SMS-WARMS V2.0模式预报效果检验

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。     

GRAPES_Meso V3.0模式预报效果检验

根据地形特征,将西南地区划分为高原区、边坡区和盆地区,引入统计学\     

广西人工影响天气云系模式预报效果检验

对广西人工影响天气云系模式预报中的柱云水量、柱过冷云水量和云顶温度3种产品进行了预报效果检验,检验结果表明:这3种模式产品对百色、南宁的预报正确率在45%～65%之间,对其它地区的预报正确率则在45%以下;柱过冷云水量预报的正确率最高,平均达到53%左右,其余2种产品平均正确率在35%左右;模式预报检验结果没有出现明显的季节差异.     

GRAPES模式对2005年登陆强台风预报检验分析

针对2005年4个登陆强台风,在台风移动路径、登陆时间、地点、强度等方面,对GRAPES模式的预报能力进行检验评价, 并进行了误差原因分析。检验结果显示,GRAPES 模式台风中心位置预报24 h平均误差131 km,48 h平均误差252 km。模式预报台风登陆的时间、地点接近实况,预报比较准确;台风登陆时的强度预报偏弱。模式48 h预报准确性略低于24 h。误差原因分析表明,需要加强对非常规观测资料的同化应用,改进模式初始条件;提高模式分辨率,使得模式对中小尺度系统的预报模拟能力增强;改进模式地形的精细处理方法,提高模式对地形影响涡旋移动的模拟能力。     

GRAPES_Meso中尺度模式在新疆沙漠地区的检验与评估

使用GRAPES中尺度模式对中国新疆南部的塔里木盆地2013年1、4、7、10月逐日的天气过程进行数值模拟,并与站点的实况资料对比分析,结果表明,GRAPES模式对沙漠地区的温度、风场、降水都有一定的预报能力,但也存在较明显的预报误差。GRAPES模式可以大致的预报出塔里木盆地地区2 m温度的日变化趋势,但GRAPES模拟的温度极值还存在较明显的误差;GRAPES模式对10m风场的预报,在风速较大的1月、4月和10月预报效果较好,基本可以预测出沙漠地区的风速和风向,但在风速很小的7月,模式的预报效果不理想;GRAPES模式对沙漠地区的降水预报与实况相比还存在明显的偏差,主要表现为降水空报率较高,降水中心也存在一定的偏差;GRAPES模式在沙漠地区对高空温度的预报呈现出低层温度预报误差较大,高空相对较小的特征。     

GRAPES模式对长江流域天气预报的检验分析

GRAPES是中国新一代数值天气预报模式。使用GRAPES中尺度模式产品和常规观测资料,分析检验了2005、2006年汛期发生在长江流域的11次主要降水天气过程,得到:GRAPES模式对于长江流域的预报,无论是降水、天气形势还是物理量都有比较强的预报能力;GRAPES模式对级别较大的降水预报容易出现漏报,而不易出现空报,对于10mm以下的雨区预报比较准确,而对于大于50mm的雨区预报,尤其是大于100mm的降水中心存在较大的偏差;对于西太平洋副热带高压的预报比实际情况偏南、偏东;对于水汽通量散度的预报与实际情况比较吻合。     

GRAPES中尺度模式对2005年长江流域重大灾害性降水天气过程预报性能的检验分析

GRAPES是中国新一代具有自主知识产权的中尺度数值天气预报模式。使用在国家气象中心业务运行的最新版本的GRAPES模式、常规观测资料以及NCEP分析资料(1°×1°),对2005年主汛期发生在长江流域的重要降水天气过程进行了模拟和检验,重点分析了该模式对这一地区西风带影响系统的预报能力及可信度,从而得到GRAPES模式对于2005年长江流域重大灾害性降水天气预报性能的初步评价,并对该模式的应用及进一步改进提供一些有意义的参考依据。     

日本JFSFE02与JFSFE03模式降水预报效果检验

利用１９９０￣１９９６年共７年的日本２４ｈ降水数值预报产品,对德州市２４ｈ降水预报效果进行了检验分析。结果表明,晴雨预报效果较好,且冬半年晴雨预报水平高于夏半年。     

日本数值预报产品降水预报效果检验

对近几年日本数值预报产品的降水预报释用效果检验结果表明，该产品各时段的预报准确率仅为56．5％－69．4％，且稳定性也较差。     

GRAPES_MESO V3.3模式强天气预报性能的初步检验

本文针对2013年6月升级后的GRAPES_MESO V3.3模式预报产品进行了天气学检验。检验结果表明:模式能够较好地反映强对流过程发生发展的水汽、稳定度和垂直风切变等物理条件,8-10月期间,预报准确率随着季节的转换而有所不同,对于达到一定阈值条件的部分物理参数预报效果较好,对业务具有较好的参考价值。模式对于强降水以及华北雷暴大风和冰雹等强天气过程具有一定的预报能力,特别是高时空分辨率的产品能够在一定程度上较好地描述过程的发生发展,但对于极端强降水、受地形影响的强降水等,预报能力有限。     

