共查询到20条相似文献，搜索用时 62 毫秒
1.
为了更加直观和深入地理解对流尺度集合预报中的降水集合预报产品,以便进一步向预报员推广应用,本文开展了基于对流尺度集合预报方法对2021年8月28—29日的一次暴雨过程的预报性能分析,对集合预报的暴雨和大暴雨量级降水预报技巧进行了综合分析。结果表明：(1)不同集合成员降水预报结果的差异随着降水量级的增大越发明显,预报最优和最差的成员的TS评分相差0.3以上。(2)概率匹配平均预报对于暴雨和大暴雨量级降水的预报技巧优于控制预报,也优于集合平均。集合平均由于集合成员预报的平滑作用导致其对极端降水不敏感,因此,简单的集合平均不适合于大暴雨以上量级的极端降水预报。(3)从最小值预报到最大值预报,随着集合百分位的增大,命中率、空报率和频率偏差均逐渐增大,70%或者80%集合百分位预报的预报技巧最优,且优于集合平均和概率匹配平均预报。(4)对于重庆东北部偏西地区出现的大暴雨量级降水,较长预报时效集合概率预报均预报出了一定的降水概率,最长提前60 h,相应的最优的集合成员的降水预报与实况也较为接近。 相似文献
2.
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
3.
中尺度集合预报的二阶矩离散度订正研究 总被引：3，自引：1，他引：2
利用类似KALMAN滤波的自适应误差订正方法对中国国家气象中心的中尺度集合预报系统2m温度预报做二阶矩离散度订正研究.通过对预报结果,尤其是概率预报结果比较详尽的检验分析,评价二阶矩订正对离散度的调整效果.结果表明:经过二阶矩订正后,2m温度的订正效果较为显著,集合成员预报的PDF分布比较一致,CRPS也比订正前减小了;预报的离散度得到合理的增大且与均方根误差较为接近,预报可靠性提高;无论是集合平均预报还是概率预报,预报能力都明显提高; 另外,针对集合概率预报可靠性的talagrand分布,针对集合预报分辨能力的roc分析和EV分析,以及概率预报评分bs、bss都从各自的角度证明了误差订正的效果,订正后预报能力大为提高. 相似文献
4.
近年来,随着集合预报的广泛应用,大量新颖的集合预报统计学后处理方法层出不穷,因此有必要对其进行系统地回顾。首先,对单变量集合预报统计后处理方法进行分类介绍,包括基于特定数学分布的参数化方法:逻辑回归、非均匀回归、贝叶斯模型平均、集合敷料法,以及灵活的非参数化方法:排序直方图订正、可靠性曲线订正、衰减平均偏差订正、分位数映射、分位数回归、概率匹配、频率匹配、最优百分位、最优评分法、逐成员订正、相似法、邻域法、基于对象的概率预报方法和虚拟降水法。其次,拓展到须考虑变量依赖性结构的多变量集合预报统计后处理方法,包括参数化的连接方法,以及非参数化的集合连接耦合和Schaake洗牌法。再次,介绍多模式集合和机器学习方法。最后,总结并讨论了常用的集合预报统计后处理方法使用中需要注意的问题。 相似文献
5.
暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究 总被引：3，自引：0，他引：3
利用2008—2011年6—8月中国气象局T213全球集合预报24—240 h降水预报资料和四川盆地观测降水资料,提出四川盆地暴雨集合预报-观测概率匹配订正法。该方法将集合预报降水累积概率分布与观测降水累积概率分布进行概率匹配,对降水量为50 mm的集合预报平均值进行订正,获得暴雨预报订正值(A Calibrated Heavy Rainfall forecast value),累积降水概率分布拟合函数采用Gamma函数。选取2013年6月28日—7月10日进行独立样本暴雨预报试验,分析四川盆地暴雨预报订正值分布特征和订正前后降水检验评分变化,讨论该方法存在的若干局限性。结果显示:T213集合预报对四川盆地降水预报存在预报量较观测量级小、模式预报时效越长降水预报越弱等系统性偏差,暴雨集合预报-观测概率匹配订正值普遍小于50 mm,且随预报时效延长而逐渐减小,有效地订正了T213暴雨集合预报系统性误差;暴雨集合预报-观测概率匹配订正法对"有或无暴雨"二分类暴雨预报改善较明显,ETs评分获得提高,且漏报率和空报率有所降低。 相似文献
6.
