ECMWF集合预报在安徽大别山区降水预报中的检验

利用2015年6月1日至8月31日ECMWF集合预报系统(EPS)51个成员的降水预报结果,基于安徽省大别山区12个代表站点1～3 d的逐12 h降水观测资料,采用TS评分、箱须图、泰勒图等方法,研究ECMWF集合预报降水结果在安徽省大别山区降水分级预报中的应用效果。主要结论如下:ECMWF集合降水预报中,08时起报的24 h降水量和20时起报的48 h降水量可参考性较大;降水分级检验中,晴雨预报正确率在70%以上,小雨和中雨的空报率较高,对大雨以上量级的预报能力相对较差;大型降水过程中,暴雨以上量级的预报需关注不同预报时效下降水量预报的变化趋势,个别成员对极端降水的表现也值得关注。     

暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究

利用2015年6月1日至8月31日ECMWF集合预报系统（EPS）51个成员的降水预报结果,基于安徽省大别山区12个代表站点1~3 d的逐12 h降水观测资料,采用TS评分、箱须图、泰勒图等方法,研究ECMWF集合预报降水结果在安徽省大别山区降水分级预报中的应用效果。主要结论如下：ECMWF集合降水预报中,08时起报的24 h降水量和20时起报的48 h降水量可参考性较大;降水分级检验中,晴雨预报正确率在70%以上,小雨和中雨的空报率较高,对大雨以上量级的预报能力相对较差;大型降水过程中,暴雨以上量级的预报需关注不同预报时效下降水量预报的变化趋势,个别成员对极端降水的表现也值得关注。

     

安徽省ECMWF数值模式降水预报性能的检验

为了了解欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF)数值模式对安徽地区降水预报的性能,提高订正技巧,本文应用风险评分(Threat Score,TS)、预报偏差(BIAS)和去除随机事件后的公平T评分(Equitable Threat Score,ETS)及真实技巧评分(True Skill Statistic,TSS)等方法,对2012年1月至2015年3月安徽省ECMWF数值模式降水场预报资料进行检验。结果表明:ECMWF模式对安徽地区降水的预报性能总体较稳定,年际变化幅度较小。安徽省降水预报的ETS评分总体呈南高北低的空间分布特征,所有气象站降水均存在预报过度的现象。降水预报分级检验表明,小雨量级降水预报评分明显高于其他量级降水,但预报偏差较大,预报过度现象严重;ECMWF模式对72 h时效内的暴雨量级降水预报技巧较小,对于72 h时效后的暴雨量级降水基本没有预报能力。季节降水预报的检验表明,春季、秋季和冬季的48 h时效内晴雨预报的准确率为88%以上,订正空间较小;夏季各时效及春季、秋季和冬季168 h时效以上降水预报的空报率超过60%,可以适度订正;秋季较其他季节降水预报的漏报率略高,尤其是120 h时效以上降水的预报需关注。四季均存在降水预报过度的现象,尤以夏季最突出。ECMWF模式对安徽省降水量为0.1—0.7 mm的格点降水预报空报率较高,订正后可以明显提升预报技巧,但增加了一定漏报风险。     

