共查询到18条相似文献，搜索用时 173 毫秒
1.
以传统的检验方法和基于对象诊断评估方法(MODE), 对首次以台风级别影响辽宁的“巴威”台风(2008)的台风暴雨过程不同性质降水的多模式(ECMWF、CMA_MESO 10KM、CMA_MESO 3km和睿图东北模式)预报结果进行了检验评估。结果表明: 受“巴威”远距离和本体影响, 辽宁省先后出现对流型降水和稳定型降水, 传统检验和MODE检验结果均表明, 多模式的对流型降水预报效果要优于稳定型降水, 这很可能是多模式对于台风北上减弱产生稳定型降水的影响系统的预报强度偏差大导致, 在今后预报中务必注意台风强度预报偏差对本体稳定型为主的降水的影响。传统检验结果中, CMA_MESO 3km和ECMWF模式的评分较高, 并且对于对流型降水雨带的形状、范围和质心距离、交集面积预报效果最好, ECMWF模式对稳定型降水也有着较高的目标相似度评分。尽管睿图东北模式由于对10.0 mm以上量级降水较高的空报和漏报率, 而导致TS评分偏低; 但在MODE检验结果中, 东北模式预报的强降水雨带的中心位置、降水强度和范围均接近实况, 目标相似度更高, 尤其在对流型降水阶段目标相似度达到了1.00, 模式对于对流型降水预报有着较好的可参考性。 相似文献
2.
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
3.
利用基于目标诊断的空间检验方法(MODE)和时空检验方法(MTD)评估了华南3 km高分辨率区域数值模式(GRAPES_GZ3 km)对2019年海南岛暖季非台降水预报性能, 结果显示: (1)模式24 h累积降水预报的空间分布范围偏大、降水强度偏强; (2)模式逐小时降水预报的平均质心总体偏西和偏北, 降水出现时间总体偏早1~3 h, 结束时间总体偏晚2~4 h, 降水持续时间偏长; 预报的降水目标数量偏多, 与实况一致均存在着主峰和次峰形态的昼夜分布特征, 但预报的昼间主峰出现时间比实况偏早2 h; 预报的短时强降水出现频次总体偏多。相对于传统的预报和观测点对点检验评估方法, MODE和MTD方法具有捕捉模式预报偏差特征的优势。 相似文献
4.
光流法是运动图像分析的重要方法,主要用于确定目标的运动信息。数值模式产生的格点化的要素预报场,也是一种图像,应用于图像分析的光流法可以用到数值模式检验领域。本文在数值模式强降水过程预报检验领域引入了光流检验方法,首先利用理论模拟对光流检验方法的原理进行了阐述,然后通过对3种不同类型强降水过程中ECMWF和T639模式的24h降水预报进行检验,分析了光流检验方法在强降水过程预报检验中的实际应用。结果表明:1利用光流检验方法可以将数值模式的预报误差分解为强度、位移和角度3种误差场,从而实现对数值模式强降水预报误差的精确量化分析。2通过对梅雨锋、西南涡、台风等3种不同类型强降水过程进行光流检验方法的应用,可以发现,不同数值模式对同一次降水过程的预报在强度、位移、角度误差方面一般表现不同,光流检验结果在反映不同模式对降水预报的强弱、雨带偏移的角度和距离差异方面具有较高的参考价值。 相似文献
5.
针对传统TS检验方法的不足,引入了目标对象检验方法,通过对降水落区的面积、位置、形状和强度进行匹配,可获取空间场潜在的预报信息。以欧洲中心细网格、T639、山东WRF集合模式和华东区域中尺度模式(BCSH)为例,采用强降水过程模式预报最优次数及要素箱线图统计方法,得到模式及集合预报产品的性能特征,根据环流形势及影响系统对强降水分型,结果表明:热带气旋与中低纬度系统相互作用的强降水过程模式预报效果最好,最具参考性;低涡和切变线相伴随的强降水过程效果次之,且以BCSH和山东WRF集合最大值预报效果更好,各模式对低槽系统强降水预报能力一般,对温带气旋类型强降水过程模式预报效果差的概率最大。 相似文献
6.
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
7.
基于MODE对模式预报强风风场的检验分析 总被引：1，自引：0，他引：1
基于专业气象服务领域十分关注的模式强风预报性能的客观检验和致灾性强风预警服务效果的合理性判别问题,利用一次强风过程对电网专业气象预警服务效果的检验示范,探讨基于目标(面向对象)的诊断检验方法(Method for ObjectBased Diagnostic Evaluation,MODE)对强风事件检验的适用性。通过对强风空间检验的各个关键参数的选择确定、匹配分析,发现:(1)MODE检验的卷积半径、诊断量权重和匹配阈值等参数的选择,将影响检验目标的适度聚焦和误差表达的客观性,因此需要综合考虑预报和实况场的水平分辨率、用户对该类强天气预报误差的空间和时间冗余度等;(2)MODE检验可较好地量化给出模式预报的整体效果,包括:强风落区的范围大小和位置偏差、强风过程的时间相位差等,从而可量化判别出模式在各个时刻的空报和漏报区域以及对强风过程移动速度和生命周期长度的预报性能。 相似文献
8.
