定量降雨模式预报精度比较及评定指标

合集下载

降雨量预报方法的评价

降雨量预报方法的评价1. 摘要本论文就评价两种降雨量预报方法的优劣建立了相应的数学模型，并且用气象部门提供的真实数据对两种预报方法进行了比较。

论文先建立了“最邻近点插值法”降雨量的预报模型，接着又建立了“反距离加权平均法”的算法模型，给出了各网点的雨量预报值。

另外，我们用满意度函数（见附录）用来算出公众的满意程度。

根据公众的满意度看出那一种方法更加适宜公众需求。

相对误差计算公式：00||f rR R E R -=；准确率计算公式：s RT M=；反距离加权平均： r k =2. 关键字最邻近点插值法；反距离加权平均法；满意度函数；降雨量3.问题重述雨量预报对农业生产和城市工作和生活有重要作用，但准确，及时地对雨量做出预报是一个十分困难的问题，广受世界各国关注。

我国某地气象台和气象研究所正在研究6小时雨量预报方法，即每天晚上20点预报从21点开始的4个时段在某些位置的雨量，这些位置都位于东经120度、北纬32度附近的53×47的等距网格点上。

同时设立91个观测站点实测这些时段的实际雨量，但由于各种条件的限制，所以站点的设置是不均匀的。

气象部门提供了41天的用两种不同方法的预报数据和相应的实测数据。

希望由此建立一种科学评价预报方法好坏的数学模型与方法，多两种预测方法进行评价。

其中雨量用毫米为单位，注意：小于0.1毫米被认为无雨。

（1）请建立数学模型来评价两种6小时雨量预报方法的准确性；（2）气象部门将6小时降雨量分为6等：0.1—2.5毫米为小雨，2.6—6毫米为中雨，6.1—12毫米为大雨，12.1—25毫米为暴雨，25.1—60毫米为大暴雨，大于60.1毫米为特大暴雨。

若按此分级向公众预报，如何在评价方法中考虑公众的感受？4.模型假设（1）假设所有预报数据和实测数据及预报点和观测站的经纬度坐标值均有效，不考虑人为因素造成的无效数据。

（2）当两地距离大于某给定值d>0时，两地之间降雨量没有必然联系。

3种数值模式对云南地区雨季降水预报的检验

3种数值模式对云南地区雨季降水预报的检验赵宁坤;万石云;杞明辉【摘要】为了了解数值模式降水预报在云南地区的预报效果和误差特点，利用T639、德国和日本模式对2010—2013年云南地区雨季（5—10月）的24—72 h 降水预报进行了检验和分析。

结果表明：日本模式对云南地区雨季小雨和中雨具有较好的预报能力，T639模式对大雨和暴雨的预报效果明显优于德国和日本模式。

T639和日本模式对6—8月降水预报的 TS 评分高于其他月份，而德国模式对10月中雨及以上量级降水预报的 TS 评分明显高于其他月份和其他两种模式。

日本模式能准确预报出较强雨带的位置且降水量较接近实况，但对降水中心位置的预报偏西；T639模式能较好的预报降水中心，但预报的降水量偏大；德国模式对云南西部地区降水预报偏大，对东部地区降水预报偏小。

日本模式对台风低压影响的降水预报效果较好，而德国模式对两高辐合系统影响的大雨和暴雨预报效果较好；对冷锋切变造成的中雨及以上量级降水，T639模式的24 h 和48 h 预报更具有参考价值。

%In order to understand the precipitation forecasting performanceand error characteristics of three models, namely a T639 model,a Germany model and a Japan model in Yunnan province,24-72 hours precipitation forecast during rainy season (May to October)from 2010 to 2013 was verified and analyzed.The results show that there is a good forecasting capability to light rain and moderate rain for the Japan model.The predicting effect of T639 model is better than that of Germany and Japan models for heavy rain and rainstorm.TS scores of the T639 and Ja-pan models in June,July and August are higher than those in othermonths,while those of Germany model for moderate rain to rainstorm inOctober are higher than those in other months and of other models.The Japan model can correctly forecast the position of main rain belt and its predicted precipitation is close to observation,but its predicted precipitation centers are more westward.Although the T639 model could forecast centers of precipitation well,its predicted rainfall amount is greater than observation.Precipitation forecasted by the Germany model is greater than observation in the west region and less than observation in the east region of Yunnan province.The Ja-pan model shows better performance for typhoon depression than the T639 and Germany models,while the Germa-ny model has a better performance for heavy rain and rainstorm influenced by two high-pressure convergences.The 24-hour and 48-hour T639 prediction could provide references for moderate and heavy rain caused by cold front shear.【期刊名称】《气象与环境学报》【年(卷),期】2015(000)005【总页数】6页(P39-44)【关键词】数值模式;降水预报;检验;TS 评分【作者】赵宁坤;万石云;杞明辉【作者单位】云南省气象台，云南昆明 650034;云南省气象台，云南昆明650034;云南省气象台，云南昆明 650034【正文语种】中文【中图分类】P459.9随着数值预报理论的不断发展和完善及超级计算机性能的持续提高，数值天气预报的水平和可用性大幅度提升。

雨量点降雨及雨强分析评价报告

雨量点降雨及雨强分析评价报告地表水资源量又称河川径流量。

降水时地表水和地下水资源量的主要补给来源。

一个区域的水资源量，主要取决于降水量的大小及其时空分布特征，一般采用观测站资料进行分析评价。

一、观测站和资料的选用（1）选用的雨量观测站要求资料质量完好、系列较长、面上分布较均匀。

在降水变化梯度大的地区，选用观测站要适当加密。

（2）采用的降水资料应为经过整编的审查的成果。

（3）计算分区降雨量的分析其时空分布特征，要采用同步资料系列，而分析降水量的时间变化规律，则要采用尽可能长的资料系列。

（4）资料系列长度的选定，既要考虑评价区内大多数观测站的观测年数，避免过多的插补延长，又要兼顾系列的代表性和一致性，并做好降水系列与径流系列同步。

（5）选定的资料系列，如果有缺测和不足的年、月降水量，要根据具体情况采用不同方法插补延长。

二、降水量评价内容(1) 同步系列代表性分析。

选用设站较早、观测年代长、资料质量好的长系列雨量观测站，从现状年逐步向前推选不同的系列段，计算统计参数，与长系列统计参数对比，分析讨论系列的代表性。

（2）对选用的同步系列，计算各分区及全评价区的年降水量系列，统计参数（均值、Cv 、Cs/Cv）与不同频率的年降水量（丰水年P=20％、平水年P=50％、偏枯年P=75％、枯水年P=95％）（3）以同步期均值点据为主，不足时辅以较短系列的均值点据，绘制同步期多年平均年降水量等值线图和Cv 等值线图、Cs/Cv分区图，分析降水的地区分布特征。

