共查询到17条相似文献，搜索用时 109 毫秒
1.
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
2.
使用WRF模式和MM5模式分别对吉林省全省50个地面观测站做了降水预报的数值模拟．并进行了检验分析和对比。全省区域降水预报检验结果表明：WRF模式0-24h和24-48h的预报正确率为82．4％和81．1％,分别高出MM5模式6．1和7．4个百分点;WRF模式各级降水预报的TS评分均高于MM5模式,对于暴雨以上的降水预报,WRF模式0-24h和24-48h预报的TS评分为11．2％和14．5％,具有一定的预报能力;两种模式的降水预报都存在着一定的空报率和漏报率,其中大雨以上预报的空报率和漏报率均超过了45％,暴雨以上预报的空报率和漏报率均超过了70％。 相似文献
3.
《气象与环境学报》2016,(1)
为了提高廊坊地区降水预报数值产品的释用能力,利用廊坊市9个气象观测站24 h的实况降水资料和日本(JPN)、德国(GER)、GRAPES、T639及MM 5模式的降水预报产品资料,对目前降水预报业务中广泛使用的5种数值模式的预报效果进行检验分析。结果表明:日本(JPN)和德国(GER)模式对≥10.0 mm及≥25.0 mm量级降水预报的TS评分比其他模式高10.0%—40.0%,夏季MM 5模式对≥50.0 mm量级降水的预报表现出一定的优越性;T639、GRAPES模式分别对大雨及以上量级的降雨和小雪预报效果较好,日本、德国模式对中雪和大雪的预报表现出一定的优势,T639模式对暴雪预报的TS评分达33.3%,高于其他模式。 相似文献
4.
用常规天气图、雨情资料和中国气象局T213模式、T639模式、河北省MM5模式、日本气象厅JMA模式和德国气象局DWD模式的降水预报资料。将5种数值模式的降水要素预报,插值到河北省的142个站点上做TS评分。对2009年7月至2010年6月的多模式降水预报进行了分天气型的检验。结果表明,TS评分与模式和区域关系密切,降雨系统（如切变型、副高型、槽型）对应着较高的预报正确率,切变型、副高型对大雨和暴雨的预报正确率较高。对5种模式的综合评价是,对小雨和中雨的预报,DWD、T639、JMA模式好于其他模式,对大雨和暴雨的预报,T639、MM5、T213模式好于其他模式。 相似文献
5.
为提高数值预报模式在山东汛期降水的预报能力,为降水预报及模式物理参数方案选择和调整提供客观依据,对2010年汛期（6-9月）山东区域MM5、WRF-RUC（WRF快速循环同化系统）和T639模式24 h、48 h累积降水预报产品,进行晴雨、一般性降水和分量级降水TS评分及平均绝对误差、平均误差分析。结果表明：从晴雨预报准确率来看,3种模式相差不大;一般性降水和小雨预报,MM5模式评分结果最差,T639模式预报效果最好;中雨以上量级,24 h降水T639模式预报效果最好,特别是24 h大暴雨评分T639模式达到了10.37 %,而48 h降水T639模式预报效果下降明显。无论24 h降水还是48 h降水,除9月WRF-RUC模式平均绝对误差最小外,6-8月T639模式平均绝对误差均为最低,WRF-RUC模式24 h和48 h降水各月平均误差均为负偏差;不同的降水预报检验方案和天气过程类型对检验结果有一定的影响。 相似文献
6.
为了解高分辨率区域数值模式降水预报在云南的预报效果和误差特点,针对华南中尺度模式、华东区域数值预报业务模式和中央气象台GRAPES-Meso模式对2017年9月—2018年12月云南降水预报进行检验分析。结果表明:华东模式降水预报效果整体最好,其降水的振幅接近实况,晴雨准确率也是最高,而华南和GRAPES模式空报率和漏报率普遍偏高。三种模式对滇东北、滇中西部、滇西北北部≥0.1 mm降水预报评分普遍较低,对滇南、滇西南、滇西边缘地区的评分普遍较高。在滇东北北部、滇中西部、及滇西北北部地区三种模式对≥10 mm降水TS评分普遍较低。对于≥25 mm降水,华东模式和华南模式在滇中、滇西地区的TS评分高于GRAPES模式。对于≥50 mm降水,华东模式和华南模式在滇东南、滇西南、滇西边缘及金沙江河谷沿线TS评分高于GRAPES模式。对于云南强降水天气过程,≥0.1 mm降水华南模式预报效果较好,但10 mm和25 mm以上量级降水华东模式的预报效果较好,≥50.0 mm则是GRAPES模式更具参考价值。 相似文献
7.
