MEOFIS平台的苏州本地化释用和气温检验

基于现代天气业务发展要求而开发的MEOFIS精细化气象要素客观预报平台已被苏州市气象局引进并业务运行。该平台利用T639模式输出资料结合苏州历史实况资料建立预报方程,采用"动力-统计预报方法",得到了具有精细化指导作用的要素预报产品,时间分辨率为3 h,空间分辨率达乡镇级。经客观检验,2011年7月24 h日最低气温2℃以内准确率达90.3%、日最高气温达74.2%、逐3 h气温准确率达82.7%,对业务预报有指导意义。误差分析表明,如果相邻两天的日最高、最低气温起伏剧烈,对应时段内MEOFIS的预报误差则较大。利用集合经验正交分解(EEMD),对逐3 h气温预报滤波发现,MEOFIS的预报误差仍具有一波和二波的显著周期,通过滤波可使气温预报准确率提高。     

基于SCMOC的贵州最高气温预报方法研究

为探究最高气温预报准确率偏低这一现象,采用2013—2018年SCMOC精细化指导预报资料及气象站观测资料,对贵州省85站24～72 h最高气温预报开展研究。通过建立横向预报模型(F1)、纵向预报模型(F2)以及横向与纵向预报相整合的预报模型(Fzh),对贵州日最高气温进行预报试验。结果表明,无论平均均方根误差还是预报准确率,各模型预报效果均有不同程度改进,三种客观订正预报中Fzh表现最优;相对于SCMOC,F1春、夏季的预报优于秋、冬季,且贵州省北部地区改进较南部明显,F2四季均有改进,总体较平稳;Fzh预报结果明显优于F1和F2,均方根误差得到明显改善,平均RMSE下降1.0～2.0℃,准确率平均提高11%～13%。     

三种数值模式气温预报产品的检验及误差订正方法研究

基于德国天气在线T7online(简称T7)、ECMWF细网格(简称EC)及T639三种数值模式的气温预报产品,结合本溪站气象观测资料,对三种数值模式2014年1月至2015年12月本溪市气温预报的准确率及预报误差进行了检验和分析,根据误差分析结果利用BP神经网络模型建立了本溪市数值模式气温预报误差客观化订正模型。结果表明:对于气温预报的年检验,T7、EC和T639三种数值模式的最低气温预报准确率均高于最高气温的预报准确率;对于气温预报的月检验,三种数值模式对夏季、秋季最低气温的预报效果明显优于冬季和春季,而对于最高气温的预报,T7的气温预报准确率明显优于EC和T639模式;当气温波动较大时,三种数值模式气温的预报准确率均明显下降。三种数值模式对最低气温预报的平均误差均为2.00℃以内,对最高气温的预报准确率存较大差别,T7模式最高气温的预报误差最小,T639模式气温预报的系统偏差最明显,最低气温系统偏差为-1.34℃,最高气温系统偏差为-2.87℃。根据三种数值模式气温预报误差的特征,结合BP神经网络建立本溪市气温误差预报模型对数值模式气温预报结果进行订正,订正后气温平均绝对误差由2.40℃左右降至1.40℃左右,系统偏差和均方根误差均明显缩小,气温预报准确率由50%左右提高至80%以上,数值模式气温预报准确率明显提高,具有较好的应用价值。     

两种确定性初值形成方案对集合预报技巧的影响研究

为了进一步提高GRAPES-REPS的降水预报性能,将GRAPES-Meso业务模式的高分辨率同化分析初值通过动力升尺度方法(简称GRAPES-M-US方案)产生GRAPES-REPS确定性初值,在此基础上进行了连续10 d的集合预报试验,并与基于T639全球模式同化分析初值动力降尺度方案(简称T639-G-DS方案)得到的确定性初值以及相应的集合预报结果进行了对比分析及预报检验,重点关注了降水预报的检验结果。结果表明:基于GRAPES-M-US方案得到的确定性初值相对于T639-G-DS方案得到的确定性初值而言,在低层具备更多的中小尺度信息;低层连续性变量预报表现较好,850 hPa的位势高度和温度的均方根误差以及概率预报评分(CRPS)均表现出了一定的改进效果,而中层和高层要素改进不显著,10 m风速均方根误差和CRPS均有较明显的改进效果,2 m温度均方根误差和CRPS则基本相当;对降水预报而言,24 h预报时效的小雨、中雨和大雨量级的TS评分、Brier评分和相对作用特征面积(AROC)均有一定的改进,其余预报时效总体而言基本相当或略有负效果;在2017年8月7日的强降水个例中,对强降水落区和强度的预报表现出了一定的"细化"和"纠偏"效果;总体而言,GRAPES-M-US方案较T639-G-DS方案表现出了一定的优势,特别是在短期降水预报方面。     

