共查询到20条相似文献，搜索用时 46 毫秒
1.
根据2021年四川省31次暴雨过程预报偏差检验,选取ECMWF预报雨带明显偏西、CMA-MESO预报较好的3次个例,基于目标对象检验法对强降水落区(≥25 mm)从位置偏差、面积偏差、雨带走向和降水强度4个方面对两模式的预报偏差特征和主要原因进行对比分析。结果表明：ECMWF模式降水落区预报较实况偏西偏北,且偏西偏差距离(59.06～123.67 km)显著大于偏北偏差距离(8.23～53.59 km),而CMA-MESO模式雨带走向和位置预报与实况更为接近。两模式降水面积预报均大于实况,ECMWF模式较实况偏大7.0%～34.3%,CMA-MESO模式偏大25.2%～45.9%。两模式降水量平均值预报与实况偏差幅度为-3.5%～20.0%,但降水量极值预报较实况偏差较大,偏差幅度为50.1%～196.9%。检验分析表明,出现在副热带高压边缘,受高原涡或西南涡影响的四川暴雨过程,在ECMWF模式预报强降水落区(≥25 mm)偏西的情况下,CMA-MESO模式可以提供订正参考。 相似文献
2.
利用气象大数据云平台中逐小时降水资料,基于目标对象检验法和邻域法,评估2019—2020年辽宁主汛期降水过程中中国气象局上海数值预报模式系统(CMA-SH9)、中国气象局中尺度天气数值预报系统(CMA-MESO)、中国气象局睿图东北数值预报模式系统(CMA-DB)的预报性能。结果表明:千米尺度或接近千米尺度的上述三个模式,在36 h时效内,对于累积强降水(12 h降水量≥50 mm)落区形态预报与实况有相似性,落区质心预报偏差一般在20 km左右。然而,预报落区与实况重叠的面积一般都在10%以下,个别情形下(如CMA-MESO对于气旋型降水过程)累积强降水落区预报与实况重叠度能够接近20%;位置偏离的直接结果是导致漏报率高(一般在75%左右,CMA-MESO模式漏报率略低,为10%～20%),其中高压后部型降水过程中累积强降水的漏报率超过80%,位置偏离也造成较高空报率。对于短时强降水(1 h降水量≥20 mm)预报,在方圆40 km内不计偏差情况下,各模式预报命中率平均在10%以下(最大值为9.2%),空报率平均为58.7%;三种降水类型中,模式对台风型降水过程的短时强降水预报性能最... 相似文献
3.
应用面向降水过程的时空检验方法,评估了中国气象局广东快速更新同化数值预报系统(CMA-GD)、上海数值预报系统(CMA-SH9)和中尺度天气数值预报系统(CMA-MESO)的海南岛暖季(2019—2020年的4—9月)非台风降水日小时降水预报效果,结果表明:三家模式均能捕捉不同流场条件下的降水空间分布形态及降水日变化特征,但CMA-GD和CMASH9的降水频率和强度总体偏多偏强,其中CMA-GD降水频率偏多近10%,CMA-SH9平均小时雨强偏强近4 mm·h-1,CMA-MESO雨强在5 mm·h-1以上的降水多分布在西南部和中部山区,与实况空间分布差异较大。三家模式降水预报最易开始和降水峰值时间平均偏早1～3 h,而降水最易结束时间偏晚1～3 h;模式的大气层高层露点温度和不稳定能量预报值偏大,不稳定能量出现时间偏早,近地层逆温层特征预报失真,降水预报的开始时间倾向于提前、降水持续时间偏长。三家模式的昼间海南岛北部沿海的海陆风辐合带预报偏强,其中CMA-SH9尤为明显,与该模式降水强度明显偏强特征相一致;CMAGD的夜间南部沿海的海陆风辐... 相似文献
4.
基于精细化预报（GDDZ）和CMA-MESO、西南区域模式（SWC）两家高分辨率模式的小时降水预报,从TS（Threat Score）评分、小时降水频次、小时降水强度、峰值时间等方面,对2021年汛期攀西地区16次降水过程进行小时尺度的检验。结果表明:（1）从逐时降水来看,在晴雨（0.1 mm）TS评分中,GDDZ在00~11时表现较优,CMA-MESO模式在12~23时表现较优;在大雨（7 mm）和暴雨（15 mm）TS评分中,CMA-MESO模式表现较优。（2）从小时降水频次来看,SWC模式预报的降水发生频次空间分布与实况更为接近;从小时降水强度来看,GDDZ预报的降水强度与实况更为接近。（3）从降水量峰值时间来看,GDDZ与实况更为接近;从小时降水强度峰值和降雨频率峰值时间来看,CMA-MESO模式预报与实况更为接近。 相似文献
5.
