陕西省2014年汛期ECMWF集合预报降水产品评估检验

利用陕西省100个台站降水实况资料和欧洲中心集合预报10种降水产品,对2014年6—9月欧洲中心集合预报10种降水产品在陕西的预报效果进行了客观分级检验以及时空分布演变综合评估,结果表明:绝大多数产品的Ts评分随降水量级增大明显下降,随预报时效延长有小幅下降;模式对陕南各量级降水预报效果优于陕北、关中,多数情况下90%分位数Ts评分最优;所有降水量产品小雨预报偏差最大,空报明显,随着降水量级增大,空报逐渐减少,漏报增加,陕南预报偏差比陕北、关中大;90%分位数、控制预报、概率匹配产品、融合产品能基本反映出实况降水的落区情况,对大降水过程的演变趋势可以做出较为准确的预报;综合而言,控制预报、融合产品、概率匹配产品无论在Ts评分还是预报偏差上表现均较好,稳定性高,用户可以根据不同关注点,在应用时选取不同的产品进行参考。

ECMWF集合预报统计量产品在重庆降水预报中的检验与分析

利用ECMWF集合预报降水资料和重庆市自动站降水资料,运用晴雨、TS评分、预报偏差等检验方法对重庆地区2014—2016年ECMWF集合预报降水产品在短期时效的预报性能进行检验分析。结果表明:最小值的晴雨预报准确率最高。对于TS评分检验,小雨量级可优先参考最小值、10%分位数和融合产品,中雨量级参考平均数和概率匹配平均,大雨和暴雨量级分别参考75%分位数和90%分位数。对于预报偏差检验,小雨量级可优先参考最小值、Mode,中雨量级参考融合产品、中位数,大雨量级参考控制预报、融合产品,暴雨量级参考90%分位数。对于百分位值预报产品和概率预报产品,小雨量级可参考5%~10%分位数和80%~90%概率预报产品,中雨量级可参考45%~55%分位数和40%概率预报产品,大雨量级可参考70%~80%分位数和20%概率预报产品,暴雨量级可参考90%~95%分位数和10%概率预报产品。

频率匹配法在海河流域ECMWF集合预报融合产品中的应用研究

针对ECMWF(European Centre for Medium-range Weather Forecasts)集合预报,融合降水产品在海河流域的偏差特征,进行基于频率匹配法的降水偏差订正,并对订正前后降水评分结果进行了系统检验。结果表明:经过2016年5—8月逐日试验分析表明,改进后的ECMWF集合预报融合产品显著改善了原产品降水量和雨区范围偏大的特征,订正后降水预报的平均强度与实况更接近,且预报时效越长、降水量级越大、预报偏差越大改进效果越明显;改进后ECMWF的集合预报融合产品降水预报的TS评分均有一定程度的提高,降水预报的Bias评分更接近1,特别是对于小雨和暴雨、大暴雨量级的改进尤其明显,消除了大片降水虚报区;降水预报的空报率明显减小,但漏报率有所增加。

改进的ECMWF集合预报融合产品在海河流域的检验与分析

利用2012—2015年5—8月欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)集合预报在海河流域的17个降水统计量产品与对应降水实况的TS评分检验结果,设计了适合该地区的多种统计量融合技术改进方案,并对新方案进行试验评估。4个月(2016年5—8月)的逐日试验分析结果显示:对于36 h预报时效,与国家气象中心下发的产品相比,改进后的融合产品在5个降水量级的TS评分上均有一定程度提高,降低了暴雨以下量级降水的漏报率,同时消除了大暴雨的虚报区;对于60 h和84 h预报时效,改进后的产品对大雨及以下量级降水的TS评分均有所提高,降低了大雨及以下量级降水的漏报率。新方案更符合海河流域夏季降水特点,提高了该地区降水预报准确率。

ECMWF集合预报在中国中部地区的降水概率预报性能评估

利用2013、2014年5-10月ECMWF集合预报系统(EPS)输出的降水预报资料,CMORPH(NOAA Climate Prediction Center M orphing M ethod)卫星与全国30000余个自动气象观测站的逐小时降水量融合资料,基于Brier评分、Talagrand分布、ROC(Relative operating characteristic)分析等方法,研究ECMWF集合预报对我国中部降水的概率预报性能。主要结论如下:(1)模式对小雨具有稳定的预报技巧,但预报概率偏大;对大雨以上量级降水的分辨能力不足,概率预报偏小。(2)Talagrand图整体表现为"U"型,模式对中等强度以上量级降水预报频次偏少;就不同量级降水的预报和观测频次一致程度来看,时效越长预报性能越稳定;第11天模式集合成员的发散度发生明显变化,Talagrand图呈"钟"型分布,预报评分显著下降。(3)预报日数越短,降水概率预报效果越好,平均而言,预报日数超过2天后,模式对12 h(24 h)小于30%(40%)的暴雨概率预报技巧低于气候预测。(4)模式24 h小雨命中率较12 h偏高,空报率偏低,预报技巧优于12 h;对暴雨来说,前6天12 h降水概率预报的ROC面积较24 h表现较好。