GRAPES区域集合预报对2019年中国汛期降水预报评估

2019年,数值预报中心开发了以GRAPES全球模式为驱动场,集合变换卡尔曼滤波为初值扰动方法,随机物理过程倾向项为模式扰动方法的10 km水平分辨率GRAPES-REPS V3.0区域集合预报模式,并投入业务运行。基于该模式,作者开展了2019年7～9月夏季降水不确定性的集合预报实时试验,并从统计检验和个例分析角度,与GRAPES-REPS V2.0和ECMWF全球集合预报模式进行对比,由此对GRAPES-REPS V3.0区域集合预报模式的降水预报能力给予客观评价,并分析了引起中尺度强降水预报不确定性的物理机制,研究结论可为诊断集合预报模式及改进集合预报方法提供依据。结果表明:(1)GRAPES-REPS V3.0区域集合预报系统的降水ETS评分在所有预报时效和量级内均优于GRAPES-REPS V2.0区域集合预报模式,降水成员具有明显等同性,且概率预报技巧FSS评分较高,GRAPES-REPS V3.0区域集合预报模式降水预报效果全面优于GRAPES-REPS V2.0区域集合预报模式。(2)GRAPES-REPS V3.0区域集合预报的集合平均降水BIAS评分及小雨和暴雨ETS评分均明显优于ECMWF全球集合预报系统,降水概率预报与ECMWF降水概率具有一定可比性。(3)个例分析结果表明,不同集合预报模式通过刻画中尺度特征物理量不确定性来捕捉降水预报不确定性,初始时刻,GRAPES-REPS V3.0区域集合预报模式和ECMWF全球集合预报模式环流形势分布较为相似,随预报时效演变,GRAPES-REPS V3.0区域集合预报模式对中尺度动力、热力场捕捉更为准确,相应地对降水落区与量级预报较好,概率预报技巧较优。(4)与ECMWF全球集合预报模式相比,GRAPES区域集合预报模式集合成员能很好地预报降水发生、发展、消亡整个过程,故GRAPES-REPS V3.0区域集合预报系统对中国汛期降水具有较强的预报能力。     

两个集合预报系统对秦岭及周边降水预报性能对比

利用欧洲中期天气预报中心 (ECMWF)、美国大气环境预报中心 (NCEP) 集合预报系统 (EPS) 降水量预报资料,CMORPH (NOAA Climate Prediction Center Morphing Method) 卫星与全国3万个自动气象站降水量融合资料,基于技巧评分、ROC (relative operating characteristic) 分析等方法,对比两个集合预报系统对秦岭及周边地区的降水预报性能。结果表明:两个系统均能较好表现降水量的空间形态,对于不同量级降水,ECMWF集合预报系统0~240 h控制及扰动预报优于NCEP集合预报系统,但NCEP集合预报系统264~360 h预报时效整体表现更好; ECMWF集合预报系统0~120 h大雨集合平均优于NCEP集合预报系统,两个系统集合平均的预报技巧整体低于其控制及扰动成员预报,这种现象ECMWF集合预报系统表现更为显著; ECMWF集合预报系统降水预报概率优于NCEP集合预报系统。ROC分析显示,随着预报概率的增大,ECMWF集合预报系统在命中率略微下降的情况下,显著减小了空报率,NCEP集合预报系统则表现出高空报、高命中率。     

基于三大全球集合预报系统对内蒙古降水预报能力评估

利用ECMWF、NCEP和CMC中心的1~3天7种降水集合预报产品,同时结合内蒙古119个气象站同期降水观测资料,对降水预报效果基于晴雨、降水等级划分(包括小雨、中雨、大雨以及暴雨)确定性TS评分以及空间分布特点进行了归纳总结,评估了三大全球集合预报系统在内蒙古地区的降水预报能力,为进一步开发模式预报及应用提供技术支撑。研究结果表明,ECMWF集合预报产品对内蒙古降水预报能力明显优于NEPC和CMC中心的产品。ECMWF集合预报产品24h时效下的晴雨及小雨、中雨、大雨以及暴雨预报都具有良好的预报能力,但是随着预报时效的延长至48h、72h,ECMWF集合预报产品预报能力明显降低,预报能力与NCEP和CMC中心的产品接近。24h的ECMWF集合预报产品在呼伦贝尔市、兴安盟、锡林郭勒盟、巴彦淖尔市西部、阿拉善盟地区预报效果明显较好,三大集合预报系统对内蒙古东部地区的预报能力总体偏高。     

