超级集合预报的误差订正与集成研究

利用类似KALMAN滤波的自适应误差订正法对中国国家气象中心、日本气象厅、美国国家环境预报中心、加拿大气象中心和澳大利亚-法国气象局的区域集合预报模式2m温度预报做订正,并对订正后的结果采用算术平均和多元回归两种方法进行集成.结果表明:订正后温度预报的各项检验指标都显示出不同程度的改善.36h内平均绝对误差在1.8℃以内;均方根误差也有明显减小,且与离散度大小更接近;talagrand图的U型分布仍然存在,但个别成员异常的现象得到改善;集合成员预报分簇的现象得到了很好的矫正;此外预报误差存在日变化.两种集成方法的温度预报结果都优于单一模式预报,并且不存在明显的系统误差,预报达到了一定精度.其中多元回归方法的集成效果胜于算术平均集成.     

面向台风暴雨的集合预报成员优选订正技术研究及应用试验

利用欧洲中期天气预报中心和美国国家环境预报中心2017年5—8月逐日降水预报资料及同时段MICAPS降水观测资料,采用频率匹配技术对江淮流域夏季降水预报进行模式偏差订正及改进技术探讨。结果表明：（1）模式对小雨预报偏多,存在大量空报;对大雨及以上降水预报偏少,存在较大漏报。（2）偏差订正通过下调小量级降水、上调大量级降水,使各量级降水的强度和面积偏差均得到一定程度改善,降水量级两端订正效果明显,订正后小雨和暴雨准确率显著提升。（3）偏差订正对暴雨落区预报的改进效果与过程相关,个例分析表明：对于雨带位置预报较准确的大范围梅雨锋暴雨,偏差订正后暴雨TS评分明显提升;对于副高边缘的小范围暴雨以及雨带位置预报失误的梅雨锋暴雨或台风暴雨,偏差订正后暴雨TS评分改善不明显甚至降低。（4）针对上述问题,提出了系数动态调整和模式集成的改进思路,即对于平均雨量5 mm以下的小范围暴雨,适当上调订正系数;平均雨量在15 mm以上的大范围暴雨,适当下调订正系数。模式集成订正可有效提高暴雨TS评分。

     

基于集合预报的四川夏季强降水订正试验

四川历来多暴雨洪涝,然而其发生具有很多不确定的因素,预报难度很大。从观测与模式预报的累积概率密度函数角度出发,利用2007—2012年6—8月中国降水观测格点资料和2012—2013年6—8月ECMWF模式集合预报资料,探索了一种提高四川地区强降水预报准确率的方法——概率阈值订正法,并运用该方法对2012年6—8月盆地东部的降水过程进行批量试验。试验结果表明:订正后的模式预报相比订正前的预报而言,不仅强降水落区更接近实况,而且较大程度地延长了预报时效,能提前6~7天给出强降水过程的警示信息,经过订正后显著提升了ECMWF模式的降水预报水平。      

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。     

基于评分最优化的模式降水预报订正算法对比

使用2013年1月1日-2016年1月7日全国气象站观测资料,应用准对称混合滑动训练期,不改变雨带预报位置和形态,基于模式降水预报订正结果的TS评分最优化及ETS评分最优化,分别设计最优TS评分订正法（OTS）和最优ETS评分订正法（OETS）确定预报日各级降水订正系数,对2014-2015年降水数值预报进行分级订正,并与频率匹配法（FM）对比。结果表明:在24 h累积降水的多个预报时效订正中,无论是对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和中国气象局的全球模式降水预报,还是对4个模式的简单多模式平均,OTS和OETS较FM在TS评分和ETS评分等传统降水检验指标上均更优秀,其中OTS在所有时效均能提高模式降水预报质量,为三者最优。在概率空间的稳定公平误差评分方面,OTS在各时效、各单模式及多模式平均等方面优势明显。在预报员对应参考时效上,OTS在24~168 h的24 h累积降水预报中的TS评分也优于主观预报。     

多模式降水分级最优化权重集成预报技术

为综合不同模式对不同量级降水的预报优势,设计一种全球模式与区域模式结合的降水分级最优化权重集成预报算法,集成经最优TS评分订正法（optimal threat score,OTS）订正后的欧洲中期天气预报中心降水预报产品（以下简称EC-OTS）和华东区域中尺度模式降水预报产品（以下简称SMS-OTS）。以泛长江区域（23°~39°N,101°~123°E）为研究范围,基于2018年不同降水量级的TS评分最优化确定SMS-OTS和EC-OTS在不同降水量级时的最优权重系数以及最优集成方案,并以2019年降水数据为独立样本进行预报试验。结果表明：对于最优权重系数,EC-OTS在低降水量级权重较大,随着降水量级的加大,SMS-OTS的权重也逐渐加大;最优集成方案为初始集成降水量预报取SMS-OTS,集成运算迭代3次;集成预报在几乎所有预报时效、所有降水量级的TS评分均高于EC-OTS和SMS-OTS,其平均绝对误差略小于EC-OTS,显著小于SMS-OTS;集成预报12 h累积降水预报的TS评分较省级预报员主观预报高-0.009~0.041,24 h累积降水预报的TS评分较国家气象中心预报员主观预报高0.009~0.023。     

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...     

