新疆DOGRAFS_3km夏季预报试验与分析

为了提升新疆区域数值天气预报模式的精细化预报能力,基于目前业务应用的沙漠绿洲戈壁区域同化预报系统(Desert Oasis Gobi Regional Assimilation Forecast System,简称DOGRAFS),搭建了DOGRAFS_3 km运行系统,将2016年7月作为预报检验月份,对比分析了目前业务化运行的DOGRAFS_9 km与新搭建的DOGRAFS_3 km系统的短期、短临预报效果,并针对7月31日—8月2日的降水过程进行对比。结果表明:(1)3 km分辨率系统的地面温度、风基本气象要素的预报效果整体要优于9 km系统;(2)从不同层次上的位势高度、温度、风要素预报结果看,3 km系统在925、850、700、500 h Pa预报效果优于9 km系统,300 h Pa和200 h Pa略差于9 km系统;(3)降水检验看,3 km分辨率系统在降水时段、落区和量级等方面的效果均好于9 km系统,尤其是对中量和大量级降水的预报,3 km分辨率系统与9 km系统的降水预报能力均有限。(4)通过用加密自动站的降水量监测值检验分析得知,对于典型降水过程的的过程降水落区、24 h降水落区、以及6 h降水落区的预报,3 km分辨率系统的预报效果更好。综合2016年夏季代表月份的预报以及一次强降水过程的对比分析结果,DOGRAFS_3 km系统在夏季的整体预报性能优于DOGRAFS_9 km,推进DOGRAFS_3 km高分辨率系统建设尤为必要。     

混合集合预报法在华南暴雨短期预报中的试验

-WRF多模式集合3组试验,对比分析混合集合预报法与传统方法的降水预报效果。结果表明:ARPS模式集合改善了广东省南部局地强降水预报,该方法在中雨、大雨、暴雨量级改进效果显著。WRF模式集合对广东省北部强降水预报优于ARPS模式集合,但空报、漏报率较大,该方法有一定局限性。ARPS-WRF多模式集合在降水落区和量级预报上均优于传统方法。混合集合预报法利用低分辨率 (36 km) 集合预报和高分辨率 (12 km) 控制预报实现了高分辨率 (12 km) 集合预报,改善了降水预报效果,该方法可为业务高分辨率集合预报提供参考。     

新疆新一代区域数值预报业务系统客观检验分析

运用MET检验工具,对新一代乌鲁木齐区域数值预报业务系统(RMAPS-CA)和目前业务运行系统(DOGRAFS)各季节业务模式预报性能进行对比检验分析.结果表明,相较于DOGRAFS系统,RMAPS-CA系统具有更高的空间分辨率和预报检验评分,预报能力明显提高.具体表现为:(1)对于高空要素预报,RMAPS-CA系统温...     

乌鲁木齐区域高分辨率数值预报系统V2.0 预报性能客观检验

数值预报系统检验结果对预报产品的释用和系统的改进有着重要的作用。基于MET（Model Evaluation Tools）检验工具对乌鲁木齐区域高分辨率数值预报系统V2.0 (Rapid-refresh Multi-scale Analysis and Prediction System—Central Asia V2.0,简称RMAPS-CA V2.0）在2021年各季节中的预报性能进行客观检验评估,主要检验了2m温度、10m风速、高空位势高度等要素,并与RMAPS-CA V1.0同期预报性能进行对比分析。（1）2m温度预报偏差在冬季和春季整体为负偏差,在夏季和秋季整体为正偏差;各个季节的平均预报偏差均在2℃以内,预报性能秋季最优,冬季最差。各个季节10m风速预报整体为正偏差且差异不大,平均误差在0.5-1.0 m/s之间,预报性能秋季最优,春季最差。（2）高空位势高度预报偏差在冬季整体为负偏差,在其余季节整体为正偏差,预报性能冬季最优,春季最差。高空风场预报偏差在冬季和春季400hPa以下为正偏差,400hPa以上为负偏差;夏季和秋季整体为负偏差,预报性能春季最优、夏季最差。高空温度场预报偏差在冬季整体为负偏差,其余季节整体为正偏差,预报性能春季最优、夏季最差。（3）降水晴雨预报效果较好,但除夏季外以空报为主;随降水阈值增大、TS评分减小,多以漏报为主,降水评分在冬季最高、夏季最低。从降水个例检验看,24h累计降水为大量和中量的国家站点预报性能有所提升,逐6h累计降水TS评分略有提升。（4）RMAPS-CA V2.0系统各要素预报偏差的变化特征与RMAPS-CA V1.0相似,预报能力整体上要优于RMAPS-CA V1.0。     

