ECMWF、日本高分辨率模式降水预报能力的对比分析

利用2012年4月1日至2013年3月31日ECMWF、日本高分辨率模式降水预报资料,全国2419个台站逐6 h降水量观测、CMORPH(NOAA Climate Prediction Center Morphing Method)卫星与全国3万余个自动站逐小时降水融合资料,基于列联表预报评分、泰勒图等统计方法,客观对比分析ECMWF、日本高分辨率模式对中国逐6、12和24 h分段降水的预报能力,主要结论如下:(1)整体来说,ECMWF对降水的预报优于日本模式,日本模式预报离散度偏大,而ECMWF预报相对平稳,与观测更加一致;(2)两个模式晴雨预报中降水发生频率较实际偏高,暴雨预报频率较实际偏低,随着分段间隔的增加,这一情况有所改善;(3)ECMWF模式6 h分段降水晴雨预报评分低于日本模式,暴雨预报评分整体高于日本模式,12和24 h分段ECMWF模式晴雨、暴雨预报评分一致高于日本模式;(4)通过调整阈值改变预报偏差能够在一定程度上提高预报技巧;(5)就空间分布来看,模式在东南地区Bias、CSI技巧评分整体优于西北地区。     

基于频率匹配法的降水预报订正

使用四川省国家气象站2020年和2021年汛期逐日降水观测资料、欧洲中期天气预报中心（ECMWF）、美国国家环境预报中心（NCEP）两家数值模式24～72 h降水预报资料,采用频率匹配法订正两家模式的预报降水,并进行降水检验和个例对比分析。结果表明,频率匹配法使ECMWF、NCEP的小雨、暴雨预报技巧提升,但中雨、大雨的订正效果不佳。频率匹配法减小小雨空报率,使晴雨预报准确率大幅提升。频率匹配法减小暴雨漏报率,使暴雨TS评分提高,但它无法订正与观测雨量相差较大的暴雨漏报区。     

数值模式在遂宁区域暴雨过程中的检验评估

利用ECMWF细网格、GRAPES＿GFS、GRAPES＿MESO、SWC＿WARM四种数值模式降水资料,以及四川省气象台智能网格格点降水预报产品,对遂宁地区2020年7月发生的六次区域性暴雨天气过程进行了24h时效检验分析。结果表明：四种数值预报模式对遂宁地区的降水预报均有较大偏差,预报值普遍偏小1～2个量级;SWC＿WARM针对暖区暴雨的落区预报具有较好的指示意义;在锋面降水过程中,ECMWF细网格模式的参考价值更大;而GRAPES＿GFS和GRAPES＿MESO的偏差最大,对暴雨的指示性较差;四川省气象台的智能网格降水预报产品对暴雨预报有一定的指导作用,但还需要本地预报员对落区和量级进行进一步订正。     

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...     

2020年广东省中期降水和气温预报检验评估

对2020年广东省中期时效的主客观降水和气温预报进行检验,结果表明:省级网格和融合法MIX的降水预报评分总体上优于客观模式ECMWF和NCEP;总体上省级网格的降水预报偏差较客观产品更趋近1,即空漏报相对持平;省级网格对大雨和暴雨以上量级降水的192 h预报从提高预报稳定性的角度出发,预报趋于保守,漏报明显多于空报。气温预报方面,省级网格对模式订正有正技巧,最高气温的订正能力强于最低气温,其中盛夏季节(6—9月)对模式最高气温的订正效果最好。     

2019年陕西汛期暴雨预报检验评估

基于陕西省气象台(下简称省台)主观订正预报产品、ECMWF细网格预报产品和模式动态交叉取优要素预报方法(DCOEF)预报产品,对2019年4-10月陕西省暴雨天气过程进行检验评估。结果表明,省台主观订正预报产品对晴雨、小雨、暴雨、一般性降水、暴雨以上降水均有较好的预报效果,ECMWF细网格预报对中雨、大雨预报较好,评分较高;三种产品对区域性暴雨的预报能力均强于对局地性暴雨的预报能力,省台主观订正预报产品和DCOEF预报产品评分优于ECMWF细网格预报产品。     

基于频率匹配法和最优TS评分法的降水预报订正效果对比

利用2020年1月1日—2023年1月2日ECMWF、NCEP模式降水预报资料和眉山地区降水观测资料,采用频率匹配法（Frequency Matching Method,FM）、最优TS评分法（Optimal Threat Score,OTS）对ECMWF和NCEP的模式降水预报进行订正,对比检验评分和预报个例,并验证两种方法的适用性。结果表明：FM、OTS订正明显改善了小雨空报和暴雨漏报,提高了晴雨预报准确率、小雨ETS评分、暴雨TS评分,且OTS优于FM;FM可能出现参考数据与实况数据有较大偏差的情况,从而影响订正效果,OTS则不受参考数据的影响;数值模式降水的预报偏度明显大于1或小于1时,FM、OTS订正效果越好;FM、OTS难以订正小雨漏报、暴雨空报,也难以对降水差值较大的空漏报或降水落区偏差进行订正。     