对2008年7月至2009年6月JMA、T213、GRAPES、MM5、T639和GERMANY 6种数值模式产品对芜湖市的地面气温和降水预报结果进行了对比检验分析,结果表明:各模式对最高气温的预报能力一般,其中JMA、GRAPES、T639相对较好;对最低气温的预报JMA表现突出,而GRAPES在冬季预报能力较好.各模式对于芜湖站降水的预报均无绝对优势,对各等级的降水预报效果各有千秋.对于≥0.1 mm降水,JMA和GERMANY在24 h时效内TS评分较高,且JMA漏报率很低,GERMANY空报率较低,T639则从48 h时效起TS评分最高,且漏报率较低;对于≥10 mm降水,T639的TS评分较高且漏报率较低,GERMANY和GRAPES在48 h时效内评分也较高且空报率低,JMA在48 h时效后空报率较高,成绩较差;JMA、T639和GERMANY对强降水预报能力相对较强,特别是T639对暴雨比较敏感,而各模式在72 h之后对强降水的预报能力较差.另外,各模式对降水预报的TS评分均为夏季低、冬季高,空报率均为夏季高、冬季低. 相似文献
8.
通过对MM5数值预报产品的释用,将MOS统计方法应用到短时要素预报中,综合利用MM5数值预报产品、自动站实况数据和雷达数据等资料,建立降水和温度的4 h预报模型;降水作为不连续变量,将其通过建立降水可能函数的方法转化为连续变量,利用统计预报方法,可以达到定量预报的目的。通过对4140个时次的样本进行检验。结果表明：MOS预报结果较MM5直接输出结果整体有所改进,当数值模式误差较大时,统计方法显示出一定的优势;降水预报检验结果显示,TS评分为65%,预报正确率PC为91%。降水明显的样本(3 h雨量>5 mm)平均误差在8 mm以内,弱降水样本(3 h雨量<3 mm)平均误差在1 mm以内,预报方程对非雨日样本的整体预报效果较好,优于MM5模式预报,预报正确率高达98%,但对流性降水仍是预报难点;对于温度预报,20-08时段误差较小、平均在1.0℃以内,而11-17时、误差平均在1.5℃左右,但经过误差的季节订正,可以控制在1.0℃左右。 相似文献
9.
2004年汛期(5～9月)主客观降水预报检验 总被引：7，自引：2，他引：7
随着气象事业的发展，天气预报的质量越来越依赖于数值预报产品的性能。预报产品检验是评价预报质量和提高预报水平的有效手段。针对2004年汛期（5～9月）中央气象台预报员及T213、HLAFS25、MM5、GRAPES、日本及德国等国内外数值预报模式短期时效的降水预报做了详细的统计学检验。检验结果表明，对于汛期平均而言，各模式与预报员的小雨预报较好，随降水量级的增加TS评分迅速下降，国内外数值预报模式之间降水预报水平差别不大，预报员与模式相比水平略高；但对于过程预报而言，过程不同，各模式和预报员的表现不同，预报员和MM5对河南暴雨预报较好；GRAPES和日本模式对台风暴雨预报略好；T213对于四川东部暴雨的大量级降水预报较好；无论是预报员，还是数值预报模式，北京暴雨的预报是一个典型的失败个例。同时，我们也发现检验系统存在一些问题，有待今后逐步改进。 相似文献
10.
2003年汛期3种中尺度数值预报模式降水预报检验 总被引：7，自引：0，他引：7
利用2003年汛期降水实况及河南省气象台引进的3种中尺度数值预报模式(REM、MM5、MAPS)的降水预报资料，对模式预报性能作了检验对比分析。结果发现：REM模式对于大雨以上降水的预报效果较好；MAPS模式的12h预报有明显优势；MM5模式对小雨和中雨的预报效果较好，并且预报结果具有稳定性。 相似文献
11.
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
12.
