排序方式： 共有27条查询结果，搜索用时 156 毫秒
1.
利用TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。 相似文献
2.
基于TIGGE资料中欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心及英国气象局1～7 d日降水量预报以及中国自动站观测资料与CMORPH降水产品融合的逐时降水量网格数据集,利用频率匹配法(Frequency-Matching Method,FMM)对中国降水预报进行客观订正。首先利用卡尔曼滤波方法对降水频率进行调整,并根据不同区域降水强度差异将全国分为7个子区域分别进行频率匹配。结果表明,FMM可以有效减小降水量预报的误差。经过频率匹配法订正后各模式降水预报的平均绝对误差(Mean Absolute Error,MAE)大幅减小,且订正后各量级降水的雨区面积更加接近实际观测值。FMM对小于5 mm和大于15 mm的降水预报技巧改进明显。此外,FMM降低了模式预报的小雨空报率和大雨漏报率,并且明显提高了晴雨预报的准确率。FMM明显消除了大范围小雨空报区域,但是对强降水预报FMM仅能调整降水量大小,强降水落区预报并不能得到明显改善。 相似文献
3.
基于TIGGE资料, 采用均方根误差分别对欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心和英国气象局4个中心集合预报的地面气温场集合平均结果进行检验评估, 比较各中心地面气温的预报效果。并利用超级集合、多模式集合平均和消除偏差集合平均3种方法对4个中心的地面气温预报进行集成, 同时对预报结果进行分析。结果表明: 2007年夏季日本气象厅与欧洲中期天气预报中心在北半球大部分地区预报效果最好, 各中心在不同地区预报效果不同。超级集合与消除偏差集合平均降低了预报误差, 预报效果优于最好的单个中心预报和多模式集合平均。对于较长的预报时效, 消除偏差集合平均表现出了更好的预报性能。 相似文献
4.
The Florida State University (FSU) multimodel superensemble forecast is evaluated against several other operational weather models for the Southeast Asia region. The superensemble technique has demonstrated its exceptional skills in forecasting precipitation, motion and mass fields compared to either individual global operational or ensemble mean forecasts. The motion field investigation for the season of 2001 reveals that the superensemble forecasts are closer to the observed data compared to the other global member operational models through its low systematic errors at the 850 hPa level. The FSU multimodel superensemble forecasts exhibit the lowest root mean square errors (RSMEs), the highest correlation against the best observed data and the lowest systematic errors compared to the other operational model members. These forecasts have the potential to provide better daily weather predictions over the Southeast Asia region, particularly during the early northeast monsoon that often causes heavy rainfall in the equatorial part of the Southeast Asia region. 相似文献
5.
基于TIGGE(THORPEX Interactive Grand Global Ensemble,全球交互式大集合)资料中欧洲中期天气预报中心(European Centre for Medium-Range Weather,ECMWF)、日本气象厅(Japan Meteorological Agency,JMA)、美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)和英国气象局(United Kingdom Met Office,UKMO)4个中心的北半球地面2 m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均(bias-removed ensemble mean,BREM)和多模式超级集合(superensemble,SUP)方法进行统计降尺度预报研究。结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果。引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小。对比综合表现最好的单中心ECMWF的预报,1~7 d的降尺度预报误差改进率均达20%以上。研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法。 相似文献
6.
江苏—南黄海地区M≥6强震有序网络结构及其预测研究 总被引：2，自引：1，他引：1
门可佩 《南京气象学院学报》2014,6(3):268-274
基于TIGGE（THORPEX Interactive Grand Global Ensemble,全球交互式大集合）资料中欧洲中期天气预报中心（European Centre for Medium-Range Weather,ECMWF）、日本气象厅（Japan Meteorological Agency,JMA）、美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）和英国气象局（United Kingdom Met Office,UKMO）4个中心的北半球地面2m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均（bias-removed ensemble mean,BREM）和多模式超级集合（superensemble,SUP）方法进行统计降尺度预报研究.结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果.引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小.对比综合表现最好的单中心ECMWF的预报,1～7d的降尺度预报误差改进率均达20％以上.研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法. 相似文献
7.
