岳阳市ECMWF数值模式降水预报检验与释用

该文应用TS评分、预报偏差（BIAS）等方法,对ECMWF模式预报的2015年12月—2018年12月岳阳市降水场资料,开展晴雨和分级降水检验。晴雨预报检验结果表明：ECMWF模式对岳阳市晴雨预报性能总体较稳定,年际变化幅度较小;晴雨预报准确率季节差异大,冬季最高,秋季次之,夏季最低;从逐月晴雨预报检验来看,12月份最高,8月最低;晴雨预报还存在明显的日变化规律,对夜间的预报能力明显优于白天;空间上总体呈北高南低的空间分布特征。分级降水预报检验结果表明：小雨量级降水预报评分明显高于其他量级降水,中雨次之,大雨及以上量级评分较低且无明显规律;小、中、大雨3个量级任一时效的空报率整体上比漏报率大,小雨量级表现得尤为明显,说明小雨量级的空报更为严重。针对小雨降水预报空报率高的现象,该文对岳阳市ECMWF模式预报降水量1.2 mm以下消空处理后进行了预报释用,结果表明：冬季订正空间较小,夏季各时效可适度订正;春季和秋季可视情况适度订正,订正后可以有效提升预报技巧,但增加了一定漏报风险。     

基于ECMWF模式预报的台风降水地形订正方法

为了解决复杂地形条件下ECMWF模式预报的台风降水较实况显著小的问题,对Smith 1979年提出的地形降水方程进行改进,提出以饱和湿层高度作为方程积分上限,针对不同高度地形设定不同的降水效率;以无量纲湿弗劳德数大于1作为有、无地形降水的判据;利用ECWMF细网格预报场,通过迎风坡地形降水估算方程来订正模式预报的台风降水。用该地形降水订正方法对1617号台风“鲇鱼”的降水进行了订正预报。结果表明,虽然在一些小尺度地形区域会产生明显的空报,但是对于大尺度地形区域的强降水有显著的订正效果。对1513、1521和1614台风的订正结果进一步表明,该地形降水订正方法对改进台风极端降水预报效果显著。需要指出的是,采用的地形降水订正方法仅考虑了稳定条件下的地形降水,对于其他情形下的地形降水订正方法尚待进一步的研究。      

大连地区ECMWF细网格模式阵风预报误差检验与分析

阵风的预报误差检验对实际工作中的精细化预报订正具有一定的指导意义,同时对精细化预报中如何消除误差日变化的影响提供了借鉴。选取2017—2019年3～72 h逐日逐3 h欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecast,ECMWF）细网格10 m阵风和10 m平均风预报资料,基于大连地区9个国家气象观测站实况逐3 h极大风资料进行预报误差检验分析。结果表明：按预报风级和实况风级分类的预报误差对比检验均表明ECMWF细网格预报整体偏大,平均误差为0.96 m·s-1,但具体到各风级时两种分类的预报误差统计结论并不一致,按预报风级分类的检验更符合基于模式预报开展的实际预报工作。以预报为基准统计,各风向、各风级、各站的预报误差均差异明显,风级越大预报偏大的程度越高,风向也表现出随风级增大误差增大的趋势。阵风预报的平均误差具有明显日变化,08:00（北京时,下同）前后误差最大,20:00前后误差最小,主要由10 m平均风的平均误差日变化所致。全部预报个例与实况各时效预报相关系数均在0.7以上,具体到各风级、风向时,各风向相关...     

