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。

数值模式降水预报OTS订正法的实现技术

本文以ECMWF模式的逐12 h累计降水预报的订正试验为例,以福建、江西、浙江和上海为研究区域,详细介绍了福建省气象台在实现最优TS评分(Optimal Threat Score,OTS)订正法时引用或首创的三项技术,并与同类技术进行对比。结果表明:(1)用3年期准对称滑动窗口取样法采集训练样本计算OTS订正阈值,其效果优于取之前3年的当季样本的取样方法。(2)OTS订正阈值F1(即消空阈值)的大小与最高2 m温度密切相关,随着温度升高,消空阈值先变大后减小。相比不分组的方案,基于最高2 m温度预报分组计算消空阈值的方案能同时降低小雨的空报率和漏报率,使ETS评分提高5.0%~8.2%。(3)先用反距离加权插值法对模式降水预报进行插值,再应用OTS订正法对降水预报进行订正,其效果优于先用最邻近点插值法对模式降水预报进行插值,再应用OTS订正法对降水预报进行订正。

基于前馈神经网络的多模式集成降水预报研究

为提高山东定量降水预报准确率,采用深度前馈神经网络(Deep Forword Neural Networks,DFNN)和降水分级最优TS(Threat Score)权重集成方法对多模式集成降水预报进行研究。对2019年4—9月欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasting,ECMWF)全球数值预报系统、中国气象局上海数值预报模式系统(China Meteorological Administration Shanghai 9 km,CMA-SH9)和中国气象局中尺度天气数值预报系统(China Meteorological Administration Meso⁃scale,CMA-MESO)逐24 h累积降水量预报进行有监督训练,得到4组DFNN(ES、EM、SM、ESM)深度学习模型,并利用多模式降水分级最优TS权重集成方法建立Mul-OTS(Multi-mode Optimal Threat Score)集成模型。用2020年4—9月各模式逐24 h累积降水量进行降尺度格点预报,对5种集成方案对比检验、个例分析应用。结果表明:不同起报时间、不同预报时效,5组集成方案均降低了平均相对误差,ESM方案最好,Mul-OTS方案最差;4组DFNN方案均提高了晴雨准确率,ESM方案最好,Mul-OTS方案低于模式预报;4组DFNN方案均提高了各降水等级TS、ETS评分,对弱降水的提高幅度大于强降水,Mul-OTS方案对小量级降水等级订正是负技巧,对大量级降水等级的订正效果较好,但仍不如ESM方案;个例分析发现降水强度和落区预报ESM方案均优于其他集成方案。因此业务上采用最优的ESM方案建立了定量降水格点预报系统,为智能网格预报提供重要支撑。

GNSS/PWV在一次梅雨期暴雨中的模式预报应用

地基全球导航卫星系统(Global Navigation Satellite System,GNSS)监测大气可降水量(Precipitable Water Vapor,PWV)是一种连续获取大气水汽信息的有效手段,对于区域天气尤其是灾害性天气观测与预报有重要作用。基于长三角GNSS应用示范网,开展GNSS/PWV资料在数值天气预报模式中的三维变分同化应用试验,通过设计5个试验方案对2010年7月的一次梅雨期暴雨进行中尺度分析,考查区域地基GNSS/PWV资料在梅雨期降水过程中对初始场和预报结果的改进能力。通过预报分析表明:本次梅雨期暴雨数值模式预报加入GNSS/PWV的同化方案相比于常规资料同化方案24小时降水预报效果改善超过20%,48小时后也可提高约12%。可见GNSS/PWV资料可以很好改进观测区域内的水汽分布,提供与暴雨天气紧密联系的水汽信息,有效改善了数值天气模式中的中尺度系统移动速度的48小时预报结果,进而提高降水落区预报。

