RMAPS模式预报总辐射的3种订正方法应用

为降低光伏功率预测中预报总辐射误差且探讨各类订正方法的适用性,分季节对比分析逐步回归、支持向量机(SVM)和相似误差订正(AnBC)方法对快速更新多尺度分析和预报系统短期预报总辐射的订正效果.结果表明,订正后明显降低了预报误差,一定程度上改善了预报总辐射分布较分散和偏大的情况.酒泉鸿坤光伏电站秋季逐步回归订正效果相对最佳(平均绝对偏差(M_(AE))降低4.56 W/m^(2)),冬季、夏季和春季均是AnBC效果相对最佳(M_(AE)依次降低10.33、12.71、44.27 W/m^(2));敦煌电建汇能光伏电站秋季和冬季均是SVM订正效果相对最佳(M_(AE)分别降低4.73和7.85 W/m^(2)),夏季和春季均是AnBC效果相对最佳(M_(AE)分别降低16.24和34.17 W/m^(2)).两座电站逐小时误差分布显示AnBC效果相对最佳;就各季节相对最佳订正方法而言,订正后春季提高时次百分比最高(酒泉鸿坤为73.88%,电建汇能为77.28%).晴天SVM订正效果最明显,非晴天AnBC效果最明显.

四川地区精细化降水预报融合订正试验及检验

精细化定量降水网格预报是天气预报业务的重点和难点,基于西南区域智能数值网格模式预报系统(Southwest China WRF-based Intelligent Numeric Grid forecast System,SWC-WINGS)1 km×1 km分辨率的小时降水预报,利用时间滞后和概率匹配方法开展融合订正试验,再利用中国气象局多源融合降水系统(CMA Multi-source Precipitation Analysis System,CMPAS)三源融合降水实况格点数据,对2022年7—8月四川地区的小时降水预报融合订正结果进行检验,并在四川盆地西部一次短时强降水天气过程中进行应用,结果表明:(1)时间滞后集合降水预报相较于模式降水预报,存在小量级预报过度,大量级预报过于保守的问题;(2)时间滞后结合概率匹配的降水预报融合订正方法有效提升了各量级降水预报的TS评分,尤其1~2 h预报时效提升显著,小时雨量超过0.1 mm、5 mm、10 mm和20 mm量级的TS评分平均提升率分别为7.2%、17.2%、28.3%和36.3%;(3)一次短时强降水天气过程的应用结果表明,时间滞后结合概率匹配的融合订正方法对模式小时降水预报有较好的改进效果,尤其对大量级降水预报有较强的订正能力。

融合DEM与FY-4A数据的ECMWF预报产品深度学习订正方法

精准的数值天气预报是精细化气象公共服务和商业服务的重要前提。欧洲中期天气预报中心(European Center forMedium Weather Forecasting,ECMWF)预报产品在全球被广泛采用,但始终存在系统预报误差。针对数值天气预报中的误差和多源数据融合中的非线性映射等问题,设计了一个ECMWF数值预报产品的深度学习订正模型(Numerical Forecast CorrectionNetwork,NFC-Net)。NFC-Net引入了FY-4A卫星观测数据、数字高程模型数据(Digital Elevation Model,DEM)和ERA5历史实况数据订正预报结果,利用多源数据空间分辨率对齐模块、时空特征提取模块解决多源异构数据特征的提取与融合问题,并通过UNet网络实现ECMWF预报产品的订正。为了评估所提算法的性能,利用NFC-Net对ECMWF产品中的2 m气温和10 m风速两个天气要素开展订正试验,并将试验结果与ECMWF预报结果、ANO方法订正结果、Convlstm方法订正结果、Fuse-CUnet方法订正结果和ERA5实况进行对比。结果显示,NFC-Net模型订正的2 m气温和10 m风速的均方根误差(Root Mean Squared Error,RMSE)分别较ECMWF预报产品下降49.71%和50.86%。表明NFC-Net模型可以充分利用多源数据有效改善复杂地形条件下的订正结果。NFC-Net模型可用于订正ECMWF预报结果,显著提升数值天气预报的精度。

