共查询到18条相似文献，搜索用时 328 毫秒
1.
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
2.
利用2014～2016年5～10月四川盆地所有观测站资料及SWCWARMS模式、ECMWF模式同时段20时起报的24h累积降水资料,基于邻域法FSS、ETS评分指数检验了两模式对于高能暖区型暴雨及斜压锋生型暴雨预报的预报性能。主要结论为:(1)两种类型暴雨过程平均误差均是SWCWARMS模式较ECMWF模式大,且误差值为正,表明模式以湿偏差为主;(2)高能暖区型暴雨FSS评分各降水量级各空间尺度均是SWCWARMS模式高于ECMWF模式;斜压锋生型暴雨50mm以下量级降水在36km以下空间尺度ECMWF模式FSS评分高于SWCWARMS模式,54km以上空间尺度SWCWARMS模式评分较高,大暴雨量级降水各尺度下均是SWCWARMS模式评分较高;(3)高能暖区型暴雨ETS评分暴雨、大暴雨量级SWCWARMS模式评分较高,中雨、大雨ECMWF模式预报更优;斜压锋生型暴雨ETS评分,中雨、大雨及暴雨量级降水预报ECMWF优于SWCWARMS,大暴雨量级SWCWARMS模式预报更优。 相似文献
3.
应用国家基本观测站资料,基于MET系统的客观统计检验方法,针对24h降水分别评估SWCWARMS模式、GRAPES模式和ECMWF模式对2017～2019年5～10月四川地区汛期预报能力,得到如下几点结论:(1)SWCWARMS模式小到大暴雨降水范围大于实况,GRAPES模式小到暴雨降水范围大于实况、大暴雨多漏报,ECMWF模式小雨和中雨降水范围大于实况、大到大暴雨多漏报,三个模式无降水或微量降水均少于实况。(2)ECMWF模式对四川雨季小到大雨预报能力优于SWCWARMS和GRAPES模式,SWCWARMS模式在部分时次上暴雨和大暴雨预报优于ECMWF模式,GRAPES模式TS评分略偏低。(3)GRAPES模式在2018年秋季开始中雨及以上量级降水预报上改善大于SWCWARMS和ECMWF模式,SWCWARMS模式2019年空报较2017年和2018年显著降低;3个模式在小雨和中雨预报上不相上下,GRAPES模式优势在2019年大雨和暴雨预报上,ECMWF模式优势在2017年秋季和2018年初夏大雨预报上,SWCWARMS模式大雨和暴雨预报能力介于二者之间。(4)ECMWF和SWCWARMS模式川东预报优于川西,GRAPES模式川西预报优于川东;三个模式存在不同程度空报,川东地区空报略多于川西,其中ECMWF模式空报最多。 相似文献
4.
本文采用标准降水检验方法、EDI方法和MODE方法对新一代上海区域中尺度模式SMS-WARMS V2.0模式2015年12月至2016年11月的西南地区降水预报效果进行评估。结果表明:(1)模式对西南地区四季的降水TS评分均较高,夏季和秋季相对更高,且在48 h内预报性能比较稳定。(2)预报偏差和TSS评分显示,模式对西南地区春、夏两季的各个量级降水预报均较实况偏多,而对秋季的大暴雨和冬季的大雨以上量级预报则相对偏少。总体而言,对西南地区的降水技巧呈现出预报成功率高于空报率的特征。(3)模式对西南地区的小雨、暴雨和大暴雨预报评分优于EC模式。(4)EDI检验显示模式对西南地区的极端降水有较高的预报技巧,对四川中部和东北部以及贵州西南部的极端降水预报技巧相对更高。(5)模式对2015年8月一次西南涡诱发的暴雨过程的空间落区预报较好,强度较实况偏强。(6)MODE方法统计结果表明,模式对西南地区暴雨预报的目标质心偏差较小,降水中心强度偏强。 相似文献
5.
采用站点观测和EC、EC订正场（ECR）、CMA＿3KM、SWC＿3KM模式12～36 h降水预报资料,基于TS评分、SAL检验等指标,对2022年汛期四川多模式降水预报效果进行检验和对比分析。结果表明：（1）SWC＿3KM有雨日数预报最接近实况分布,EC模式雨日空报最多且在川西高原和攀西地区尤为显著,EC模式大雨日数预报优于其余模式。（2）BS评分显示EC模式大量级降水预报偏干,其余模式均以湿偏差为主。TS评分暴雨量级各月均以ECR预报最优。（3）个例评分对比,ECR预报效果最稳定,过程最高TS评分次数最多,SWC模式次数最少。（4）ECR个例预报降水强度及雨带位置、走向与实况最接近,EC模式预报偏弱。SWC＿3KM模式强降水雨带位置预报在盆地西北部和凉山州北部参考性较高。CMA＿3KM和SWC＿3KM模式预报大量级降水在高海拔地区存在较大范围空报。 相似文献
6.
为提高数值预报降水预报的准确率,本文利用欧洲中期天气预报中心的高分辨率数值预报（ECMWF）降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配,选取Gamma累积概率分布函数用于拟合预报与观测的降水累积概率,通过在2017年江西省一次降水集中期的应用试验,得到以下结论：基于ECMWF的降水预报-观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中,并根据近期模式预报调整及误差不断自动更新各量级降水修正值,可实时动态订正模式降水预报;检验发现ECMWF模式降水产品对于24 h内12 h间隔的10 mm及以下量级的预报普遍偏大,25 mm及以上量级的预报普遍偏小,在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况、预报效果较好.本降水预报订正法能提高小雨和暴雨的TS评分、降低暴雨的漏报率且提升其命中率,但对大雨及部分中雨的订正效果不佳,在实践中应权衡利弊使用. 相似文献
7.