日极端气温的多模式集成预报应用及检验

基于Grapes、T639、ECMWF和JMA精细化数值模式,利用平均集成(EMN)、反误差加权集成(IEWE)、消除偏差加权集成(BRWE)法进行广州5个观测站的日极端气温集成预报研究。结果表明:(1)数值模式对最高气温的预报较为接近,其中Grapes模式的预报效果相对较优;模式对最低气温的预报普遍优于最高气温,ECMWF模式明显优于其余3种数值模式。(2)BRWE的效果最好,尤其对最高气温预报有明显改善,其24~72 h预报效果较最优的Grapes模式分别提高了27.6%、17.1%、9.9%;对最低气温的预报亦有改进,24 h预报误差较最优的ECMWF模式提高12.5%,但48~72 h的改进效果则不明显。(3)集成预报在不同季节的效果有一定差异,在夏秋、冬季节,BRWE的最高气温预报效果明显高于春季;而BRWE的最低气温预报在春、夏季节具有较高的应用价值。     

2010年汛期多模式对山东降水预报的检验

为提高数值预报模式在山东汛期降水的预报能力,为降水预报及模式物理参数方案选择和调整提供客观依据,对2010年汛期（6-9月）山东区域MM5、WRF-RUC（WRF快速循环同化系统）和T639模式24 h、48 h累积降水预报产品,进行晴雨、一般性降水和分量级降水TS评分及平均绝对误差、平均误差分析。结果表明：从晴雨预报准确率来看,3种模式相差不大;一般性降水和小雨预报,MM5模式评分结果最差,T639模式预报效果最好;中雨以上量级,24 h降水T639模式预报效果最好,特别是24 h大暴雨评分T639模式达到了10.37 %,而48 h降水T639模式预报效果下降明显。无论24 h降水还是48 h降水,除9月WRF-RUC模式平均绝对误差最小外,6-8月T639模式平均绝对误差均为最低,WRF-RUC模式24 h和48 h降水各月平均误差均为负偏差;不同的降水预报检验方案和天气过程类型对检验结果有一定的影响。     

贵州中西部道路结冰气象影响因子检验评估

该文利用日常业务应用的中央台精细化预报(CMA-thin)、中国T639、欧洲中期天气预报中心(ECMWF)和日本气象厅(JMA)4个预报中心的预报资料,采用均方根误差和预报准确率对各预报中心中影响道路结冰的气象因子进行检验分析。结果表明在72 h预报内在不同时刻起报场中,T639在08时起报的相对湿度效果最好;日最高气温、最低气温及0℃以下的气温预报准确率EC细网格最高;降水预报以JMA最优。该结论一方面为贵州中西部道路结冰监测预警预报系统的建设提供最优要素选择;另一方面使预报员在多个数值预报中相对信任某个预报中心的要素预报,缩短了预报员的参考和选择时间。最后通过2012年12月29—31日道路结冰个例进行对比分析,很好地验证了上述检验结论。     

MEOFIS平台的苏州本地化释用和气温检验

基于现代天气业务发展要求而开发的MEOFIS精细化气象要素客观预报平台已被苏州市气象局引进并业务运行.该平台利用T639模式输出资料结合苏州历史实况资料建立预报方程,采用“动力-统计预报方法”,得到了具有精细化指导作用的要素预报产品,时间分辨率为3h,空间分辨率达乡镇级.经客观检验,2011年7月24 h日最低气温2℃...     

