4种数值模式的降水预报检验分析
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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。
大雨以上量级的降水是江西省出现灾害性天气的重要原因之一,因此提高大雨以上量级降水预报的准确率是预报员的一项重要任务。
国内有不少气象工作者对多种数值模式产品进行过释用分析和对比,张宏芳等发现,ECMWF模式6 h分段降水晴雨预报评分低于日本模式,暴雨预报评分整体高于日本模式,12 h和24 h分段ECMWF模式晴雨、暴雨预报评分一致高于日本模式[1];王雨等发现,目前的数值预报模式对短期时效内定量降水预报均具有一定的空间预报能力,但强降水中心位置有一定的偏差[2];张建海等发现,对中雨及以下量级的降水预报,JMH和中央气象台降水预报准确率较高,但对大雨及以上量级降水预报,各种方法都不太理想[3];张宁娜等发现,降水预报中,德国降水预报对中国东北地区的晴雨预报、一般性降水预报效果较好,但T639数值预报的漏报率低于德国降水预报,而
T639数值预报中24-120 h暴雨预报的TS评分明显高于德国降水预报[4];徐星生等对2014年汛期江西WRF-RUC系统的降水预报进行逐6 h、12 h和24 h降水分级检验,表明系统对小雨、中雨和大雨具有较好的预报能力,对局地暴雨、大暴雨的预报能力较弱[5];张晶等选取2010年8月至2011年7月天气在线、日本传真图、美国全球预报系统(简称GFS)及T639等数值预报降水产品,按照预报
时效、预报降水量级和影响系统等方面,对营口地区的降水预报产品进行检验分析,表明:从整体角度来看各种数值预报产品预报准确率随时间变化逐渐降低,但天气在线和GFS预报效果相对较好且稳定,日本传真图次之,T639稳定性最差[6]。
各种数值预报产品均存在预报偏小的情况,特别是对暴雨的预报效果均不理想,稳定性差,量级偏小;小雨量级降水空报和漏报明显。
各种数值预报产品对高空槽和冷涡漏报较明显,主要为小雨量级。
吴曼丽等将T213降水预报与德国降水预报分别进行晴雨预报检验,对2008年5-8月东北地区降水资料进行对比分析,表明2种模式24-120 h预报正确率为60%~70%,随着预报时效的增加,正确率呈下
降趋势,德国降水预报的正确率高于T213,2种预报漏报率均明显小于空报率,
T213漏报率较低,为5%左右,德国降水预报空报率较低为20%左右[7]。
张岳等利用2002年6月-2005年6月的T213数值预报历史资料和对应的降水实况资料及1980-1999年20 a降水和实况资料,通过本地经验和气候概率的订正,建立MOS方程,预报连续5 d降水量,通过验证有一定的预报效果[8]。
本文选取了2014年大监站24 h出现10个站次以上大雨量级,并具有一定范围
的过程作为样本个例,统计对比分析Ecmwf、Grapes、T639和GTEJ 4种数值模式逐3 h的降水预报效果,以求在今后的降水预报业务中更好地运用各类数值预报,对降水的量级和落区做出更准确的预判。
检验对象为数值模式Ecmwf、Grapes、T639、GTEJ 4种模式24 h内逐3 h的
降水预报效果,其中GTEJ 是Grapes、T639、Ecmwf和Japan的集合预报。
检
验地域为整个江西省,检验依据是江西省各站点逐3 h的雨量实况。
样本选取2014年江西省大监站20-20 h出现10站次以上、大雨以上(25 mm以上)量级降水,并具有一定范围的降水过程,同时该过程各类数值预报产品均完整无误,每一个这样的过程记为一个样本,共46个样本。
检验标准是将江西划分为4个区域,赣西北(主要包括九江、宜春、南昌),赣东北
(主要包括上饶、景德镇、鹰潭),赣中(主要包括吉安、抚州、新余和萍乡),赣南(主要包括赣州),再将3 h的实况雨量和预报雨量划分为8个等级,1~3 mm,3~10 mm,10~20 mm,20~30 mm,30~50 mm,50~70 mm,70~150 mm,150 mm以上,并按同样的色标,形成降水量分布图,按照以下3类统计标准,将实况图与预报图进行主观对比分析。
