ECMWF模式地面气温预报的四种误差订正方法的比较研究

采用均方根误差对欧洲中期天气预报中心(ECWMF)确定性预报模式2007年1月至2010年12月的地面气温预报结果进行评估,并分别利用一元线性回归、多元线性回归、单时效消除偏差和多时效消除偏差平均的订正方法,对ECMWF模式地面气温预报结果进行订正。结果表明,4种订正方法都能有效地减小地面气温多个时效预报的误差,改进幅度约为1℃。在短期预报中仅考虑最新预报结果的一元线性回归订正方法要优于考虑多个预报结果的多元集成预报订正方法。在中期预报中考虑多个预报结果的多元集成预报订正方法更优,更稳定。在模式预报误差较大的情况下,多时效集成的订正方法能更稳定地减小误差。

多模式集成方法对延伸期降水预报的改进

利用TIGGE（THORPEX Interactive Grand Global Ensemble）资料中的CMC、ECMWF、NCEP和UKMO 4个中心全球集合预报模式对2007年10月3日—2008年2月29日逐日累积降水进行多模式集成预报试验。通过集合平均、多模式消除偏差集合平均、加权消除偏差集成3种方法进行试验对比,重点分析各中心模式及多模式集成的240~360h（10~15d）延伸期预报的检验效果。结果表明,多模式集成对逐日累积降水240~360h延伸期预报优于单个中心模式,将逐日降水的预报时效提高了72~168h。3种集成方法对比发现,多模式消除偏差集合平均方法预报效果最好,该方法将晴雨量级的降水预报时效在中短期和延伸期至少提高了1d和5d。

中国夏季降水多模式集成概率预报研究

基于TIGGE资料中的中国气象局(CMA)、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)以及英国气象局(UKMO)五个中心2007—2011年5月25日—8月31日中国地区逐日12—36 h、36—60 h、60—84 h、84—108 h、108—132 h与132—156 h累积降水集合预报资料,分别利用PoorMan(POOL)和多模式消除偏差(MBRE)两种方法对2011年各中心降水概率预报进行集成,并采用RPS和BS评分方法对预报效果进行评估。结果表明,对于12—156 h逐24 h累积降水量概率预报,多模式集成预报效果优于单模式预报效果,且多模式消除偏差概率预报效果最好;针对小雨、中雨以及大雨以上降水,PoorMan和MBRE概率预报较单中心预报效果均有提高,MBRE概率预报效果优于PoorMan方法。

基于卡尔曼滤波的中国区域气温和降水的多模式集成预报

利用TIGGE资料集下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)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。

TIGGE模式在淮河水系史河流域的应用

为了提高淮河水系史河流域降水预报的精度,对TIGGE模式降水预报校正方法进行了研究。基于TIGGE的ECMWF、KMA、JMA、UKMO、CMA等5个模式2015—2017年汛期在史河流域的降水预报数据和雨量站实测降水资料,采用降水预报的均方根误差指标和在确报率、空报率和漏报率评价指标基础上提出的降水预报三率综合评价指标,对各模式在1~7 d预见期内的预报精度进行综合评价,采用2种非线性方法RBF及ν-SVR对TIGGE的5个降水预报模式进行非线性集合预报校正,并与线性方法BREM法进行了比较。结果表明:TIGGE的5个模式中,JMA模式的降水预报精度最高,其次是ECMWF和UKMO,实时降水预报校正ν-SVR法明显优于BREM法和RBF法;实时降水预报校正ν-SVR法提高了TIGGE模式降水预报的精度。

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。

基于CUACE模式的宁波地区空气质量预报评估和订正分析

利用递减平均法和滚动偏差订正法,在对2018年1月~12月宁波各区县(市)CUACE模式预报性能评估的基础上,对同时段的CUACE模式AQI预报值进行了订正。结果表明:CUACE模式在宁波地区的AQI值预报结果普遍偏小,不同起报时次、不同预报时效的空气质量等级预报正确率差别不大。模式对2018年宁波区域性污染天气的AQI预报值偏小明显。订正后,标准误差、平均偏差和归一化偏差均明显减小,订正效果显著,且2种方法的订正效果差别不大,随预报时效的增加订正效果波动小,稳定性较好;2种方法对宁波各区县(市)0~72 h空气质量等级预报的正确率提升较明显,订正后普遍达到60%以上;宁波发生区域性污染天气时订正后的AQI预报值更接近实况值。

基于偏最小二乘回归方法的东亚区域多模式温度集成预报试验

利用德国气象局(German Bureau of Meteorology,GBM)全球中期数值天气预报产品、日本气象厅(Japan Meteorological Agency,JMA)全球中期数值天气预报产品和中国国家气象中心T639数值预报产品3个子模式,采用偏最小二乘回归(partiaI least square regression,PLS)方法、超级集成(multi-model superensemble,SUP)方法和消除偏差集成平均(bias-removed ensemble mean,BREM)方法对比试验,建立2012—2013年冬季东亚区域(15°~70°N、90°~145°E)的地面气温多模式集成预报模型,并进行2014年冬季24~72 h预报时效的地面温度的多模式集成预报研究。为进一步验证集成方法的性能是否具备稳定性,以2014年2月1—9日发生的寒潮天气过程为个例进行检验分析。结果表明,多模式集成预报模型能够综合子模式优点,预报效果明显好于3个子模式,且PLS方法优于SUP、BREM集成方法。

多源降水预报集成技术应用研究

基于欧洲中期天气预报中心全球高分辨率预报模式ECMWF、中国自主研发的新一代业务化区域数值模式GRAPES_Meso和WRF中国全国区域预报模式的降水预报结果进行未来3 d降水集成预报。以中国地面—卫星—雷达三源融合逐时降水格点产品(CMPA-Hourly,V2.0)作为“观测值”进行建模,采用消除偏差多模式平均法和基于无偏平均绝对误差集成法对中国大陆地区进行降水集成预报,同时采用2800个国家自动气象站降水观测数据对降水集成预报效果进行检验。结果表明:基于无偏平均绝对误差的降水集成方法能够综合每个模式成员降水预报场的优势,提供一种更为稳定可靠且具有更高分辨率的优质精细化降水预报产品;其在试验期间对中国大陆地区汛期的降水预报ETS评分,优于消除偏差多模式平均降水集成预报和最优单模式降水预报,BIAS评分更接近于1,与“实况”的距平相关系数也明显提高,是对降水大值捕捉能力较优的一种集成方法,尤其对中雨到暴雨量级预报的改进较好。

一个台风降水预报的分级回归统计降尺度应用研究

利用全球交互式全球大集合预报资料和中国降水融合产品资料,对2013年7月12至14日1307号“苏力”台风多模式降水预报进行分级回归统计降尺度研究,并对多模式预报结果进行多模式集成,然后对降水预报结果进行频率匹配法订正。结果表明,四个中心降水预报的分级回归统计降尺度的预报效果改进显著,但对降水量级预报误差改进有限。多模式集成预报中,简单集合平均能明显提高降水预报的距平相关系数,消除偏差集合平均能明显减小降水量预报的均方根误差。四个中心预报经过频率匹配法订正后大雨及以上量级降水的漏报率有所改进,大雨量级的预报改进最明显。频率匹配法处理后强降水区的面积偏差得到显著改进,预报面积误差明显减少。