期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
GRAPES_3 km数值模式对流风暴预报能力的多方法综合评估 被引量:26
1
作者 张小雯 唐文苑 +2 位作者 郑永光 盛杰 朱文剑 《气象》 CSCD 北大核心 2020年第3期367-380,共14页
利用传统点对点TS评分、邻域法以及对象检验等多种方法,综合评估了GRAPES_3 km模式的对流风暴预报性能,分析了传统检验方法和新型空间检验方法对高分辨率模式评估的适用性和差异性,并同GRAPES_Meso模式的相关结果进行了对比。结果表明:... 利用传统点对点TS评分、邻域法以及对象检验等多种方法,综合评估了GRAPES_3 km模式的对流风暴预报性能,分析了传统检验方法和新型空间检验方法对高分辨率模式评估的适用性和差异性,并同GRAPES_Meso模式的相关结果进行了对比。结果表明:对强对流典型个例的预报评估发现,综合应用多种评估方法能够更全面地评估对流风暴预报,获取模式在对流风暴初生和发展变化过程中的预报性能。使用点对点评分方法,GRAPES_3 km模式对风暴和强风暴的预报都明显优于GRAPES_Meso模式。对于模式不同起报时间的预报,起报时间越新预报效果越好。邻域TS方法考虑了时空偏差,GRAPES_3 km模式20和35 dBz采用时间邻域1 h,空间点对点时预报技巧最高;50 dBz时空偏差较大,时间邻域尺度为3 h技巧最高。分数技巧评分(FSS)显示GRAPES_3 km模式对不同阈值的对流风暴预报均能达到最低技巧尺度,而GRAPES_Meso模式对35 dBz以上的对流风暴基本无预报能力。对象检验可以评估对流风暴特征的预报效果,GRAPES_3 km模式的对流风暴个数预报与实况较为一致,但面积预报明显低估。该模式对β中尺度的对流风暴形态、位置等预报较好,对γ中尺度的对流风暴预报尺度偏大、形状偏圆、轴角偏小,对α中尺度的对流风暴预报尺度偏小、形状偏扁、轴角偏大。GRAPES_Meso模式的对流风暴面积、个数、尺度预报较实况均偏小,位置预报偏差较大,形状预报较实况偏圆、轴角偏小。传统点对点TS评分方法和新型空间检验方法对高分辨率模式对流风暴预报的检验结论一致,依然具有一定的参考价值,但新型空间检验方法能够提供更详细的评估信息。 展开更多
关键词 对流许可尺度模式 GRAPES 时空尺度分析 邻域法 对象检验 分数技巧评分
下载PDF
基于FSS的高分辨率模式华北对流预报能力评估 被引量:24
2
作者 唐文苑 郑永光 张小雯 《应用气象学报》 CSCD 北大核心 2018年第5期513-523,共11页
目前高分辨率数值预报模式已具有一定的对流系统结构和演变特征预报能力,但对其预报能力的客观评估仍存在较多不足。选取2017年7—9月华北地区在不同天气系统背景下、具有不同组织模态的7次对流天气个例,使用模糊检验方法中的分数技巧评... 目前高分辨率数值预报模式已具有一定的对流系统结构和演变特征预报能力,但对其预报能力的客观评估仍存在较多不足。选取2017年7—9月华北地区在不同天气系统背景下、具有不同组织模态的7次对流天气个例,使用模糊检验方法中的分数技巧评分(fraction skill score,简称FSS)指标评估不同高分辨率模式(包括快速更新同化GRAPES_Meso,GRAPES_3 km及华东区域中尺度模式)对中小尺度对流过程的预报能力。结果表明:分数技巧评分能够实现当模式预报存在位移和强度偏差时仍然给出有价值的评分结果,其优势还在于可以给出表征模式空间位移偏差尺度的预报技巧尺度信息;所用3个模式的雷达回波强度预报均偏弱,当回波强度小于44 dBZ时,华东区域中尺度模式预报最接近实况,而对于44 dBZ以上的较强回波,GRAPES_3 km模式预报偏差最小;采用百分位阈值(通过升序排列求出预报和实况数列的相同百分位数作为其相应的阈值)进行检验发现,对于预报难度更大的高阈值、小尺度的对流事件,GRAPES_3 km模式预报能力更强。 展开更多
关键词 中尺度模式 模糊检验 分数技巧评分 强对流天气
下载PDF
基于时空不确定性的对流尺度集合预报效果评估检验 被引量:14
3
作者 马申佳 陈超辉 +2 位作者 智协飞 何宏让 吴丹 《气象学报》 CAS CSCD 北大核心 2018年第4期578-589,共12页
