基于集合成员订正的强降水多模式集成预报

基于TIGGE资料集下欧洲中期天气预报中心（ECMWF）、日本气象厅（JMA）、英国气象局（UKMO）、美国国家环境预报中心（NCEP）和中国气象局（CMA）5个气象预报中心2016年5月1日—8月31日中国地区逐日起报预报时效为24~168 h的24 h累积降水量集合预报的结果,对各个集合预报成员进行了频率匹配法的订正,并对订正前后的多模式集成预报效果进行评估。结果表明:采用频率匹配法订正后的降水预报,有效改善了集合平均预报中强降水（日降水量25 mm以上）预报由平滑作用产生的量级偏小现象,使预报的降水量级更接近实况,但对降水落区预报改进不明显。基于卡尔曼滤波技术的集成预报效果优于基于线性回归的超级集合预报和消除偏差集合平均预报,对强降水落区的预报较单模式更优。基于集合成员订正的降水多模式集成预报在强降水的落区预报和降水中心的量级预报更接近实况,效果优于原始多模式集成预报与单模式结果。     

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集合预报产品在重庆暴雨预报中的检验与应用北大核心

利用重庆地区34个国家气象站降水资料和ECMWF集合预报降水资料,系统检验和评估了集合预报统计量产品及后处理技术产品对2014—2016年5—9月重庆暴雨的预报性能。结果表明:集合统计量产品中最大值、90%分位数、融合产品、概率匹配平均、75%分位数对暴雨预报有一定参考性,其中90%分位数和融合产品对暴雨落区预报较好,最大值对暴雨强度预报有一定指示意义,但表现为明显的湿偏差。集合预报后处理技术产品的暴雨TS评分较控制预报和集合平均有明显提高,其中概率预报、最优百分位、融合—概率匹配、频率匹配法的暴雨TS评分超过最大值,对暴雨强度预报具有较好的指导意义,其预报偏差均表现为湿偏差,融合—概率匹配和频率匹配法对暴雨落区预报较好,概率匹配—融合对降低暴雨空报率较好。     

2013年汛期ECMWF集合统计量产品的降水预报检验与分析

2013年汛期ECMWF集合预报在江南、四川盆地和华北地区强降水过程中的表现如下:对江南和四川盆地强降水,概率匹配、融合产品、最大值、75%和90%分位数在大雨和暴雨预报中较确定性预报有明显正技巧,融合产品和90%分位数的技巧评分最稳定;对华北地区强降水,仅90%分位数在大雨预报中有一致的正技巧;上述统计量产品的中期预报技巧评分总体要高于短期预报,对四川盆地(华北地区)暖区强降水预报技巧评分总体要高(低)于对该区域锋面强降水预报技巧评分。根据概率匹配和融合产品各自特点,综合二者原理,设计出概率匹配-融合和融合-概率匹配两种新方案。结果显示,在暴雨和大暴雨降水预报中,融合-概率匹配的评分较融合产品有一定提高。     

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。     

清江流域降水的多模式BMA概率预报试验

基于TIGGE资料中的ECMWF、UKMO、JMA、CMA四套模式的2016年6月1至7月31日逐日降水集合预报资料,结合清江流域10个国家基准站观测数据,建立了流域贝叶斯模型平均(BMA)概率预报模型,开展流域多模式集合BMA技术的概率预报试验与评估。结果表明,在清江流域多模式集合的BMA模型最佳滑动训练期长度为40 d,BMA模型预报比原始集合预报有更高预报技巧,比四个原始集合预报MAE平均值减少近11%左右,而对于CRPS除了CMA中心无订正效果外,较其他三个模式平均值提高近15%左右。多模式集合BMA技术能预报降水全概率PDF曲线和大于某个降水量级的概率,同时能给出确定性降水预报,对于极端强降水(大暴雨一特大暴雨量级),BMA 75～90百分位数预报效果较好,对于强降水(暴雨量级),BMA 50～75百分位数预报效果较好,对于一般性降水(小雨一大雨量级),BMA确定性预报结果或50百分位数预报效果较好。     

