:月动力延伸预报产品对各月温度距平同号率要明显高于降水距平百分率预报与实况同号率,对各月温度距平的预报评分比较稳定,而对各月降水距平百分率的预报评分差异较大。     

动力气候模式降水预测能力初步评估

利用1982-2002年陕西省94个气象观测站逐月降水实况资料、国家气候中心制作的月动力延伸预测模式集合预报500hPa高度场资料,降尺度内插出94个站点月降水预测值,采用预报评分法（P）和距平符号异同评分法对内插预测结果检验。结果表明：预报评分法（P）评价结果较距平符号异同评分法评价结果整体偏高,二者在评分趋势上基本相同,尤其体现在降水较少的月份。     

气候平均倾向边界的RegCM2区域气候模式应用与评估

气象模式与农业气象模式的集成系统用于我国冬小麦区域土壤水分预报和灌溉管理预报。集成系统的气候模式采用NCAR的区域气候模式（RegCM2），为农业气象模式提供实时的降水、气温、比湿、风速等气象要素场预报。RegCM2模式的预报能力关系到农业气象模式预报的效果，文中针对该系统在2000年3－5月冬小麦主要生长期的预报结果，按照国内现行的短期气候预测的评估方法，对系统的动力模式部分进行检验和评估。评估结果表明，降水距平预报评分接近和略超过发布的国内业务预报评分，其中以淮河、新疆、内蒙古预报得分最高。月平均气温距平预报评分超过业务预报得分，3月的月降水和4月、5月的月均气温距平相关系数均超过业务预报，3月和4月的月降水异常级TS评分略高于业务预报评分。月尺度的初步评估结果显示RegCM2模式有一定的月预报能力，可以用作跨月的温度降水预报。     

S2S模式对四川汛期候尺度降水预测技巧评估和误差订正

针对四川汛期候降水距平百分率（PAP）,采用距平相关系数（ACC）、时间相关系数（TCC）、符号一致率（SCR）和趋势异常综合评分（PS）4种预测评分方法对S2S计划中10个模式的预测技巧进行检验评估,并在误差分析的基础上提出“正负概率异常订正”方案对各模式候降水距平百分率预测结果进行订正。结果表明,随着预测时效延长,多数模式的预测技巧快速降低,模式间预测技巧的差距缩小。至第10天左右,各模式进入低技巧时段,预测技巧随时效变化的幅度减小,各模式仅对降水趋势异常有一定预测能力,其中BoM模式明显高于其他模式。除BoM模式外的其他模式对降水年际变化幅度都存在低估,降水距平百分率异常偏差为?33%—?18%,不随预测时效发生太大变化,但空间分布不均。经过误差订正各模式的距平相关系数和符号一致率有所提高,趋势异常综合评分有效提高,并且对次季节尺度的订正效果优于天气尺度。订正后,各模式在次季节尺度的平均趋势异常综合评分均高于76.8, 66.7%的模式评分为79.2—80.2,超过业务评分标准（72.0）近8分。订正效果在4 a独立样本检验中也得到验证。      

青海省夏季降水气候预测评估

本文运用预报评分（Ｐ）、技巧评分（Ｓｓ０和距平相关系数（Ａｃｃ）三各方法、对青海省近十几年业务上使用的２０个代表站１９８８～１９９７年１０年夏季（６～８月）降水距平百分率预报的准确程度进行了评估。结果表明：虽然青海省的地理环境特殊、各地气候差异较大,但青海省的预报质量仍较全国平均水平略高;用Ｐ方法比用以往评分方法（Ｔｓ）进行预测评定的质量高出近６个百分点;１９９８年夏季的预报质量远较前十年的平均质     

陕西省短期气候预测业务质量评估

使用《短期气候预测质量评定暂行办法》,对陕西2001-2007年气候预测业务发布产品进行评分和分析评估。结果表明,月预测中,气温评分高于降水,气温预测有明显的正技巧;季预测中,春季降水评分最高,汛期降水评分近3a有明显提高;月预测和季预测评分高于年度预测相应时段的评分,说明月预测和季预测对年度预测的订正是有效的;年度预测中年降水预测成绩较好。10个气候区域预报评分和预测与实况距平一致率降水咸阳最高,气温榆林最高。     

基于短时强降水概率预报的模糊检验试验

利用短时强降水概率预报模型生成短时强降水(≥20mm/h)概率预报产品,并对其进行“点对面”模糊检验试验。结果表明:短时强降水(≥20mm/h)概率预报和SWC_WARMS模式最大小时雨量(≥20mm/h)的“点对面”TS评分均明显高于相应的“点对点”评分,短时强降水(≥20mm/h)预报结果可在30～40km范围内进行调整;短时强降水(≥20mm/h)概率预报在概率为30%时TS评分达到最大,Bias接近为1,预报偏差最小;短时强降水(≥20mm/h)概率预报比SWC_WARMS模式最大小时雨量(≥20mm/h)预报更具有参考价值。      