1)预报时段内1个区域有雨,实况该区域内有雨,并且实况雨区与预报雨区重叠率达50%以上。
2)预报时段内2个区域有雨,实况其中1个区域或以上有雨,并且各区域实况雨区范围与预报雨区重叠率达50%以上。
3)预报时段内3~4个区域有雨,实况其中2个区域或以上有雨,并且各区域实况雨区范围与预报雨区重叠率达50%以上。
1)预报时段内1个区域有该量级降水,实况该区域出现同等量级降水,并且实况雨区与预报雨区重叠率达50%以上。
2)预报时段内2个区域有该量级降水,实况其中1个区域或以上出现同等量级降水,并且各区域实况雨区与预报雨区重叠率达50%以上。
3)预报时段内3~4个区域有该量级降水,实况其中2个区域或以上出现同等量级降水,并且各区域实况雨区与预报雨区重叠率达50%以上。
1)预报时段内最大量级降水出现在1个区域内,实况该区域出现该量级降水,并且实况雨区与预报雨区重叠率达50%以上。
2)预报时段内最大量级降水出现在2个区域内,实况其中1个区域或以上出现该量级降水,并且各区域实况雨区与预报雨区重叠率达50%以上。
3)预报时段内最大量级降水出现在3~4个区域内,实况其中2个区域或以上出现该量级降水,并且各区域实况雨区与预报雨区重叠率达50%以上。
2014年4种模式数值预报图选取个例样本总数为46个,其中出现暴雨量级的个
例有41个,出现大暴雨量级的个例有17个,从各量级降水的逐月分布图上可以
看出(图1),暴雨基本集中在4-8月份,以6月份最多,5月和7月次之,大暴雨集中在5-8月份,其中5月份最多出现6次,其次是7月出现5次,6月出现4次,8月出现2次。
将全年12个月按季节来划分,春季(3-5月),夏季(6-8月),秋季(9-11月),冬季(12-2月),从各量级降水随季节的分布图可以看出(图2),各量级的降水基本集中在春夏两季,特别是大暴雨,全部集中在春夏两季,秋冬季没有1次出现大暴雨。
将小时雨强划分为4个量级,分别为0~20 mm/h、20~40 mm/h、40~60 mm/h、60 mm/h以上,对46个样本个例降水过程中出现的最强小时雨强进行
统计(图3),从图中可以看出,最强小时雨强达到短时强降水(20 mm/h)标准的个例有35个,占总数的76%,最强小时雨强在20 mm/h以下的个例有11个,占总数的24%,因此可以说江西大部分大雨以上量级的降水过程均伴有短时强降水,小部分是均匀降水造成的。
按照上述检验标准和方法,统计检验4种模式Ecmwf、Grapes、GTEJ和T639
对46个样本个例逐3 h的降水预报效果(表1和图4),各时次各种模式报对的次数,可以看出,4种模式中,总体而言,GTEJ的预报效果要优于其他3种模式,
T639的预报效果是4种模式中相对最差的,分时段而言,前00:00-09:00,Ecmwf的预报效果最好,准确率达34%;18:00,Grapes准确率达30%;
12:00-21:00,GTEJ的预报效果最好,准确率达31%,24:00,T639的预报效果最好,准确率达26%。
若规定24 h 8个时次中报对3个时次以上即可算一次可参考预报。
对46个样本
进行统计,得出表2,由表2可以看出,GTEJ 的可参考性是最高的达到48%,明显优于其他3种模式,其次是Ecmwf,可参考性达39%,T639相对弱一些,仅
为22%。
根据图2统计结果,46个样本中,春季19个,夏季22个,秋季3个,冬季2个,统计各季节各家模式的可参考性(表3),纵向来看,除了T639以外,其余3
种模式对于秋冬季节的降水预报效果显著好于春季和夏季,尤其是对春季的降水预报效果是最低的,值得注意的是尽管T639整体的预报参考性较低,但对春季的降水预报效果而言,其可参考性反而是最高的,横向来看,对于春季的降水预报,总体相差不大,相对来说,T639的可参考性最强,达到37%,其次是GTEJ32%;
对于夏季的降水预报,GTEJ的可参考性是最强的,达到55%,其次是Ecmwf和Grapes为36%,T639的降水预报对于夏季降水的可参考性相当弱,几乎没有;
