GRAPES中尺度模式的广东定量降水预报检验

采用客观降水检验方法,对GRAPES中尺度模式2011年4月1日～2012年3月31日广东降水预报进行了分级降水检验、时空分布演变评估以及降水预报个例分析。结果表明:随着降水量级和预报时效提高,模式降水预报质量呈现下降趋势;模式能够对降水过程时间演变做出准确的预报,对于实况较小的降水,模式存在预报比实况偏大的问题,而对于实况较大的降水,模式存在预报比实况偏小的问题;模式不能很好预报出与地形有关的广东3个降水中心;通过对一次台风降水预报个例分析表明,模式24 h预报能较好反映雨带分布和暴雨中心。     

2012年汛期华南中尺度模式与日本模式的降水预报评估分析

采用累加降水量级检验、降水空间分布和时间演变以及天气系统分类等方法,对广东2012年汛期GRAPES华南中尺度模式和日本气象厅全球谱模式(JMA GSM,以下简称JMA)降水预报产品进行分析评估,结果表明:两个模式对小雨预报能力相当,对于中雨、大雨和暴雨GRAPES预报效果好于JMA;两个模式对广东雨带分布预报相反,GRAPES降水值随着预报时效的增加而增加;两个模式对广东较大降水过程的发展趋势预报基本准确, GRAPES降水预报以偏大为主,JMA以偏小为主;将汛期较大的降水过程按照其主导天气系统分为6类,GRAPES对其中5种类型降水预报效果好于JMA,两个模式对台风暴雨预报效果最好,对回流暴雨预报相对较差。      

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。     

T213与AREM模式分级降水预报对比检验

为检验T213与AREM模式的降水预报效果,将2004-2005连续两年两个模式的预报结果与河南省117站逐日降水实况进行分级TS评分检验,结果发现:两个模式对小雨以上量级的预报能力基本相当,夏秋季节的预报效果好于冬春季节;中雨以上量级预报均无季节特征;大雨以上量级的预报评分夏季T213高于AREM模式;大暴雨预报AREM模式好于T213.对3例不同性质降水过程落区的预报检验表明:AREM对一般稳定性降水和暴雨以上量级降水的预报能力较强.     

新疆中强天气过程GRAPES区域模式降水预报检验

利用2009年新疆地面气象观测站的实况降水资料和GRAPES区域模式的降水预报产品,根据降水预报产品在新疆实际天气预报业务工作中的应用制定检验方案,对GRAPES区域模式12 h降水预报产品进行检验。结果表明:GRAPES区域模式的降水落区位置和落区面积预报准确率北疆高于南疆,降水落区位置预报偏南的概率比较高;各时效降水中心强度预报易偏强,随预报时效延长其准确率呈降低趋势。     

西北四省(区)GRAPES模式降水预报的定量评估

基于中国西北四省(区)2016—2017年的站点观测降水数据和GRAPES区域数值模式24 h和48 h预报结果,采用平均误差、均方根误差、相关系数、分等级TS评分等指标,对GRAPES区域数值模式在西北四省(区)降水预报进行定量评估。结果表明:时间上,模式对西北四省的晴雨预报准确率能达到0.7以上,逐日空间相关系数为0.2～0.4。夏季降水的偏差最大,24 h和48 h预报平均误差分别为4、6 mm·d~(-1),均方根误差分别为6、8 mm·d~(-1)。不同等级降水的24 h和48 h预报TS评分显示,各个月份小雨TS评分为0.2～0.5,中雨为0.1～0.2,大雨以上不到0.1空间上,24 h和48 h预报晴雨准确率在大部分地区达到0.6以上,相关系数在甘肃东部、陕西中部和南部超过0.6。24 h预报平均误差在青海、甘肃、陕西三省南部最大(达到2～4 mm·d~(-1)),48 h预报的平均误差比相同区域的24 h预报高出1～2 mm·d~(-1),在陕西南部平均误差最大(达到5～8 mm·d~(-1))。各个量级的24 h预报TS评分明显好于48 h,24 h预报对大雨、暴雨有所预报,48 h预报对中雨以上量级降水预报较差。     

