“集合统计量集成法”在湖北短期暴雨预报中的应用研究

利用2013年11月—2014年11月ECMWF全球集合预报的51个成员降水预报资料和湖北省78个国家气象站逐日降水实况,对集合平均值、分位值、概率匹配平均值、众数(Mode值)等10种集合统计量在湖北省不同预报分区内的降水预报效果分别进行检验评估。在此基础上,采用在不同降水量级上选取TS评分最优的集合统计量的原则,设计出适用湖北降水预报的最佳集合统计量集成方案,并检验了该方法在2015年和2016年6—8月湖北降水预报的应用效果。结果表明:将集合统计量集成法应用于湖北降水预报时,集合统计量集成方案应随着预报分区的改变而改变;改进后的ECMWF集合统计量集成方案对湖北72 h内大雨及以上降水预报的TS评分均有不同程度的提高,且空报率和漏报率总体上有所降低;与ECMWF确定性预报相比,ECMWF集合统计量集成预报产品对湖北24 h内各降水量级的预报均优于ECMWF确定性预报,且对湖北72 h内的暴雨预报准确率均高于ECMWF确定性预报。

四种定量降水预报客观订正方法对比研究

基于2019年全年、不同季节、不同预报时效的欧洲中期天气预报中心模式的定量降水预报,检验评估了频率匹配、最优TS评分、最优百分位、概率匹配4种定量降水预报客观订正法的综合性能。利用理想模型研究了不同雨带位移偏差和干湿偏差情形下频率匹配法与最优TS评分的表现,并通过个例订正展示了4种定量降水预报订正法的基本特征。结果表明:频率匹配与最优TS评分仅能对确定性预报的降水量级进行调整,最优百分位和概率匹配法通过引入集合预报信息可在一定程度上改变预报的降水落区。频率匹配法以频率偏差最优为目标,可以很好地消除模式的干湿偏差,但仅在位移偏差较小且存在较大干湿偏差时提升原始预报的TS评分。最优TS评分法难以改进存在弱湿偏差的中雨预报的TS评分,而最优百分位法利用集合预报信息可以显著提升所有降水等级的TS评分,在较长预报时效下优势尤其明显,但也存在春、夏两季湿偏差较大的问题。概率匹配法由于没有使用历史实况信息,在暴雨订正中干偏差较大。经济价值模型检验评估表明,最优百分位法在暴雨量级的风险决策中具有较高的参考价值。

海河流域东北冷涡背景下的降水预报订正研究

针对海河流域东北冷涡降水样本,应用海河流域加密自动站降水资料及欧洲中期天气预报中心(ECMCWF)降水预报资料,利用滑动相关分析方法建立重组预报序列,基于加密自动站24 h累积降水量及重组24 h降水预报序列的Gamma累积概率分布曲线,采用预报—实况概率匹配方法建立1~3日的短期订正模型并进行试报检验。结果表明:欧洲中心数值模式对于海河流域东北冷涡降水的预报较实况偏慢;概率匹配法主要通过订正降水量级来改善预报结果,订正后降水预报对于小雨、大雨、暴雨预报的TS(Threat Score)评分技巧均有提升,尤其对于大雨和暴雨及以上量级预报,订正后预报量级及预报落区大小均与实况更加接近,订正效果显著。东北冷涡降水对流性强,模式预报能力弱,而订正后预报能有效提高此类强降水的预报技能,具有较好的应用价值。

浙江梅汛期暴雨预报的客观订正方案对比分析

基于2019—2021年浙江省自动站观测资料和多模式预报数据,分析了各模式对梅汛期暴雨预报的综合表现,并采用12组降水订正方案开展了2020年和2021年浙江省梅汛期降水预报的客观订正,对比了各订正方案对模式暴雨预报的改进效果。结果表明:ECMWF、CMA-SH9和CMA-MESO梅汛期暴雨预报表现优于NCEP-GFS和CMA-GFS,且频率偏差关系稳定,可联合用于开展多模式预报客观订正;由于逐年梅汛期暴雨特征差异大,频率匹配算法无法对预报进行有效订正;最优评分法(OTS)能显著提升ECMWF模式暴雨预报TS评分,但空报率有所增加;对ECMWF降水预报经OTS量级订正后再开展基于集合平均的概率匹配订正,能明显改善以大雨带稳定性降水为主的梅汛期暴雨预报质量,但对于对流性较强的梅汛期暴雨过程订正效果不佳;优选预报成员的各类多模式融合算法均能够有效改进对流性较强的梅汛期暴雨过程预报质量,包括多模式平均、自适应集成和时滞集合预报在2020年和2021年均有明显正技巧;对各模式降水预报经OTS订正后再开展集成预报能够进一步提高梅汛期暴雨预报质量,且对稳定性暴雨和对流性暴雨过程均有较好的订正能力,其中经多模式时滞集合分级订正算法集成OTS量级订正预报表现最优。