Errors and correction of precipitation measurements in China

In order to discover the range of various errors in Chinese precipitation measurements and seek a correction method, 30 precipitation evaluation stations were set up countrywide before 1993. All the stations are reference stations in China. To seek a correction method for wind-induced error, a precipitation correction instrument called the ＂horizontal precipitation gauge＂ was devised beforehand. Field intercomparison observations regarding 29,000 precipitation events have been conducted using one pit gauge, two elevated operational gauges and one horizontal gauge at the above 30 stations. The range of precipitation measurement errors in China is obtained by analysis of intercomparison measurement results. The distribution of random errors and systematic errors in precipitation measurements are studied in this paper. A correction method, especially for wind-induced errors, is developed. The results prove that a correlation of power function exists between the precipitation amount caught by the horizontal gauge and the absolute difference of observations implemented by the operational gauge and pit gauge. The correlation coefficient is 0.99. For operational observations, precipitation correction can be carried out only by parallel observation with a horizontal precipitation gauge. The precipitation accuracy after correction approaches that of the pit gauge. The correction method developed is simple and feasible.     

TRMM月降水量产品在新疆地区的订正

利用1998-2013年TRMM月降水量产品与新疆同期的105个气象站地面观测降水量,运用逐步回归与BP神经网络方法,选取1998-2010年数据建立新疆地区的降水订正模型,并利用2011-2013年月降水量进行检验。结果表明:加入地形因子对TRMM月降水量产品订正效果明显,整体上两种模型对TRMM月降水量产品订正的相关系数从最初的0.66分别提高到0.75和0.80,相对误差由10.75%分别降低为4.88%和3.19%;月尺度上,TRMM月降水量产品相对误差为-5.68%~54.44%,经逐步回归模型订正后为-4.26%~32.57%,而BP神经网络模型订正后为-5.33%~24.48%,表明BP神经网络模型订正效果更好;从综合时间技巧评分S_T看,订正后TRMM月降水量产品在各月的效果均有不同程度提高,逐步回归模型订正后提高0.01~0.49,BP神经网络模型订正后提高0.03~0.70。因此,基于逐步回归模型与BP神经网络模型订正的TRMM降水量产品均能够准确、定量地再现降水分布,为TRMM降水量产品质量改进提供一种较实用的参考方法。     

贵州地区CMORPH卫星降水产品的误差订正

CMORPH卫星反演降水产品具有全天候、全球覆盖的特点,其时空分布相对均匀、独立,但是CMORPH本质上是通过间接手段反演得到,其降水精度无法与地面观测降水精度相比,并且存在一定的系统误差.结合地面自动站降水资料采用概率密度匹配法对贵州地区CMORPH卫星反演降水产品进行系统误差订正,该方法将每个格点的卫星降水累积概率...     

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;MA)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;MA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;MA指导产品和ECMWF模式产品,且全省大部的订正效果较好,特别是河东中部及陇东南地区,但在强降水过程中对小雨和暴雨的预报订正不稳定,尤其是陇东南地区的小雨。     

Evaluation of CMP AS precipitation products over Sichuan,China

高质量和高分辨率的降水产品在天气预报,数值模式模拟和气象防灾减灾方面起着重要的作用.本文利用四川地区高密度的地面降水传感器观测数据,比较CMPAS四种不同时空尺度的降水实况分析产品,评估CMPAS的融合准确性与在四川地区的适用性.研究表明:四种CMPAS降水产品都在四川盆地内精度较高,攀西地区和川西高原次之.随着降水量...     

数值天气预报多要素深度学习融合订正方法

数值天气预报作为现代天气预报的主流技术方法,近年来不断朝着精细化方向发展,但预报误差至今仍无法避免.文中在CU-Net模型中引入稠密卷积模块形成数值预报要素偏差订正模型Dense-CUnet,在此基础上进一步融合多种气象要素和地形特征构建了Fuse-CUnet模型,开展不同模型的偏差订正试验和对比分析.以均方根误差(R...     

京津冀夏季雷达定量降水估测的误差统计及定量气候校准

雷达定量降水估测（QPE）是短时临近预报的关键部分,在定量降水预报（QPF）、强降水预警、城市积水内涝、地质山洪灾害、精细化天气服务等方面具有重要作用。利用京津冀地区雷达定量降水估测资料和逐时自动气象站降水观测数据,分析了2011—2016年夏季京津冀地区雷达定量降水估测的误差空间分布特征,并重点提出了一种新的雷达本地化定量气候校准算法。结果表明,京津冀地区雷达定量降水估测较好地反映了总降水量东北—西南带状分布特征,但西北部山区、东北部山区及西南部山区估计偏弱,东北部山前地带估计偏强,西北部存在虚假降水估计,而北京市城区估计最为准确。利用雷达本地化定量气候校准算法对1 h雷达定量降水估测进行气候尺度上的约束订正,检验结果表明,经过校准后的雷达定量降水估测偏差（BIAS）、平均绝对误差（MAE）、均方根误差（RMSE）和均方根相对误差（RRMSE）均减小。绝大部分站点偏差减小幅度超过50%,京津冀东部及南部平原地带平均绝对误差、均方根误差和均方根相对误差减小幅度在20%左右,而北部及西南部山区误差减小幅度相对较小。降水个例检验结果表明,经过雷达定量气候校准后的雷达定量降水估测强度更接近自动气象站观测的降水量级,且降水结构细致,偏差、平均绝对误差和均方根误差均减小,与自动气象站观测降水的相关系数增大,因此该算法有助于改进雷达定量降水估测的准确度。      