MODE方法在降水预报检验中的应用分析 总被引：5，自引：3，他引：2
采用WRF模式MET检验包中MODE方法,对BJ-RUC降水预报产品进行客观检验。使用2008—2009年汛期北京自动站逐小时降水数据,挑选出2个及以上站3小时累计降水≥50 mm的局地强降水个例及主要降水时段,根据其环流形势及影响系统进行分型,并将其归纳出三种型：西来槽型、低涡型、切变线型。分别针对这三种型中强降水个例的主要降水时段进行检验。在检验中使用BJ-RUC模式降水预报产品,实况数据使用与强降水时段相对应的雷达QPE降水估计产品。检验结果表明,BJ-RUC模式降水漏报比空报造成的误差更为明显,对移动较明显的西来槽型降水预报能力较差,相似度评分与TS评分没有本质区别,但它能给模式应用和模式开发人员提供更多有用信息。此项工作能为该模式应用及模式改进提供参考依据。 相似文献
9.
基于CRA空间检验技术的西南地区东部强降水EC模式预报误差分析 总被引：2，自引：1，他引：1
CRA(contiguous rain area)空间检验技术是将连续雨区作为目标进行检验。通过设定降水量阈值,识别、分离及平移降水目标,将预报偏差分解为落区、强度和形态误差,该方法可避免传统TS评分的双惩罚效应。利用CRA空间检验技术对2011—2014年5—9月西南地区东部EC细网格模式36 h预报时效119个降水目标的预报误差进行分析,并按照环流形势和影响系统对强降水个例进行分型,分为西南地区东部低涡切变型、西南地区东部-江淮切变型、南风型,分别对上述三类不同类型强降水个例的落区和强度误差进行了对比。得到如下结论:西南地区东部降水预报形态误差占比最大,为60%左右,其次是落区误差,为30%左右,强度误差最小,约为10%;落区平均偏西0.7°,经向偏差不明显;模式对于水平尺度较小的降水目标漏报可能性较大,而对于天气尺度降水目标模式预报面积偏大,总降水量偏大,雨强偏小;西南地区东部低涡切变型和西南地区东部-江淮切变型降水强度预报误差类似,模式预报雨区面积均偏大,降水尺度越大,偏大的概率越大,实况平均降水强度越强,模式预报强度越偏弱;南风型预报强降水面积和平均强度均偏弱,出现漏报的概率较大;而对于最大降水量,三种类型模式预报的最强降水均较实况偏弱;西南地区东部低涡切变型模式预报落区偏西,江淮至西南地区东部切变型模式预报落区偏西偏北,南风型模式预报落区偏西偏南。 相似文献
10.
《干旱气象》2020,(3)
以四川省2018年9月5日降水过程为例,选择最佳阈值确定方法识别降水主体,在此基础上通过对四川省3次大范围强降水以及2018年7—9月降水过程进行SAL检验,并结合TS评分进行对比,分析和评价Grapes-Meso模式在本地汛期的预报效果。结果表明:(1)选取的阈值确定方法可以更好地识别降水主体,并且"连通邻域法"为降水个体的自动识别提供了很好的支撑;(2)L值的大小可以反映模式对降水预报的效果,如果L值较小,且A的绝对值也较小,则模式对降水预报偏好的可能性越大,反之则越小;(3)Grapes-Meso模式对四川省降水预报效果表现为:对降水强度预报较实况偏强,降水范围较实况偏大,或者降水中心值较实况偏小,或者前述两种情况同时存在。 相似文献
11.
从降水偏差特征、预报技巧和对象诊断分析3个角度评估了欧洲中期天气预报中心模式(EC)、华东区域中心区域数值模式(WARMS)和江苏区域模式(PWAFS)对2020年江淮地区梅汛期11次典型暴雨过程的预报性能,并分析了各模式的优点及不足。结果表明:(1)24 h观测日平均累计降水主要分布在大别山—江苏淮北以及大别山—皖南山区,相应的模式降水偏差大值区与主要雨带位置有较好的对应关系,其中,EC在大别山和皖南山区存在明显干偏差,在江苏淮北地区则出现系统性北偏。WARMS和PWAFS两种区域模式均在大别山和皖南山区上游地区和下游浙江地区出现大范围湿偏差,而在江苏淮北地区出现干偏差;(2)24 h预报技巧评分结果表明,EC对暴雨及以下量级的TS评分最高,但大暴雨量级PWAFS最优,原因是EC对大暴雨量级出现较高漏报。对比WARMS和PWAFS两家区域模式可见,PWAFS在几乎各量级的空报和漏报率都低于WARMS,因此TS评分也高于WARMS;(3)通过MODE对象诊断分析发现,EC对降水位置预报最稳定,PWAFS对降水强度和范围的预报效果最优,但对雨带位置的预报不够稳定。总得来说,PWAFS的预报性能略优于WARMS,与EC相比在对降水强度和雨带范围的刻画上也具有优势,但预报稳定性尚有待提高。 相似文献
12.