两种降水客观统计方法对ECMWF集合平均降水预报的订正研究

提升降水量级预报精度,有助于优化灾害预警与决策支持。选取2018年1月1日至2021年1月山东省逐12 h降水观测数据和欧洲中期天气预报中心(the European Centre for Medium-Range Weather Forecasting,ECMWF)的集合预报集合平均(Ensemble Prediction Ensemble Mean,EPEM)结果进行72 h内逐12 h降水量级预报统计订正,然后对比ECMWF集合平均降水预报插值的原始预报(EC_EPEM)、基于EC_EPEM的输出统计(Model Output Statistics,MOS)预报(EC_EPEM_MOS)、利用最优TS(Threat Score)评分订正(Optimal Threat Score,OTS)预报(EC_EPEM_OTS)的效果。结果表明:EC_EPEM_MOS在较小量级上表现最优,但在大量级上订正效果稍差,甚至略低于EC_EPEM;EC_EPEM_OTS仅在0.1、10 mm量级上低于EC_EPEM_MOS,其他量级均为最优,尤其在较大量级上订正效果更明显。在50、100 mm大量级上,EC_EPEM_OTS在12~72 h时效订正效果均最优,这是由于EC_EPEM_OTS在稍大量级上提高订正系数使得大量级降水漏报率减小,同时对大量级降水使用较小订正系数也减小了空报率。在较小量级降水中短期预报时效除了山东中部山区外EC_EPEM_MOS表现最佳,山区EC_EPEM_OTS最佳;中等以上量级、尤其较大量级降水,山东大部分地区EC_EPEM_OTS表现最佳。EC_EPEM_MOS订正预报有效地减小了EC_EPEM的空报问题。EC_EPEM_OTS的订正效果最佳,在大范围强降雨过程中与实况降雨分布更为接近,降水总体分布把握较好。

CLDAS降水产品的适用性分析及机器学习订正应用

为获得中国气象局陆面数据同化系统(CLDAS)多源降水融合实况分析产品在甘肃省的精细化评估结论并提高该产品的精度,采用甘肃省2215个地面站的降水数据作为检验源,评估CLDAS快速融合和实时融合降水产品的适用性,并基于评估结论采用机器学习方法及优化策略,订正CLDAS降水产品。结果表明:CLDAS降水产品能较好地反映甘肃省降水时空分布,日值的精度整体不如小时值;XGBoost算法较其他模型有显著优势,且在降水量大时订正效果更显著;通过提升训练数据集质量、特征工程和精细调参优化后的XGBoost模型使3级以上降水量的均方根误差减少近50%,1~2级的误判降水得到明显改善,该模型和算法能推广应用于具有相同气候特征的领域。

考虑台风事件影响的日降水预报检验与订正

【目的】台风带来的强降水常给当地带来洪涝等灾害,在台风事件下提供准确可靠的降水预报是科学研究和业务预报的重要工作。【方法】通过台风路径缓冲区筛选台风场次,检验台风事件和非台风事件分布情况;对美国国家环境预报中心提供的GEFSv12逐日原始降水预报检验数据精度情况,评价原始预报技巧;应用伯努利-伽马-高斯模型对GEFSv12降水预报,在我国粤港澳大湾区格点,设计不同订正方案,在不同降水场景下,评估不同情况下模型订正前后预报性能。【结果】影响我国东南沿海台风登陆时间主要集中于7—9月,台风等级集中在14级以前;台风事件下,利用台风事件样本训练模型订正后预报BIAS接近0,排序概率技巧得分CRPSS平均提高了近15%,α-index相对原始预报提升了约0.16。【结论】伯努利-伽马-高斯模型能有效订正原始预报存在的系统偏差,提高预报的准确性;不同降水场景订正效果有所区别,对出现极值降水较少的非台风事件,订正后效果有更好的表现;台风事件下,利用台风样本训练模型订正效果相对较好,提高了原始预报精度技巧、可靠性,减少预报偏差;订正的效果和相关系数大小有关,相关系数表现好的区域有更好的预报精度技巧得分,经订正后有利于后续水文集合预报应用、模型发展和备灾应灾工作。

基于随机森林算法的FY-4A地表入射太阳辐射空间订正

筛选时次、天顶角、FY-4A AGRI全圆盘地表入射太阳辐射(SSI)、云覆盖率(CFR)、云检测(CLM)以及云类型(CLT)产品构建特征向量,采用随机森林方法开展FY-4A SSI逐时产品的空间订正研究。结果表明、随机森林算法对于提升FY-4A SSI产品的空间分布精度具有明显作用,订正后相关系数、平均偏差、平均绝对误差均有不同程度的改善,且能很好地解决FY-4A SSI产品的过高估计及FY-4A SSI产品在太阳天顶角大于70°时无观测问题,有效提高FY-4A SSI产品在高纬度地区的可用性。