中尺度集合预报的二阶矩离散度订正研究

利用类似KALMAN滤波的自适应误差订正方法对中国国家气象中心的中尺度集合预报系统2m温度预报做二阶矩离散度订正研究.通过对预报结果,尤其是概率预报结果比较详尽的检验分析,评价二阶矩订正对离散度的调整效果.结果表明:经过二阶矩订正后,2m温度的订正效果较为显著,集合成员预报的PDF分布比较一致,CRPS也比订正前减小了;预报的离散度得到合理的增大且与均方根误差较为接近,预报可靠性提高;无论是集合平均预报还是概率预报,预报能力都明显提高; 另外,针对集合概率预报可靠性的talagrand分布,针对集合预报分辨能力的roc分析和EV分析,以及概率预报评分bs、bss都从各自的角度证明了误差订正的效果,订正后预报能力大为提高.     

两种定量集合降水预报方法对比分析

文章基于EC集合平均预报产品,选取EC集合预报的51个成员包括温度(500h Pa和700hpa)及降水量,以内蒙古2014年8月份5次暴雨降水过程为例,用择优法(以500h Pa和700h Pa的温度差即稳定度相关系数作为对集合成员的筛选因子)进行试验,并与集合平均预报方法进行对比,结果如下:(1)在短期24h预报中集合成员个数增加到3时预报效果得到一定改善,并优于集合平均法的预报,成员个数增加到较多(如4或5时)或减少到2时预报效果反而较差。因此分析集合预报中集合成员的个数对预报结果的影响有非常重要的意义;(2)无论是集合平均法还是择优法对小量级降水预报效果好于大雨以上降水预报,因此有必要去分析更好的集合预报方法使得集合预报在灾害性天气预报中应用得到进一步发展。     

多模式集合预报技术及其分析与检验

基于国家气象中心天气预报业务平台,对德国、日本、欧洲中心数值预报模式和我国T213模式的夏季预报产品进行检验,在此基础上,通过不同模式对目标区域预报能力的分析,分别应用神经元网络预报技术和基于Ts评分的客观多模式权重系数法(ME),建立了4个模式的集合预报方法,并应用于2005年汛期业务运行。结果表明:ME对短期降水预报技巧高于简单集合平均,因此具有一定的业务应用前景。     

多模式短期集合降水概率预报试验

利用AREM、MM5和WRF3个中尺度数值模式,通过积云参数化和边界层方案组合构成15个集合成员,对中国2003年7月汛期降水分别采用平均法、相关法、Rank法开展多模式短期集合降水概率预报试验。结果表明：用上述3种方法制作的多模式短期集合概率预报都能对降水落区及中心做出较准确的预报,但平均法和相关法易使降水落区虚假放大,Rank法则能较好地刻画降水落区边界及强度,其概率预报效果优于平均法和相关法结果。采用BS（Brier score）、RPS（ranked probability score）评分和ROC（relative operating characteristic）曲线对3种方法的降水概率预报效果评价时发现,对某一临界值等级的概率预报,3种方法结果差异较小;但对某一天降水概率预报结果的综合评价表明,Rank法显著优于前两种方法;降水强度大、范围广的降水的RPS评分和各级的BS评分较高,表明多模式降水概率预报也具艰巨性。     

短期集合预报中定量降水预报集合方法初探

针对短期集合预报中集合平均等方法对极端天气事件预报能力低下的缺陷，提出一种定量降水预报集合方法，简称两步法。该方法首先采用逐级归并法确定集合成员的总体相似度，进而确定集合成员预报场的延伸半径，对各成员的预报场进行修正，然后根据每个成员与其他成员的相似程度，确定各成员的权重系数。这个方法既考虑了集合成员总体的差异性又考虑了降水的概率分布。试验证明，通过上述两步得到的定量降水预报，对提高极端天气事件的预报确率有一定效果。本方法无需历史资料，能很好适应集合成员的改变，实现方便快捷。     

“频率匹配法”在集合降水预报中的应用研究

基于“频率匹配法”的思路,采用两种方法进行了集合降水预报的订正研究,一种方法是利用集合成员降水频率订正简单集合平均平滑效应的“概率匹配平均”法,另一种方法是利用实况降水频率订正集合成员降水预报系统偏差的“预报偏差订正”法,通过个例和批量试验,结果表明:(1)概率匹配平均法可以矫正简单集合平均的平滑作用所造成的小量级降水分布范围增大而强降水被削弱的负作用,这种改进对强降水区更显著,并且集合系统离散度越大这种改进也越大;但该方法对预报区域内总降水量的预报没有改进作用,不能改善预报的系统性偏差.(2)虽然预报偏差订正法对降水落区预报的改进有限,但可以订正模式降水预报的系统性误差,改进雨量预报以及集合预报系统的离散度特征和概率预报技巧;直接对集合平均预报进行偏差订正的效果优于单个成员偏差订正后的简单算术平均.(3)在对每个集合成员的降水预报进行偏差订正后,概率匹配平均仍可改善其简单平均的效果,因此在实际业务中,应该综合采用上述两种方法,以获得在消除系统性偏差的同时各量级降水分布又合理的集合平均降水预报.     

