利用2017—2022年汛期(4—9月)湖南省1912个地面观测站降水实况和欧洲中心中期天气预报一体化预报系统(European Centre for Medium-Range Weather Forecasts-Integrated Forecasting System,ECMWFIFS)最优因子集,在一种U型语义分割网络...利用2017—2022年汛期(4—9月)湖南省1912个地面观测站降水实况和欧洲中心中期天气预报一体化预报系统(European Centre for Medium-Range Weather Forecasts-Integrated Forecasting System,ECMWFIFS)最优因子集,在一种U型语义分割网络(U-Net模型)基础上结合残差网络和注意力机制网络,构建了逐时降水订正预报模型(SARU),并将模型2023年汛期预报结果与最优TS评分订正法(OTS)以及中国气象局上海数值预报模式系统(CMA-SH9)进行对比。(1)SARU模型整体的晴雨准确率、相关系数(COR)、平均绝对误差(MAE)、偏差(BIAS)分别为0.87、0.17、0.35、0.73,皆优于OTS模型和CMA-SH9模式,尤其在湘中地区,SARU模型对于预报趋势和量级有明显优势,其空报率和漏报率比例基本相当,OTS模型漏报率远超空报率,CMA-SH9则正好相反。(2)SARU模型对于分级降水频次的预报较OTS模型和CMA-SH9模式更接近实况,尤其是20mm以上降水频次,预报偏少27.29%,远优于OTS模型预报的偏少85.54%和CMA-SH9模式的偏多95.50%。(3)对于小时雨量[5,10)、[10,20)和≥20 mm这三个级别的降水,SARU模型TS、命中率(POD)、空报率(FAR)、漏报率(MAR)皆最优,尤其短时强降水,SARU模型较CMA-SH9模式有明显优势,而OTS模型的预报能力则明显不足。(4)湖南存在明显的夜雨特征,夜间时段(北京时02—08时)短时强降水频次明显高于其他时段。SARU模型很好地把握了夜间短时强降水特征,TS在夜间明显升高,尤其是在北京时05时达到峰值(0.07左右),明显优于CMA-SH9模式和OTS模型。展开更多
文摘利用2017—2022年汛期(4—9月)湖南省1912个地面观测站降水实况和欧洲中心中期天气预报一体化预报系统(European Centre for Medium-Range Weather Forecasts-Integrated Forecasting System,ECMWFIFS)最优因子集,在一种U型语义分割网络(U-Net模型)基础上结合残差网络和注意力机制网络,构建了逐时降水订正预报模型(SARU),并将模型2023年汛期预报结果与最优TS评分订正法(OTS)以及中国气象局上海数值预报模式系统(CMA-SH9)进行对比。(1)SARU模型整体的晴雨准确率、相关系数(COR)、平均绝对误差(MAE)、偏差(BIAS)分别为0.87、0.17、0.35、0.73,皆优于OTS模型和CMA-SH9模式,尤其在湘中地区,SARU模型对于预报趋势和量级有明显优势,其空报率和漏报率比例基本相当,OTS模型漏报率远超空报率,CMA-SH9则正好相反。(2)SARU模型对于分级降水频次的预报较OTS模型和CMA-SH9模式更接近实况,尤其是20mm以上降水频次,预报偏少27.29%,远优于OTS模型预报的偏少85.54%和CMA-SH9模式的偏多95.50%。(3)对于小时雨量[5,10)、[10,20)和≥20 mm这三个级别的降水,SARU模型TS、命中率(POD)、空报率(FAR)、漏报率(MAR)皆最优,尤其短时强降水,SARU模型较CMA-SH9模式有明显优势,而OTS模型的预报能力则明显不足。(4)湖南存在明显的夜雨特征,夜间时段(北京时02—08时)短时强降水频次明显高于其他时段。SARU模型很好地把握了夜间短时强降水特征,TS在夜间明显升高,尤其是在北京时05时达到峰值(0.07左右),明显优于CMA-SH9模式和OTS模型。
