“23·7”华北特大暴雨数值预报检验评估

针对“23·7”华北特大暴雨过程,采用天气学检验及TS(thrcat scorc)评分和MODE(mcthod for objcct-bascd diagnostic cvaluation)方法对中国气象局高分辨率全球同化预报系统(CMA-GFS)、较低分辨率全球集合预报系统(CMA-EPS)、欧洲中期数值预报中心集合预报系统(EC-EPS)和业务预报模式(EC-HR)、美国环境预报中心全球预报系统(NCEP-GFS)等全球模式和中国气象局区域台风数值预报系统(CMA-TYM)、中尺度天气数值预报系统(CMA-MESO)和区域数值预报系统(CMA-BJ)等进行中短期预报效果检验评估。结果表明:EC-EPS提前14 d预报京津冀一带有过程累积降水量超过100 mm强降水的发生概率,CMA-EPS可提前12 d报出,但预报欠稳定且落区偏东偏南。EC-HR对100 mm以上过程累积降水量及2 d以上暴雨日的位置预报提前时效均达8 d左右,CMA-GFS的过程累积降水量预报显著偏小、强降水落区明显偏东,可用预报时效短;NCEP-GFS预报性能介于二者之间。各模式均可提前36 h预报强降水落区和...     

2020年江苏主汛期短期暴雨预报检验

基于江苏预报业务常用的三个全球模式(ECMWF、NCEP-GFS、CMA-GFS)、三个区域模式(CMA-MESO、CMA-SH9、PWAFS)、本地客观预报和预报员主观预报,对2020年江苏主汛期(6—9月)中的短期暴雨预报总体性能进行检验,并按降水性质分稳定性暴雨和对流性暴雨分别进行了检验和个例展示.结果表明:从总...     

多区域高分辨率模式强降水预报检验分析

利用气象大数据云平台中逐小时降水资料,基于目标对象检验法和邻域法,评估2019—2020年辽宁主汛期降水过程中中国气象局上海数值预报模式系统(CMA-SH9)、中国气象局中尺度天气数值预报系统(CMA-MESO)、中国气象局睿图东北数值预报模式系统(CMA-DB)的预报性能。结果表明:千米尺度或接近千米尺度的上述三个模式,在36 h时效内,对于累积强降水(12 h降水量≥50 mm)落区形态预报与实况有相似性,落区质心预报偏差一般在20 km左右。然而,预报落区与实况重叠的面积一般都在10%以下,个别情形下(如CMA-MESO对于气旋型降水过程)累积强降水落区预报与实况重叠度能够接近20%;位置偏离的直接结果是导致漏报率高(一般在75%左右,CMA-MESO模式漏报率略低,为10%～20%),其中高压后部型降水过程中累积强降水的漏报率超过80%,位置偏离也造成较高空报率。对于短时强降水(1 h降水量≥20 mm)预报,在方圆40 km内不计偏差情况下,各模式预报命中率平均在10%以下(最大值为9.2%),空报率平均为58.7%;三种降水类型中,模式对台风型降水过程的短时强降水预报性能最...     

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。     

海南岛暖季区域数值模式降水精细化预报检验

应用面向降水过程的时空检验方法,评估了中国气象局广东快速更新同化数值预报系统(CMA-GD)、上海数值预报系统(CMA-SH9)和中尺度天气数值预报系统(CMA-MESO)的海南岛暖季(2019—2020年的4—9月)非台风降水日小时降水预报效果,结果表明:三家模式均能捕捉不同流场条件下的降水空间分布形态及降水日变化特征,但CMA-GD和CMASH9的降水频率和强度总体偏多偏强,其中CMA-GD降水频率偏多近10%,CMA-SH9平均小时雨强偏强近4 mm·h^-1,CMA-MESO雨强在5 mm·h^-1以上的降水多分布在西南部和中部山区,与实况空间分布差异较大。三家模式降水预报最易开始和降水峰值时间平均偏早1～3 h,而降水最易结束时间偏晚1～3 h;模式的大气层高层露点温度和不稳定能量预报值偏大,不稳定能量出现时间偏早,近地层逆温层特征预报失真,降水预报的开始时间倾向于提前、降水持续时间偏长。三家模式的昼间海南岛北部沿海的海陆风辐合带预报偏强,其中CMA-SH9尤为明显,与该模式降水强度明显偏强特征相一致;CMAGD的夜间南部沿海的海陆风辐...     