CMPAS融合降水产品对河北省“23·7”极端暴雨的表征能力分析

选取河北省2023年7月28~31日极端暴雨事件(简称“23·7”极端暴雨),采用相关系数、多种误差指标以及客观评分指标,综合解析中国区域高时空分辨率多源融合降水近实时实况分析产品(Chinese Meteorological Administration Multi-source Merged Precipitation Analysis System,CMPAS)对河北省“23·7”极端暴雨的表征能力,研究发现:CMPAS融合降水数据对地面观测降水的表征能力较好,能较为准确地刻画地面降水强度、范围以及暴雨中心落区,且降水量级越大、落区越集中,刻画效果越好,但仍存在高估降水低值和低估降水高值的情况;CMPAS融合降水产品在低海拔、地势平坦地区的表征能力更好,随海拔高度的增加,误差也随之增大。总体来说,CMPAS融合降水产品对于大雨及以下量级降水强度、落区以及暴雨中心落区的刻画较为精准。另外,在灾害性天气发生时,对于无法获取观测站点降水资料的地区,CMPAS融合降水产品可作为站点实况的有效补充。

基于最优TS评分的多模式集成降水预报

利用2020年1月1日至2023年1月2日欧洲中心、美国、德国、中国和日本降水预报资料和眉山市的逐日降水观测资料,用最优TS评分法对模式降水进行订正,再使用概率匹配平均、消除偏差集成平均和加权集成平均三种方案进行多模式集成预报,通过检验评分和个例分析。结果显示,概率匹配平均方案提升晴雨准确率,但对大雨和暴雨的预报效果差。消除偏差集成平均方案对降水预报的提升效果较小。加权集成平均方案和分类站点集成预报均能大幅提升晴雨准确率,并减小暴雨漏报,使暴雨TS评分得到较大提升。

一种轨道列车车载通信系统信息安全风险评估方法

提出一种基于通用漏洞评价系统(Common Vulnerability Scoring System,CVSS)的列车车载通信系统信息安全风险评估方法,详细介绍该方法的工作流程,开展缺陷概率评估、缺陷影响评估,得出各系统缺陷的风险范围所对应的信息安全等级,并最终应用到某国外地铁车载通信系统项目的信息安全风险评估活动中,为后续开展系统优化活动以及采取优化措施后的信息安全风险再定位奠定基础。

基于评分最优化的模式降水预报订正算法对比

使用2013年1月1日—2016年1月7日全国气象站观测资料,应用准对称混合滑动训练期,不改变雨带预报位置和形态,基于模式降水预报订正结果的TS评分最优化及ETS评分最优化,分别设计最优TS评分订正法(OTS)和最优ETS评分订正法(OETS)确定预报日各级降水订正系数,对2014—2015年降水数值预报进行分级订正,并与频率匹配法(FM)对比。结果表明:在24 h累积降水的多个预报时效订正中,无论是对欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心和中国气象局的全球模式降水预报,还是对4个模式的简单多模式平均,OTS和OETS较FM在TS评分和ETS评分等传统降水检验指标上均更优秀,其中OTS在所有时效均能提高模式降水预报质量,为三者最优。在概率空间的稳定公平误差评分方面,OTS在各时效、各单模式及多模式平均等方面优势明显。在预报员对应参考时效上,OTS在24~168 h的24 h累积降水预报中的TS评分也优于主观预报。

基于邻域法的高分辨率模式降水的预报能力分析

利用2011—2013年ECMWF、日本、T639高分辨率模式降水预报数据,CMORPH（NOAA Climate Prediction Center Morphing Method）卫星与自动站逐小时降水融合资料,基于邻域法FSS（Fractions Skill Score）、ETS（Equitable Threat Score）评分指数,分析模式的降水预报性能。（1）暖季（5—9月）三家模式对小雨量级降水预报频率偏多,随着降水量的增大,模式预报频率逐渐减小,降水阈值10.0 mm左右时,预报频率接近无偏,FSS趋于1,其中T639模式受尺度变化影响最大。（2）对ECMWF模式来说,降水阈值小于5.0 mm时,增加空间尺度,能够同时提高降水量级、范围的预报准确率,对5.0 mm以上量级降水,增加尺度不利于提高ETS评分;对T639模式来说,调整邻域空间尺度对降水FSS、ETS评分影响不大。（3）ECMWF、日本模式分别在局地性、系统性降水上有较好的预报表现,使用较大邻域来评定局地性降水并不合理,但对系统性降水来说,50~110 km的空间尺度能够取得较好FSS评分。（4）不同月份上,三家模式的降水量级、范围的预报技巧评分不尽相同,整体来说,三家模式均在7月降水量级预报最合理。