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。     

2022年汛期四川多模式降水预报检验

采用站点观测和EC、EC订正场（ECR）、CMA_3KM、SWC_3KM模式12~36 h降水预报资料,基于TS评分、SAL检验等指标,对2022年汛期四川多模式降水预报效果进行检验和对比分析。结果表明：（1）SWC_3KM有雨日数预报最接近实况分布,EC模式雨日空报最多且在川西高原和攀西地区尤为显著,EC模式大雨日数预报优于其余模式。（2）BS评分显示EC模式大量级降水预报偏干,其余模式均以湿偏差为主。TS评分暴雨量级各月均以ECR预报最优。（3）个例评分对比,ECR预报效果最稳定,过程最高TS评分次数最多,SWC模式次数最少。（4）ECR个例预报降水强度及雨带位置、走向与实况最接近,EC模式预报偏弱。SWC_3KM模式强降水雨带位置预报在盆地西北部和凉山州北部参考性较高。CMA_3KM和SWC_3KM模式预报大量级降水在高海拔地区存在较大范围空报。     

局地分析预报系统在GRAPES模式中的应用

在分析美国局地分析预报系统 (LAPS) 和GRAPES_Meso数值预报系统,实现GRAPES-LAPS接口的基础上,通过两种数据融合方案,即GRAPES/LAPS方案 (简称LAPS方案) 和GRAPES/3DVAR方案 (3DVAR方案),对2008—2010年华南地区的28个个例的地面、探空常规和加密资料,以及多部多普勒天气雷达数据等融合、同化,开展两种方案的对比模拟试验。结果表明:LAPS方案获得的初始场,水汽条件有所改善,其辐合辐散相耦合触发中小尺度系统发展加强的中尺度环境场,有助于提高模式对强对流天气的预报能力。两种方案的24 h要素场均方根误差检验结果和降水TS评分大体相当,但28个个例中,LAPS方案报出了10个暴雨,而3DVAR方案只报出了5个,LAPS方案的中雨、大雨和暴雨的24 h降水预报TS评分要略好于3DVAR方案相应预报的TS评分,表明LAPS方案对强降水的预报较3DVAR方案有一定改进。     

GRAPES中尺度模式对2005年长江流域重大灾害性降水天气过程预报性能的检验分析

GRAPES是中国新一代具有自主知识产权的中尺度数值天气预报模式。使用在国家气象中心业务运行的最新版本的GRAPES模式、常规观测资料以及NCEP分析资料(1°×1°),对2005年主汛期发生在长江流域的重要降水天气过程进行了模拟和检验,重点分析了该模式对这一地区西风带影响系统的预报能力及可信度,从而得到GRAPES模式对于2005年长江流域重大灾害性降水天气预报性能的初步评价,并对该模式的应用及进一步改进提供一些有意义的参考依据。     

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。     

高分辨率区域模式降水预报在云南的检验

为了解高分辨率区域数值模式降水预报在云南的预报效果和误差特点,针对华南中尺度模式、华东区域数值预报业务模式和中央气象台GRAPES-Meso模式对2017年9月—2018年12月云南降水预报进行检验分析。结果表明:华东模式降水预报效果整体最好,其降水的振幅接近实况,晴雨准确率也是最高,而华南和GRAPES模式空报率和漏报率普遍偏高。三种模式对滇东北、滇中西部、滇西北北部≥0.1 mm降水预报评分普遍较低,对滇南、滇西南、滇西边缘地区的评分普遍较高。在滇东北北部、滇中西部、及滇西北北部地区三种模式对≥10 mm降水TS评分普遍较低。对于≥25 mm降水,华东模式和华南模式在滇中、滇西地区的TS评分高于GRAPES模式。对于≥50 mm降水,华东模式和华南模式在滇东南、滇西南、滇西边缘及金沙江河谷沿线TS评分高于GRAPES模式。对于云南强降水天气过程,≥0.1 mm降水华南模式预报效果较好,但10 mm和25 mm以上量级降水华东模式的预报效果较好,≥50.0 mm则是GRAPES模式更具参考价值。     

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。     

新疆区域模式MM5和GRAPES预报能力对比检验

对新疆气象局运行的MM5、Grapes模式2008年4-9月的温度、降水预报能力进行了对比检验,得到以下结果：(1)MM5降水预报能力均优于Grapes,08点初始场降水预报能力略优于20点初始场;(2)降水预报北疆西部、天山山区最好,北疆北部、北疆沿天山次之,南疆最次;(3) MM5对西西伯利亚低槽和中亚低值系统相结合的降水过程预报能力最好,中亚低值系统次之,西西伯利亚低槽最次;(4) MM5温度预报能力均优于Grapes,白天的预报效果优于夜间,预报较实况总体偏低;(5) MM5气温预报准确率北疆优于南疆,偏东优于偏西,平均误差的分布则体现出偏西以负值为主,偏东以正值为主。Grapes的预报准确率南北疆没有明显差异,平均误差的分布也体现出偏西以负值为主,偏东以正值为主。     