T213与T639资料驱动WRF的预报初步检验比较

使用2009年春季和夏季两个时段全国08时24h雨量观测资料,采取累积降水检验、平均误差和均方根误差分析方法,对用T213资料驱动WRF(WRF-T213)和用T639资料驱动WRF(WRF-T639)的预报进行评估检验和比较,并选择一次降水过程作对比分析。主要结果如下:WRF-T639部分雨量级的Ts评分有时略低于WRF-T213,但其空报率和系统偏差比WRF-T213小,从而使其预报效率和ETS评分均高于WRF-T213;分析24、48h的500hPa高度场、850hPa风场和海平面气压预报的平均误差及均方根误差发现,WRF-T639的形势场预报总体上优于WRF-T213;降水个例分析表明,WRF-T213预报的高压脊偏强,西南急流区以及有利的涡度场、散度场和垂直速度位置偏北,这导致其雨区偏北,WRF-T639对高度场、风场等的预报均优于WRF-T213,降水落区的预报和实况接近,其预报的地面低压偏强是造成雨量偏大的原因之一。     

2014年6—8月数值模式产品对山东气温预报的检验分析

为检验不同数值模式产品对山东不同站点2m日最高、最低气温24h预报效果,利用2014年6—8月逐3h的WRF-RUC、EnWRF确定性预报、不同集合百分位数、T639、中国气象局下发的T639-MOS解释应用产品以及EC细网格预报进行TS评分、误差等分析。结果表明：EC细网格对内陆最高气温预报准确率最高,EnWRF确定性预报次之,EC细网格和T639-MOS对内陆最低气温预报准确率最高。T639和EC细网格分别对沿海最高和最低气温预报准确率最高。对各模式单站气温预报进行最优模式分析发现,对于最高气温预报最优的模式为EC细网格和EnWRF确定性预报,分别集中在鲁西南和鲁北、鲁中和鲁东南。对于最低气温预报最优的模式为EC细网格和T639-MOS,T639-MOS主要对鲁中山区预报较好,其他地区两个模式预报效果基本相当。     

T639和德国模式对新疆地区大降水预报的检验

对T639和德国数值预报模式(简称德国模式)的降水预报产品进行了分类检验,挑选新疆2011年6场大降水过程分别进行晴雨、大雨(雪)、暴雨(雪)对比分析,了解了降水模式产品误差并为业务中选择较好的预报产品提供了依据。结果表明:两种模式对预报过程降水落区和强降水中心都有较好的指示意义,在过程累计降水预报中,德国模式的晴雨预报准确率为80.49%,高于T639模式;大雨(雪)预报的准确率两种模式接近,大约为44%;T639模式暴雨预报的准确率为29.07%,明显高于德国模式。在逐24 h降水预报中,两种模式都以48～72 h的预报准确率为最高。     

廊坊地区5种数值模式降水预报性能检验与评估

为了提高廊坊地区降水预报数值产品的释用能力,利用廊坊市9个气象观测站24 h的实况降水资料和日本(JPN)、德国(GER)、GRAPES、T639及MM 5模式的降水预报产品资料,对目前降水预报业务中广泛使用的5种数值模式的预报效果进行检验分析。结果表明:日本(JPN)和德国(GER)模式对≥10.0 mm及≥25.0 mm量级降水预报的TS评分比其他模式高10.0%—40.0%,夏季MM 5模式对≥50.0 mm量级降水的预报表现出一定的优越性;T639、GRAPES模式分别对大雨及以上量级的降雨和小雪预报效果较好,日本、德国模式对中雪和大雪的预报表现出一定的优势,T639模式对暴雪预报的TS评分达33.3%,高于其他模式。     