江淮地区一次特大暴雨过程预报偏差分析

利用加密自动气象观测站资料、ERA5 再分析资料和欧洲中心 ECMWF（European Centre for Medium-Range Weather Forecasts）模式、中国气象局 CMA-MESO（China Meteorological Administration Mesoscale Model）模式产品,对 2020 年 7 月 17—18 日江淮地区一次特大暴雨过程的预报效果进行检验与分析,并对数值模式降水预报出现偏差的可能原因进行了讨论。 结果表明：低涡切变和低层急流的共同影响,为强降水提供了充沛的水汽和有利的动力条件。高空干冷空气叠加在低层暖 区之上形成的位势不稳定层结和垂直风切变为强降水的发生提供了不稳定条件。17日20时—19日08时CMA-MESO模式 逐12 h暴雨、大暴雨以及暴雨以上量级降水的TS评分均优于ECMWF模式,但2种模式对18日08—20时暖区降水的预报结 果均较差。CMA-MESO模式预报的降水区域和实况区域重叠面积的比例均显著高于ECMWF模式,预报形态也与实况更为 接近。模式对冷空气强度预报偏弱造成了冷切辐合偏北,对中层湿舌的位置预报偏北,水汽强度预报偏弱,与强降水落区 预报偏北相对应,可能是降水预报出现明显偏差的原因。     

辽宁区域性大暴雨成因分析及多模式数值预报空间检验

利用三源融合格点降水实况、加密自动站观测资料、雷达基本反射率因子、高分辨率数值预报产品及FNL再分析资料, 对2020年汛期辽宁地区12次区域性暴雨过程进行天气系统分型检验表明, 气旋型暴雨模式的可预报性较低。选取2021年7月12—14日辽宁地区典型气旋型暴雨过程进一步分析, 采用面向对象目标的空间检验方法SAL, 结合传统检验方法, 从结构、强度和位置三个方面定量分析不同模式预报偏差的原因。结果表明: 暴雨落区集中且呈双雨带分布, 局地雨强大, 辽宁东、西部降水成因不同。CMA区域模式较全球模式暴雨TS评分高; SAL空间检验表明, CMA区域模式对于雨带内部结构把握较好, 全球模式结构误差主要来源于降水极值预报不足; 强度检验表明, CMA-MESO3km强度接近实况, EC_THIN次之, CMA_GFS的降水强度预报较差; 各模式暴雨落区基本可信, CMA-MESO3km最优, 暴雨落区的误差主要由于模式预报降水过程主体重心与实况的偏差较大所致。     

GRAPES-GFS模式暴雨预报天气学检验特征

本文采用天气学检验方法,对2016年度国家气象中心GRAPES全球数值预报系统(GRAPES-GFS)业务预报暴雨过程及2013-2015年部分回算个例进行了检验,并结合对比欧洲中期天气预报中心确定性预报模式(EC模式)和国家气象中心全球谱模式T639L60(T639模式)降水预报,梳理总结业务GRAPES-GFS模式预报性能优势和系统性偏差特征。被检验暴雨过程共38次,其中南方暴雨过程20次,北方暴雨过程6次,热带扰动或台风降水过程12次。依靠预报员主观天气学检验分析,从降水预报效果检验出发,结合主要影响天气系统和示踪物理量检验,梳理总结模式预报系统性偏差,以期全面发掘该业务预报模式性能。结果表明对短期时效内的降水预报,GRAPES-GFS模式预报稳定性较好,整体明显优于T639模式。但还存在诸如对对流性降水预报较实况偏北或对主雨带南侧暖区降水预报不足的偏差特征;另对弱高空波动背景下的对流性降水预报偏弱;而在降水预报强度大致正确的情况下,对降水系统南侧偏南气流控制区域预报湿度偏大,对副热带地区的低涡系统预报偏强。     

基于目标对象检验法的四川省两种数值模式暴雨预报对比分析

根据2021年四川省31次暴雨过程预报偏差检验,选取ECMWF预报雨带明显偏西、CMA-MESO预报较好的3次个例,基于目标对象检验法对强降水落区(≥25 mm)从位置偏差、面积偏差、雨带走向和降水强度4个方面对两模式的预报偏差特征和主要原因进行对比分析。结果表明：ECMWF模式降水落区预报较实况偏西偏北,且偏西偏差距离(59.06～123.67 km)显著大于偏北偏差距离(8.23～53.59 km),而CMA-MESO模式雨带走向和位置预报与实况更为接近。两模式降水面积预报均大于实况,ECMWF模式较实况偏大7.0%～34.3%,CMA-MESO模式偏大25.2%～45.9%。两模式降水量平均值预报与实况偏差幅度为-3.5%～20.0%,但降水量极值预报较实况偏差较大,偏差幅度为50.1%～196.9%。检验分析表明,出现在副热带高压边缘,受高原涡或西南涡影响的四川暴雨过程,在ECMWF模式预报强降水落区(≥25 mm)偏西的情况下,CMA-MESO模式可以提供订正参考。     