（4）选取各分区年、月资料齐全且资料系列较长的代表站，分析计算多年平均连续最大4个月降水量占全年降水量的百分率及其发生月份，绘制全县多年平均连续最大4个月降水量占全年降水量的百分率图。

计算各分区代表站不同频率典型年的月降水量占年降水量的百分率。

（5）选择长系列观测站，分析降水量的年际变化，包括丰枯周期，连丰连枯，变差系数，极致比等。

三、资料的查补与延长为了减少样本的抽样误差，提高统计参数的精度，当单站资料组成计算系列有缺测月或年降水量情况时，要进行资料的插补延长，但延展资料的年数不宜过长，最多不超过实测年数，相关曲线外延部分一般不超过实测点距变幅的30％。

ECMWF高分辨率模式降水预报能力评估与误差分析

ECMWF高分辨率模式降水预报能力评估与误差分析曹越;赵琳娜;巩远发;许东蓓;高迎娟【摘要】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2400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,EC-MWF-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.【期刊名称】《暴雨灾害》【年(卷),期】2019(038)003【总页数】10页(P249-258)【关键词】ECMWF高分辨率模式;降水预报;误差分析;集中度;R指数【作者】曹越;赵琳娜;巩远发;许东蓓;高迎娟【作者单位】成都信息工程大学高原大气与环境四川省重点实验室,成都610225;中国气象科学研究院,北京100081;中国气象科学研究院,北京100081;成都信息工程大学高原大气与环境四川省重点实验室,成都610225;成都信息工程大学高原大气与环境四川省重点实验室,成都610225;成都信息工程大学高原大气与环境四川省重点实验室,成都610225;吉林省通化市气象局,通化134001【正文语种】中文【中图分类】P456.7引言数值天气预报是用一组流体力学和热力学方程组，根据一定初始条件和边界条件，积分求解未来一定时段大气运动状态的方法。

