基于分位数映射法的四川省ECMWF模式降水预报误差订正分析

为做好ECMWF(European Centre for Medium-Range Weather Forecasting)模式本地化释用,提高四川省降水预报准确率,对四川省2020—2021年7—9月模式各量级降水预报系统性偏差规律分析发现,该模式预报的雨日较实况偏多,尤其是攀西地区和川西高原;预报的大雨日数盆地西南部及攀西地区多于实况,而盆地南部少于实况。然后,基于分位数映射法对模式预报的24 h累积降水开展大量级降水订正试验与检验。基于分位数映射法订正后,暴雨及以上量级TS(Threat Score)提高7%～15%,且各量级降水TS均高于多模式集成客观预报产品2%～4%,大雨及以上、暴雨及以上量级命中率提高10%～20%,订正后雨带位置特别是暴雨落区与实况更接近。     

镇江地区ECMWF模式高温预报订正方法研究

针对镇江ECMWF模式168 h内高温(t≥35℃)预报结果提出四种后处理订正方案,包括一元线性回归法、差值法、综合法和递减平均法;借助均方根误差等四种检验方法就订正效果进行评估,找寻最优订正方案。结果表明,四种订正方法都明显改善了ECMWF模式高温预报,订正后的均方根误差、平均绝对误差及最大绝对误差较订正前均有所减小,预报准确率显著提高。对于24 h时效内预报,四种订正方法各有优势。对于48～168 h时效预报,一元线性回归法效果更优。采用分时效对ECMWF模式高温预报结果进行后处理,考虑24 h预报订正使用递减平均方法,48～168 h预报订正使用一元线性回归法,可以更大程度地提高预报准确率。     

基于地形因素的吉林省ECMWF气温预报订正方法研究

利用2016年1月1日—2018年12月31日吉林省381个站的逐日最高气温、最低气温和定时气温的观测数据,对ECMWF高分辨率模式的2 m最高、最低气温和定时气温预报进行检验分析.结果表明,ECMWF模式对吉林省的气温预报与实况存在一定偏差;从空间上看,自西向东气温预报准确率逐渐递减,预报误差逐渐增大;从时间上看,随预报时效的增长,预报准确率逐渐下降.对ECMWF的气温预报进行高度差订正后,模式最高气温24 h、48 h、72 h的预报准确率分别从52％、51％、50％提高至58％、56％、54％;最低气温准确率分别从58％、56％、54％提高至64％、62％、59％;定时气温准确率分别从63％、60％、58％,提高至67％、63％、61％.高度差订正的方法有效提高了模式气温预报的准确率,减小了模式预报误差,提高了模式预报释用能力,订正后的气温预报TS评分得到明显的提高.该方法已应用在吉林省客观预报的订正算法中.     

基于西南区域模式预报的川西高原东坡过渡带降水地形订正试验

基于西南区域模式（SWCWARMS）网格降水预报,通过地形降水估算量构建地形降水订正方程,分别应用模式地形和实际地形的订正方案对2020年6~8月发生在川西高原东坡过渡带的11次强降水过程进行订正试验。结果表明：应用模式地形订正后各量级降水预报的平均TS（Threat Score）评分较模式预报均有所提高,大雨及以上量级TS评分提高4%以上,平均空报、漏报率均减小,订正效果优于应用实况地形订正的效果。该方法具有普适性,对于地形复杂的川西高原东坡、攀西河谷及盆地西部沿山地区,预报和实况落区相似、不相似及强、弱降水过程均适用。     

基于西南区域中尺度模式系统预报的陡峭地形过渡带降水订正方法

基于地形和西南区域中尺度模式系统(southwest center WRF ADAS real-time modeling system, SWCWARMS)20:00(北京时,下同)和08:00起报的逐3 h风场、相对湿度场,计算地形降水估算量并结合SWCWARMS预报降水场构建降水订正方程,进而对2018—2020年汛期6—8月日降水、四川盆地降水过程及四川盆地西部降水过程3类降水进行订正,并仅对川西高原东坡到四川盆地西部的陡峭地形过渡带进行检验评估。结果表明：(1)各量级降水量订正值TS相对于SWCWARMS预报降水量的TS均有不同程度提高,20:00起报的订正效果优于08:00。对于大雨及以上量级均以四川盆地西部降水过程订正效果最佳,20:00起报的12～36 h大雨、暴雨和大暴雨的降水量订正值TS相对提高率分别为19%、25%和37%,且命中率高,空、漏报率明显减小,订正效果较好。(2)降水订正方程对四川盆地西部降水过程类型中的区域性暴雨个例和一般性降水个例均有较好的订正效果,即使是SWCWARMS模式预报的大雨、暴雨和大暴雨预报降水落区与实况差异甚远的个例也有一定订正效果。     