不同方法对青海2020年强降水模式产品预报性能的检验对比

基于多模式降水格点预报资料、青海省气象站实况资料及多源融合降水格点分析产品,针对青海省2020年7—8月强降水天气个例,采用TS(threat score)评分等传统检验方法和FSS(fraction skill score)评分及MODE(method of object-based diagnostic evaluation)空间检验方法,对比检验各模式在青海强降水中的预报性能。结果表明：(1)小雨及以上量级,欧洲中期天气预报中心(ECMWF)和美国国家环境预报中心(NCEP)全球模式、中国气象局全球同化预报系统(CMA-GFS)及GRAPES区域中尺度数值预报系统(GRAPES-Meso)的传统TS评分均较高且预报能力相差不大,但不同检验方法下评分最高的模式略有不同;(2)中雨及以上量级,各模式预报较观测普遍偏西,且传统TS评分差异较为明显,但不同检验方法下模式评分优劣表现较为一致;(3)大雨及以上量级,各模式预报较观测普遍偏北,且预报能力较差,传统TS评分为0,FSS评分有效提高了模式差异性的评估能力,MODE方法则给出了预报和观测对象属性的具体表现,但对检验参数的选取较为敏感...     

基于复卡尔曼滤波技术的华东区域风的多模式集成预报研究

基于欧洲中期天气预报中心的业务预报系统(EC)、美国国家环境预报中心的全球预报系统(GFS)、我国的中尺度数值业务预报系统(CMA-MESO)和全球预报系统(CMA-GFS)这4个预报系统的华东及周边地区(20°～40°N、110°～130°E)2020年1—4月逐日地面和高空风的0～72 h预报资料,利用复卡尔曼滤波...     

基于前馈神经网络的多模式集成降水预报研究

为提高山东定量降水预报准确率,采用深度前馈神经网络（Deep Forword Neural Networks,DFNN）和降水分级最优TS(Threat Score)权重集成方法对多模式集成降水预报进行研究。对2019年4—9月欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasting, ECMWF）全球数值预报系统、中国气象局上海数值预报模式系统（China Meteorological Administration Shanghai9 km, CMA-SH9）和中国气象局中尺度天气数值预报系统（China Meteorological Administration Mesoscale, CMA-MESO）逐24 h累积降水量预报进行有监督训练,得到4组DFNN(ES、EM、SM、ESM)深度学习模型,并利用多模式降水分级最优TS权重集成方法建立Mul-OTS(Multi-mode Optimal Threat Score)集成模型。用2020年4—9月各模式逐24 h累积降水量进行降尺度格点预报,对5种集成方案对比...     

台风“温比亚”(1818)影响辽东半岛的预报分析

2018年第18号台风"温比亚"北上引发辽东半岛普降大暴雨,局部特大暴雨,但业务数值预报模式在其路径、强度和降水预报方面均有一定偏差。利用中国气象局热带气旋年鉴、常规和非常规气象观测资料、FY-2G卫星云顶亮温(TBB)和欧洲中期数值预报中心ERA-Interim全球再分析资料(0.125°×0.125°),对台风"温比亚"影响辽东半岛的预报进行分析。结果表明:(1)"温比亚"预报的难点是登陆后转向点及转向后路径的预报,西风槽和大陆高压东移阻挡了"温比亚"的西行;台风"苏力"的西北移,导致副高位置偏北,其与东北地区高压脊形成的高压带则有利于"温比亚"的北抬。(2)"温比亚"和"苏力"2个台风与副高之间所形成的东南风低空急流,提供了持续的水汽和能量,既有利于"温比亚"强度的维持,又诱发辽东半岛强降水的持续发生。(3)"温比亚"在变性过程中与西风槽以及低空急流相互作用有利于其北侧螺旋云系的发展。强降水落区与台风低层环流北侧辐合带内冷暖平流活动密切相关,冷暖平流交汇处的能量锋带对强降水有较好的指示作用。(4)数值预报模式对转向点和转向后的路径预报存在较大分歧,除了参考集合预报产品外,还可采用相似预报手段,对比分析相似个例和误差小的数值预报模式的大尺度环境场,借助于数值预报产品和相似个例进行订正。     