重庆风暴尺度集合预报系统降水预报性能分析

本文利用重庆风暴尺度集合预报系统业务存档的2017年8月1～31日逐日08时起报的模式预报资料及相应的观测资料对该系统的降水预报进行了检验评估及综合分析,综合各种检验结果,总体而言:该系统集合平均和概率匹配平均等集合预报产品相对于控制预报表现出了较明显的优势;小雨和中雨量级降水集合平均的TS评分优于概率匹配平均;大雨和暴雨量级降水概率匹配平均的TS评分优于集合平均;各预报时效的Talagrand分布均表现出实况落在第11个概率区间的概率明显高于其他概率区间,需要在今后的科研和业务中加以关注;Outlier评分介于0.12～0.26;降水概率预报检验方面,各个降水量级的预报失误概率Brier评分和相对作用特征技巧评分AROC均较为理想。总体而言,该系统在降水预报方面相对于单一的确定性预报而言表现出了一定的优势。     

降水预报-观测概率匹配动态订正法在江西降水集中期的应用与检验

为提高数值预报降水预报的准确率,本文利用欧洲中期天气预报中心的高分辨率数值预报（ECMWF）降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配,选取Gamma累积概率分布函数用于拟合预报与观测的降水累积概率,通过在2017年江西省一次降水集中期的应用试验,得到以下结论：基于ECMWF的降水预报-观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中,并根据近期模式预报调整及误差不断自动更新各量级降水修正值,可实时动态订正模式降水预报;检验发现ECMWF模式降水产品对于24 h内12 h间隔的10 mm及以下量级的预报普遍偏大,25 mm及以上量级的预报普遍偏小,在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况、预报效果较好.本降水预报订正法能提高小雨和暴雨的TS评分、降低暴雨的漏报率且提升其命中率,但对大雨及部分中雨的订正效果不佳,在实践中应权衡利弊使用.     

ECMWF集合预报统计量产品在重庆降水预报中的检验与分析

利用ECMWF集合预报降水资料和重庆市自动站降水资料,运用晴雨、TS评分、预报偏差等检验方法对重庆地区2014—2016年ECMWF集合预报降水产品在短期时效的预报性能进行检验分析。结果表明:最小值的晴雨预报准确率最高。对于TS评分检验,小雨量级可优先参考最小值、10%分位数和融合产品,中雨量级参考平均数和概率匹配平均,大雨和暴雨量级分别参考75%分位数和90%分位数。对于预报偏差检验,小雨量级可优先参考最小值、Mode,中雨量级参考融合产品、中位数,大雨量级参考控制预报、融合产品,暴雨量级参考90%分位数。对于百分位值预报产品和概率预报产品,小雨量级可参考5%～10%分位数和80%～90%概率预报产品,中雨量级可参考45%～55%分位数和40%概率预报产品,大雨量级可参考70%～80%分位数和20%概率预报产品,暴雨量级可参考90%～95%分位数和10%概率预报产品。     

重庆中尺度集合预报系统预报性能分析

本文利用2017年6～8月重庆中尺度集合预报系统逐日20时起报的预报资料及相应的观测资料对该系统的预报性能进行了综合分析,结果表明：500hPa位势高度、850hPa温度和2m温度的集合平均预报的均方根误差均优于控制预报,集合离散度均明显低于集合平均的均方根误差,Talagrand分布均呈现出“J型”或“U型”分布,500hPa位势高度和850hPa温度Outlier评分介于0.26～0.32,2m温度的Outlier评分普遍较高,总体介于0.33～0.67;降水预报方面,集合平均和概率匹配平均相对于控制预报表现出了较为明显的优势;小雨和中雨量级降水集合平均的TS评分明显优于概率匹配平均;大雨和暴雨量级的降水概率匹配平均的TS评分明显优于集合平均;0～24小时和24～48小时累计降水的Talagrand分布呈现出一定的“U型”分布且0～24小时更为明显,其余时效较为理想,Outlier评分随预报时效的延长而减小,最高0.31,最低0.20;降水概率预报检验方面,各个降水量级的Brier评分和相对作用特征技巧评分AROC均较为理想。总体而言,该系统相对于单一的确定性预报表现出了一定的优势。     