2016年乌鲁木齐区域数值天气预报系统预报性能客观检验

基于MET检验工具对乌鲁木齐区域数值天气预报系统DOGRAFS v1.0在2016年各季节中的预报性能进行客观检验评估,主要检验要素有2m温度、10m风、500hPa形势场等,并与2015年同期预报性能进行对比分析,结果表明：(1)2016年该系统对各个季节2m温度预报以冷偏差为主,午间偏低幅度较大;夏季性能最优,冬季性能最差。对10m风预报以正偏差为主,平均误差在1.0m/s以内;各季节预报性能无明显差异。(2)2016年该系统对500hPa位势高度和温度预报以负偏差为主;位势高度预报性能夏季最优、秋季最差;温度预报性能在夏季最优、冬季最差。24h预报时效的预报性能整体优于48h预报时效。(3)2016年晴雨预报效果较好,夏季降水评分最高、冬季最低。随降水阈值增大、TS评分降低,系统对夏季午后至夜间降水预报评分较高。(4)2015年各要素预报偏差的变化特征与2016年相似,2016年预报性能整体优于2015年。     

沙漠绿洲戈壁区域同化预报系统降水预报检验

基于沙漠绿洲戈壁区域同化预报系统(Desert Oasis Gobi Regional Assimilation and Forecast System,简称"DOGRAFS"),对2012年11月1日—2013年10月31日逐日四次预报的6h累积降水量和实况资料,利用TS、ETS和BS评分统计量,对该系统的降水预报能力进行客观检验评估,结果表明:总体而言,模式预报效果存在一定的季节差异,夏秋两季预报评分高于冬春两季;对于同一降水阈值,系统不同起报时间对降水的预报结果差别不大,但总体上12 UTC略优于其它三个时次;模式对降水的预报能力随着降水阈值的增大而逐渐降低,其中,对0.1 mm·(6 h)-1阈值的降水预报性能最稳定,对3.1 mm·(6 h)-1和6.1 mm·(6 h)-1两阈值次之但预报范围与实况比较吻合,对12.1 mm·(6 h)-1以上的大阈值降水过程,整体把握能力还有待提高。另外,针对2013年5月26—29日南疆一次极端强降水天气个例进行分析,不同起报时间对强降水时段的落区和量级的预报能力参差不齐,其中26日12UTC的预报结果最优;对其增量场分析表明,同化的资料对预报初始场中、低层的风场、温度场以及湿度场都有明显的调整作用,对预报结果有较好的正效应。     

北京地区高分辨率快速循环同化预报系统性能检验和评估

为充分了解北京地区高分辨率快速循环同化预报系统(简称BJ-RUC)的业务预报性能,对该系统在2007年汛期的预报结果采用客观检验方法进行了检验和评估,并针对典型个例进行分析,得到如下结论:BJ-RUC系统预报性能稳定,具有较好的预报参考价值;常规预报量的检验表明,3 km分辨率的预报无论是高空还是地面预报量都要优于9 km的预报;降水预报检验表明,3 km分辨率无论是降水时段、落区和雨量均较9 km分辨率有更好的预报效果,尤其是大量级降水的预报.但BJ-RUC系统对局地对流降水的预报能力仍然有限,在前6 h的预报仍然差于后面时段的预报.     

基于模式集成的内蒙古夏季降水客观预报方法研究

文章基于消除偏差的模式集成客观预报技术,建立实时运行的降水预报模型,对内蒙古夏季降水进行预报。采用的集成模式资料为内蒙古数值预报业务系统和欧洲中期天气预报中心高分辨率数值预报产品。通过应用频次分布方法对大尺度模式进行预报偏差消除,应用TS权重方法对模式进行集成,建立了分季节、分量级、逐站点的精细化预报模型。对模型预报效果的客观检验结果表明:集成产品在原模式的基础上各量级预报准确率均有提升,主要改善在小雨及大雨和暴雨量级。针对内蒙古夏季发生的大部分大暴雨事件,集成产品在降水范围、强降水落区和极值预报方面都明显优于单模式预报。     

四川冕宁“6.26”大暴雨模式预报检验

运用气象观测资料和GRAPES、ECMWF、SWCWARMS_9KM(简称SWC)模式预报资料,对冕宁“6.26”大暴雨天气过程模式预报性能进行检验。结果表明：（1）对于24 h累计降水预报,中尺度区域模式优势明显,量级与落区预报效果均为最好,其中GRAPES_3KM模式预报落区分布与实况重合度较高,暴雨及以上量级降水TS评分最高。（2）GRAPES_3KM模式最大小时雨强10 mm以上降水落区与实况大雨及以上量级降水落区匹配度最高,ECMWF模式24 h累计降水多物理量订正产品及短时强降水概率产品次之。（3）SWC及GRAPES_3KM模式24 h累计降水极值点相比实况略偏北,量级偏小。对于小时降水峰值出现时间,SWC模式偏早4 h,GRAPES_3KM模式偏早3 h。（4）GRAPES_GFS模式环流背景预报更接近实况,SWC模式能较好地预报出冕宁上空中尺度辐合系统的存在。     

