共查询到10条相似文献，搜索用时 62 毫秒
1.
本文利用重庆风暴尺度集合预报系统业务存档的2017年8月1～31日逐日08时起报的模式预报资料及相应的观测资料对该系统的降水预报进行了检验评估及综合分析,综合各种检验结果,总体而言:该系统集合平均和概率匹配平均等集合预报产品相对于控制预报表现出了较明显的优势;小雨和中雨量级降水集合平均的TS评分优于概率匹配平均;大雨和暴雨量级降水概率匹配平均的TS评分优于集合平均;各预报时效的Talagrand分布均表现出实况落在第11个概率区间的概率明显高于其他概率区间,需要在今后的科研和业务中加以关注;Outlier评分介于0.12～0.26;降水概率预报检验方面,各个降水量级的预报失误概率Brier评分和相对作用特征技巧评分AROC均较为理想。总体而言,该系统在降水预报方面相对于单一的确定性预报而言表现出了一定的优势。 相似文献
2.
观测降水概率不确定性对集合预报概率Brier技巧评分结果的分析 总被引：1，自引：1，他引：0
利用淮河地区652个站点日降水量和参加全球交互式大集合预报计划的中国T213集合预报系统24 h累积降水预报,建立了新的集合预报评分中观测资料的处理方法.该方法基于模式检验的观测资料处理中考虑不确定性的思想,构建了观测概率法和观测百分位法的观测资料处理方法.本文方法和通常数值预报检验观测资料处理方法的模式检验对比分析表明:采用了观测概率法和观测百分位法处理降水观测后,五个降水阈值预报Brier评分检验表明,新的观测资料处理方法使预报的Brier评分分值下降,即预报性能得到提高,尤其在中低降水阈值区域较为明显.Brier技巧评分可靠性和分辨性的分析表明,模式五个降水阈值预报都有预报技巧.新的观测资料处理方法普遍提高了五个降水阈值预报的分辨性,但是降低了可靠性.本研究结果对在今后集合预报评分方法中考虑观测资料不确定性的影响,尤其是对集合预报降水的评估起到非常积极的作用. 相似文献
3.
4.
利用我国黄淮地区1961—2010年50年6—8月的日降水资料,采用REOF和t检验的方法,将中国黄淮地区夏季降水分成Ⅰ—Ⅴ区。5个区域进行差异性t检验表明5个区域之间（彼此）差异显著,说明了区域划分的正确性。在此基础上利用1999—2007年6—8月站点日降水资料以及CFSv2模式后预报的日降水资料建立了5个区域内共5个代表站点的夏季日降水概率预报方程,并进行了确定性、概率性预报检验和业务试用检验。对各区域内5个代表站日降水量的确定性预报检验表明：Logistic回归降水概率预报方程的TS评分要高于CFSv2模式预报和T213的集合预报平均,空报率也低于CFSv2模式预报和T213集合预报平均,但是漏报率却略高。各区域代表站日降水量的概率预报Brier评分检验表明：Brier评分均不超过0.2,大大低于T213集合预报所得概率预报的Brier评分分值,说明本文Logistic回归方程的概率预报较为可靠。Brier技巧评分表明：Logistic回归降水概率预报方程各站的BSS技巧评分都大于0.0,说明各站的预报技巧高于检验样本气候概率的预报技巧,且高于T213集合预报的Brier技巧评分,说明在分区基础上建立Logistic回归降水概率预报方程的方法是有预报意义的。 相似文献
5.
四种定量降水预报客观订正方法对比研究 总被引：1，自引：0，他引：1
基于2019年全年、不同季节、不同预报时效的欧洲中期天气预报中心模式的定量降水预报,检验评估了频率匹配、最优TS评分、最优百分位、概率匹配4种定量降水预报客观订正法的综合性能。利用理想模型研究了不同雨带位移偏差和干湿偏差情形下频率匹配法与最优TS评分的表现,并通过个例订正展示了4种定量降水预报订正法的基本特征。结果表明:频率匹配与最优TS评分仅能对确定性预报的降水量级进行调整,最优百分位和概率匹配法通过引入集合预报信息可在一定程度上改变预报的降水落区。频率匹配法以频率偏差最优为目标,可以很好地消除模式的干湿偏差,但仅在位移偏差较小且存在较大干湿偏差时提升原始预报的TS评分。最优TS评分法难以改进存在弱湿偏差的中雨预报的TS评分,而最优百分位法利用集合预报信息可以显著提升所有降水等级的TS评分,在较长预报时效下优势尤其明显,但也存在春、夏两季湿偏差较大的问题。概率匹配法由于没有使用历史实况信息,在暴雨订正中干偏差较大。经济价值模型检验评估表明,最优百分位法在暴雨量级的风险决策中具有较高的参考价值。 相似文献
6.
