我省短期降水概率预报业务系统概况及其效果检验

一、前言本系统为三级预报系统,分别称为POP1、POP2和POP3。其中POP1是二值化资料预报系统,POP2是非二值化资料和预报系统,二者分开是为了获取更多的信息,POP3为人机结合部分,目前尚未完成。降水概率预报又分为晴雨预报和雨量量级(分成四级)预报。目前完成的是晴雨预报部分,预报结果除预报概率外,还作出晴雨判别。概率预报每天下午制作一     

MOS分级降水概率预报的试验

一、基本思路和方法 (一)分级降水概率预报 美国和日本开展概率预报已将近十年,服务效果较好。因此,目前开展概率预报的试验是必要的、可行的,其主要原因如下: 1.概率预报符合天气预报的特点。一方面,由于影响天气演变的因子很复杂,数值预报方程不能包含所有影响因子,或者不     

降水概率预报中对微量降水的处理

本文用实例分析比较了在降水概率预报中微量降水时预报量取不同数值的不同预报效果,得出了“最佳”数值,并与公式推导计算的结论相一致。如在样本中剔除微量降水个例,可提高方程对晴、雨天气的判别能力。在降水概率预报(以下称 POP)中,如何处理微量降水,是一个较为突出的问题。如果当降水量 RR=0时,取 y=0,当 RR≥0.1时,取 y=1,而当 RR=0.0时,(记 y 为 y_(0.0))y 取作0或1似均欠妥。如下节图1所示,问题可归结为 y_(0.0)取何值,才能使回归方程(?)=b_0+b_1x 对整个样本配合得更好。李法然等指出微量降水时的环流特征介于晴、雨之间,就多数因子的状况看,它们更接近于晴天的情况,因而把 y_(0.0)取为0.4,即略偏于晴天一侧。这种处理从预报实践经验出发,取得了较好的效果。本文就此作进一步的讨论。     

基于贝叶斯理论的集合降水概率预报方法研究

将贝叶斯理论应用到集合降水概率预报方法研究中.采用集合预报资料和历史观测资料,通过建立贝叶斯产品处理技术(Bayesian Processor of output,BPO)降水概率预报模型,将一组集合成员降水确定预报值修订为一组贝叶斯降水概率分布或概率密度的预报,并获得表征每个集合成员预报能力有效信息评分(Informativeness Score,IS).基于IS值对集合成员概率预报信息融合,得到集成贝叶斯降水概率预报,并采用连续等级概率评分(Continuous Ranked Probablity Score,CRPS)方法检验试验结果.结果表明,基于BPO方法得到的集成贝叶斯降水概率预报可靠性高于由集合预报得到的直接概率预报.     

美国NOAA试验平台和春季预报试验概要

美国国家海洋大气局（NOAA）从2000年开始以试验平台（Testbed）的形式逐步探索了气象科研向业务转化工作。目前,试验平台已成为美国气象事业的有机组成部分。本文首先简要介绍了美国各个试验平台的概况及其主要成果,重点介绍了灾害天气试验平台（hazadous weather testbed,HWT）的组织、春季预报试验和取得的进展。强对流天气、定量降水、飓风和航空气象等的预报试验结果表明,发展包括不同类型强对流天气和对流风暴、定量降水预报、热带气旋大风等的各种概率预报是美国天气业务的重要发展方向。2003年以来的灾害天气试验平台春季试验表明,“对流可分辨”（Convection Allowing）的高分辨率集合数值预报是发展精细化概率预报业务的基础;数值模式同化技术及其预报检验和应用技术的开发是提高强对流天气和定量降水预报概率预报的技术支撑。美国地球静止业务环境卫星R系列 (GOES R)资料应用试验场的工作方式和成果可作为我国风云4号 (FY 4)静止试验卫星相关工作的借鉴。     

沈阳市降水概率预报服务系统

沈阳市降水概率预报服务系统是在日本数值预报的基础上应用多种统计方法建立MOS预报方程,对其预报结果应用概率回归集成制作降水概率预报。TS评分结果表明:MOS预报的降水确率高于日本数值预报,MOS集成预报的结果在各种MOS预报结果平均偏上的水平。概率预报的Brier评分结果表明:在MOS综合基础上的概率回归(REEP)方法得出的概率预报结果较为理想。     

神威中期集合数值预报产品的业务应用

目前神威中期集合数值预报产品包括 500 hPa 集合平均预报图、850 hPa 温度距平概率分布图、不同降水级别的降水概率分布图。 其中 500 hPa 集合平均预报场对欧亚大型环流形势演变趋势、春季风沙天气、降水天气过程以及夏季副热带高压变化趋势等的预报中得到应用, 850 hPa 温度距平概率分布图对未来气温变化趋势以及冷空气过程的预报有很好的使用价值, 而降水概率分布图可供预报员在做降水预报时参考。     

利用日本传真图制作降水概率预报

利用日本传真图的雨区、湿区预报,采用简单的面积贡献法和事件概率回归方法,通过一些技术处理和人机交互分析,制作出效果较为理想的降水概率预报方程,并对降水概率预报的实际结果进行了评估.最后提出利用降水概率预报决策的两种不同方法.     