利用CMIP5的15个全球气候系统模式对东亚及周边地区(70~150°E,0°~60°N)地面气温的回报结果进行超级集合(简称SUP)试验,以欧洲中期天气预报中心ERA逐月气温资料作为观测值,并采用均方根误差(RMSE)、距平相关系数(ACC)、绝对误差(MAE)对多模式集合平均(EMN)以及超级集合(SUP)的回报结果进行检验和评估。结果表明,超级集合回报结果一定程度上取决于训练期的长度。随训练期长度的增加,距平相关系数呈增大的趋势,均方根误差呈减小的趋势,但训练期达到一定长度后,误差不再有明显的减小,甚至出现误差增长。15个全球气候系统模式对东亚及周边地区的地面气温具有一定的回报能力,可以较好地回报出地面气温的年际变化和空间分布,海洋上回报的均方根误差小于陆地。但不同模式回报的结果不尽相同,在单模式中CCSM4对地面气温的回报效果最好。多模式集成的回报效果优于单模式的回报效果,SUP的回报效果优于EMN,其区域平均的均方根误差比多模式集合平均小0.43℃,超级集合极大地改善了地面气温的回报效果。 相似文献
8.
《Comptes Rendus Geoscience》2015,347(2):53-63
Skilful prediction of the monthly and seasonal summer monsoon rainfall over India at a smaller spatial scale is a major challenge for the scientific community. The present study is aimed at achieving this objective by hybridising two mathematical techniques, namely synthetic superensemble (SSE) and supervised principal component regression (SPCR) on six state-of-the art Global Climate Models (GCMs). The performance of the mathematical model is evaluated using correlation analysis, the root mean square error, and the Nash–Sutcliffe efficiency index. Results feature reasonable improvement over central India, which is a zone of maximum rainfall activity in the summer monsoon season. The study also highlights improvement in the monthly prediction of rainfall over raw GCMs (15–20% improvement) with exceptional improvement in July. The developed model is also examined for anomalous years of monsoon and it is found that the model is able to capture the signs of anomalies over different gridpoints of the Indian domain. 相似文献
9.
基于TIGGE资料的西太平洋热带气旋多模式集成预报方法比较 总被引：6，自引：2，他引：4
基于TIGGE资料中CMA、ECMWF、JMA和NCEP四中心2010、2011和2012年3年的资料,采用集合平均（EMN）、加权集合平均（WEMN）、消除偏差集合平均（BREM）和加权消除偏差集合平均（即超级集合,SUP）四种方法,对西太平洋地区热带气旋路径与中心气压进行时效为24、48、72、96和120 h的多模式集成预报,评估了不同单中心预报结果,并分析了不同多模式集成预报方法的特点,对比了不同多模式集成方法的效果。结果表明,对于热带气旋路径和中心气压预报,各中心预报技巧不同,其中3年的CMA预报效果均较差,2010、2011年的ECMWF预报和2012年的NCEP预报效果最优;总体上几种多模式集成方法在120 h预报时效内均优于单模式预报,其中EMN作为一种最简单的集成预报方法,具有一定的局限性,而WEMN由于给不同单模式预报赋予了权重,因此相对于EMN能够得到更好的多模式集成预报结果;BREM方案由于消除了模式预报中的系统性偏差,因此集成预报效果也优于EMN;由于去除了模式预报偏差,同时给不同模式赋予了权重,SUP方案得到的集成预报效果最优。 相似文献
10.
Based on the daily mean temperature and 24-h accumulated total precipitation over central and southern China, the features and the possible causes of the extreme weather events with low temperature and icing conditions,which occurred in the southern part of China during early 2008, are investigated in this study. In addition, multimodel consensus forecasting experiments are conducted by using the ensemble forecasts of ECMWF, JMA, NCEP and CMA taken from the TIGGE archives. Results show that more than a third of the stations in the southern part of China were covered by the extremely abundant precipitation with a 50-a return period, and extremely low temperature with a 50-a return period occurred in the Guizhou and western Hunan province as well. For the 24- to 216-h surface temperature forecasts, the bias-removed multimodel ensemble mean with running training period(R-BREM) has the highest forecast skill of all individual models and multimodel consensus techniques. Taking the RMSEs of the ECMWF 96-h forecasts as the criterion, the forecast time of the surface temperature may be prolonged to 192 h over the southeastern coast of China by using the R-BREM technique. For the sprinkle forecasts over central and southern China, the R-BREM technique has the best performance in terms of threat scores(TS) for the 24- to 192-h forecasts except for the 72-h forecasts among all individual models and multimodel consensus techniques. For the moderate rain, the forecast skill of the R-BREM technique is superior to those of individual models and multimodel ensemble mean. 相似文献