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。     

A CRPS-Based Spatial Technique for the Verification of Ensemble Precipitation Forecasts

Traditional precipitation skill scores are affected by the well-known“double penalty”problem caused by the slight spatial or temporal mismatches between forecasts and observations. The fuzzy (neighborhood) method has been proposed for deterministic simulations and shown some ability to solve this problem. The increasing resolution of ensemble forecasts of precipitation means that they now have similar problems as deterministic forecasts. We developed an ensemble precipitation verification skill score, i.e., the Spatial Continuous Ranked Probability Score (SCRPS), and used it to extend spatial verification from deterministic into ensemble forecasts. The SCRPS is a spatial technique based on the Continuous Ranked Probability Score (CRPS) and the fuzzy method. A fast binomial random variation generator was used to obtain random indexes based on the climatological mean observed frequency, which were then used in the reference score to calculate the skill score of the SCRPS. The verification results obtained using daily forecast products from the ECMWF ensemble forecasts and quantitative precipitation estimation products from the OPERA datasets during June-August 2018 shows that the spatial score is not affected by the number of ensemble forecast members and that a consistent assessment can be obtained. The score can reflect the performance of ensemble forecasts in modeling precipitation and thus can be widely used.     

基于卡尔曼动态频率的ECMWF降水预报订正

利用2019年1月至2020年2月ECMWF细网格模式降水预报和388个自动气象站降水观测资料,以及国家气象信息中心三源网格降水量融合分析产品,在降水频率客观分析检验的基础上,采用卡尔曼动态频率匹配方法对ECMWF网格降水预报进行订正,所得结论如下:ECMWF模式小雨以上量级降水预报频率较观测明显偏多,暴雨偏少;模式预...     

Skill Assessment of Copernicus Climate Change Service Seasonal Ensemble Precipitation Forecasts over Iran

Medium to long-term precipitation forecasting plays a pivotal role in water resource management and development of warning systems.Recently,the Copernicus Climate Change Service(C3S)database has been releasing monthly forecasts for lead times of up to three months for public use.This study evaluated the ensemble forecasts of three C3S models over the period 1993-2017 in Iran’s eight classified precipitation clusters for one-to three-month lead times.Probabilistic and non-probabilistic criteria were used for evaluation.Furthermore,the skill of selected models was analyzed in dry and wet periods in different precipitation clusters.The results indicated that the models performed best in western precipitation clusters,while in the northern humid cluster the models had negative skill scores.All models were better at forecasting upper-tercile events in dry seasons and lower-tercile events in wet seasons.Moreover,with increasing lead time,the forecast skill of the models worsened.In terms of forecasting in dry and wet years,the forecasts of the models were generally close to observations,albeit they underestimated several severe dry periods and overestimated a few wet periods.Moreover,the multi-model forecasts generated via multivariate regression of the forecasts of the three models yielded better results compared with those of individual models.In general,the ECMWF and UKMO models were found to be appropriate for one-month-ahead precipitation forecasting in most clusters of Iran.For the clusters considered in Iran and for the long-range system versions considered,the Météo France model had lower skill than the other models.     

河南“75.8"大暴雨的中尺度集合预报试验

发生在河南的"75.8"特大暴雨是我国历史上影响最大、受灾程度最严重的一次灾害性天气过程.其造成的人员伤亡与唐山地震相当,造成的经济损失近百亿元,我国气象学家对此展开过大量的研究,其可预报性问题一直都受关注.尝试采用近年来在预报理论与实践中提出的中尺度集合预报技术,以GRAPES中尺度有限区模式作为试验模式工具,针对此次过程展开两组试验.试验1主要着眼于对暴雨有较大影响的积云对流参数化方案,分别从对流激发和大尺度环境场相互作用的角度出发,对其中一些经验性参数在合理取值范围内给予调整,使其在一定程度上表征模式的不确定性,来构建集合成员.试验结果表明:对流参数化方案中不同的参数对降水的影响作用各不相同,空间上对于降水落区的影响不是很大,但是对降水强度的改善却很明显,集合平均对强暴雨中心的体现有积极作用,平均后的暴雨区最大降水量预报为90mm/24h,比"确定性"预报(控制试验)值70mm/24h改善了约30%,最佳的单个成员的暴雨区最大降水量预报值(120mm/24h)比控制试验预报(70mm/24h)提高了70%;时间上看,不同的参数会影响到积云对流的激发,使得降水发生的时间有所不同,进而影响后续降水的发展.试验2利用模式不同分辨率和不同物理参数化方案的组合来构造集合成员,进行中尺度集合预报试验,试验结果表明:简单的集合平均能在一定程度上改善降水强度,与高分辨率模式预报结果比较,暴雨中心降水量约提高了20%～30%.可见:集合预报能在一定程度上减弱模式不确定性的影响;对流参数化方案和经验性参数的差异、模式分辨率的差异确实对模拟结果有一定的影响.