GRAPES_MesoV4.0主要技术改进和预报效果检验

针对GRAPES_Meso V3.0存在的降水量偏大、模式运行不稳定、近地面温度预报偏差较大、可同化资料偏少以及分辨率偏低等问题,开展了多方面的改进工作:引入变分质量控制以及探空湿度的偏差订正,实现了GPS/PW资料、FY-2E云导风资料以及无线电掩星资料的同化应用,提高了模式分辨率,引入四阶水平扩散方案,调整了微物理参数化方案与动力框架的耦合方案,完善了地面辐射能量平衡方程以及优化了后处理雷达组合反射率因子的诊断方案,并集成所有改进成果形成新的业务化GRAPES_Meso V4.0。批量试验结果表明:GRAPES_Meso V4.0降水ETS评分普遍提高,同时预报偏差明显降低,月平均降水更接近实况,且能够较好地刻画雨带细节;2 m温度预报偏差有较为显著的改善,大部分地区24 h预报有1~2℃左右的降低,有些地区有3~5℃的降低;GRAPES_Meso V4.0对高度场、温度场和风场的改进效果比较显著,500 hPa的温度、风速、位势高度场的相关系数均有显著提高,850 hPa的均方根误差也明显降低,整体性能明显高于GRAPES_Meso V3.0。     

多模式集合预报技术及其分析与检验

基于国家气象中心天气预报业务平台,对德国、日本、欧洲中心数值预报模式和我国T213模式的夏季预报产品进行检验,在此基础上,通过不同模式对目标区域预报能力的分析,分别应用神经元网络预报技术和基于Ts评分的客观多模式权重系数法(ME),建立了4个模式的集合预报方法,并应用于2005年汛期业务运行。结果表明:ME对短期降水预报技巧高于简单集合平均,因此具有一定的业务应用前景。     

强度尺度方法在模式定量降水预报检验中的应用

介绍了Casati于2004年提出的强度尺度检验技术,并将该方法应用到上海区域中尺度模式的预报检验中。结果表明,强度尺度检验技术可以提供一种从不同降水率闽值和空间尺度对模式定量降水预报进行评估的方案。该方法首先对预报场和观测场进行降水率闽值获得二进制误差场,并通过二维离散Haar小波对二进制误差场进行各个空间尺度的分解,从而评估模式在各个降水率闯值和空间尺度上的均方差和预报技巧。通过计算各空间尺度二进制误差场的均方差百分比和能量平方偏差,可分析不同的降水特征尺度误差对总体误差的贡献情况以及预报降水与观测的偏差情况。     

GRAPES-GFS模式暴雨预报天气学检验特征

本文采用天气学检验方法,对2016年度国家气象中心GRAPES全球数值预报系统(GRAPES-GFS)业务预报暴雨过程及2013-2015年部分回算个例进行了检验,并结合对比欧洲中期天气预报中心确定性预报模式(EC模式)和国家气象中心全球谱模式T639L60(T639模式)降水预报,梳理总结业务GRAPES-GFS模式预报性能优势和系统性偏差特征。被检验暴雨过程共38次,其中南方暴雨过程20次,北方暴雨过程6次,热带扰动或台风降水过程12次。依靠预报员主观天气学检验分析,从降水预报效果检验出发,结合主要影响天气系统和示踪物理量检验,梳理总结模式预报系统性偏差,以期全面发掘该业务预报模式性能。结果表明对短期时效内的降水预报,GRAPES-GFS模式预报稳定性较好,整体明显优于T639模式。但还存在诸如对对流性降水预报较实况偏北或对主雨带南侧暖区降水预报不足的偏差特征;另对弱高空波动背景下的对流性降水预报偏弱;而在降水预报强度大致正确的情况下,对降水系统南侧偏南气流控制区域预报湿度偏大,对副热带地区的低涡系统预报偏强。     

