共查询到10条相似文献，搜索用时 15 毫秒
1.
以传统的检验方法和基于对象诊断评估方法(MODE), 对首次以台风级别影响辽宁的“巴威”台风(2008)的台风暴雨过程不同性质降水的多模式(ECMWF、CMA_MESO 10KM、CMA_MESO 3km和睿图东北模式)预报结果进行了检验评估。结果表明: 受“巴威”远距离和本体影响, 辽宁省先后出现对流型降水和稳定型降水, 传统检验和MODE检验结果均表明, 多模式的对流型降水预报效果要优于稳定型降水, 这很可能是多模式对于台风北上减弱产生稳定型降水的影响系统的预报强度偏差大导致, 在今后预报中务必注意台风强度预报偏差对本体稳定型为主的降水的影响。传统检验结果中, CMA_MESO 3km和ECMWF模式的评分较高, 并且对于对流型降水雨带的形状、范围和质心距离、交集面积预报效果最好, ECMWF模式对稳定型降水也有着较高的目标相似度评分。尽管睿图东北模式由于对10.0 mm以上量级降水较高的空报和漏报率, 而导致TS评分偏低; 但在MODE检验结果中, 东北模式预报的强降水雨带的中心位置、降水强度和范围均接近实况, 目标相似度更高, 尤其在对流型降水阶段目标相似度达到了1.00, 模式对于对流型降水预报有着较好的可参考性。 相似文献
2.
T213与AREM模式分级降水预报对比检验 总被引：4，自引：2，他引：2
为检验T213与AREM模式的降水预报效果,将2004-2005连续两年两个模式的预报结果与河南省117站逐日降水实况进行分级TS评分检验,结果发现:两个模式对小雨以上量级的预报能力基本相当,夏秋季节的预报效果好于冬春季节;中雨以上量级预报均无季节特征;大雨以上量级的预报评分夏季T213高于AREM模式;大暴雨预报AREM模式好于T213.对3例不同性质降水过程落区的预报检验表明:AREM对一般稳定性降水和暴雨以上量级降水的预报能力较强. 相似文献
3.
利用美国PSU/NCAR的高分辨率中尺度非静力MM5模式,选择不同的积云对流参数化方案和边界层方案,构造西南地区多物理集合预报系统,于2004年8月16～9月30日进行了准业务试验.对四川区域短期降水集合预报结果的检验表明,利用双线性插值方法获得的站点预报值较利用临近格点的降水平均值更具有实际参考价值;对比分析表明,对于小雨到暴雨量级的降水,集合预报优于大部分集合预报成员,对大于100mm以上的极端降水预报能力有待提高;分析显示,以Anthes-Kuo和Kain-Fritsch积云对流参数化方案构造的集合预报成员对四川区域暴雨以上量级的预报效果不明显,因而对集合预报系统中参数化方案的选取,集合预报成员的构成,还有待进一步试验分析与优化. 相似文献
4.
本文应用MM5模式，在45km和25km模式分辨率及Blackadar和MRF边界层参数化方案下，选择AK、Grcll、KF和BM等4种对流参数化方案对非汛期22个降水个例进行48h预报试验。结果表明KF和AK方案预报的降水量误差较小，BM方案预报的降水量误差较大；各种方案预报降水效果的优劣对于量级不同的降水是不同的，对中雨、大雨和暴雨的预报，没有哪一种方案的预报效果是绝对最优的；不同方案预报降水结果的差异对量级大的降水比对量级小的降水大；在大部分情况下，相同方案在45km分辨率下的预报结果好于在25km分辨率下的预报结果。 相似文献
5.
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
6.
2004年西南地区多物理集体合预报系统试验及初步检验 总被引：1，自引：0，他引：1
利用美国PSU／NCAR的高分辨率中尺度非静力MM5模式，选择不同的积云对流参数化方案和边界层方案，构造西南地区多物理集合预报系统，于2004年8月16～9月30日进行了准业务试验。对四川区域短期降水集合预报结果的检验表明，利用双线性插值方法获得的站点预报值较利用临近格点的降水平均值更具有实际参考价值；对比分析表明，对于小雨到暴雨量级的降水，集合预报优于大部分集合预报成员，对大于100mm以上的极端降水预报能力有待提高；分析显示，以Anthes-Kuo和Kain-Fritsch积云对流参数化方案构造的集合预报成员对四川区域暴雨以上量级的预报效果不明显，因而对集合预报系统中参数化方案的选取，集合预报成员的构成，还有待进一步试验分析与优化。 相似文献
7.
为了评估欧洲数值中心全球模式（ECMWF）、中国全球模式（GRAPES）和美国全球模式（NCEP_GFS）对东北冷涡降水的24 h预报性能,提高数值模式在阜新的预报能力,为模式物理参数方案的选择和调整提供客观依据,利用2019年5—8月降水产品对阜新市两个国家级观测站阜蒙县站和彰武县站进行晴雨、一般性降水和分量级降水检验,以及平均绝对误差和平均误差检验。结果表明：ECMWF模式降水预报要好于其他两种模式,冷涡发展期和成熟期ECMWF产品TS评分较高,衰减期则较低。从平均绝对误差来看,阜蒙县站5—8月ECMWF误差最小,GRAPES和NCEP_GFS预报效果不稳定;彰武县站ECMWF并无明显优势,5—6月GRAPES预报能力最强,7—8月NCEP_GFS预报能力最强。分析平均误差可知,三种模式对阜蒙县的降水预报偏弱,对彰武县的降水预报只在6月偏强。在大雨及以上量级的降水预报上三种模式均偏小,其中ECMWF的TS评分最高为40.2%。三种模式针对阜蒙县的降水TS评分均高于彰武县。 相似文献
8.
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
9.
介绍了一个局地自适应多级模式降水预报系统、以及各级模式对1998年6月9日降水的预报结果，并相互比较。预报结果是：广州区域中心业务模式（75km水平格距）较好地反映了这次降水过程，依托其上的局地各级模式（分别为25km,5km水平格距）能够逐级进一步细致地描述降水过程的空间和时间的分布。这表明自适应多级模式是局地降水预报客观、定量化的有效方法。结果也有利于实际预报人员进一步了解各级模式性能，以便更合理有效地应用数值模拟所提供的信息。 相似文献
10.
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