基于深度学习和时空关联建模的降水数据地形订正方法

【目的】如何基于地形因素对降水数据进行误差订正(简称“地形订正”)是气象大数据研究的一个重要问题。但是,现有的降水数据地形订正方法存在两方面局限性:一是现有方法大多基于数据统计或传统机器学习而设计,未能拓展至特征学习能力更强的深度学习模型;二是现有方法亦未能结合气象数据的时间与空间关联信息以提升订正效果。【方法】提出一种基于深度学习与时空关联建模的降水数据地形订正方法。该方法首先对广东省降水数据和多源地形信息作预处理,结合经纬度进行对齐与编码,以构建相应的数据矩阵。进而结合各个格点的空间和时间邻域下的降水与地形数据进行多源时空信息建模,并结合降采样策略以缓解降水格点与非降水格点的数据不平衡性,最后构建深度神经网络进行回归订正。实验在广东省逾4000个气象观测站点、逾15万气象格点的真实气象数据上进行。【结果】实验结果验证了时空关联建模策略对提升降水订正效果的显著作用以及所提出方法相比于其他对比方法的性能优势。

全球气象模型GFDL-SPEAR月降水预报订正与检验

由于全球气象模型产生的原始预报通常包含复杂的误差,为评估新一代的GFDL-SPEAR模型对我国各二级水资源区的适用性,构建伯努利-伽马-高斯模型开展统计订正的对比实验,从逐月与累计降水2个方面评估预报的相关性、系统偏差、可靠性以及预报精度,从而辨析原始预报的误差并分析预报订正的作用。结果表明:GFDL-SPEAR原始预报与观测呈现良好的相关关系,但包含-20%到50%的系统偏差,导致预报可靠性与预报精度较低;伯努利-伽马-高斯模型能够有效订正系统偏差,生成可靠的预报时间序列,使逐月与累计降水的预报精度分别提高约25%和45%;相比总量订正,逐月订正能够进一步提高预报精度。整体上,订正后的GFDL-SPEAR降水预报可为流域水资源调控与防洪抗旱提供6个月乃至1年预见期的重要信息。

基于Delta分位数映射法的青藏高原中东部IMERG卫星降水误差订正

可靠的降水资料对理解青藏高原水量平衡和水循环过程尤为重要。IMERG(Integrated MultisatellitE Retrievals for Global Precipitation Measurement)是新一代卫星降水产品,具有更广的覆盖范围与更高的时空分辨率,但在高原复杂地形条件下仍然存在较大的不确定性。鉴于此,本研究应用Delta分位数映射法(Quantile Delta Mapping,QDM),对IMERG日降水数据进行偏差订正,使用2001-2010年的中国区域地面气象要素数据集(China Meteorological Forcing Dataset,CMFD)降水数据和IMERG日降水产品分季节建立传递函数,对2011-2014年的IMERG逐日降水进行订正。研究结果表明:(1)Delta分位数映射法能够有效订正IMERG的降水频率、数值和空间分布,对极端降水和负偏差较大区域的订正效果更为明显。订正后的IMERG降水概率分布更加接近观测概率分布,降水偏差也更符合正态分布,改进了对全年和季节降水空间分布的刻画,提高了月降水的精度。(2)订正后日降水量均方根误差由1.49 mm·d^(-1)降低到1.26 mm·d^(-1),精度提高了15.44%;订正后的日降水在不同降水量级的临界成功指数CSI、命中率POD、误报率FAR、准确率Precision和F评分Fscore均有提高,降低了微量和暴量降水的空报率。(3)对极端降水的订正效果显著,降水强度SDII以及极强降水量R95p和R99p的均值更接近观测值;有效提高了对极端降水空间分布的表征,极端降水偏差从30%以上降低到5%以内;SDII、R95p和R99p的均方根误差从1.59 mm·d^(-1)、6.54 mm·d^(-1)、14.89 mm·d^(-1)降为0.65 mm·d^(-1)、3.01 mm·d^(-1)、8.99 mm·d^(-1),精度分别提高了59.12%、53.98%和39.62%。本研究验证了Delta分位数映射法在青藏高原的适用性,有利于为青藏高原气象和水文研究获取更精确的降水数据。