两种确定性初值形成方案对集合预报技巧的影响研究

为了进一步提高GRAPES-REPS的降水预报性能,将GRAPES-Meso业务模式的高分辨率同化分析初值通过动力升尺度方法(简称GRAPES-M-US方案)产生GRAPES-REPS确定性初值,在此基础上进行了连续10 d的集合预报试验,并与基于T639全球模式同化分析初值动力降尺度方案(简称T639-G-DS方案)得到的确定性初值以及相应的集合预报结果进行了对比分析及预报检验,重点关注了降水预报的检验结果。结果表明:基于GRAPES-M-US方案得到的确定性初值相对于T639-G-DS方案得到的确定性初值而言,在低层具备更多的中小尺度信息;低层连续性变量预报表现较好,850 hPa的位势高度和温度的均方根误差以及概率预报评分(CRPS)均表现出了一定的改进效果,而中层和高层要素改进不显著,10 m风速均方根误差和CRPS均有较明显的改进效果,2 m温度均方根误差和CRPS则基本相当;对降水预报而言,24 h预报时效的小雨、中雨和大雨量级的TS评分、Brier评分和相对作用特征面积(AROC)均有一定的改进,其余预报时效总体而言基本相当或略有负效果;在2017年8月7日的强降水个例中,对强降水落区和强度的预报表现出了一定的"细化"和"纠偏"效果;总体而言,GRAPES-M-US方案较T639-G-DS方案表现出了一定的优势,特别是在短期降水预报方面。     

乌鲁木齐区域数值预报业务系统降水预报检验与评估分析

基于乌鲁木齐区域数值预报业务系统,运用Ts和Bias评分方法,对2012年9月1日—2015年8月31日逐日2个起报时次的逐6 h累积降水量的年与季节预报性能进行检验,并从空间上分析了2015年全疆站点逐6 h累积降水量在4个预报时段的评分特征。结果表明:(1)2个起报时次的降水评分相差较小,00 UTC起报略优于12 UTC起报,2015年系统改进了白天大量级降水的空报现象。(2)系统对晴雨预报较为准确,Bias接近1,空报、漏报率很小;随着降水阈值的升高,Ts评分减小,Bias变幅增大,空、漏报率也随之增加。系统对强降水过程以漏报为主。(3)系统的降水预报能力存在季节差异,夏季Ts评分最高,秋季次之,冬季最小;随时间模式对四季降水预报能力均有提高,降低了冬季大量级降水的漏报率和夏季大量级降水的空报率。(4)在新疆地区,08—14 BT(Beijing Time)、14—20 BT、20—次日02 BT空报站点数多于漏报,14—20 BT空报率最高;在02—08 BT整体呈漏报。(5)各站点整体来看,白天Ts评分高于夜间,山区及邻近地区评分高于平原地区;西天山评分略优于东天山,夜间晴雨预报有天山北坡漏报、南坡空报的趋势。     

DERF2.0模式对贵州延伸期、月预测质量对比分析

利用2014—2016年第二代月动力延伸预测模式业务系统(DERF2. 0)直接输出及预报员预报的贵州省气温和降水预报数据、贵州省84站观测数据,采用Ps、Cs和Zs 3种评分方法评估了DERF2. 0对贵州月气温、降水和月内强降水过程的预测性能,并与预报员业务值班发布的预报质量进行对比分析,系统性地对DERF2. 0产品在延伸期/月尺度的预测效果进行检验评估。结果表明:DERF2. 0月预测产品总体上对贵州气温的预测性能优于降水,气温偏高预测的可参考性高于其对气温偏低的预测。DERF2. 0预报月气温的Ps评分较预报员略高,月降水较预报员略低,总体来看DERF2. 0月预测效果较预报员综合预报略差且预报性能较不稳定。预报员预测数据的Zs和Cs评分总体高于DERF2. 0预测数据,但DERF2. 0预测数据的Zs和Cs评分较预报员逐年提高,尤其在整个雨季时段较为明显。DERF2. 0对主汛期(6—8月)的预报准确率较整个雨季期(4—10月)略高。     