概率匹配订正法在湖北襄阳地区降水预报中的应用

数值预报产品在天气预报预警中有着重要的作用。2016—2020年汛期ECMWF模式预报降水与湖北襄阳区域站观测降水的对比分析表明：ECMWF对中雨及以上降雨的预报，第1、2天预报偏小，而第3天预报偏大；三个预报时段强降雨中心位置偏差无规律。为了更好地对ECMWF产品进行释用，提高汛期降水预报准确率，从概率匹配角度研究了不同降水量级订正值，并对2021年汛期ECMWF降水预报进行逐日检验。结果显示：概率匹配订正法可有效地改善模式预报性能，对中雨及以上降雨预报均有良好的订正效果，尤其对第1天暴雨预报改进最为明显。228站平均的TS评分提高了6个百分点，由11.1%增加到17.1%，漏报情况改良了13.5个百分点，由85.0%降为71.5%。采用该订正法开展定量降水预报，由于增加了当地降雨概率分布的背景信息，能表现出比原模式更高的参考价值。     

基于ECMWF模式预报的台风降水地形订正方法

为了解决复杂地形条件下ECMWF模式预报的台风降水较实况显著小的问题,对Smith 1979年提出的地形降水方程进行改进,提出以饱和湿层高度作为方程积分上限,针对不同高度地形设定不同的降水效率;以无量纲湿弗劳德数大于1作为有、无地形降水的判据;利用ECWMF细网格预报场,通过迎风坡地形降水估算方程来订正模式预报的台风降水。用该地形降水订正方法对1617号台风“鲇鱼”的降水进行了订正预报。结果表明,虽然在一些小尺度地形区域会产生明显的空报,但是对于大尺度地形区域的强降水有显著的订正效果。对1513、1521和1614台风的订正结果进一步表明,该地形降水订正方法对改进台风极端降水预报效果显著。需要指出的是,采用的地形降水订正方法仅考虑了稳定条件下的地形降水,对于其他情形下的地形降水订正方法尚待进一步的研究。      

冬奥会复杂山地百米尺度10m风速预报的机器学习订正对比试验

本文以传统机器学习算法XGBoost和深度学习算法CU-Net为基础,针对北京快速更新无缝隙融合与集成预报系统（RISE系统）预报的北京冬奥会延庆及张家口赛区100米分辨率的冬季近地面10 m风速数据,进行每日逐小时起报的未来逐6小时间隔的冬奥高山站点及其周边地区风速预报偏差订正方法研究和对比分析。对于站点订正,首先将RISE系统预测的10 m风速插值到对应的自动气象站站点,然后根据风速等级表归类,针对每个分类单独构建XGBoost模型,每个区间模型合并后形成L-XGBoost,使用均方根误差和预报准确率作为评分标准,结果表明风速归类的L-XGBoost算法订正效果比不归类的原始XGBoost模型有一定提升,说明在传统机器学习中加入归类方法有助于改善复杂山地站点风速预报技巧。对于站点及其周边地区风速订正,本文在CUNet模型基础上,通过引入不同深度的CU-Net子网络,构建了新的算法模型CU-Net++,并考虑了预报日变化误差和复杂地形对10 m风速的影响,以自动气象站为中心构建空间小区域样本数据,对RISE系统风速预报偏差进行订正。试验结果表明,CU-Net和CU-Net++均可以充...     

