共查询到16条相似文献，搜索用时 126 毫秒
1.
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、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2016年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式在中雨至暴雨预报上优于GRAPES模式,24h小雨和大暴雨、48h大暴雨预报较GRAPES模式偏差,同时SWCWARMS模式存在空报较多的问题;(2)SWCWARMS模式预报2米温度以低于实况为主,10m风速在秋冬季节以大于实况为主,SWCWARMS模式2m温度、10m纬向风和10m经向风4个季度平均RMSE均小于GRAPES模式,但8月月平均(72h)2m温度RMSE大于GRAPES模式,模式对近地面温度场预报优于10m风场;(3)两模式对高空温度场预报优于高度场和风场,SWCWARMS模式预报对流层中层高度场和温度场都偏低,在500h Pa上,除2月、11~12月(24h)外,其它月份和其它预报时效温度场RMSE均小于GRAPRS模式,春夏季高度场的预报优于GRAPRS模式,秋冬季RMSE大于GRAPRS模式;在850h Pa上,SWCWARMS模式预报风场春夏季误差小于GRAPES模式多于秋冬季,冬半年风场误差大于夏半年,RMSE大于GRAPES模式频次增加。 相似文献
2.
使用2014年5~12月西南四省(区)一市每日08时统计的24h雨量观测资料,对SWCWARMS和GRAPES模式降水进行站点统计检验。主要结论为:针对每日08时起报,SWCWARMS模式除24h中雨和48h大暴雨外SWCWARMS模式ETS评分在其它时次及其它量级降水上均高于GRAPES模式,但SWCWARMS模式空报和系统偏差较多;针对每日20时起报,SWCWARMS模式ETS和TS评分均高于GRAPES模式;除小雨外SWCWARMS模式空报率略高于GRAPES模式。从2014年10次西南涡过程统计检验可见,两模式对强降水过程即主要影响贵州的三次过程评分高于四川和云南的西南涡降水过程,24h降水评分在多个时次多个量级上优于GRAPES模式。SWCWARMS模式在汛期表现优于GRAPES模式,SWCWARMS模式对小雨、中雨和大雨有较强的预报能力,但对强降水预报能力有待改进,对中雨及以上量级降水空报率较高,而对小雨漏报多于GRAPES模式。 相似文献
3.
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
4.
应用国家气象中心模式检验方法,对华中区域中尺度业务数值预报模式WRF和中国气象局下发的GRAPES模式2013年1-12月的预报产品（包括降水、2 m温度场、850 hPa温度场、850 hPa风场和500 hPa位势高度场预报）进行统计检验。检验结果表明：所有要素24 h预报均优于48 h;对于晴雨预报,GRAPES模式TS评分高于WRF,但随着降水量级增大,WRF的TS评分基本都高于GRAPES,同时WRF降水预报范围明显偏大;分析2 m温度场的均方根误差及预报准确率发现,WRF的2 m温度场预报优于GRAPES,且暖季预报优于冷季;形势场要素分析表明,WRF对850 hPa温度场和风场预报具有相当大的优势,全年误差变化较稳定,而对500 hPa位势高度场的预报误差存在一定的季节性特征,即夏半年WRF高度场预报优于冬半年,GRAPES模式则相反。总体上,华中区域中尺度业务数值模式产品对天气预报具有一定的参考价值。 相似文献
5.
SMS-WARMS V2.0模式预报效果检验 总被引：7，自引：2，他引：5
对新一代上海区域中尺度模式(SMS—WARMS V2.0)系统预报结果进行了统计检验,检验量包括降水、2 m温度场、10 m风速、500 hPa位势高度场和850 hPa温度场、风场和相对湿度。结果表明:新一代模式的预报性能得到明显改善,模式各量级降水的TS和ETS评分都有提高,说明模式对降水事件发生的捕捉能力进一步增强了。分析2 m温度场的均方根误差及预报准确率发现新版业务模式的2 n、温度场预报优于原业务模式。此外新业务模式的10 m风速预报的均方根误差的逐月和多月平均值都低于原业务模式。高空形势场检验结果显示,新业务模式埘500 hPa位势高度场和850 hPa温度场的预报都优于原业务模式,850 hPa风场预报相关系数高于原业务模式,850 hPa相对湿度提高不明显。个例分析表明,新版业务模式强降水预报产品相对于原业务模式产品埘大气预报更具参考价值。 相似文献
6.