为探讨ECMWF、华东区域中尺度模式(简称为CMA-SH9模式)多个时效对夏季(2019年6—8月)暴雨预报特征,采用目标对象检验方法对不同类型影响系统下模式预报的强降水落区面积、位置、形状等进行评价,并对预报难度较大的受西风槽和西太平洋副热带高压(以下简称副高)边缘切变线影响的高空要素场及环流形势场进行了研究。结果表明:ECMWF和CMA-SH9模式对夏季暴雨预报偏小3个量级次数最多,CMA-SH9模式各时效对暴雨及以上降水预报的准确率大多高于ECMWF;ECMWF和CMA-SH9模式对热带气旋与中纬度系统相互作用的暴雨预报最好,其次是冷涡影响,预报较差的是受西风槽及副高边缘切变线影响的暴雨过程;西风槽及副高边缘切变线影响时ECMWF的位势高度场预报略好于CMA-SH9模式,温度的预报500 hPa以上CMA-SH9模式略好于ECMWF,500 hPa以下二者相差不大,相对湿度的预报CMA-SH9模式误差小于ECMWF,且CMA-SH9模式850 hPa的36 h和60 h时效预报误差最小;受西风槽及副高边缘切变线影响的一次暴雨过程中,相对湿度90%及以上落区的预报ECMWF与实况10 mm·h^(-1)降水落区几乎无交集,CMA-SH9模式的预报包含了10 mm降水落区。 相似文献
6.
预报的稳定性是指对同一时段在不同时间发布的多时效预报结论的一致性,是模式预报质量的一个重要方面,较大的不稳定性会给使用者造成困扰。为深入了解业务常用模式的稳定性,使用相对标准偏差指标计算不同时效预报的降水量波动大小,并改进了Flip-Flop指数（改进后简称FFnorm）,计算多时效降水量预报变化趋势的翻转程度,衡量预报变化趋势的稳定性,对2种全球模式（ECMWF、NCEP-GFS）、3种区域模式（CMA-MESO、CMA-SH9、HHUPS-ST）,在中国6个气候分区中降水预报的稳定性进行对比分析,分为实况有降水和暴雨及以上降水2种情况进行了讨论。结果表明：实况有降水时,相对区域模式来说,全球模式的多时效降水预报的相对标准偏差较小,即模式降水量预报的波动较小;各模式对西南区的西部、东北区的东部以及华南区的南部预报的波动性相对较小,西北区的西部波动性较大。就多时效降水量预报变化趋势而言,2种情况下均为CMA-MESO、NCEP-GFS和 ECMWF的稳定性较好,其FFnorm指数小于HHUPS-ST和CMA-SH9模式,其中CMA-MESO对西南区、华南部分地区降水量预报变化趋势的稳定性较为突出;CMA-SH9的指数最大,多时效降水量预报变化趋势稳定性较差;各模式对长江中下游地区的FFnorm指数相对较大,多时效预报趋势的稳定性较差。有降水时,CMA-MESO随时效临近的降水量预报变化趋势稳定（单调递增、单调递减或不变）的频次最多,其次是NCEP-GFS,2种降水情况下,该2种模式的降水量预报均为随时效临近单调递增次数大于递减次数,且CMA-MESO单调递增特征尤其显著。以上特征能够为模式调试和预报决策提供参考。 相似文献
7.
以2020-2021年5-10月副高边缘型明显降水过程作为研究对象,针对黄淮地区太行山南麓、伏牛山东麓、东部平原3个典型区域,采用多种检验方法对CMA-MESO,CMA-SH9两模式降水日变化预报性能进行评估。结果表明:在山区,CMA-MESO预报有效降水时次占比与降水强度均偏小,CMA-SH9则相反,两模式分别在伏牛山东麓的04:00-10:00(北京时,下同)和太行山南麓的10:00-16:00预报有效降水时次占比偏小(大)更为显著;在平原,CMA-MESO对03:00-07:00和17:00-20:00有效降水时次占比显著低估,CMA-SH9对于17:00-20:00降水量的高估则主要来源于降水强度预报明显偏大。FSS(fractional skill score)评分结果显示:CMA-MESO对于伏牛山东麓15:00-17:00及21:00-22:00、东部平原02:00-04:00等时段10 mm·h^(-1)以上降水预报能力优于CMA-SH9,在太行山南麓17:00-23:00则相反。基于STFSS(spatial temporal fractional skill score)评分的评估表明:CMA-SH9对于太行山南麓前一日14:00-当日02:00的降水预报较实况显著偏晚,CMA-MESO对于伏牛山东麓02:00-08:00及平原地区08:00-14:00的降水预报均表现出较实况偏早的特征。 相似文献
8.