基于模式集成的内蒙古夏季降水客观预报方法研究

文章基于消除偏差的模式集成客观预报技术,建立实时运行的降水预报模型,对内蒙古夏季降水进行预报。采用的集成模式资料为内蒙古数值预报业务系统和欧洲中期天气预报中心高分辨率数值预报产品。通过应用频次分布方法对大尺度模式进行预报偏差消除,应用TS权重方法对模式进行集成,建立了分季节、分量级、逐站点的精细化预报模型。对模型预报效果的客观检验结果表明:集成产品在原模式的基础上各量级预报准确率均有提升,主要改善在小雨及大雨和暴雨量级。针对内蒙古夏季发生的大部分大暴雨事件,集成产品在降水范围、强降水落区和极值预报方面都明显优于单模式预报。     

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。     

基于卷积神经网络的逐时降水预报订正方法研究

应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具“潜力”的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。     

集合预报统计学后处理技术研究进展

近年来,随着集合预报的广泛应用,大量新颖的集合预报统计学后处理方法层出不穷,因此有必要对其进行系统地回顾。首先,对单变量集合预报统计后处理方法进行分类介绍,包括基于特定数学分布的参数化方法:逻辑回归、非均匀回归、贝叶斯模型平均、集合敷料法,以及灵活的非参数化方法:排序直方图订正、可靠性曲线订正、衰减平均偏差订正、分位数映射、分位数回归、概率匹配、频率匹配、最优百分位、最优评分法、逐成员订正、相似法、邻域法、基于对象的概率预报方法和虚拟降水法。其次,拓展到须考虑变量依赖性结构的多变量集合预报统计后处理方法,包括参数化的连接方法,以及非参数化的集合连接耦合和Schaake洗牌法。再次,介绍多模式集合和机器学习方法。最后,总结并讨论了常用的集合预报统计后处理方法使用中需要注意的问题。     

超强台风“利奇马”登陆前后多模式降水预报评估对比分析

利用欧洲中期天气预报中心全球模式(ECMWF)、美国全球预报系统(GFS)、中国气象局全球区域一体化同化预报系统—全球数值预报系统(GRAPES_GFS)、上海区域中尺度数值预报业务系统(SMSWARMS)、以及浙江省中尺度数值预报业务系统(ZJWARMS)和浙江省快速更新同化预报系统(ZJWARRS)降水预报资料,开展了各模式对超强台风"利奇马"登陆前后浙江省强降水的预报性能检验评估。结果表明:(1)过程降水预报方面,ECMWF对降水落区预报表现最佳,但对降水极值中心强度的预报技巧较低; 3个区域模式各有优势,其中ZJWARRS和ZJWARMS对登陆点附近及浙西北强降水落区、强度的预报均与实况一致,SMSWARMS对几个强降水落区的预报也表现较好,但雨强偏弱。(2)对逐日降水预报技巧上,登陆前全球模式ECMWF、GFS评分较高,而临近登陆及登陆后区域模式表现较好;其中SMSWARMS、ZJWARRS和ZJWARMS在预报时效12 h内的大暴雨及特大暴雨的预报上有较大优势,尤其ZJWARRS对0～3 h大暴雨的预报技巧表现最为突出。(3)对强降水致灾地区(永嘉、临海、临安)的短时降水预报方面,ZJWARMS无论在落区还是强度预报方面均表现较好,ZJWARRS与之接近,对多个降水中心的预报方面可互为补充;SMSWARMS对降水中心的预报往往存在位置偏差且雨强显著偏弱;全球模式对致灾强降水的短临预报参考价值较低。(4)各模式对850 hPa水汽通量及辐合区的预报差异较大是导致"利奇马"预报降水差异显著的重要原因。对于浙江省级区域来说,ZJWARRS及ZJWARMS在强降水落区及强度的短临预报方面有显著优势。     

多模式融合的广东网格定量降水预报方法的研发与评估

基于ECMWF全球集合预报、华南区域GRAPES中尺度模式及短时临近预报模式,对不同模式降水预报在广东气候背景下的应用效果进行分析,发展耦合多种方法的客观释用产品,实现多尺度模式的融合应用.通过个例和批量检验,结果表明:多尺度模式融合是一个有发展前景的模式客观释用技术,利用频率匹配和最优百分位方法发挥集合预报解释在天气...     

