共查询到18条相似文献，搜索用时 153 毫秒
1.
利用TIGGE资料集下中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24 h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96 h延长至192 h,且除个别时效外,小雨、中雨的TS评分得到明显提高。 相似文献
2.
2007年汛期AREM模式降水预报效果检验分析 总被引：2，自引：0，他引：2
过对2007年6～8月AREM模式降水预报做不同时效、不同区域的TS评分对比,比较AREM与T213、JAPAN三个模式降水预报TS评分,并对AREM模式2007年汛期主要降水过程预报效果进行检验分析,从而获得AREM模式2007年汛期降水预报效果和特点,结果表明:(1)从AREM模式不同时效降水预报TS评分对比可知,对长江中下游区域,AREM模式12～36 h预报效果好于0～24 h预报,24～48 h效果相对较差,对华南、华北、东北、西南东部区域的降水,AREM模式预报效果均随时效延长而减弱。(2)由AREM模式对不同区域降水预报TS评分的对比可知,AREM模式(各预报时效)对长江中下游地区各量级降水预报的TS评分均高于全国范围的TS评分,西南东部(各预报时效)小雨(以上)量级TS评分均为各区域最高,但中雨以上各量级TS评分均低于全国范围,其他区域无稳定的预报特性。(3)从AREM、T213、JAPAN对长江中下游地区12～36 h降水预报TS评分对比可知,三个模式小雨(以上)量级降水的TS评分基本相当,对该区域暴雨、大暴雨强降水中心的预报,AREM好于T213,JAPAN相对较差,随量级增加AREM预报优势表现更为明显。(4)对2007年汛期6次个例分析可知,AREM模式对长江中下游尤其是江淮流域的大范围强降水过程预报效果较好,对暴雨、大暴雨中心的预报较T213和JAPAN有明显的优势,但对小范围、局地强降水过程的预报效果不够理想。 相似文献
3.
使用2013年1月1日-2016年1月7日全国气象站观测资料,应用准对称混合滑动训练期,不改变雨带预报位置和形态,基于模式降水预报订正结果的TS评分最优化及ETS评分最优化,分别设计最优TS评分订正法（OTS）和最优ETS评分订正法（OETS）确定预报日各级降水订正系数,对2014-2015年降水数值预报进行分级订正,并与频率匹配法（FM）对比。结果表明:在24 h累积降水的多个预报时效订正中,无论是对欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心和中国气象局的全球模式降水预报,还是对4个模式的简单多模式平均,OTS和OETS较FM在TS评分和ETS评分等传统降水检验指标上均更优秀,其中OTS在所有时效均能提高模式降水预报质量,为三者最优。在概率空间的稳定公平误差评分方面,OTS在各时效、各单模式及多模式平均等方面优势明显。在预报员对应参考时效上,OTS在24~168 h的24 h累积降水预报中的TS评分也优于主观预报。 相似文献
4.
应用国家基本观测站资料、自动站逐时降水资料,基于客观统计检验方法,针对降水(12h、24h累积雨量)、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2015年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式降水ETS评分高于GRAPES模式,除24h小雨外SWCWARMS模式偏差值均高于GRAPES模式,两个模式在不同预报时效内对中雨、大雨、暴雨都表现一定程度的空报;(2)12h降水分段评分上,SWCWARMS模式TS评分均高于GRAPES模式,但SWCWARMS模式预报降水范围过大,随着预报时效增长空报多于GRAPES模式;SWCWARMS模式中雨和大雨空报大于其它量级降水,GRAPES模式对大暴雨漏报较多其它量级降水表现为空报;(3)两模式对高度场和温度场预报优于风场,对对流层中层预报优于中低层,SWCWARMS模式对高度场和温度场预报优于GRAPES模式,夏半年SWCWARMS模式均方根误差小于GRAPES模式;(4)两模式都表现出2m温度均方根误差在秋季增加而春季减小这一特征,SWCWARMS模式近地面要素均方根误差均小于GRAPES模式。 相似文献
5.