GRAPES模式对湖北省汛期强降水预报的分类检验分析

使用常规观测资料及GFS资料(1°×1°),选取2005-2008年汛期22次湖北省强降水天气过程,按照其影响系统分为低槽型、台风型和副高外围型三类,对GRAPES模式(2.1版本)预报效果进行分类检验分析,结果表明:(1)就低槽型降水而言,0-24 h预报时效内,模式对晴雨、小雨、大雨的预报效果在三类降水中最好,24～48 h则中雨预报效果最好,0～24 h预报效果总体而言优于24～48 h.模式预报的主要降水区从雨型、雨区范围和雨强的分布特征均与实况较为一致,预报的主要偏差在于强中心位置偏离和强度偏弱.(2)就台风型降水而言,0～24 h预报时效内,模式对中雨和暴雨的预报效果在三类降水中最好,24～48 h,则晴雨、小雨、大雨、暴雨预报效果最好,24～48 h预报效果总体而言优于0～24 h.模式对台风的主体降水落区把握得比较好,和实况较为一致,但对于台风外围云系产生的降水往往与实况差别较大,另外,主体降水中暴雨落区预报总是比实况偏小.(3)副高外围型降水在上述两个预报时次中,各量级的评分成绩均为最低,0～24 h预报效果总体而言优于24～48 h.模式对副高外围局地性强降水过程预报能力较弱,基本不具备预报中雨以上降水的能力.最后对(;RAPES模式的进一步改进提出了一些建议.     

新疆213数值预报降水评价

利用2006年新疆107个测站的实况降水资料和T213模式的降水预报值,根据中短期天气预报质量检验办法中客观降水检验方法,对T213数值降水预报产品的24 h预报能力进行了分析检验,结果表明：（1）T213对新疆地区暴雨和大暴雨基本无预报能力。（2）T213在新疆区域对于小量和中量降水的整体预报能力北疆要明显好于南疆。（3）T213的预报能力存在一定的季节性,对弱降水过程预报能力较差。（4）从小量到大量降水,T213的空报率和漏报率都很高,整体预报效果不好。     

GRAPES模式中物理过程时间计算精度对降水预报的影响

对数值模式物理过程与动力框架耦合方案进行了分析, 在GRAPES模式中引进了ECMWF模式中的Wedi (1999) 耦合方案, 此方案考虑了两个时间层物理过程的影响, 即将上游点和到达点物理过程的影响同时反馈到动力框架中, 它是二阶时间精度的耦合方案, 比原一阶精度耦合方案更加合理和准确。利用GRAPES模式, 设计了Wedi耦合方案与原耦合方案的连续数值试验。试验结果表明, 在逐日降水预报中, Wedi耦合方案与原耦合方案降水预报的T评分 (Threat score) 互有高低, 但差别不大; 预报的降水量可能有较小的变化, 但不能使预报降水的等级出现本质的改变。但对其平均后的分析可知, 新引进的Wedi耦合方案对预报降水评分具有正的贡献。即新耦合方案完善和改进了GRAPES模式, 对提高模式的降水预报准确率具有正效果。     

AREM模式对2002年汛期降水的实时预报试验

2002年主汛期,“973”(中国暴雨)项目研制开发的η坐标有限区域数值预报模式(AREM)在武汉暴雨研究所进行了每天两个时次(08时、20时)的实时数值预报试验。实时预报表明,该模式适合于我国计算机条件,对我国夏季降水有相当预报能力。对试验结果进行了分区Ts评分检验,模式对我国东部地区的降水预报评分最高,08时起报的0～24h时效的降水预报,对24小时降水量大于0．1、10、25和50mm的R评分分别为0．578、0．282、0．144和0．062。对2002年主汛期的几次强降水过程的预报结果表明：模式对2002年梅雨、长江流域暴雨、华南暴雨和华北暴雨都有很好的预报,模式对雨带的位置、移动、降水强度、降水的持续与减弱的预报都具备一定的能力。     

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...     

陕西省中尺度模式降水预报效果检验

对2006年汛期AREMS、GRAPES、WRF模式的降水预报结果作每日定量检验和2006年汛期的主要大降水过程作定性检验。结果表明：WRF模式48h的预报效果要明显好于24h;各模式的小雨预报效果基本接近;AREMS和GRAPES对中雨以上量级预报时效主要在24h之内;AREMS在24h之内对中雨、大雨的预报效果好于GRAPES、WRF模式。定性检验显示,WRF对强降水的量级和降水中心落区有较好的参考意义;AREMS模式对系统性降水的雨带走向预报较好,雨带比实况略偏北,量级比实况偏小;GRAPES模式对强降水雨带走向预报与AREMS模式类似,但对各量级的降水预报范围偏大。