利用AREM中尺度数值模式,对2005年7月8日四川盆地大暴雨天气过程进行了数值模拟,比较分析了AREM模式提供的不同降水方案、地表通量方案、地表辐射参数化方案对此次降水过程的模拟,以及对该过程中西南低涡活动特征的模拟。试验结果表明:各方案较好地反映了四川盆地西南部强降水,对其东北部的强降水模拟存在较大偏差;各方案模拟的涡度场和流场分布决定了降水区域分布;采用降水的显式云微物理过程和大尺度饱和凝结过程模拟的降水强度、低涡强度和低空急流有一定差异,后者模拟的偏强,与实况更接近;不同地表通量过程和地表辐射过程对降水、低涡和低空急流的模拟无明显差异。 相似文献
13.
基于高分辨率数值模式的特点,为了弥补传统站点对站点等检验方法的不足,采用基于目标诊断的空间检验方法 MODE,对上海快速更新同化系统预报的2014年3月19日强对流降水和冰雹雷达回波进行了客观检验。该方法通过在空间场中识别目标,综合考虑了空间位置、形状、面积等多种因素,采用模糊逻辑算法计算预报和观测目标的相似度。结果表明,MODE在高分辨率数值模式检验中比传统方法具有明显的优势,尤其针对雷达回波的检验有较高的实际应用价值。同时讨论了MODE方法卷积平滑半径参数的选取对高分辨模式检验结果的影响。 相似文献
14.
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
15.
选取2021年嫩江流域9个暴雨日,利用降水融合产品,采用CRA空间检验,对区域台风数值预报系统(CMATYM)和国家级智能网格指导预报(SCMOC)20:00起报的24 h降水预报产品进行检验。结果表明:CMA-TYM和SCMOC预报的最大降水量位置均偏西、偏北,CMA-TYM和SCMOC预报的降水落区均偏西,但前者偏北,后者略偏南,SCMOC预报优于CMA-TYM。误差分析表明:CMA-TYM和SCMOC预报的暴雨落区最大降水量和平均降水量比实况偏小,格点数、面积较实况偏大,但整体上,CMA-TYM预报更接近实况。CRA空间检验显示,CMA-TYM预报的降水强度和落区形态、SCMOC预报的降水落区位置和形态较接近实况,具有一定指示意义。 相似文献
16.
本文基于2022年8月四川盆地104站逐时温度、降水数据和1971—2021年历史同期数据,及EC、CMA GFS、CMA MESO模式的2 m气温预报等数据,运用统计学相关方法分析了此次极端高温过程的特征及预报误差。结果表明：①2022年8月四川盆地极端高温过程范围大、强度强、持续时间长,有87.5%站最高气温超过该站历史同期极值,且高温最强盛时段较历史同期明显推后。②2022年8月最高气温分布为东高西低,最高气温与历史同期极值差分布则相反,其中最高气温随站点海拔增大而减小,而极值差则随站点海拔先增大再减小。另外,受热岛效应影响,极值差大值站点主要集中在龙泉山脉附近。③高温期间,最高、最低气温平均值高、距平大,且累计降水量和雨日数也明显低于历史同期。④相较而言,EC模式的预报优势主要在盆地低海拔地区。而CMA MESO模式在盆地周边陡峭地形区域的平均绝对误差则更小。另外,EC模式预报的最高气温峰值出现时间更接近于实况,而CMA MESO模式预报高温持续日数更接近实况。 相似文献
17.
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
18.
利用多源气象资料，对台风“温比亚”引发豫东降水的极端性特征及极端降水产生机制进行分析，提炼预报着眼点。此次降水是河南继驻马店“75·8”暴雨之后的又一次罕见特大暴雨，表现为过程雨量极大、破极值站数最多、降水强度极大、强降水时段集中的特征。结果表明：（1）高低空系统耦合为特大暴雨的发生发展创造了良好的环境条件，极端降水的产生主要受台风北侧螺旋云系影响，并有持续不断的强回波单体在同一个地点移动，冷空气与台风环流相互作用是重要的预报着眼点，重点分析台风和副热带高压的相对运动及西风带对台风的引导作用。（2）河南东部水汽输送条件一直处于较好的状态，这是降水维持较长时间的重要因素，急流中心区域和强度的变化对降水量多少有指示意义。（3）豫东地区对流不稳定和斜压不稳定均比较明显，低层MPV1<0、MPV2>0的区域与强降水落区有较好的对应关系。（4）强辐合中心位于台风中心的北侧，降水强度与辐合强度有较好的对应关系，螺旋度大值区分布对强降水的分布区域有较好的指示意义。 相似文献