基于等效水量法的城市内涝模型实时订正技术研究

为解决现有城市内涝模型在模拟计算时的输入场通常仅考虑降雨量及先期预先设定的相关参数,无法将实况积水数据代入模型对模拟结果进行实时订正,使得模型计算结果与实际存在偏差较大的问题,采用模型计算结果与积水监测数据实时同化确定模型中产汇流系数和排水系数,提出一种基于等效水量法的城市内涝模型实时订正方法。以石家庄市城市内涝仿真数学模型为应用案例,选取典型暴雨个例进行效果验证,结果表明实时订正后的模拟积水值更能较好反映出实际积水情况,模拟值与实况值的一致性指数从订正前的0.72提升到了订正后的0.96,通过订正技术显著提升了模型的计算精度。

基于CMA-TRAMS模式地形高度偏差的地面气温误差订正方法研究

采用一元线性方法建立南海台风模式CMA-TRAMS地形高度偏差和地面气温预报误差的回归关系,分别开展不分级、高度偏差分级和地面气温误差分级的三种订正方法的研究,并进行订正效果评估。结果表明,模式地面气温预报误差与地形高度偏差总体呈负的线性相关关系,地面气温预报绝对误差随地形高度偏差绝对值增大而增大(对模式地形高度偏低站点尤为明显),但不同时刻地面气温预报误差特征表现不同,模式对地形高度偏高(即模式地形高于测站高度)和地形高度偏差小于50m的站点,06时地面气温(世界时,下同)预报总体偏低,对地形高度偏低大于50m的站点(即模式地形低于测站高度),06时地面气温预报总体偏高;而无论站点地形高度偏差如何,模式对18时地面气温预报总体偏高。三种订正方法中地面气温误差分级法能有效地减小地面气温预报误差,该方法订正后的分析场准确率可达96%~99%,12~48小时时效预报场准确率总体可提升至90%以上,该方法具有回归关系稳定、效果显著、适用性广、简单易行等特点。

基于机器学习的模式温度预报订正方法

基于ECWMF模式数据(地面2 m温度、10 m风、降水等多气象要素预报产品)和安徽省80个国家气象站观测资料,利用决策树、随机森林、LightGBM三种机器学习算法订正ECMWF模式0~72 h温度预报,并将其与传统MOS订正方法和主观预报产品进行对比分析。结果表明:ECMWF模式高温预报误差明显高于低温预报,在安徽皖南山区和大别山区存在较大的预报误差。随机森林对最高温度预报的表现最优,LightGBM对最低温度预报的表现最优,与ECMWF模式结果相比,预报准确率分别提高了18.16%和5.19%。高山站点融合周围站点信息的机器学习模型能有效降低高、低温的预报误差。机器学习在高温和寒潮天气过程中相比主观订正仍有良好表现,能显著优化或改善数值模式在转折天气中的温度预测精度。

基于ConvGRU和自注意力的海表温度偏差订正研究

海表温度(Sea Surface Temperature,SST)是一个重要的海洋物理量,其准确预报对于水产养殖和预测海洋环境信息等海洋相关领域的研究至关重要。数值预报是目前预报海表温度的一种常用方法,但数值预报模型所产生的预报结果往往与实际观测数据有偏差,因此有必要对数值预报产品的偏差进行订正。本文提出了一种结合ConvGRU神经网络与自注意力(Self-Attention,SA)的新型时空混合海表温度订正模型(ConvGRU-SA),对南海海表温度预报数据进行偏差订正,该模型适用于利用卫星遥感数据对海表温度数值预报产品进行订正。经与ConvLSTM、ConvGRU等网络模型对比,证明了ConvGRU-SA模型的优越性,设置不同的超参数进行实验,提高模型订正准确率。订正后该区域的海表温度预报均方根误差从0.52℃降低至0.32℃,准确率提高了38.4%,优于现有模型。

山地雷达估算降水的反射率因子订正方法研究

我国很多新一代多普勒天气雷达位于地形复杂的山区,低仰角地形遮挡问题突出,遮挡区雷达估算降水时需要采用更高仰角的观测数据,而由于降水粒子下落过程中的微物理变化和水平运动,同一地点高处的反射率因子常与近地表处有很大的差异,直接用于估算地表降水会增大估算误差。本文提出一种反射率因子垂直订正方法,首先建立无遮挡观测区不同降水类型的雷达反射率因子垂直廓线(VPR),然后依据廓线的垂直变化特征,确定待订正的高度阈值和近地表目标高度,并将待订正高度以上的观测值订正到目标高度处。对比检验结果表明:经过订正后的目标反射率因子数据与实际观测数据值差异减少,一致性提高;而且,考虑遮挡因素使VPR低处的数据更准确;由于不同降水类型VPR差别明显,区分降水类型能避免误订正。本订正方法不仅适用于波束遮挡区,也普遍适用于远距离处波束较高时观测数据的订正。