利用2011—2015年6—8月TIGGE(THORPEX Interactive Grand Global Ensemble)数据集中欧洲中期天气预报中心(ECMWF,以下简称EC)的集合降水预报数据和江苏省70个基本站逐日24 h(20时至次日20时)降水数据,通过大量暴雨样本系统检验和评估了EC集合预报及多种后处理释用产品对江苏暴雨的预报能力。结果表明:作为集合预报的初级产品,集合平均对暴雨的预报存在明显的漏报率,TS预报评分尚不及EC确定性预报;集合预报不同成员间对暴雨的预报技巧差异大,其最优成员组合的预报能力显著优于EC确定性预报,表明集合预报具有较大的应用潜力;在多种集合预报后处理释用技术中,最大值、最优百分位、降水偏差订正频率匹配法、概率预报、集合异常预报法和杜-周排序法(最大值法)的平均TS评分均较高,超过10%,其次90%分位数、融合、融合-概率匹配和杜-周排序法(集合平均或中位值法)的预报效果也均优于EC确定性预报。集合中位值、概率匹配方法对江苏暴雨的预报评分低于集合平均预报,在暴雨预报上的参考价值相对较低。该评估结果进一步加深了对各集合预报产品区域暴雨预报能力的认识,为预报员更直接快速地选取有效的集合预报产品提供参考。 相似文献
7.
由中小尺度对流系统造成短时强降水天气的发生发展十分迅速,对其落区和时效的预报预警一直都是预报业务中的难点。本文基于快速更新同化的中尺度数值预报系统GRAPES-RAFS 0. 1°×0. 1°分辨率逐小时降水预报,首先通过时间滞后集合预报方法构建了多个集合成员,使用平均TS评分值计算相应预报成员权重系数建立预报方程,然后采用频率匹配订正法进行降水量级订正,从而得到集合订正的逐小时降水量预报。2017年8-9月的逐日试验和典型个例预报结果评估表明效果良好。(1)GRAPES-RAFS最新时次的预报场并不完全代表最好的预报效果,通过时间滞后集合订正方法自动识别优选预报成员,显著提高了预报能力;(2)GRAPES-RAFS预报存在降水量级偏弱的系统性误差,经过频率匹配方法订正后,在量级预报上更接近实况;(3)时间滞后集合预报对我国中东部(包括黄淮、江淮、江南地区)的小时降水量订正效果最好;(4)进一步使用的频率匹配订正方法显著提升了逐时降水量的预报效果,其在降水频率更高、强度更大的江南南部、华南、西南地区效果更为显著;(5)对于中小尺度的强降水过程,经过上述方法订正后,显著提高了模式对强降水系统位置、形态及降水量级的预报水平。 相似文献
8.
利用重庆地区34个国家气象站降水资料和ECMWF集合预报降水资料,系统检验和评估了集合预报统计量产品及后处理技术产品对2014—2016年5—9月重庆暴雨的预报性能。结果表明:集合统计量产品中最大值、90%分位数、融合产品、概率匹配平均、75%分位数对暴雨预报有一定参考性,其中90%分位数和融合产品对暴雨落区预报较好,最大值对暴雨强度预报有一定指示意义,但表现为明显的湿偏差。集合预报后处理技术产品的暴雨TS评分较控制预报和集合平均有明显提高,其中概率预报、最优百分位、融合—概率匹配、频率匹配法的暴雨TS评分超过最大值,对暴雨强度预报具有较好的指导意义,其预报偏差均表现为湿偏差,融合—概率匹配和频率匹配法对暴雨落区预报较好,概率匹配—融合对降低暴雨空报率较好。 相似文献
9.
