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。

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。

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。

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。

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。

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。

基于降水极端预报指数的福建台风极端降水预报研究

应用1961-2017年中国气象局热带气旋最佳路径数据集、国家地面气象观测站日降水观测资料和2015年8月-2017年12月欧洲中期天气预报中心(ECMWF)集合预报系统降水极端预报指数(EFI)数据,根据百分位法定义台风影响期间福建省各站点的台风极端降水阈值,采用最小阈值法剔除台风极端降水时EFI箱线图中的异常值,保留最小值作为台风极端降水EFI阈值,建立基于EFI阈值的台风极端降水预报方法。用该方法分别对2015年8月-2017年12月和2018年登陆或影响福建台风进行台风极端降水回报和预报试验,采用TS、空报率、漏报率对回报和预报结果进行检验。结果表明:福建台风极端降水阈值由沿海向西北内陆逐渐减小,其中中北部沿海地区的阈值最大;台风日降水量与日降水EFI预报、台风极端降水时的日降水量与日降水EFI预报均存在明显的正相关,日降水EFI预报的箱线图差异指数(Ibd)也表明EFI可以较好地区分台风极端降水和非极端降水;预报试验20时(北京时)起报时效12-36、36-60、60-84和84-108 h的台风极端降水预报TS分别达到0.26、0.22、0.20和0.19,总体上略优于回报试验;台风极端降水越显著,台风极端降水预报效果越好,回报和预报都存在的不足是空报率高,主要出现在台风极端降水不明显的个例中。降水EFI预报对台风极端降水预报具有较好的指示意义,基于降水EFI阈值的台风极端降水预报产品可在业务中作为台风极端降水预报的参考。

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。

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。

ECMWF集合预报和确定性预报对淮河流域暴雨预报的对比分析

本文运用2012年5—9月欧洲中期天气预报中心(ECMWF)的集合预报系统(Ensemble Prediction System,EPS)和确定性模式(High-resolution Deterministic forecast,HDet)资料对比分析了淮河流域暴雨的预报效果。对于集合预报,主要对比了基于EPS的日降水量极端天气预报指数(Extreme Forecast Index,EFI),和改进的贝叶斯模型平均(Modified Bayesian Model Averaging,MBMA)法对降水的订正后概率。由于ROC(Relative Operating Characteristic)检验是与模式的系统性偏差无关的,所以选用ROC检验,对比了不同空报率下的TS评分,以及不同方法的相对经济价值。对比检验的结果显示,各时效预报MBMA预报效果最好,其次是HDet,EFI的预报效果最差,其中2 d内的预报HDet接近MBMA,随着预报时效的延长,MBMA相对于HDet和EFI的优势不断增强。在不同标准下确定三种方法对淮河流域暴雨预报的阈值,结果显示MBMA同样优于HDet,EFI预报效果最差。但MBMA的优势是通过增加预报偏差得到,如果将预报偏差限定为主观预报的1.37,此时MBMA的效果和HDet的效果接近。