ECMWF高分辨率模式降水预报能力评估与误差分析

利用2015—2017年6—8月ECMWF高分辨率模式(ECMWF-Hi)的加工产品,结合我国2 400多个国家级气象站逐小时降水观测资料,对ECMWF-Hi产品24 h降水预报的准确度、集中度和相关性进行了评估,并与ECMWF集合预报模式(ECMWF-EPS) 24 h降水预报产品进行比较。为更好地描述预报的集中度,避免单纯用标准差比或平均值比刻画预报集中度的缺陷,建立一个综合标准差和平均值的R指数,用之定量描述模式预报的集中度。结果表明:(1) ECMWF-Hi在均方根误差的检验方面并未表现出优势;而分辨率较低的ECMWF-EPS集合平均预报误差最小。(2) ECMWF-Hi对研究区域降水预报的集中度的整体描述较为准确,离散度与观测较为相似,预报期望也与观测降水的期望最接近,ECMWF-Hi比ECMWF-EPS的集合控制预报与集合平均对观测降水集中度的刻画较为准确。(3)研究区域内各站点R指数分布表明,ECMWF-Hi与ECMWF-EPS控制预报、平均预报相比,对平均值预报不足的站点较多,且这些站点的预报集中度普遍大于观测,ECMWF-Hi的降水预报更接近观测降水。(4)评估应用结果表明,R指数不仅能定性评估模式的集中度,也可定量描述集中度大小。     

ECMWF细网格2 m温度在江西省的预报能力检验

利用ECMWF对2014年江西省92个国家区域自动站02时和14时2 m温度的24、48、72 h预报结果,采用预报准确率、平均误差、平均绝对误差和皮尔森相关系数等统计量对其进行检验评估。结果表明:不同预报时效02时预报准确率均高于14时预报准确率;随预报时效的延长,02时预报准确率无明显变化,14时预报准确率下降较明显。02时预报准确率对地形不敏感,14时预报准确率受地形影响明显,山区和丘陵地区准确率明显低于平原地区。02时绝大多数样本和14时夏、秋两季样本的预报结果偏低,且预报误差主要由系统误差造成,14时冬、春两季样本的预报结果有的偏高、有的偏低,误差的主要成分为随机误差,可能与江西省气候特点有关。温度预报误差≥5℃的大值预报误差出现频次呈现明显季节变化特征,02时出现的次数夏、秋两季明显少于冬、春两季,14时出现的次数冬、春两季明显少于夏、秋两季。     

ECMWF细网格模式探空在阿勒泰地区短时强降水预报中的统计检验

采用2013—2018年5—9月ECMWF细网格资料和阿勒泰地区36次短时强降水资料,用Micaps平台的模式探空模块计算T-log P图及其对流参数,运用统计学方法进行了误差检验。结果表明:模式探空T-log P图48 h预报时效内一致性较高(72%),尤其是24 h预报时效内(92%);72 h预报时效内总指数和干暖盖指数及垂直风切变、60 h预报时效内沙氏指数、48 h预报时效内风暴相对螺旋度和36 h预报时效内850与500 hPa温度差、对流温度、最大抬升指数、抬升指数以及24 h预报时效内K指数、700与850 hPa假相当位温差、大风指数等对流参数的3种误差均较小(3.5),相关系数较高(0.60),特别是沙氏指数、K指数、700与850 hPa假相当位温差、垂直风切变和风暴相对螺旋度的3种误差1.5。T-log P图的一致性随时效的延长而减小,对流参数的误差随预报时效的延长变化不一致,在强对流潜势预报业务中注意订正运用。     

福建省ECMWF细网格模式2 m温度预报误差分析与订正

选取2022年1月1日—12月31日ECMWF细网格模式2 m温度预报24 h以内预报时效产品和对应时次的福建省70个国家站观测资料进行分析,采用ARIMA(差分自回归移动平均)模型和双权重ARIMA模型分别对2 m温度预报产品进行偏差订正,并对订正前后的结果进行对比分析。结果表明：1) ECMWF模式2 m温度预报在福建省主要呈现冷偏差,随着预报时效的增加,均方根误差和准确率随之变差;分别用两种模型进行订正,平均绝对误差由2.1℃以内减小到1.6℃以内,均方根误差从2.5℃以内降低到2.1℃以内,且偏差越大,订正效果越明显。2) ECMWF模式2 m温度逐月预报效果差异较大,订正后各评价指标均有显著改进,各月平均误差在-0.5—0.5℃。3) ECMWF模式2 m温度预报偏差主要表现为福建东部沿海小、中西部较大;订正后平均绝对误差和均方根误差减小至2℃以内,且对高海拔地区的站点改善效果更加明显。与ARIMA模型相比,双权重ARIMA模型订正后平均绝对误差与均方根误差更小、准确率更高,订正效果更好。     

