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。

2020年北上台风不同模式的预报误差分析

2020年台风“巴威”、“美莎克”和“海神”直接北上引发了辽宁地区大范围的强降水天气过程。针对业务数值预报模式在路径、强度和降水等方面预报存在一定偏差,利用多家数值模式台风预报资料,采用评分检验和空间检验方法对北上台风的模式预报结果进行检验评估,为以后的台风气象预报工作提供参考。结果表明:各模式对台风路径的可预报时效为72 h,随着台风逐渐北上,台风的路径预报误差偏大,台风的强度预报较稳定。在降水的MODE检验结果中,ECMWF全球模式的相似度更高,CMA_MESO_3KM区域模式对降水量级预报偏大,空报较多,但两者对台风降水都有着较好的可参考性,同时台风降水预报效果与台风路径和强度预报密切相关。

基于集合预报的中国极端强降水预报方法研究

极端强降水天气属于小概率事件,其发生具有很多不确定的因素,预报难度很大。根据Anderson-Darling检验原理研究基于集合预报资料的极端强降水天气预报方法,利用2007—2010年中国T213集合预报资料和2001—2010年6—8月中国降水观测资料,分析观测与集合预报累积概率密度分布函数的特征,建立基于集合预报与模式历史预报累积概率密度分布函数连续差异的数学模型——极端降水天气预报指数(EPFI),并对2011年7月中国极端强降水天气进行预报试验。结果表明,极端降水天气预报指数可以充分利用集合降水累积概率密度分布的尾端信息,为极端强降水提供科学合理的预报,基于中国气象局(CMA)T213集合预报的极端降水天气预报指数可提前3—7 d发出极端强降水预警信号,随着预报时效的延长,预报技巧逐渐降低。研究还表明,模式气候累积概率分布的合理性将直接影响极端强降水天气识别能力。

短期集合预报中定量降水预报集合方法初探

针对短期集合预报中集合平均等方法对极端天气事件预报能力低下的缺陷,提出一种定量降水预报集合方法,简称两步法。该方法首先采用逐级归并法确定集合成员的总体相似度,进而确定集合成员预报场的延伸半径,对各成员的预报场进行修正,然后根据每个成员与其他成员的相似程度,确定各成员的权重系数。这个方法既考虑了集合成员总体的差异性又考虑了降水的概率分布。试验证明,通过上述两步得到的定量降水预报,对提高极端天气事件的预报确率有一定效果。本方法无需历史资料,能很好适应集合成员的改变,实现方便快捷。

基于集合预报的四川夏季强降水订正试验

四川历来多暴雨洪涝,然而其发生具有很多不确定的因素,预报难度很大。从观测与模式预报的累积概率密度函数角度出发,利用2007—2012年6—8月中国降水观测格点资料和2012—2013年6—8月ECMWF模式集合预报资料,探索了一种提高四川地区强降水预报准确率的方法——概率阈值订正法,并运用该方法对2012年6—8月盆地东部的降水过程进行批量试验。试验结果表明:订正后的模式预报相比订正前的预报而言,不仅强降水落区更接近实况,而且较大程度地延长了预报时效,能提前6~7天给出强降水过程的警示信息,经过订正后显著提升了ECMWF模式的降水预报水平。

一种汛期降水分布的客观集成预报方法

该文应用么枕生提出的中心聚类方法确定每个台站所能代表的站 ,在这些台站上对降水距平百分率进行平均 .这种平均对每个代表站逐站进行 ,由此得出的降水分布作为集成预报的对象 .应用最小预测误差平方和逐步算法逐站建立集成预报方程 .应用这一方法对在国家气候中心汛期预报中使用多年的 4个旱涝预报模型进行了集成预报试验 ,然后对每张预报图进行评分 .结果说明集成预报的评分高于 4个原始预报模型的评分 .对于 1 998年长江中下游和嫩江流域的异常洪涝 ,集成预报的评分亦高于

暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究

利用2008—2011年6—8月中国气象局T213全球集合预报24—240 h降水预报资料和四川盆地观测降水资料,提出四川盆地暴雨集合预报-观测概率匹配订正法。该方法将集合预报降水累积概率分布与观测降水累积概率分布进行概率匹配,对降水量为50 mm的集合预报平均值进行订正,获得暴雨预报订正值(A Calibrated Heavy Rainfall forecast value),累积降水概率分布拟合函数采用Gamma函数。选取2013年6月28日—7月10日进行独立样本暴雨预报试验,分析四川盆地暴雨预报订正值分布特征和订正前后降水检验评分变化,讨论该方法存在的若干局限性。结果显示:T213集合预报对四川盆地降水预报存在预报量较观测量级小、模式预报时效越长降水预报越弱等系统性偏差,暴雨集合预报-观测概率匹配订正值普遍小于50 mm,且随预报时效延长而逐渐减小,有效地订正了T213暴雨集合预报系统性误差;暴雨集合预报-观测概率匹配订正法对"有或无暴雨"二分类暴雨预报改善较明显,ETs评分获得提高,且漏报率和空报率有所降低。

基于重组降水集合预报的洪水概率预报

采用条件亚正态模型方法,生成了具有包含不同可能性的降水集合预报。为了保持各子流域降水集合预报变量之间的空间相关性,采用集合预报重组方法对降水集合预报进行重新排列。使用重组后的降水集合预报驱动水文模型,实现了淮河上游大坡岭一息县、淮河上游息县一王家坝和汝河一洪河上游3个子流域的12次洪水过程的洪水概率预报,并对1988年9月7日和1991年7月31日两次洪水概率预报进行个例分析。结果表明:相对于单一确定性预报,通过条件亚正态分布模型生成降水集合预报后,再经过Schaake洗牌法空间相关性重新组合的降水集合预报,捕捉洪峰出现时间和流量的能力更强。对洪水概率预报来说,降水概率预报更能达到对未来的水文事件进行最大可能估计的目的,并尽可能综合了降水预报不确定性因素,同时也说明维持变量原有的空间相关特征对于降水概率预报具有重要意义。

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。

数值降水预报定量集成方法的业务应用

利用相似权重集成预报法对辽宁区域12个数值模式预报的降水量进行集成,并投入业务化应用。结果表明:通过对2009年5月1日至10月20日的24 h降水量预报进行TS评分,发现降水集成方法要优于12个集合成员的单个预报,同时也要优于简单的集合平均。试验表明,滞后时间和扩大圈数对集成预报效果影响很大,而单个的集合成员对集成预报效果影响较小。根据试验结果修改集成方法应用方案,按照不同降水量级和预报时效选择扩大的圈数,预报效果好于原方案,对大量级、长时效预报改进更明显,其中25 mm量级预报时效72 h的TS评分增加了20%或以上,具有实际应用价值。

基于T639集合预报的持续性强降水中期客观预报技术研究

针对持续性强降水预报困难的问题,根据Anderson-Darling检验原理,构建基于中国气象局T639集合预报系统的持续性强降水中期客观预报方法。对比分析2010—2015年5—9月T639集合预报降水与实况降水的累积概率分布函数差异,在此基础上采用扩展时间序列和空间范围的方法构建3种模式气候累积概率方案,通过批量预报试验和检验,选取最优概率方案纳入预报模型,考察持续性强降水个例的最长预报时间。结果表明,随着预报时效的延长,集合预报模式的降水逐渐集中于小和中雨量级,无降水和暴雨以上量级的降水概率低于观测,168h以后模式降水概率趋于稳定。通过扩展时间序列和空间范围能弥补模式气候资料年限不足所带来的偏差,根据区域气候特征细分模式气候的方法重点突出了不同区域的降水特征,明显优于简单集合所有区域数据的模式气候方案。基于集合预报的持续性强降水预报模型对持续性强降水个例的预报能力为8—9d,随着预报时效的延长,降水强度以及雨带位置的预报能力逐渐减弱。

中国夏季降水趋势分布的一个客观预报方法

从空间分布结构、年代际变化趋势、周期变化等方面讨论了中国夏季降水量场的主要特征，以这些特征为基础，提出了一个具有一定物理基础及一定统计信度支持的新颖预报思路，设计了一套全国大范围夏季降水趋势预报方案。对１９９４～１９９７年４年的实际预报效果进行了检验。依据这４年的预报方程讨论了这一预报方法的主要物理依据的特点。

