Test and Evaluation of ECMWF Model on Precipitation Forecast in Shaoyang Area

Using actual precipitation in Shaoyang of 2018-2020,precipitation forecast of ECMWF model was tested.The results showed that winter accuracy rate was the highest,followed by autumn,and summer accuracy rate was the lowest.24-h TS scoring results showed that the shorter the cumulative time,the lower the TS.Forecasters had a strong ability to predict summer rainstorms.

ECMWF模式在长江上游流域调度关键期的预报检验评估

普查2013—2014年发生在长江上游流域的强降水过程,采用天气学检验方法,基于ECMWF模式开展检验评估。结果表明:ECMWF模式预报强降水过程起止时间和暴雨以上量级落区均在蓄水期效果最好;预报中雨以上量级的落区在各关键期总体较好,但在横江、乌江、宜宾—重庆南部、重庆—万州南部、万州—宜昌等区间易局部漏报,应加强对上述区间模式降水产品的订正;预报影响降水过程的天气系统,3 d之内与实况偏差较小,4—7 d与实况偏差较大,需预报员发挥主观作用进行订正。

基于分位数映射法的四川省ECMWF模式降水预报误差订正分析

为做好ECMWF(European Centre for Medium-Range Weather Forecasting)模式本地化释用,提高四川省降水预报准确率,对四川省2020—2021年7—9月模式各量级降水预报系统性偏差规律分析发现,该模式预报的雨日较实况偏多,尤其是攀西地区和川西高原;预报的大雨日数盆地西南部及攀西地区多于实况,而盆地南部少于实况。然后,基于分位数映射法对模式预报的24 h累积降水开展大量级降水订正试验与检验。基于分位数映射法订正后,暴雨及以上量级TS(Threat Score)提高7%~15%,且各量级降水TS均高于多模式集成客观预报产品2%~4%,大雨及以上、暴雨及以上量级命中率提高10%~20%,订正后雨带位置特别是暴雨落区与实况更接近。

ECMWF高分辨率模式降水预报能力评估与误差分析

利用2015—2017年6—8月ECMWF高分辨率模式(ECMWF-Hi)的加工产品,结合我国2400多个国家级气象站逐小时降水观测资料,对ECMWF-Hi产品24h降水预报的准确度、集中度和相关性进行了评估,并与ECMWF集合预报模式(ECMWF-EPS)24h降水预报产品进行比较。为更好地描述预报的集中度,避免单纯用标准差比或平均值比刻画预报集中度的缺陷,建立一个综合标准差和平均值的R指数,用之定量描述模式预报的集中度。结果表明:(1)ECMWF-Hi在均方根误差的检验方面并未表现出优势;而分辨率较低的ECMWF-EPS集合平均预报误差最小。(2)ECMWF-Hi对研究区域降水预报的集中度的整体描述较为准确,离散度与观测较为相似,预报期望也与观测降水的期望最接近,ECMWF-Hi比ECMWF-EPS的集合控制预报与集合平均对观测降水集中度的刻画较为准确。(3)研究区域内各站点R指数分布表明,ECMWF-Hi与ECMWF-EPS控制预报、平均预报相比,对平均值预报不足的站点较多,且这些站点的预报集中度普遍大于观测,ECMWF-Hi的降水预报更接近观测降水。(4)评估应用结果表明,R指数不仅能定性评估模式的集中度,也可定量描述集中度大小。

ECMWF模式对2020年夏季江淮流域降水的预报偏差分析

基于CMPAS多源融合降水和ERA5再分析产品,评估ECMWF全球高分辨率确定性预报产品对2020年梅雨期(6月10日—7月20日)极端强降水过程的预报性能。同时,基于面向对象的诊断评估方法(MODE),揭示ECMWF模式对强降水落区的质心经纬度、面积、长度、宽度、轴角等空间特征的预报性能。结果表明,ECMWF模式对于梅雨期的日降水量预报,在雨带的空间位置上,模式预报偏北、偏西的偏差较多;在落区形态上,模式预报的雨带面积偏大,轴角倾斜度更大。观测中江淮流域区域平均降水的日变化主峰值出现在清晨至上午,ECMWF预报能够再现降水日变化特征。针对模式对主雨带南北落区质心位置预报偏差的评估表明,模式预报主雨带位置偏北的频次呈现出双峰分布的日变化特征,峰值出现在夜间和午后。雨带位置预报偏南的频次为单峰分布,峰值在上午。低空急流的日变化特征明显,且峰值时刻超前降水峰值时刻3 h,而ECMWF预报急流峰值时刻则较观测早3 h。ECMWF预报降水落区位置偏差与预报低层南风分量的强弱偏差相关,当对流层低层南风分量偏强时,雨带位置预报易偏北;南风分量较弱时雨带位置预报易偏南。针对ECMWF预报位置偏北和偏差较小的两次典型强降水事件的对比分析,结果表明在小时尺度上急流与降水的日变化一致,ECMWF预报降水落区的偏北与前3 h内强度更强的急流有关。

