ECMWF降水极端天气指数在安徽省的应用评估

使用2012年10月—2014年9月欧洲中期天气预报中心(ECMWF)全球集合预报系统逐日降水、5 d和10 d累计降水极端天气指数(EFI)预报资料,分析了降水EFI和强降水、降水气候距平的统计关系。结果表明:整体而言,降水EFI大值区和强降水具有较好对应关系,EFI越大,发生强降水的可能性越大,但随着预报时效增加,EFI的指示作用逐渐下降;对逐日降水EFI大值区和降水落区TS评分表明,在最优TS评分条件下,EFI阈值随着降水量级增加而增大,随着预报时效增加而降低;冬半年(10—3月)5 d和10 d累计降水EFI对过程降水的指示意义优于夏半年(4—9月),但当EFI超过0.4时,随其增加,不同季节对应降水气候距平均迅速增加;另外,5 d累计降水EFI对过程降水的指示作用优于10 d累计降水EFI。

ECMWF极端天气指数在新疆强降水预报中的检验评估

使用2015年10月—2018年9月欧洲中期天气预报中心集合预报系统(ECMWFEPS)逐日降水极端天气指数(EFI)预报资料,分析新疆区域降水EFI产品与强降水的对应关系并得到预报阈值。结果表明:预报的EFI与实况降水量存在正相关关系,随着降水量增加,EFI预报结果具有线性增加趋势,说明EFI对强降水有一定的指示意义。各量级降水预报的最高TS评分随着预报时效的增加而减小,且随着降水量等级的增大而减小。不同季节暴量降水发生站次为夏季最多,冬季最少,对应的EFI阈值大都在0.4~0.6,夏季EFI值范围在0.2~0.7,夏季更易发生暴量降水。随着预报时效增加,暴量降水发生站点频次最多所对应的EFI值逐渐减小。随着降水量级增加,空报率减小幅度不大,但漏报率增加。

ECMWF降水极端天气指数在浙江的应用评估

利用2016年6月—2017年5月ECMWF降水极端天气指数(EFI)预报资料,分析了降水EFI与不同量级强降水、降水气候百分位在浙江的关系。结果表明:总体而言,浙江省降水EFI与实况降水存在明显的正相关关系。随着EFI阈值的增加,暴雨发生频次先增加后减少,而且暴雨发生的概率随着EFI阈值的增加而增大。综合考虑TS、BS评分,EFI阈值随着预报时效的延长而减小;随着降水量级的增加而增大。降水EFI值与降水气候百分位存在明显的正相关关系,当EFI值较高时,预示着较大的几率出现极端降水,此时可参考当地相对应的气候百分位的降水量来估计降水。

ECMWF极端天气指数产品在湖南降水预报中的评估

利用2016—2017年欧洲中期天气预报中心(ECMWF)集合预报系统的逐日极端降水天气预报指数产品资料和实况降水资料,运用ETS评分和偏差分析等方法,对EFI产品在湖南降水预报效果进行了检验评估.结果表明:预报EFI与实况降水量存在显著正相关关系,各等级降水EFI最优阈值的ETS评分随预报时效增加、降水量级增大而减小;EFI对暴雨的预报准确率在夏季最高,最优阈值最低,预报偏差最小,对暴雨的预报准确率在秋季其次,春季和冬季准确率最低.

基于集合预报极端天气预测指数的浙江分类强对流预报模型

利用2016—2021年ECWMF集合预报资料、浙江自动站实况资料等,计算浙江短时强降水、雷暴大风和冰雹等强对流天气相关物理量的极端天气预报指数(EFI:Extreme Forecast Index),分析EFI分布特征,并构建了分类强对流预报模型。结果表明:强对流天气与物理量的EFI有密切联系,发生短时强降水时,对流有效位能、整层可降水量、850 hPa与500 hPa温差和位温差的EFI较大,而垂直风切变的EFI为负值,因而较小的垂直风切变更有利于出现极端降水;发生雷暴大风和冰雹时,对流有效位能、850 hPa与500 hPa温差和位温差以及850 hPa温度露点差的EFI较大,700 hPa露点温度的EFI为负值,与上层干冷下层暖湿的有利层结条件有关。利用支持向量机多分类方法,将强对流天气相关物理量的EFI作为特征值开展训练,构建的预报模型对于非局地强对流天气有较好的预报效果,其中短时强降水的误判率明显低于雷暴大风。

