以2022年9月影响东北地区的台风“梅花”残余系统降水为例,采用SAL(structure amplitude and location)空间检验方法对5种中国气象局数值业务模式(CMA模式)降水最强日(2022年9月16日08时至17日08时,热带低压)累计24 h降水预报进行空间...以2022年9月影响东北地区的台风“梅花”残余系统降水为例,采用SAL(structure amplitude and location)空间检验方法对5种中国气象局数值业务模式(CMA模式)降水最强日(2022年9月16日08时至17日08时,热带低压)累计24 h降水预报进行空间检验、偏差成因及预报调整分析。结果表明:此次过程中各模式在降水位置方面预报均较好,CMA-GFS在降水结构分布、强度方面预报表现最佳,除CMA-BJ外其他模式对于降水极值预测均偏小。CMA-GFS预报效果最佳的原因是其对于台风变性、850 hPa低空急流及暖式切变线位置、强度以及移速预报更准确,CMA-TYM预报较差主要是未能预报出台风变性,对切变线预报速度过快而导致暴雨落区偏大。CMA-GFS随着预报时效的临近,预报效果越来越好,优势主要体现在临近时效内,但在长时效预报中几乎无预报能力,CMA-TYM虽然在临近时段结构与强度预报效果较差,但在长预报时效是最早指示出强降水大致落区与量级的模式。展开更多
为了评估改进的动力统计相似集合预报登陆台风降水模型(Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation,DSAEF_LTP)在2023年第5号超强台风“杜苏芮”影响福建地区的表现,对其预报的台风...为了评估改进的动力统计相似集合预报登陆台风降水模型(Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation,DSAEF_LTP)在2023年第5号超强台风“杜苏芮”影响福建地区的表现,对其预报的台风过程降水量进行常规检验和空间检验,并与欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)数值预报降水产品(以下简记为“ECMWF”)、福建省气象局最优TS(threat score)评分订正法(optimal TS,OTS)订正降水产品(以下简记为“FZECMOS”)结果进行对比。分析表明:(1)DSAEF_LTP模型对福建沿海强降水落区和东北部强降水中心的预报接近实况,100 mm及以上和250 mm及以上等极端降水量TS评分比ECMWF和FZECMOS提升明显,但DSAEF_LTP模型存在特大暴雨预报范围显著偏小等缺点。(2)在100 mm及以上和250 mm及以上量级,MODE(Method for Object-based Diagnostic Evaluation)空间检验显示,DSAEF_LTP模型在整体相似度上明显优于ECMWF和FZECMOS,尤其在对孤立小区域强降水的预报性能方面表现出色。(3)随着降水检验量级的增加,DSAEF_LTP模型预报产品与实况重叠面积之比也增大,表明DSAEF_LTP模型在极端降水方面的预报效果更加突出。(4)DSAEF_LTP模型还能够根据最新的相似路径实况和预报,调整筛选历史相似台风,合理保留相似台风及其降水分布,使得集合预报效果得以改善。展开更多
文摘为了评估改进的动力统计相似集合预报登陆台风降水模型(Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation,DSAEF_LTP)在2023年第5号超强台风“杜苏芮”影响福建地区的表现,对其预报的台风过程降水量进行常规检验和空间检验,并与欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)数值预报降水产品(以下简记为“ECMWF”)、福建省气象局最优TS(threat score)评分订正法(optimal TS,OTS)订正降水产品(以下简记为“FZECMOS”)结果进行对比。分析表明:(1)DSAEF_LTP模型对福建沿海强降水落区和东北部强降水中心的预报接近实况,100 mm及以上和250 mm及以上等极端降水量TS评分比ECMWF和FZECMOS提升明显,但DSAEF_LTP模型存在特大暴雨预报范围显著偏小等缺点。(2)在100 mm及以上和250 mm及以上量级,MODE(Method for Object-based Diagnostic Evaluation)空间检验显示,DSAEF_LTP模型在整体相似度上明显优于ECMWF和FZECMOS,尤其在对孤立小区域强降水的预报性能方面表现出色。(3)随着降水检验量级的增加,DSAEF_LTP模型预报产品与实况重叠面积之比也增大,表明DSAEF_LTP模型在极端降水方面的预报效果更加突出。(4)DSAEF_LTP模型还能够根据最新的相似路径实况和预报,调整筛选历史相似台风,合理保留相似台风及其降水分布,使得集合预报效果得以改善。
文摘对一种降水预报跨量级通用综合评价方法(precipitation accuracy score,PAS)进行了邻域法改进。改进方案通过预报与观测资料匹配技术,采用距离权重评分统计方法,旨在减轻双重惩罚问题,同时确保评分系统能合理表征位置预报的准确性。研究应用邻域PAS方法,基于2021年汛期中国气象局智能网格实况产品,对江苏本地精细化天气分析预报系统进行整体和典型个例检验,同时引入均方根误差(root mean square error,RMSE)、结构相似性(structural similarity,SSIM)、峰值信噪比(peak signal-to-noise ratio,PSNR)、概率空间中的稳定公平误差(stable equitable error in probability space,SEEPS)等跨量级检验指标进行了对比。结果表明,邻域PAS方法显著回避了原方法在位置预报上的双重惩罚问题,更符合预报人员的主观预期和预报应用服务的要求,具有明显优势。邻域PAS评分、PAS评分与现有多个跨量级指标均表现出良好的相关性,多方验证了方法的有效性。同时,相较于RMSE,该方法更有效地平衡了对不同量级降水的敏感性;而与SSIM和PSNR相比,则展现了更强的可解释性,多个个例显示评分结果更符合预报员的认知。邻域PAS方法相比于SEEPS技巧评分保留了对大量级降水的检验分辨能力,同时减轻了PAS方法检验大量级降水产生的严重双重惩罚,一定程度平衡了大量级降水检验的两难问题。
