基于数值模式与客观方法的辽宁地区空气质量预报检验分析

为检验数值模式和客观方法的空气质量产品预报能力,基于中国气象科学研究院(简称气科院,下同)CUACE模式、中国气象局沈阳大气环境研究所(简称沈阳大气所,下同)CUACE模式和中央气象台(简称中央台,下同)空气质量客观预报方法的产品,利用辽宁地区14个地市大气污染物质量浓度地面观测资料,对2019年1月至2021年4月各家预报产品在辽宁地区的预报效果进行检验。结果表明:中央台的环境空气质量指数(Air Quality Index,AQI)预报偏大,气科院和沈阳大气所偏小;各家的PM_(2.5)和PM_(10)预报均偏小,但中央台的误差最小;各家的O_(3)预报均偏大,气科院的预报误差最小。各家产品对PM_(2.5)和O_(3)浓度变化趋势的预报能力较高,对AQI范围的预报能力是强于AQI等级的。各家产品预报的PM_(2.5)质量浓度离散度和预报偏差最小,TS评分最高;大气污染物浓度和AQI在辽宁东南部的预报可靠性最高、中部地区最差。三家产品相比,中央台在辽宁地区的预报能力最强,对AQI、大气污染物浓度和首要污染物的预报TS评分均为最高,特别是在有(或无明显首要污染物)特定大气污染物对应的季节,预报更具有指导性。沈阳大气所的本地化CUACE模式对于大气污染物浓度和AQI的预报能力显著提高。

2017—2021年西藏高原SWC-WARMS模式降水预报产品的检验与评估

选用2017—2021年西藏高原39个观测站24 h降水资料,对SWC-WARMS模式降水预报产品按照数值预报业务检验评估指标进行检验与评估。结果表明:西藏高原降水主要集中在暖季(降雨时段),以小雨为主。SWC-WARMS模式24 h累积降水预报年平均准确率、命中率和成功率分别为78%、83%和60%,预报效果较好,但整体的空报率和偏差均较大。西藏高原暖季的小雨及以上TS平均值为0.63,中雨及以上TS平均值较小,其空报率、漏报率随海拔高度落差增大而增大;冷季(降雪时段)降水日数较少,TS小于暖季、空报率高,但个别区域的SWC-WARMS模式大量级降雪预报TS超过0.30。

数值预报产品对西藏高原西南部降水的检验评估

收集2019年1月1日至2020年2月20日西藏高原西南部7个常规气象站08时至次日08时和20时至次日20时降水量资料,以及该时间段内ECMWF_HR、GRAPES_GFS和GRAPES_MESO模式08时和20时起报的24小时累计降水量,采用传统二分类检验方法,对上述三家模式针对西藏高原西南部降水预报能力做了检验评估。结果发现:三种数值模式对西藏高原西南部一般性降水的预报能力有显著的季节差异,夏季一般性降水的TS评分明显高于其他季节,秋冬季则无明显的可预报性;数值预报西藏高原南部降水预报存在一定的地域差异性;各数值模式对小量级降水(<5 mm)的预报能力明显好于其他量级,>10 mm降水预报能力中ECMWF模式TS评分值大多数情况下大于其余数值模式,尤其在50 mm降水量级评分值远大于其他数值模式。因此ECMWF模式对于强度大持续时间长的过程预报中具有较高的参考依据。三种数值预报模式对夏季一般性降水预报能力明显优于其他季节,主要体现在低空报率和漏报率上。针对冬季也进行各模式的检验,三种数值预报模式对西藏高原南部冬季降水预报也存在一定的地域差异性,ECMWF和GRAPES_MESO模式预报稳定且有一定的参考价值。