对于秋季和冬季的降水预报,Ecmwf和GTEJ的可参考性都较强,尤其是Ecmwf,T639的预报能力相对弱一些,可参考性不强。
根据不同影响系统,将46个样本分为5类,分别为高空槽型(17个),切变型(14个)、冷空气型(11个)、副高边缘型(2个)和台风型(2个),并统计分析4种数值模式对不同类型降水的可参考性(表4)。
1)对于高空槽型的降水,GTEJ的可参考性最强,达到41%,其次是Grapes为35%,Ecmwf和T639为29%。
2)对于切变型降水,这里讨论的切变型降水主要指高空系统影响不明显的情况下,GTEJ的可参考性依然是最强的,达到57%,其次是Grapes为43%,T639的可参考性是最弱的,仅为14%。
3)对于冷空气型的降水,Ecmwf的可参考性最强,达到45%,其次是GTEJ,为36%,Ecmwf和T639相对弱一些。
4)对于台风型降水,由于台风降水的样本资料较少,对结果有一定的影响,但在一定程度上也能说明问题,并且台风造成的影响和灾害较大,因此也对此类降水的预报效果进行了检验分析,发现Ecmwf在台风降水预报中显著的优越性,而
Grapes和T639对台风降水的预报参考性相当低。
5)对于副高边缘型的降水,具有不稳定和局地性强的特征,由于样本资料有限,对结果有一定影响,需要在以后的工作中,不断积累相关资料,使检验结果更加准确,从现有的统计来看,对于此类降水Ecmwf和GTEJ的降水预报具有很好的参考意义,而T639的可参考性是4种模式中最低的。
1)江西省具有一定范围的大雨以上量级的降水基本都集中在春夏两季,尤其是大暴雨秋冬季节几乎没有出现,并且江西省大部分大雨以上量级的降水过程均伴有短时强降水,小部分是均匀降水造成的。
2)从24 h内逐3 h的降水预报效果来看,GTEJ的预报效果最好,T639的预报效果相对最差的,分时段而言,前00:00-09:00,Ecmwf的预报效果最好,准确率
达34%,12:00-21:00,GTEJ的预报效果最好,准确率达31%,24:00,T639的预报效果最好,准确率达26%。
3)从不同季节4种模式的预报效果来看,春季的降水预报,T639的可参考性最强;对于夏季的降水预报,GTEJ的可参考性是最强的;对于秋季和冬季的降水预报,Ecmwf和GTEJ的可参考性都较强,尤其是Ecmwf,因此在预报业务工作中,当
各类数值模式预报不一致时,要适当倾向于可参考性较强的模式,帮助主观判断,以做出最接近实况的预报。
4)通过检验分析不同类型降水下4种模式的降水预报效果,高空槽型的降水,GTEJ的可参考性最强;切变型降水,GTEJ的可参考性依然是最强的;冷空气型
的降水,Ecmwf的可参考性最强;台风型的降水,要重点参考Ecmwf;副高边缘型的降水,Ecmwf和GTEJ的都具有很好的参考价值。
【相关文献】
[1] 张宏芳,潘留杰,杨新.ECMWF、日本高分辨率降水预报能力的对比分析[J].气
象,2014,40(4):424-432.
[2] 王雨.2004年主汛期各数值预报模式定量降水预报评估[J].应用气象学报,2006,17(3):316-324.
[3] 张建海,诸晓明.数值预报产品和客观预报方法预报能力检验[J].气象,2006,32(2):58-63.
[4] 张宁娜,黄阁,吴曼丽,等.2010年国内外3种数值预报在东北地区的预报检验[J].气象与环境学报,2012,28(2):28-33.
[5] 徐星生,万明,薛谌彬,等.WRF-RUC在2014年江西汛期降水预报中的检验分析[J].气象与减灾研究,2014,37(3):23-28.
[6] 张晶,姚文,何晓东,等.营口地区数值预报降水产品定量检验和预报指标研究[J].气象与环境学报,2014,30(1):30-35.
[7] 吴曼丽,梁寒,王瀛,等.2008年T213与德国降水数字预报产品定量检验和预报指标研究[J].气象与环境学报,2009,25(4):22-26.
[8] 张岳,张小峰,杨睿敏.汉中T213数值预报降水定量预报释用[J].陕西气象,2006(3):4-5.。