基于TIGGE资料的沂沭河流域6小时降水集合预报能力分析 总被引：3，自引：1，他引：2
全球多模式集合预报(TIGGE)资料为发展局地水文风险预报方法提供了新基础。对不同预报系统的集合预报资料进行评价与对比,可为综合应用多源资料实现超集合预报提供参考。本文以沂沭河流域内10个站点观测降水作为参照,对2007～2010年7、8、9月中BABJ(北京)、ECMF(欧洲)、EGRR(英国)、RJTD(日本)和KWBC(美国NCEP)五种预报模式的6h集合预报降水做了相关系数、均方根误差、Nash效率系数、TS评分(风险评分)和Brier评分等定量评估和对比。对于各模式集合平均预报,EGRR表现最好,4日预见期内的相关系数达0.48,Nash系数为0.21,BABJ最差,其他三模式预报能力相当。对于确定的控制性预报,4日预见期内RJTD表现最优,相关系数为0.19,Nash系数为0.13,其次为BABJ和EGRR。各模式集合平均与控制性预报相比,预报能力都占绝对优势,而多模式集合平均其预报能力又强于任何单模式集合平均。在4日预见期内,多模式平均的相关系数达0.49,Nash系数达0.24。在不同百分位阈值下TS评分和Brier评分也表明了类似的各模式评比结果,但多模式平均虽然在较低阈值下评分较优,但不占据绝对优势。各中心资料均具有一个随预见时长增加的稳定衰减期,其中EGRR衰减期最长(达9天)且最为稳定,而其他资料则存在不同稳定程度的衰减,稳定衰减期都能持续4天以上。各中心资料对较大降水的预报还存在各自不同的系统性偏差。 相似文献
7.
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
8.
本文利用2017年6～8月重庆中尺度集合预报系统逐日20时起报的预报资料及相应的观测资料对该系统的预报性能进行了综合分析,结果表明:500hPa位势高度、850hPa温度和2m温度的集合平均预报的均方根误差均优于控制预报,集合离散度均明显低于集合平均的均方根误差,Talagrand分布均呈现出“J型”或“U型”分布,500hPa位势高度和850hPa温度Outlier评分介于0.26～0.32,2m温度的Outlier评分普遍较高,总体介于0.33～0.67;降水预报方面,集合平均和概率匹配平均相对于控制预报表现出了较为明显的优势;小雨和中雨量级降水集合平均的TS评分明显优于概率匹配平均;大雨和暴雨量级的降水概率匹配平均的TS评分明显优于集合平均;0～24小时和24～48小时累计降水的Talagrand分布呈现出一定的“U型”分布且0～24小时更为明显,其余时效较为理想,Outlier评分随预报时效的延长而减小,最高0.31,最低0.20;降水概率预报检验方面,各个降水量级的Brier评分和相对作用特征技巧评分AROC均较为理想。总体而言,该系统相对于单一的确定性预报表现出了一定的优势。 相似文献
9.
针对高分辨率数值天气预报的时空不确定性, 利用邻域最优概率方法对华南区域GRAPES快速更新循环同化预报系统的24 h预报进行逐时降水订正和检验评估。结果表明: (1)邻域法能改善模式降水预报的空间不确定性, 最优邻域半径随降水等级增加而减小, 强降水的最优邻域半径约为60 km; (2)通过引入时间滞后因子, 可进一步改善模式不同时间起报的不确定性, 结合Brier评分确定了时间滞后窗为4 h; (3)提出基于邻域最优概率阈值的降雨进行分级订正方法, 有效提升了降水客观预报能力, 晴雨预报较模式全部为正技巧, TS评分达到0.89以上, 总体提升幅度约5.3%;强降水预报同样均为正技巧, TS评分呈先降后升趋势, 在12 h时效前后预报效果最优, 进一步提升了GRAPES快速更新循环同化预报系统的业务预报水平。 相似文献
10.
基于集合预报的中国极端强降水预报方法研究 总被引：3，自引：1，他引：2
极端强降水天气属于小概率事件,其发生具有很多不确定的因素,预报难度很大。根据Anderson-Darling检验原理研究基于集合预报资料的极端强降水天气预报方法,利用2007—2010年中国T213集合预报资料和2001—2010年6—8月中国降水观测资料,分析观测与集合预报累积概率密度分布函数的特征,建立基于集合预报与模式历史预报累积概率密度分布函数连续差异的数学模型——极端降水天气预报指数(EPFI),并对2011年7月中国极端强降水天气进行预报试验。结果表明,极端降水天气预报指数可以充分利用集合降水累积概率密度分布的尾端信息,为极端强降水提供科学合理的预报,基于中国气象局(CMA) T213集合预报的极端降水天气预报指数可提前3—7 d发出极端强降水预警信号,随着预报时效的延长,预报技巧逐渐降低。研究还表明,模式气候累积概率分布的合理性将直接影响极端强降水天气识别能力。 相似文献