基于欧洲中期天气预报中心(ECMWF)、中国气象局(CMA)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、英国气象局(UKMO)五个模式集成的交互式全球大集合预报系统(THORPEX Interactive Grand Global Ensemble,简称TIGGE)资料集的确定性...基于欧洲中期天气预报中心(ECMWF)、中国气象局(CMA)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、英国气象局(UKMO)五个模式集成的交互式全球大集合预报系统(THORPEX Interactive Grand Global Ensemble,简称TIGGE)资料集的确定性预报、集合预报以及地面降水观测数据,采用多模式集成平均(EMN)、消除偏差集成平均(BREM)、滑动训练期超级集合方法(R_SUP)对2018年华南汛期(4—9月)粤港澳大湾区的降水预报开展了评估检验。总体而言,多模式集成预报方法在大湾区前汛期降水预报的均方根误差平均比后汛期高2 mm;多模式集成预报方法的预报能力在前汛期随着预报时效的延长而呈持续下降趋势,后汛期则表现为短期(24~72 h)下降、中期(72~168 h)持续平稳的变化特点。与预先的假设差异主要表现在:对前、后汛期的降水预报综合表现最好的均是数学原理相对简单的EMN,而BREM和R_SUP的空间平均评分指标则稍差,但其在降水落区预报中仍有较好的预报技巧。展开更多
利用逐日平均气温和24小时累积降水量资料研究了2008年初中国南方低温雨雪极端天气事件的特征。还利用TIGGE(THORPEX Interactive Grand Global Ensemble)资料中欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NC...利用逐日平均气温和24小时累积降水量资料研究了2008年初中国南方低温雨雪极端天气事件的特征。还利用TIGGE(THORPEX Interactive Grand Global Ensemble)资料中欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)以及中国气象局(CMA)提供的集合预报资料进行多模式集成预报试验。结果表明,2008年初中国南方1/3以上测站的降水偏多达50年一遇,50年一遇的低温还出现在贵州和湖南西部。利用滑动训练期消除偏差集合平均(R-BREM)方法对地面气温做24～216 h预报,发现其预报技巧明显高于单个模式预报和其它多模式集成方法的预报技巧。以欧洲中期天气预报中心地面气温96 h预报的均方根误差作为标准,R-BREM方法能将中国东南部地区的气温预报时效延长到192 h。R-BREM方法还能有效地提高降水预报的准确率,24～192 h小雨预报的TS评分明显高于单个模式预报及其它多模式集成预报的评分,但72 h预报例外。对于24～192 h中雨预报,R-BREM方法也较单个模式及其它多模式集成预报方法的预报技巧高。展开更多
利用德国气象局(German Bureau of Meteorology,GBM)全球中期数值天气预报产品、日本气象厅(Japan Meteorological Agency,JMA)全球中期数值天气预报产品和中国国家气象中心T639数值预报产品3个子模式,采用偏最小二乘回归(partiaI least...利用德国气象局(German Bureau of Meteorology,GBM)全球中期数值天气预报产品、日本气象厅(Japan Meteorological Agency,JMA)全球中期数值天气预报产品和中国国家气象中心T639数值预报产品3个子模式,采用偏最小二乘回归(partiaI least square regression,PLS)方法、超级集成(multi-model superensemble,SUP)方法和消除偏差集成平均(bias-removed ensemble mean,BREM)方法对比试验,建立2012—2013年冬季东亚区域(15°~70°N、90°~145°E)的地面气温多模式集成预报模型,并进行2014年冬季24~72 h预报时效的地面温度的多模式集成预报研究。为进一步验证集成方法的性能是否具备稳定性,以2014年2月1—9日发生的寒潮天气过程为个例进行检验分析。结果表明,多模式集成预报模型能够综合子模式优点,预报效果明显好于3个子模式,且PLS方法优于SUP、BREM集成方法。展开更多
基于TIGGE（THORPEX Interactive Grand Global Ensemble,全球交互式大集合）资料中欧洲中期天气预报中心（European Centre for Medium-Range Weather,ECMWF）、日本气象厅（Japan Meteorological Agency,JMA）、美国国家环境预报中心...基于TIGGE（THORPEX Interactive Grand Global Ensemble,全球交互式大集合）资料中欧洲中期天气预报中心（European Centre for Medium-Range Weather,ECMWF）、日本气象厅（Japan Meteorological Agency,JMA）、美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）和英国气象局（United Kingdom Met Office,UKMO）4个中心的北半球地面2m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均（bias-removed ensemble mean,BREM）和多模式超级集合（superensemble,SUP）方法进行统计降尺度预报研究.结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果.引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小.对比综合表现最好的单中心ECMWF的预报,1～7d的降尺度预报误差改进率均达20％以上.研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法.展开更多
文摘基于欧洲中期天气预报中心(ECMWF)、中国气象局(CMA)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、英国气象局(UKMO)五个模式集成的交互式全球大集合预报系统(THORPEX Interactive Grand Global Ensemble,简称TIGGE)资料集的确定性预报、集合预报以及地面降水观测数据,采用多模式集成平均(EMN)、消除偏差集成平均(BREM)、滑动训练期超级集合方法(R_SUP)对2018年华南汛期(4—9月)粤港澳大湾区的降水预报开展了评估检验。总体而言,多模式集成预报方法在大湾区前汛期降水预报的均方根误差平均比后汛期高2 mm;多模式集成预报方法的预报能力在前汛期随着预报时效的延长而呈持续下降趋势,后汛期则表现为短期(24~72 h)下降、中期(72~168 h)持续平稳的变化特点。与预先的假设差异主要表现在:对前、后汛期的降水预报综合表现最好的均是数学原理相对简单的EMN,而BREM和R_SUP的空间平均评分指标则稍差,但其在降水落区预报中仍有较好的预报技巧。
文摘利用德国气象局(German Bureau of Meteorology,GBM)全球中期数值天气预报产品、日本气象厅(Japan Meteorological Agency,JMA)全球中期数值天气预报产品和中国国家气象中心T639数值预报产品3个子模式,采用偏最小二乘回归(partiaI least square regression,PLS)方法、超级集成(multi-model superensemble,SUP)方法和消除偏差集成平均(bias-removed ensemble mean,BREM)方法对比试验,建立2012—2013年冬季东亚区域(15°~70°N、90°~145°E)的地面气温多模式集成预报模型,并进行2014年冬季24~72 h预报时效的地面温度的多模式集成预报研究。为进一步验证集成方法的性能是否具备稳定性,以2014年2月1—9日发生的寒潮天气过程为个例进行检验分析。结果表明,多模式集成预报模型能够综合子模式优点,预报效果明显好于3个子模式,且PLS方法优于SUP、BREM集成方法。
文摘基于TIGGE（THORPEX Interactive Grand Global Ensemble,全球交互式大集合）资料中欧洲中期天气预报中心（European Centre for Medium-Range Weather,ECMWF）、日本气象厅（Japan Meteorological Agency,JMA）、美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）和英国气象局（United Kingdom Met Office,UKMO）4个中心的北半球地面2m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均（bias-removed ensemble mean,BREM）和多模式超级集合（superensemble,SUP）方法进行统计降尺度预报研究.结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果.引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小.对比综合表现最好的单中心ECMWF的预报,1～7d的降尺度预报误差改进率均达20％以上.研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法.