民机阵风载荷测量试飞颠簸潜势诊断技术研究

为确保民机阵风载荷测量试飞的质量和效率,规避风险,保障安全,解决“找风难”问题,从飞行员飞机颠簸报告入手,利用欧洲中期天气预报中心提供的ERA5全球大气再分析资料,基于10个预报效果较为理想的颠簸指数,通过加权集成算法给出了高空急流背景下的颠簸潜势综合指数。综合指数中单一指数的权重是通过发生颠簸的预报准确率PODY、未发生颠簸的预报准确率PODN、总体预报准确率PODA及TSS评分及中度以上颠簸所占面积fMOG五项评价指标共同确定的。同时评估了颠簸潜势综合指数性能对单一指数数量的敏感性以及对参与建模样本量的敏感性。结果表明:Dutton指数因预报得分φ达1.043,是这10个单一指数中总体预报效果最好的,Brown指数、L-P指数次之。由Dutton指数、Brown指数、L-P指数、TI1指数及风相关指数加权集成的综合指数,较好地集成了各单一指数的优点,各项指标均较为优秀,PODA达90%,TSS达0.80,fMOG达9.2%,预报得分φ达1.225,总体效果最好。随着单一指数数量的增加,综合指数的诊断效果先增大后减小,当单一指数增加到5个的时候,效果最优。随着参与建模的飞机颠簸样本量增加,综合指数性能逐步提升。该综合指数能较好地解决民机阵风载荷测量试飞潜在颠簸区域寻找的问题。      

两类天气预报评分问题研究及一种新评分方法

探讨了预报评价的意义及应遵循的原则, 对常用的几种两类预报评分方法进行分析, 指出其应用的局限性, 得到一个判定所作预报水平是否高于随机预报、具有预报技巧的简易判别式; 提出评分权重的概念, 指出以往评分存在问题的根源是评分权重分配不当, 使评分结果的真实性受到影响, 评分无可比性, 进而提出一种考虑了评分权重的新评分方法。新评分方法满足预报评价的原则, 侧重于对两类事件中事件概率较小一方预报效果的评估, 评分结果不受事件概率影响, 具有可比性。对比分析表明:新方法比其他方法优越, 能更准确地反映预报水平, 使不同季节、不同地域的预报评分可进行比较, 是一个通用的评分方法。     

基于LAPS分析的WRF模式逐时气温精细化预报释用

为了满足湖北电力和华中电力系统对逐时气温预报的需求,开展气温精细化预报服务,基于局地分析预报系统(LAPS)分析融合的WRF模式精细化数值预报产品,对2011年4月1日至7月20日湖北省内及周边区域站点的逐时气温进行精细化预报释用.比较几种模式释用方案,结果表明:WRF模式预报趋势较好,预报准确率评分50％左右,日间08-20时预报误差小于夜间,最高气温(Tmax)评分54％,最低气温(Tmin)评分为44％.通过模式释用,提高了预报准确率,可使预报评分提高到60％～70％,对Tmax评分达到57％,对Tmin评分最高达到74％.分时刻建立MOS方程能够有效降低夜间20-07时的预报误差.将实况最高气温引入Kalman滤波方程能进一步提高预报准确率.     

月动力延伸预报产品在西北地区月降水预测中的释用

利用西北地区较密的163个气象观测站点逐月降水资料、NCEP/NCAR再分析资料500 hPa逐月高度场和月动力延伸集合预报500 hPa高度场资料, 进行了气候预报、持续性预报、实况解释检验和月动力延伸预报产品释用预测试验的比较。结果表明:实况解释检验结果的准确率 (PS) 评分最高, 气候预报平均PS最低, 月动力延伸预报解释应用方法略低于实况解释检验, 高于气候预报和持续性预报。PS的空间分布表明, 月动力延伸预报解释应用结果和实况回报试验的分布非常相似, PS最大值分布在青海南部、陇南和陕西大部等各月降水气候值相对较大的地区, PS较小的地方则在新疆部分地区、甘肃河西西部等各月降水气候值相对较小的地区, 西北其他地区PS值相差不明显。此外, 利用密集站点资料进行解释应用的效果高于利用稀疏站点资料的结果, 表明更多观测信息的应用有利于改善预测技巧。     