基于ECMWF集合预报的海河流域降水概率预报应用和检验

利用海河流域逐日降水历史观测资料、ECMWF集合预报降水预报数据,通过贝叶斯产品处理技术(Bayesian Processor ofOutput,BPO)对海河流域内289个格点进行BPO建模,将ECMWF集合成员确定性降水预报修订为贝叶斯降水概率预报,结果显示概率密度峰值较确定性预报更加接近实况;再以51个成员的有效信息得分(Informativeness Score,IS)衡量各集合成员的预报能力,融合各成员的概率预报结果,得到代表ECMWF集合预报不确定性的贝叶斯集成降水概率预报。采用RPS和BS评分方法对海河流域2018年6—8月降水概率预报进行检验,结果表明,在海河流域降水预报中基于BPO方法的贝叶斯集成概率预报评分结果优于集合预报的直接概率预报结果,为海河流域降水概率预报业务奠定了基础。

ECMWF集合降水预报在长江流域应用性能评估

欧洲中期天气预报中心(ECMWF)集合预报系统被广泛应用于降水预报中,但由于长江流域地形、气候条件复杂,该系统在长江流域的应用性能有待进一步评估。利用2015年4月至2018年6月汛期(4~10月)ECMWF集合预报系统(EPS)输出的降水预报结果和全国2 000多个站日降雨观测资料,基于Brier评分、Talagrand分布、ROC分析等方法,研究了ECMWF集合预报在长江流域降水的预报性能。结果表明:①Talagrand分布表明,模式对小量级的降水预报概率偏高,而对大量级的降水预报概率偏低;ECMWF集合预报系统存在短期预报发散度不够的情况。②Brier评分表明,在同量级降水预报中,预报时效越长,准确性越低;ECMWF集合系统在近4年的降水预报有相对稳定的Brier评分。③ROC分析表明,各个时效,同量级降水预报的准确性差异不大。总体来说,不论离散度还是准确性,ECMWF集合预报系统还存在一定的系统性偏差,需要进行统计后处理订正来消除此类偏差。

ECMWF降水相态预报产品(PTYPE)应用和检验

运用我国2016-2018年三个冬半年(10月至次年3月)地面2515个站的天气现象观测资料,对ECMWF(European Centre for Medium-Range Weather Forecasts)的降水相态预报产品(PTYPE)(分为雨、雨夹雪、雪和冻雨四类)进行了系统性的检验评估,包括细网格确定性模式预报产品和集合预报系统概率预报产品。结果显示,ECMWF的确定性预报产品对四类降水相态的正确率普遍达到90%以上,对降雨和降雪的TS评分也较高,冻雨次之,雨夹雪的TS评分较低,预报能力有限。确定性模式对我国雨雪分界线的预报,普遍存在短期位置略偏南、中期随时效延长越来越偏北的误差特点,且对雨夹雪的预报范围明显偏小,对冻雨的预报范围明显偏大。集合预报系统从概率的角度一定程度上弥补了确定性模式的上述误差。对概率预报的检验结果显示,集合预报系统降雨概率普遍偏低,降雪概率短期偏高、中期偏低,而雨夹雪和冻雨概率普遍偏低,但是都有一定的预报技巧。集合预报系统相对于确定性模式的优势,降雨体现在较小花费损失比事件的预报上,降雪体现在较大花费损失比事件的预报上。对雨夹雪和冻雨,相对于确定性模式,集合预报系统体现出了显著的优势,尤其是冻雨,集合预报系统的优势更加明显。

遗传—神经网络集合预报方法在广西热带气旋降水预报中的应用

利用多维尺度分析可以从一系列数据集的相似性信息中发掘其中的潜在结构信息,并通过样本点间的相似度构建相似矩阵,再将相似矩阵映射到低维欧氏距离空间获取新的特征的能力。论文以1980—2015年共36年的广西热带气旋逐日降水量为基础,综合考虑热带气旋降水的数值预报产品物理量预报因子,采用多维尺度分析的预报因子信息数据挖掘技术,以进化计算的遗传算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行遗传—神经网络的广西热带气旋降水集合预报模型研究。遗传—神经网络的集成个体的输入因子是通过选出相关程度较高的数值预报产品的物理量场格点因子,同时网络的输出是通过多维尺度降维方法对初选预报因子群进行合理的降维处理来实现的。通过对2011—2015年影响广西的22个热带气旋共94个独立样本的试验预报的统计结果表明,对于暴雨以上量级的预报,广西89站的预报平均TS评分达到了0.3;同区域同样本的对比分析表明,新预报模型5年的TS评分比欧洲细网格的TS评分提高了15%以上;进一步对大量级的降雨落区的预报对比分析表明,新方案的预报效果比欧洲中心的预报更理想。