雨量预报方法的评价模型

雨量预报方法的评价摘要雨量预报对农业生产和城市工作和生活有重要作用，但准确、及时地对雨量做出预报是一个很困难的问题，广受世界各国关注。

我国某地气象台和气象研究所正在研究6小时雨量预报方法，由于受到学科发展水平的限制，目前国内外降雨数值预报水平还不高.为了使预报方法更为准确，使天气预报更好的服务于公众生活，我们用数学模型来分析研究这一问题.文中我们建立了比较两种预测降雨量方法优劣的数学模型.即根据2491个网格点的纬度、经度和降水量的预测值，采用二维插值的方式，分别对91个观测站点的降雨量进行预测，利用Matlab 软件中的griddata 函数：ij r =griddata ),,1,1,1(y x z y x ij m =griddata ),,2,1,1(y x z y x然后将其与实测值对比，求出预测值与实际值之间的误差，利用Matlab 软件中的矩阵范数函数normN1=PA -2=norm(P A -)=405.3782，N2=2P B -=norm(P B -)=416.1976根据范数的含义,所得范数越小，即误差越小.因为有N1<N2，故可得出结论：第一种方法比第二种方法预测雨量的准确性更高.为了解决如何在评价方法中考虑公众的感受的问题，我们将第一题中通过二维插值得到的91个气象站41天的预测值用分级形式输出，即无雨、小雨、中雨、大雨、暴雨、大暴雨、特大暴雨.将两种方法输出的雨量预报情况与实际降雨量情况进行比较，111P A H -= 112P B H -=统计出每种方法准确预报、空报、漏报的次数，误报次数越少的，对应的方法准确性应越高，公众对其可信度越高.程序运算结果得到：预测值等于实测值代表观测站点预报准确，预测值大于实测值代表观测站点空报的次数或对天气状况预测过于恶劣，预测值小于实测值代表观测站点漏报的次数或对天气恶劣状况估计不足.得到两种预测方法的准确率分别为80.7625%，79.8780%.可见运用第一种方法时，误报的次数较少，准确率较高，故第一种方法较好. 为了使雨量预报方法准确性更高，适用范围更广，我们给出了改进建议.一、问题重述雨量预报对农业生产和城市工作和生活有重要作用，但准确、及时地对雨量做出预报是一个很困难的问题，广受世界各国关注.我国某地气象台和气象研究所正在研究6小时雨量预报方法，即每天晚上20点预报从21点开始的4个时段（21点至次日3点，次日3点至9点，9点至15点，15点至21点）在某些位置的雨量，这些位置位于东经120度、北纬32度附近的53×47的等距网格点上.同时设立91个观测站点实测这些时段的实际雨量，由于各种条件的限制，站点的设置是不均匀的.气象部门希望建立一种科学评价预报方法好坏的数学模型与方法.气象部门提供了41天的用两种不同方法的预报数据和相应的实测数据.雨量用毫米做单位，小于0.1毫米视为无雨.(1)请建立数学模型来评价两种6小时雨量预报方法的准确性；(2)气象部门将6小时降雨量分为6等：0.1-2.5毫米为小雨，2.6-6毫米为中雨，6.1-12毫米为大雨，12.1-25毫米为暴雨，25.1-60毫米为大暴雨，大于60.1毫米为特大暴雨.若按此分级向公众预报，如何在评价方法中考虑公众的感受？二、模型假设1.天气变化状况是局部连续的.2.各个观测站点设备及测量水平相同，不存在技术上的误差.三、符号约定1x——网格点的纬度构成的矩阵1y——网格点的经度构成的矩阵1z——采用第一种预测方法时，网格点处的降雨量预测值2z——采用第二种预测方法时，网格点处的降雨量预测值r——按照第一种预测方法，第i天，第j个时段的预测结果,是一个91维的列向量.ij(i=1,2……,41;j=1,2,3,4)m——按照第二种预测方法，第i天，第j个时段的预测结果，是一个91维的列向量.ij(i=1,2……,41;j=1,2,3,4)p——第l个气象站点在第j个时段降雨量的实测值lj(l=1,2……,91;j=1,2,3,4)四、模型的建立与求解1.两种预测方法的优劣比较衡量一种降水量预测方法的优劣，依据就是由这种方法预报的天气状况能够准确的反映实际的天气变化.因此我们可以这样建立模型：将题目中给出的预测和实测两种数据导入Matlab 软件.lat ，lon 数据导入后作为两个矩阵的形式，代表网格点的相应位置；其余数据为相应网格点处降雨量的预测值.根据上述对应关系，我们可以对已经给出的预测值采用二维插值的方式，找出它们之间的关系:),(y x f z =,分别对91个观测站点的降雨量进行预测，然后将预测值与实测值对比；利用矩阵范数，得到预测值与实际值之间的误差，将这两个误差相比，误差小的，相应的预测方法就比较准确.算法步骤：以2002年6月18日第一时段为例. 第一步，题目中给出了两种不同的预报方法，按照这两种不同方法，对已知网格点的预测值进行二维插值，得到91个观测站点在这天的4个时段中的降雨量预测值.网格点及对应降雨量关系为纬度经度预测值实测值lat lon f6181_dis1 020618.six 的第四列----------第一种预测方法 lat lon f6181_dis2 020618.six 的第四列----------第二种预测方法取矩阵lat x =1，矩阵lon y =1，矩阵1z =f6181_dis1,观测站点的纬度为x ，经度为y ，各观测点的降雨量预测值z 与纬度、经度存在如下函数关系：),(y x f z = 利用Matlab 二维插值函数griddata ，即得观测站点降雨量预测值：11r =griddata ),,1,1,1(y x z y x11r 表示在第一天的第一时段，利用第一种预测方法，通过二维插值得到的91个观测站点降雨量的预测值.同理令lat x =1，lon y =1，2z =f6181_dis2，气象站的纬度为x ，经度为y ，得：11m =griddata ),,2,1,1(y x z y x11m 表示在第一天的第一时段，利用第二种预测方法，通过二维插值得到的91个观测站点降雨量的预测值.具体程序见程序附页. 将该过程用表格表示如表1下：表1将各观测站点降雨量的观测值与实测值进行比较，然后通过它们的误差来判别两种方法的优劣.同理，利用相同的方法可以得到91个站点在41天中4个时段的预测值（共414⨯个91维列向量），即11r ，12r ，13r ，14r ，21r …………411r ，412r ，413r ，414r （用第一种预测方法） 11m ，12m ，13m ，14m ，21m …………411m ，412m413m ，414m （用第二种预测方法）第二步，观测站点降雨量的预测值与实测值的比较.按照时段的不同，将上述插值结果写为一个4)4191(⨯⨯的矩阵，其中行数表示天数，列数表示四个不同时间段,即⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,413,412,411,412423222114131211r r r r r r r r r r r r A , ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,413,412,411,412423222114131211m m m m m m m m m m m m B将6月18日的实测数据中的4个时段观测值写为以下矩阵：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,913,912,911,9124232221141312111p p p p p p p p p p p p P 按照同样的方式，则41天的全部实测数据写为：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯=4121P P P P ，P 为4)4191(⨯⨯的矩阵求两种方法的预测值与实测值之间的矩阵范数P A -2和2P B -，即预测值与实测值之间的误差.利用Matlab 软件中的矩阵范数函数norm 求其2-范数:第一种预测方法的2-范数：N1=norm(P A -) 第二种预测方法的2-范数：N2=norm(P B -) 运算后得到：N1=405.3782N2=416.1976范数越小，即误差越小.因为有N1<N2，故可得出结论：第一种方法比第二种方法预测雨量的准确性更高. 2．在评价方法中考虑公众的感受气象因素在人们的生产生活中有着重要的影响.在生产活动中，农民只有按照天气变化规律选择作物的种植，才能获得丰收；工厂商家只有对天气状况充分估计，才能减少不必要的损失，降低成本，最大程度的获得经济效益.在人的日常生活里，天气状况更是影响着人们的身体健康和工作出行.作为一项服务工作，预测方法只有符合实际天气状况、具有更高的准确率时，才能更符合公众的需要，使人们能够面对恶劣天气，及时采取有效措施.由题意可知，气象部门将6小时降雨量分为6等，将其赋值如下： 0——不下雨1——0.1-2.5毫米为小雨 2——2.6-6毫米为中雨 3——6.1-12毫米为大雨 4——12.1-25毫米为暴雨 5——25.1-60毫米为大暴雨 6——大于60.1毫米为特大暴雨算法思想：利用C++程序（见程序页），对第一题中两种方法分别得到的预测值进行处理，按照给定分级输出,即如下转化方式⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,413,412,414,412423222114131211r r r r r r r r r r r r A →⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=14,4113,4112,4114,411241231221211141131121111r r r r r r r r r r r r A 1ijr 为91维列向量，其各项取值为0，1，2，3，4，5，6⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,413,412,411,412423222114131211m m m m m m m m m m m m B ⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=→14,4113,4112,4111,411241231221211141131121111m m m m m m m m m m m m B 1ijm 为91维列向量，其各项取值为0，1，2，3，4，5，6⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯=4121P P P P →⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⋯=14112111P PP P1i P 中各个元素的取值为0，1，2，3，4，5，6算法步骤：同样，以2002年6月18日第一时段为例，调用程序，将第一天四个时段的所有插值结果运行后输出，转化后的结果为：⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=11411311211111r r r r A ⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=11411311211111m m m m B ⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⋯=14112111P P P P 同理可得到41天的转化输出结果.令111P A H -= 112P B H -=在程序中加入计数器，使用累加的方式，将1H ，2H 中不为零的元素个数输出，结果如下：表2预测值等于实测值代表观测站点预报准确；预测值大于实测值代表观测站点空报的次数或对天气状况预测过于恶劣；预测值小于实测值代表观测站点漏报的次数或对天气恶劣状况估计不足. 令39524761+=n =2871，45125522+=n =3003则1n ,2n 就代表分别采用两种方法时，各自误报的次数.同时可以得到两种预测方法的准确率分别为80.7625%，79.8780%.可见运用第一种方法时，误报的次数较少，准确率较高，故第一种方法较好.五、模型优化与改进在本题中，采集的数据点集中于东经120度、北纬32度的地区，同时气象观测站的设置也是不均匀的，因此容易出现以下缺点：1.仅在这一地区的天气预报中可以比较出所给出的两种方法的优劣，而没有充分的依据证明比较准确的方法在更大面积上的适用性.2.气象站设置不均匀，使得给出的实测数据分布并不均匀，在插值时会导致某些点偏离过大，不适合总体评价时使用，浪费财力物力.3.在夏季一些天气变化迅速的季节，天气状况值只在很小范围内具有连续性，这时预测方法不再适用.模型改进：1.将预测工作比较合理的分配给各气象预测站点，每个气象预测站点在该站点周围地区均匀设施测量点，这样在插值逼近的时候既能全面涉及较大地区，又能充分利用所测数据；或者利用卫星云图，根据卫星云图上云带的位置、强度、移动及发展情况，结合天气形势，直接预报降水等级，减少计算误差.2.本题研究6小时预报方法，6小时滚动预报因为没有对应可靠的数值预报产品及14h、02h常规高空资料，因此参考资料以卫星云图为主，综合考虑实况雨量、常规天气资料，进行人工经验外推制作.六、参考文献[1] 陈公宁，沈嘉骥，计算方法导引，北京：北师大出版社，2000.1[2] 谢兆鸿，范正森，王艮远，数学建模技术，北京：中国水利水电出版社，2003[3] 王沫然，MATLAB与科学计算，北京：电子工业出版社，2003.9[4] 姜启源，谢金星，叶俊，数学模型，北京：高等教育出版社，2003.8[5] 安康气象，中短期天气预报质量检验办法，，2005.9.17[6] 中国知网，三峡工程明渠截流设计洪水分析，，2005.9.18程序页二维插值在Matlab软件中的程序：x1=lat;y1=lon;z1=f6181_dis1;z2=f6181_dis2;s=A020618;x=s(:,2);y=s(:,3);r1=griddata(x1,y1,z1,x,y)r2=griddata(x1,y1,z2,x,y)测量值与降雨量分级的转化程序（C++语言）#include"iostream"#include"fstream"using namespace std;int main(){ifstream indate1;ofstream outdate1;indate1.open ("chazhi1.txt");outdate1.open ("result11.txt");cout<<"降雨量分七个等级，小于0.1的为0级，无雨；大于0.1且小于2.5的为1级，小雨；大于2.6且小于6的为2级，中雨；大于6.1且小于12的为3级，大雨；";cout<<"大于12.1且小于25的为4级，暴雨;大于25.1且小于60的为5级，大暴雨;大于60.1的为6级，特大暴雨。