基于TIGGE中欧洲中期天气预报中心和美国国家环境预报中心全球集合预报系统(EC_GEPS和NCEP_GEPS)的2016年1月1日—2017年12月31日连续2 a的预报资料,对两套系统在西南地区10 d以内的2 m温度和24 h定量降水预报进行检验评估和综合分析。2 m温度预报检验结果表明:EC_GEPS和NCEP_GEPS的2 m温度控制预报和集合平均预报的均方根误差均普遍偏高且NCEP_GEPS总体而言优于EC_GEPS;两套系统集合平均均方根误差相对于控制预报改进不明显;集合离散度均明显偏低;Talagrand分布均呈现出非常明显的"J型"分布特征,Outlier评分普遍偏高且EC_GEPS的Outlier评分明显低于NCEP_GEPS;从集合最小值到集合最大值,随着集合百分位的增大,各个预报时效的均方根误差逐渐减小,集合最大值预报技巧最高。降水预报检验结果表明:EC_GEPS和NCEP_GEPS的24 h定量降水预报的Talagrand分布总体而言均呈现出"L型"分布特征且NCEP_GEPS更加明显;NCEP_GEPS各个预报时效的Outlier评分均普遍偏高且明显高于EC_GEPS;EC_GEPS的降水概率预报技巧明显优于NCEP_GEPS;EC_GEPS的70%集合百分位预报技巧最高,NCEP_GEPS的80%集合百分位预报技巧最高。EC_GEPS和NCEP_GEPS在西南地区的2 m温度预报和降水预报均存在一定的系统性误差,进行相应的集合预报系统性偏差订正应该能较好地改进预报技巧。 相似文献
10.
针对B08RDP(The Beijing 2008 Olympics Research and Development Project)5套区域集合预报资料,系统分析了各套集合预报温度场的预报质量。在此基础上运用集合预报的综合偏差订正方法对温度场进行偏差订正,并对其效果进行了分析讨论。结果显示:5套B08RDP区域集合预报中,美国国家环境预报中心(NCEP)区域集合预报温度场的整体预报质量最高,平均预报误差最小,离散度也最为合理,预报可信度和可辨识度均较优;而中国气象科学研究院(CAMS)的温度预报误差过大,预报质量最差。整体上看,除NCEP之外的4套集合预报的温度场均存在集合离散度偏小的问题;综合偏差订正能有效减小各集合预报温度场的集合平均均方根误差,改善集合离散度的质量,显示出综合偏差订正方案对集合预报温度场偏差订正的良好能力。 相似文献
11.
Recent studies have found cold biases in a fraction of Argo profiles (hereinafter referred to as bad Array for Real-time Geostrophic Oceanography (Argo) profiles) due to the pressure drifts during 2003 and 2006. These bad Argo profiles have had an important impact on in situ observation-based global ocean heat content estimates. This study investigated the impact of bad Argo profiles on ocean data assimilation results that were based on observations from diverse ocean observation systems, such as in situ profiles (e.g., Argo, expendable bathythermograph (XBT), and Tropical Atmosphere Ocean (TAO), remote-sensing sea surface temperature products and satellite altimetry between 2004 and 2006. Results from this work show that the upper ocean heat content analysis is vulnerable to bad Argo profiles and demonstrate a cooling trend in the studied period despite the multiple independent data types that were assimilated. When the bad Argo profiles were excluded from the assimilation, the decreased heat content disappeared and a warming occurred. Combination of satellite altimetry and mass variation data from gravity satellite demonstrated an increase, which agrees well with the increased heat content. Additionally, when an additional Argo profile quality control procedure was utilized that simply removed the profiles that presented static unstable water columns, the results were very similar to those obtained when the bad Argo profiles were excluded from the assimilation. This indicates that an ocean data assimilation that uses multiple data sources with improved quality control could be less vulnerable to a major observation system failure, such as a bad Argo event. 相似文献
12.