为提高定量降水预报产品在攀西地区的预报能力,对2021年夏季格点预报（Grid Weather Forecasting,GWF）、西南区域模式（South West Center-WRF ADAS Real-time Modeling System,SWCWARMS）、欧洲中心中期预报 （European Centre for Medium-Range Weather Forecasting,ECMWF）及中国气象局中尺度模式（China Meteorological Administration Meso-Scale Model,CMA-MESO）降水预报情况进行了检验分析。结果表明:（1）ECMWF模式雨日空报最明显,但其暴雨量级预报较实况偏干,其余各家产品中各量级降水均以湿偏差为主。有雨日数在攀西地区南部预报效果较好,其余地方空报较大。大雨日数在凉山州中部预报偏差较大,攀西地区南部预报偏差较小。（2）从16次过程检验来看,各预报产品在8月份过程中的表现优于其余月份,GWF产品25 mm以上TS（Threat Score）评分高于20分的过程次数最多且预报效果最稳定,CMA-MESO模式空报最大。（3）各产品3 h累计强降水开始时间大多早于实况,SWCWARMS模式雨强偏大且对于持续时间较长的过程预报效果较好,而GWF、ECMWF模式累计雨量较实况偏小。 相似文献
9.
运用气象观测资料和GRAPES、ECMWF、SWCWARMS_9KM(简称SWC)模式预报资料,对冕宁“6.26”大暴雨天气过程模式预报性能进行检验。结果表明:（1）对于24 h累计降水预报,中尺度区域模式优势明显,量级与落区预报效果均为最好,其中GRAPES_3KM模式预报落区分布与实况重合度较高,暴雨及以上量级降水TS评分最高。（2）GRAPES_3KM模式最大小时雨强10 mm以上降水落区与实况大雨及以上量级降水落区匹配度最高,ECMWF模式24 h累计降水多物理量订正产品及短时强降水概率产品次之。（3）SWC及GRAPES_3KM模式24 h累计降水极值点相比实况略偏北,量级偏小。对于小时降水峰值出现时间,SWC模式偏早4 h,GRAPES_3KM模式偏早3 h。（4）GRAPES_GFS模式环流背景预报更接近实况,SWC模式能较好地预报出冕宁上空中尺度辐合系统的存在。 相似文献
10.
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 Shanghai9 km, CMA-SH9）和中国气象局中尺度天气数值预报系统（China Meteorological Administration Mesoscale, 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... 相似文献
11.
检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。 相似文献
12.
检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。 相似文献
13.
以三源融合网格实况降水分析资料CMPAS为参照,基于二分法经典检验、预报评分综合图和面向对象MODE检验等方法,对比分析2021年智能网格预报SCMOC以及ECMWF全球、CMA-Meso中尺度模式在秦岭及周边地区的降水预报表现,主要结论如下：1)ECMWF能够很好地刻画日平均降水量、日降水量标准差以及地形影响下降水量、降水频次的空间分布特征,但对于0.1 mm以上量级的降水预报频次远高于观测,暴雨预报频次低于观测,SCMOC、CMA-Meso日降水量大于等于0.1 mm的降水频次和暴雨频次预报更好;SCMOC不足在于降水的空间精细分布特征描述能力相对较弱。2)ECMWF预报的大于等于0.1 mm降水频次日峰值出现时间整体较观测偏早3 h左右,CMA-Meso、SCMOC与观测总体吻合较好。3)三种产品24 h降水量大于等于0.1 mm的TS(Threat Score)评分数值上基本一致,但降水预报表现的特征显著不同,SCMOC成功率高、命中率低,漏报多、空报少,ECMWF、CMA-Meso则相反;24 h、3 h大雨以上量级降水SCMOC的TS评分、成功率、命中率一致优于其他两种产品... 相似文献
14.
