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...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。展开更多
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...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。展开更多
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...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。展开更多
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...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。展开更多
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...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。展开更多
文摘针对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。
文摘利用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。
文摘运用我国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。
文摘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。