河南“75.8"大暴雨的中尺度集合预报试验 总被引：4，自引：2，他引：2
发生在河南的"75.8"特大暴雨是我国历史上影响最大、受灾程度最严重的一次灾害性天气过程.其造成的人员伤亡与唐山地震相当,造成的经济损失近百亿元,我国气象学家对此展开过大量的研究,其可预报性问题一直都受关注.尝试采用近年来在预报理论与实践中提出的中尺度集合预报技术,以GRAPES中尺度有限区模式作为试验模式工具,针对此次过程展开两组试验.试验1主要着眼于对暴雨有较大影响的积云对流参数化方案,分别从对流激发和大尺度环境场相互作用的角度出发,对其中一些经验性参数在合理取值范围内给予调整,使其在一定程度上表征模式的不确定性,来构建集合成员.试验结果表明:对流参数化方案中不同的参数对降水的影响作用各不相同,空间上对于降水落区的影响不是很大,但是对降水强度的改善却很明显,集合平均对强暴雨中心的体现有积极作用,平均后的暴雨区最大降水量预报为90mm/24h,比"确定性"预报(控制试验)值70mm/24h改善了约30%,最佳的单个成员的暴雨区最大降水量预报值(120mm/24h)比控制试验预报(70mm/24h)提高了70%;时间上看,不同的参数会影响到积云对流的激发,使得降水发生的时间有所不同,进而影响后续降水的发展.试验2利用模式不同分辨率和不同物理参数化方案的组合来构造集合成员,进行中尺度集合预报试验,试验结果表明:简单的集合平均能在一定程度上改善降水强度,与高分辨率模式预报结果比较,暴雨中心降水量约提高了20%～30%.可见:集合预报能在一定程度上减弱模式不确定性的影响;对流参数化方案和经验性参数的差异、模式分辨率的差异确实对模拟结果有一定的影响. 相似文献
13.
14.
Using the Met Office Global and Regional Ensemble Prediction System (MOGREPS) implemented at the Korea Meteorological Administration (KMA), the effect of doubling the ensemble size on the performance of ensemble prediction in the warm season was evaluated. Because a finite ensemble size causes sampling error in the full forecast probability distribution function (PDF), ensemble size is closely related to the efficiency of the ensemble prediction system. Prediction capability according to doubling the ensemble size was evaluated by increasing the number of ensembles from 24 to 48 in MOGREPS implemented at the KMA. The initial analysis perturbations generated by the Ensemble Transform Kalman Filter (ETKF) were integrated for 10 days from 22 May to 23 June 2009. Several statistical verification scores were used to measure the accuracy, reliability, and resolution of ensemble probabilistic forecasts for 24 and 48 ensemble member forecasts. Even though the results were not significant, the accuracy of ensemble prediction improved slightly as ensemble size increased, especially for longer forecast times in the Northern Hemisphere. While increasing the number of ensemble members resulted in a slight improvement in resolution as forecast time increased, inconsistent results were obtained for the scores assessing the reliability of ensemble prediction. The overall performance of ensemble prediction in terms of accuracy, resolution, and reliability increased slightly with ensemble size, especially for longer forecast times. 相似文献
15.
16.
17.
DENG Guo TIAN Hu LI Xiaoli CHEN Jing GONG Jiandong JIAO Meiyan 《Acta Meteorologica Sinica》2012,26(1):52-61
To compare the initial perturbation techniques using breeding vectors and ensemble transform vectors,three ensemble prediction systems using both initial perturbation methods but with different ensembl... 相似文献
18.
利用中国科学院大气物理研究所IAP L2 AGCM1.1模式18年(1980～1997年,每年包含28个积分)的集合后报试验结果,讨论了数值预测中的最小集合个数问题.研究表明预测结果达到稳定所需的最小集合数随区域和年份而变化,对于我国汛期降水跨季度预测,最小集合数在全国范围为19～20个,对于东南区域为10个左右,东北、华北地区不应少于20个.当出现多平衡态时,最小集合数增大,这时应对各平衡态分别进行集合.研究结果同时还显示,对于有预报能力的地区,集合方法可以提高预测技巧及其可信度,而在负技巧区域,集台反使得预测效果更差,因而有必要进行系统性订正. 相似文献
19.