淮河流域面雨量多模式预报效果比较及典型过程检验分析

式中，第一项是有雨预报正确的基
行集成应用，是提高流域面雨量预报２Ｏ时为日界，下同）采用淮河流域１７２本文基于ＥＣＭＷＦ全球模式、资料来源于国家气象信息中心。
规定为６０分；第二项为强度预报个国家级地面气象观测站整编资料，础分，
雨洪水的汇流特点，结合流域防汛抗旱Ｒｆ为有雨且预报正确时的面雨量预
２．资料
２０１１年６～８月四种模式对淮河流
Ｒｏ为有雨预报正确时的面雨量域不同时效（２４～７２ｈ）面雨量预报的模服务需求，将流域划分为１５个子单元。报值，
２４７２ｈ）面雨量预报的平均绝对Ｅａ）、模糊评分（简称ＭＰ）以及Ｔｒｅａｔ５．９ｒａｍ）、中雨（６．０～１４．９ｍｍ）、大雨流域（
Ｅ）（图１）可看出，随预报时效延１５．０２９．９ｍｍ）、暴雨（ ≥３Ｏ．０ｍｍ）四误差（Ｓｃｏｒｅ（简称ＴＳ）等统计评价指标，对（均呈增大四个模式的淮河流域面雨量短期预报个等级。采用平均绝对误差（Ｅａ）、模糊长，四种模式面雨量预报的Ｅ
淮河流域面雨量预报中最具有参考意义，其次为ＪＭＡ。
２．模糊评分（ＭＰ）检验
年内分配也极为不均，夏季（６～８月）实况值的平均绝对误差，其计算式为：
●
ｎ
Ｅａ： ÷∑Ｉ — ＲＦＲ。ｌ

廊坊地区5种数值模式降水预报性能检验与评估

廊坊地区5种数值模式降水预报性能检验与评估许敏;丛波;刘艳杰;王洁;张绍恢;田晓飞【摘要】为了提高廊坊地区降水预报数值产品的释用能力,利用廊坊市9个气象观测站24h的实况降水资料和日本(JPN)、德国(GER)、GRAPES、T639及MM5模式的降水预报产品资料,对目前降水预报业务中广泛使用的5种数值模式的预报效果进行检验分析.结果表明:日本(JPN)和德国(GER)模式对≥10.0 mm及≥25.0 mm 量级降水预报的TS评分比其他模式高10.0％-40.0％,夏季MM5模式对≥50.0 mm量级降水的预报表现出一定的优越性;T639、GRAPES模式分别对大雨及以上量级的降雨和小雪预报效果较好,日本、德国模式对中雪和大雪的预报表现出一定的优势,T639模式对暴雪预报的TS评分达33.3％,高于其他模式.【期刊名称】《气象与环境学报》【年(卷),期】2016(032)001【总页数】7页(P9-15)【关键词】降水;数值模式;预报效果;检验;评估【作者】许敏;丛波;刘艳杰;王洁;张绍恢;田晓飞【作者单位】廊坊市气象局,河北廊坊065000;廊坊市气象局,河北廊坊065000;廊坊市气象局,河北廊坊065000;永清县气象局,河北永清065600;廊坊市气象局,河北廊坊065000;廊坊市气象局,河北廊坊065000【正文语种】中文【中图分类】P456.7随着气象业务现代化建设的发展，数值预报产品不断增多，已成为日常预报业务的主要参考依据。

尤其是T639模式，其投入业务使用的时间(2008年6月)相对较晚，又是国家气象局推广的新数值预报模式，对其检验尤其重要。

各种数值预报模式对不同影响系统及不同季节降水的预报均具有各自的优势和劣势，对不同数值预报产品的解释应用、选取适合的预报模式产品及对产品进行订正是数值预报的关键问题。

本文通过对5种常用的数值模式预报产品进行对比检验，并对其预报效果进行评估，掌握不同降水预报产品的优点和缺点，以期科学、有效及合理地运用数值预报产品，提高降水预报的准确率。

数学建模降雨量预测方法优劣的评价

当 x ≥ 0.1 时， f3 (x ) =
1 1 + 3.33511 × 10−6 (x − 4.3)18
1 取 α 4 = 3.85014 × 10−8 , β 4 = 14, r4 = (a4 + b4 ) = 9.05 ，则 2 3 f4 (a 3 + (b3 − a 3 )) = 0.121201 ≈ 0.1 ， f4 (a 4 ) = 0.87295 ≈ 0.8 ， 4
4
考虑公众的感受，一般地，若天气预报准确，人们会对所预报的值表示满意；若天气预报不准确，人们会不满意所预报的值，因此可以用人们的满意程度高低来判别这两种预测方法的优劣（显然，人们满意程度高的方法更优）。人们的满意程度可以通过量化的方法来刻划。拟定人们对某次预报的满意程度函数 fi (x ) ∈ [0,1] ，其中 i 为该次预报的等级， x 为实际降雨量；若 fi (x ) = 1 ，则人们对该次预报“完全满意” ，若 fi (x ) = 0 ，则人们对该次预报“完全不满意” 。考虑这样的一个过程：人们首先通过天气预报（通常只预报降雨等级）在心中形成对未来天气状况的预期。随时间的转移，人们很快知道了真实的天气状况。这时人们会将对真实天气状况的感受与对所预报的天气状况的理解进行比较。两者给人感觉差距越大，人们对预报天气情况的认可程度越低，即，满意度越低。由于“有雨”/“无雨”给人的感觉是很明显的，因而可以取 1 x < 0.1 f1 ( x) = 0 x ≥ 0.1 降雨等级是根据人们的经验来划分的。若降雨量在等级范围区间的中间，则人们容易确定所下的雨是属于哪个等级的，而在区间的两端却不容易确定，特别是在两个相邻区间的交界处会更加模糊，难以确定属于哪个等级。假设预报的是等级 A，若实际降雨量在 A 的范围区间的中间，人们会认为预报是非常准确的；若实际降雨量在 A 的范围区间的两端，则会认为预报基本准确。若实际降雨量在两个等级范围区间的交界处附近，则人们也会认为预报是比较准确的，因为人们较难辨别实际降雨的等级。例如，若降雨量为 2.6 毫米，虽然应该分属于中雨，但是人们却往往区分不出是中雨还是小雨，因而不管预报的是小雨还是中雨，人们总会认为是比较准确的。由以上分析，可知等级 2 到等级 6 的满意度函数可以采用图形大致如下的函数：