利用ECMWF、NCEP全球预报产品和BJ-RUC区域预报产品,对比了不同模式对北京市"7·21"特大暴雨暖区降水、锋面降水的预报效果,同时利用WRF高分辨率中尺度模式同化常规观测资料和雷达资料,对此次过程进行数值模拟试验。结果表明:NCEP和ECMWF的全球集合预报产品都能预报出北京市"7·21"特大暴雨过程,但在暖区降水阶段和锋面降水阶段存在6 h左右的时间滞后,且降水量偏小;BJ-RUC区域模式预报出了整个强降水过程,且较好地预报了暖区降水,优于NCEP和ECMWF预报,但锋面降水较之实况锋面阶段降水偏南,预报的降水量小于实况。对于此次特大暴雨过程的模拟,暖区降水和锋面降水的预报要优于业务预报,且暖区降水接近实况降水,但整个锋面降水过程存在3 h的时间滞后。 相似文献
15.
采用高分辨率的格点降水实况资料,对2019年5月1日—9月30日中国气象局广东快速更新同化数值预报系统(CMA-GD)、中国气象局上海数值预报模式系统(CMA-SH9)和欧洲中期天气预报中心全球模式(ECMWF)的降水预报产品作海南岛晴雨预报的检验评估,结果表明:(1) CMA-SH9具有较高的晴雨准确率及较小的雨区面积偏差。CMA-GD(ECMWF)评分偏低与较高漏(空)报比例有关,漏(空)报易出现在五指山以南和东部沿海一带。三个模式在海南岛东部沿海一带的晴雨准确率随预报时效减小而提高;(2) CMA-GD多漏报,CMA-SH9和ECMWF多空报。CMA-GD和CMA-SH9比ECMWF具有较快速的调整能力,预报时效缩短,雨区面积偏差减小,晴雨评分提高;(3) 降水面积百分比为0~20%、20%~40%、40%~60% 的局地降水事件中,CMAGD和CMA-SH9预报雨区面积偏大,预报时效增加,面积偏差由偏多转偏少;降水面积百分比为60%~80%、80%~100%的降水事件中,雨区面积随时效增加呈增加趋势。(4) CMA-GD对海南岛北部高频降水中心具有较强的预报能力,但易漏报南部高频降水中心。CMA-SH9在海南岛北部易出现高频降水面积偏大,质心偏东的误差,但对南部的高频降水预报能力优于CMA-GD。通过最优面积阈值择优方案迭代集成CMA-GD、CMASH9和ECMWF的降水预报,可有效提高海南岛高分辨率网格晴雨预报准确率。 相似文献
16.
利用CMA-SH9模式逐小时降水预报数据和地面自动站-CMORPH卫星融合降水数据,开展该模式对2020年暖季（5~9月）川渝地区降水日变化的预报效果评估。结果表明:CMA-SH9模式可以再现小时平均降水量在四川盆地偏小、盆地周边陡峭地形处偏大的空间分布特征;显著的预报正偏差分布于青藏高原东坡至四川盆地西南部一带和四川盆地以东地区,偏差来自降水频率和降水强度的共同贡献;预报负偏差分布于四川盆地,主要来自模式对降水强度的低估;降水日变化峰值时间自西向东呈午夜到上午的滞后,模式预报的降水日变化峰值时间超前于观测;模式能够较好地把握青藏高原东坡至四川盆地西南部一带和四川盆地的单峰型日变化位相,以及盆地以东地区的双峰型日变化位相,但预报的降水量值和观测存在一定偏差。 相似文献
17.
《气象与环境学报》2017,(2)
利用24 h降水实况资料和高空实况形势场资料、ECMWF模式形势场预报资料及ECMWF、JMA、T639模式降水预报资料,对2015年江西省汛期(4月上旬至7月上旬)区域性暴雨的时空分布特征进行分析,并对2015年江西省汛期区域性暴雨的影响系统和降水预报结果进行了短期主观检验,对比分析了ECMWF、JMA和T639等3种数值模式对江西省区域性暴雨系统预报的效果。结果表明:ECMWF模式对江西省汛期暴雨天气系统的调整和演变具有一定的预报能力,如对副热带高压和西南急流的预报;但随着预报时效增加,预报误差增大。ECMWF模式预报的48 h和72 h副热带高压强度较实况明显偏弱,预报的副热带高压西脊点位置偏东,随着季节转变预报的副热带高压强度明显偏弱,其中24 h预报的准确率较高。ECMWF模式对高空槽的预报基本准确;ECMWF模式对切变线移动的总体预报效果较好,72 h预报的切变线移动偏慢;ECMWF模式对700 hPa西南急流强度的预报易偏弱,对850 hPa和925 hPa西南急流的预报易偏强;ECMWF模式预报的急流轴位置多数偏北;ECMWF模式对低层比湿的预报较实况偏强。随着预报时效临近,ECMWF、JMA和T639等3种数值模式对江西省汛期区域性暴雨的预报具有较强的调整能力;JMA模式预报的暴雨与实况最接近,表现出对雨带分布具有较强的预报性能,但对降水量级预报偏弱;ECMWF模式对降水强度的预报性能较好,预报的降水分布总体偏北;T639模式预报的主雨带范围较实况偏大,3个模式均存在对暴雨以上量级降水漏报的问题。 相似文献
18.