降水概率预报业务应用系统的研究

降水是大气中不同尺度天气系统相互作用的结果,降水概率预报是利用现代科技和手段,对未来天气出现降水的可能性用百分率定量表达的一种天气预报方法。黑龙江省气象台于１９９６年开始了对哈尔滨市降水概率预报系统的研究工作。这里简要介绍该预报系统的研究情况。     

ECMWF集合预报在中国中部地区的降水概率预报性能评估

利用2013、2014年5-10月ECMWF集合预报系统(EPS)输出的降水预报资料,CMORPH(NOAA Climate Prediction Center M orphing M ethod)卫星与全国30000余个自动气象观测站的逐小时降水量融合资料,基于Brier评分、Talagrand分布、ROC(Relative operating characteristic)分析等方法,研究ECMWF集合预报对我国中部降水的概率预报性能。主要结论如下:(1)模式对小雨具有稳定的预报技巧,但预报概率偏大;对大雨以上量级降水的分辨能力不足,概率预报偏小。(2)Talagrand图整体表现为"U"型,模式对中等强度以上量级降水预报频次偏少;就不同量级降水的预报和观测频次一致程度来看,时效越长预报性能越稳定;第11天模式集合成员的发散度发生明显变化,Talagrand图呈"钟"型分布,预报评分显著下降。(3)预报日数越短,降水概率预报效果越好,平均而言,预报日数超过2天后,模式对12 h(24 h)小于30%(40%)的暴雨概率预报技巧低于气候预测。(4)模式24 h小雨命中率较12 h偏高,空报率偏低,预报技巧优于12 h;对暴雨来说,前6天12 h降水概率预报的ROC面积较24 h表现较好。     

降水概率预报的特点及国内外概况

自开展天气预报业务以来，已出现了多种形式的天气预报，大致可分为：定性预报、定量预报、形态预报和概率预报四种类型’‘’。60年代以后，由于数值天气预报的发展，美国国家气象局（NWS）最先把概率天气预报用于日常预报业务，并于1965年开始进行降水概率预报的业务试验。降水概率预报是天气变化的随机性和天气预报的不确定性所要求的。当今社会人们对天气预报的精度要求越来越高，迫切需要天气预报服务与社会经济相适应，使其在社会经济中产生更大的效益。本文主要介绍降水概率预报的基本特点、国内外降水概率预报的方法与业务应用情…     

降水邻域集合概率方法尺度敏感性试验

降水邻域集合概率法是处理高分辨率降水集合预报不确定性的一种新方法。利用2017年5~7月GRAPES(Global and Regional Assimilation and Prediction Enhanced System)区域集合预报系统24 h降水预报资料,进行GRAPES降水邻域集合概率方法试验,并针对邻域概率法的等权重和邻域尺度问题,设计了邻域格点权重修正邻域方案以及二分类权重修正邻域方案,进行降水的集合概率法、等权重邻域集合概率方法、权重修正邻域集合概率方法和二分类权重修正邻域集合概率方法等四种方法的格点相关及敏感性试验,并利用多种概率预报检验评分评估上述四种方法的预报效果。试验结果表明:(1)尽管采用邻域计算方案的三种邻域集合概率方法的降水概率预报评分各有优劣,如等权重邻域集合概率法的相对作用特征曲线面积评分略优,而权重修正邻域集合概率法和二分类权重修正邻域集合概率法的降水概率预报可靠性更高,但采用了邻域计算方案的降水概率预报评分均优于传统的集合概率方法;(2)降水邻域集合概率方法的预报技巧对邻域尺度很敏感,统计评分最优的邻域半径为5~8倍模式水平格距;(3)引入了权重修正的两个邻域集合概率预报方法在24 h降水量超过10 mm时改进较明显,能够提供更加客观的概率预报结果。总体上看,降水邻域集合概率方法具有较好的应用前景,恰当的邻域概率方法及邻域半径可以获得更合理的降水概率预报结果。     

1991年《陕西气象》总目次

天气分析与预报秦岭对西安大降水影响的经验分析 (1。10)秦岭山脉对盛行气流影响的数值模 拟(1 .13)宝鸡地区西北气流型降水预报方法 (1。17)榆林3月下旬连阴雨(雪)天气分 析(1。20)宝鸡地区雷暴初步分析(1.22)省地大降水预报接口初探(1 .25)解释预报的信息评价(2.1)市台分片预报服务决策系统(2.8)登陆台风和陕西暴雨(2.11)西安市大降水分片短期预报(2.15)浅谈延安地区的冰雹天气预报(2‘拍)安康连续性暴雨预报方法(2.21)陕西省短期天气预报决策支持系统 (2。23)陕西省长期天气预报决策支持系统 简介(3.4)陕西省中期天气预报决策支持系统 简…     