多源融合实况降水分析产品在大渡河流域的适用性评估

为进一步提高大渡河流域水文预报水平,基于2019~2022年5~10月大渡河流域气象观测降水量和多源融合实况降水分析产品ART_1KM,采用相关分析、晴雨预报正确率、TS评分等方法评估了该降水产品在大渡河流域的适用性,并采用2020年8月14日四川盆地持续性强降雨事件进行检验。结果表明:ART_1KM在大渡河流域具有较高的参考价值,相关系数均大于0.99,平均值误差为-0.54~-0.13 mm,均方根误差为0.57~1.24 mm,平均绝对误差为0.32~0.75 mm,平均相对误差为-0.10~0.03,晴雨正确率均达到0.96以上。TS评分总体较高,尤其是下游各量级降雨TS评分可达0.95,空报率较低,全流域各量级降雨空报率在3%以内。漏报率随降雨量级增大而增大,上游和下游漏报率整体比中游低。在2020年8月14日降雨事件中,ART_1KM融合格点降雨产品的小时面雨量变化趋势与实况面雨量一致,峰值出现时间与实况匹配度高。

锦州地区暴雨预警信号发布技巧研究

本文对2019-2021年锦州地区112个气象观测站的分钟级降水数据进行了统计分析,分别计算每个时次上的12、6、3、1 h的累计降水量。假设以累计降水量20 mm为起点,每增加1 mm降水时,向上浮动5 mm的降水量区间内发布暴雨蓝色、黄色和橙色预警信号;以50 mm为起点,每增加1 mm降水时,向上浮动5 mm的降水量区间内发布暴雨红色预警信号。计算每个累计降水量区间内的平均TS评分方法所得分数、提前时间以及有效性评分方法所得分数,找出各级暴雨预警信号准确率达到90%时所对应的累计降水量区间作为发布各级暴雨预警信号的最优降水量区间,以及各级暴雨预警信号有效性评分方法得分最高时所对应的累计降水量区间为该评分方法下的最优累计降水量区间。

2018年国家级空气质量主客观预报TS评分对比检验

目前对空气质量主客观预报效果的对比检验较少,为了解国家级空气质量主客观预报性能,利用预兆评分(threat score,TS)检验了2018年中央气象台主客观预报效果。结果表明:2018年,主(客)观预报对全国轻度及以上污染TS评分、空报率和漏报率分别为0. 23～0. 34(0. 24～0. 26)、0. 37～0. 43(0. 39～0. 41)和0. 58～0. 72(0. 68～0. 71)。说明主观预报整体上优于客观预报,但客观预报能力已接近主观预报。主客观预报的评分均在污染较重地区(京津冀及周边、汾渭平原、华中和长江三角洲地区)高于污染较轻地区(西北、西南、珠江三角洲和东北地区),在污染较重的冬季高于清洁的夏季。随着预报时效的延长,主观预报TS评分呈下降趋势,但客观预报TS评分变化不大。在污染较重的冬季,48和72 h时效客观预报TS评分高于主观预报。此外,在2018年5次重污染天气过程中,主(客)观预报对轻度、中度和重度污染的TS评分分别为0. 39～0. 57 (0. 43～0. 46)、0. 22～0. 46(0. 25～0. 30)和0. 10～0. 34(0. 10～0. 18),主观预报TS评分高于客观预报的情况占了3次。随着预报时效的延长,客观预报表现更加稳定,说明客观预报能在污染过程中为预报员提供稳定参考,但对污染高值的预报能力仍需提高。

2022 年汛期四川多模式降水预报检验

采用站点观测和EC、EC订正场(ECR)、CMA_3KM、SWC_3KM模式12~36 h降水预报资料,基于TS评分、SAL检验等指标,对2022年汛期四川多模式降水预报效果进行检验和对比分析。结果表明:(1)SWC_3KM有雨日数预报最接近实况分布,EC模式雨日空报最多且在川西高原和攀西地区尤为显著,EC模式大雨日数预报优于其余模式。(2)BS评分显示EC模式大量级降水预报偏干,其余模式均以湿偏差为主。TS评分暴雨量级各月均以ECR预报最优。(3)个例评分对比,ECR预报效果最稳定,过程最高TS评分次数最多,SWC模式次数最少。(4)ECR个例预报降水强度及雨带位置、走向与实况最接近,EC模式预报偏弱。SWC_3KM模式强降水雨带位置预报在盆地西北部和凉山州北部参考性较高。CMA_3KM和SWC_3KM模式预报大量级降水在高海拔地区存在较大范围空报。