ECMWF产品逐日降水客观预报业务系统

选用ECMWF格点场资料,用差分法、天气诊断、因子组合等方法构造能反映本地天气动力学特征的预报因子库,对预报因子和预报量进行线性（0,1）标准化处理,采用PRESS准则初选因子,用最优子集回归建立0~120 h降水预报方程,用多因子概率权重回归预测其降水概率。预报系统投入业务应用,检验证明预报效果较好,提供了有效的地市级客观预报指导产品。业务系统与MICAPS对接,实现全自动化,输出的预报产品客观、定量。     

ECMWF细网格2 m温度预报产品在南疆西部温度预报中的释用

利用2016年1月1日—2018年12月31日ECMWF细网格模式2 m温度预报产品,使用三次多项式差值方法内插到站点,并用中短期天气预报检验方法,对南疆西部12个国家站与15个区域自动站共27个站的最高、最低气温未来24 h预报效果进行检验分析。结果表明：ECMWF细网格模式2 m温度预报产品对南疆西部非山区站未来24 h最高、最低气温的预报能力较好,对山区站未来24 h预报效果差;对南疆西部最高、最低气温的预报效果随季节变化,夏季预报准确率高于冬季,秋季预报准确率最低;模式最高气温预报准确率在降雪、高温天气时较高,最低气温预报准确率在降雨时较高,在高温过程中较低;模式对于降雨、降雪、大风/沙尘等天气最高气温预报偏低,高温事件中最高气温预报偏高。最低气温预报在降雨、高温天气中偏高,降雪时偏低,大风/沙尘天气最低气温预报偏东地区偏高、偏北地区偏低。降雪、高温天气预报相对降雨、大风/沙尘天气预报效果更稳定。     

基于分位数映射法的四川省ECMWF模式降水预报误差订正分析

为做好ECMWF(European Centre for Medium-Range Weather Forecasting)模式本地化释用,提高四川省降水预报准确率,对四川省2020—2021年7—9月模式各量级降水预报系统性偏差规律分析发现,该模式预报的雨日较实况偏多,尤其是攀西地区和川西高原;预报的大雨日数盆地西南部及攀西地区多于实况,而盆地南部少于实况。然后,基于分位数映射法对模式预报的24 h累积降水开展大量级降水订正试验与检验。基于分位数映射法订正后,暴雨及以上量级TS(Threat Score)提高7%～15%,且各量级降水TS均高于多模式集成客观预报产品2%～4%,大雨及以上、暴雨及以上量级命中率提高10%～20%,订正后雨带位置特别是暴雨落区与实况更接近。     

MODES系统对贵州月气温、降水预测初步评估

基于CMPAS多源融合降水和ERA5再分析产品,评估ECMWF全球高分辨率确定性预报产品对2020年梅雨期(6月10日—7月20日)极端强降水过程的预报性能。同时,基于面向对象的诊断评估方法(MODE),揭示ECMWF模式对强降水落区的质心经纬度、面积、长度、宽度、轴角等空间特征的预报性能。结果表明,ECMWF模式对于梅雨期的日降水量预报,在雨带的空间位置上,模式预报偏北、偏西的偏差较多;在落区形态上,模式预报的雨带面积偏大,轴角倾斜度更大。观测中江淮流域区域平均降水的日变化主峰值出现在清晨至上午,ECMWF预报能够再现降水日变化特征。针对模式对主雨带南北落区质心位置预报偏差的评估表明,模式预报主雨带位置偏北的频次呈现出双峰分布的日变化特征,峰值出现在夜间和午后。雨带位置预报偏南的频次为单峰分布,峰值在上午。低空急流的日变化特征明显,且峰值时刻超前降水峰值时刻3 h,而ECMWF预报急流峰值时刻则较观测早3 h。ECMWF预报降水落区位置偏差与预报低层南风分量的强弱偏差相关,当对流层低层南风分量偏强时,雨带位置预报易偏北;南风分量较弱时雨带位置预报易偏南。针对ECMWF预报位置偏北和偏差较小的两次典型强降水事件的对比分析,结果表明在小时尺度上急流与降水的日变化一致,ECMWF预报降水落区的偏北与前3 h内强度更强的急流有关。