TRMM卫星降雨数据的精度及径流模拟评估

关键词
TRMM 3B42 V7，降水数据，精度评估，影响因素，径流模拟
1. 引言
降水作为水循环的主要环节，是水文分析的基础。降水数据是水文模型的输入要素，其精度对降雨-径流过程模拟具有重大影响。目前降水数据获取途径中应用最普遍的是雨量站观测，其特点是测点处精度较高但周围数据常需通过插值获得。由于降水时空分布不均，雨量站数量不足、空间展布不合理以及观测时间不连续等因素往往使得站点降水数据精度受限[1]，尤其在资料稀缺区和地形复杂区。卫星测雨技术在获得具有一定时空精度的连续降水数据方面具有独特优势，能一定程度弥补传统测雨方法的不足[2]，特别在资料稀缺区有很大的应用前景，是未来水文研究及应用的发展趋势。热带测雨观测计划 TRMM 卫星携带的独有仪器装备为卫星测雨提供了有力支持。 TRMM 卫星由美国国家宇航局和日本国家空间发展局联合研制并于 1997 年 11 月 27 日发射，它是第一颗通过多频率微波、可见远红外线以及太空降雨雷达来测量热带和亚热带降雨的卫星[3]。降雨数据范围覆盖全球 38˚S~38˚N、180˚W~180˚E 间的范围，自 2001 年 8 月变轨后扩展至 50˚S~50˚N，包括我国除东北少部分地区外
435
TRMM 卫星降雨数据的精度及径流模拟评估
所有面积。TRMM 卫星提供多级测雨产品，用户可根据所需时空精度等下载使用。 TRMM 降雨产品的精度评估和径流模拟等应用方面已成为国内外研究的热点。在精度评估方面，Koo 等[4] 采用 TRMM 3B42 V6 降雨资料从雨量、频率和强度等方面分析了韩国夏季降雨特性，指出了 TRMM 降雨在不同时间尺度和空间上的分布情况，但研究时段仅选取为 6~8 月未对全年进行全面分析；白爱娟等[5] [6]将 TRMM 3B41 实时数据分别在青藏高原及陕西周边区域与站点数据对比分析区域夏季降雨规律及基本特征，该版本数据时间分辨率为 1 h 适用于日变化分析，主要是规律性揭示和定性研究，时间跨度也限于夏季；刘俊峰等[7]分析了 TRMM 3B42 数据在中国大陆 50˚N 以南大范围地区的整体情况，结果表明 TRMM 数据与地面观测数据相关性较好，并指出精度随日月年尺度逐渐提高，湿润区好于干旱区，启示我们 TRMM 在降雨丰沛地区适用性更强，但文中给出的精度指标主要是相关系数的一个范围及其在地理上的空间分布情况，我们可以针对某一地区细化并可采用更多精度衡量指标；谷黄河等[8]将 TRMM 3B42 与站点数据在时空分布上对比表明 TRMM 数据在长江流域有较高精度，采用了多个指标但选取的 2008 年 4~12 月区间内的资料时间序列短未考虑到年际变化及差异；李相虎等[9]利用 TRMM 3B42 V6 3 h 数据在鄱阳湖流域分析降雨时空分布特征及对比了不同子流域、雨强和季节的精度差别，弥补了以往只评价整体精度的不足，指出高程和坡度对山区精度存在影响的可能但未进一步分析；吴雪娇等[10]对比黑河流域 3B42 V7 数据和 9 个站点数据分析山区降水，指出 TRMM 在数据稀少区的作用，并发现夏季拟合度高于冬季，且降水数据精度随海拔上升而下降，但站点数目较少可能存在不确定性；蔡妍聪等[11]用新版本 3B42 V7 3 h 数据验证在中高纬度内蒙古地区精度发现在整个研究区总体表现为高估降雨量，但区域上存在高低估并存的非一致现象，并分析了海拔和多年平均降雨对精度的影响；高洁[12]采用 TRMM 3B43 月降雨量与中国 718 个地面雨量站对比表明两者高度线性相关，TRMM 数据普遍表现为低估，该研究采用月版本数据与 3B42 数据研究结论存在差异指出汛期精度低于非汛期；而李威等[13]将 TRMM 3B43 月降雨数据用于分析在月、季、年尺度下喀斯特山区的适用性时发现 TRMM 降雨估计偏大，月精度最高；杨雨蒙等[14] 将 TRMM 3B42 V7 新产品与气象站点降雨数据在湖南省对比发现，日尺度两者相关性很低仅 0.31，月尺度显著提高为 0.88，干旱季节表现优于湿润季节，且阐释了空间要素对 TRMM 数据可靠性存在影响，该文是将 TRMM 降雨数据双线性内插得到对应站点的降雨估计值，对于高海拔或地形复杂的粗差点地区不能很好求解，一定程度影响了精度分析；一些研究[15] [16]表明在不同地区 TRMM 3B42 V7 新版本比 V6 数据精度有所提高；在径流模拟方面， Bruno Collischonn 等[17]在亚马逊流域将 TRMM 卫星 3h 数据与地面观测数据驱动大尺度水文模型，表明两者模拟结果接近；国内开展系列研究[18]-[21]将 TRMM 降雨数据应用不同流域并输入不同水文模型中发现 TRMM 降雨数据能基本再现日径流过程但洪峰模拟精度不高，而月径流模拟则较精准。综上发现，① TRMM 降雨数据的已有研究成果中既有相似结论，也有存在差异甚至相悖的地方，TRMM 降水数据精度及规律随数据版本和研究区域的尺度范围、气候条件及地理地形等不同而表现不同，针对特定区域有必要具体分析，为今后 TRMM 精度订正和提高区域适用性奠定基础。 ② 虽然目前对 TRMM 的评估已取得不少成果，总的研究内容也趋于丰富化，各自研究都具有一些侧重点，但对 TRMM 进行较为系统的评估的研究还较少，仍存在研究时段短、衡量指标单一、对比站点数目少、评定内容有限及数据版本非最新等一些局限，这些研究大都仅展开精度分析而未对应用性进行评定或展开径流模拟应用分析但对精度评估较简略。 ③ 这些研究中对影响精度的相关因素的分析相对较少，对精度的评价有助于分析数据的可用性，但考虑影响精度的因素将有助于数据的改进，同时用于径流模拟中可对其进行应用性评估，又从侧面印证其精度。鉴于此，本文旨在回答三方面问题：一是 TRMM 卫星降雨数据的精度如何，从日、月的不同时间尺度和流域、栅格的不同空间尺度进行多角度分析；二是 TRMM 数据精度存在何种规律及其影响因素，以不同时期、不同雨强和不同高程展开多方面的探究；三是 TRMM 降雨数据的应用性如何，通过径流模拟效果进行评定，同时反过来验证 TRMM 数据的精度。本文选取湘江流域为研究区，采用改善的新产品 TRMM 3B42 V7，通过与站点数据的对比展开了较为全面细致的多尺度、多方面的系统评估，同时揭示了影响精度的相关因素以期为今后精度订正提供思路，并