"配料法"用于长江下游暴雨预报

利用配料法,设计了一个表示强降水趋势的参数IZH（强降水指数）,根据2001—2003年NCEP资料计算,得到IZH与降水的对应关系。之后用MM5模式进行运算,得到预报时刻的IZH值,用来预报强降水的产生。IZH作为指示强降水的参数,其正值区域表示有降水的区域,其数值大小反映降水的强度。分析表明,用IZH指数作暴雨预报比用单一物理量作预报的效果要好。     

基于频率匹配法的降水预报订正

使用四川省国家气象站2020年和2021年汛期逐日降水观测资料、欧洲中期天气预报中心（ECMWF）、美国国家环境预报中心（NCEP）两家数值模式24～72 h降水预报资料,采用频率匹配法订正两家模式的预报降水,并进行降水检验和个例对比分析。结果表明,频率匹配法使ECMWF、NCEP的小雨、暴雨预报技巧提升,但中雨、大雨的订正效果不佳。频率匹配法减小小雨空报率,使晴雨预报准确率大幅提升。频率匹配法减小暴雨漏报率,使暴雨TS评分提高,但它无法订正与观测雨量相差较大的暴雨漏报区。     

千米尺度分辨率下GRAPES-Meso4.0模式定量降水预报性能评估

应用覆盖中国东南部的3 km分辨率GRAPES-Meso4.0模式（GRAPES-Meso4.0_3 km）2015年夏季实时预报试验结果、同区域1600多个中国国家地面气象观测站每日08：00-08：00 BT的24 h累积降水量和逐时降水量观测资料,从降水累积量、降水频率、降水强度、日循环特征等多个角度,对千米尺度分辨率下GRAPES-Meso4.0模式的降水预报性能进行细致评估,并与同版本10 km分辨率业务模式（GRAPES-Meso4.0_10 km）同期结果在相同区域进行类同对比分析和讨论。结果表明：（1） GRAPES-Meso4.0_3 km很好地捕捉到了2015年夏季观测的日均降水量和降水频率的大小及地域分布特征,其一般性降水（中雨及以下）频率平均低于实况约3个百分点,强降水（大雨及以上量级）频率与实况近乎吻合,纠正了GRAPES-Meso4.0_10 km在这两方面存在的显著预报正偏差,均方根误差（RMSE）减小了40%-50%;（2） GRAPES-Meso4.0_3 km在降水强度预报上的优势主要表现为：对降水强度的地域分布细致特征和对短时强降水（雨强 ≥ 10 mm/h）的频数和分布等把握比较准确,但对强降水（一般性降水）的强度预报偏强（偏弱）;（3） GRAPES-Meso4.0_3 km小时降水量和降水频率的日循环预报可反映出研究区域观测的双峰总体特征以及雨量和频率在日循环中的紧密联系,明显优于GRAPES-Meso4.0_10 km的表现,尽管下午（16时,北京时）峰的预报还存在偏弱现象;（4）模式分辨率提高到千米尺度和模式显式描述云和降水过程,是GRAPES-Meso4.0_3 km降水预报性能较GRAPES-Meso4.0_10 km提高的关键原因,模式初值差异也是不可忽视的影响因素。     

基于频率匹配法的SWC-WARMS模式降水订正试验

基于西南区域数值预报模式（SWC-WARMS）2019年5~8月00时起报的24h累计降水预报资料和四川省气象站点降水观测资料,采用频率匹配法对6月1日~8月31日降水预报值进行了偏差订正。结果表明:模式预报的24h累计降水量总体为湿偏差;订正后降水量平均绝对误差减小;大雨和暴雨的偏差评分提高;小雨、中雨、大雨的TS评分提高,暴雨TS评分降低;各量级的空报率均有所降低,小雨和中雨漏报率减小,大雨和暴雨漏报率增大,尤其是暴雨漏报率显著增加;当模式对暴雨降水落区预报较好（差）时,频率匹配订正能提高（降低）TS评分。      