基于分位数映射法的黑河上游气候模式降水误差订正

区域气候模式降水弥补了高寒山区气象站点稀少的缺陷,是水文模拟的重要驱动变量。然而,高寒山区模式输出降水的总量和频率都存在较大不确定性。因此,改进了用于降水频率纠正的分位数映射法(Quantile Mapping,QM),对中尺度数值预报模式(Weather Research and Forecasting model,WRF)模拟的黑河上游日降水输出数据进行误差订正。选取第95分位和第98分位降水量为阈值,选择2004-2009年为建模时段,2010-2013年为验证时段,使用分段拟合的方法建立传递函数,侧重于对极端降水进行单独订正。研究结果表明:该方法不仅对降水空间分布有明显的改善,对极端降水也有很好的订正效果。订正前模式模拟日降水与台站之间的均方根误差为3.41 mm·d^-1,绝对偏差为115.67 mm·y^-1,订正后均方根误差减少为3.11 mm·d^-1,绝对偏差有明显改善,为60.3 mm·y^-1。订正后流域内年降水空间分布更加合理,年降水量也更接近于观测降水插值结果,其空间相关系数由0.74改善为0.94。春、夏季订正效果优于秋、冬季,其中夏季订正效果较为明显,订正前降水偏差百分比在-0.1~0.1以内的区域面积仅占流域总面积的28%,而订正后占比增加至66%。同时,该方法对极端降水有较好的订正效果,减小了日降水强度(SDII)和极强降水量(R99p)的模拟偏差,订正后的第95分位模拟降水与观测降水插值的相关系数由0.15提高到0.48。本研究为站点稀少的黑河上游提供了一种更有效的误差订正方案,有利于为寒区水文研究获取更精确的降水数据。     

机器学习方法在湖南夏季降水预测中的应用

利用湖南97个国家站的逐月降水资料、国家气候中心130项气候指数集以及国家气候中心和美国国家环境预报中心两套季节预测模式的降水预测资料,采用递归特征消除法确定预测因子并使用多层前馈神经网络、支持向量回归和自然梯度提升三种算法建立了两种湖南夏季降水统计预测方案的模型,检验了预测效果.结果表明:基于机器学习的预测模型对湖南...     

EXPERIMENTS ON DOUBLE DELAYED EQUATIONS OF PRECIPITATION FORECAST

In this article,the delayed equation of precipitation forecast has been raised,and experimentshave been made on the monthly mean precipitation in the stations of Nenjiang and Shanghai.Theresults show that after being debugged,the anomalous symbol of precipitation can reach aforecasting accuracy of 670%-73% with the average relative error less than 15%.     

EXPERIMENTS ON DOUBLE DELAYED EQUATIONS OF PRECIPITATION FORECAST*

In this article,the delayed equation of precipitation forecast has been raised,and experiments have been made on the monthly mean precipitation in the stations of Nenjiang and Shanghai.The results show that after being debugged,the anomalous symbol of precipitation can reach a forecasting accuracy of 670%-73% with the average relative error less than 15%.     

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。     

融合降水实况分析产品在四川地区的适用性评估

利用四川省地面自动站2018年6月—2019年5月的逐小时降水观测资料,在邻近插值和双线性插值对比分析的基础上,从晴雨准确率、降水时空特征、降水分量级检验等多个方面,对国家气象信息中心研制的融合降水实况分析产品在四川地区的适用性进行评估分析。评估结果表明:(1)邻近插值和双线性插值对评估结果影响小。(2)融合降水实况分析产品的完整性好,其平均晴雨准确率为92.6%,对探测降水有无存在较大可能。(3)融合降水实况分析产品的数据质量较高,能反映四川区域年内小时降水的时空变化特征,且随着降水量级的增大,误差相应增大,TS评分相应减小,说明在弱降水量级,融合降水实况分析产品与观测降水更接近。(4)非独立检验的效果好于独立检验,盆地的检验效果好于高原、山区等复杂地区,说明参与评估的站点分布、数据质量对评估结果存在一定影响。     

基于DERF2.0的华南前汛期降水订正

针对我国华南前汛期(4-6月)降水,基于国家气候中心第2代月动力延伸模式(DERF2.0)结果,利用非参数百分位映射方法将模式预测结果转化为概率预报,并进行概率订正.分别选用交叉建模与独立样本建模两种订正方法,并利用偏差、偏差百分率、时间相关系数、均方根误差等统计方法检验订正效果.结果表明:订正方法对预报技巧的改善与起...     

基于SVD与机器学习的华南降水预报订正方法

降水是在多种天气系统和复杂物理过程共同影响下形成的,因此降水预报难度较大。由于数值预报模式的局限性,使得模式预报产品存在一定误差。为探讨更加有效的模式预报产品误差订正方法,基于奇异值分解（SVD）与机器学习（多元线性回归、套索回归、岭回归）构建订正模型,对2007—2019年4月1日—6月30日华南前汛期欧洲中期天气预报中心（EC）模式降水预报产品进行误差订正试验。结果表明:基于SVD与机器学习相结合的订正模型能有效降低EC模式降水预报产品在华南的预报误差,均方根误差最大优化率达4.2%,累计超过69%的站点得到不同程度的优化;SVD与机器学习相结合的订正模型能很好地处理因子间共线性问题,具有更好的鲁棒性;而对多个订正模型加权集成,均方根误差优化率达5.7%,累计超过77%的站点得到优化,显然加权集成方法订正效果不仅优于EC模式预报产品,也优于参与集成的任一订正模型。     

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。