4种数值模式的降水预报检验分析

4种数值模式的降水预报检验分析袁冬美;何文;钟思奕;钱宏超【摘要】选取2014年江西大监站24 h出现10站次以上大雨以上量级的降水过程,采用统计对比分析方法,对Ecmwf、Grapes、T639和GTEJ 4种数值模式逐3 h的降水预报效果进行检验.结果表明:不同时段各模式的预报准确率不同,前00:00-09:00,Ecmwf的预报准确率达34%;18:00,Grapes准确率达30%;12:00-21:00,GTEJ的预报准确率达31%;24:00,T639的预报准确率达26%.模式降水预报的可参考性在各季节也不一样,Ecmwf、Grapes和GTEJ秋冬季的可参考性要明显强于春秋季节,而T639对于春季降水预报的可参考性是最强的;夏季的降水预报,GTEJ的可参考性是最强的;秋季和冬季的降水预报,Ecmwf和GTEJ的可参考性都较强;对于不同类型降水下4种模式的降水预报效果,高空槽型和切变型降水,GTEJ的参考性最强的;冷空气型和台风型的降水,Ecmwf的可参考性最强;副高边缘型的降水,Ecmwf和GTEJ的都具有很好的参考价值.【期刊名称】《江西科学》【年(卷),期】2017(035)006【总页数】5页(P956-960)【关键词】降水预报;数值模式;检验分析【作者】袁冬美;何文;钟思奕;钱宏超【作者单位】宜春市气象局,336000,江西,宜春;宜春市气象局,336000,江西,宜春;宜春市气象局,336000,江西,宜春;宜春市气象局,336000,江西,宜春【正文语种】中文【中图分类】P456.7数值模式是预报业务中必不可少的工具，随着科技的不断发展，数值预报的种类越来越多，那么如何运用好数值预报是每一个预报员必须深入研究和探讨的问题，各种数值模式的稳定性和准确率会受到很多因素的影响，比如降水类型、影响系统和季节等，只有不断进行总结、对比和检验，才能在每一次降水过程中统观各种数值预报，做出接近实况的调整和预报，不至于在各类数值模式预报有差异的时候难以甄别和判断。

双精度雨量计降水量对比分析

双精度雨量计降水量对比分析分析莆田地区2012年两个山洪雨量站不同精度雨量计的小时累计降水资料，并与雨量计实验室校验结果进行比对，探索不同探测精度雨量计降水量之间的相关性。

标签：双精度雨量计降水量差值雨量计1引言至2013年底，随着山洪地质灾害防治气象保障工程的推进，福建省气象部门已经建设了双精度山洪雨量站（包括0.1mm精度与0.5mm精度）587个，在山洪防治区开展雨量监测，为中小河流洪水、山洪、地质灾害等预警服务提供雨量观测实时数据。

2目的和意义降水资料作为气象观测中重要项目之一，其准确性与工农业生产和防汛减灾有着至关重要的关系。

通过现场数据对比与实验室校验的方法，研究不同探测精度雨量计获取的降水值差异，分析不同降水强度情况下两种精度雨量计之间的差值，得处二者在测雨方面的优劣。

3现场降水数据的对比分析根据2012年福建省莆田地区4月份的雨量数据，按雨量强度（小雨、中雨、大雨、暴雨）进行分类分析，具体结果如下：将莆田地区的雨量数据根据雨量强度（小雨、中雨、大雨、暴雨）分类分析：小雨（R16mm/小时）：在暴雨范围内，0.5mm精度雨量计采集值比0.1mm精度雨量计采集值略微偏高，但误差基本可忽略不计。

4实验室校验分析为了更好的比较0.1mm精度雨量计和0.5mm精度雨量计进行校验分析，对两种精度雨量计进行不同降水强度测量，结果如下：通过0.1mm精度和0.5mm精度的雨量计的实验室记录校验数据可以发现：在实验室条件下，翻斗雨量传感器的误差与自身携带的计量误差有关，与实际雨强的大小无关，六个翻斗雨量计的计量检定结果都合格，虽然有两个0.5mm精度雨量计的计量结果较大，但也有一个0.5mm精度雨量计的计量偏小，这更加说明实验室条件下雨量传感器计量结果与传感器本身的计量误差有关，与分辨力、雨强大小无关。

5分析结论0.1mm精度与0.5mm精度雨量计经过实验室计量标定合格后，通过对福建莆田地区2012年两个山洪雨量站不同精度雨量计降水资料的分析，得出0.1mm 精度的雨量和0.5mm精度雨量计的观测降水量呈线性相关，但是在不同降水强度范围中各有优势，在使用降水观测数据时可根据不同降水类型来选择相应精度的雨量计，或者直接使用双雨量站的二者平均值进行观测值代替。

关于雨量预报方法的评价

依常识，只要实际降雨量与气象台预报的降雨量相近，（３）如果预测点与实际观测点间距最近时，就把预测点就可判断该气象台预报的准确性。因此本模型可从实际与预看作是实际观测点。报之间的误差着手建立。文中所给的预报点有２４９１个，而实（４）忽略由非自然因素引起的降雨（如人工降雨）。际观测站点仅有９１个，因此该模型可分３步分析：
在考虑方差因素的情况下，也需要考虑公众的感受。例如，气象部门预测某天某时段为小雨，但实际下大雨甚至暴雨。因此公众的反感度将有很大差异。平均反感度越低，雨
ｆａｎｇａｎｄｕ：公众反感度的平均值。
作者简介：沈剑（１９７９一），男，江西九江，讲师；研究方向：数学。
第２时段：ｆａｎｇｃｈａ＝者 √ 《ｏ一）
综合雨量总方差和公众反感度２个因素分析，由以上所
有数据可以看出，雨量预报方法１明显要比雨量预报方法２准确度高。
为了简化模型的复杂度，在取预测点时，采用较笼统的取点方法。选取与观测站点最近预测点，然后直接利用这些
３ …４１，ｊ＝ｌ，２，３，４）。
小雨，２．６６毫米为中雨，６毫米为３ …４１，ｊ－ｉ，２，３，４）。
（１）假设位于东经１２０度、北纬３２度附近的５３Ｘ４７的网格３问题分析点是等距的。３．１问题１
观测点对应的预测点雨量，建立模型求出两者的误差。