L波段探空判别云区方法的研究

利用2008年1月到2009年12月的L波段探空资料,和与之时空匹配的Cloudsat云观测资料,首先分析了云内和云外相对湿度的累积频率分布,发现以75%作为相对湿度阈值判断云准确率可达81%。随后利用BS(Bias Score)和TS(Threat Score)评分方法,对不同相对湿度阈值进行评分分析,发现以81%作为相对湿度阈值TS评分可达0.66,为最高。接着利用BS和TS评分方法分不同高度对相对湿度阈值进行评分分析,发现随高度的增加该高度上具有最好TS评分的相对湿度阈值在减小。利用这些阈值对云判断时,总的TS评分高于0.6,且其准确率达到84%以上,比利用单一相对湿度阈值判断云准确率要高。最后对这些阈值进行优化,得到一套适合于我国L波段探空秒数据的云垂直结构的判别方法。

基于TIGGE资料的沂沭河流域6小时降水集合预报能力分析

全球多模式集合预报(TIGGE)资料为发展局地水文风险预报方法提供了新基础。对不同预报系统的集合预报资料进行评价与对比,可为综合应用多源资料实现超集合预报提供参考。本文以沂沭河流域内10个站点观测降水作为参照,对2007～2010年7、8、9月中BABJ(北京)、ECMF(欧洲)、EGRR(英国)、RJTD(日本)和KWBC(美国NCEP)五种预报模式的6h集合预报降水做了相关系数、均方根误差、Nash效率系数、TS评分(风险评分)和Brier评分等定量评估和对比。对于各模式集合平均预报,EGRR表现最好,4日预见期内的相关系数达0.48,Nash系数为0.21,BABJ最差,其他三模式预报能力相当。对于确定的控制性预报,4日预见期内RJTD表现最优,相关系数为0.19,Nash系数为0.13,其次为BABJ和EGRR。各模式集合平均与控制性预报相比,预报能力都占绝对优势,而多模式集合平均其预报能力又强于任何单模式集合平均。在4日预见期内,多模式平均的相关系数达0.49,Nash系数达0.24。在不同百分位阈值下TS评分和Brier评分也表明了类似的各模式评比结果,但多模式平均虽然在较低阈值下评分较优,但不占据绝对优势。各中心资料均具有一个随预见时长增加的稳定衰减期,其中EGRR衰减期最长(达9天)且最为稳定,而其他资料则存在不同稳定程度的衰减,稳定衰减期都能持续4天以上。各中心资料对较大降水的预报还存在各自不同的系统性偏差。

第二代月动力延伸预报产品对西南汛期降水的预报检验

利用第二代月动力延伸预测模式业务系统(DERF2.0)提供的1982-2009年高度场、降水场历史回报试验资料、NCEP/NCAR再分析资料以及西南5省433个测站的降水实况资料,运用ACC、TS评分、EOF等方法检验和评估了该模式对西南区域汛期环流形势和降水情况的预报能力。结果表明,该模式对环流场预报较好,对西南汛期月平均降水有较好的预报能力,特别是20天以前的预报效果较好。DERF2.0模式基本可以模拟并预报出汛期西南地区降水空间分布呈东南多、西北少的主要模态,但方差贡献率和时间系数与实况有所差异。此外,该模式对月平均降水的预报要比日平均降水的效果好,模式日平均降水预报对汛期中小雨强降水有较好的预报能力。

