共查询到18条相似文献，搜索用时 125 毫秒
1.
利用2020年1月1日—2023年1月2日ECMWF、NCEP模式降水预报资料和眉山地区降水观测资料,采用频率匹配法（Frequency Matching Method,FM）、最优TS评分法（Optimal Threat Score,OTS）对ECMWF和NCEP的模式降水预报进行订正,对比检验评分和预报个例,并验证两种方法的适用性。结果表明：FM、OTS订正明显改善了小雨空报和暴雨漏报,提高了晴雨预报准确率、小雨ETS评分、暴雨TS评分,且OTS优于FM;FM可能出现参考数据与实况数据有较大偏差的情况,从而影响订正效果,OTS则不受参考数据的影响;数值模式降水的预报偏度明显大于1或小于1时,FM、OTS订正效果越好;FM、OTS难以订正小雨漏报、暴雨空报,也难以对降水差值较大的空漏报或降水落区偏差进行订正。 相似文献
2.
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
3.
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
4.
利用卷积神经网络(CNN)和随机森林回归模型,提出了一种新的欧洲中期天气预报中心(ECMWF)降水订正预报方法。该方法首先根据ECMWF模式对站点雨量预报值所属的等级进行划分,再计算出不同等级相对应的高相关因子矩阵。进一步利用CNN模型对高相关矩阵进行综合特征提取的学习和训练。最后对CNN模型最终输出的特征因子中,选取若干个与预报站点相关性高的特征,并与ECMWF降水量场插值到预报站点的因子一起,作为随机森林回归模型的输入因子进行预报建模。通过对10个预报试验站点未来24h降水量的分级和不分级订正预报试验,结果表明:(1)ECMWF降水量分级订正预报方法的平均绝对偏差和均方根误差分别比利用ECMWF插值到站点的预报方法减小了20%和15%;(2)24h暴雨及以上的降水分级订正预报方法的平均TS评分为0.32,也显著高于EC插值的0.19;(3)与利用同样的预报模型对全样本(不分级)的传统数值预报模式产品订正预报方法相比,本文提出的分级订正预报方法在总体预报精度和暴雨及以上的强降水预报TS评分上均有更高的预报技巧。 相似文献
5.
利用2016—2019年ECWMF模式降水预报及对应时段的观测资料,设计了最优百分位(OP)、最优TS评分(OTS)、概率匹配(PM)、分区OTS和分区PM-OTS融合共5种方案,对数值模式晴雨预报展开了订正试验.结果表明:(1)OP和PM方案的晴雨订正阈值为静态阈值,OTS方案为动态阈值.5种方案的阈值均适用于A区(盆地、阿坝州和甘孜州北部),其中PM、分区PM-OTS融合方案阈值更适用于数值模式湿偏差明显的B区(甘孜州南部和攀西地区).(2)各方案对ECWMF模式晴雨预报均有明显的订正能力,24 h时效订正效果最优,B区订正效果优于A区,秋冬季节优于春夏季节.(3)分区后的订正方案晴雨评分优于分区前,其中分区PM-OTS融合方案评分最优.个例和批量试验表明,A区各方案订正效果相当,B区以PM、分区OTS和分区PM-OTS融合3种方案订正后的雨区分布与实况更接近,其中分区PM-OTS融合方案订正效果最优. 相似文献
6.
数值预报产品在天气预报预警中有着重要的作用。2016—2020年汛期ECMWF模式预报降水与湖北襄阳区域站观测降水的对比分析表明：ECMWF对中雨及以上降雨的预报，第1、2天预报偏小，而第3天预报偏大；三个预报时段强降雨中心位置偏差无规律。为了更好地对ECMWF产品进行释用，提高汛期降水预报准确率，从概率匹配角度研究了不同降水量级订正值，并对2021年汛期ECMWF降水预报进行逐日检验。结果显示：概率匹配订正法可有效地改善模式预报性能，对中雨及以上降雨预报均有良好的订正效果，尤其对第1天暴雨预报改进最为明显。228站平均的TS评分提高了6个百分点，由11.1%增加到17.1%，漏报情况改良了13.5个百分点，由85.0%降为71.5%。采用该订正法开展定量降水预报，由于增加了当地降雨概率分布的背景信息，能表现出比原模式更高的参考价值。 相似文献
7.