雨量预报方案的评价

雨量预报方案的评价摘要本文先使用双三次样条插值法（有两种方法：1.由实测站点的实值经插值推算出预报网格点上的实测值，2.由预报网格点上的预报值经插值推算出实测站点处的预报值，在本文中用的是方法1），并对距离加权平均后求出各站点预报数据，然后用方差分析计算两种预测方法的方差，比较两种方差大小，从而评价两种预报方法的准确性。

可见这两种方法的预测准确性都比较高，但第一种比第二种的精确度更高。

在评价方法中考虑公众的感受，即考虑公众对预报结果的满意度。

本文建立了一个模型，即满意度模型。

然后比较两者的满意度。

关键词：双三次样条插值法方差距离加权平均满意度一．问题重述雨量预报对农业生产和城市工作和生活有重要作用，但准确、及时地对雨量作出预报是一个十分困难的问题，广受世界各国关注。

我国某地气象台和气象研究所正在研究6小时雨量预报方法，即每天晚上20点预报从21点开始的4个时段(21点至次日3点。

次日3点至9点，9点至15点，l5点至2l点)在某些位置的雨量，这些位置位于东经120度、北纬32度附近的53×47的等距网格点上。

同时设立91个观测站点实测这些时段的实际雨量，由于各种条件的限制。

站点的设置是不均匀的。

气象部门希望建立一种科学评价预报方法好坏的数学模型与方法。

气象部门提供了4l天的用两种不同方法的预报数据和相应的实测数据。

现要求1)建立数学模型来评价两种6小时雨量预报方法的准确性；2)将6小时降雨量分为6等：0．1—2．5毫米为小雨，2．6．6毫米为中雨，6．1—12毫米为大雨，12．1．25毫米为暴雨，25．1—60毫米为大暴雨，大于60．1毫米为特大暴雨。

如果按此分级向公众预报，评价考虑公众的感受。

一．模型假设及问题分析建立求解1.1模型假设（1）题目中所给的经纬度范围内的地球面是平面；（2）题目中所给出的每个降雨量数值是相应警卫点数据，观测站可以抽象为一个点，其面积大小不影响数据观测；（3）降雨量小于0.1毫米的侍卫无雨；（4）不考虑认为因素所造成的测量误差；（5）题目中所给出的经纬度坐标值和雨量值为真实值1.2问题分析根据预测点（网格点）和实测点的经纬度，画出预测点和实测点的位置图（图1，图2），但由于经纬度坐标并不对应于直角坐标系，得到的并不是问题中给出的规则的网格图，而且，由图我们可以发现91个观测点不但分布不均匀，而且基本上没有落在预测点上，所以为了简化，我们考虑将预测点和实测点的经纬度坐标转化为平面直角坐标，坐标转换后91个实测点并没有在网格点上，经假设预测点在类平面的网格点上，则需要对各实测站到预测点的距离加权平均图1图21.3.模型建立求解1.3.1对于第一问，用matlab计算出的值如下所示：插值及其方法分析值NEAREST方法（一）NEAREST方法（二）V4方法（一）V4方法（二）E00.02370.02370.01940.0194E0.04590.04590.03310.0331sum710.7837 4.64049.1015 3.0359从表中看出方法一的方差为10.7837，方法二的方差为4.6404，因此方法二的预测好一些1.3.2对于第二问，采用对各种预测值与实际值差距而使公众产生的不满意度赋权值如下表：表2：不满意程度权值表实测无雨实测小雨实测中雨实测大雨实测暴雨实测大暴雨实测特大暴雨预报无雨025*******预报小雨-102591420预报中雨-3-1025914预报大雨-6-3-10259预报暴雨-10-6-3-1025预报大暴雨-15-10-6-3-102预报特大暴雨-21-15-10-6-3-10表中数值反映了人们对降雨预报的等级误差的不满意程度，正值说明实测等级大于预报等级，数值越大说明预报与实测差距越大，不满意程度越大。

两种定量集合降水预报方法对比分析

两种定量集合降水预报方法对比分析斯琴【摘要】This paper selected EC ensemble prediction of 51 members including temperature(500hPa and 700hpa) and precipitation based on EC ensemble average forecast products, the optimization method(selects as ifltered factors the correlation coefifcients of temperature differences of 500 hPa and 700 hPa(T(500-700)) between previous 24 h forecasts from the ensemble members and the observations) is discussed and tested with the 5 rainstorm precipitation process in Inner Mongolia in August, 2014 and were compared with the ensemble averaging method,the results are as follows:(1)In the short 24 hours forecast, Forecast effect is improved when the number of members of the ensemble will be improved to 3, and better than the ensemble average method,when the number of members increases to more (such as 4 or 5) or reduced to 2, the prediction effect is poor. Therefore, it is very important to study the inlfuence of the number of members in the ensemble prediction on the prediction results.(2) The effect of a small amount of precipitation forecast is better than precipitation forecast of heavy rainfall whether the ensemble average method or the optimization method, Therefore, it is necessary to study the better ensemble forecasting method, which makes the application of ensemble forecast in the disastrous weather forecast has been further developed.%文章基于EC集合平均预报产品，选取EC集合预报的51个成员包括温度（500hPa和700hpa）及降水量，以内蒙古2014年8月份5次暴雨降水过程为例，用择优法（以500hPa和700hPa 的温度差即稳定度相关系数作为对集合成员的筛选因子）进行试验，并与集合平均预报方法进行对比，结果如下：（1）在短期24h预报中集合成员个数增加到3时预报效果得到一定改善，并优于集合平均法的预报，成员个数增加到较多（如4或5时）或减少到2时预报效果反而较差。

长江流域多模式降雨预报效果检验

２６个分区的预报评分差别较大，区间越小，ＴＳ评分越低。总体而言，分辨率较高的ＥＣＭＷＦ和ＷＲＦ模式对
强降雨过程的模拟较为精确，尤其是ＥＣＭＷＦ的预报具有较高的参考价值。
关键词：降雨预报；数值预报；模糊评分；检验评估；长江流域
等级有误差时，按其误差大小给分。误差越大，分值
越低。可以看出，根据误差大小计算的模糊评分，表
征预报贴近实况的程度，分值越高，预报模型降雨预报资料，网格分辨率分别为：
能力偏弱。付伟等人对比了ＪＭＡ、Ｔ２１３、ＧＲＡＰＥＳ、
１资料和方法
１．１资料
ＭＭ５、Ｔ６３９和德国６种数值模式产品对芜湖市地面气温及降水预报效果。张宁娜等人通过对Ｔ６３９、
能的优劣Ｊ。屠妮妮等人对国家气象中心３＂２１３、
Ｔ６３９全球模式、成都区域中心实时运行的ＡＲＥＭ、
ＧＲＡＰＥＳ和ＭＭ５中尺度数值模式预报结果进行了
研究，通过对比分析我国９个重要站点日降雨量的预报效果，发现各模式对我国西部城市降雨预报
Ｔ２１３、德国及欧洲中心等数值预报产品在东北地区
收稿日期：２０１７ — ０３ — ３１作者简介：邱辉，女，长江水利委员会水文局，高级工程师

