基于集合预报的持续性强降水可预报性评估方法研究

利用集合预报成员初值误差在大气相空间中增长方向不同的特点,结合模式检验方法,构建持续性强降水可预报性评估指数(Index of Composite Predictability,ICP),为持续性强降水可预报性及数值预报误差增长机理研究提供科学方法。ICP综合评估指数包括三个数学模型:集合预报成员单一评估指数定义、集合预报成员综合评估指数定义和集合预报成员预报能力定义。利用中国国家气象中心T213全球集合预报资料,选取江淮流域2010年6月17—25日和2011年6月4—12日2次持续性强降水过程,进行ICP综合评估指数应用试验,其中,单一评估指数选取中雨公平成功指数ETS、500 hPa高度场均方根误差分别代表模式降水预报能力和环流形势预报能力。结果显示:可预报性评估指数ICP可有效挑选出预报最好和最差的集合预报成员,两者对持续性强降水过程的大尺度环流系统、中尺度影响系统、降水过程预报差异显著,预报最好成员对影响持续性强降水的大尺度环流形势(阻塞高压、西太平洋副热带高压和东亚大槽)的位置和强度及演变过程、低层中尺度影响系统(如切变线和西南低涡)发生发展过程预报,以及降水发生时间和落区预报与实况更接近,预报更成功,持续性强降水可预报性综合评估指数ICP合理可靠。

ECMWF降水极端天气指数在安徽省的应用评估

使用2012年10月—2014年9月欧洲中期天气预报中心(ECMWF)全球集合预报系统逐日降水、5 d和10 d累计降水极端天气指数(EFI)预报资料,分析了降水EFI和强降水、降水气候距平的统计关系。结果表明:整体而言,降水EFI大值区和强降水具有较好对应关系,EFI越大,发生强降水的可能性越大,但随着预报时效增加,EFI的指示作用逐渐下降;对逐日降水EFI大值区和降水落区TS评分表明,在最优TS评分条件下,EFI阈值随着降水量级增加而增大,随着预报时效增加而降低;冬半年(10—3月)5 d和10 d累计降水EFI对过程降水的指示意义优于夏半年(4—9月),但当EFI超过0.4时,随其增加,不同季节对应降水气候距平均迅速增加;另外,5 d累计降水EFI对过程降水的指示作用优于10 d累计降水EFI。

基于Logistic回归和多指标叠加的短时强降水预报模型

利用2001—2011年中国西北地区东部10个特征站地面常规资料和MICAPS系统特征参数资料,分别运用改进的二元Logistic回归法和综合多指标叠加法,通过短时强降水天气学概念模型识别入型、水汽条件消空、敏感物理参数诊断等方法逐级判别,建立了两种短时强降水预报模型,并运用模型试预报2012年该区域的短时强降水过程。结果表明:两种新建预报模型相比平均气候概率模型试预报效果都有明显提高,而且前者高于后者;其中二元Logistic回归模型试预报TS得分高达46.6%,综合多指标叠加模型试预报TS得分19.6%,而平均气候概率模型试预报TS得分仅9. 7%;除西南气流型两者预报效果相当外,不同概念模型下二元Logistic回归模型试预报效果均优于综合多指标叠加模型。

基于ECMWF极端降水天气指数的四川盆地暴雨预报研究

本文利用EC集合预报提供的极端降水天气指数能指示极端天气事件的特点,研究了四川盆地夏季(6-9月)的暴雨落区预报。综合考虑不同极端降水天气指数阈值对应的暴雨TS、ETS评分及各阈值评分最高时的发生频次,获得暴雨预报对应的最佳极端降水天气指数阈值。结果显示,08时起报的24h、48h、72h、96h、120h时效对应的阈值分别为0.5\0.6、0.5、0.4\0.5、0.4、0.2\0.3,20时起报的24h、48h、72h、96h、120h时效对应的阈值分别为0.5、0.4\0.5、0.4\0.5、0.3\0.4、0.1\0.3,通过检验表明这些阈值对暴雨落区的预报具有较好的指示意义。

一种基于可预报性的暴雨预报评分新方法Ⅰ:中国暴雨可预报性综合指数

针对当前暴雨预报检验采用二分类事件检验方法存在的双重惩罚导致评分过低,没有考虑到中国暴雨可预报性时、空分布不均,不便于对比分析不同区域暴雨预报能力差异等问题,为了发展基于可预报性的新型暴雨预报评分方法,在综合分析影响预报员暴雨预报信心的主要因素(暴雨气候统计特征、天气影响系统运动尺度特征及数值模式预报能力等)基础上,利用2008—2016年4—10月中国国家气象信息中心5 km×5 km分辨率的多源降水融合格点分析资料、站点降水观测资料和中国国家级业务区域模式降水预报资料以及扩展空间暴雨样本统计方法,构建了一种新型的中国暴雨可预报性综合指数(Synthetic Predictability Index of Heavy Rainfall,以下简称SPI)数学模型,以定量描述中国各区域的暴雨可预报性特征。SPI数学模型由暴雨气候频率、暴雨面积比率和模式暴雨预报成功指数(Threat Score,TS)3个分量组成,计算了2008—2016年4—10月SPI的3个分量及其时、空变化特征。分析结果显示:暴雨面积比率对SPI的时间和空间变化影响最大,两者偏相关系数大于0.9;其次是暴雨气候频率的影响,两者偏相关系数值为0.8左右;第三是模式暴雨预报TS评分的影响,两者的偏相关系数为0.7左右。分析还发现,SPI大值区随季节而变化,空间分布不均匀:4—5月,可预报性大值区主要分布在华南地区;6—7月,主要分布在江淮流域; 7月中旬至8月,大值中心从江淮北部移到华北和东北地区;9月,副热带高压南撤,大值中心也相应南撤。

ECMWF集合预报和确定性预报对淮河流域暴雨预报的对比分析

本文运用2012年5—9月欧洲中期天气预报中心(ECMWF)的集合预报系统(Ensemble Prediction System,EPS)和确定性模式(High-resolution Deterministic forecast,HDet)资料对比分析了淮河流域暴雨的预报效果。对于集合预报,主要对比了基于EPS的日降水量极端天气预报指数(Extreme Forecast Index,EFI),和改进的贝叶斯模型平均(Modified Bayesian Model Averaging,MBMA)法对降水的订正后概率。由于ROC(Relative Operating Characteristic)检验是与模式的系统性偏差无关的,所以选用ROC检验,对比了不同空报率下的TS评分,以及不同方法的相对经济价值。对比检验的结果显示,各时效预报MBMA预报效果最好,其次是HDet,EFI的预报效果最差,其中2 d内的预报HDet接近MBMA,随着预报时效的延长,MBMA相对于HDet和EFI的优势不断增强。在不同标准下确定三种方法对淮河流域暴雨预报的阈值,结果显示MBMA同样优于HDet,EFI预报效果最差。但MBMA的优势是通过增加预报偏差得到,如果将预报偏差限定为主观预报的1.37,此时MBMA的效果和HDet的效果接近。