2002—2005年T213数值降水预报产品分析检验

利用2002—2005年T213模式的降水预报值和全国400个标准测站的降水实况资料,采用客观降水检验方法,对T213数值降水预报产品的预报能力进行了分析检验。结果表明:降水预报TS评分和预报偏差B值均存在明显时空分布差异;各级降水中,小雨TS值最大、B值最小,夏季TS和B值均好于其它季节;中到大雨TS最高评分和最低B值均是长江中下游地区,其次是华南;暴雨TS评分各区较低,但华南、长江中下游地区和东北地区B值较小。这些地区T213降水预报对预报业务有较好的参考作用。T213降水预报对春季东北地区和华北的强雨(雪)、夏季长江中下游地区的梅雨、西部地区的华西秋雨等降水过程具有相当好的预报能力。

数值模式降水评分对分辨率的敏感性初探

针对高分辨率数值模式降水预报检验中存在的问题,探讨模式分辨率的改变对模式降水评分的影响。对同一区域人为改变测站疏密度,讨论测站的疏密对降水预报评分的影响,从检验结果来看,降水评分与模式预报的水平分辨率有较强的关联,对测站的疏密程度也有很明显的依赖性,测站的疏密度不同,评分的差距可能很大。

乌鲁木齐区域数值预报业务系统降水预报检验与评估分析

基于乌鲁木齐区域数值预报业务系统,运用Ts和Bias评分方法,对2012年9月1日—2015年8月31日逐日2个起报时次的逐6 h累积降水量的年与季节预报性能进行检验,并从空间上分析了2015年全疆站点逐6 h累积降水量在4个预报时段的评分特征。结果表明:(1)2个起报时次的降水评分相差较小,00 UTC起报略优于12 UTC起报,2015年系统改进了白天大量级降水的空报现象。(2)系统对晴雨预报较为准确,Bias接近1,空报、漏报率很小;随着降水阈值的升高,Ts评分减小,Bias变幅增大,空、漏报率也随之增加。系统对强降水过程以漏报为主。(3)系统的降水预报能力存在季节差异,夏季Ts评分最高,秋季次之,冬季最小;随时间模式对四季降水预报能力均有提高,降低了冬季大量级降水的漏报率和夏季大量级降水的空报率。(4)在新疆地区,08—14 BT(Beijing Time)、14—20 BT、20—次日02 BT空报站点数多于漏报,14—20 BT空报率最高;在02—08 BT整体呈漏报。(5)各站点整体来看,白天Ts评分高于夜间,山区及邻近地区评分高于平原地区;西天山评分略优于东天山,夜间晴雨预报有天山北坡漏报、南坡空报的趋势。

安徽省ECMWF数值模式降水预报性能的检验

为了了解欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF)数值模式对安徽地区降水预报的性能,提高订正技巧,本文应用风险评分(Threat Score,TS)、预报偏差(BIAS)和去除随机事件后的公平T评分(Equitable Threat Score,ETS)及真实技巧评分(True Skill Statistic,TSS)等方法,对2012年1月至2015年3月安徽省ECMWF数值模式降水场预报资料进行检验。结果表明:ECMWF模式对安徽地区降水的预报性能总体较稳定,年际变化幅度较小。安徽省降水预报的ETS评分总体呈南高北低的空间分布特征,所有气象站降水均存在预报过度的现象。降水预报分级检验表明,小雨量级降水预报评分明显高于其他量级降水,但预报偏差较大,预报过度现象严重;ECMWF模式对72 h时效内的暴雨量级降水预报技巧较小,对于72 h时效后的暴雨量级降水基本没有预报能力。季节降水预报的检验表明,春季、秋季和冬季的48 h时效内晴雨预报的准确率为88%以上,订正空间较小;夏季各时效及春季、秋季和冬季168 h时效以上降水预报的空报率超过60%,可以适度订正;秋季较其他季节降水预报的漏报率略高,尤其是120 h时效以上降水的预报需关注。四季均存在降水预报过度的现象,尤以夏季最突出。ECMWF模式对安徽省降水量为0.1—0.7 mm的格点降水预报空报率较高,订正后可以明显提升预报技巧,但增加了一定漏报风险。