     

基于对象诊断的超强台风“利奇马”(1909)模式强降水预报检验

采用基于对象诊断的检验评估方法(the Method for Object-based Diagnostic Evaluation,MODE)对超强台风“利奇马”过程中ECMWF全球模式与GRAPES-MESO区域模式预报的强降水目标对象进行了分析,发现MODE技术相比于传统点对点的检验方法可以提供更加丰富的模式性能分析信息,将模式的预报能力(是否匹配)与预报偏差(位置偏差、面积偏差等属性)区分分析。研究结果表明:ECMWF全球模式预报的强降水对象与观测匹配度较高,雨带的位置也相对准确;GRAPES-MESO区域模式预报的强降水对象数量和面积存在一定程度的高估,空报情况较多,雨带位置误差较大,与观测对象的匹配度相对较低。此外,ECMWF全球模式预报的强降水对象存在偏北的系统偏差,GRAPES-MESO区域模式预报的强降水对象随预报时效的增加有偏南的趋势,两个模式在较长预报时效下都有偏东的系统偏差。     

2006年12月至2007年2月T213与ECMWF及日本模式中期预报性能检验

针对2006年12月至2007年1月T213模式96小时中期数值预报产品进行了天气学检验,并与ECMWF、日本模式96小时预报性能做了对比分析。结果表明,T213、ECMWF、日本模式对亚洲中高纬度地区大尺度环流形势演变和重大调整过程均有较好的预报能力,因此对重大灾害性天气的预报有较好的指示意义。三种模式相比,ECMWF模式对西风指数、850hPa温度、南支槽东移的预报较为准确。     

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

利用2015年6月1日至8月31日ECMWF集合预报系统（EPS）51个成员的降水预报结果,基于安徽省大别山区12个代表站点1~3 d的逐12 h降水观测资料,采用TS评分、箱须图、泰勒图等方法,研究ECMWF集合预报降水结果在安徽省大别山区降水分级预报中的应用效果。主要结论如下：ECMWF集合降水预报中,08时起报的24 h降水量和20时起报的48 h降水量可参考性较大;降水分级检验中,晴雨预报正确率在70%以上,小雨和中雨的空报率较高,对大雨以上量级的预报能力相对较差;大型降水过程中,暴雨以上量级的预报需关注不同预报时效下降水量预报的变化趋势,个别成员对极端降水的表现也值得关注。

     

基于集合预报的四川夏季强降水订正试验

利用2016-2018年6-8月四川地面观测降水资料（含加密自动站）及同时段ECMWF模式各要素预报场资料,根据基于\     

21世纪中国极端降水事件预估

评估分析了欧洲中期天气预报中心（European Centre for Medium-range Weather Forecasts,ECMWF）细网格模式（以下简称EC-thin）在长三角地区汛期（5-9月）的暴雨预报评分及ECMWF降水极端天气预报指数（EFI）对暴雨预警的指示作用。研究发现：（1）EC-thin降水和降水EFI对暴雨预报的ETS评分随着预报时效的延长而明显降低,在短时效内,细网格模式降水预报占优,超过60 h后,降水EFI的评分相对更好。（2）对EC-thin降水而言,在不同的预报时效采用不同的降水阈值来预报暴雨,可望达到最佳的评分效果。短期时效内该阈值随着预报时效的延长,大致从55 mm逐渐下降到35 mm。（3）对于降水EFI而言,12-36 h内EFI为0.65~0.7时,暴雨预报ETS评分最高。随着预报时效的延长逐渐下降,60-84 h内EFI为0.55~0.6时,暴雨预报ETS评分最高。（4）在不同预报时效内,采用合理的方式和阈值综合考虑EC-thin降水和降水EFI,可望得到更高的暴雨预报评分。

