分别从“点对点”雨量检验和降水空间结构特征检验两方面对多个数值模式东亚夏季中短期逐日降水集合预报进行评估,结果表明不同模式对降水的不同方面存在不一样的预报能力。借助基于对象的诊断评估方法(method for object-based diagnos...分别从“点对点”雨量检验和降水空间结构特征检验两方面对多个数值模式东亚夏季中短期逐日降水集合预报进行评估,结果表明不同模式对降水的不同方面存在不一样的预报能力。借助基于对象的诊断评估方法(method for object-based diagnostic evaluation,简称MODE)提出了基于降水对象的超级集合(Object-based Superensemble,简称OBJSUP)模型,采用观测场和预报场中降水对象空间结构的相似度来分配各个成员模式的权重,有别于利用传统“点对点”误差分析来计算权重的超级集合(Gridpoint-based Superensemble,简称GPSUP)。相比于最优单模式,两种多模式集成预报均有效地提高了中短期降水预报技巧,且OBJSUP模型整体优于GPSUP模型,主要原因在于OBJSUP模型可以较好地改进降水对象的质心位置预报。为进一步检验多模式集成模型对强降水空间结构特征的预报能力,针对2018年夏季广东一次极端强降水事件,多模式集成预报与高分辨率区域模式动力降尺度预报对比表明,多模式集成对强降水的预报不足,但对广东省逐日大雨量级降水和过程累积降水量空间分布预报较好。高分辨率区域模式对此个例中粤东地区发生的强降水具有一定的预报能力,但对广东省其他地区降水量预报偏弱。展开更多
概率预报是由集合预报衍生、包含不确定性信息的客观产品,对业务决策服务有重要的参考价值。传统的邻域集合概率法中,邻域半径固定不变,不符合实际天气过程中牵涉甚广的尺度谱。为此引入基于集合匹配尺度的邻域集合概率法(Neighborhood ...概率预报是由集合预报衍生、包含不确定性信息的客观产品,对业务决策服务有重要的参考价值。传统的邻域集合概率法中,邻域半径固定不变,不符合实际天气过程中牵涉甚广的尺度谱。为此引入基于集合匹配尺度的邻域集合概率法(Neighborhood Ensemble Probability based on Ensemble Agreement Scale,EAS_NEP),并在中国南方典型的梅雨锋暴雨中开展准确性和预报技巧的定量检验评估,以期验证该方法在此类过程中的适用性,并促进其在实际业务中的推广使用。联合扰动初始场、侧边界和物理过程所得到的集合预报能较好地表征实际的预报不确定性,进一步在此基础上比较了格点概率法、不同半径的邻域集合概率法以及EAS_NEP的优劣。试验结果表明,EAS_NEP能根据集合成员间的一致性程度,自适应地调整邻域半径,其在集中型降水中所确定的邻域半径通常大于分散型降水。动态调整的邻域半径既避免了半径过大时的过度平滑与关键信息丢失,又消除了半径较小所带来的奇异点,其空间分布呈阶梯型,空间连续性更优。此外,BS(布莱尔评分)、FSS(分数技巧评分)和ROC曲线(相对作用特征曲线)等定量评估结果也体现出EAS_NEP相比传统方法正的预报技巧,尤其是在分散型降水和高阈值检验时优势更明显。以上结果表明,EAS_NEP在梅雨锋暴雨的预报中具有较好的应用前景,运用在业务中能有效提升概率预报质量。展开更多
针对2007年6月—9月全球集合预报系统(THORPEX Interactive Grand Global Ensemble,TIGGE)多模式中的欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)、美国国家环境预报中心(National Centers for En...针对2007年6月—9月全球集合预报系统(THORPEX Interactive Grand Global Ensemble,TIGGE)多模式中的欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)、美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)、英国气象局(United Kingdom Meteorological Office,UKMO)及日本气象厅(Japan Meteorological Agency,JMA)这4个集合预报模式产品资料,对东亚地区地面2 m气温进行了贝叶斯模式平均(Bayesian model averaging,BMA)方法的概率预报研究,并与简单集合平均(ensemble mean,EMN)方法的概率预报进行对比,最终采用(continuous ranked probability score,CRPS)评分与均方根误差(root of mean square error,RMSE)评估BMA方法在概率预报和确定性预报方面的预报效果。研究表明,BMA方法可有效将单一的确定性预报向连续概率预报转化,并全面准确地描述大气的多种可能运动状态,同时提供概率预报和确定性预报。BMA方法在量化不确定性信息方面优于EMN方法,在一定程度上减小了预报的不确定性。就确定性预报效果而言,BMA方法的预报效果优于所有的单模式预报以及EMN方法,但会受到训练期长度和选取模式性能优劣的影响,其预报效果也会发生改变。展开更多
文摘概率预报是由集合预报衍生、包含不确定性信息的客观产品,对业务决策服务有重要的参考价值。传统的邻域集合概率法中,邻域半径固定不变,不符合实际天气过程中牵涉甚广的尺度谱。为此引入基于集合匹配尺度的邻域集合概率法(Neighborhood Ensemble Probability based on Ensemble Agreement Scale,EAS_NEP),并在中国南方典型的梅雨锋暴雨中开展准确性和预报技巧的定量检验评估,以期验证该方法在此类过程中的适用性,并促进其在实际业务中的推广使用。联合扰动初始场、侧边界和物理过程所得到的集合预报能较好地表征实际的预报不确定性,进一步在此基础上比较了格点概率法、不同半径的邻域集合概率法以及EAS_NEP的优劣。试验结果表明,EAS_NEP能根据集合成员间的一致性程度,自适应地调整邻域半径,其在集中型降水中所确定的邻域半径通常大于分散型降水。动态调整的邻域半径既避免了半径过大时的过度平滑与关键信息丢失,又消除了半径较小所带来的奇异点,其空间分布呈阶梯型,空间连续性更优。此外,BS(布莱尔评分)、FSS(分数技巧评分)和ROC曲线(相对作用特征曲线)等定量评估结果也体现出EAS_NEP相比传统方法正的预报技巧,尤其是在分散型降水和高阈值检验时优势更明显。以上结果表明,EAS_NEP在梅雨锋暴雨的预报中具有较好的应用前景,运用在业务中能有效提升概率预报质量。
文摘针对2007年6月—9月全球集合预报系统(THORPEX Interactive Grand Global Ensemble,TIGGE)多模式中的欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)、美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)、英国气象局(United Kingdom Meteorological Office,UKMO)及日本气象厅(Japan Meteorological Agency,JMA)这4个集合预报模式产品资料,对东亚地区地面2 m气温进行了贝叶斯模式平均(Bayesian model averaging,BMA)方法的概率预报研究,并与简单集合平均(ensemble mean,EMN)方法的概率预报进行对比,最终采用(continuous ranked probability score,CRPS)评分与均方根误差(root of mean square error,RMSE)评估BMA方法在概率预报和确定性预报方面的预报效果。研究表明,BMA方法可有效将单一的确定性预报向连续概率预报转化,并全面准确地描述大气的多种可能运动状态,同时提供概率预报和确定性预报。BMA方法在量化不确定性信息方面优于EMN方法,在一定程度上减小了预报的不确定性。就确定性预报效果而言,BMA方法的预报效果优于所有的单模式预报以及EMN方法,但会受到训练期长度和选取模式性能优劣的影响,其预报效果也会发生改变。