针对对流尺度天气系统的高度非线性特征和高分辨率模式预报结果存在时、空不确定性现象,以及当前邻域概率法主要考虑高分辨率预报结果的空间位移误差,而不能有效解决预报结果存在时间超前与滞后问题,将时间因素引入到邻域概率法中,结合... 针对对流尺度天气系统的高度非线性特征和高分辨率模式预报结果存在时、空不确定性现象,以及当前邻域概率法主要考虑高分辨率预报结果的空间位移误差,而不能有效解决预报结果存在时间超前与滞后问题,将时间因素引入到邻域概率法中,结合一次强飑线过程进行对流尺度集合预报试验,并基于改进后的新型邻域概率法与分数技巧评分,对降水预报进行了不同时、空尺度的效果评估检验。结果表明:(1)邻域集合概率法和概率匹配平均法在极端降水的分数技巧评分远高于传统集合平均,弥补了集合平均对极端降水预报能力偏低的缺陷。(2)对于此类飑线过程的对流尺度天气系统而言,邻域半径为15—45 km的空间尺度能够改善降水位移误差的空间不确定性,并使其预报效果达到最优,其中15—30 km的邻域半径对于尺度更小的大量级降水事件预报能力更强。(3)对流尺度降水预报考虑时间尺度与降水强度存在着对应关系,不同时间尺度可以捕获到不同量级降水的时间不确定性。同时,时间尺度与空间尺度对于降水预报效果的影响是相互关联的。(4)改进的邻域概率法能够同时体现高分辨率模式预报结果在对流尺度降水事件上存在的时、空不确定性,实现了对流尺度降水在时、空尺度上的综合评估,并能为不同量级降水提供与其时、空尺度相匹配的概率预报结果。 展开更多
关键词 对流尺度集合预报 空不确定性 邻域概率法 分数技巧评分 时空尺度检验
下载PDF
基于累加气候概率的FSS检验方法对多模式短时暴雨预报的评估
4
作者 董美莹 邱金晶 +3 位作者 陈锋 吴梦雯 陈晔峰 邓芳萍 《大气科学》 CSCD 北大核心 2024年第4期1478-1498,共21页
为深入认识数值天气模式强降水精细化预报性能,本文以短时强降水多发的浙江省2019年5到10月降水为例,采用分数技巧评分(Fractions Skill Score,简称FSS)邻域检验方法,评估了6个业务模式短时降水预报准确性,重点探讨了各模式短时暴雨预... 为深入认识数值天气模式强降水精细化预报性能,本文以短时强降水多发的浙江省2019年5到10月降水为例,采用分数技巧评分(Fractions Skill Score,简称FSS)邻域检验方法,评估了6个业务模式短时降水预报准确性,重点探讨了各模式短时暴雨预报能力及天气背景的影响。结果表明:(1)基于站点降水的累加气候概率,确定了短时小雨、中雨、大雨、暴雨和大暴雨的预报技巧评分阈值各为0.583、0.522、0.506、0.502和0.500,改进并实现了FSS方法对长时间序列各等级降水预报技巧尺度的综合评估。(2)只有上海中尺度区域数值预报业务系统和浙江中尺度区域数值预报业务系统的暴雨预报平均评分达到预报技巧,相应技巧尺度为159、159和183 km;这3个产品共有约6成预报达到技巧评分,其技巧尺度累积频率从3 km至183 km可增幅近50%,这种尺度选择性评价可为不同尺度下产品应用提供参考。(3)不同天气背景下各模式预报性能差异明显。台风类、梅雨类和弱天气尺度强迫类短时暴雨预报的最优模式分别是欧洲中期天气预报中心全球预报模式、上海中尺度区域数值预报业务系统和浙江中尺度区域数值预报业务系统,各技巧尺度为27、99和135 km,模式产品使用中需分类区别对待。 展开更多
关键词 分数技巧评分 数值天气预报模式 短时暴雨 评估
下载PDF
新型局地增长模培育法对两次飑线个例的对流尺度集合预报试验 被引量:5
5
作者 李坤 陈超辉 +2 位作者 何宏让 马申佳 姜勇强 《大气科学学报》 CSCD 北大核心 2021年第4期518-528,共11页
利用局地增长模培育法对两次典型飑线过程进行了对流尺度集合预报试验,通过与传统增长模培育法对比,检验了局地增长模培育法的实际预报效果。通过概率匹配平均处理后,将降水预报结果与实况资料进行对比分析,并用分数技巧评分来代替传统... 利用局地增长模培育法对两次典型飑线过程进行了对流尺度集合预报试验,通过与传统增长模培育法对比,检验了局地增长模培育法的实际预报效果。通过概率匹配平均处理后,将降水预报结果与实况资料进行对比分析,并用分数技巧评分来代替传统公平技巧评分实现对降水结果的合理检验,得出结论:1)在飑线降水预报上,局地增长模培育法优于增长模培育法。2)分数技巧评分比公平技巧评分更好地反映对流尺度集合预报能力,特别是在大暴雨量级降水评估上。3)降水评分结果显示,集合平均对于小雨、中雨和大雨级别降水的预报技巧高于概率匹配平均,概率匹配平均对于暴雨和大暴雨级别降水更有优势。 展开更多
关键词 局地增长模培育法 对流尺度集合预报 概率匹配平均 分数技巧评分
下载PDF
基于邻域法的区域模式环渤海短时强降水预报评估 被引量:1
6
作者 贾旭轩 张立鹏 +2 位作者 王赛 周天娇 梁军 《气象与环境学报》 2023年第3期40-46,共7页