百色水库入库径流中长期预测方法比较研究

以郁江流域百色水库入库径流为研究对象,分别采用基于水文气象因子的逐步多元回归模型、人工神经网络模型(气象因子)和基于时间序列的混沌理论模型、最近邻抽样回归模型、小波分析法、神经网络—自回归模型共6个模型方法对百色水库年尺度、月尺度以及旬尺度入库径流进行中长期径流预报工作,随即采用平均相对误差、合格率、TS评分以及均方根误差4种评价指标对上述6个模型的预测结果进行精度评估,并依据熵权法的理论对上述4种指标进行客观赋权形成综合性指标分析体系,来确定最优模型以进行郁江流域百色水库不同尺度和预见期的入库径流中长期径流预报工作。结果表明:各模型预报结果中的平均相对误差相对较大,但其所对应的合格率以及TS评分指标均处于优良水平;月尺度预报过程中,各模型非汛期预报精度都要高于汛期预报精度。结合各模型自身特点以及综合性指标分析的基础上,可在年尺度中长期径流预报过程中采用神经网络—自回归模型、月尺度中长期径流预报过程中采用混沌理论模型,旬尺度中长期径流预报过程中依据不同的预见期分别采用人工神经网络模型(气象因子)以及小波分析法进行相关的中长期径流预报工作,从而为郁江流域百色水库制定未来中长期调度计划提供技术支持。

利用贝叶斯方法对广东省雷暴大风天气的预报研究

针对广东省2010—2019年4—9月有雷暴大风和没有雷暴大风天气的个例进行研究,通过箱线图的形式分析了产生雷暴大风天气相关环境参数的分布特征并建立3小时、6小时和12小时三个时间段的雷暴大风潜势预报模型,利用贝叶斯方法对2020年4—9月的天气过程进行检验,结果表明:雷暴大风天气的发生对应地面较高的露点温度,较大的不稳定能量、上下层温差以及全总指数等物理量;从检验结果来看,贝叶斯方法对雷暴大风天气的识别具有一定的可行性,三个时段的潜势预报模型识别雷暴大风的命中率均在80%以上,但存在一定的空报,需今后改进与完善。

一种改进的频率匹配法在网格降水预报订正中的应用

为提高精细化网格降水的实际预报能力,评估了2021年汛期ECMWF(EC)、CMA-MESO、SXWRF和SCMOC降水预报产品在陕西的表现,讨论了卡尔曼动态频率匹配方法对不同模式的订正效果,然后针对该方法不足,基于最优TS评分阈值法和SCMOC在天气过程判定中占优信息对小量级降水进行了二次订正,最后利用分类降水过程建模和基于图像相似识别技术改进的卡尔曼动态频率匹配法对暴雨进行了订正研究。结果表明:SCMOC晴雨预报准确率和暴雨TS评分均最高,分别为81.60%和0.30,表现最好;卡尔曼动态频率匹配法可明显提高EC、CMA-MESO和SXWRF模式降水预报产品晴雨预报准确率,对暴雨预报的改善效果不稳定,对EC晴雨预报准确率和暴雨TS评分提升幅度均最大,分别为6.35%和6.99%,该订正方法更适合于EC模式;经晴雨消空二次订正后的EC模式晴雨和小雨预报准确率较一次订正后的EC模式均有提高,分别提高了0.51%和0.64%;分类降水过程建模订正可进一步提高EC暴雨TS评分,较未分类过程订正后的暴雨TS评分提高了1.05%,且暴雨其他评分指标也均变好;改进后的卡尔曼动态频率匹配法较改进前可进一步提高EC各量级降水TS评分,尤其是暴雨TS评分提高了2.79%。

基于随机森林模型的小时强降水订正分析

基于2020年7—8月西南区域高分辨率模式输出的物理量因子,以及四川省区域自动气象站逐小时降水资料,在分区基础上,采用随机森林模型进行小时降水订正,检验该方法在本地的可用性。结果表明:(1)建模前,对全省进行分区有利于改进大量级小时强降水预报。(2)随机森林模型得到的小时强降水分布整体趋势与原模式一致,对模式未预报出的小时强降水也有一定反应,且实况未出现小时强降水的区域订正后量级有所减小,但仍存在大量级降水分布不均以及空报较多的情况。