基于2018~2020年云南省126个国家地面观测站逐小时降水资料,客观定量评估了国家气象信息中心研发的CMPAS二源融合和三源融合逐小时网格降水产品在云南地区的适用性。结果表明:两套融合降水产品均能较好地反映云南区域小时降水的时空变化特征,但都低估了实际降水量;三源融合降水产品在云南的适用性更强,对0.1~1.9mm量级的小时降水量预估偏大,且离散性较高,但随着实况降水量的增加,平均误差呈负值,降水量预估值偏小;三源融合降水产品能准确抓住云南省的过程性降水,在短时强降水导致滑坡泥石流的监测中具有一定优势。 相似文献
13.
云南夏季降水年际变化较大,影响因子众多,夏季降水的预测较为困难。使用1965—2017年云南省122个气象观测站的逐日降水资料和NCEP大气环流资料,采用年际增量的方法来预测云南夏季降水。文中基于云南夏季降水年际增量变化规律和影响夏季降水的环流形势及物理过程,选取了6个具有物理意义的预测因子,包括:前期2月南太平洋海温异常、前期2月东亚北部海平面气压异常、前期4月北美500hPa位势高度异常、前期5月太平洋北部海平面气压异常、前期1月印度半岛北部500hPa位势高度异常及前期2月澳洲以南地区200hPa高度场偶极子异常,来建立云南夏季降水预测模型。并对预测模型进行逐年交叉检验和1998—2017年逐年独立样本检验。交叉检验中夏季降水年际增量预测值和观测值的相关系数为0.85,相对均方根误差为8.0%。回报检验中夏季降水年际增量的相对均方根误差为9.1%,63.0%的异常年份预测值能够准确地预报出夏季降水异常。该预测模型有较好的预测能力。 相似文献
14.
-WRF多模式集合3组试验,对比分析混合集合预报法与传统方法的降水预报效果。结果表明:ARPS模式集合改善了广东省南部局地强降水预报,该方法在中雨、大雨、暴雨量级改进效果显著。WRF模式集合对广东省北部强降水预报优于ARPS模式集合,但空报、漏报率较大,该方法有一定局限性。ARPS-WRF多模式集合在降水落区和量级预报上均优于传统方法。混合集合预报法利用低分辨率 (36 km) 集合预报和高分辨率 (12 km) 控制预报实现了高分辨率 (12 km) 集合预报,改善了降水预报效果,该方法可为业务高分辨率集合预报提供参考。 相似文献
15.
基于精细化预报（GDDZ）和CMA-MESO、西南区域模式（SWC）两家高分辨率模式的小时降水预报,从TS（Threat Score）评分、小时降水频次、小时降水强度、峰值时间等方面,对2021年汛期攀西地区16次降水过程进行小时尺度的检验。结果表明:（1）从逐时降水来看,在晴雨（0.1 mm）TS评分中,GDDZ在00~11时表现较优,CMA-MESO模式在12~23时表现较优;在大雨（7 mm）和暴雨（15 mm）TS评分中,CMA-MESO模式表现较优。（2）从小时降水频次来看,SWC模式预报的降水发生频次空间分布与实况更为接近;从小时降水强度来看,GDDZ预报的降水强度与实况更为接近。（3）从降水量峰值时间来看,GDDZ与实况更为接近;从小时降水强度峰值和降雨频率峰值时间来看,CMA-MESO模式预报与实况更为接近。 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.
利用2018—2019年期间10 min定量降水估计(Quantitative Precipitation Estimation, QPE)实况观测,构建基于U-Net的分钟级临近降水预报模型,实现了京津冀地区未来0~2 h逐10 min降水量滚动预报。以TS、BIAS、POD、SR、FAR作为评价指标,通过检验2020和2021年6—9月长序列以及分析2020年8月12日和2021年7月1日两次强降水个例,表明U-Net模型预报接近实况,局部伴随着一定程度的空报,相较光流法、持续性预报及CMA-MESO模式预报效果有明显提升。具体表现为:当分钟级降水预报不超过10 mm/(10 min)时,U-Net模型明显优于光流法和持续性预报;当小时预报不超过25 mm·h-1,U-Net模型优于CMA-MESO模式和光流法。然而,当降水强度超过10 mm/(10 min)或 25 mm·h-1时,U-Net模型存在预报偏弱的情况,可能与强降水样本较少有关。 相似文献