One of the main challenges for a skilful Limited Area Model Ensemble Prediction System (LAMEPS) is the generation of appropriate initial perturbations. In most operational LAMEPSs, the initial perturbations are provided by a global Ensemble Prediction System (EPS). Molteni et al. (2001) proposed clustering analysis as an objective selection criterion to choose a member from the global European Centre for Medium-range Weather Forecasts (ECMWF)-EPS model as initial perturbations in LAMEPS. In this article, another strategy for using the clustering method is investigated which ensures that initial perturbations are centred on the control analysis. The main purpose of this article is to study the benefit of cluster analysis and to validate the effect of different clustering strategies on the performance of a 17-member LAMEPS. The system used in this study is the operational Aire Limitée Adaptation Dynamique Développement InterNational-Limited-Area Ensemble Forecasting (ALADIN-LAEF) model. Three experiments were carried out over a 50-day period to validate different clustering strategies: i) representative members of 16 clusters from the 50-member ECMWF-EPS, where initial perturbations are not necessarily centred; ii) representative members from eight clusters and the symmetric pairs from ECMWF singular vector analysis; and iii) eight arbitrarily chosen ECMWF-EPS singular vector pairs. Results of the verified experiments show that the statistical reliability of ALADIN-LAEF improves when clustering is applied, but no clear improvement can be seen in the skill of LAMEPS. A case study of a heavy precipitation event confirms the result of the 50-day verification. The validation shows that none of the clustering strategies outperforms any other. RÉSUMÉ?[Traduit par la rédaction] L'un des principaux défis d'un système performant de prévisions d'ensemble de modèle à domaine limité (LAMEPS) réside dans la génération de perturbations initiales appropriées. Dans la plupart des LAMEPS opérationnels, les perturbations initiales sont fournies par un système de prévisions d'ensemble (EPS) global. Molteni et coll. (2001) ont proposé l'analyse par groupement comme critère de sélection objectif pour le choix d'un membre du modèle EPS global du Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) comme perturbations initiales dans le LAMEPS. Dans cet article, nous étudions une autre stratégie d'utilisation de la méthode des groupements, qui assure que les perturbations initiales sont centrées sur l'analyse de contrôle. Le but premier de cet article est d’étudier les avantages de l'analyse par groupement et de valider l'effet des différentes stratégies de groupement sur la performance d'un LAMEPS de 17 membres. Le système utilisé dans cette étude est le modèle opérationnel ALADIN–LAEF (Aire limitée, Adaptation dynamique, Développement InterNational – Prévisions d'ensemble à domaine limité).Nous avons mené trois expériences sur une période de 50 jours pour valider différentes stratégies de groupement: i) membres représentatifs de 16 groupements d'un ECMWF–EPS de 50 membres, où les perturbations initiales ne sont pas nécessairement centrées; ii) membres représentatifs de huit groupements et les paires symétriques issues de l'analyse par vecteurs singuliers du ECMWF; et iii) huit paires issues de l'analyse par vecteurs singuliers du ECMWF-EPS choisies au hasard. Les résultats des expériences vérifiées montrent que la fiabilité statistique du ALADIN–LAEF s'améliore lorsqu'un groupement est appliqué, mais on ne perçoit aucune amélioration nette dans l'habileté du LAMEPS. Une étude de cas d'un événement de fortes précipitations confirme le résultat de la vérification de 50 jours. La validation montre qu'aucune des stratégies de groupement ne surpasse les autres. 相似文献
20.
Ensemble mean forecast skill and applications with the T213 ensemble prediction system 总被引：1，自引：0，他引：1
Ensemble forecasting has become the prevailing method in current operational weather forecasting. Although ensemble mean forecast skill has been studied for many ensemble prediction systems(EPSs) and different cases, theoretical analysis regarding ensemble mean forecast skill has rarely been investigated, especially quantitative analysis without any assumptions of ensemble members. This paper investigates fundamental questions about the ensemble mean, such as the advantage of the ensemble mean over individual members, the potential skill of the ensemble mean, and the skill gain of the ensemble mean with increasing ensemble size. The average error coefficient between each pair of ensemble members is the most important factor in ensemble mean forecast skill, which determines the mean-square error of ensemble mean forecasts and the skill gain with increasing ensemble size. More members are useful if the errors of the members have lower correlations with each other, and vice versa. The theoretical investigation in this study is verified by application with the T213 EPS. A typical EPS has an average error coefficient of between 0.5 and 0.8; the 15-member T213 EPS used here reaches a saturation degree of 95%(i.e., maximum 5% skill gain by adding new members with similar skill to the existing members) for 1–10-day lead time predictions, as far as the mean-square error is concerned. 相似文献