基于SCTP-RF算法的甘肃省短期定量降水客观预报方法研究

基于欧洲中期天气预报中心(ECMWF)的精细化数值预报产品、中国气象局下发的降水指导产品(TP_CMA)及甘肃省340个气象站点降水实况数据,利用泰森多边形与K-means空间聚类方法(spatial cluster and Tyson polygon, SCTP),对2017—2019年4—9月甘肃省340站降水资料进行客观分区。在此基础上,采用随机森林算法(random forest, RF),筛选出与降水相关的物理量因子构建模型,开展甘肃省短期定量降水客观预报订正试验,并进行预报效果检验。结果表明：(1)甘肃省4—9月降水客观分区依次为7、6、14、13、14和11个。(2)就晴雨预报而言,SCTP-RF订正产品对甘肃省汛期的晴雨预报能力较TP_CMA指导产品和ECMWF模式产品有一定提升,提升幅度分别为6.1%、4.2%;在空间上,SCTP-RF算法对甘肃省340站的晴雨预报均具有一定的订正能力,大部分站点晴雨预报准确率提升了5%,特别是河东地区。(3)在分级降水预报中,SCTP-RF订正产品对中雨和大雨的预报能力均优于TP_C<...     

2020年辽宁省汛期多模式降水预报评估

基于7种数值预报产品,采用二分类检验和频率分布检验方法,对2020年5—9月辽宁省24 h降水预报、3 h降水量20 mm以上的强降水预报进行检验评估。结果表明：多数数值模式均存在降水预报频次偏多的误差特征,尤其是全球模式,对弱降水过程的过度预报特征更为明显。数值模式对24 h中雨量级降水的预报效果普遍较好,全球模式对强降水的预报效果较差。SHANGHAI、BEIJING中尺度模式对不同量级降水的预报效果总体好于其他模式,GRAPES＿3km中尺度模式的强降水预报频率偏高,SHANGHAI中尺度模式的降水极值预报强度偏大,ECMWF模式的各量级降水预报性能较均衡,对强降水也有一定的预报能力。中尺度模式对白天时段的强降水预报效果较好,但从初始时刻后第6～9 h的预报效果较差。数值模式对大范围强降水过程及小范围稳定性强降水过程的预报效果较好,对副热带高压后部小范围强降水过程预报效果较差,无法预报大雨以上量级降水。     

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。     

日本数值预报产品在丹东地区降水预报的检验和评估

选取2001年7月至2005年6月的日本数值预报传真图产品资料，依据《中短期天气预报质量检验办法》进行检验，并用天气学分析法对所得结果进行评估。结果表明：晴雨（雪）预报正确率和降水技巧评分较高；小雨预报效果好；暴雨（雪）预报准确率较高，但预报量值比实况量值明显偏小；对不同天气系统降水其预报能力不同；物理量与强降水有较好的对应关系。     

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。     

辽宁省夏季多模式降水预报检验及晴雨预报技术研究

利用辽宁省291个国家气象观测站的降水资料,对2019年夏季（6-9月）8种模式降水预报及中央气象台格点降水预报进行了检验评估和比较,并采用消空方法进行晴雨预报技术研究。结果表明：2019年,EC模式具有最优的暴雨预报性能,而日本模式暴雨TS评分最高;中尺度模式对于局地性暴雨和短时强降水具有较好的预报潜力,性能较好的是GRAPES_MESO模式和睿图东北3 km模式;全球模式对24 h暴雨的预报频率比实况偏低30%,3 h强降水则偏低60%,中尺度模式对24 h暴雨的预报频率比实况偏高30%,3 h强降水则偏低20%。由于对小量级降水存在较多空报,各模式原始预报的晴雨预报大多呈现空报偏多的情况;使用小量级降水剔除的消空策略能够明显提高晴雨准确率,消空之后EC模式具有最优的晴雨预报性能。分别使用24 h和3 h累计降水量优化消空策略,发现分别取1.0 mm和0.8 mm的阈值进行消空可以使24 h晴雨准确率提高15.58%,3 h晴雨准确率提高10%-30%。     

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。

     

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。     

台风“巴威”不同类型降水多模式预报与空间检验对比评估

以传统的检验方法和基于对象诊断评估方法(MODE),对首次以台风级别影响辽宁的“巴威”台风(2008)的台风暴雨过程不同性质降水的多模式(ECMWF、CMA＿MESO 10KM、CMA＿MESO 3km和睿图东北模式)预报结果进行了检验评估。结果表明：受“巴威”远距离和本体影响,辽宁省先后出现对流型降水和稳定型降水,传统检验和MODE检验结果均表明,多模式的对流型降水预报效果要优于稳定型降水,这很可能是多模式对于台风北上减弱产生稳定型降水的影响系统的预报强度偏差大导致,在今后预报中务必注意台风强度预报偏差对本体稳定型为主的降水的影响。传统检验结果中,CMA＿MESO 3km和ECMWF模式的评分较高,并且对于对流型降水雨带的形状、范围和质心距离、交集面积预报效果最好,ECMWF模式对稳定型降水也有着较高的目标相似度评分。尽管睿图东北模式由于对10.0 mm以上量级降水较高的空报和漏报率,而导致TS评分偏低;但在MODE检验结果中,东北模式预报的强降水雨带的中心位置、降水强度和范围均接近实况,目标相似度更高,尤其在对流型降水阶段目标相似度达到了1.00,模式对于对流型降水预报有着较好的可...     