AMDAR资料在北京数值预报系统中的同化应用

该文针对北京市气象局业务快速更新循环同化预报系统(BJ-RUC),通过对有无飞机观测资料参加同化的预报试验客观要素预报均方根误差和降水量TS评分的对比分析,探讨了飞机观测资料对短期数值天气预报的影响。结果表明:飞机观测资料的同化对于前9 h预报时效内的高空风和温度预报有明显的正面影响。其中,对风预报的正面影响集中在925~250 hPa高度上;而对温度预报的正面影响主要体现在850~400 hPa之间的各层内。在快速更新循环的暖启动模式下,飞机观测资料同化比冷启动模式下带给预报结果更明显的正面贡献。飞机观测资料参加同化对于降水预报技巧的提高也有正面效应,对24 h和12 h累积降水量TS评分以及12~18 h和18~24 h时段内的6 h累积降水TS评分有明显提高,提高的最大幅度达50%,并对相应阈值和时段内无飞机观测资料参加同化的试验中雨区偏大现象有改善。分析增量分布特征与同化带来的风温要素3 h预报改进的垂直特征基本对应,表明飞机观测资料参加同化对初始场中风场和温度场质量的改进。     

六种数值模式对芜湖市地面气温和降水预报的对比检验分析

对2008年7月至2009年6月JMA、T213、GRAPES、MM5、T639和GERMANY 6种数值模式产品对芜湖市的地面气温和降水预报结果进行了对比检验分析,结果表明:各模式对最高气温的预报能力一般,其中JMA、GRAPES、T639相对较好;对最低气温的预报JMA表现突出,而GRAPES在冬季预报能力较好.各模式对于芜湖站降水的预报均无绝对优势,对各等级的降水预报效果各有千秋.对于≥0.1 mm降水,JMA和GERMANY在24 h时效内TS评分较高,且JMA漏报率很低,GERMANY空报率较低,T639则从48 h时效起TS评分最高,且漏报率较低;对于≥10 mm降水,T639的TS评分较高且漏报率较低,GERMANY和GRAPES在48 h时效内评分也较高且空报率低,JMA在48 h时效后空报率较高,成绩较差;JMA、T639和GERMANY对强降水预报能力相对较强,特别是T639对暴雨比较敏感,而各模式在72 h之后对强降水的预报能力较差.另外,各模式对降水预报的TS评分均为夏季低、冬季高,空报率均为夏季高、冬季低.     

基于多模式集成技术的地面气温精细化预报

基于ECMWF、JMA、T639、WRF四个数值模式2012年6月1日—9月30日地面气温3—60 h预报资料和郑州加密自动站资料,利用多模式集合平均(EMN)、消除偏差集合平均(BREM)、加权消除偏差集合(WBREM)及多模式超级集合(SUP)4种方法,对2012年8月29日—9月27日郑州城区11个站点地面逐3 h气温进行多模式集成预报试验,采用绝对误差对预报结果进行检验评估,结果表明:在30天的预报期内,BREM、WBREM及SUP对于大多数站气温预报效果有明显改善,而EMN方案对11个站预报效果改善则不太明显;4种方案中,BREM和WBREM预报效果相对较好且稳定,各个站上3—60 h预报的绝对误差均在2℃附近或以下;SUP方案虽然对个别站预报误差较低,但是其预报效果并不稳定,一些站点的个别预报时效误差大于2℃。对于郑州观测站的气温预报而言,4种集成方案20时起报的气温误差明显小于08时起报的误差,并且20时起报的SUP集成方案绝对误差明显小于其他方案的绝对误差。总体而言,BREM、WBREM及SUP三种集成方案能够给郑州精细化预报业务提供较好的参考。     

临沂中尺度数值预报系统及应用

介绍了临沂中尺度数值预报系统及预报产品的释用和模式系统应用雷达资料情况,并对2005年6~10月的业务运行结果进行了检验,对小雨和中雨预报效果较好,TS评分较高,对夜间温度预报平均值绝对误差在1.52~2.52℃之间,平均均方根误差在2.01~2.93℃之间。该系统降水预报质量较高,气温预报误差小,准确率高,对定时、定点、定量的精细化预报具有较高的参考价值。应用自主开发的SDAF软件包,对系统的预报产品进行释用,研制了暴雨、空气质量、极端气温、干热风等预报方法。将多普勒雷达回波强度加入模式,改变模式水汽场,明显改进了预报。对径向速度反演降水系统内部风场进入中尺度模式进行了初步试验,得出了一些有益结论。     