基于TIGGE资料集下欧洲中期天气预报中心（ECMWF）、日本气象厅（JMA）、英国气象局（UKMO）、美国国家环境预报中心（NCEP）和中国气象局（CMA）5个气象预报中心2016年5月1日—8月31日中国地区逐日起报预报时效为24~168 h的24 h累积降水量集合预报的结果,对各个集合预报成员进行了频率匹配法的订正,并对订正前后的多模式集成预报效果进行评估。结果表明:采用频率匹配法订正后的降水预报,有效改善了集合平均预报中强降水（日降水量25 mm以上）预报由平滑作用产生的量级偏小现象,使预报的降水量级更接近实况,但对降水落区预报改进不明显。基于卡尔曼滤波技术的集成预报效果优于基于线性回归的超级集合预报和消除偏差集合平均预报,对强降水落区的预报较单模式更优。基于集合成员订正的降水多模式集成预报在强降水的落区预报和降水中心的量级预报更接近实况,效果优于原始多模式集成预报与单模式结果。 相似文献
6.
应用巴中地区218个自动气象观测站2016年6～8月逐日的24h累积雨量,采取基于客观统计的检验方法,针对24h累积雨量,采取TS评分、BIAS评分和空报率对比分析了 SWCWARMS 模式和 EC 细网格模式在巴中地区的预报能力。研究结果表明:(1)从降水落区来看,两个模式都对雨带的移动都有较好的预报能力;(2)从降水 TS 评分看,SWCWARMS模式在各量级上的 TS 评分都优于 EC 模式;(3)从降水 BIAS 评分看,EC 模式容易漏报中雨及以上量级的降水,而 SWCWARMS 模式则对大暴雨的预报有较大的空报;(4)从逐月评估结果看,6月和7月SWCWARMS 模式较EC模式有更好的预报效果,8月两者差异不大。总体而言,SWCWARMS 模式在巴中地区的预报效果优于 EC 模式。 相似文献
7.
《气象与环境学报》2016,(3)
利用OCF(Objective Consensus Forecasting)模式对2014年浙江省梅雨、8月连阴雨、午后雷阵雨和台风降水4种不同降水过程中六大水库流域面雨量进行预报,并采用综合评分法和TS评分法对预报效果进行检验。结果表明:OCF模式对2014年浙江地区锋面降水(梅雨、8月连阴雨)预报的综合模糊评分和TS评分均较好,空报率远高于漏报率,从192 h至24 h预报时效的预报效果缓慢调整,各水库之间预报效果差异较小;OCF模式对午后雷阵雨预报的综合模糊评分和TS评分较好,空报率较高的水库流域漏报率也偏高,从192 h至24 h预报时效预报效果不稳定,且存在显著的地域差异;OCF模式对台风降水预报的综合模糊评分和TS评分均偏低,空报率高于漏报率,从192 h至24 h预报时效为显著调好趋势,各水库之间预报效果差异较大。 相似文献
8.
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
9.
利用MM5、T213和Grapes3种数值模式的降水预报产品和山西省108个标准测站的降水实况资料,采用客观统计检验方法,对2008年7月各模式在山西省的累加降水预报进行了对比检验。结果表明：24h中雨以下预报1、213优于MM5,中雨以上MM5则略优于T213,48h预报各级降水MM5都优于T213,T213和MM5对暴雨都有一定的预报能力。无论哪个预报时效和降水量级,Grapes均无明显优势。Grapes预报降水量级和降水范围都偏小,空报较少,漏报严重,尤其48h和72h10mm以上降水基本都漏报。MM5预报降水量级和预报范围都偏大,10mm以上降水TS评分较其它模式高,但同时空报也比较严重。3种模式TS评分均随降水量级的增大而减小,T213和Grapes的TS评分随预报时效的增加而减小,MM5的TS评分随预报时效的增加变化不大。 相似文献
10.