清江流域降水的多模式BMA概率预报试验

基于TIGGE资料中的ECMWF、UKMO、JMA、CMA四套模式的2016年6月1至7月31日逐日降水集合预报资料,结合清江流域10个国家基准站观测数据,建立了流域贝叶斯模型平均(BMA)概率预报模型,开展流域多模式集合BMA技术的概率预报试验与评估。结果表明,在清江流域多模式集合的BMA模型最佳滑动训练期长度为40 d,BMA模型预报比原始集合预报有更高预报技巧,比四个原始集合预报MAE平均值减少近11%左右,而对于CRPS除了CMA中心无订正效果外,较其他三个模式平均值提高近15%左右。多模式集合BMA技术能预报降水全概率PDF曲线和大于某个降水量级的概率,同时能给出确定性降水预报,对于极端强降水(大暴雨一特大暴雨量级),BMA 75～90百分位数预报效果较好,对于强降水(暴雨量级),BMA 50～75百分位数预报效果较好,对于一般性降水(小雨一大雨量级),BMA确定性预报结果或50百分位数预报效果较好。     

基于对流尺度集合预报方法对一次暴雨过程预报的分析

为了更加直观和深入地理解对流尺度集合预报中的降水集合预报产品,以便进一步向预报员推广应用,本文开展了基于对流尺度集合预报方法对2021年8月28—29日的一次暴雨过程的预报性能分析,对集合预报的暴雨和大暴雨量级降水预报技巧进行了综合分析。结果表明：(1)不同集合成员降水预报结果的差异随着降水量级的增大越发明显,预报最优和最差的成员的TS评分相差0.3以上。(2)概率匹配平均预报对于暴雨和大暴雨量级降水的预报技巧优于控制预报,也优于集合平均。集合平均由于集合成员预报的平滑作用导致其对极端降水不敏感,因此,简单的集合平均不适合于大暴雨以上量级的极端降水预报。(3)从最小值预报到最大值预报,随着集合百分位的增大,命中率、空报率和频率偏差均逐渐增大,70%或者80%集合百分位预报的预报技巧最优,且优于集合平均和概率匹配平均预报。(4)对于重庆东北部偏西地区出现的大暴雨量级降水,较长预报时效集合概率预报均预报出了一定的降水概率,最长提前60 h,相应的最优的集合成员的降水预报与实况也较为接近。     

ECMWF集合预报统计量在江西降水预报中的检验分析

利用江西省93个国家气象观测站降水量资料,对2014年ECMWF集合预报降水统计量进行逐6 h和24 h晴雨检验、降水分级检验及区域性暴雨检验。结果表明:1)10%、25%、Mode、融合、最小值在晴雨预报准确率方面较控制预报更有参考价值。2)对于全年降水分级检验,10%、25%、Mode、融合、最小值这5个统计量在小雨的预报方面较控制预报更有参考价值;中位数、概率对中雨的ETS评分要略高于控制预报;90%、75%、概率对大雨预报比控制预报好。对于暴雨预报,最大值、90%、融合比控制预报好;融合、最大值对大暴雨落区的指示意义不大,但对大暴雨量级降水的可能性可以供预报员参考。3)对于区域性暴雨预报,90%、融合、最大值的预报技巧比控制预报高,最大值虽然空报较严重,但对降水量级有一定的指示意义。集合预报各统计量对于强降水过程爆发或发展阶段的预报效果不如降水过程成熟期或末期好。     