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.

安庆地区ECMWF细网格降水预报的质量检验与释用

利用安庆市逐日降水实况资料,针对2011—2016年ECMWF细网格降水预报产品对安庆地区的12 h、24 h分辨率晴雨和降水分级预报质量进行检验,基于检验结果对此降水预报产品进行解释应用。结果表明,ECMWF细网格数值降水预报在安庆地区晴雨预报正确率无明显区域差异,夏季晴雨预报正确率明显低于其他各季节,对夜间的预报能力明显优于白天。TS评分中,小雨最高,中雨次之,大雨及以上量级较低且无明显规律。若将冬、春两季0.2 mm以下、夏季1.0 mm以下和秋季0.8 mm以下的降水预报进行消空处理,则晴雨预报正确率会有所提升,且小雨预报的TS评分达最佳;若将≥40 mm的降水预报修正为暴雨,则暴雨预报TS评分提高接近1倍,且大雨和暴雨的预报偏差更接近1。

一种定量降水预报误差检验技术及其应用

面向对象检验技术是定量降水预报误差分析方法之一,通过对某一降水过程进行分离,实现对其落区、量级等预报误差的定量化分析。基于面向对象的检验方法和天气系统识别技术,本文利用实况观测资料、ECMWF全球数值模式产品,以2012年汛期西南地区5个典型强降水天气过程作为检验对象,对其降水及天气尺度影响系统1～10 d模式预报误差进行了定量化分析。分析表明:在中短期时效内,模式均对西南地区雨带位置预报偏北、偏西,中期时效内偏差更显著,雨带主轴上70%以上的点预报较实况偏北在2°以内,偏西约3°以内;预报的大雨及以上量级降水量较实况偏弱;模式1～2 d预报的极值分布与实况较为接近,随着预报时效延长,预报的极值较实况明显偏小;模式预报的小雨及以下量级的降水范围较实况偏大,对大雨以上量级的降水范围较实况明显偏小。对于四川盆地而言,预报的切变线较零场偏西0.5°～3°。低空急流预报偏西0.5°～1.5°;低空急流强度预报偏差具有季节差异。

基于CRA空间检验技术的西南地区东部强降水EC模式预报误差分析

CRA(contiguous rain area)空间检验技术是将连续雨区作为目标进行检验。通过设定降水量阈值,识别、分离及平移降水目标,将预报偏差分解为落区、强度和形态误差,该方法可避免传统TS评分的双惩罚效应。利用CRA空间检验技术对2011—2014年5—9月西南地区东部EC细网格模式36 h预报时效119个降水目标的预报误差进行分析,并按照环流形势和影响系统对强降水个例进行分型,分为西南地区东部低涡切变型、西南地区东部-江淮切变型、南风型,分别对上述三类不同类型强降水个例的落区和强度误差进行了对比。得到如下结论:西南地区东部降水预报形态误差占比最大,为60%左右,其次是落区误差,为30%左右,强度误差最小,约为10%;落区平均偏西0.7°,经向偏差不明显;模式对于水平尺度较小的降水目标漏报可能性较大,而对于天气尺度降水目标模式预报面积偏大,总降水量偏大,雨强偏小;西南地区东部低涡切变型和西南地区东部-江淮切变型降水强度预报误差类似,模式预报雨区面积均偏大,降水尺度越大,偏大的概率越大,实况平均降水强度越强,模式预报强度越偏弱;南风型预报强降水面积和平均强度均偏弱,出现漏报的概率较大;而对于最大降水量,三种类型模式预报的最强降水均较实况偏弱;西南地区东部低涡切变型模式预报落区偏西,江淮至西南地区东部切变型模式预报落区偏西偏北,南风型模式预报落区偏西偏南。