共查询到20条相似文献，搜索用时 125 毫秒
1.
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。 相似文献
2.
3.
本文选取2014年6～9月西南区域模式产品的每日20 h (北京时)起报的00 h～24 h降水量、相关物理量及成都地区实况降水量。首先利用领域法建立高分辨率模式与稀疏站点对应关系,其次比较领域内的降水量分级传统技巧评分以及强降水(25mm以上)与模式物理量阈值进行概率分析,得出强降水物理量阈值,最后通过个例对模式物理量阈值进行检验。得出如下研究结论:降水量分级评分结果表明模式对成都地区有无降水预报总体效果较好;TS评分随着预报降水量级增大而减小,同时模式空报率高于漏报率;而暴雨及暴雨以上量级降水混合评分为11.6%,具有一定的参考性。强降水与模式物理量阈值概率分析表明模式对强降水有一定的预报能力,但量级、落区相对较差。两次降水个例物理量阈值均满足以暴雨、暴雨以上降水为主的条件。 相似文献
4.
江淮之间夏季雨滴谱特征分析 总被引：11，自引：3，他引：8
分析了2011—2013年夏季(6—8月)滁州地基雨滴谱观测资料,根据雨强及其随时间的变化将降水分成对流降水和层云降水,分析不同降水类型的雨滴谱特征。结果表明:滁州地区对流降水的质量加权直径Dm和标准化参数lgNw的平均值分别为1.67 mm和3.91 mm-1·m-3,层云降水Dm和lgNw的平均值分别为1.18 mm和3.57 mm-1·m-3,对流降水雨滴平均尺度更大。Nw相比Γ分布参数N0能更好地反映总数浓度Nt的大小。Γ分布3参数均随雨强的增大而减小,当雨强增长到一定程度时,μ(谱型)和Λ(斜率)趋于常数。研究了μ-Λ关系和Z(反射率因子)-R(雨强)关系。对流降水和层云降水的Z-R关系分别为Z=408R1.20和Z=301R1.21。新的Z-R关系和经典Z-R关系(Z=300R1.40)反演的雨强相比实际观测值均偏小,但新的Z-R关系反演的雨强与实际观测值更接近。 相似文献
5.
利用WRF模式不同积云对流和微物理过程参数化方案对2015年8月1—3日青海省大范围降水过程进行了模拟,并利用MET(数值模式评估系统)对本次模拟结果进行了检验,结果表明:(1)此次过程,模式存在"早报"现象,尽管大部分方案预报降水量均偏多,但从降水过程中心位置和强度来看,BMJ(积云对流)/Thompson(微物理)组合方案模拟效果较为理想,Grell/WSM5和KF/Kessler次之;Grell/WSM5从降水极值点的空间分布特征和降水量级上模拟结果较为理想。(2)就空报率和漏报率的空间分布而言,空报率远高于漏报率,空报率高值区主要分布在玉树南部和海西东北部,模式对玉树地区的预报存在较大的误差。(3)用SEDS(对称极值依赖评分)评估极端降水,Grell/WSM5对极端降水的预报效果较好。(4)主观判断降水空间分布特征无法量化预报的质量,且单一的评分指数因侧重点不同无法综合评价模式的预报能力,故选用8种评分或指标进行定量评估,其结果表明,WSM5方案(微物理)的R(相关系数)较大且RMSE(均方根误差)较小,Grell/WSM5对此次降水预报效果最好,Grell/Kessler次之。综合来看,对此次降水个例Grell/WSM5组合方案为最优组合方案,参数化方案的优选有利于客观把握模式的预报能力与预报技巧,有利于提高区域数值模式在青海高原的适用性。 相似文献
6.
基于西南区域数值预报模式（SWC-WARMS）2019年5~8月00时起报的24h累计降水预报资料和四川省气象站点降水观测资料,采用频率匹配法对6月1日~8月31日降水预报值进行了偏差订正。结果表明:模式预报的24h累计降水量总体为湿偏差;订正后降水量平均绝对误差减小;大雨和暴雨的偏差评分提高;小雨、中雨、大雨的TS评分提高,暴雨TS评分降低;各量级的空报率均有所降低,小雨和中雨漏报率减小,大雨和暴雨漏报率增大,尤其是暴雨漏报率显著增加;当模式对暴雨降水落区预报较好（差）时,频率匹配订正能提高（降低）TS评分。 相似文献
7.
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。 相似文献
8.