《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
8.
《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
9.
通过对比分析3个区域数值模式（CMA-MESO-3KM、SW3KM和SW9KM）2021年3—12月逐日2 m温度（包括日最高温和最低温）预报结果和气象观测站实况数据,检验评估了3个数值模式对四川省2 m温度的预报性能。结果表明：（1）模式对最低温度预报效果好于最高温度,SW3KM模式对3—10月2 m温度预报略好于SW9KM和CMA-MESO-3KM模式,SW3KM模式对最高、最低温预报效果优于SW9KM模式,其准确率最多可分别提高13.4%、31.9%,较CMA-MESO-3KM模式最多都可提高18.8%。（2）温度误差分布有明显的日变化特征,3个模式预报温度误差从凌晨至上午逐渐减小,而下午至晚上逐渐增大,SW3KM和SW9KM模式预报温度上午较实况偏高,其它预报时段较实况偏低,CMA-MESO-3KM模式预报温度较实况偏低。（3）温度预报准确率与海拔高度密切相关,预报准确率随着海拔高度增加而降低,系统性偏差增大。（4）CMA-MESO-3KM模式冷季温度预报偏高、暖季预报偏低,12时起报略好于00时;SW3KM和SW9KM模式00时起报的20℃以上温度预报偏低、20℃以下温度预报... 相似文献
10.
本文检验了2020年3月至2021年2月ECMWF和GRAPES以及中央台格点产品（以下简称SCMOC）和省台格点产品（以下简称SPCC）4家降水预报产品逐24h未来5天在贵州的预报质量,结论如下：（1）ECMWF和SCMOC与实况的相关系数最高,SCMOC和SPCC预报降水的变化幅度较观测偏大,而GRAPES预报降水的变化幅度较观测则是明显偏小。（2）SCMOC的晴雨准确率最高,除在72h预报时效SPCC的准确率略高于SCMOC外,其余预报时效SPCC准确率均低于SCMOC,表明SPCC的订正能力需要进一步提升。（3）在小雨量级,4种降水预报产品的TS评分相差不大,ECMWF和GRAPES的ETS评分明显低于SCMOC和SPCC,其中GRAPES的TS评分在5个预报时效内均高于ECMWF。在中雨量级,前3个预报时效内ECMWF的TS和ETS评分均高于其他三家,ECMWF在5个预报时效内预报有降水的次数大于实况出现的降水次数,但空报次数并不是最多的,在后2个预报时效内,SCMOC的TS和ETS评分均是最高的,但与其他家相差不大。在大雨量级,24h和96h预报时效ECMWF的TS和ETS评分均是最高的,而在48h、72h、120h预报时效SCMOC的TS和ETS评分是最高的。在暴雨及以上量级,前3个时效内SPCC 的TS和ETS评分均是最高,且48h的TS评分空间分布也是最优的,表明SPCC对暴雨及以上量级在前3个预报时效内订正能力较好。 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.
14.
15.
利用ECMWF集合预报降水资料和重庆市自动站降水资料,运用晴雨、TS评分、预报偏差等检验方法对重庆地区2014—2016年ECMWF集合预报降水产品在短期时效的预报性能进行检验分析。结果表明:最小值的晴雨预报准确率最高。对于TS评分检验,小雨量级可优先参考最小值、10%分位数和融合产品,中雨量级参考平均数和概率匹配平均,大雨和暴雨量级分别参考75%分位数和90%分位数。对于预报偏差检验,小雨量级可优先参考最小值、Mode,中雨量级参考融合产品、中位数,大雨量级参考控制预报、融合产品,暴雨量级参考90%分位数。对于百分位值预报产品和概率预报产品,小雨量级可参考5%～10%分位数和80%～90%概率预报产品,中雨量级可参考45%～55%分位数和40%概率预报产品,大雨量级可参考70%～80%分位数和20%概率预报产品,暴雨量级可参考90%～95%分位数和10%概率预报产品。 相似文献
16.
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
17.
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
18.
采用基于对象诊断的检验评估方法(the Method for Object-based Diagnostic Evaluation,MODE)对超强台风“利奇马”过程中ECMWF全球模式与GRAPES-MESO区域模式预报的强降水目标对象进行了分析,发现MODE技术相比于传统点对点的检验方法可以提供更加丰富的模式性能分析信息,将模式的预报能力(是否匹配)与预报偏差(位置偏差、面积偏差等属性)区分分析。研究结果表明:ECMWF全球模式预报的强降水对象与观测匹配度较高,雨带的位置也相对准确;GRAPES-MESO区域模式预报的强降水对象数量和面积存在一定程度的高估,空报情况较多,雨带位置误差较大,与观测对象的匹配度相对较低。此外,ECMWF全球模式预报的强降水对象存在偏北的系统偏差,GRAPES-MESO区域模式预报的强降水对象随预报时效的增加有偏南的趋势,两个模式在较长预报时效下都有偏东的系统偏差。 相似文献