《气象与环境学报》2017,(江西省汛)
利用24 h降水实况资料和高空实况形势场资料、ECMWF模式形势场预报资料及ECMWF、JMA、T639模式降水预报资料,对2015年江西省汛期(4月上旬至7月上旬)区域性暴雨的时空分布特征进行分析,并对2015年江西省汛期区域性暴雨的影响系统和降水预报结果进行了短期主观检验,对比分析了ECMWF、JMA和T639等3种数值模式对江西省区域性暴雨系统预报的效果。结果表明:ECMWF模式对江西省汛期暴雨天气系统的调整和演变具有一定的预报能力,如对副热带高压和西南急流的预报;但随着预报时效增加,预报误差增大。ECMWF模式预报的48 h和72 h副热带高压强度较实况明显偏弱,预报的副热带高压西脊点位置偏东,随着季节转变预报的副热带高压强度明显偏弱,其中24 h预报的准确率较高。ECMWF模式对高空槽的预报基本准确;ECMWF模式对切变线移动的总体预报效果较好,72 h预报的切变线移动偏慢;ECMWF模式对700 hPa西南急流强度的预报易偏弱,对850 hPa和925 hPa西南急流的预报易偏强;ECMWF模式预报的急流轴位置多数偏北;ECMWF模式对低层比湿的预报较实况偏强。随着预报时效临近,ECMWF、JMA和T639等3种数值模式对江西省汛期区域性暴雨的预报具有较强的调整能力;JMA模式预报的暴雨与实况最接近,表现出对雨带分布具有较强的预报性能,但对降水量级预报偏弱;ECMWF模式对降水强度的预报性能较好,预报的降水分布总体偏北;T639模式预报的主雨带范围较实况偏大,3个模式均存在对暴雨以上量级降水漏报的问题。 相似文献
19.
本文利用黑龙江省考核站降水观测数据,对2020-2022年汛期6-8月全球尺度模式预报、中尺度模式预报、客观订正预报等在黑龙江省预报性能、误差进行了对比分析。对比检验分析发现,定量降水预报误差与观测降水量密切相关,汛期降水量较大,预报定量误差较大。黑龙江省气象台客观预报和融合预报误差相对较小,中尺度模式的定量误差相对较大。五种降水预报存在预报范围偏大的问题,EC预报范围偏大现象最为显著。针对一般性降水,两种订正预报随机误差表现最好,其次为EC预报,两种中尺度模式降水预报的随机误差表现相对较差。订正预报pm＿fm在大雨及以下量级随机误差表现最好,暴雨量级CMA-SH9最好。订正预报不但可以有效消除模式系统性误差,也可以改善原始模式随机误差。降水分级检验结果表明,CMA-MESO在大暴雨量级有一定的预报能力,fuse在大雨量级上表现较好,pm＿fm在小雨、暴雨量级上预报能力明显优于其它模式。 相似文献
20.
对比检验了ECMWF和T639对2016年1月23—24日强寒潮天气过程的中期预报能力,表明ECMWF和T639 216h时效500hPa高度场的预报能刻画出西高东低的环流形势,ECMWF预报比实况偏晚,高低压中心比实况偏弱,T639预报比实况偏快,低压中心值比实况偏强,96h时效的高度场预报均基本接近实况。ECMWF 168h时效850hPa冷中心强度、气温梯度与实况相等,冷中心比实况偏东5个经度,T639 144h时效气温梯度比实况偏小,冷中心比实况偏东5个经度,48h时效的预报均与实况非常接近,等温线重合度很高。ECMWF 192h时效的海平面气压场冷高压中心位置及中心强度与实况一致,只是1060hPa及以上的区域比实况偏小。T639 192h时效的海平面气压场冷高压中心比实况偏南7个纬度,中心强度比实况偏强2.5 hPa,等压线走向及梯度与实况类似。24h内短期时效对比检验T639、ECMWF、山东WRF确定性预报（EnWRF）、WRF集合不同分位数的最低气温、最大风力和降水预报可知,WRF集合最小值预报最低气温评分最高,WRF集合较大值对大风力的预报准确率最高,Japan模式对降水落区预报较好,EnWRF很好地预报了较强降水区域,T639和ECMWF细网格对2mm降雪量预报效果较好。 相似文献