首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 109 毫秒
1.
为有效掌握ECMWF模式的短期定量降水预报(QPF)产品在新疆地区的时空预报规律,为客观模式订正算法上提供有效依据,利用频率统计、非参数检验法、累积分布函数、公正预兆得分(ETS)等技术方法,从多角度深入分析了2016年9月—2019年12月12~36 h的QPF产品在新疆地区151个气象观测站点的预报性能。研究表明:QPF和实况降水观测(SPO)两组数据还存在很大差距,3 h-QPF在2.4 mm和24 h-QPF在11.0 mm以下存在明显的空报,3 h-QPF在16.5 mm和24 h-QPF在52.5 mm以上的大降水完全无预报能力,QPF中雨预报效果最好。新疆大雨以上降水主要发生在山脉附近,24 h-QPF产品在天山中脉和伊犁河谷地区的大降水预报比其他地区更具有指导意义。3 h-QPF在1天中8个时间的小、中、大雨的QPF频率在时间趋势上都与SPO存在相反情况。大雨以上的QPF与SPO是一个非线性、不确定的对应关系,建议先建立漏报模型,再进行频率匹配会更有效。  相似文献   

2.
主客观融合定量降水预报方法及平台实现   总被引:2,自引:1,他引:1  
唐健  代刊  宗志平  曹勇  刘凑华  高嵩  于超 《气象》2018,44(8):1020-1032
随着天气预报业务现代化的发展,预报员面临气象数据爆发增长、服务前端需求不断提高以及客观预报技术广泛应用带来的挑战。传统以手工绘制降水落区为主的定量降水预报(QPF)技术流程已经不能帮助预报员在更高层面体现附加值。为支撑预报员在QPF流程中的核心作用,设计和开发了主客观融合QPF平台。该平台从海量预报数据选取、多源QPF集成、QPF调整和订正、格点化处理和服务产品制作五个方面帮助预报员控制数字化预报全流程。发展了多项关键技术支持平台的智能化,包括多模式QPF数据集构建技术、多模式QPF集成技术、QPF预报场调整和订正技术以及格点场后处理技术。基于MICAPS4系统,实现了主客观融合QPF平台的主要功能,发布了"QPF Master Blender 1.0"版本,并在2017年5月投入业务应用,取得良好反馈和效果。最后,对平台的未来发展进行了展望,包括发展数值模式检验评估工具支持预报员做出最优判断,研究多尺度模式信息的融合技术等。  相似文献   

3.
对2020年广东省中期时效的主客观降水和气温预报进行检验,结果表明:省级网格和融合法MIX的降水预报评分总体上优于客观模式ECMWF和NCEP;总体上省级网格的降水预报偏差较客观产品更趋近1,即空漏报相对持平;省级网格对大雨和暴雨以上量级降水的192 h预报从提高预报稳定性的角度出发,预报趋于保守,漏报明显多于空报。气温预报方面,省级网格对模式订正有正技巧,最高气温的订正能力强于最低气温,其中盛夏季节(6—9月)对模式最高气温的订正效果最好。  相似文献   

4.
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   

5.
《广东气象》2021,(广东省中)
对2020年广东省中期时效的主客观降水和气温预报进行检验,结果表明:省级网格和融合法MIX的降水预报评分总体上优于客观模式ECMWF和NCEP;总体上省级网格的降水预报偏差较客观产品更趋近1,即空漏报相对持平;省级网格对大雨和暴雨以上量级降水的192 h预报从提高预报稳定性的角度出发,预报趋于保守,漏报明显多于空报。气温预报方面,省级网格对模式订正有正技巧,最高气温的订正能力强于最低气温,其中盛夏季节(6—9月)对模式最高气温的订正效果最好。  相似文献   

6.
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  
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   

7.
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   

8.
针对ECMWF(European Centre for Medium-range Weather Forecasts)集合预报,融合降水产品在海河流域的偏差特征,进行基于频率匹配法的降水偏差订正,并对订正前后降水评分结果进行了系统检验。结果表明:经过2016年5—8月逐日试验分析表明,改进后的ECMWF集合预报融合产品显著改善了原产品降水量和雨区范围偏大的特征,订正后降水预报的平均强度与实况更接近,且预报时效越长、降水量级越大、预报偏差越大改进效果越明显;改进后ECMWF的集合预报融合产品降水预报的TS评分均有一定程度的提高,降水预报的Bias评分更接近1,特别是对于小雨和暴雨、大暴雨量级的改进尤其明显,消除了大片降水虚报区;降水预报的空报率明显减小,但漏报率有所增加。  相似文献   