基于ECMWF极端降水天气指数的四川盆地暴雨预报研究

本文利用EC集合预报提供的极端降水天气指数能指示极端天气事件的特点,研究了四川盆地夏季(6-9月)的暴雨落区预报。综合考虑不同极端降水天气指数阈值对应的暴雨TS、ETS评分及各阈值评分最高时的发生频次,获得暴雨预报对应的最佳极端降水天气指数阈值。结果显示,08时起报的24h、48h、72h、96h、120h时效对应的阈值分别为0.5\0.6、0.5、0.4\0.5、0.4、0.2\0.3,20时起报的24h、48h、72h、96h、120h时效对应的阈值分别为0.5、0.4\0.5、0.4\0.5、0.3\0.4、0.1\0.3,通过检验表明这些阈值对暴雨落区的预报具有较好的指示意义。

武汉市10个主要极端天气气候指数变化趋势分析

根据武汉市1951—2007年逐日气温、降水量计算分析了10个极端天气气候指数的变化特征。结果表明:1)4个气温指数中,年及四季高、低温阈值均为上升趋势,并造成最长热浪天数的延长和霜冻日数的减少;低温阈值升速明显快于高温阈值,高温阈值仅在春季变化显著,最长热浪天数仅在冬季变化显著;低温阈值则为极显著上升趋势,尤其是年和冬季,造成"热春"、"暖冬"频繁;暖夜、闷热、傍晚至夜间的强对流等显著增多,暖日、高温热浪增加,霜冻日大幅减少。2)6个极端降水指数以增趋势为主,其中强降水阈值、比例、日数以及最大5日降水量在冬季增趋势最明显,仅夏季强降水阈值、比例略有减小,冬季日降水强度的增大趋势、夏季持续干期的缩短趋势显著性水平分别可达0.1、0.01。3)一些气温指数在1980—1990年代发生突变,而降水指数未现突变。

基于T213集合预报的极端天气预报指数及温度预报应用试验

本文基于中国T213集合预报系统资料,借鉴欧洲中期天气预报中心极端天气预报指数的数学处理方案,在分析T21 3模式数据特征的基础上,研究了T213集合预报系统极端天气预报指数的数学处理方法,建立了适合T213集合预报模式的极端天气预报指数,并利用该指数对2008年1月极端低温天气进行了预报试验和评估检验,分析模式气候累积概率分布生成方法对极端天气预报指数的影响,得到以下结论:(1)确定了利用T213集合预报系统所有预报成员生成的模式气候累积概率分布计算极端天气预报指数;(2)利用TS评分确定极端天气预报指数发布极端低温预警信号的阈值为-0.3并进行预报试验。试验结果表明,极端天气预报指数对极端低温天气具有较好的识别能力,可提前3～5天发出极端低温预警信号。利用相对作用特征曲线对极端天气预报指数识别极端天气的技巧进行评估检验,检验结果显示,基于T213集合预报生成的极端天气预报指数对极端低温的预报存在正的识别技巧,随着预报时效的延长,识别技巧逐渐降低。(3)评估不同模式气候累积概率分布对极端天气预报指数识别极端低温天气技巧的影响,结果表明:产生模式气候累积概率分布的模式数据误差一致性是关键因素。

ECMWF集合预报极端低温天气预报指数在广州的应用

为给预报员在极端低温天气中提供预报依据,利用2015年12月至2016年3月的低温事件及ECMWF集合预报极端低温天气预报指数数据给出了广州5个国家气象站点的极端低温天气预报指数阈值,分别为花都、番禺站点的EFI极端低温阈值为-0.2,从化、增城站点的EFI极端低温阈值为-0.7,广州站点的EFI极端低温阈值为-0.5。

极端降水天气预报指数对气候累积概率分布敏感性研究

针对中国气象局T213全球集合预报系统历史样本较短、极端降水天气预报指数数学模型中气候累积概率分布样本不足的问题,选取气候背景和地理地貌特征较为相似的长江中下游地区,利用扩展时间序列和空间范围的方法,增加T213全球集合预报系统的降水预报气候分布样本数,改进模式降水预报气候累积概率分布,利用2011年6月10—20日集合预报资料进行极端降水天气预报指数预报试验,分析气候累积概率分布敏感性。结果显示:扩展时间序列和空间范围增加模式T213集合预报气候样本数的方法,生成的模式气候累积概率分布较单一格点方法更具代表性,能提高极端降水天气预报指数的识别技巧,并提前8 d发出长江中下游地区极端强降水预报信号。