风云2号卫星红外资料在暴雨数值预报中的应用研究

选取1个暴雨实例,利用统计方法对同期风云2号卫星红外云图资料进行温、湿度反演,通过像素点灰度筛选、灰度反演值订正方法对反演场实施质量控制,并将温、湿度反演场与温、湿度常规分析场实行变分同化。最后为研究反演资料在降水预报中的作用,设计3种引入反演资料的方案与MM5常规方案进行比较,并用TS评分客观评价了上述方案的预报效果。

基于集合成员订正的强降水多模式集成预报

基于TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、英国气象局(UKMO)、美国国家环境预报中心(NCEP)和中国气象局(CMA)5个气象预报中心2016年5月1日-8月31日中国地区逐日起报预报时效为24~168 h的24 h累积降水量集合预报的结果,对各个集合预报成员进行了频率匹配法的订正,并对订正前后的多模式集成预报效果进行评估。结果表明:采用频率匹配法订正后的降水预报,有效改善了集合平均预报中强降水(日降水量25 mm以上)预报由平滑作用产生的量级偏小现象,使预报的降水量级更接近实况,但对降水落区预报改进不明显。基于卡尔曼滤波技术的集成预报效果优于基于线性回归的超级集合预报和消除偏差集合平均预报,对强降水落区的预报较单模式更优。基于集合成员订正的降水多模式集成预报在强降水的落区预报和降水中心的量级预报更接近实况,效果优于原始多模式集成预报与单模式结果。

1998年6月“两湖”降水过程的数值模拟

运用中尺度η坐标暴雨模式 (简称 MEM) ,采用常规报文资料获得初始场 ,运用包络地形方法获得模式所需的地形资料 ,对 1 998年 6月“两湖”降水过程进行了数值模拟。结果表明 ,该模式对形势场的模拟较好 ,MEM的 TS评分结果明显高于国内目前业务运用中的主要模式 ,模式对暴雨有较强的模拟能力。无地形试验表明地形对降水预报有显著的作用 ,尤其中尺度地形对暴雨预报和模拟有重要的作用。

最优TS评分方法在逐时降水订正中的初步应用及评估

使用2020年3—9月逐时更新的CMA广东短临3 km数值模式(CMA-GD(R3)模式)1~12 h逐小时降水量资料,利用最优TS评分订正方法(OTS)对逐小时降水量进行分级订正,并分别从整体和分类型降水过程预报订正效果进行了检验和对比评估。结果表明:从整体预报订正性能来看,通过OTS方法对CMA-GD(R3)模式订正后,对于≥1 mm/h及以上量级的降水,OTS均有较好的订正能力,并且随着雨强的增加,其TS评分的改善比率越大;同时,OTS可有效减少各个预报时效的漏报率和空报率,其中漏报率减小更加明显,表现出明显的湿偏差(空报偏多)。从三类暴雨过程逐时降水预报订正效果来看,通过OTS订正之后,对于≥1 mm/h的降水,OTS对三类暴雨类型均有正的订正能力。其中在0.1 mm、1 mm、10 mm、20 mm、35 mm、50 mm 6个量级上,季风型的逐时降水预报表现最好,6个量级的TS评分值分别为0.403、0.232、0.053、0.023、0.009和0.004;在5 mm量级上锋面型的逐时降水预报表现最优,其TS值为0.102。从改善效果来看,经过OTS订正后,在1 mm量级上台风型改善率最大,在5 mm和10 mm量级上锋面型改善率最大,在20 mm、35 mm和50 mm量级上季风型改善率最大。