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...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。展开更多
基于四川地区1990—2019年的逐日2 m最高、最低温度站点实况数据,对气温转折天气过程进行统计和分析,在此基础上,应用LightGBM(Light Gradient Boosting Machine)算法及NCEP/NCAR(National Center for Environmental Prediction/Nationa...基于四川地区1990—2019年的逐日2 m最高、最低温度站点实况数据,对气温转折天气过程进行统计和分析,在此基础上,应用LightGBM(Light Gradient Boosting Machine)算法及NCEP/NCAR(National Center for Environmental Prediction/National Center for Atmospheric Research)逐日再分析资料,构建气温转折天气过程变温订正模型。结果表明:(1)出现气温转折过程最多的区域是高原与盆地的边坡过渡区,最少的是盆地;(2)各区域的气温转折过程具有明显的季节差异,均表现为春季最多、冬季最少,且春季的气温转折过程明显多于其他3季;(3)在1990—2019年验证集中,LightGBM订正模型表现较好,准确率为78.64%,平均绝对误差为1.35℃。(4)在2020年的独立样本测试中,LightGBM订正模型的准确率为53.60%,平均绝对误差为2.19℃,整体订正效果优于ECMWF模式(European Centre for Medium-Range Weather Forecasting)、中央台城镇预报指导报(SCMOC)及四川省气象台数值预报客观释用城镇预报指导报(SPCO)的预报。展开更多
在增长模繁殖法(Breeding of the Growing Mode,BGM)的动态繁殖过程中,尺度化因子的选择极为关键。利用WRF(Weather Research and Forecasting)模式,在分析飑线系统数值模拟误差增长机制的基础上,根据飑线发展过程中湿对流区域误差更容...在增长模繁殖法(Breeding of the Growing Mode,BGM)的动态繁殖过程中,尺度化因子的选择极为关键。利用WRF(Weather Research and Forecasting)模式,在分析飑线系统数值模拟误差增长机制的基础上,根据飑线发展过程中湿对流区域误差更容易快速增长的特点,提出了一种根据湿对流区域时空分布调整的BGM初始扰动改进方案。该方案通过在动态繁殖过程中对小扰动的水平结构进行调整,加强湿对流区域扰动,捕获到增长最快方向上的小扰动并将其作为初始扰动。试验结果表明:根据降水量调整的改进方案相比其他方案扰动能量较大,各集合成员之间差异也较大,集合平均预报误差较小;对强降水范围的模拟相对理想,暴雨的降水评分较高;对风廓线及水汽场的预报更接近于实况,较好地改善了集合预报效果。展开更多
文摘为做好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。
文摘基于四川地区1990—2019年的逐日2 m最高、最低温度站点实况数据,对气温转折天气过程进行统计和分析,在此基础上,应用LightGBM(Light Gradient Boosting Machine)算法及NCEP/NCAR(National Center for Environmental Prediction/National Center for Atmospheric Research)逐日再分析资料,构建气温转折天气过程变温订正模型。结果表明:(1)出现气温转折过程最多的区域是高原与盆地的边坡过渡区,最少的是盆地;(2)各区域的气温转折过程具有明显的季节差异,均表现为春季最多、冬季最少,且春季的气温转折过程明显多于其他3季;(3)在1990—2019年验证集中,LightGBM订正模型表现较好,准确率为78.64%,平均绝对误差为1.35℃。(4)在2020年的独立样本测试中,LightGBM订正模型的准确率为53.60%,平均绝对误差为2.19℃,整体订正效果优于ECMWF模式(European Centre for Medium-Range Weather Forecasting)、中央台城镇预报指导报(SCMOC)及四川省气象台数值预报客观释用城镇预报指导报(SPCO)的预报。
文摘在增长模繁殖法(Breeding of the Growing Mode,BGM)的动态繁殖过程中,尺度化因子的选择极为关键。利用WRF(Weather Research and Forecasting)模式,在分析飑线系统数值模拟误差增长机制的基础上,根据飑线发展过程中湿对流区域误差更容易快速增长的特点,提出了一种根据湿对流区域时空分布调整的BGM初始扰动改进方案。该方案通过在动态繁殖过程中对小扰动的水平结构进行调整,加强湿对流区域扰动,捕获到增长最快方向上的小扰动并将其作为初始扰动。试验结果表明:根据降水量调整的改进方案相比其他方案扰动能量较大,各集合成员之间差异也较大,集合平均预报误差较小;对强降水范围的模拟相对理想,暴雨的降水评分较高;对风廓线及水汽场的预报更接近于实况,较好地改善了集合预报效果。