共查询到19条相似文献,搜索用时 156 毫秒
1.
2.
大连地区冬季降水相态的预报方法初探 总被引:4,自引:2,他引:2
应用大连本站2003—2012年冬季降水过程的地面与探空资料,提出将判断降水相态的因子分别取其过程最大值和过程最小值并归为最大类与最小类,对降水过程动态地进行研究分析。在探讨各个因子对大连本站冬季降水相态影响的过程中,应用多层平均气温的方法来进行相态研究,并与单层气温和气层厚度的方法进行了对比,综合各项因子评价结果发现:平均气温类别的因子对降水相态的区分效果要好于其他类别的因子。规定等压面平均气温,不但表现优秀而且容易计算,非常适合应用于实际预报工作。设计“逐步排除法”,利用2013年大连本站的地面和探空数据对大连冬季降水进行检验,以及使用2013年日本全球数值预报模式格点资料进行模拟预报,均取得了理想的结果。 相似文献
3.
当地面气温在0℃附近时,降水相态通常比较复杂,降水相态预报一直是天气预报的难点之一。本文根据降水粒子在下落过程中的热力结构,利用BTC算法、修订的BTC算法、Ramer算法、Bourgouin算法4种计算方案,通过GRAPES_MESO中尺度模式提供所需参数,对落到地面的降水相态进行诊断,诊断的降水相态包括雨、雪、冻雨和冰粒4种,然后利用集成方法获得大概率且破坏程度大的降水相态预报产品。基于2个冬季降水个例,研究发现4种计算方案都能较合理地得到雨雪分界线,以及降雨、降雪落区范围。其中,修订后的BTC算法可以修正原始BTC算法对降雪的诊断偏差,并且预测的冰粒比原始冰粒更少。Ramer算法会比其他几种算法获得更多的冻雨事件,而Bourgouin算法最接近合成算法的结果。对于不确定性较大的中间态的冻雨和冰粒预报,鉴于其高影响特性,方案倾向于过高估计冻雨和冰粒的预报落区。集成的最终降水相态产品反映其发生的概率大或影响程度大,能为防灾减灾提供有效的警示信息。 相似文献
4.
冬季降水相态及其转变时间的精细化客观预报对提高气象预报和服务质量具有重要的现实意义。利用京津冀地区国家级自动气象站观测资料及网格化快速更新精细集成产品,统计分析了京津冀地区复杂地形下各类降水相态温度和湿球温度平均气候概率的分布差异及不同降水相态时网格化快速更新精细集成产品中可能影响降水相态判断的特征信息。然后将地面观测天气现象资料、复杂地形下降水相态气候特征及高分辨率模式输出产品作为特征向量,分别基于梯度提升(XGBoost)、支持向量机(SVM)、深度神经网络(DNN)3种机器学习方法建立了降水相态的高分辨率客观分类模型,并对同样条件下3种机器学习方法对雨、雨夹雪和雪3种京津冀主要降水相态的预报效果进行了对比检验,进一步提升了雨夹雪复杂降水相态的客观分类预报技巧。 相似文献
5.
降水数值预报有很大的不确定性,与降水预报密切相关的物理过程参数化方案中关键参数的不确定性是降水数值预报误差来源之一,对这些参数引入随机扰动的随机参数扰动方法(Stochastically Perturbed Parameterization,简称SPP方法)可以代表模式降水预报的不确定性,是国际集合预报前沿研究领域。为了认识该方法能否代表中国冬季降水数值预报的不确定性,为业务应用提供科学依据,基于中国气象局中尺度区域集合预报模式(Global/Regional Assimilation and Prediction System-Regional Ensemble Prediciton System,简称GRAPES-REPS),从对模式降水预报不确定性有较大影响的积云对流、云微物理、边界层及近地面层等四个参数化方案中选取了16个与降水密切相关的关键参数,引入了随机参数扰动方法,并通过2018年12月12日至2019年1月12日总计31天的冬季集合预报试验,对比分析了SPP方法对等压面要素及降水的集合预报效果。结果显示:在冬季应用SPP方法时,等压面要素的概率预报技巧总体来说优于无SPP方法扰动的对比试验,且对于低层、近地面要素的改进效果优于对中高层等压面要素的改进;但对降水概率预报而言,尽管检验评分数值略优于对比预报试验,但并未通过显著性检验,这表明,在东亚冬季风影响下,随机参数扰动方法对中国冬季降水概率预报技巧没有明显的改进。究其原因,可能是由于SPP方法主要代表对流性降水预报的不确定性,而中国冬季降水过程主要与斜压不稳定发生发展有关,模式降水以大尺度格点降水为主,对流性降水较少,故对冬季降水预报改进不明显,这为业务集合预报模式中应用随机参数扰动方法提供了科学依据。 相似文献
6.