为综合不同模式对不同量级降水的预报优势,设计一种全球模式与区域模式结合的降水分级最优化权重集成预报算法,集成经最优TS评分订正法（optimal threat score,OTS）订正后的欧洲中期天气预报中心降水预报产品（以下简称EC-OTS）和华东区域中尺度模式降水预报产品（以下简称SMS-OTS）。以泛长江区域（23°~39°N,101°~123°E）为研究范围,基于2018年不同降水量级的TS评分最优化确定SMS-OTS和EC-OTS在不同降水量级时的最优权重系数以及最优集成方案,并以2019年降水数据为独立样本进行预报试验。结果表明:对于最优权重系数,EC-OTS在低降水量级权重较大,随着降水量级的加大,SMS-OTS的权重也逐渐加大;最优集成方案为初始集成降水量预报取SMS-OTS,集成运算迭代3次;集成预报在几乎所有预报时效、所有降水量级的TS评分均高于EC-OTS和SMS-OTS,其平均绝对误差略小于EC-OTS,显著小于SMS-OTS;集成预报12 h累积降水预报的TS评分较省级预报员主观预报高-0.009~0.041,24 h累积降水预报的TS评分较国家气象中心预报员主观预报高0.009~0.023。 相似文献
11.
基于TIGGE资料中的欧洲中期天气预报中心、英国气象局、美国国家环境预报中心、韩国气象厅和日本气象厅2015年1月1日—9月30日中国及周边地区地面2 m气温24～168 h集合预报资料,利用长短期记忆神经网络(Long Short-Term Memory,LSTM)、浅层神经网络(Neural Networks,NN)、滑动训练期消除偏差集合平均(BREM)和滑动训练期多模式超级集合(SUP)方法对2015年9月5—30日26 d预报期进行集成预报试验。结果表明,BREM对5个单模式进行等权集成,预报结果易受预报效果较差模式的影响,整体预报技巧略低于单个最优模式ECMWF的预报技巧。其中在新疆南部,等权集成后的预报技巧更低。SUP的预报结果比所有单个模式预报更为准确。在144 h之前,SUP的误差明显小于ECMWF的预报误差,但随预报时效增加,误差增长幅度增大。NN对地面气温的预报效果与SUP的预报效果相当。LSTM整体预报效果最好,特别是在预报时效较长(超过72 h)时,比其他方法预报准确率明显提高。LSTM神经网络方法明显改进了我国西北、华北、东北、西南和华南大部分地区的气温预报,但在南疆部分地区误差较大。 相似文献
12.
江苏—南黄海地区M≥6强震有序网络结构及其预测研究 总被引：2，自引：1，他引：1
门可佩 《南京气象学院学报》2014,6(3):268-274
基于TIGGE（THORPEX Interactive Grand Global Ensemble,全球交互式大集合）资料中欧洲中期天气预报中心（European Centre for Medium-Range Weather,ECMWF）、日本气象厅（Japan Meteorological Agency,JMA）、美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）和英国气象局（United Kingdom Met Office,UKMO）4个中心的北半球地面2m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均（bias-removed ensemble mean,BREM）和多模式超级集合（superensemble,SUP）方法进行统计降尺度预报研究.结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果.引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小.对比综合表现最好的单中心ECMWF的预报,1～7d的降尺度预报误差改进率均达20％以上.研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法. 相似文献
13.
A Comparison of Three Kinds of Multimodel Ensemble Forecast Techniques Based on the TIGGE Data 总被引：13，自引：0，他引：13 
下载免费PDF全文
下载免费PDF全文 Based on the ensemble mean outputs of the ensemble forecasts from the ECMWF (European Centre for Medium-Range Weather Forecasts),JMA (Japan Meteorological Agency),NCEP (National Centers for Environment... 相似文献
14.
基于TIGGE(THORPEX Interactive Grand Global Ensemble,全球交互式大集合)资料中欧洲中期天气预报中心(European Centre for Medium-Range Weather,ECMWF)、日本气象厅(Japan Meteorological Agency,JMA)、美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)和英国气象局(United Kingdom Met Office,UKMO)4个中心的北半球地面2 m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均(bias-removed ensemble mean,BREM)和多模式超级集合(superensemble,SUP)方法进行统计降尺度预报研究。结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果。引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小。对比综合表现最好的单中心ECMWF的预报,1~7 d的降尺度预报误差改进率均达20%以上。研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法。 相似文献
15.