基于多神经网络的动态权重集成温度预报订正研究

基于CMA-GD模式预报数据,利用多神经网络的动态权重集成方法,开展了贵州省温度预报订正研究,最终获得本地化温度预报订正产品。结果表明:(1)在对历史数据检验评估的基础上,利用多种神经网络方法可有效降低模式系统误差,通过BP、BP_GA、WAVENN、GRNN、LSTM等神经网络订正,2020年贵州省0~72 h预报时效的温度平均绝对误差较模式降低0.01~0.17℃;(2)考虑到不同神经网络订正结果的差异性,采用动态权重方案对订正结果进行优势集成可显著提升预报可靠性。经集成后的温度预报效果优于模式直接输出和各神经网络订正结果,2020年贵州省0~72 h预报时效的温度平均绝对误差较模式降低14.93%,预报准确率提升8.24%。此外,动态权重集成后的订正结果还表现出较好的稳定性。基于该方法形成的本地化客观预报订正产品可为提升贵州复杂地形下温度预报质量以及精细化预报服务水平提供参考依据。

2020年我国梅雨期暴雨特征及ECMWF暴雨落区订正分析

利用常规地面和高空资料对2020年我国梅雨期暴雨特征进行初步分析,按照925hPa锋区性质对暴雨过程进行分型,最后通过两个典型暴雨个例讨论ECMWF数值预报的订正思路.结果表明:①在27次梅雨期区域性暴雨中,有26次暴雨与925hPa切变线位置吻合,只有18次与850hPa切变线位置吻合.②按照925hPa锋区位置和强弱,可将梅雨期暴雨分为无锋区暴雨、强锋区暴雨、弱锋区暴雨和混合型暴雨;按照锋区移动方向可将强锋区暴雨分为南压型、静止型和北抬型暴雨;按照暴雨落区与锋区位置关系可将弱锋区暴雨分为弱强迫暴雨和冷区暴雨.③EC对无锋区型暴雨预报较差,对强锋区暴雨预报有偏北趋势(20次中有14次偏北,2次正确,4次偏南),对弱锋区暴雨预报有偏南趋势(11次中有8次偏南,1次正确,2次偏北).④从典型暴雨个例上也能看到,925hPa切变线和温度锋区位置与暴雨落区相吻合;中尺度数值模式有时候能较好地弥补EC全球数值模式对锋区降水的不足.

CLDAS气温实况融合产品在兰州和武威的检验评估及偏差订正

为更好地理解格点融合实况数据与观测数据的差异和代表性,利用甘肃兰州和武威两地站点的观测数据对中国气象局陆面数据同化系统(CMA Land Data Assimilation System,CLDAS)地面2 m气温融合产品进行检验评估及偏差订正。结果表明:(1)逐小时气温和日最低气温融合产品的平均误差总体为负值,较实际气温偏低,且在2500 m以下误差随海拔上升而减小;日最高气温融合产品平均误差在海拔1500 m附近为负值,1500 m以上误差变为正值且随海拔升高而增大;日最高和最低气温误差较逐小时气温误差偏大,但平均误差均在2℃以内。(2)通过近网格点检验,发现逐小时CLDAS气温产品白天与实况相近,夜间较实况偏低0.2℃;日平均气温CLDAS融合产品总体较实况偏低1℃,兰州城区产品偏差相对较小;30℃以上高温天数融合产品与实况分布基本一致,但在兰州城区,CLDAS融合产品的高温天数较观测天数偏少。(3)线性回归法和递减平均法对CLDAS气温融合产品都有一定的订正效果,递减平均法订正效果更优且在高海拔地区订正效果更明显。CLDAS气温实况融合产品在兰州和武威两地能较好地反映气温变化特征,但日最高、最低气温误差较逐小时气温大,且在复杂地形下误差相对较大。

基于频率匹配的EC模式定量降水偏差订正

为了提升模式预报效果,文章利用四川盆地南部2018-2020年5-9月的EC模式降水预报资料和实况降水资料,采用频率匹配的方法对EC模式的24 h累计降水进行订正分析和检验,给出了预报偏差订正系数。研究结果能够提升相关区域的降水预报能力。