《气象》2021,47(6)
定量降水预报(QPF)是中央气象台最传统且最核心的天气预报业务,随着经济社会的快速发展对降水预报精细化程度需求越来越高,提升降水预报的精细化水平成为中央气象台面临和需要解决的首要问题之一。目前中央气象台制作和发布空间分辨率5 km,未来3天逐1 h时间间隔、未来10天逐3 h时间间隔的网格化定量降水预报产品,并发布雨、雨夹雪、冻雨和雪降水相态及新增积雪深度的精细化预报产品。本文围绕精细化降水预报技术这一关键环节,回顾了中央气象台在数值模式精细化降水预报、时空精细化降水预报技术、降水相态和新增积雪精细化预报技术以及精细化检验评估技术等方面的进展,并思考目前精细化降水预报业务技术发展存在的问题及未来的发展,以期为中央气象台和全国精细化QPF技术的发展提供重要参考。 相似文献
7.
8.
基于欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)集合预报系统的降水相态产品(precipitation type,PTYPE),分别以HSS评分最优、TS评分最优和频率偏差最优为标准,运用最优概率阈值法,生成雨、雨夹雪、雪和冻雨4类降水相态的确定性预报产品,并与ECMWF集合预报系统控制成员及细网格模式确定性预报进行对比。最优概率阈值显示:3种最优标准下,不同相态降水最优概率阈值不同,但冻雨和降雪最优概率阈值均最大,为40%~80%,雨夹雪最优概率阈值最小,约为10%,三者最优概率阈值均随预报时效延长而减小;降雨最优概率阈值为7%~25%,随预报时效延长而增大。对比检验结果显示:最优概率阈值法明显提高了降水相态预报能力,且以HSS评分最优时预报效果最佳;最优概率阈值法有效减小冻雨空报,同时显著改善降雨和降雪预报的频率偏差和TS评分,对雨夹雪预报改进效果有限。 相似文献
9.
美国天气预报技术的发展 总被引:7,自引:4,他引:3
介绍了美国天气预报技术的发展现状。指出在大气探测技术、数值预报及可视化技术发展的推动下美国传统的天气预报向定量与定时方向发展。定量降水预报的实现是天气预报由定性走向定量的重要标志。在充分利用数值模式产品的基础上综合应用卫星与雷达资料建立客观预报工具在暴雨和强对流天气预报中取得较好效果;中尺度分析业务系统的不断改进使降水预报的技巧有明显提高。作者还介绍了美国数值预报产品释用及预报业务系统的概况。最后 相似文献
10.
11.
利用欧洲中期天气预报中心 (ECMWF)、美国大气环境预报中心 (NCEP) 集合预报系统 (EPS) 降水量预报资料,CMORPH (NOAA Climate Prediction Center Morphing Method) 卫星与全国3万个自动气象站降水量融合资料,基于技巧评分、ROC (relative operating characteristic) 分析等方法,对比两个集合预报系统对秦岭及周边地区的降水预报性能。结果表明:两个系统均能较好表现降水量的空间形态,对于不同量级降水,ECMWF集合预报系统0~240 h控制及扰动预报优于NCEP集合预报系统,但NCEP集合预报系统264~360 h预报时效整体表现更好; ECMWF集合预报系统0~120 h大雨集合平均优于NCEP集合预报系统,两个系统集合平均的预报技巧整体低于其控制及扰动成员预报,这种现象ECMWF集合预报系统表现更为显著; ECMWF集合预报系统降水预报概率优于NCEP集合预报系统。ROC分析显示,随着预报概率的增大,ECMWF集合预报系统在命中率略微下降的情况下,显著减小了空报率,NCEP集合预报系统则表现出高空报、高命中率。 相似文献
12.
基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心(ECMWF)集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。 相似文献
13.
14.
对中国国家气象中心T639数值预报、德国降水预报和欧洲中心(ECMWF)数值预报中对中国东北地区的降水、温度和环流模式的预报结果,分别进行检验。结果表明:降水预报中,德国降水预报对中国东北地区的晴雨预报、一般性降水预报效果较好,但T639数值预报的漏报率明显低于德国降水预报,而T639数值预报中24-120 h暴雨预报的TS评分明显高于德国降水预报。温度预报中,T639数值预报对中国东北地区温度预报72 h内基本可用;欧洲中心(ECMWF)数值预报在96 h内效果较好。对于24 h的温度预报准确率,T639数值预报稍高于ECMWF数值预报结果。环流模式方面:48h内T639预报效果好于ECMWF,72 h以后ECMWF预报效果好于T639。 相似文献
15.