针对高分辨率数值天气预报的时空不确定性, 利用邻域最优概率方法对华南区域GRAPES快速更新循环同化预报系统的24 h预报进行逐时降水订正和检验评估。结果表明: (1)邻域法能改善模式降水预报的空间不确定性, 最优邻域半径随降水等级增加而减小, 强降水的最优邻域半径约为60 km; (2)通过引入时间滞后因子, 可进一步改善模式不同时间起报的不确定性, 结合Brier评分确定了时间滞后窗为4 h; (3)提出基于邻域最优概率阈值的降雨进行分级订正方法, 有效提升了降水客观预报能力, 晴雨预报较模式全部为正技巧, TS评分达到0.89以上, 总体提升幅度约5.3%;强降水预报同样均为正技巧, TS评分呈先降后升趋势, 在12 h时效前后预报效果最优, 进一步提升了GRAPES快速更新循环同化预报系统的业务预报水平。 相似文献
8.
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
9.
安徽省ECMWF数值模式降水预报性能的检验 总被引：1，自引：0，他引：1
《气象与环境学报》2017,(5)
为了了解欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF)数值模式对安徽地区降水预报的性能,提高订正技巧,本文应用风险评分(Threat Score,TS)、预报偏差(BIAS)和去除随机事件后的公平T评分(Equitable Threat Score,ETS)及真实技巧评分(True Skill Statistic,TSS)等方法,对2012年1月至2015年3月安徽省ECMWF数值模式降水场预报资料进行检验。结果表明:ECMWF模式对安徽地区降水的预报性能总体较稳定,年际变化幅度较小。安徽省降水预报的ETS评分总体呈南高北低的空间分布特征,所有气象站降水均存在预报过度的现象。降水预报分级检验表明,小雨量级降水预报评分明显高于其他量级降水,但预报偏差较大,预报过度现象严重;ECMWF模式对72 h时效内的暴雨量级降水预报技巧较小,对于72 h时效后的暴雨量级降水基本没有预报能力。季节降水预报的检验表明,春季、秋季和冬季的48 h时效内晴雨预报的准确率为88%以上,订正空间较小;夏季各时效及春季、秋季和冬季168 h时效以上降水预报的空报率超过60%,可以适度订正;秋季较其他季节降水预报的漏报率略高,尤其是120 h时效以上降水的预报需关注。四季均存在降水预报过度的现象,尤以夏季最突出。ECMWF模式对安徽省降水量为0.1—0.7 mm的格点降水预报空报率较高,订正后可以明显提升预报技巧,但增加了一定漏报风险。 相似文献
10.
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
11.
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。4)MODE暴雨检验,SCMOC大面积降水对象与观测相似度最高,预报能力优于ECMWF,但分散性小面积暴雨对象漏报风险大。SCMOC、ECMWF纬向距离偏差大于经向,位置偏西比例高于偏东。 相似文献
12.
利用相似权重集成预报法对辽宁区域12个数值模式预报的降水量进行集成,并投入业务化应用。结果表明：通过对2009年5月1日至10月20日的24 h降水量预报进行TS评分,发现降水集成方法要优于12个集合成员的单个预报,同时也要优于简单的集合平均。试验表明,滞后时间和扩大圈数对集成预报效果影响很大,而单个的集合成员对集成预报效果影响较小。根据试验结果修改集成方法应用方案,按照不同降水量级和预报时效选择扩大的圈数,预报效果好于原方案,对大量级、长时效预报改进更明显,其中25 mm量级预报时效72 h的TS评分增加了20%或以上,具有实际应用价值。 相似文献
13.
基于华南地区自动站逐小时观测资料, 采用传统站点评分、邻域法等评估华南区域高分辨率数值模式(包括GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式)对降水、地面温度和风场等要素的预报能力。结果表明: GRAPES_GZ_R 1 km模式的降水预报技巧优于GRAPES_GZ 3 km模式, 模式预报以正偏差为主。对于不同起报时间的预报, 00时(世界时, 下同)起报的预报效果优于12时。GRAPES_GZ_R 1 km模式的TS评分是GRAPES_GZ 3 km模式的两倍以上, 对不同降水阈值的评分均较高。分数技巧评分(FSS)显示GRAPES_GZ_R 1 km模式6 h累计降水预报在0.1 mm、1 mm及5 mm以上的降水均可达到最低预报技巧尺度, 对所检验降水对象的空间位置把握能力更好。2 m气温和10 m风速检验结果表明两个模式均能较好把握广东省温度的分布特征, GRAPES_GZ_R 1 km模式对2 m气温预报结果优于GRAPES_GZ 3 km模式, 预报绝对误差更小; 两个模式对风速的预报整体偏强, 预报偏差在1~4 m/s之间, 但相比之下GRAPES_GZ 3 km模式在风场预报上表现更好。GRAPES_GZ_R 1 km模式的2 m气温和10 m风速预报偏差随降水过程存在明显波动, 强降水过后温度预报整体偏低, 风速预报偏强, 在模式产品订正、使用等需要考虑模式对主要天气系统的预报情况。总的来说, GRAPES_GZ_R 1 km模式的预报产品具有较好的参考价值。 相似文献
14.