ECMWF模式对东北半球气象要素场 预报能力的检验

利用ECMWF模式逐日分析场(0场)序列和7d预报场序列,使用气候学方法客观检验ECMWF模式对东北半球的预报能力,主要结果如下:1)模式对不同要素场的预报能力呈现出明显的季节性差异,夏季特别是7月预报能力最弱.2)总体来说,850 hPa温度场、500 hPa高度场与0场相关最好,850 hPa湿度场与0场相关最弱;随着预报时效的增加,预报能力总体减弱.3)大陆上温度场预报总体较0场偏高,而在赤道低纬地区偏低,模式对赤道附近温度场变率预报能力弱于中高纬地区,这一特征在其它要素预报中也有不同程度的体现.4) 500 hPa位势高度预报场与0场的差值表现出清楚的起源于里海并向东北传播经贝加尔湖、鄂霍次克海转向东南至日本东部海域的波列,这一现象在500 hPa风场差值图中也有清楚的表现.5)纬向风预报能力强于经向风,30°N附近存在纬向风与0场相关系数高值带.6)总体来说,模式对高层的预报能力优于低层,但模式对700 hPa风场的预报存在显著差异.     

SWCWARMS模式及GRAPES模式对西南区域降水预报检验对比分析

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。     

路面气象数值预报模型及性能检验

该文基于通用陆面模式 (CoLM) 发展了精细化路面参数数值预报模型 (BJ-ROME)。该模型可以预报路面温度、积雪厚度、积冰厚度以及积水厚度。模型不仅考虑了路面的不透水性、相对较低反照率、低热容以及高热导率等特征,还考虑了城市人为热的影响。模型采用北京市气象局快速更新循环预报系统 (BJ-RUC) 产生的气象强迫场驱动,预报时间跨度为24 h,更新时间为3 h。采用北京地区芬兰Vaisala公司路面观测站2009年8月9—24日路面温度及2010年1月3—4日积雪厚度观测结果对模型预报结果进行验证,同时进行了敏感性试验。结果表明:无论是在晴空还是降水的气象条件下,BJ-ROME均能较准确地预报路面温度极值以及日变化。BJ-ROME还可以较准确地模拟积雪厚度的最大值以及随时间变化情况。     

GRAPES中尺度模式中不同积云参数化方案预报性能对比研究

利用我国新一代中尺度数值模式GRAPES_Meso,采用KFeta和BMJ两种积云对流参数化方案,对我国2009年冬季(1月)和夏季(6—8月)天气进行批量回报试验。回报试验结果表明：在冬季,两种方案对GRAPES_Meso模式的预报性能影响差异较小。在夏季,两种方案对模式回报效果的影响表现明显。在低层BMJ方案对形势场的回报性能略优于KFeta方案,中层则是KFeta方案明显优于BMJ方案,而在高层KFeta方案略优于BMJ方案。TS评分检验表明KFeta方案对降水的预报总体上优于BMJ方案,特别是中雨到暴雨量级在华南地区KFeta方案有明显的优势。两个方案预报积云降水平均贡献率的空间分布差异主要表现在低纬度洋面上,BMJ方案的贡献率比KFeta方案大。两个方案积云降水贡献率的概率分布形态在小雨量级上都呈陡峭的“U”型分布。KFeta方案随着降水量级的增大逐渐向大贡献率偏移,特大暴雨量级时基本上是积云降水的贡献;而BMJ参数化方案则是随着降水量级的增大逐渐向小贡献率偏移,特大暴雨量级时基本上是格点降水的贡献。     

GRAPES中尺度模式中Kain-Fritcsh方案的改进及应用试验

本文对GRAPES_Meso中Kain-Fritcsh eta积云参数化方案进行了三种改进：(1)将原触发机制中的温度扰动分解成由水汽决定的垂直向和水平向温度扰动(KF1方案),(2)在原温度扰动中直接增加一项由相对湿度计算的水汽平流项(KF2方案),(3)在KF1方案中增加用相对湿度计算的水汽平流项(KF3方案)。利用GFS预报场资料对上述改进方案进行模拟试验和批量回报试验,结果表明：“5·23”暴雨个例中,(1)改进方案均可以减少原方案模拟的部分虚假降水,KF1方案模拟降水范围较好,KF2方案模拟强降水中心较好,KF3方案同时具备二者优点。(2)三种改进方案对于强降水站点均存在模拟降水偏弱,KF1方案降水趋势与实况接近,但存在对流激发较快,后期降水略为不足,KF2方案则相反,KF3方案表现介于二者之间;KF2、KF3方案均会在对流激发最强和最弱时刻使其向有利方向调整。台风个例中,KF1方案模拟中心气压较好,KF2方案模拟台风路径较好,KF3方案则在两者上均有较好表现。TS评分检验表明KF1方案在各个降水量级上的评分都较低,KF2、KF3方案评分相对较高;误差检验(高度、风)时,KF1方案在中层误差较大,高、低层误差最小,其他两种方案表现则相反。