利用ECMWF 24h累计降水量预报资料,以全国范围内2403个国家地面气象观测站24h累计降水量作为观测资料,对站点预报结果进行雨量分级回归订正,并与直接双线性插值的预报结果进行对比,利用频率匹配法进一步对不同量级的降水预报结果进行二次订正。结果表明,雨量分级回归相比双线性插值,可以减小预报误差,提高预报结果与观测值之间的相关系数以及降水预报的ETS评分,使站点预报值更接近实况。频率匹配法能改善各降水量级的预报效果,降水面积偏差减小,小雨空报率和大雨漏报率减小。对于不同起报时间、不同降水量级和不同预报时效,雨量分级回归和频率匹配法的改进程度各不相同。雨量分级回归对于20:00起报的降水预报改进幅度大于08:00,对0.1mm和50mm量级的降水预报改进较为有限,对5～15mm量级的降水预报改进明显,且随预报时效的延长,对降水预报的改进幅度呈增大趋势。此外,频率匹配法对于起报时次效果较差的降水预报改进幅度较大。 相似文献
9.
利用陕西省100个台站降水实况资料和欧洲中心集合预报10种降水产品,对2014年6—9月欧洲中心集合预报10种降水产品在陕西的预报效果进行了客观分级检验以及时空分布演变综合评估,结果表明：绝大多数产品的Ts评分随降水量级增大明显下降,随预报时效延长有小幅下降;模式对陕南各量级降水预报效果优于陕北、关中,多数情况下90%分位数Ts评分最优;所有降水量产品小雨预报偏差最大,空报明显,随着降水量级增大,空报逐渐减少,漏报增加,陕南预报偏差比陕北、关中大;90%分位数、控制预报、概率匹配产品、融合产品能基本反映出实况降水的落区情况,对大降水过程的演变趋势可以做出较为准确的预报;综合而言,控制预报、融合产品、概率匹配产品无论在Ts评分还是预报偏差上表现均较好,稳定性高,用户可以根据不同关注点,在应用时选取不同的产品进行参考。
相似文献10.
该文应用TS评分、预报偏差（BIAS）等方法,对ECMWF模式预报的2015年12月—2018年12月岳阳市降水场资料,开展晴雨和分级降水检验。晴雨预报检验结果表明：ECMWF模式对岳阳市晴雨预报性能总体较稳定,年际变化幅度较小;晴雨预报准确率季节差异大,冬季最高,秋季次之,夏季最低;从逐月晴雨预报检验来看,12月份最高,8月最低;晴雨预报还存在明显的日变化规律,对夜间的预报能力明显优于白天;空间上总体呈北高南低的空间分布特征。分级降水预报检验结果表明：小雨量级降水预报评分明显高于其他量级降水,中雨次之,大雨及以上量级评分较低且无明显规律;小、中、大雨3个量级任一时效的空报率整体上比漏报率大,小雨量级表现得尤为明显,说明小雨量级的空报更为严重。针对小雨降水预报空报率高的现象,该文对岳阳市ECMWF模式预报降水量1.2 mm以下消空处理后进行了预报释用,结果表明：冬季订正空间较小,夏季各时效可适度订正;春季和秋季可视情况适度订正,订正后可以有效提升预报技巧,但增加了一定漏报风险。 相似文献
11.
为综合评估卫星和天气雷达在2016年6月23日盐城龙卷风期间的强降水过程的降水估测精度,以国家级雨量站观测数据为基准,结合相关系数(CC)、相对误差(RB)、均方根误差(RMSE)以及分级评分指标,利用S波段的天气雷达定量降雨估测产品(RQPE)和全球降水观测计划多卫星融合产品(IMERG_FRCal,IMERG_FRUncal,IMERG_ERCal)进行比较。结果表明,雷达和卫星的累积降水量与雨量站的空间相关性很强(相关系数大于0.9),基本上能捕捉到整个降水过程的空间分布。降水主要分布在江苏省北部,但卫星高估了江苏省东北部强降水中心的降水量;对于小时时序区域平均降水,卫星高估了降水,而雷达低估了累积降水量。综合降水中心区域分析,IMERG的强降水区域降水量与雨量站的时间序列的偏差显著;RQPE在降水峰值达到之前及峰值之后与地面雨量站的变化趋势基本一致,但对降雨量峰值有明显的偏低。RQPE能较为准确地在时间上捕捉到降雨强度的变化趋势,但对于大雨及暴雨的估测能力不佳;RQPE的POD、SCI值都远远高于IMERG, FAR也较小。IMERG几乎未能监测到强降水的发生。总体上,RQPE对此次龙卷风强降水量的估测表现优于3种IMERG产品,特别是在捕捉强降水区域的空间分布方面,但对于强降水的估测能力仍需进一步改善。 相似文献
12.
