-
题名基于评分最优化的模式降水预报订正算法对比
被引量：71
- 1
-
-
作者
吴启树
韩美
刘铭
陈法敬
-
机构
福建省气象台
国家气象中心
-
出处
《应用气象学报》
CSCD
北大核心
2017年第3期306-317,共12页
-
基金
气象预报业务关键技术发展专项(YBGJXM201703-06)
福建省自然科学基金社会发展引导性(重点)项目(2017Y-008)
-
文摘
使用2013年1月1日—2016年1月7日全国气象站观测资料,应用准对称混合滑动训练期,不改变雨带预报位置和形态,基于模式降水预报订正结果的TS评分最优化及ETS评分最优化,分别设计最优TS评分订正法(OTS)和最优ETS评分订正法(OETS)确定预报日各级降水订正系数,对2014—2015年降水数值预报进行分级订正,并与频率匹配法(FM)对比。结果表明:在24 h累积降水的多个预报时效订正中,无论是对欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心和中国气象局的全球模式降水预报,还是对4个模式的简单多模式平均,OTS和OETS较FM在TS评分和ETS评分等传统降水检验指标上均更优秀,其中OTS在所有时效均能提高模式降水预报质量,为三者最优。在概率空间的稳定公平误差评分方面,OTS在各时效、各单模式及多模式平均等方面优势明显。在预报员对应参考时效上,OTS在24~168 h的24 h累积降水预报中的TS评分也优于主观预报。
-
关键词
最优TS评分法
最优ETS评分法
频率匹配法
降水分级订正
训练期
-
Keywords
optimal threat score method
optimal equitable threat score method
frequency matching meth od
precipitation classification calibration
training period
-
分类号
P457.6
[天文地球—大气科学及气象学]
-
-
题名一种改进的频率匹配法在网格降水预报订正中的应用
被引量：1
- 2
-
-
作者
高星星
潘留杰
娄盼星
杜莉丽
-
机构
陕西省气象台
陕西省气象局秦岭和黄土高原生态环境气象重点实验室
陕西省气象科学研究所
-
出处
《气象》
CSCD
北大核心
2023年第11期1371-1383,共13页
-
基金
中国气象局创新发展专项(CXFZ2022J023、CXFFZ2023J031)
中国气象局复盘总结专项(FPZJ2023-129)共同资助
+1 种基金
陕西省自然科学基础研究计划(2022JQ-249、2023-JC-YB-283)
秦岭和黄土高原生态环境气象重点实验室开放研究基金课题(2023G-2)。
-
文摘
为提高精细化网格降水的实际预报能力,评估了2021年汛期ECMWF(EC)、CMA-MESO、SXWRF和SCMOC降水预报产品在陕西的表现,讨论了卡尔曼动态频率匹配方法对不同模式的订正效果,然后针对该方法不足,基于最优TS评分阈值法和SCMOC在天气过程判定中占优信息对小量级降水进行了二次订正,最后利用分类降水过程建模和基于图像相似识别技术改进的卡尔曼动态频率匹配法对暴雨进行了订正研究。结果表明:SCMOC晴雨预报准确率和暴雨TS评分均最高,分别为81.60%和0.30,表现最好;卡尔曼动态频率匹配法可明显提高EC、CMA-MESO和SXWRF模式降水预报产品晴雨预报准确率,对暴雨预报的改善效果不稳定,对EC晴雨预报准确率和暴雨TS评分提升幅度均最大,分别为6.35%和6.99%,该订正方法更适合于EC模式;经晴雨消空二次订正后的EC模式晴雨和小雨预报准确率较一次订正后的EC模式均有提高,分别提高了0.51%和0.64%;分类降水过程建模订正可进一步提高EC暴雨TS评分,较未分类过程订正后的暴雨TS评分提高了1.05%,且暴雨其他评分指标也均变好;改进后的卡尔曼动态频率匹配法较改进前可进一步提高EC各量级降水TS评分,尤其是暴雨TS评分提高了2.79%。
-
关键词
卡尔曼滤波
频率匹配
最优TS评分阈值法
图像相似识别技术
-
Keywords
Kalman filtering
frequency matching
optimal TS scoring threshold method
image similarity recognition technology
-
分类号
P456
[天文地球—大气科学及气象学]
P457
[天文地球—大气科学及气象学]
-
-
题名浙江梅汛期暴雨预报的客观订正方案对比分析
被引量：4
- 3
-
-
作者
沈文强
钱浩
马昊
孙长
叶延君
-
机构
浙江省气象台
浙江省兰溪市气象台
-
出处
《气象》
CSCD
北大核心
2023年第6期697-707,共11页
-
基金
浙江省自然科学基金联合基金项目(LZJMD23D050001)
国家自然科学基金青年项目(42105011)
浙江省气象科技计划重点项目(2022ZD01、2021ZD02)共同资助。
-
文摘
基于2019—2021年浙江省自动站观测资料和多模式预报数据,分析了各模式对梅汛期暴雨预报的综合表现,并采用12组降水订正方案开展了2020年和2021年浙江省梅汛期降水预报的客观订正,对比了各订正方案对模式暴雨预报的改进效果。结果表明:ECMWF、CMA-SH9和CMA-MESO梅汛期暴雨预报表现优于NCEP-GFS和CMA-GFS,且频率偏差关系稳定,可联合用于开展多模式预报客观订正;由于逐年梅汛期暴雨特征差异大,频率匹配算法无法对预报进行有效订正;最优评分法(OTS)能显著提升ECMWF模式暴雨预报TS评分,但空报率有所增加;对ECMWF降水预报经OTS量级订正后再开展基于集合平均的概率匹配订正,能明显改善以大雨带稳定性降水为主的梅汛期暴雨预报质量,但对于对流性较强的梅汛期暴雨过程订正效果不佳;优选预报成员的各类多模式融合算法均能够有效改进对流性较强的梅汛期暴雨过程预报质量,包括多模式平均、自适应集成和时滞集合预报在2020年和2021年均有明显正技巧;对各模式降水预报经OTS订正后再开展集成预报能够进一步提高梅汛期暴雨预报质量,且对稳定性暴雨和对流性暴雨过程均有较好的订正能力,其中经多模式时滞集合分级订正算法集成OTS量级订正预报表现最优。
-
关键词
客观订正
梅雨
暴雨
频率匹配
概率匹配
最优评分法
多模式集成
时滞集合预报
-
Keywords
quantitative precipitation forecast
Meiyu
torrential rain
frequency matching
probability matching
optimal score method(OTS)
multi-model fusion
time-lagged ensemble forecast
-
分类号
P456
[天文地球—大气科学及气象学]
-