2017 年乌鲁木齐区域数值预报业务系统预报性能检验和评估

基于乌鲁木齐区域数值预报业务系统,运用MET检验工具,对2017年各季节DOGRAFSv1.0预报性能进行客观检验。结果表明：（1）2m温度日间预报温度整体偏低,夜间多数站点预报温度偏高;冬季预报温度偏高,其他三个季节温度预报整体偏低。10m风速冬季模拟性能最差,春季次之;所有季节风速预报均偏大。（2）夏季、秋季高空温度预报误差小,在3.0℃以内,冬季误差最大,温度预报整体呈冷偏差;不同季节高空位势高度随高度增加误差增大,误差约在6.5～12.0gpm,预报高度比实际高度偏低;不同季节高空U、V风随高度增加误差先增大后减小,均方根误差分别为2.4～6.2m/s和1.8～5.2m/s,U风预报整体比实况偏小,V风预报整体比实况偏大。（3）冬季大阈值降水漏报率较高,12.1mm阈值降水Bias评分仅为0.2,秋季大阈值降水空报率较高,12.1mm阈值降水Bias评分在2.0以上,夏季空、漏报率较低;在新疆地区,四个时段中14～20 BJT 、20～次日02 BJT空报站点数多于漏报,14～20 BJT空报率最高,02～08 BJT漏报率最高,08～14BJT晴雨预报以漏报为主;日间Ts评分高于夜间。     

年际增量方法在西南夏季降水预测中的应用

利用中国西南地区80站逐月降水资料及NCEP/NCAR再分析资料等,采用降水预测新方法——年际增量法,考察影响中国西南地区夏季降水年际增量的前期冬、春季大气环流年际增量状况,并选取5个关键影响因子,采用多元回归法建立中国西南夏季降水年际增量预测模型。对降水年际增量进行预测,在1971—2010年的建模阶段,预测模型的拟合率为0.78,在2011—2017的后报检验7年中,有6年与实况值同位相。后报检验2011—2017年的降水距平百分率,均方根误差为16%。为考察对降水异常分布型的预报效果,逐站建立回归方程,并进行趋势预报检验,近5年的趋势异常综合评分高于发布预测,预报效果较好。因此,该方法的应用及模型的建立对提高西南地区夏季降水预测水平有重要意义。      

基于ECMWF集合预报产品的降水相态客观预报方法

基于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）集合预报系统的降水相态产品（precipitation type,PTYPE）,分别以HSS评分最优、TS评分最优和频率偏差最优为标准,运用最优概率阈值法,生成雨、雨夹雪、雪和冻雨4类降水相态的确定性预报产品,并与ECMWF集合预报系统控制成员及细网格模式确定性预报进行对比。最优概率阈值显示：3种最优标准下,不同相态降水最优概率阈值不同,但冻雨和降雪最优概率阈值均最大,为40%~80%,雨夹雪最优概率阈值最小,约为10%,三者最优概率阈值均随预报时效延长而减小;降雨最优概率阈值为7%~25%,随预报时效延长而增大。对比检验结果显示：最优概率阈值法明显提高了降水相态预报能力,且以HSS评分最优时预报效果最佳;最优概率阈值法有效减小冻雨空报,同时显著改善降雨和降雪预报的频率偏差和TS评分,对雨夹雪预报改进效果有限。     

2016年夏季DOGRAFS系统站点24h降水量级预报检验

随着精细化降水预报的要求和发展,模式对站点定量降水预报已成为天气预报业务的主要参考依据之一。本文对乌鲁木齐区域数值天气预报系统DOGRAFS v1.0在2016年夏季全疆105个站点的24h累积降水量的预报性能进行统计检验。结果表明：(1)除山区外,全疆晴天预报准确率达到85%以上,其中南疆盆地、吐鄯托盆地晴天预报准确率达到95%以上。(2)对于小雨出现较多的站点,预报准确率达到55%以上、部分站点达到70%,同时上述区域存在15%左右的报强率;对于降水较少的南疆盆地和吐鄯托盆地整体以漏报为主,漏报率在80%以上。(3)北疆大部分地区和南疆西部山区的中雨预报准确率整体在30%左右;中雨日数较多的中天山及其两侧预报准确率约60%,该区域也存在20%左右的报强率;其他地区预报降水较实况以偏弱为主。(4)大雨及以上量级降水,模式预报整体表现为偏弱,对于大降水出现较多的地区预报平均准确率为25-30%。     

2014—2016年数值降水预报在天津的检验评估

对2014—2016年中国国家气象中心T639数值预报、日本细网格数值预报、欧洲中心细网格(EC thin)数值预报以及天津市乡镇指导预报产品中在天津地区降水预报分别进行检验。结果表明:所有模式降水的晴雨预报准确率均随预报时效的延长而下降。降水预报准确率在秋冬春季的预报效果明显好于夏季。EC thin产品在冬季降水的预报中优势更为明显,而指导预报及T639对5月、6月及9月天津地区局地降水多发期的降水更有指示意义。针对2014—2016年天津地区的23个暴雨日按影响系统分型并统计检验结果,暴雨日降水预报晴雨成绩较好有参考价值,而降水分级检验偏差较大。相对于局地性暴雨过程,区域性的暴雨过程数值预报有更为可靠的参考性。