This is the first attempt to merge highly accurate precipitation estimates from Global Precipitation Measurement (GPM) with gap free satellite observations from Meteosat to develop a regional rainfall monitoring algorithm to estimate heavy rainfall over India and nearby oceanic regions. Rainfall signature is derived from Meteosat observations and is co-located against rainfall from GPM to establish a relationship between rainfall and signature for various rainy seasons. This relationship can be used to monitor rainfall over India and nearby oceanic regions. Performance of this technique was tested by applying it to monitor heavy precipitation over India. It is reported that our algorithm is able to detect heavy rainfall. It is also reported that present algorithm overestimates rainfall areal spread as compared to rain gauge based rainfall product. This deficiency may arise from various factors including uncertainty caused by use of different sensors from different platforms (difference in viewing geometry from MFG and GPM), poor relationship between warm rain (light rain) and IR brightness temperature, and weak characterization of orographic rain from IR signature. We validated hourly rainfall estimated from the present approach with independent observations from GPM. We also validated daily rainfall from this approach with rain gauge based product from India Meteorological Department (IMD). Present technique shows a Correlation Coefficient (CC) of 0.76, a bias of −2.72 mm, a Root Mean Square Error (RMSE) of 10.82 mm, Probability of Detection (POD) of 0.74, False Alarm Ratio (FAR) of 0.34 and a Skill score of 0.36 with daily rainfall from rain gauge based product of IMD at 0.25° resolution. However, FAR reduces to 0.24 for heavy rainfall events. Validation results with rain gauge observations reveal that present technique outperforms available satellite based rainfall estimates for monitoring heavy rainfall over Indian region. 相似文献
13.
利用最新的深度学习算法,即卷积长短期记忆(Convolution Long-Short Term Memory)神经网络,构建基于深度学习的人工智能短临预报系统,以广州地区2019年3-5月雷达观测的数据为输入进行训练,然后进行短期1h内的降水预报。利用常用的统计评分指标(探测率POD、误报率FAR、临界成功指数CSI,相关系数CC)检验模型。结果表明,预报结果与实际观测的相关系数在1h内预报均保持在0.6以上,在1h内预报探测率均保持在80%以上,临界成功指数在降水强度为10mm·h^-1时,基本保持在60%,误报率均小于40%。 相似文献
14.
15.
基于2019年4～10月金沙江中下游逐日面雨量实况资料、西南区域数值天气预报业务模式(SWC-WARMS)和中央气象台智能网格预报模式(NWGD)0～24小时降水预报对金沙江中下游月累计面雨量、日面雨量的月极值分布、暴雨频次分布特征进行分析并做了检验评估。结果表明:(1)金沙江中下游月累计面雨量主要集中在6～9月,强降雨天气也主要出现在6～9月。(2)2019年4～10月期间总共出现暴雨次数22次,出现暴雨次数最多的区域是A区,D区没有出现暴雨。(3)西南区域模式对于C区、D区、E区月累计面雨量的预报以及对于A区和C区小雨和中雨的预报优于中央气象台预报模式。(4)平均绝对误差(Ea)、模糊评分(Mp)和TS评分(Tsk)结果显示中央台智能网格预报模式上优于西南区域预报模式。 相似文献
16.
GRAPES-TCM对登陆热带气旋降水的预报及其性能评估 总被引：2，自引：0，他引：2
基于GRAPES-TCM对2006年登陆热带气旋的降水预报结果,对该系统的24 h和6 h降水预报能力进行评估,并与基于卫星降水反演的外推预报(TRaP,Tropical Rainfall Potential)和相似台风降水预报技术(Analog Prediction Technique for Ty-phoon Precipitation,TAPT)进行对比.各方法对登陆热带气旋降水的综合预报能力通过分析预报和观测降水散点图、预报平均绝对误差(MAE)及均方根误差得到,降水分布型态的预报能力通过计算预报和观测降水的相关系数估计.此外,还分析了BS、POD、FAR、ETS评分等常用降水预报评估指标.结果显示,GRAPES-TCM的24 h降水预报绝对误差和均方根误差比TRaP和TAPT都大.但是,GRAPES-TCM的24 h降水预报与观测降水的相关系数远比TRaP和TAPT高.对其他指标的分析表明,GRAPES-TCM的漏报率远低于TRaP和TAPT,但3种方法的空报率在同一水平;对任一强度的降水,GRAPES-TCM的ETS评分总是最高,TRaP和TAPT对于大暴雨以上的强降水则几乎没有预报能力.对24小时内每6 h的降水预报,3种方法相对性能与24 h总降水相似.通过对各强度降水造成的降水量在总降水量中的百分比的对比分析,发现GRAPES-TCM预报强降水占总降水量的比重与观测十分接近.总体上说,GRAPES-TCM能较好地预报出登陆热带气旋降水的分布型态,对强降水的预报能力强于外推和相似预报方法,但是预报的降水量绝对误差偏大,尤其对暴雨级别以上降水,其BS值明显偏大. 相似文献
17.