2009年夏季西太平洋台风路径和强度的多模式集成预报 总被引：6，自引：3，他引：3
基于TIGGE资料中的中国气象局、欧洲中期天气预报中心、日本气象厅和英国气象局等四个中心的2009年5月1日-8月31日台风预报资料,利用多模式集合平均、消除偏差集合平均和加权消除偏差集合平均等方法,对2009年8月1-31日预报期的西太平洋的台风路径和强度(中心气压)进行24～ 72 h预报时效的多模式集成预报,并对0907号台风“天鹅”和0908号台风“莫拉克”进行个例分析.结果表明:各中心对于不同时效的预报,预报技巧有明显差异.消除偏差集合平均与加权消除偏差集合平均显著地减小了预报误差,预报效果优于最好的单个中心预报和多模式集合平均.对于24 ～ 72 h预报,加权消除偏差集合平均方法始终表现出最好的预报性能. 相似文献
16.
北半球中纬度地区地面气温的超级集合预报 总被引：25，自引：7，他引：18
基于TIGGE资料中的ECMWF、JMA、NCEP和UKMO四个中心2007年6月1日-8月31日北半球中纬度地区地面气温24～168 h集合预报资料,分别利用固定训练期超级集合(SUP, Superensemble)和滑动训练期超级集合(R-SUP, Running Training Period Superensemble )对2007年8月8-31日预报期24 d进行超级集合预报试验.采用均方根误差对预报结果进行检验评估,比较了两种超级集合方法与最好的单个中心模式预报、多模式集合平均的预报效果.结果表明,SUP预报有效降低了预报误差,24～144 h的预报效果优于多模式集合平均(EMN, Ensemble Mean)和最好的单个中心预报,168 h的预报效果略差于EMN.R-SUP预报进一步改善了预报效果.对于24～168 h的预报,R-SUP预报效果都要优于EMN.尤其对于168 h的预报,R-SUP改进了预报效果,优于EMN. 相似文献
17.
目前,集合预报已成为天气预报业务的主要支撑。然而,由于数值模式本身的限制与不完善以及集合系统存在初值扰动、集合大小等方面的局限,常存在预报偏差。不同预报模式通常具有不同的物理过程参数化方案、初始条件等,导致其预报能力各有不同。为此,如何纠正预报偏差以及如何充分有效地利用不同模式的预报信息以获得更加准确的天气预报广受关注。近年来,利用统计理论与预报诊断,基于多个集合预报系统的多模式集成预报技术得到快速发展,已成为有效消除预报偏差从而提高天气预报技巧的一种统计后处理方法。针对气温、降水和风3个最基本的地面气象要素,首先依据预报形式将应用范围较广的简单集合平均、消除偏差集合平均、超级集合、贝叶斯模式平均、集合模式输出统计等加权或等权平均多模式集成技术,分成确定性预报和概率预报两大类,并做系统介绍。最后,讨论使用和发展多模式集成技术需要关注的问题,包括考虑参与集成的模式个数、发展降水及风速分级预报模型和发展基于机器学习的多模式集成新技术。 相似文献
18.
This study investigates multi-model ensemble forecasts of track and intensity of tropical cyclones over the western Pacific, based on forecast outputs from the China Meteorological Administration, European Centre for Medium-Range Weather Forecasts, Japan Meteorological Agency and National Centers for Environmental Prediction in the THORPEX Interactive Grand Global Ensemble (TIGGE) datasets. The multi-model ensemble schemes, namely the bias-removed ensemble mean (BREM) and superensemble (SUP), are compared with the ensemble mean (EMN) and single-model forecasts. Moreover, a new model bias estimation scheme is investigated and applied to the BREM and SUP schemes. The results showed that, compared with single-model forecasts and EMN, the multi-model ensembles of the BREM and SUP schemes can have smaller errors in most cases. However, there were also circumstances where BREM was less skillful than EMN, indicating that using a time-averaged error as model bias is not optimal. A new model bias estimation scheme of the biweight mean is introduced. Through minimizing the negative influence of singular errors, this scheme can obtain a more accurate model bias estimation and improve the BREM forecast skill. The application of the biweight mean in the bias calculation of SUP also resulted in improved skill. The results indicate that the modification of multi-model ensemble schemes through this bias estimation method is feasible. 相似文献