多数值模式对台风暴雨过程预报的空间检验评估

采用FSS评分(fractional skill score)和CRA方法(contiguous rain area)结合国家气象信息中心地面、卫星、雷达三源降水融合产品(CMPA_Hourly V2.1),对SHANGHAI_HR(SH)、GRAPES_MESO(MESO)、ECMWF_HR(EC)、GRAPES_GFS(GFS)四个模式2018年8月三次登陆台风暴雨过程的的降水预报进行了检验评估,对比分析了各模式的预报性能,得到结论如下:FSS评分相较于传统TS评分能够更好地通过量化的方式反映出不同模式的预报能力差别,而CRA方法能更全面详细地评估模式的误差来源;区域模式对于局地性强降水或大尺度降水的强中心预报相对于全球模式有一定优势,但全球模式对于较小量级降水的范围预报可参考性更好;对于"摩羯"、"温比亚"台风影响的两次过程,EC模式的预报位移误差明显偏西,同样的特征也表现在MESO和GFS对于"温比亚"台风影响的降水的预报;GFS模式对于降水范围、降水强度预报偏小、偏弱,EC模式预报略好于GFS模式但对于降水极值估计仍存在不足。相对而言,区域模式对于极值估计优于全球模式,SH模式对于极值的估计要优于MESO模式,但其预报降水存在范围、强度偏大的特征;大部分模式预报降水个体的误差主要来源于位移误差,强度误差和形态误差大致相当。     

辽宁地区“8.16”特大暴雨过程数值预报产品检验

利用地面气象站和探空观测资料,对2013年8月16日辽宁地区特大暴雨过程数值模式预报的产品进行检验和对比分析,主要包括降水、500 h Pa位势高度场和副热带高压指数等。结果表明:一般性降水预报准确率T639模式整体优于EC模式,暴雨预报平均准确率EC模式略高于T639模式,T639模式和EC模式降水预报正负距平出现位置近似。多个数值模式对清原站主要降水时段(8月16日11—23时)的降水预报明显偏弱,WRF模式预报的全省3 h最大降水量远大于实况,T639模式和EC模式预报的降水量级均明显小于实况。EC模式和多模式集成72 h内降水落区与强降水中心位置的预报相对较稳定,过去15 d的滑动平均检验结果对降水预报具有一定的指示意义,72 h内EC模式的特征线预报一致性明显高于T639模式,对于辽宁省大部地区及上游高空槽附近EC模式降水预报的离散度小于T639模式。     

榆林2017年7月26日区域性大暴雨数值预报降水检验及误差分析

采用2017年7月25日08时—26日08时地面观测资料与欧洲中期数值模式(ECMWF,简称“EC”)、中国气象局全球中期数值模式（GRAPES_GFS,简称“GFS”）和日本气象厅数值模式（简称“JMA”）的降水预报进行对比,分析各模式对此次区域性大暴雨过程的预报性能,并将各模式预报的环流形势、物理量场与NCEP1°×1°再分析资料做对比,分析模式降水误差的产生原因。结果表明：EC对降水量预报较好,达到大暴雨量级;GFS降雨量级预报为暴雨,中心位置比EC更接近实况;JMA中心位置预报最好,但降雨量与实况相差较大。各模式均为20时预报优于08时预报,且随着预报时效的临近,预报结果更接近实况。EC预报的低层切变、垂直速度中心、水汽通量散度大值区和假相当位温能量舌均偏北,因而预报的降雨区域偏北。GFS预报低层辐合、θse相对大值区、垂直上升运动中心均明显偏西,故降水大值区在内蒙地区,垂直运动次上升中心对应榆林上空降水中心。JMA的各因素均与实况位置一致,降水中心预报在各模式中最接近实况,由于低层气流较弱以及弱的水汽辐合,导致降水量预报与实况相差较大。     

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。     

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...     

基于模式相对湿度的降水概率预报方法研究

本文采用EC数值模式预报结果与历史观测资料结合的方法,建立了一种基于模式确定性相对湿度预报制作降水概率产品的方法。通过对2012—2013年华东地区EC细网格模式大气相对湿度预报进行分类,将不同层次和不同湿度等级的大气进行分类采样,并统计各类别对应的历史降水概率,分析模式相对湿度与实际降水概率的分布特征,进而根据当前模式预报的相对湿度预报降水概率。采用ETS评分、Brier评分、可信度对比及个例分析方法检验2013年7月至2014年5月降水预报试验效果,结果表明:本文建立基于模式相对湿度的降水概率预报方法可较好的反映未来降水的分布,对天气尺度雨带的预报效果优于对流性降水;与EC模式相比,可有效降低空报现象;与传统集合概率预报相比,本文建立的降水预报方法可更好地反映实际降水的发生概率,降水概率产品能较好的指示降水发生的位置和可能性,具有较好的实际参考价值。