集合百分位融合法在广东台风降水预报中的改进

基于欧洲中期天气预报中心(ECMWF)集合预报的客观检验结果,构建了针对广东台风降水的最优百分位融合产品,检验表明强降水风险评分(TS)较集合平均产品提升显著,预报时效越长,提升幅度越大,但预报偏差(Bias)与虚警率(FAR)也相应增大.最优百分位融合产品的强降水预报范围偏大与台风路径预报的发散度有较大关联,因融合产...     

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。     

不同数值预报产品对武陵山区降水预报性能检验

对2018年3月—2019年6月ECMWF、GRAPES-GFS、JAPAN、GERMAN预报产品与对应相关格点值,采用相关系数法、均方根误差法、TS评分检验法进行检验.结果发现:四种模式中,降水预报均与本站实况有显著的相关性,但ECMWF模式降水产品24～48 h晴雨预报TS评分优于其他模式,均方根误差也小于其他模式...     

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。

     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

滁河流域汛期多模式集成面雨量预报检验评估

对2013—2016年汛期ECMWF、JMA及中尺度WRF模式的预报结果进行检验,基于合理的时间尺度,制作了动态权重集成面雨量预报(DWI)、分步集成面雨量预报(SI)和等权重集成面雨量预报(EWI)产品,并对2017—2020年汛期降水期间多种集成面雨量预报产品和ECMWF、JMA、WRF的单个模式面雨量预报产品进行对比评估.结果表明:3种集成面雨量预报效果整体上优于单一数值预报模式,尤其是预报致灾严重的暴雨等级降水优势明显;DWI和WRF对强降水的面雨量预报正确率最高,其他2种集成面雨量预报结果次之,ECMWF及JMA较差;模式集成预报弱降水过程的优势不明显.     

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。     

OTS、MOS和OMOS方法及其优化组合应用于72 h内逐3 h降水预报的试验分析研究

开展了夏半年72 h内逐3 h降水预报试验,针对ECMWF模式预报、基于ECMWF的模式输出统计(MOS)预报、纳入超前空间实况信息的OMOS预报,以及三种预报的最优TS评分订正(OTS)预报,对比分析预报效果,探讨一种多方法结合能够提供良好预报性能的3 h定量降水预报技术方案。结果表明:在短期预报中,MOS预报与OTS订正相结合的MOSOTS综合预报方法的预报性能最好,而且MOS-OTS方法的3 h强降水预报与业务运行的城镇指导预报中融合主客观预报的降水预报相比,也具有一定优势;而在临近3 h预报中,则OMOS预报与OTS订正相结合的OMOS-OTS综合预报方法最优,3 h内0.1、3和10 mm以上降水的TS评分最高,比原始模式预报分别提高73%、198%和483%,Bias评分接近于1,在夏半年的逐日晴雨预报中,OMOS-OTS方法在大部分日期都稳定优于MOS-OTS预报和城镇指导预报。     

安庆地区ECMWF细网格降水预报的质量检验与释用

利用安庆市逐日降水实况资料,针对2011—2016年ECMWF细网格降水预报产品对安庆地区的12 h、24 h分辨率晴雨和降水分级预报质量进行检验,基于检验结果对此降水预报产品进行解释应用。结果表明,ECMWF细网格数值降水预报在安庆地区晴雨预报正确率无明显区域差异,夏季晴雨预报正确率明显低于其他各季节,对夜间的预报能力明显优于白天。TS评分中,小雨最高,中雨次之,大雨及以上量级较低且无明显规律。若将冬、春两季0.2 mm以下、夏季1.0 mm以下和秋季0.8 mm以下的降水预报进行消空处理,则晴雨预报正确率会有所提升,且小雨预报的TS评分达最佳;若将≥40 mm的降水预报修正为暴雨,则暴雨预报TS评分提高接近1倍,且大雨和暴雨的预报偏差更接近1。     

2010年国内外3种数值预报在东北地区的预报检验

对中国国家气象中心T639数值预报、德国降水预报和欧洲中心（ECMWF）数值预报中对中国东北地区的降水、温度和环流模式的预报结果,分别进行检验。结果表明：降水预报中,德国降水预报对中国东北地区的晴雨预报、一般性降水预报效果较好,但T639数值预报的漏报率明显低于德国降水预报,而T639数值预报中24-120 h暴雨预报的TS评分明显高于德国降水预报。温度预报中,T639数值预报对中国东北地区温度预报72 h内基本可用;欧洲中心（ECMWF）数值预报在96 h内效果较好。对于24 h的温度预报准确率,T639数值预报稍高于ECMWF数值预报结果。环流模式方面：48h内T639预报效果好于ECMWF,72 h以后ECMWF预报效果好于T639。