北京地区两种降雨预报产品精度对比分析

北京地区两种降雨预报产品精度对比分析北京地区两种降雨预报产品精度对比分析近年来，气候变化对人类的生活产生了越来越大的影响，降雨预报作为天气预报的重要组成部分，对于农业、交通、灾害防范等方面都有着重要的意义。

在北京这样一个人口众多、经济发达的地区，准确的降雨预报对城市管理和人们的生活具有重要影响。

本文将对北京地区两种降雨预报产品的精度进行对比分析。

首先，我们来对比分析一下目前常用的两种降雨预报产品：气象局传统预报和气象气象操作系统（MOPS）模型预报。

气象局传统预报是传统的气象预报产品，其基于人工的判断和经验给出预测，主要依赖观测数据和气象学知识。

而MOPS模型预报则是通过数值预报模型进行计算，利用大量的输入、输出数据进行降雨预报。

两种预报产品在数据来源、预报方式以及预报结果上都有所不同，因此有必要进行精度对比分析。

其次，我们先从数据来源方面进行对比分析。

气象局传统预报主要依赖于气象观测站的实时观测数据，采集降水量、温度、湿度等指标，并结合气象学知识进行分析和判断。

而MOPS模型预报则主要使用数值预报模型，通过输入一系列参数和初始条件，利用计算机模拟大气运动和物理规律，来预测未来一段时间内的天气情况。

从数据来源上来看，MOPS模型预报使用的数据更为全面，包括大量的观测数据和模型计算结果，相对而言具备更高的数据精度。

然后，我们对比分析一下预报方式。

气象局传统预报主要是依靠经验和气象学知识进行预测，其预报过程中的判断和决策往往是主观的。

虽然气象局的预报员有丰富的经验和专业知识，但由于主观因素的影响，其预报结果可能存在一定的误差。

而MOPS模型预报则是通过计算机模拟大气运动和物理规律来进行预测，减少了主观因素的干扰，相对更加客观和科学。

但是，MOPS模型预报仍然需要在模型参数的选择和校正上进行不断的优化。

最后，我们进行预报结果的对比分析。

为了对比两种预报产品的精度，我们可以通过真实降水观测数据与预报结果之间的比对来进行分析。

2016—2020年广东省定量降水预报检验评估

体提升，但 Ebert 等[1]指出，在短时间内（4~5 年）模式的升级并不能促使模式 QPF 能力的快速提高，模式的暴雨预报技巧提升是一个长期的过程，需要更长时间的检验评估才能追踪模式对 QPF 预报能力的进展。
第 37 卷第 2 期 2021 年 4 月
热带气象学报
JOURNAL OF TROPICAL METEOROLOGY
汪瑛，胡胜，涂静，等 . 2016—2020 年广东省定量降水预报检验评估[J]. 热带气象学报，2021，37(2)：154-165. 文章编号：1004-4965(2021)02-0154-12
对分级累积降水进行检验，考察模式在不同降水量级的预报能力。过去五年，小雨（0.1~9.9 mm/d）、中雨以上(≥10 mm/d)的 TS 整体表现出上升的趋势，大雨以上 (≥25 mm /d)、暴雨以上 (≥50 mm/d)、大暴雨以上（≥100 mm/d）TS 在年度间有高低变化。以暴雨（≥50 mm/d）为例（图 1，见下页），年和年之间的 TS 虽有波动但都较低，ECMWF 的值在 0.085~0.147 之间，GZ_GRAPES 的值在 0.098~0.144 之间，总体来说两者对 DAY1—DAY3 的 24 h 累积降水预报能力相当。以上检验表明，过去 5 年模式对强降水的预报能力没有反映出整
局自主研发了全球/区域业务模式 GRAPES，基于此框架，广东省气象局结合区域特点建立了更高分辨率的华南区域数值天气预报业务模式（GZ_GRAPES）。模式时空分辨率和预报能力提升，为高分辨率 QPF 业务提供了核心支撑，很多国家都建立了人机交互的格点天气预报业务，如美国 2003 年率先建立数字化天气预报业务，2008 年澳大利亚和韩国开始了格点预报业务[2]。广东省气象局 2014 年起在国内率先建立了人机交互的网格天气预报业务，要素预报空间分辨率为 5 km，时间分辨率为 3 天内逐小时，4~7 天逐 6 小时。

重要天气预报质量评定办法

重要天气预报质量评定办法（试行）（第一次修订）国家气象局一九九○年五月重要天气预报质量评定办法（试行）（第一次修订）说明1.为使评出的天气预报质量具有客观性、代表性和比较性，本办法采用了“技巧水平”的评分体系。

评出的技巧水平质量与过去评定办法评出的预报准确率（或百分率）是两种不同的含义。

技巧评分考虑了由于各地天气气候原因的差异而影响预报质量的气候因素，因此，评出的预报质量比过去有较好的代表性和可比较性。

采用这种评定办法也便于同国外进行比较。

2.本办法适用于本地（县气象局）和区域分片（气象台）的短、中、长期天气预报质量的评定。

3.短、中、长期预报的时段含义，为了与世界气象组织规定一致，便于今后同国外比较，作如下统一规定：短期指0~72小时（即三天以内）；中期指第4天至第10天；长期指10天以上。

4.统一评定和上报的项目，短期有：一般性降水、暴雨（雪）、大风、极端最高（低）气温和寒潮五项。

中期有：旬报中的极端最高（低）气温、一般性降水和暴雨（雪）过程以及寒潮四项。

长期有：温度和降水趋势预两项（凡在年、季、月报中发布该项目预报的要上报）。

其他项目由各省(区、市)根据实际需要，自行增加，并可制订相应的技巧评分规定或别的评定规定。

5.本办法中所列各类项目的天气（例如各级别的降水、大风和寒潮等）标准，是全国统一的标准。

少数省（区）因天气气候差异较大，其所在省（区）气象局可根据本省的天气气候特点，并结合服务需要等，适当修订出本省统一对外服务使用的天气标准，向国家气象局备案。

但内部评定仍采用本办法所规定的统一天气标准和评定规定。

6.西北等某些地区的部分测站，有些月份降水的气候月平均值很小，例如不到1、2毫米，在不影响服务的情况下，可以只进行定性评定，或由省(区)气象局自行确定其他办法进行评定。

7.短期天气预报，统一评定气象台、站每天下午对外发布的一次公众预报；若无该次预报时，可选择其它固定的主要一次预报进行评定，但确定后不得任意变动。