多模式降水资料在贵州的检验分析

该文检验了2020年3月—2021年2月ECMWF和GRAPES以及中央台格点产品(以下简称SCMOC)和省台格点产品(以下简称SPCC)4种降水预报产品未来5 d逐24 h在贵州的预报质量,结论如下:(1)ECMWF和SCMOC与实况的相关系数最高,SCMOC和SPCC预报降水的变化幅度较观测偏大,而GRAPES预报降水的变化幅度较观测明显偏小。(2)SCMOC的晴雨预报准确率最高,除在72 h预报时效SPCC的准确率略高于SCMOC外,其余预报时效SPCC准确率均低于SCMOC,表明SPCC的订正能力需要进一步提升。(3)在小雨量级,4种降水预报产品的TS评分相差不大,ECMWF和GRAPES的ETS评分明显低于SCMOC和SPCC,其中GRAPES的TS评分在5个预报时效内均高于ECMWF。在中雨量级,前3个预报时效内ECMWF的TS和ETS评分均高于其他3种产品,ECMWF在5个预报时效内预报有降水的次数大于实况出现的降水次数,但空报次数并不是最多的;在后2个预报时效内,SCMOC的TS和ETS评分均是最高的,但与其他产品相差不大。在大雨量级,24 h和96 h预报时效ECMWF的TS和ETS评分均最高,而在48 h、72 h、120 h预报时效SCMOC的TS和ETS评分最高。在暴雨及以上量级,前3个时效内SPCC的TS和ETS评分均最高,且48 h的TS评分空间分布也是最优的,表明SPCC对暴雨及以上量级在前3个预报时效内订正能力较好。

大渡河上游面雨量预报质量检验与释用

基于2019年6—10月中央气象台智能网格预报模式(NWGD)降水产品和CMPAS-V2.1融合降水分析实时数据产品,采用平均绝对误差、晴雨预报正确率、TS评分等方法评估该预报产品对大渡河上游面雨量的预报效果。评估结果表明:NWGD预报产品在大渡河上游面雨量的预报效果整体较好,平均绝对误差范围控制在5.6 mm以内,晴雨预报可信度较高。小雨的预报效果好于中雨,小雨的TS评分大于中雨,空报率和漏报率均低于中雨。将小雨和中雨分别做消空处理,小雨各预报时效消空处理后晴雨预报正确率提升不明显,而中雨预报效果有明显提升。

MM5数值预报引入GRAPES三维变分同化技术在上海地区的预报和检验

该文简要介绍GRAPES三维变分同化技术在MM5数值预报中的应用 ;利用 2 0 0 3年 3月至 2 0 0 3年 5月华东地区 1 38个台站实况资料与其预报结果 ,评价了该模式系统对华东地区降水的预报结果 ,分析了三维变分同化对MM5数值预报结果的可能影响。结果表明 ,GRAPES三维变分同化方案是比较合理的 ,同化后模式对华东大部分地区的降水 2 4h预报比没有使用同化的总体情况要好 ;同样 ,同化后模式对华东大部分地区的晴雨预报准确率较高。

FY-2C云迹风资料同化应用对台风预报的影响试验研究

针对0505号台风"海棠",采用WRF区域中尺度模式进行控制试验和两个同化试验,利用WRF-3DVAR同化系统同化FY-2C红外和水汽两个通道云迹风反演产品,同化分云迹风经质量控制和未经质量控制两组同化试验。通过三组试验分析云迹风资料对降水和风场等的预报结果的影响,并进行24小时降水量分级Ts评分检验以及风场点对点检验。结果表明:同化经质量控制云迹风资料可以提高降水落区和强度预报的准确度,不同等级的Ts评分较其它试验都有较明显改进;风场预报模拟也有所改善。增加两例台风,使用与"海棠"相似的处理方法进行模拟试验,并对模拟结果24小时降水分析与检验,得到与"海棠"类似结论。因此,经过合理性选择的云迹风资料的加入,有利于补充初始场中可能未包含的中尺度信息,从而提高试验中对于降水、风场等的模拟效果,提高WRF模式的模拟预报能力。