ECMWF细网格TP产品在北疆降雪天气中的预报性能检验

基于升级后的EC细网格TP降水量预报产品,对北疆2015年17场降雪天气的12h累积降雪量,主要运用平均误差、平均绝对误差和均方根误差进行了检验。结果表明,该模式在北疆降雪天气预报中小雪的预报准确率最高,暴雪最小;预报准确率随时效的延长并非都是减小的;小雪空报率较高、暴雪漏报率较高,中雪和大雪空报率和漏报率都不容忽视;小雪和中雪的3种误差均较小,随时效的延长变化较小;强降雪(大雪及以上量级)的误差较大,随时效的延长有增大的趋势;模式对小雪的预报总体为系统性偏大,对强降雪预报则为明显的系统性偏小,对中雪的预报系统性偏向不稳定。

基于EC集合预报动态百分位的降水订正算法研究

对2020年6月贵州一次连续性的强降水天气过程利用欧洲中心(ECMWF,以下简称EC)的集合降水预报产品数据和国家气象局信息中心下发的CMPA三源融合降水产品,采用动态百分位方法对EC集合降水预报进行订正,并对订正前后的预报进行检验,对比预报效果。结果表明: 经动态最优百分位方案订正后的预报产品对有无降水有较好的订正效果,能够对降水预报起到一定的消空作用,对分量级的降水预报,订正效果较优的是对小雨及中雨的订正,对大雨订正效果低于小雨及中雨,而对暴雨以上的量级的降水几乎没有订正能力;订正后的降水落区和主雨带走向更接近实况,明显优于EC确定性预报,说明对降水落区有一定的订正能力,但降水量级偏低。

基于神经网络和地理信息的华东及华南地区降水概率预报

基于欧洲中期天气预报中心(the European Centre for Medium-Range Weather Forecasts,ECMWF)2015年2月8日—2016年12月31日中国华东及华南地区24~168 h预报时效的逐日24 h累积降水集合预报资料,利用前馈神经网络建立NN(Neutral Network)模型及NN-GI(Neutral Network-Geographic Information)模型进行概率预报试验,并对两个模型输出的概率预报结果进行评估。结果表明,经NN模型和NN-GI模型订正后,降水概率预报结果得到明显改进,在168 h预报时效时,降水概率预报的CRPS值与原始集合预报相比分别下降了约16.00%、21.27%。与NN模型相比,NN-GI模型由于考虑到各格点的地理信息差异,在区域内预报技巧整体改进更优。这表明,在利用机器学习方法改进降水预报时,在模型中加入各个格点的地理信息非常重要。

四川冕宁“6.26”大暴雨模式预报检验

运用气象观测资料和GRAPES、ECMWF、SWCWARMS_9KM(简称SWC)模式预报资料,对冕宁“6.26”大暴雨天气过程模式预报性能进行检验。结果表明:(1)对于24 h累计降水预报,中尺度区域模式优势明显,量级与落区预报效果均为最好,其中GRAPES_3KM模式预报落区分布与实况重合度较高,暴雨及以上量级降水TS评分最高。(2)GRAPES_3KM模式最大小时雨强10 mm以上降水落区与实况大雨及以上量级降水落区匹配度最高,ECMWF模式24 h累计降水多物理量订正产品及短时强降水概率产品次之。(3)SWC及GRAPES_3KM模式24 h累计降水极值点相比实况略偏北,量级偏小。对于小时降水峰值出现时间,SWC模式偏早4 h,GRAPES_3KM模式偏早3 h。(4)GRAPES_GFS模式环流背景预报更接近实况,SWC模式能较好地预报出冕宁上空中尺度辐合系统的存在。

2004年7月24日-26日玉树地区大降水分析

本文利用实况资料、ECMWF、T213数值预报产品等资料,对2004年7月24日-26日玉树地区大降水天气进行了分析。结果表明:这次大降水过程是发生于大的环流系统(中亚大槽、东亚大槽和西太平洋副热带高压)由强转弱的背景之下,由高原低涡、切变线与高原槽共同作用的结果。另外,分析表明,中尺度对流云团的活动对局地大雨的产生有重要贡献。