2020年夏季辽宁省多模式降水预报检验

选用2020年夏季辽宁省区域自动站资料和7种模式预报资料,根据降水强度将站点分为5种降水类型,分析各数值模式36 h和48 h预报检验降水场的分布误差、相关性及雨带位置。结果表明：36 h预报结果好于48 h, 48 h降水量预报结果普遍比观测值偏大。初夏、夏末及秋初,各模式降水量预报偏差相对较小,盛夏的预报值偏差较大,尤其强降水站点的降水量预报值显著偏小。36 h预报值与观测值的相关系数和散点分布表明,弱降水站点和较弱降水站点的ECMWF预报结果最好,NCEP和WRF＿3KM次之。中量降水站点、较强降水站点和强降水站点的NCEP预报结果最好,ECMWF和WRF＿3KM次之。各模式雨带位置预报存在不同程度偏差,其中ECMWF的结果较好。     

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.     

基于频率匹配法的中国降水多模式预报订正研究

基于TIGGE资料中欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心及英国气象局1～7 d日降水量预报以及中国自动站观测资料与CMORPH降水产品融合的逐时降水量网格数据集,利用频率匹配法(Frequency-Matching Method,FMM)对中国降水预报进行客观订正。首先利用卡尔曼滤波方法对降水频率进行调整,并根据不同区域降水强度差异将全国分为7个子区域分别进行频率匹配。结果表明,FMM可以有效减小降水量预报的误差。经过频率匹配法订正后各模式降水预报的平均绝对误差(Mean Absolute Error,MAE)大幅减小,且订正后各量级降水的雨区面积更加接近实际观测值。FMM对小于5 mm和大于15 mm的降水预报技巧改进明显。此外,FMM降低了模式预报的小雨空报率和大雨漏报率,并且明显提高了晴雨预报的准确率。FMM明显消除了大范围小雨空报区域,但是对强降水预报FMM仅能调整降水量大小,强降水落区预报并不能得到明显改善。     

基于快速更新同化数值预报的小时降水量时间滞后集合订正技术

由中小尺度对流系统造成短时强降水天气的发生发展十分迅速,对其落区和时效的预报预警一直都是预报业务中的难点。本文基于快速更新同化的中尺度数值预报系统GRAPES-RAFS 0. 1°×0. 1°分辨率逐小时降水预报,首先通过时间滞后集合预报方法构建了多个集合成员,使用平均TS评分值计算相应预报成员权重系数建立预报方程,然后采用频率匹配订正法进行降水量级订正,从而得到集合订正的逐小时降水量预报。2017年8-9月的逐日试验和典型个例预报结果评估表明效果良好。(1)GRAPES-RAFS最新时次的预报场并不完全代表最好的预报效果,通过时间滞后集合订正方法自动识别优选预报成员,显著提高了预报能力;(2)GRAPES-RAFS预报存在降水量级偏弱的系统性误差,经过频率匹配方法订正后,在量级预报上更接近实况;(3)时间滞后集合预报对我国中东部(包括黄淮、江淮、江南地区)的小时降水量订正效果最好;(4)进一步使用的频率匹配订正方法显著提升了逐时降水量的预报效果,其在降水频率更高、强度更大的江南南部、华南、西南地区效果更为显著;(5)对于中小尺度的强降水过程,经过上述方法订正后,显著提高了模式对强降水系统位置、形态及降水量级的预报水平。     

上海梅汛期候降水异常的低频信号及延伸期预报

提高汛期降水过程的延伸期预报能力是目前天气预报和气候预测发展的重要方向。本文以上海梅汛期降水为例,利用非传统滤波方法提取多变量季节内分量,分析了梅汛期季节内候降水异常及其相联系的延伸期关键低频信号,进一步综合多变量低频信号建立了梅汛期候降水异常延伸期预报方法,并开展了多年的回报和试报检验。结果表明:①梅汛期候降水异常季节内分量具有显著的40～60d低频振荡周期,与降水异常实况具有显著的正相关和较高的符号一致率;②梅汛期季节内候降水异常与超前10～35d的热带及中高纬低频信号有关,主要包括:热带MJO(Madden Julian Oscillation)自阿拉伯海的向东传播、西太平洋副热带高压季节内活动的西北向传播、PNA(Pacific-North American)遥相关型的季节内位相转换以及东北亚冷空气的持续性异常影响;③综合上述多变量低频信号建立了延伸期候降水异常预报模型,对提前10～35d的延伸期候降水异常的季节内分量具有预报技巧,也能较好地预报实际的候降水异常趋势。     

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。     

多变量时滞回归模型在江南地区初夏降水低频分量延伸期预报中的应用

利用江南地区77个台站的日降水资料及NCEP/NCAR再分析资料,基于不同时间尺度的江南地区降水低频分量和东亚地区850 h Pa低频经向风主成分,建立了多变量时滞回归(Multivariable Lagged Regression,MLR)模型,并对2011年5—7月江南降水低频分量进行延伸期逐日预报试验。结果表明,50~70 d时间尺度的江南低频降水的平均预报技巧高达0.92,可准确预报持续性强降水过程和降水低频位相的正负转换。对利用2001—2012年资料分别构建的MLR模型的历史回报预测试验表明,在50~70 d振荡较强和正常的年份,模型能提前30 d做出初夏江南低频降水分量预报。模型结果也表明,850 h Pa低频经向风的发展和演变是影响初夏江南低频降水未来30 d变化的显著信号,可作为延伸期强降水预报的关键因子。     