2008年初中国南方冰冻雨雪天气的多模式集成预报

利用逐日平均气温和24小时累积降水量资料研究了2008年初中国南方低温雨雪极端天气事件的特征。还利用TIGGE(THORPEX Interactive Grand Global Ensemble)资料中欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)以及中国气象局(CMA)提供的集合预报资料进行多模式集成预报试验。结果表明,2008年初中国南方1/3以上测站的降水偏多达50年一遇,50年一遇的低温还出现在贵州和湖南西部。利用滑动训练期消除偏差集合平均(R-BREM)方法对地面气温做24～216 h预报,发现其预报技巧明显高于单个模式预报和其它多模式集成方法的预报技巧。以欧洲中期天气预报中心地面气温96 h预报的均方根误差作为标准,R-BREM方法能将中国东南部地区的气温预报时效延长到192 h。R-BREM方法还能有效地提高降水预报的准确率,24～192 h小雨预报的TS评分明显高于单个模式预报及其它多模式集成预报的评分,但72 h预报例外。对于24～192 h中雨预报,R-BREM方法也较单个模式及其它多模式集成预报方法的预报技巧高。      

T213与T639模式热带气旋预报误差对比

应用国家气象中心全球谱模式T213L31(简称T213) 及其升级版本T639L60(简称T639) 对2009—2010年西北太平洋热带气旋数值预报的结果进行对比。结果表明:T213与T639模式24～120 h预报平均距离误差基本相近,但由于T639模式分辨率较高,T639模式的热带气旋强度预报明显好于T213模式。从分类误差来看,T639模式对于西北行登陆及转向热带气旋的路径预报好于T213模式,但对西行及北上热带气旋预报误差偏大。对于异常路径热带气旋预报,T639模式能较好预报环流形势的突然调整,对路径突变的热带气旋预报比T213模式有明显优势;从登陆类热带气旋预报的移向误差来看,T213模式存在东北偏北向系统性偏差,T639模式存在东北偏东向系统性偏差。     

华南3 km高分辨率区域模式气温预报在贵州的质量检验

利用2018年1—10月华南3 km区域高分辨率模式08时、20时起报的气温预报和实况资料,采用线性内插法进行站点预报值处理,并从平均均方根误差及预报准确率的角度,检验分析了贵州省72 h预报内逐24 h最高(低)气温预报质量。结果表明,72 h内随着预报时效的增加,预报准确率差异较小;日最低气温预报准确率相对最高气温平均高出20%左右;08时起报的最高(低)气温预报优于20时的。同时发现,最高(低)气温的预报能力在月份上存在明显差异,6—8月预报性能总体优于其它月份;在24~48 h预报中,东北—西南向一带较贵州其它区域展现出更高的预报能力。在9个主要城市站上,最高(低)气温均表现出较高的预报技巧,其中,20时起报的兴义站24 h最低气温准确率100%。通过对2018年7月18日气温预报质量检验,最高(低)气温及35.0℃以上高温事件预报准确率均在80%左右,较好反映了天气实况。因此,华南3 km高分辨率区域模式对贵州气温预报具有较好的参考价值。     

天津市多模式气温集成预报方法

在遗传算法和粒子群算法的基础上,采用权重分配方法开展基于混合演化算法的多模式气温集成预报方法研究。利用2012年5—10月中国气象局GRAPES模式、北京市气象局BJ-RUC模式、中国气象局T639模式、天津市气象局TJWRF模式24 h预报时效的逐6 h地面2 m高度气温和35个天津区域自动气象站点资料,通过逐日滚动建立集成预报模型,对混合演化算法的多模式气温集成预报方法进行了绝对误差在2℃以内的分级、分类及分站检验分析。结果表明:使用该方法建立的气温集成预报模型具有比较可靠的预报能力,预报误差明显小于任一成员,预报准确率高。按绝对误差不大于2℃的检验标准,2012年35个站逐6 h气温、最低气温、最高气温的集成预报平均准确率分别为76.34%,77.88%,78.00%。