     

T639和德国模式对新疆地区大降水预报的检验

对T639和德国数值预报模式(简称德国模式)的降水预报产品进行了分类检验,挑选新疆2011年6场大降水过程分别进行晴雨、大雨(雪)、暴雨(雪)对比分析,了解了降水模式产品误差并为业务中选择较好的预报产品提供了依据。结果表明:两种模式对预报过程降水落区和强降水中心都有较好的指示意义,在过程累计降水预报中,德国模式的晴雨预报准确率为80.49%,高于T639模式;大雨(雪)预报的准确率两种模式接近,大约为44%;T639模式暴雨预报的准确率为29.07%,明显高于德国模式。在逐24 h降水预报中,两种模式都以48～72 h的预报准确率为最高。     

GRAPES_MESO模式预报降水相态诊断及应用研究

当地面气温在0℃附近时,降水相态通常比较复杂,降水相态预报一直是天气预报的难点之一。本文根据降水粒子在下落过程中的热力结构,利用BTC算法、修订的BTC算法、Ramer算法、Bourgouin算法4种计算方案,通过GRAPES_MESO中尺度模式提供所需参数,对落到地面的降水相态进行诊断,诊断的降水相态包括雨、雪、冻雨和冰粒4种,然后利用集成方法获得大概率且破坏程度大的降水相态预报产品。基于2个冬季降水个例,研究发现4种计算方案都能较合理地得到雨雪分界线,以及降雨、降雪落区范围。其中,修订后的BTC算法可以修正原始BTC算法对降雪的诊断偏差,并且预测的冰粒比原始冰粒更少。Ramer算法会比其他几种算法获得更多的冻雨事件,而Bourgouin算法最接近合成算法的结果。对于不确定性较大的中间态的冻雨和冰粒预报,鉴于其高影响特性,方案倾向于过高估计冻雨和冰粒的预报落区。集成的最终降水相态产品反映其发生的概率大或影响程度大,能为防灾减灾提供有效的警示信息。     

2009年6—8月T639、ECMWF及日本数值模式中期预报性能检验

每年的6-8月是我国主汛期,这个季节高温干旱、暴雨洪涝等气象灾害最为严重.为更好地了解业务主流模式的预报性能,以提高汛期气象服务能力,对2009年6-8月T639、 ECMWF(以下简称EC)及JAPAN(以下简称JP)数值模式的预报产品进行了对比分析和检验.结果表明, 各家模式对亚洲中高纬度大尺度环流的演变和调整都有较好的预报能力,但均表现出指数值预报偏高的误差;对夏季副高和850hPa气温,T639有一定的中期预报能力,但与EC和JP模式相比,误差偏大,并存在一定的系统性偏差;T639对莫拉克台风的生成预报较好,台风移动和登陆的预报与实况相比有较大误差.     

Verification of the Weather Research and Forecasting Model when Forecasting Daily Surface Conditions in Southern Alberta

The Weather Research and Forecasting (WRF) model was compared with daily surface observations to verify the accuracy of the WRF model in forecasting surface temperature, pressure, precipitation, wind speed, and direction. Daily forecasts for the following two days were produced at nine locations across southern Alberta, Canada. Model output was verified using station observations to determine the differences in forecast accuracy for each season.

Although there were seasonal differences in the WRF model, the summer season forecasts generally had the greatest accuracy, determined by the lowest root mean square errors, whereas the winter season forecasts were the least accurate. The WRF model generally produced skillful forecasts throughout the year although with a smaller diurnal temperature range than observed. The WRF model forecast the prevailing wind direction more accurately than other directions, but it tended to slightly overestimate precipitation amounts. A sensitivity analysis consisting of three microphysics schemes showed relatively minor differences between simulated precipitation as well as 2?m surface temperatures.