ECMWF模式降水预报与极端天气预报指数在暴雨预报中的评估与应用

评估分析了欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF)细网格模式(以下简称EC-thin)在长三角地区汛期(5—9月)的暴雨预报评分及ECMWF降水极端天气预报指数(EFI)对暴雨预警的指示作用。研究发现:(1) EC-thin降水和降水EFI对暴雨预报的ETS评分随着预报时效的延长而明显降低,在短时效内,细网格模式降水预报占优,超过60 h后,降水EFI的评分相对更好。(2)对EC-thin降水而言,在不同的预报时效采用不同的降水阈值来预报暴雨,可望达到最佳的评分效果。短期时效内该阈值随着预报时效的延长,大致从55 mm逐渐下降到35 mm。(3)对于降水EFI而言,12—36 h内EFI为0.65～0.7时,暴雨预报ETS评分最高。随着预报时效的延长逐渐下降,60—84 h内EFI为0.55～0.6时,暴雨预报ETS评分最高。(4)在不同预报时效内,采用合理的方式和阈值综合考虑EC-thin降水和降水EFI,可望得到更高的暴雨预报评分。

ECMWF极端降水指数对2016年夏季华东地区极端降水预报的检验

选取2016年6-8月华东地区降水资料,在分析检验欧洲中期天气预报中心(ECMWF)极端天气指数(EFI)与ECMWF降水预报效果的基础上,提出采用EFI的极端降水指数来改进ECMWF高分辨率模式降水预报的方法.结果表明,华东地区6-8月极端降水主要发生在华东沿海和华东中西部地区,在6月份开始增大,6月底达到最大,后又减小,但最大值略有不同,在7月底至8月初达到一个更高的峰值,随后缓慢下降.EFI极端降水指数对2016年6-8月华东地区的历史极端降水95%和99%分位值有一定的预报能力,但对历史极端降水最大值的预报能力相对较差.随着预报时效的增长,预报效果也随之降低.EFI极端降水指数对极端降水预报的ETS评分整体高于ECMWF高分辨率模式降水,并对极端降水最大值也有一定的预报能力.用EFI极端降水指数改进的ECMWF高分辨率模式降水,对华东地区95%和99%分位值极端降水的预报准确率均有不同程度的提高.

ECMWF极端降水预报指数在华东台风暴雨中的应用研究

台风强降水易引发极端天气事件,预报的难度和不确定性都很大。选取2013—2017年影响华东的13个台风个例,研究ECMWF集合预报降水极端天气预报指数(extreme forecast index,EFI)与台风暴雨的统计关系。研究结果表明:EFI降水指数对台风暴雨的预报具有一定的指示意义,对不同时效选取不同的EFI阈值可以作为暴雨落区预报的参考依据。总体来看:EFI增大,发生强降水的可能性增大;随着预报时效的增加,EFI阈值逐渐减小。以TS评分最大为标准,分别确立了不同时效、不同等级暴雨在华东区域的预报阈值。对于24、48、72、96 h时效的暴雨预报,EFI阈值分别取0.7/0.8、0.7、0.6、0.5可以获得较高的TS评分及合理的预报偏差,因此可将它们作为不同时效暴雨预报的参考阈值。EFI与降水的气候百分位有较好的相关关系,EFI值越大,降水气候百分位值也越大。当EFI值较大时,可参考相对应气候百分位的实况降水量来估测台风降水。极端天气预报指数对极端降水天气具有较好的识别能力,可提前3~5 d提供极端降水信息。

基于ECMWF集合预报的极端天气预报产品应用和检验

通过个例总结和大样本分析的方法,本文分析和总结了ECMWF集合预报系统(EPS)中的极端温度和降水预报产品。以上产品主要为08—08时的平均气温、最高气温、最低气温和降水量四个要素的极端天气预报指数(extreme forecast index,EFI)和SOT("shift of tail"index)。研究显示,气温EFI和SOT预报效果接近,降水SOT优于EFI。运用过去3年的资料,以TS评分最大为标准,分别确定了不同时效、不同百分位的极端高低温和极端强降水事件在我国的预报阈值,及其对应的各检验参数。对于1%(99%)百分位的极端低温(高温)事件,平均气温EFI和SOT的阈值分别在-0.85(0.75)和0.38(0),最高和最低气温的阈值与平均气温的阈值接近。对于95%和99%的极端强降水事件,EFI的阈值分别在0.45和0.7左右,SOT的阈值分别在-0.6和0.4左右。整体上呈现时效越长阈值越小,预报效果越差;事件越极端,阈值越大的特点。且此时的bias接近或略大于1,表明预报的发生频率与实况比较接近,具有较好的应用价值。气温EFI和SOT的预报效果和阈值存在明显的季节差异,夏季预报较好,阈值较大,冬季预报较差,阈值较小。降水的季节差异不明显。EFI和SOT的预报效果和阈值在空间分布上也存在一定的差异,且不同的产品空间分布差异不同。