利用2014～2016年5～10月四川盆地所有观测站资料及SWCWARMS模式、ECMWF模式同时段20时起报的24h累积降水资料,基于邻域法FSS、ETS评分指数检验了两模式对于高能暖区型暴雨及斜压锋生型暴雨预报的预报性能。主要结论为:(1)两种类型暴雨过程平均误差均是SWCWARMS模式较ECMWF模式大,且误差值为正,表明模式以湿偏差为主;(2)高能暖区型暴雨FSS评分各降水量级各空间尺度均是SWCWARMS模式高于ECMWF模式;斜压锋生型暴雨50mm以下量级降水在36km以下空间尺度ECMWF模式FSS评分高于SWCWARMS模式,54km以上空间尺度SWCWARMS模式评分较高,大暴雨量级降水各尺度下均是SWCWARMS模式评分较高;(3)高能暖区型暴雨ETS评分暴雨、大暴雨量级SWCWARMS模式评分较高,中雨、大雨ECMWF模式预报更优;斜压锋生型暴雨ETS评分,中雨、大雨及暴雨量级降水预报ECMWF优于SWCWARMS,大暴雨量级SWCWARMS模式预报更优。 相似文献
7.
《高原气象》2020,(1)
为充分了解西北地区的高分辨率快速循环同化预报系统(Rapid Update Cycle,RUC)的预报性能,对该系统2012年6月2日至7月6日的预报结果进行了检验和评估。利用双线性插值方法将西北RUC系统的预报结果插值到最近的观测站点上,计算500 hPa和700 hPa位势高度场、温度场、风向以及风速的平均误差和均方根误差,对预报结果进行检验评估;24 h定量降水利用累计降水分级检验方法,检验的统计量包括TS评分、偏差(BIA)、公平T评分(ETS)和真实技巧评分(TSS)。检验分析表明:(1)500 hPa的高度场预报、温度场预报、风速预报和地面2 m温度预报都存在着正的系统性偏差,其24 h平均误差均值分别为0. 17 gpm、0. 63℃、1. 19 m·s-1和1. 49℃。700 hPa高度场和温度场预报存在着负的系统性偏差,其24 h平均误差均值分别为-0. 41 gpm和-0. 11℃。(2)除了风速、风向,其他要素24 h预报结果的均方根误差均值都小于48 h预报结果的均方根误差均值,500 hPa高度场和温度场的24 h预报的均方根误差均值分别为1. 32 gpm和1. 37℃,而其48 h值则分别为1. 56 gpm和1. 53℃;700 hPa高度场和温度场的24 h预报的均方根误差均值分别为1. 21 gpm和1. 40℃,而其48 h值则分别为1. 38 gpm和1. 94℃;2 m温度的24 h和48 h的均方根误差均值分别为3. 06℃和3. 30℃,表明随着预报时效的增加,预报性能降低,这与模式预报性能相符。(3)24 h定量降水分级的TS评分、ETS评分和TSS评分几乎都有相同的大值中心,说明模式对于这些大值中心附近地区的各量级降水预报效果比较好。总体上,模式对于大雨和暴雨预报效果较好的地区处于西北地区东南部。从偏差(BIA)评分来看,模式对青海南部与四川北部交界地区的降水预报并不理想,表现为小雨预报漏报较多,而对该地区中雨和大雨预报空报较多。 相似文献
8.
应用巴中地区218个自动气象观测站2016年6～8月逐日的24h累积雨量,采取基于客观统计的检验方法,针对24h累积雨量,采取TS评分、BIAS评分和空报率对比分析了 SWCWARMS 模式和 EC 细网格模式在巴中地区的预报能力。研究结果表明:(1)从降水落区来看,两个模式都对雨带的移动都有较好的预报能力;(2)从降水 TS 评分看,SWCWARMS模式在各量级上的 TS 评分都优于 EC 模式;(3)从降水 BIAS 评分看,EC 模式容易漏报中雨及以上量级的降水,而 SWCWARMS 模式则对大暴雨的预报有较大的空报;(4)从逐月评估结果看,6月和7月SWCWARMS 模式较EC模式有更好的预报效果,8月两者差异不大。总体而言,SWCWARMS 模式在巴中地区的预报效果优于 EC 模式。 相似文献
9.