2005年AREM模式汛期试验结果评估分析

AREM2.3模式2005年在中国气象局武汉暴雨研究所汛期试验过程中计算稳定,计算了该模式降水预报的分区域(长江中下游、华南、华北、东北、西南、湖北省)汛期(6、7、8三个月)TS评分,全国范围汛期漏报率、空报率、预报偏差,及各区域年内重要降水过程预报和实况的对比及TS评分,计算该模式形势场预报的平均误差、均方根误差、倾向相关系数、误差标准差,并与持续性预报(将前一天的分析场当作前一天对当天的预报场,以此类推)对比,以此对模式预报效果进行分析、评估,并做出总结,为模式的进一步开发和应用提供参考。分析结果表明:AREM2.3模式在2005年汛期试验期间48小时内预报稳定;对于长江中下游、华北、华南、东北、西南、湖北省以至全国范围均有较好的预报水平,但总体上对于强降水中心位置的预报情况不是很好;模式对于高空形势场也具有较好的预报能力,对500hPa位势高度的预报好于对500hPa温度的预报。

山东精细化海区风的MOS预报方法研究

基于中尺度数值模式WRF_RUC的预报产品,采用逐步回归的MOS方法,对山东12个精细海区代表站有关大风进行解释应用。对2013年9月—2014年4月海区风的客观预报产品进行检验,结果表明:MOS预报方法对6级以上日最大风速有较好的预报能力,较WRF_RUC模式直接输出的预报结果有了明显的提高,但对4级以下小风预报效果较差。选取4级风作为阈值,当WRF_RUC模式预报风力大于4级时,用MOS预报结果替换,显著提高了风速分级预报效果,无论是4级以下小风还是6级以上大风,MOS预报评分都要高于WRF_RUC模式预报。将平均风速与阵风的统计关系应用到阵风客观预报中,MOS方法对于改进的日极大风速的预报效果有明显提高,对10级强风也有一定的预报能力。

浙江省水库流域面雨量的多模式预报效果分析与检验

基于站点观测资料和欧洲细网格(ECMWF)、日本高分辨率(JMA)及多模式客观集成预报技术(OCF)模式预报资料,以2015年2-7月为例,评估这三种模式对浙江省6个水库流域客观面雨量预报效果。水库流域面雨量预报值采用网格算术平均法计算,面雨量观测值采用泰森多边形法计算。检验评分方法采用平均绝对误差、TS评分(Threat Score)和模糊评分法。初步检验结果表明:1)ECMWF对大雨暴雨的预报效果优于其他模式的,OCF对中雨的预报效果优于其他模式的,对小雨预报,三种模式效果相当。2)各模式预报效果均随着降水等级增大而下降。小雨时,空报率远高于漏报率,其中ECMWF和OCF漏报率不到10%;大雨暴雨时,漏报率远高于空报率,其中JMA漏报率达75%~90%。3)三种模式对浙江中部北部地区水库流域面雨量预报效果整体优于对浙江南部地区水库的,且随着降水等级升高,南北水库之间预报效果差异增大。4)ECMWF对大雨暴雨的预报效果随着时效临近表现为明显改善,OCF和JMA在72 h预报时效以外,预报效果随时效临近呈改善趋势,在72 h时效以内,预报效果不稳定。

高、低分辨率模式对典型个例的对比预报试验

利用实时观测资料和Ｔ６３模式预报产品资料，对１９９５年７—８月发生在西北地区的３次大雨、暴雨天气过程进行了高、低分辨率数值预报模式的对比预报试验。结果表明，高分辨率模式对大雨、暴雨的预报效果较低分辨率模式有明显的改进。

2002—2005年T213数值降水预报产品分析检验

利用2002—2005年T213模式的降水预报值和全国400个标准测站的降水实况资料,采用客观降水检验方法,对T213数值降水预报产品的预报能力进行了分析检验。结果表明:降水预报TS评分和预报偏差B值均存在明显时空分布差异;各级降水中,小雨TS值最大、B值最小,夏季TS和B值均好于其它季节;中到大雨TS最高评分和最低B值均是长江中下游地区,其次是华南;暴雨TS评分各区较低,但华南、长江中下游地区和东北地区B值较小。这些地区T213降水预报对预报业务有较好的参考作用。T213降水预报对春季东北地区和华北的强雨(雪)、夏季长江中下游地区的梅雨、西部地区的华西秋雨等降水过程具有相当好的预报能力。