A STATISTICAL MODEL FOR PREDICTION OF INTENSITY AND FREQUENCY OF TROPICAL CYCLONES MAKING LANDFALL ON CHINA

Based on NCEP/NCAR reanalysis data and Yearbook of China landfalling tropical cyclones(hereafter CLTC) from 1949 to 2008,correlation between CLTC frequency/intensity and 500 hPa height field and sea surface temperature(SST) fields are investigated and employed for TC statistical prediction.A prediction model for yearly and monthly intensity and frequency of CLTC is established with binomial curve fitting by choosing the gridpoints with high correlation coefficients as composite factors.Good performance of the model in experiments shows that the model could be used in routine forecast.     

中国区域降水偏差订正的初步研究

基于中国气象局公共气象服务中心提供的降水预报资料,利用频率匹配法和阈值法对2015年全年的降水预报进行偏差订正并对订正后的结果进行检验。结果表明:(1)偏差订正可显著减少集成系统降水预报的小雨空报现象,改善"有雨或无雨"的定性预报性能,提高集成系统的晴雨预报准确率。(2)订正后降水量级大小更接近实况降水,并且集成系统预报的平均绝对误差和面积偏差(干偏差或湿偏差)均有所降低。(3)偏差订正对降水预报的改善程度与系统本身预报性能有关,系统本身预报误差越大,订正效果越好。     

低频图在贵州汛期延伸期强降水预测中的应用

本文基于低频图方法对贵州省2011—2015年59次区域性强降水过程对应的500hPa低频流场进行EOF统计分析,建立贵州省强降水过程的统计预测模型,通过外推试验开展贵州2016年汛期延伸期强降水过程预测,利用回算试验的预测准确率评估该方法的本地适用性。结果表明:影响贵州强降水的6个低频关键区分别为贝加尔湖以西地区(40°~70°N,80°~110°E,1区)、贝加尔湖以东地区(40°~70°N,110°~150°E,2区)、中国西南地区东部至华中地区(25°~40°N,100°~120°E,3区)、西太平洋地区(10°~40°N,120°~140°E,4区)、孟加拉湾地区(0°~25°N,70°~100°E,5区)和中国南海地区(0°~25°N,100°~120°E,6区)。当1、4区出现低频反气旋,3、5区出现低频气旋,2、6区有配合其它关键区的低频系统活动的环流配置为贵州省强降水过程预测模型。2016年汛期强降水过程进行预测试验的预测准确率为39.2%,表明低频图方法在贵州省强降水过程预测中的应用效果较好。     

伊春市气候变化规律及预测

通过统计分析，论述了本地各气候因子的变化情况，并对今后10年内的气候变化进行了初步预测。     

上海梅汛期强降水的低频特征及延伸期预报

利用2007-2013年NCEP/NCAR的700 hPa经、纬向风场及水汽场逐日再分析资料和上海市11站逐日降水资料。进行周期分析,提取低频信息,并利用向量场的经验正交函数方法进行分型。结果表明：上海地区梅汛期降水存在30-50 d的显著周期。强降水发生期,低频系统存在4个主要聚集区。贝加尔湖以西至河套地区存在并维持低频反气旋、鄂霍次克海附近多为低频气旋,这两地是中高纬冷空气的主要活动区域;孟加拉湾附近的低频反气旋及热带洋面的低频气旋是水汽的两大源地。这些区域的显著低频系统的生消是延伸预报的主要依据。上海入梅首场强降水发生前,多为偏北气流控制。南北低频气流辐合区向北移动至30°N附近,上海地区梅汛期强降水发生。低频风场及水汽场的北传与梅雨带的移动有较好的对应,当低纬低频水汽稳定北传至30°N附近时,江南北部入梅,随后偏南水汽或继续北进或滞留,对应梅雨带的持续北抬或间歇性停滞。低频经向风及水汽输送的特征是梅汛期延伸期强降水的前兆信号。跟踪监测低频偏南气流的北传进程有助于预报入梅强降水过程。     

长三角盛夏—初秋强降水的延伸期过程预报探析

针对长三角汛期强降水过程,根据不同降水类型的特性,提出分时段建立低频模型并给出建模流程。综合分析长三角汛期强降水期的低频特性,将低频气旋及反气旋区分划分7个关键区。重点研究盛夏—初秋时段的强降水特征,在总结强降水期低频特征的基础上,借助EOF分解建立延伸期大—暴雨的预报模型:1区或2区有低频气旋维持并发展;6区、7区或5区存在低频反气旋。并且在7个关键区中1、2区的低频气旋及5、6、7区的低频反气旋为主要低频系统,起决定作用,而3区的低频系统为次要低频系统,起辅助作用。利用该模型提前30 d预报出2012年汛期最强降水过程,并分析本次过程的低频系统演变,给出动态演变模型。