降水邻域集合概率法是处理高分辨率降水集合预报不确定性的一种新方法。利用2017年5~7月GRAPES(Global and Regional Assimilation and Prediction Enhanced System)区域集合预报系统24 h降水预报资料,进行GRAPES降水邻域集合概率方法试验,并针对邻域概率法的等权重和邻域尺度问题,设计了邻域格点权重修正邻域方案以及二分类权重修正邻域方案,进行降水的集合概率法、等权重邻域集合概率方法、权重修正邻域集合概率方法和二分类权重修正邻域集合概率方法等四种方法的格点相关及敏感性试验,并利用多种概率预报检验评分评估上述四种方法的预报效果。试验结果表明:(1)尽管采用邻域计算方案的三种邻域集合概率方法的降水概率预报评分各有优劣,如等权重邻域集合概率法的相对作用特征曲线面积评分略优,而权重修正邻域集合概率法和二分类权重修正邻域集合概率法的降水概率预报可靠性更高,但采用了邻域计算方案的降水概率预报评分均优于传统的集合概率方法;(2)降水邻域集合概率方法的预报技巧对邻域尺度很敏感,统计评分最优的邻域半径为5~8倍模式水平格距;(3)引入了权重修正的两个邻域集合概率预报方法在24 h降水量超过10 mm时改进较明显,能够提供更加客观的概率预报结果。总体上看,降水邻域集合概率方法具有较好的应用前景,恰当的邻域概率方法及邻域半径可以获得更合理的降水概率预报结果。 相似文献
15.
利用TIGGE资料集下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)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。 相似文献
16.
对我国华东、华南、华北区域气象中心和中国气象局数值预报中心业务运行的区域模式2011年5—9月的6 h降水预报, 采用不同检验结果平均方案进行对比检验。对比结果表明:不同的检验结果平均方案基本不影响与中国气象局数值预报中心模式 (NMC-GRA) 在相同区域关于TS评分比较的相对检验结论,即当两个模式评分差距较大时,评分高的模式在两个方案中是一样的,但评分比较接近时,若有一个模式对该区大尺度降水预报较好时,则可能在新方案中有较高的TS评分,而此模式原方案评分则可能略低于局地小尺度降水预报较好的模式。但对于较少发生的强降水预报的预报偏差的评价有很大不同,当新方案的结果显示多数模式对强降水的预报偏少,原方案则可能显示偏多,说明模式对大尺度的强降水预报较实况偏少,但对小尺度局地降水的预报则可能偏多。 相似文献
17.
利用2003—2005年4—9月国家气象中心T213的数值预报产品,通过动力诊断,从大量数值预报因子中提取不同层次、不同时效与降水关系较好的多个因子,使用K最邻近域（KNN）方法,制作不同代表站点的晴雨预报和大于或等于10 mm的降水预报试验。在搜索K邻近域的过程中,考虑天气事件出现的概率不同,而分别求取有天气事件的正样本K+值和无天气事件的负样本K-值,使该方法选择的最邻近域中的K值取得更为合理。利用交叉验证的方法,对历史资料依次选取部分样本作为预报测试集,通过预测结果的检验评分,选取获得最大准确率和最大概括率的K+和K-作为最佳邻近域的组合。确定了最优K值后,反算历史样本,通过比较,得到某站出现降水天气事件的预报判别值,在一定程度上减少了预报的空报率。经过对2006年4—9月的预报试验,改进后的KNN方法使24,48 h的晴雨预报和大于或等于10 mm降水预报的TS评分大多数高于未改进前的,也高于T213模式本身的降水预报和MOS方法动力统计释用的降水预报,特别是克服了模式降水预报和MOS方法预报中空报率较高的现象,达到了较好的预报效果。 相似文献
18.
2013年汛期华中区域业务数值模式降水预报检验 总被引：4，自引：0，他引：4
为充分了解华中区域中尺度业务数值预报模式更新为WRF后的预报性能,对该模式2013年汛期24 h和48 h的累积降水预报产品,采用TS评分、预报正确率、漏报率、空报率、偏差及ETS评分等统计量对其进行了较详细的评估。结果表明：从日平均降水率分布来看,24 h预报的降水中心位置和强度与实况更接近,48 h的预报明显偏大、偏强;汛期总体降水检验表明,该模式的降水预报以偏大为主,随着降水量级的增大,TS和ETS评分逐渐减小,且ETS评分逐渐靠近TS;逐月降水检验结果发现,该区域汛期月晴雨预报正确率与雨日率呈正相关;通过梅雨期WRF与GRAPES_Meso的预报对比检验可见,两个模式都表现出了较好的预报性能。值得指出的是,随着降水量级的增大,WRF模式降水预报优势逐渐显现。总的来说,该模式的降水预报产品具有一定的参考价值。 相似文献