2016年1月寒潮天气过程极端性分析及集合预报检验

利用欧洲中期天气预报中心(ECMWF)再分析资料和集合预报极端天气预报指数(extreme forecast index,EFI),对2016年1月21—25日强寒潮天气环流异常性和EFI对极端低温事件的预报进行了分析和检验。中亚地区一直维持标准化异常度在3个标准差以上的高压脊、冷涡系统不断发展增强,随着横槽转竖,冷空气爆发南下使得我国中东部出现极端低温。最低温度EFI可以提前7 d预报出低温信号,随着EFI预报时效的延长所对应的最大TS评分随之降低,对不同时效预报需选取合适的EFI阈值。对5%百分位的低温事件短期时效(1~3 d)最低温度EFI临界阈值为-0.6,中期时效(4~7 d)临界阈值为-0.5;对1%百分位的低温事件临界阈值则为-0.7。5%百分位的低温事件各时效最低温度EFI在江南、黄淮、江淮、江汉等地表现最好,华北、华南、西南、西北地区表现次之,在东北地区表现相对较差。

基于集合预报的中国极端强降水预报方法研究

极端强降水天气属于小概率事件,其发生具有很多不确定的因素,预报难度很大。根据Anderson-Darling检验原理研究基于集合预报资料的极端强降水天气预报方法,利用2007—2010年中国T213集合预报资料和2001—2010年6—8月中国降水观测资料,分析观测与集合预报累积概率密度分布函数的特征,建立基于集合预报与模式历史预报累积概率密度分布函数连续差异的数学模型——极端降水天气预报指数(EPFI),并对2011年7月中国极端强降水天气进行预报试验。结果表明,极端降水天气预报指数可以充分利用集合降水累积概率密度分布的尾端信息,为极端强降水提供科学合理的预报,基于中国气象局(CMA)T213集合预报的极端降水天气预报指数可提前3—7 d发出极端强降水预警信号,随着预报时效的延长,预报技巧逐渐降低。研究还表明,模式气候累积概率分布的合理性将直接影响极端强降水天气识别能力。

降水EFI产品在新疆夏半年极端降水预报中的检验评估

基于2013-2019年4-9月欧洲中期天气预报中心(ECMWF)集合预报的极端天气指数(EFI)资料和新疆95个气象观测站点的实况降水数据,研究了新疆夏半年(4-9月)极端降水阈值及分布情况,运用TS评分,综合分析降水EFI产品在新疆夏半年极端降水预报中的应用效果。结果表明:(1)夏半年极端降水阈值、极端降水量和极端降水频次的空间分布呈山区高、盆地低的特点,且南疆低于北疆;观测站点平均夏半年极端降水量、极端降水频次总体呈上升趋势,在20世纪90年代前后发生突变。(2)降水EFI预报值与夏半年极端降水量呈正相关,随预报时效延长,降水EFI预报能力在逐渐降低,夏半年极端降水预报的TS评分在降水EFI阈值处于0.50~0.80达到峰值,综合TS评分和预报偏差,新疆夏半年极端降水预报的最优降水EFI阈值集中在0.65~0.75。(3)降水EFI预报对降水落区有一定的指示意义,当降水EFI预报值>0.60时,要考虑出现极端降水的可能性,降水EFI预报值在0.70及以上的范围可作为极端降水的预报落区。

基于T213集合预报的中国极端温度预报方法研究

基于中国T213集合预报系统资料,根据Anderson-Darling检验原理,研究基于集合预报与模式历史预报累积概率密度（简称模式气候）分布函数连续差异特征的极端温度天气预报方法,建立极端温度天气预报指数（Extreme Temperature Forecast Index,简称EFI）的数学模型。利用S指数评分方法确定发布极端温度预警信号的阈值,得出：1月的发布极端高温的预警信号的阈值为0.7或0.8,发布极端低温的预警信号的阈值为-0.7或-0.8。基于EFI指数以及该阈值,对2013年1月中国极端温度天气进行预报试验,得出：极端天气预报指数对极端温度天气具有较好的识别能力,可提前3~7 d发出极端温度预警信号,随着预报时效的延长,预报技巧逐渐降低。