降水集合预报集成方法研究

基于TIGGE(the THORPEX Interactive Grand Global Ensemble)资料,对中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)和日本气象厅(JMA)的集合数值预报结果进行降水集成.采用算术平均法、TS评分集成法和BS评分集成法在我国东南地区进行降水集成,对比分析结果表明:基于TS评分的多模式降水集成无论在分区降水评分中,还是在东南地区的台风型降水和非台风型降水实例中,都有效地改进了大雨以上的降水预报效果;基于BS评分的集成方法和算数平均集成法预报效果次之.东南地区5个子区域的降水集成试验结果表明:各子区域基于TS评分集成后降水的平均绝对误差普遍小于基于BS评分后的降水平均绝对误差.广东东南和浙江北部区域基于TS集成后的降水TS评分值最优,浙闽沿海和广东西北部区域基于TS集成后的降水TS评分次之,处于中上水平.基于算术平均集成和BS集成的降水的TS评分值只有在广东东南区域表现出较好的效果.     

基于邻域法的区域模式环渤海短时强降水预报评估

利用2020年5—9月Grapes＿3km、华东、华北、东北中尺度区域模式降水预报资料和中国气象局陆面数据同化系统产品数据集1 h降水资料,基于邻域法对副热带高压外围850 hPa切变线、东北冷涡、500 hPa高空槽、台风、台风外围500 hPa高空槽和850 hPa切变线5类影响系统下环渤海区域的短时强降水预报(≥20 mm·h^-1)进行检验评估。结果表明：5 km邻域时,各区域模式在环渤海区域短时强降水预报的FSS和命中率都很低,随着邻域增大,从50 km邻域开始,检验结果给出了当预报存在位移偏差时有价值的评分结果。第5类影响系统下的短时强降水,Grapes＿3km和华东区域模式分数技巧评分(FSS)分别于250 km和300 km邻域达到了最低预报技巧,其他区域模式各邻域均未达到最低预报技巧。其他影响系统下的短时强降水,4种模式各邻域FSS均未达到最低预报技巧,在各邻域华北区域模式对于第2、3、4类影响系统下的短时强降水预报FSS高于其他模式,Grapes＿3km对于第1类影响系统下的短时强降水预报FSS高于其他模式。根据命中率和空报率的检验结果,Grap...     

多普勒雷达风廓线的反演及变分同化试验

为了将雷达风场资料更好地应用到数值预报模式中, 使用VAD方法反演多普勒雷达风廓线并处理成标准的探空资料进行变分同化试验。结果表明: VAD方法反演的风廓线与探空实况对应较好, 验证了用VAD技术反演风廓线的可行性。用GRAPES-Meso模式的三维变分同化系统对雷达风廓线资料进行同化后, 风场的初始场明显改善, 降水强度和落区预报也有不同程度的改善。其中, 对6 h降水预报的改善明显优于对24 h的预报改善。另外, 在短时强降水预报中, 雷达风场资料的同化频率和同化窗口的不同, 对降水预报的改善情况也有所差异。在个例研究中, 同化间隔为1 h的方案6 h降水预报要优于同化间隔为3 h和6 h的方案, 同化窗口为3 h的试验方案6 h降水预报要好于同化窗口为6 h的试验方案。     

青藏高原东侧"2003.8.28"暴雨的集合预报试验

利用MM5模式和国家气象中心的T213模式的预报资料,通过研究非绝热物理过程参数化方案对高原东侧"2003.8.28"暴雨数值预报的影响特征,进行了多物理模式集合预报试验,为开展青藏高原东侧集合预报扰动技术研究进行了试验.试验结果表明,模式物理参数化方案对中尺度降水预报结果有明显影响,包括局地降水强度、空间分布型态、时间演变特征等.随着模式分辨率的提高,积云对流参数化方案将增加小雨量级降水区域,产生一些虚假降水,就现阶段模式水平而言,高分辨率集合预报应重点发展考虑强降水预报不确定性的集合预报模式系统.多物理模式集合预报的初步试验结果表明,高分辨率集合预报可以改进单一确定性预报结果不稳定的缺点,为强降水灾害性天气预报提供有价值的预报信息.