16.
17.
水文集合预报是近几年正在形成和发展的水文预报分支,其发展大致可分为两个阶段:第1阶段是1970年至20世纪末进行的长期径流预报,第2阶段从21世纪开始,主要学习气象数值预报中集合预报的概念在短期水文集合预报中的应用。目前,除了单一预报中心的集合预报系统在水文集合预报中应用外,多个预报中心的集合预报大集合也逐渐被应用于流域水文预报,甚至一些小流域的洪水预报。如利用TIGGE(THORPEX Interactive Grand Global Ensemble)集合预报驱动形成的大气-水文-水力的串联系统进行早期的洪水预警研究,将全球集合预报作为洪水模型输入的有限区域模式的初始条件和侧边界条件的研究。这些均表明,基于水文集合预报的洪水预报增加了预报附加值,并能够延长预警提前时间。以欧洲中期天气预报中心的欧洲洪水预警系统(EFAS)和美国NOAA的先进水文预报系统(AHPS)为代表,实现了集合预报在洪水中的实时业务预报,但仍存在数据处理和计算量大,以及如何基于集合水文预报做决策等问题。对于水文集合预报的前处理和后处理的各种技术已处于探索和验证阶段,如何更好地理解基于概率预报的洪水预警决策仍存在许多困难和挑战。 相似文献
18.
The Dynamical-Statistical-Analog Ensemble Forecast model for landfalling tropical cyclones (TCs) precipitation (DSAEF_LTP) utilises an operational numerical weather prediction (NWP) model for the forecast track, while the precipitation forecast is obtained by finding analog cyclones, and making a precipitation forecast from an ensemble of the analogs. This study addresses TCs that occurred from 2004 to 2019 in Southeast China with 47 TCs as training samples and 18 TCs for independent forecast experiments. Experiments use four model versions. The control experiment DSAEF_LTP_1 includes three factors including TC track, landfall season, and TC intensity to determine analogs. Versions DSAEF_LTP_2, DSAEF_LTP_3, and DSAEF_LTP_4 respectively integrate improved similarity region, improved ensemble method, and improvements in both parameters. Results show that the DSAEF_LTP model with new values of similarity region and ensemble method (DSAEF_LTP_4) performs best in the simulation experiment, while the DSAEF_LTP model with new values only of ensemble method (DSAEF_LTP_3) performs best in the forecast experiment. The reason for the difference between simulation (training sample) and forecast (independent sample) may be that the proportion of TC with typical tracks (southeast to northwest movement or landfall over Southeast China) has changed significantly between samples. Forecast performance is compared with that of three global dynamical models (ECMWF, GRAPES, and GFS) and a regional dynamical model (SMS-WARMS). The DSAEF_LTP model performs better than the dynamical models and tends to produce more false alarms in accumulated forecast precipitation above 250 mm and 100 mm. Compared with TCs without heavy precipitation or typical tracks, TCs with these characteristics are better forecasted by the DSAEF_LTP model. 相似文献
19.
The application of numerical weather prediction(NWP) products is increasing dramatically. Existing reports indicate that ensemble predictions have better skill than deterministic forecasts. In this study, numerical ensemble precipitation forecasts in the TIGGE database were evaluated using deterministic, dichotomous(yes/no), and probabilistic techniques over Iran for the period 2008–16. Thirteen rain gauges spread over eight homogeneous precipitation regimes were selected for evaluation.The Inverse Distance Weighting and Kriging methods were adopted for interpolation of the prediction values, downscaled to the stations at lead times of one to three days. To enhance the forecast quality, NWP values were post-processed via Bayesian Model Averaging. The results showed that ECMWF had better scores than other products. However, products of all centers underestimated precipitation in high precipitation regions while overestimating precipitation in other regions. This points to a systematic bias in forecasts and demands application of bias correction techniques. Based on dichotomous evaluation,NCEP did better at most stations, although all centers overpredicted the number of precipitation events. Compared to those of ECMWF and NCEP, UKMO yielded higher scores in mountainous regions, but performed poorly at other selected stations.Furthermore, the evaluations showed that all centers had better skill in wet than in dry seasons. The quality of post-processed predictions was better than those of the raw predictions. In conclusion, the accuracy of the NWP predictions made by the selected centers could be classified as medium over Iran, while post-processing of predictions is recommended to improve the quality. 相似文献