基于2018—2020年逐日修水国家基本气象站降水实况和模式降水预报数据,对ECWMF、NCEP、JMA、CMA-GFS、CMA-SH9等5种模式24 h及48 h降水预报进行了误差分析及检验。结果表明,总体上各模式24 h、48 h降水预报误差均以一个量级的正误差为主;各模式24 h降水预报误差小于48 h;CMA-SH9、JMA模式24 h、48 h预报误差均较小;总体上各模式24 h预报评分优于48 h;华东模式、日本模式24 h、48 h晴雨准确率均较高;CMA-SH9、ECMWF、NCEP模式24 h、48 h降水预报各量级风险评分均较高;JMA模式对24 h暴雨及以上量级降水可能具有一定的预报指示意义;总体上各模式24 h、48 h降水预报风险评分随量级增大而降低,空报率、漏报率随量级增大而增大;总体上各模式24 h、48 h小雨预报性能较优,中雨均易空报,大雨均易漏报,暴雨及以上降水均易空报与漏报。进一步通过引入滑动训练期,并基于平均绝对误差权重的多模式集成订正方案对降水预报进行订正,且对订正预报结果进行了整体及分季节评估检验。结果表明,相对多数模式,经订正后24 h、48 h降水预报性能总体上均有所提升,即提高了预报准确率,减小了预报误差,改进了晴雨准确率,提升了小雨—中雨的预报评分,提高了夏季48 h暴雨及以上降水的风险评分,并降低了其空报率;48 h降水订正预报效果总体优于24 h,春季及秋季降水订正预报效果总体优于夏季及冬季。 相似文献
10.
初始场条件直接影响到区域模式的预报性能。基于GRAPES_GFS和NCEP_GFS两种初始场，详细比较了两者之间的差异，随后分别利用两种初始场驱动新疆区域数值模式（RMAPS-CA V1.0），对2021年4月整月的数值预报结果以及2021年4月21日一次暴雨过程模拟结果进行了MET（Model Evaluation Tools）对比检验。结果表明：（1）两种资料位势高度扰动场、温度扰动场、湿度扰动场存在明显差异，其相关系数分别为0.26~0.60、0.05~0.24和0.01~0.12，导致次天气尺度上存在着较大差异，并由此造成了模拟结果之间的差异，反映了区域模式对初始场和边界条件的敏感性；（2）从高空位势高度、风速、温度的预报结果看，NCEP_GFS初始场在新疆区域模式中高空要素的预报效果均要优于GRAPES_GFS初始场，均方根误差分别降低35.5~37.2%、7.6~12.6%和6.0~17.2%。从地面常规预报量的检验看，GRAPE_GFS初始场对2 m温度和10 m风速的预报效果则要优于NCEP_GFS初始场，均方根误差分别降低14.3%和6.8%；（3）从降水检验评分看，两种初始场的降水预报整体为漏报现象，NCEP_GFS初始场针对各降水阈值及不同时效的预报降水评分要高于GRAPES_GFS，0.1 mm/6h、6.1 mm/6h和12.1 mm/6h的TS评分分别提高22.5%、16.1%和150.8%；（4）从一次暴雨过程预报的检验结果看，GRAPES_GFS对于24小时为小量级降水预报效果优于NCEP_GFS,准确率分别为61.4%和40.0%；而NCEP_GFS对于大量级的降水预报则要优于GRAPES_GFS,准确率分别为66.7%和33.3%。两种初始场对降水个例检验偏差以空报现象为主，NCEP_GFS的TS评分整体高于GRAPES_GFS。 相似文献
11.
本文对2010年7月14~19日、7月22~24日、8月17~19日四川出现的3次区域性大暴雨过程,比较分析了成都区域中心及国家气象中心运行的GRAPES模式降水预报情况以及中、高层环流形势,通过天气学检验得出以下结论:(1) G-SC模式预报降水范围偏小、强度偏弱,强降水中心存在较大偏差;G-BJ模式能预报出降水的主要落区,但降水强度偏弱,虚假强水中心偏多;(2) GRAPES模式对青藏高原东侧天气系统的预报能力偏弱,G-BJ对大尺度环流系统的预报能力优于G-SC模式;(3)九龙站和名山站单站探空廓线图显示G-SC模式在对流层高层温度和风速不随高度变化,对流层底层比湿较实况偏小,因此,温度场、风场以及湿度场强度及分布都有待改善;(4)成都区域中心运行的GRAPES模式在初值、高度场强度、近地面温度等方面都具有很大的改进空间,这需要在资料同化、边界层方案、地形处理等方面做工作。 相似文献
12.
利用SWCWARMS模式产品、常规观测等资料,对2017年7月27~28日和2018年7月26~27日四川盆地两次强降水过程中的环境场、降水量和物理量场等进行了12h、24h预报时效的天气学检验分析。得出SWCWARMS模式产品在强降水预报中的3大优势:(1) SWCWARMS模式对两次强降水过程的降水强度、范围等预报效果较好,尤其是降水强度更为突出,参考价值高。(2) SWCWARMS模式对中高纬大尺度环流背景和强降水主要影响系统预报效果较好,对高原低值系统也有较好的描述。(3) SWCWARMS模式对物理量场中水汽条件(比湿场)和不稳定能量CAPE值预报效果较好。同时,还需要注意的有2方面:500hPa风速和高原上空天气系统存在系统性偏弱现象;对低层风速预报偏弱,加之风向预报偏差,直接影响了强降水分布及大暴雨中心位置的正确预报。 相似文献
13.