智能网格SCMOC及多模式降水预报对比

以三源融合网格实况降水分析资料CMPAS为参照,基于二分法经典检验、预报评分综合图和面向对象MODE检验等方法,对比分析2021年智能网格预报SCMOC以及ECMWF全球、CMA-Meso中尺度模式在秦岭及周边地区的降水预报表现,主要结论如下：1)ECMWF能够很好地刻画日平均降水量、日降水量标准差以及地形影响下降水量、降水频次的空间分布特征,但对于0.1 mm以上量级的降水预报频次远高于观测,暴雨预报频次低于观测,SCMOC、CMA-Meso日降水量大于等于0.1 mm的降水频次和暴雨频次预报更好;SCMOC不足在于降水的空间精细分布特征描述能力相对较弱。2)ECMWF预报的大于等于0.1 mm降水频次日峰值出现时间整体较观测偏早3 h左右,CMA-Meso、SCMOC与观测总体吻合较好。3)三种产品24 h降水量大于等于0.1 mm的TS(Threat Score)评分数值上基本一致,但降水预报表现的特征显著不同,SCMOC成功率高、命中率低,漏报多、空报少,ECMWF、CMA-Meso则相反;24 h、3 h大雨以上量级降水SCMOC的TS评分、成功率、命中率一致优于其他两种产品...     

2005年西南区域集合预报系统试验与检验

在2004年利用MM5模式构造西南区域集合预报系统的基础上,2005年增加了多初值扰动,并在2005年汛期进行了准业务试验。对四川区域152个站的降水检验表明,集合预报对四川区域内小雨到暴雨量级的降水预报有明显的预报技巧,对大暴雨的预报技巧不显著;在四川盆地,预报暴雨发生位置比实际发生区域略偏西、偏北;对于小雨到暴雨量级的降水,集合预报优于T213和大部分集合预报成员。     

2005年西南区域集合预报系统试验与检验

在2004年利用MM5模式构造西南区域集合预报系统的基础上,2005年增加了多初值扰动,并在2005年汛期进行了准业务试验.对四川区域152个站的降水检验表明,集合预报对四川区域内小雨到暴雨量级的降水预报有明显的预报技巧,对大暴雨的预报技巧不显著;在四川盆地,预报暴雨发生位置比实际发生区域略偏西、偏北;对于小雨到暴雨量级的降水,集合预报优于T213和大部分集合预报成员.     

基于快速更新同化的滞后短时集合预报试验及检验

本文基于华东区域中尺度快速更新同化数值预报模式系统(Shanghai Meteorological Bureau WRF ADAS Rapid Refresh System,SMB WARR),应用时间滞后法进行集合预报试验,试验由7个集合预报成员组成,进行逐小时预报,预报时效为6 h。本文通过对2011年6月17日至9月30日期间降水过程进行集合预报试验,引入面雨量对降水预报进行检验。结果表明：(1)小 大雨量级,集合平均优于集合成员预报,但暴雨量级集合平均不及部分集合成员预报。(2)不同的降水量级,并非都是最接近预报时刻,技巧最高,小 大两量级的降水可以提前6 h预报。(3)降水概率预报优于集合平均预报,具有很好的指示作用。可关注最接近预报时刻,小 中雨以上的降水,预报概率较大时,其可用性较大,而大 暴雨以上的降水,预报概率较小时,可用性较大。     

短期集合降水概率预报试验

以MM5模式作为试验模式, 通过选取不同的物理过程参数化方案产生8个集合成员, 分别用平均法、相关法和Rank法对2001年11月至2002年5月期间的22个降水个例进行短期集合降水概率预报试验。试验结果显示对小雨—大暴雨6类降水的概率预报, Rank法的综合预报效果明显好于相关法和平均法, 相关法的综合预报效果与平均法基本相同; 无论从均方误差角度还是从命中率和假警报率的相对大小角度, 对小雨、中雨、大雨和暴雨各量级以上降水的概率预报, Rank法的平均预报效果是三种方法中最好的, 相关法的平均预报效果与平均法相同; Rank法好于平均法的平均幅度从均方误差角度较大, 从命中率和假警报率的相对大小角度则较小。平均而言, 三种方法对各量级以上降水的概率预报都是有技巧预报, 对量级小的降水的概率预报技巧高于对量级大的降水的概率预报技巧。     

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。     

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。