ECMWF高分辨率模式2 m温度预报误差订正方法研究

文章提出了一种结合滑动双权重平均订正法和空间误差逐步订正法的综合订正技术,并对2016年5月1日至2017年5月1日期间24～168 h预报时效内欧洲中期天气预报中心(ECMWF)高分辨率模式的2 m最高和最低温度进行偏差订正和误差分析,主要结论如下:(1)ECMWF模式在江西省的温度预报整体上比实况偏低,最高温度尤为明显,模式温度的空间分布表现出显著的系统性偏差,且偏差在不同预报时效是稳定的,订正ECMWF模式温度具有可行性。(2)滑动双权重平均订正法中较长的滑动订正周期对模式温度预报有更好的订正效果,采用滑动订正周期20 d是比较理想的。滑动双权重平均订正法具有持续的订正能力,但在季节过渡期间订正效果可能并不理想,而空间误差逐步订正法能进一步提高滑动双权重平均订正法的预报订正质量。(3)温度预报准确率表明,滑动双权重平均订正法和空间误差逐步订正法综合订正技术较好地改善了站点温度的预报质量。经过订正后,模式最高温度24、48、72 h预报误差≤2℃的准确率分别从0.59、0.55、0.52提高到0.75、0.68、0.62,模式最低温度24、48、72 h预报准确率分别从0.84、0.83、0.82提高到0.89、0.87、0.85。订正后72 h最高和最低温度的预报准确率都大于订正前模式24 h的准确率。总体而言,该综合订正技术较好地订正了模式误差,且误差在空间分布上较均匀。(4)对于高山站而言,经过订正后的最高和最低温度与实况基本吻合。空间误差逐步订正法的订正量在±1℃之内,与滑动双权重平均订正后的偏差呈现一定的负相关,有正的订正效果。该综合订正法已成功运用于江西省精细化气象要素客观预报业务系统中。     

基于ECMWF模式的四川夏季强降水订正试验

利用2016—2018年6—8月四川地面观测降水资料(含加密自动站)及同时段ECMWF模式各要素预报场资料,根据基于"配料法"计算所得出的3 h间隔短时强降水概率预报,统计各格点各个转换概率阈值的次数,探索了一种针对模式24 h累计降水预报的强降水订正方法,并运用该方法对2018年6—8月降水集中时段24—72 h时效ECMWF模式降水预报进行逐日试验检验。试验结果表明:(1)从大雨、暴雨降水量级综合检验指标来看,各时效订正后命中率、漏报率、TS评分均有明显改善,且随着预报时效的延长,各指标数值提高的幅度愈大。空报率虽然0—24 h、24—48 h时效预报有所增加,但空报率增加幅度远小于漏报率减小幅度;(2)从个例检验结果来看,订正后的模式预报相比订正前的预报而言,降水量级明显增加,50 mm以上降水落区预报效果有较大程度提升,尤其是0—24 h时效预报,订正后降水落区分布与实况基本一致。     

基于频率匹配法的江西省ECMWF降水预报订正研究

利用2016—2019年ECMWF（European Centre for Medium-Range Weather Forecasts）降水预报资料和江西省93个国家气象站降水资料,基于频率匹配法进行降水偏差订正,采用4种方法统计降水频率对降水预报进行订正试验（不分区试验）,根据江西省汛期暴雨气候特征对汛期降水进行分区订正试验,并对典型强降水个例进行分析。结果表明: 频率匹配法降低了模式预报小雨的空报率和大雨、暴雨的漏报率,预报技巧改进明显。在4种降水频率统计方法中,准对称滑动平均法效果最好。分区试验对强降水的订正效果优于不分区试验,该试验对模式预报正技巧暴雨过程的订正能力大于无技巧过程。对于模式预报效果差（TS=0）、一般（0 < TS < 0.2）、好（TS≥0.2）的暴雨过程,分区试验改善的概率分别为40.8%、89.1%和65.3%。频率匹配分区订正后强降水面积更加接近实况,但强降水落区不能得到明显的改善。订正方法对模式预报强降水形态、位置与实况较接近的过程,效果较好。     