TIGGE模式在淮河水系史河流域的应用

为了提高淮河水系史河流域降水预报的精度,对TIGGE模式降水预报校正方法进行了研究。基于TIGGE的ECMWF、KMA、JMA、UKMO、CMA等5个模式2015—2017年汛期在史河流域的降水预报数据和雨量站实测降水资料,采用降水预报的均方根误差指标和在确报率、空报率和漏报率评价指标基础上提出的降水预报三率综合评价指标,对各模式在1~7 d预见期内的预报精度进行综合评价,采用2种非线性方法RBF及ν-SVR对TIGGE的5个降水预报模式进行非线性集合预报校正,并与线性方法BREM法进行了比较。结果表明:TIGGE的5个模式中,JMA模式的降水预报精度最高,其次是ECMWF和UKMO,实时降水预报校正ν-SVR法明显优于BREM法和RBF法;实时降水预报校正ν-SVR法提高了TIGGE模式降水预报的精度。

基于CMA-REPS小时降水的邻域集合预报应用试验

基于四川2020年汛期CMA区域集合模式的小时降水产品开展了集合预报邻域法订正试验,试验方案分为四种:邻域平均的集合平均预报(ENM)、邻域平均的集合成员最大预报(MNM)、邻域概率的集合平均概率预报(ENP)、邻域概率的集合最大概率预报(MNP)。结果表明,小时降水超过0.1mm·h^(-1)的ENM在部分预报时效内TS评分略优于原集合平均预报;小时雨强分级检验的结果均显示出邻域概率预报优于原概率预报,随小时降水阈值的增大,最优TS评分越趋于更高邻域半径和更低的概率,且10mm·h^(-1)以上MNP预报更具参考性;MNP能显示集合预报的大范围降水中心,可以从另一个角度给预报员预报提供一定的参考。

贝叶斯模型平均及其在北京降雨预报中的一个应用

贝叶斯模型平均(Bayesian Model Averaging:BMA)是动态建模中融合集合预报信息的一种重要统计后处理方法.本文首先系统论述了BMA的建模分析过程,包括模型架构、参数估计方法、训练期的选择准则以及典型预报分布的抽样原理.然后,结合北京市2011年5—8月份逐日累积降雨量实例,我们详细描述了BMA的实现过程.实例分析结果表明,BMA统计后处理,无论是精度还是校准度,相对于原始集合预报都有优势.

考虑不同背景场低频降水的延伸期预测

基于中国国家气象观测站的逐日降水资料、NCEP逐日全球再分析资料和NOAA逐日向外长波辐射资料,选取与10—30 d低频降水相关显著的热带、中高纬环流作为影响因子,针对1979—2013年江南4—6月延伸期低频降水,依照不同背景场下低频降水与影响因子之间的相关性,进行了预测试验。结果表明:江南4—6月降水以10—30 d的低频周期最为显著。印度洋、印尼附近的热带对流和欧亚高纬度地区的大气环流共同影响着我国江南4—6月低频降水,可作为延伸期降水的预测因子。当欧洲及西西伯利亚地区位势高度出现负距平、北美及贝湖以西附近位势高度正距平,且热带对流异常偏弱时,对应江南低频降水异常偏少,异常中心主要位于长江中下游地区; 30 d以上的大尺度500 h Pa低频位势高度场主要表现为3种空间分布型,根据这3种分布型可将逐日降水个例的大尺度背景场划分为3类,每种背景场下低频降水与热带、中高纬度环流因子在前期30 d内的相关特征均不同; 30 d以上时间尺度的500 h Pa低频环流可为10—30 d延伸期变化提供相对稳定的大尺度背景场,不同背景场下区域低频降水与相应低频环流之间的关系演变不同。考虑不同背景,其相关性增强,且显著相关超前的时间更长。