运用西南区域数值模式SWCWARMS、欧洲中心细网格预报模式EC以及国家气象中心中尺度区域模式GRAPES对2018年6月25日12时～26日12时发生在四川盆地内的一次强降雨过程进行预报对比分析,多模式结果表明:EC模式与GRAPES模式对盆地西北部的暴雨漏报现象较为突出,SWCWARMS模式能较好模拟整个雨带的强度与位置,对比中尺度系统西南涡的模拟,在低涡出现和发展的12小时内,EC模式对低涡的预报能力偏弱,预报降雨量偏小,低涡位置与强度预报GRAPES与实况最接近,SWCWARMS模式与GRAPES相似,但仅有SWCWARMS预报出低涡南侧与低涡西北象限的强降雨,在低涡减弱阶段,3种模式趋于相同。EC与GRAPES模式在四川盆地内的初始涡度偏弱,辐合偏小,盆地西部边坡对流层低层垂直上升运动偏小,相对湿度偏低,这导致了EC和GRAPES模式在四川盆地西部边坡降雨强度偏小,仅有SWCWARMS模式与实况最符合,尤其对复杂地形下的降雨过程有较强的预报能力。 相似文献
14.
为描述GRAPES全球模式初始条件的不确定性,基于适合集合预报应用的GRAPES全球奇异向量技术,依据大气初始误差符合正态分布的特征,采用高斯取样奇异向量来构造全球集合预报初始扰动,在此基础上建立了GRAPES全球集合预报系统(GRAPES-GEPS)。利用GRAPES全球同化分析场,对采用初始扰动的GRAPES-GEPS连续试验预报结果进行检验和分析。结果表明:GRAPES-GEPS中高度场、风场及温度场预报的集合离散度能有效快速增加,集合平均均方根误差与集合离散度的关系合理;相对控制预报的均方根误差,集合平均的预报优势在预报中期非常显著。为进一步体现GRAPES-GEPS中模式物理过程的不确定性,发展了模式物理过程倾向随机扰动技术(SPPT)。试验结果表明:SPPT方案的应用有效提高了GRAPES-GEPS在南、北半球和热带地区等压面要素预报的集合离散度,同时一定程度减小了集合平均误差,进而改进了集合平均误差与集合离散度的关系,其中SPPT方案在热带地区的改进最为显著。本文发展的基于奇异向量的初始扰动方法和模式扰动SPPT方案在中国气象局2018年12月业务化运行的GRAPES-GEPS中得到了应用。 相似文献
15.
冬季高海拔复杂地形下GRAPES Meso要素预报的检验评估 总被引：4，自引：0，他引：4
利用GRAPES(Globe/Regional Assimilation and Prediction System)对2010年温哥华奥运会6个场馆气温、相对湿度、风及降水量的预报结果,采用预报准确率、平均误差、平均绝对误差、Alpha Index、TS和ETS评分等统计量对其进行了较详细的评估。结果表明:GRAPESMeso预报相对湿度的准确率最高,且随预报时效的增加,其变化趋于稳定。起初模式对相对湿度的预报偏干,之后逐渐变为预报偏湿;气温预报偏低;风速预报偏大。逐日各要素预报检验结果表明,气温的变化幅度最小;各级降水检验发现,晴雨预报的TS评分最高,且随降水增大,ETS评分逐渐接近TS。与其他模式预报结果对比发现,GRAPES-Meso对复杂地形下要素预报还存在一定的不足。本研究还发现,模式存在一定的系统误差,若能有效订正其误差,将有助于改进模式预报。 相似文献
16.
成都区域气象中心业务数值预报产品检验分析 总被引：3，自引：0，他引：3
依据国家气象中心T213、T639全球模式、成都区域中心实时运行的AREM、GRAPES和MM5中尺度数值模式预报结果,对2008年5~9月进行了日降水量和2m温度检验。结果表明:(1)模式对昆明、南京、广州、长沙、北京和郑州温度预报优于温江、兰州和拉萨站,其中拉萨站温度预报与实况偏差最大,即模式对我国中部及南部地区温度预报与实况近似程度高于西部地区。(2)东部地区中雨及以上量级降水评分高于西部,西部4个城市中以昆明站评分最高,反映模式对我国西部城市降雨预报能力偏弱。 相似文献