基于多中心TIGGE资料的区域GRAPES集合预报初步试验

基于全球交互式大集合(TIGGE)预报资料,研究利用TIGGE全球集合预报大尺度不确定信息,构造区域GRAPES集合预报的初值扰动方法和试验方案,并对2008年7月22日发生在黄淮地区的一次暴雨过程进行了集合预报试验.试验结果表明:构造的初值扰动场能够表征TIGGE全球集合预报初值中的大尺度不确定信息,区域GRAPES集合预报系统可以捕获极端降水天气,对降水预报具有显著的改进作用,集合预报平均及降水概率预报能有效地反映暴雨降水特点,暴雨发生概率较高的区域与实况对应关系较好.积分初期,暴雨的预报一致性(集合离散度)和预报技巧(集合平均预报均方根误差)之间的关系显示了区域GRAPES集合预报系统是合理的,但积分后期,由于模式在积分过程中的动力调整作用,减小了初值扰动对预报结果的影响,限制了集合离散度的增长速度.     

西安逐日降水概率分布和天气信息研究

本文用Ｍａｒｋｏｖ链、Ｐｏｌｙａ分布等理论模式研究了西安近６０年逐日降水序列干、湿日概率分布规律，得出西安逐日降水的气候概率，干、湿日演变的概率分布。以逐日降水气候概率为背景，用信息论方法对逐日降水天气信息做了研究。得到同一预报方法对不同气候背景的逐日降水天气做预报，所得的实际天气信息是不同的。     

美国天气预报质量趋势

过去15-20年来,国家天气局(NWS)要素预报的发展趋势是,降水概率预报和最高最低温度预报的质量现在明显地高于前期.例如冷(暖)季12-24小时主观公共预报的技术评分,已由1967-1968(1967)年的38%(24%)提高到1984-1985(1984)年的48%(34%)左右.其它主观预报时效和三种客观公共预报的时效,在技术评分上也有类似提高.此外,现在的24-36(36-48)小时公共预报其熟练程度和60年代后期的12-24(24-36)小时公共预报是一样的.     

基于BGM的对流尺度集合预报试验及其检验北大核心CSCD

基于增长模繁殖法,考虑对流尺度高度非线性特征和精细化预报要求,对一次强飑线天气过程进行了集合预报试验,引入概率匹配平均法对集合预报结果进行对比分析,并通过偏差和公平技巧评分对降水进行了预报效果检验。试验结果表明,BGM法应用到对流尺度集合预报中能够生成代表大气不确定性的快速增长扰动。集合预报结果相比控制预报更加准确,传统集合平均对较小降水强度的预报更加准确,概率匹配平均法对大量级降水的预报能力明显占优。降水评分检验表明,集合平均对小量级降水的预报技巧最高,概率匹配平均法对极端降水事件的预报技巧有明显优势。对流尺度集合预报能够提高降水预报技巧,并对高影响对流天气事件的预报有指导意义。     

省台96～144小时降水指导预报研制思路和方法

江苏省台96～144小时降水指导预报的研制思路是:以欧洲中心96～144小时数值预报产品为基础,采用多种方法(包括MOS、PP、相似、天气图)最终通过决策系统,作出综合预报。指导预报的难点是对欧洲中心数值预报产品对天气系统预报能力估价和综合预报的决策问题。本文检验了欧洲中心数值预报产品对影响本区天气系统的预报能力,提出按波谱和天气周期分型的中期降水预报方法;并对Bayes概率公式在综合预报中的运用进行了探讨。     

基于BGM的对流尺度集合预报试验及其检验

基于增长模繁殖法,考虑对流尺度高度非线性特征和精细化预报要求,对一次强飑线天气过程进行了集合预报试验,引入概率匹配平均法对集合预报结果进行对比分析,并通过偏差和公平技巧评分对降水进行了预报效果检验。试验结果表明,BGM法应用到对流尺度集合预报中能够生成代表大气不确定性的快速增长扰动。集合预报结果相比控制预报更加准确,传统集合平均对较小降水强度的预报更加准确,概率匹配平均法对大量级降水的预报能力明显占优。降水评分检验表明,集合平均对小量级降水的预报技巧最高,概率匹配平均法对极端降水事件的预报技巧有明显优势。对流尺度集合预报能够提高降水预报技巧,并对高影响对流天气事件的预报有指导意义。     

基于集合预报的中国极端强降水预报方法研究

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。