宁夏汛期分级降水客观预报方法应用检验

利用2010—2013年5—9月T639模式产品和同时段宁夏25个国家级气象站降水实况资料,应用概率回归和交叉验证方法,建立宁夏汛期5—9月小雨、中雨、大雨3个级别的168 h分级降水概率预报方程,对比检验客观产品T639-MOS、数值模式T639和上级指导产品NMC对2014年5—9月降水预报效果。检验结果表明:相较T639和NMC,T639-MOS空报率明显降低,漏报率略有增加,但预报准确率明显提高,预报技巧较T639和NMC平均提高10%左右;T639-MOS对大范围降水和强降水预报效果较好,且随着预报时效临近,数值模式预报性能调整,预报能力显著提高;客观方法选取的预报因子代表性和物理意义明确,水汽、动力和热力因子是宁夏降水预报的关键因子,其中,小雨预报关键因子是中低层水汽通量,中雨和大雨预报关键因子是湿位涡和经向风,大雨预报还考虑了关键动力因子的高低层配置;宁夏降水样本数相对较少,且主要以小雨为主,中雨以上降水是小概率天气,所以,降水强度越大,漏报率越高,预报准确率明显下降,但不同级别降水都是T639-MOS预报准确率最高。

机器学习对延伸期降水集合预报的订正分析

为了扩展气象业务中历史预报资料在集合预报产品中的应用性,本文尝试基于机器学习的后处理模型,对欧洲中期天气预报中心(ECMWF)ECMF模式的数值天气预报模式生成的2019年5月—8月历史再预报(训练期)数据进行各模型参数训练,可对2019年5月—8月实时延伸期月降水预报(预报期)进行集合预报分析,均选取华东地区(23.0°N~38.5°N,113.0°E~123.0°E)。采用均方根误差和绝对误差插值空间分布对预报订正效果进行评估,通过K-近邻算法(KNN)、Bagging算法、随机森林(RF)、梯度提升回归树(GBRT)、极端随机树(ET)这5种后处理回归模型的预报订正效果的对比表明:5种后处理模型的均方根误差随预报时效的增长呈现波动变化;受地形分布的影响,华东地区的北部均方根误差较小,从空间分布清楚得出,K-近邻算法的订正预报效果最好,对应的平均绝对误差在10~20 mm,其他4种机器学习模型的误差在50~100 mm。

降水邻域集合概率方法尺度敏感性试验

降水邻域集合概率法是处理高分辨率降水集合预报不确定性的一种新方法。利用2017年5~7月GRAPES(Global and Regional Assimilation and Prediction Enhanced System)区域集合预报系统24 h降水预报资料,进行GRAPES降水邻域集合概率方法试验,并针对邻域概率法的等权重和邻域尺度问题,设计了邻域格点权重修正邻域方案以及二分类权重修正邻域方案,进行降水的集合概率法、等权重邻域集合概率方法、权重修正邻域集合概率方法和二分类权重修正邻域集合概率方法等四种方法的格点相关及敏感性试验,并利用多种概率预报检验评分评估上述四种方法的预报效果。试验结果表明:(1)尽管采用邻域计算方案的三种邻域集合概率方法的降水概率预报评分各有优劣,如等权重邻域集合概率法的相对作用特征曲线面积评分略优,而权重修正邻域集合概率法和二分类权重修正邻域集合概率法的降水概率预报可靠性更高,但采用了邻域计算方案的降水概率预报评分均优于传统的集合概率方法;(2)降水邻域集合概率方法的预报技巧对邻域尺度很敏感,统计评分最优的邻域半径为5~8倍模式水平格距;(3)引入了权重修正的两个邻域集合概率预报方法在24 h降水量超过10 mm时改进较明显,能够提供更加客观的概率预报结果。总体上看,降水邻域集合概率方法具有较好的应用前景,恰当的邻域概率方法及邻域半径可以获得更合理的降水概率预报结果。

基于目标对象的数值模式区域降水预报选优方法

针对业务上大量的数值预报产品如何快速选优问题,提出了一种基于目标对象的数值模式区域降水预报选优方法。该方法首先通过TS评分、重心位置、面积大小、落区形状预报评分的权重平均进行单个目标对象评分,在此基础上,进行区域预报总评分和预报选优,以局地分散性降水和大尺度降水为例进行对比试验以及3个月的批量试验。结果表明:该方法选优结果合理。单个目标对象识别匹配时加大TS评分权重(超过0.4)对选优结果有较大影响,能够提高选优结果的合理性。按照每个目标对象的面积权重评分计算区域预报总评分,是合理选出最优预报产品的关键。该方法对于局地分散性降水预报选优具有优势,可以克服传统TS评分的缺点。由于目标对象评分考虑了降水落区形状、重心位置和面积大小评分,其选优结果较单一TS评分更为合理。