利用2020年5—9月Grapes_3km、华东、华北、东北中尺度区域模式降水预报资料和中国气象局陆面数据同化系统产品数据集1 h降水资料,基于邻域法对副热带高压外围850 hPa切变线、东北冷涡、500 hPa高空槽、台风、台风外围500 hPa高空槽和85... 利用2020年5—9月Grapes_3km、华东、华北、东北中尺度区域模式降水预报资料和中国气象局陆面数据同化系统产品数据集1 h降水资料,基于邻域法对副热带高压外围850 hPa切变线、东北冷涡、500 hPa高空槽、台风、台风外围500 hPa高空槽和850 hPa切变线5类影响系统下环渤海区域的短时强降水预报(≥20 mm·h^(-1))进行检验评估。结果表明:5 km邻域时,各区域模式在环渤海区域短时强降水预报的FSS和命中率都很低,随着邻域增大,从50 km邻域开始,检验结果给出了当预报存在位移偏差时有价值的评分结果。第5类影响系统下的短时强降水,Grapes_3km和华东区域模式分数技巧评分(FSS)分别于250 km和300 km邻域达到了最低预报技巧,其他区域模式各邻域均未达到最低预报技巧。其他影响系统下的短时强降水,4种模式各邻域FSS均未达到最低预报技巧,在各邻域华北区域模式对于第2、3、4类影响系统下的短时强降水预报FSS高于其他模式,Grapes_3km对于第1类影响系统下的短时强降水预报FSS高于其他模式。根据命中率和空报率的检验结果,Grapes_3km对于第1、3、5类影响系统下短时强降水预报,华北区域模式对于第2、3、4类影响系统下短时强降水预报,华东区域模式对于第5类影响系统下短时强降水预报效果优于其他模式。 展开更多
关键词 影响系统 分数技巧评分 命中率 空报率
下载PDF
基于Local-BGM法的冷涡暴雨集合预报试验及评估检验
7
作者 张海鹏 智协飞 +3 位作者 李昊 黎振宇 张志强 黄晶 《气象科学》 北大核心 2023年第1期36-45,共10页
基于传统增长模繁殖法(Breeding Growing Mode,BGM)和局地增长模繁殖法(Local Breeding Growing Mode,Local-BGM)生成初始扰动成员,对一次冷涡暴雨过程进行集合预报试验,从多方面比较两种方案的预报效果,并且在邻域概率法(Neighborhood ... 基于传统增长模繁殖法(Breeding Growing Mode,BGM)和局地增长模繁殖法(Local Breeding Growing Mode,Local-BGM)生成初始扰动成员,对一次冷涡暴雨过程进行集合预报试验,从多方面比较两种方案的预报效果,并且在邻域概率法(Neighborhood Probability,NP)中引入时间邻域,评估概率预报结果。结果表明,引入局地化思想的Local-BGM方案能够生成比传统BGM方案更合理的初始扰动,具有很明显的局地特征。对于扰动变量的预报,Local-BGM方案在均方根误差和离散度等方面均表现更好,同时能够提高各量级降水的预报技巧。邻域集合概率法能够综合各个集合成员预报的降水信息得到优于集合平均的概率预报,分数技巧评分更高。并且在考虑时间不确定性后,无论是控制预报、集合平均还是邻域集合概率法,分数技巧评分均有很大改善,并且降水阈值越大改善效果越明显,能够为极端强降水天气提供较为客观的概率预报信息。 展开更多
关键词 集合预报 局地增长模繁殖法 降水预报 邻域概率法 分数技巧评分
下载PDF
基于4种高分辨率模式的辽宁省雷达回波预报邻域检验结果对比
8
作者 刘静 陈传雷 +3 位作者 王瀛 才奎志 任川 董巍 《气象与环境学报》 2022年第5期25-33,共9页
选取2017—2018年6—9月辽宁省不同降水性质,具有2种不同特征的20次天气过程个例,应用模糊检验邻域法中的分数技巧评分(Fraction Skill Score,FSS),评估华东模式、华北模式、GRAPES_3km模式和睿图东北模式对辽宁省中小尺度系统的预报能... 选取2017—2018年6—9月辽宁省不同降水性质,具有2种不同特征的20次天气过程个例,应用模糊检验邻域法中的分数技巧评分(Fraction Skill Score,FSS),评估华东模式、华北模式、GRAPES_3km模式和睿图东北模式对辽宁省中小尺度系统的预报能力。结果表明:区域性降水过程和局地性降水过程雷达回波强度越小,邻域半径越大,高分辨率模式预报技巧越高。当雷达回波大于30 dBz时,各高分辨率模式对局地性降水的雷达回波预报FSS评分均较高。当邻域半径为3 km时,区域性降水过程中,华北模式预报技巧在各级别雷达回波预报中均高于其他模式,最大FSS差值为0.031。局地性降水过程中,华东模式预报效果较好,最大FSS评分为0.127,表明华东模式预报中小尺度对流系统能力更强。局地性降水过程,睿图东北模式在08—23时预报时次中,“中间”时次的预报效果优于“两头”时次的预报,两个时次最大FSS差值为0.121。 展开更多
关键词 模式检验 回波预报 邻域法 分数技巧评分
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部