9.
基于ECMWF高分辨率数值模式物理量诊断产品,利用逻辑回归法开展江西定量降水客观预报试验,并进行检验和改进。结果表明:(1)初始方案中直接提取预报因子单站建模所得到的预报结果较数值模式原始输出降水改进效果有限,但在经过降水分区优化、多倍数暴雨样本扩充、本地气候频率降水订正等改进步骤后,各等级降水预报均较初始方案TS有不同程度的提高。(2)2018年降水试验结果表明,改进方案的晴雨、各等级降水预报TS均高于EC模式降水和预报员,其中大雨、暴雨以上量级相对数值模式以及预报员的订正提高率达到1/4~1倍。(3)本方案预报产品对强天气尺度强迫下、落区相对集中的暴雨天气有较好的识别能力;而在暖区暴雨、盛夏副热带高压边缘暴雨、高架对流等强降水落区分散且范围较小的情况下,或是当模式对天气形势、主雨带预报有明显系统性偏差时,无法有明显改进。  相似文献   

10.
针对海河流域东北冷涡降水样本,应用海河流域加密自动站降水资料及欧洲中期天气预报中心(ECMCWF)降水预报资料,利用滑动相关分析方法建立重组预报序列,基于加密自动站24 h累积降水量及重组24 h降水预报序列的Gamma累积概率分布曲线,采用预报—实况概率匹配方法建立1~3日的短期订正模型并进行试报检验。结果表明:欧洲中心数值模式对于海河流域东北冷涡降水的预报较实况偏慢;概率匹配法主要通过订正降水量级来改善预报结果,订正后降水预报对于小雨、大雨、暴雨预报的TS(Threat Score)评分技巧均有提升,尤其对于大雨和暴雨及以上量级预报,订正后预报量级及预报落区大小均与实况更加接近,订正效果显著。东北冷涡降水对流性强,模式预报能力弱,而订正后预报能有效提高此类强降水的预报技能,具有较好的应用价值。  相似文献   

11.
ECMWF集合预报产品在广西暴雨预报中的释用   总被引:2,自引:1,他引:2       下载免费PDF全文
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   

12.
传统点对点的二分类检验方法能够客观反映模式预报的整体表现,但该方法存在双重惩罚现象。本文在传统检验基础上结合FSS(Fraction Skill Score)评分和MODE(Method of Object-based Diagnostic Evaluation)方法,对2021年7月影响四川的两次区域性大暴雨过程开展检验评估,对比分析了华东区域BCSH模式、ECMWF模式、西南区域SW3KM和SW9KM模式的预报性能。结果表明:(1)BCSH和ECMWF模式在小到中雨评分上略优于西南区域2个模式,SW3KM模式优势体现在暴雨预报上;BCSH和SW9KM模式预报偏差无显著规律,ECMWF模式小到大雨多空报,SW3KM模式中到暴雨多空报。(2)邻域半径为7个格点时,SW3KM模式在72 h预报时效上小雨、36~72 h大雨、24~66 h暴雨评分高于其它模式;区域模式分辨率提高,其FSS和TS评分相应增加,随着预报时间延长,区域模式FSS评分以大于ECMWF模式为主,SW9KM模式各级降水评分整体低于SW3KM模式。(3)4个模式降水落区质心位置预报的经向偏差略大于纬向,BCSH和SW9KM模式降水质心较实况偏西北,ECMWF模式暴雨质心偏西北、大暴雨质心偏西南,SW3KM模式暴雨质心多偏西南、大暴雨质心较实况多偏西北。ECMWF模式对雨带走向和面积的把控好于区域模式;SW3KM模式在72 h预报时效上多个属性值优于BCSH模式,SW3KM模式匹配目标属性值以优于SW9KM模式为主;BCSH、ECMWF和SW3KM模式均存在降水强度预报偏大的特征。   相似文献   

13.
2019年,数值预报中心开发了以GRAPES全球模式为驱动场,集合变换卡尔曼滤波为初值扰动方法,随机物理过程倾向项为模式扰动方法的10 km水平分辨率GRAPES-REPS V3.0区域集合预报模式,并投入业务运行。基于该模式,作者开展了2019年7~9月夏季降水不确定性的集合预报实时试验,并从统计检验和个例分析角度,与GRAPES-REPS V2.0和ECMWF全球集合预报模式进行对比,由此对GRAPES-REPS V3.0区域集合预报模式的降水预报能力给予客观评价,并分析了引起中尺度强降水预报不确定性的物理机制,研究结论可为诊断集合预报模式及改进集合预报方法提供依据。结果表明:(1)GRAPES-REPS V3.0区域集合预报系统的降水ETS评分在所有预报时效和量级内均优于GRAPES-REPS V2.0区域集合预报模式,降水成员具有明显等同性,且概率预报技巧FSS评分较高,GRAPES-REPS V3.0区域集合预报模式降水预报效果全面优于GRAPES-REPS V2.0区域集合预报模式。(2)GRAPES-REPS V3.0区域集合预报的集合平均降水BIAS评分及小雨和暴雨ETS评分均明显优于ECMWF全球集合预报系统,降水概率预报与ECMWF降水概率具有一定可比性。(3)个例分析结果表明,不同集合预报模式通过刻画中尺度特征物理量不确定性来捕捉降水预报不确定性,初始时刻,GRAPES-REPS V3.0区域集合预报模式和ECMWF全球集合预报模式环流形势分布较为相似,随预报时效演变,GRAPES-REPS V3.0区域集合预报模式对中尺度动力、热力场捕捉更为准确,相应地对降水落区与量级预报较好,概率预报技巧较优。(4)与ECMWF全球集合预报模式相比,GRAPES区域集合预报模式集合成员能很好地预报降水发生、发展、消亡整个过程,故GRAPES-REPS V3.0区域集合预报系统对中国汛期降水具有较强的预报能力。  相似文献   