多源降水预报集成技术应用研究

基于欧洲中期天气预报中心全球高分辨率预报模式ECMWF、中国自主研发的新一代业务化区域数值模式GRAPES_Meso和WRF中国全国区域预报模式的降水预报结果进行未来3 d降水集成预报。以中国地面-卫星-雷达三源融合逐时降水格点产品(CMPA-Hourly,V2.0)作为"观测值"进行建模,采用消除偏差多模式平均法和基于无偏平均绝对误差集成法对中国大陆地区进行降水集成预报,同时采用2800个国家自动气象站降水观测数据对降水集成预报效果进行检验。结果表明：基于无偏平均绝对误差的降水集成方法能够综合每个模式成员降水预报场的优势,提供一种更为稳定可靠且具有更高分辨率的优质精细化降水预报产品;其在试验期间对中国大陆地区汛期的降水预报ETS评分,优于消除偏差多模式平均降水集成预报和最优单模式降水预报,BIAS评分更接近于1,与"实况"的距平相关系数也明显提高,是对降水大值捕捉能力较优的一种集成方法,尤其对中雨到暴雨量级预报的改进较好。     

华南复杂地形下GRAPES_Meso3km对流尺度模式前汛期精细化降水预报评估

为深入认识GRAPES_Meso(Global/Regional Assimilation and Prediction System)3 km对流尺度区域模式对华南前汛期精细化降水的预报性能,为模式改进及业务应用提供参考依据,利用广东省86个站点逐小时观测降水资料和国家气象信息中心多源融合降水资料,针对广东省复杂地形特点,结合距海岸线的远近及站点地形特点,将86个站划分为沿海东部、沿海西部和内陆地区三个子区域,采用二分类降水预报检验方法,定量评估了2020年5月18日—6月18日华南前汛期降水预报效果。结果显示,GRAPES_Meso 3 km模式精细化降水预报技巧受广东复杂地形影响较大,广东沿海东部和内陆地区24 h时累积降水的小雨、中雨、大雨量级预报成功指数(Threat Score,TS)、公平成功指数(Equitable Threat Score,ETS)评分高于沿海西部地区,尽管暴雨预报评分具有此相同特征,但三个子区域的暴雨预报评分总体较低;从3 h累积降水预报评分看,沿海东部、沿海西部及内陆地区等三个子区域存在明显的日变化特征,但是沿海东部及西部与内陆地区表现有所不同,沿海东部和西部降水预报评分夜间较低(预报偏差偏高),白天相对较高(预报偏差偏低),而内陆地区则是夜间较高(预报偏差偏低),白天相对较低(预报偏差偏高)。沿海西部预报评分相对较低的原因是由于检验时段内广东地区存在一个弱的风切变,而沿海西部大部分地区正好处于切变线南侧的温度高值区控制,但模式模拟该区域的日平均温度较实况偏低,导致沿海西部模式预报降水空报较多,降低其降水预报技巧。     

Estimating reliability and resolution of probability forecasts through decomposition of the empirical score

Proper scoring rules provide a useful means to evaluate probabilistic forecasts. Independent from scoring rules, it has been argued that reliability and resolution are desirable forecast attributes. The mathematical expectation value of the score allows for a decomposition into reliability and resolution related terms, demonstrating a relationship between scoring rules and reliability/resolution. A similar decomposition holds for the empirical (i.e. sample average) score over an archive of forecast–observation pairs. This empirical decomposition though provides a too optimistic estimate of the potential score (i.e. the optimum score which could be obtained through recalibration), showing that a forecast assessment based solely on the empirical resolution and reliability terms will be misleading. The differences between the theoretical and empirical decomposition are investigated, and specific recommendations are given how to obtain better estimators of reliability and resolution in the case of the Brier and Ignorance scoring rule.     

四种定量降水预报客观订正方法对比研究

基于2019年全年、不同季节、不同预报时效的欧洲中期天气预报中心模式的定量降水预报,检验评估了频率匹配、最优TS评分、最优百分位、概率匹配4种定量降水预报客观订正法的综合性能。利用理想模型研究了不同雨带位移偏差和干湿偏差情形下频率匹配法与最优TS评分的表现,并通过个例订正展示了4种定量降水预报订正法的基本特征。结果表明:频率匹配与最优TS评分仅能对确定性预报的降水量级进行调整,最优百分位和概率匹配法通过引入集合预报信息可在一定程度上改变预报的降水落区。频率匹配法以频率偏差最优为目标,可以很好地消除模式的干湿偏差,但仅在位移偏差较小且存在较大干湿偏差时提升原始预报的TS评分。最优TS评分法难以改进存在弱湿偏差的中雨预报的TS评分,而最优百分位法利用集合预报信息可以显著提升所有降水等级的TS评分,在较长预报时效下优势尤其明显,但也存在春、夏两季湿偏差较大的问题。概率匹配法由于没有使用历史实况信息,在暴雨订正中干偏差较大。经济价值模型检验评估表明,最优百分位法在暴雨量级的风险决策中具有较高的参考价值。      

基于卡尔曼滤波的中国区域气温和降水的多模式集成预报

利用TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。