ECMWF模式强降水预报偏差订正方法研究及应用

利用安徽省81站逐日降水量资料、NCEP 500 hPa再分析资料、ECMWF (以下简称EC)降水和500 hPa高度预报,基于暴雨中心和天气类型的客观判定,分类统计2012—2018年23个强降水过程降水中心的预报偏差。结果表明在西路强冷空气和东路冷空气天气类型下,当EC预报降水中心位于115°—120°E 584 dagpm线以北时,降水中心预报往往偏北,依据两者的纬度差和降水中心预报偏差建立了基于天气分类的主雨带位置订正方法;同时依据23个强降水过程最大降水区域降水量预报的日平均偏差,建立了暴雨的强度订正方法。将偏差订正方法应用于2020年安徽省梅汛期预报,结果发现无论位置还是强度订正都能使暴雨预报TS评分明显提高。同时进行位置和强度订正后,暴雨TS评分提高更加明显,尤其是对2020年两次最强降水过程订正效果显著。     

基于CNN和RF算法的ECMWF降水分级订正预报方法

利用卷积神经网络(CNN)和随机森林回归模型,提出了一种新的欧洲中期天气预报中心(ECMWF)降水订正预报方法.该方法首先根据ECMWF模式对站点雨量预报值所属的等级进行划分,再计算出不同等级相对应的高相关因子矩阵.进一步利用CNN模型对高相关矩阵进行综合特征提取的学习和训练.最后对CNN模型最终输出的特征因子中,选取...     

基于降水极端预报指数的福建台风极端降水预报研究

应用1961—2017年中国气象局热带气旋最佳路径数据集、国家地面气象观测站日降水观测资料和2015年8月—2017年12月欧洲中期天气预报中心(ECMWF)集合预报系统降水极端预报指数(EFI)数据,根据百分位法定义台风影响期间福建省各站点的台风极端降水阈值,采用最小阈值法剔除台风极端降水时EFI箱线图中的异常值,保...     

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。     

MODES系统对贵州月气温、降水预测初步评估

基于CMPAS多源融合降水和ERA5再分析产品,评估ECMWF全球高分辨率确定性预报产品对2020年梅雨期(6月10日—7月20日)极端强降水过程的预报性能。同时,基于面向对象的诊断评估方法(MODE),揭示ECMWF模式对强降水落区的质心经纬度、面积、长度、宽度、轴角等空间特征的预报性能。结果表明,ECMWF模式对于梅雨期的日降水量预报,在雨带的空间位置上,模式预报偏北、偏西的偏差较多;在落区形态上,模式预报的雨带面积偏大,轴角倾斜度更大。观测中江淮流域区域平均降水的日变化主峰值出现在清晨至上午,ECMWF预报能够再现降水日变化特征。针对模式对主雨带南北落区质心位置预报偏差的评估表明,模式预报主雨带位置偏北的频次呈现出双峰分布的日变化特征,峰值出现在夜间和午后。雨带位置预报偏南的频次为单峰分布,峰值在上午。低空急流的日变化特征明显,且峰值时刻超前降水峰值时刻3 h,而ECMWF预报急流峰值时刻则较观测早3 h。ECMWF预报降水落区位置偏差与预报低层南风分量的强弱偏差相关,当对流层低层南风分量偏强时,雨带位置预报易偏北;南风分量较弱时雨带位置预报易偏南。针对ECMWF预报位置偏北和偏差较小的两次典型强降水事件的对比分析,结果表明在小时尺度上急流与降水的日变化一致,ECMWF预报降水落区的偏北与前3 h内强度更强的急流有关。

     

ECMWF业务预报模式地面气温预报的不一致性特征研究

为探讨ECMWF业务预报模式(以下简称ECMWF)的地面气温预报不一致性问题,本文利用2015年12月1日—2016年11月30日业务预报中常用的地面气温预报数据,研究ECMWF地面气温预报产品在不同季节里的不一致性指数分布及变化特征。结果表明:各个季节不一致性指数有不同的特点,冬季不一致性指数最大,大值区主要分布在除华南和青藏高原外的大部分区域;而夏季不一致性指数最小,在青藏高原地区不一致性指数相对较大;春、秋两季不一致性指数大小均处于冬、夏季之间。此外,研究还发现冬季地面气温预报不一致性指数单日变化较大,而夏季较小。夏季不同起报时间的地面气温预报比较稳定。     

