为评估Pangu气象大模型对极端暴雨的预报能力,以2021年郑州“7·20”极端暴雨事件为对象,基于ERA5再分析数据,在2021年7月10—20日时段内,对比Pangu、欧洲中期天气预报中心综合预报系统(ECMWF IFS)和GraphCast三类模型的预报性能,...为评估Pangu气象大模型对极端暴雨的预报能力,以2021年郑州“7·20”极端暴雨事件为对象,基于ERA5再分析数据,在2021年7月10—20日时段内,对比Pangu、欧洲中期天气预报中心综合预报系统(ECMWF IFS)和GraphCast三类模型的预报性能,定量分析覆盖东亚区域(10°N~60°N、80°E~140°E),定性评估聚焦郑州区域(34°N~35°N、112°E~114°E),重点考察500、700和850 h Pa层的位势高度、温度与风场。结果表明:Pangu模型在位势高度与风场预测上优势显著,500 h Pa高度场均方根误差(RMSE)较ECMWF IFS降低18.6%、较GraphCast降低9.2%,能精准捕捉大气动力系统演变;ECMWF IFS温度预报稳定性较好;Graph Cast在多数要素上存在明显偏差。综上,Pangu模型在此次极端暴雨事件中展现出最优的综合预报性能。展开更多
未来日极值气温变化预估是评估气候风险、制定减排策略与适应方案的核心依据,可信的未来预估结果非常重要。选取西伯利亚地区海平面气压和印度洋海表温度作为约束因子,采用涌现约束法与帕累托最优集合方案,对CMIP6(Coupled Model Interc...未来日极值气温变化预估是评估气候风险、制定减排策略与适应方案的核心依据,可信的未来预估结果非常重要。选取西伯利亚地区海平面气压和印度洋海表温度作为约束因子,采用涌现约束法与帕累托最优集合方案,对CMIP6(Coupled Model Intercomparison Project Phase 6)多气候模式未来预估结果进行订正,以期研究在全球2℃温控情景下,碳达峰后的21世纪中期中国日极值气温的未来变化情况。结果表明:两种方法均能有效降低多模式未来预估结果间的不确定性,其中基于三变量因子的帕累托最优集合方案订正效果最显著。三变量帕累托最优集合方案订正后,中国日最高(最低)气温未来预估的不确定性范围降为1.26~2.10℃(1.12~2.06℃),较订正前降低约36.8%(32.9%),中国大部分地区日极值气温预估变化的信噪比提升明显,21世纪中期,我国日最高气温大部分地区升温低于2℃,仅在西南东部和华东北部地区升温超过2℃,日最低气温全国不超过2℃。展开更多
针对全球数值模式在复杂地形区域强降水落区和强度预报上存在的短板,本研究选取了区域模式降水预报地形订正法,通过消空和海拔高度重置等试验,应用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF,简称...针对全球数值模式在复杂地形区域强降水落区和强度预报上存在的短板,本研究选取了区域模式降水预报地形订正法,通过消空和海拔高度重置等试验,应用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF,简称EC)模式的地形数据及每日08:00(北京时)起报的逐3 h风、降水量及相对湿度等气象要素,定量估算地形作用所导致的降水增减量,形成改善后的全球模式降水预报地形订正法。为验证该方法的有效性,对2021—2022年汛期(6—8月)川西高原东坡过渡带的降水预报进行了订正,并开展了逐日降水检验评估和31次强降水检验评估。结果表明,经过地形订正后的各量级降水TS(threat score)评分较EC模式预报均有显著提升31次强降水检验评估中,大雨、暴雨和大暴雨量级的评分分别提高了11%、126%和267%。同时,预报的命中率也得到显著提高,大雨、暴雨和大暴雨的命中率分别达到了45.5%、20%和8%,而漏报率分别减少至54.5%、80%和92%。此外,大雨、大暴雨的空报率也分别降低至50.5%和84.5%。偏差评分值更接近于1,进一步证明了该地形订正方法的有效性。展开更多
文摘为评估Pangu气象大模型对极端暴雨的预报能力,以2021年郑州“7·20”极端暴雨事件为对象,基于ERA5再分析数据,在2021年7月10—20日时段内,对比Pangu、欧洲中期天气预报中心综合预报系统(ECMWF IFS)和GraphCast三类模型的预报性能,定量分析覆盖东亚区域(10°N~60°N、80°E~140°E),定性评估聚焦郑州区域(34°N~35°N、112°E~114°E),重点考察500、700和850 h Pa层的位势高度、温度与风场。结果表明:Pangu模型在位势高度与风场预测上优势显著,500 h Pa高度场均方根误差(RMSE)较ECMWF IFS降低18.6%、较GraphCast降低9.2%,能精准捕捉大气动力系统演变;ECMWF IFS温度预报稳定性较好;Graph Cast在多数要素上存在明显偏差。综上,Pangu模型在此次极端暴雨事件中展现出最优的综合预报性能。
文摘针对全球数值模式在复杂地形区域强降水落区和强度预报上存在的短板,本研究选取了区域模式降水预报地形订正法,通过消空和海拔高度重置等试验,应用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF,简称EC)模式的地形数据及每日08:00(北京时)起报的逐3 h风、降水量及相对湿度等气象要素,定量估算地形作用所导致的降水增减量,形成改善后的全球模式降水预报地形订正法。为验证该方法的有效性,对2021—2022年汛期(6—8月)川西高原东坡过渡带的降水预报进行了订正,并开展了逐日降水检验评估和31次强降水检验评估。结果表明,经过地形订正后的各量级降水TS(threat score)评分较EC模式预报均有显著提升31次强降水检验评估中,大雨、暴雨和大暴雨量级的评分分别提高了11%、126%和267%。同时,预报的命中率也得到显著提高,大雨、暴雨和大暴雨的命中率分别达到了45.5%、20%和8%,而漏报率分别减少至54.5%、80%和92%。此外,大雨、大暴雨的空报率也分别降低至50.5%和84.5%。偏差评分值更接近于1,进一步证明了该地形订正方法的有效性。
文摘针对2023年第6号台风“卡努”影响辽宁及周边地区产生的强降水,采用TS评分(threat score)检验法和多种空间检验法,检验分析CMA_MESO、CMA_GFS和EC_IFS模式的日降水24 h、48 h和72 h预报在强度、落区形态结构和位置3方面的偏差特征。(1)TS评分检验表明,CMA_MESO、CMA_GFS和EC_IFS模式在24 h预报时效下对大雨以下量级预报的TS评分分别为0.64、0.66和0.69,随着降水阈值的增大,TS评分值降低至0.4左右。EC_IFS的TS评分最好,CMA_MESO空报率最大。(2)SAL(structure,amplitude and location)空间检验表明,3个数值模式降水整体位置预报基本一致,但降水强度预报均偏弱,EC_IFS的预报落区结构预报与实况最相似,但对暴雨以上量级范围较实况偏大。(3)MODE(method for object based diagnostic evaluation)属性综合相似度评分表明,CMA_GFS模式对于此次台风降水预报不稳定;CMA_MESO模式预报稳定,但对于暴雨量级预报效果不理想;EC_IFS模式24 h预报时效下的相似度评分最高,对于此次台风降水预报可靠性最高。空间检验法相比传统TS评分,能更精准定位模式在暴雨量级上的结构偏差,并量化雨带位置偏移。在实际业务工作中,应根据不同需求选择不同的检验方式,同时也可将不同的检验方法相结合,从不同角度分析数值模式的预报性能,有助于提高相似台风降水预报的模式适用性。