14.
利用ECMWF、NCEP和CMC中心的1~3天7种降水集合预报产品,同时结合内蒙古119个气象站同期降水观测资料,对降水预报效果基于晴雨、降水等级划分(包括小雨、中雨、大雨以及暴雨)确定性TS评分以及空间分布特点进行了归纳总结,评估了三大全球集合预报系统在内蒙古地区的降水预报能力,为进一步开发模式预报及应用提供技术支撑。研究结果表明,ECMWF集合预报产品对内蒙古降水预报能力明显优于NEPC和CMC中心的产品。ECMWF集合预报产品24h时效下的晴雨及小雨、中雨、大雨以及暴雨预报都具有良好的预报能力,但是随着预报时效的延长至48h、72h,ECMWF集合预报产品预报能力明显降低,预报能力与NCEP和CMC中心的产品接近。24h的ECMWF集合预报产品在呼伦贝尔市、兴安盟、锡林郭勒盟、巴彦淖尔市西部、阿拉善盟地区预报效果明显较好,三大集合预报系统对内蒙古东部地区的预报能力总体偏高。   相似文献   

15.
陈博宇  郭云谦  代刊  钱奇峰 《气象》2016,42(12):1465-1475
本文以2013—2015年主要登陆台风暴雨过程为研究对象,利用ECMWF降水和台风路径集合预报以及中央气象台实时业务台风中心定位资料,在统计分析的基础上,提出一种业务上可用的针对单模式集合预报的台风降水实时订正技术(简称集合成员优选技术)。结果表明,在登陆台风暴雨过程预报中,集合成员优选技术对改进集合统计量降水产品有明显的帮助,并较ECMWF确定性预报产品有一定优势;该方法对改进短期时效预报产品的效果优于中期时效预报,对大暴雨评分的改进高于暴雨和大雨评分。另外,本文基于概率匹配平均(Probability Matching average,PM)和融合(FUSE)产品的计算原理,提出融合匹配平均(Fuse Matching average,FM)产品,结果表明,对36 h时效预报,优选10~15个成员的PM产品TS(Threat Scores)评分可达最优,大暴雨评分较确定性预报提高近10%;对60和84 h时效预报,FM产品大暴雨评分较确定性预报提高超过20%。  相似文献   

16.
两个集合预报系统对秦岭及周边降水预报性能对比   总被引:2,自引:1,他引:1       下载免费PDF全文
利用欧洲中期天气预报中心 (ECMWF)、美国大气环境预报中心 (NCEP) 集合预报系统 (EPS) 降水量预报资料,CMORPH (NOAA Climate Prediction Center Morphing Method) 卫星与全国3万个自动气象站降水量融合资料,基于技巧评分、ROC (relative operating characteristic) 分析等方法,对比两个集合预报系统对秦岭及周边地区的降水预报性能。结果表明:两个系统均能较好表现降水量的空间形态,对于不同量级降水,ECMWF集合预报系统0~240 h控制及扰动预报优于NCEP集合预报系统,但NCEP集合预报系统264~360 h预报时效整体表现更好; ECMWF集合预报系统0~120 h大雨集合平均优于NCEP集合预报系统,两个系统集合平均的预报技巧整体低于其控制及扰动成员预报,这种现象ECMWF集合预报系统表现更为显著; ECMWF集合预报系统降水预报概率优于NCEP集合预报系统。ROC分析显示,随着预报概率的增大,ECMWF集合预报系统在命中率略微下降的情况下,显著减小了空报率,NCEP集合预报系统则表现出高空报、高命中率。  相似文献   

17.
In this study,the Institute of Atmospheric Physics,Chinese Academy of Sciences-regional ensemble forecast system(IAP-REFS) described in Part I was further validated through a 65-day experiment using the summer season of 2010.The verification results show that IAP-REFS is skillful for quantitative precipitation forecasts(QPF) and probabilistic QPF,but it has a systematic bias in forecasting near-surface variables.Applying a 7-day running mean bias correction to the forecasts of near-surface variables remarkably improved the reliability of the forecasts.In this study,the perturbation extraction and inflation method(proposed with the single case study in Part I) was further applied to the full season with different inflation factors.This method increased the ensemble spread and improved the accuracy of forecasts of precipitation and near-surface variables.The seasonal mean profiles of the IAP-REFS ensemble indicate good spread among ensemble members and some model biases at certain vertical levels.  相似文献   

18.
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   

19.
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   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号