21世纪中国极端降水事件预估

评估分析了欧洲中期天气预报中心（European Centre for Medium-range Weather Forecasts,ECMWF）细网格模式（以下简称EC-thin）在长三角地区汛期（5-9月）的暴雨预报评分及ECMWF降水极端天气预报指数（EFI）对暴雨预警的指示作用。研究发现：（1）EC-thin降水和降水EFI对暴雨预报的ETS评分随着预报时效的延长而明显降低,在短时效内,细网格模式降水预报占优,超过60 h后,降水EFI的评分相对更好。（2）对EC-thin降水而言,在不同的预报时效采用不同的降水阈值来预报暴雨,可望达到最佳的评分效果。短期时效内该阈值随着预报时效的延长,大致从55 mm逐渐下降到35 mm。（3）对于降水EFI而言,12-36 h内EFI为0.65~0.7时,暴雨预报ETS评分最高。随着预报时效的延长逐渐下降,60-84 h内EFI为0.55~0.6时,暴雨预报ETS评分最高。（4）在不同预报时效内,采用合理的方式和阈值综合考虑EC-thin降水和降水EFI,可望得到更高的暴雨预报评分。

     

台风登陆后非对称降水的非地转湿Q矢量研究

利用NCEP再分析资料和热带降水测量卫星资料,采用改进后考虑非绝热加热的非地转湿Q矢量理论,对“0907”号热带风暴“天鹅”登陆后非对称降水特征进行研究.结果表明:(1)台风登陆后雨带出现断裂,降水呈现明显非对称性特征,强降水主要位于第二象限;(2)非地转湿Q矢量散度分布较好描述了台风登陆后降水的非对称性,与降水的分布有较好的对应关系,强降水主要位于湿Q矢量散度梯度的大值区;(3)沿台风移动方向上,非地转湿Q矢量辐合、辐散交替分布构成雨区内的垂直环流结构,其中倾斜上升支的非对称结构,造成了降水的非对称性;(4)经过台风中心存在纬向的次级环流,对降水起抑制作用,其东西向的不对称结构有利于降水的非对称性发展;(5)非绝热加热项有利于加强降水的非对称性特征.     

基于KPCA的台风强度神经网络集合预报方法研究

针对影响台风强度前期预报因子较多以及因子的非线性变化特点,首先采用逐步回归方法筛选出部分预报因子,再利用核主成分分析方法在剩余的预报因子中提取包含了原数据较多信息的核主成分与前期选入的预报因子共同作为模型输入.进一步考虑到神经网络集合预报中个体的准确性和差异性的权衡问题,在不同的初始条件下生成若干组神经网络,分别选择每组中性能最优的个体,建立了一种新的非线性神经网络集合预报模型.最后以西北太平洋海域2001-2010年5-10月的台风强度为研究对象进行了预报试验.结果表明,这种神经网络集合预报模型的预报结果符合实际应用的要求,其预报平均绝对误差明显小于同等条件下的神经网络方法和逐步回归预报方法.     

精细化评估GPM/IMERG产品对台风\

为了解和提高GPM (Global Precipitation Measurement)卫星降水产品在台风降水过程中的表现和质量,基于地面气象观测站雨量资料,分别采用逐步订正法和最优插值法订正卫星反演降水产品,并从不同时间尺度评估2021年台风“烟花”登陆浙江期间GPM (第六版)反演产品在订正前后的监测能力。结果表明：未订正的GPM反演降水产品未能描述浙江省内高大地形处的强降水中心,对过程降水量低估约45%,主要源于对浙江东北部降水大值区的低估,降水分级检验显示,未订正的GPM产品除对小雨有较好反映能力外,其余各级别探测能力均较差;经逐步订正法和最优插值法分别订正后,反演产品的过程累计、逐日及逐时降水的评估结果均有提升,且逐步订正法订正后效果更优,最优插值法订正后对实际降水略有高估,两种方法订正后的产品不仅可描述与高大地形相关的强降水中心,也可反映大暴雨和小时雨强大于23 mm·h^-1的强降水。

     

一种联合历史和实时资料的定量降水短时预报技术研究

本文提出一种基于百分位映射,使用实时和历史资料联合订正模式定量降水短时订正预报技术,并与仅使用历史资料或实时资料的订正效果进行对比。结果表明:三种方案均能有效订正模式原始降水预报偏差,提高0~12 h降水预报准确率。对于晴雨预报,采用联合订正方案,预报效果最优。在0~7 h预报时效内,仅采用实时资料的订正方案准确率明显优于仅采用历史资料的订正方案,在8~12 h预报时效内,后者准确率稍高。所有预报时效内,仅采用实时资料的订正方案降水预报范围较仅采用历史资料的方案略偏大。对于较强降水预报,采用联合订正方案准确率为三种方案最优,仅采用实时资料的方案预报准确率虽优于仅采用历史资料的方案,但预报范围及量级较实况明显偏大。