基于雷达外推和中尺度数值模式的定量降水预报的对比分析 总被引：2，自引：1，他引：1
应用广东2010年出现的4次暴雨过程的气象资料,检验分析了临近预报系统（SWAN）和华南中尺度数值模式（GZMM）中的定量降水产品对晴雨及不同类型降水的预报效果,在此基础上探讨了临近预报系统和数值模式在0～6 h范围内的预报能力的交叉点。结果表明：首先,对于晴雨预报,SWAN系统中降水产品随着预报时效的增加预报效果呈现出减弱的趋势,且高分辨（0.02°）产品的下降速度要快于低分辨率（0.12°）;GZMM降水产品（0.12°）在1～3 h预报能力逐步提升,在4～6 h维持相对稳定的水平。对于分辨率同为0.12°的SWAN系统和GZMM模式产品,在第1和第2 h,SWAN产品的CSI评分分别为0.504和0.442,高于GZMM的0.306和0.375,但从第3小时开始GZMM产品CSI评分略高于SWAN产品,表明此后华南中尺度数值模式对晴雨的预报能力优于SWAN系统,交叉点介于2～3 h。其次,进一步检验了上述产品对弱降水（1小时雨量为0.1～2 mm）、一般性降水（2～10 mm）和较强降水（超过10 mm）的预报能力。对于弱降水,GZMM产品CSI评分在0～6 h维持在0.23,高于SWAN产品,表明GZMM模式对于弱降水的预报能力在整体上要强于SWAN系统。对于一般性降水,在0～3 h,分辨率为0.12°的SWAN产品CSI评分高于GZMM产品;两者的CSI评分曲线的交叉点介于3～4 h,即从第4小时开始,GZMM降水产品预报效果更好。对于较强降水,无论是SWAN系统还是GZMM模式,预报能力都呈现出明显的减弱;但SWAN系统在整体上对强降水的预报能力要优于GZMM模式。 相似文献
18.
为提高雷暴天气的潜势预报能力，在统计分析安徽省雷暴形成天气条件的基础上，利用2003-2004年T213资料，选取与雷暴相关性好的对流参数作为预报因子。并在考虑因子季节变化特征的基础上，分别用判别分析法和指标叠加法制作雷暴潜势预报，结果表明指标叠加法优于判别分析法。最后用指标叠加法试报了2005年3—8月的雷暴，临界成功指数CSJ=69．4％，命中率POD=89．5％，虚假报警率FAR=24．4％，分区预报准确率也较高。另外，试报期间的区域性冰雹、雷雨大风全部命中，可见该方法对冰雹、雷雨大风也有较好的指示意义。 相似文献
19.
天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。 相似文献
20.
GRAPES千米尺度模式在西南复杂地形区降水预报偏差与成因初探 总被引：1，自引：0，他引：1
利用2019年夏季（6—8月）西南复杂地形区地面观测站逐时和逐日降水量观测数据,从降水量和降水频率入手,对同期GRAPES-Meso 3 km业务模式短期（36 h以内）降水预报性能,特别是在不同典型地貌区—四川盆地子区、云贵高原北部子区和南部子区、青藏高原东缘山地子区的预报偏差进行细致评估与分析。结果表明:（1）GRAPES-Meso 3 km模式能合理地刻画出西南复杂地形区夏季日降水和日内尺度降水的主要特征,以及小时降水频次-强度的基本关系。（2）在各子区,模式日降水量（频率）预报表现为清晰的正偏差,正偏差在盆地子区最显著,为观测值的1.1倍（0.3倍）;日降水量正偏差主要由强降水日降水量预报偏大引起,但频率正偏差在云贵高原南、北子区与其他两个子区不同,主要是中小雨日数预报偏多的贡献;强降水（中小雨）落区预报存在明显（轻微）偏大倾向,强降水预报落区偏大频率在青藏高原东缘山地子区最高,达82.8%,在云贵高原南部子区最低,为53.6%。（3）日循环上,各时次小时降水量（频率）预报整体偏大,且主要正偏差出现在观测的夜雨峰值时段,其中海拔1200 m以下区域的降水频率正偏差从夜间峰值区延续到中午,模式偏强的日降水量预报往往表现为日内偏长的降水时长或小时降水空报。（4）诊断分析显示,模式在四川盆地区突出的夏季日降水预报正偏差是模式对流层低层在云贵高原南-东南侧偏强的西南风预报与西南地区特殊地形结合的产物。 相似文献