亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        深圳對(duì)流尺度集合預(yù)報(bào)系統(tǒng)在華南暴雨中的應(yīng)用研究

        2019-11-15 06:15:28江崟陳訓(xùn)來朱江山王德立陳元昭
        關(guān)鍵詞:個(gè)例實(shí)況對(duì)流

        江崟 陳訓(xùn)來 朱江山 王德立 陳元昭

        (1 深圳市氣象局,深圳 518040;2 深圳南方強(qiáng)天氣研究重點(diǎn)實(shí)驗(yàn)室,深圳 518040;3 中國(guó)科學(xué)院大氣物理研究所,北京 100029)

        0 引言

        華南暴雨研究工作一直以來備受氣象學(xué)者的關(guān)注,取得了許多有意義的成果[1-6],也是預(yù)報(bào)業(yè)務(wù)中的難點(diǎn)和熱點(diǎn)問題。隨著計(jì)算機(jī)技術(shù)和數(shù)值預(yù)報(bào)技術(shù)的快速發(fā)展,數(shù)值預(yù)報(bào)產(chǎn)品在各級(jí)氣象臺(tái)站發(fā)揮著越來越重要的作用,特別是從2001年美國(guó)率先在業(yè)務(wù)中應(yīng)用區(qū)域短期集合預(yù)報(bào)系統(tǒng)[7],集合預(yù)報(bào)產(chǎn)品在業(yè)務(wù)中應(yīng)用日趨廣泛,已成為預(yù)報(bào)員中短期天氣預(yù)報(bào)的重要參考產(chǎn)品[8-9]。集合預(yù)報(bào)結(jié)果的傳統(tǒng)處理方法為集合平均(EM),即對(duì)所有集合成員的預(yù)報(bào)結(jié)果進(jìn)行平均,由于集合平均過程的非線性過濾作用把成員中可預(yù)報(bào)性較低的成分過濾掉而留下各成員共有的信息,因此集合平均預(yù)報(bào)往往比單個(gè)預(yù)報(bào)更準(zhǔn)確[10]。

        降水預(yù)報(bào)是業(yè)務(wù)中最為關(guān)注的天氣要素之一,但在降水預(yù)報(bào)中,集合平均預(yù)報(bào)則并不總是比單個(gè)預(yù)報(bào)更準(zhǔn)確。研究發(fā)現(xiàn),雖然平均后降水位置可能變得比較準(zhǔn)確,但簡(jiǎn)單集合平均的平滑作用會(huì)造成小降水區(qū)擴(kuò)張過大而大降水區(qū)縮減過小的問題,降低了集合預(yù)報(bào)對(duì)極端天氣過程的預(yù)報(bào)能力,對(duì)很強(qiáng)或很弱的降水集合平均預(yù)報(bào)結(jié)果存在一定的缺陷[11-13]。因此,很多氣象學(xué)者研究了集合模式定量降水預(yù)報(bào)的統(tǒng)計(jì)后處理技術(shù),以便改善集合模式預(yù)報(bào)結(jié)果的可靠性和預(yù)報(bào)技巧[14],如Sloughter等[15]研究了基于貝葉斯集合平均的定量降水釋用方法;Yuan等[16]發(fā)展了人工神經(jīng)網(wǎng)絡(luò)訂正方法;Glahn等[17]發(fā)展了集合核密度模式輸出統(tǒng)計(jì)EKDMOS方法,對(duì)定量降水集合預(yù)報(bào)效果有所改進(jìn)。Zhu等[18]提出了頻率匹配訂正技術(shù)(Frequency-Matching Method,F(xiàn)MM)對(duì)集合成員預(yù)報(bào)結(jié)果進(jìn)行綜合處理,得到了廣泛的應(yīng)用[19-22]。Ebert[19]利用集合成員的原始降水頻率來訂正簡(jiǎn)單的算術(shù)集合平均降水預(yù)報(bào),頻率匹配集合平均既可保持經(jīng)集合平均光滑后位置預(yù)報(bào)較準(zhǔn)確的優(yōu)點(diǎn),同時(shí)又結(jié)合了原始集合成員在降水量級(jí)分布上較準(zhǔn)確的優(yōu)點(diǎn)。李莉等[20]采用頻率匹配的方法對(duì)T213降水預(yù)報(bào)進(jìn)行了訂正,結(jié)果表明該方法對(duì)T213降水預(yù)報(bào)的偏差有明顯改善;李俊等[21]將該方法應(yīng)用于AREM模式降水預(yù)報(bào),能夠顯著改善模式降水預(yù)報(bào)中雨量和雨區(qū)范圍的系統(tǒng)性偏差;周迪等[22]針對(duì)四川盆地暴雨,采用Gamma函數(shù)來擬合頻率分布曲線,進(jìn)而使用頻率匹配方法有效地訂正了T213暴雨集合預(yù)報(bào)系統(tǒng)性誤差。

        頻率匹配訂正技術(shù)原理是假設(shè)降水預(yù)報(bào)頻率與觀測(cè)頻率一致,統(tǒng)計(jì)關(guān)鍵區(qū)域的降水累積概率分布函數(shù),將區(qū)域內(nèi)包含的格點(diǎn)或站點(diǎn)作為同一資料序列進(jìn)行統(tǒng)計(jì)分析,通過兩者頻率匹配獲得降水預(yù)報(bào)訂正值。因此,在應(yīng)用頻率匹配訂正技術(shù)需要重點(diǎn)考慮不同區(qū)域的累積概率分布函數(shù)具有明顯的差異,而目前針對(duì)華南地區(qū)對(duì)流尺度集合降水預(yù)報(bào)的頻率匹配訂正技術(shù)在實(shí)際業(yè)務(wù)中應(yīng)用的研究仍然較少。

        深圳市氣象局自2013年開始引進(jìn)和應(yīng)用美國(guó)俄克拉荷馬大學(xué)雷暴分析和預(yù)報(bào)中心(CAPS)技術(shù),發(fā)展了深圳對(duì)流尺度集合預(yù)報(bào)系統(tǒng)(Shenzhen Storm-Scale Ensemble Forecast system,SZ-SSEF)??追测橻23]詳細(xì)介紹了具有對(duì)流分辨率(convection-allowing model,CAM)的雷暴尺度集合數(shù)值預(yù)報(bào)研究面臨的科學(xué)問題和研究現(xiàn)狀。本文基于深圳對(duì)流尺度集合預(yù)報(bào)系統(tǒng)(SZ-SSEF)降水集合平均預(yù)報(bào)產(chǎn)品,研究頻率匹配訂正技術(shù)對(duì)華南地區(qū)強(qiáng)降水集合平均預(yù)報(bào)偏差的訂正,以及該方法在典型暴雨過程中的應(yīng)用效果,以期改進(jìn)實(shí)際預(yù)報(bào)業(yè)務(wù)中對(duì)暴雨的預(yù)報(bào)能力。

        1 深圳對(duì)流尺度集合預(yù)報(bào)系統(tǒng)簡(jiǎn)介

        深圳對(duì)流尺度集合預(yù)報(bào)系統(tǒng)(SZ-SSEF)以美國(guó)雷暴分析和預(yù)報(bào)中心(CAPS)開發(fā)的ARPS 模式為雷達(dá)同化和數(shù)據(jù)前后處理,預(yù)報(bào)部分采用WRF 模式(V3.5.1)。該系統(tǒng)采用單向兩重嵌套網(wǎng)格,外層網(wǎng)格和內(nèi)層網(wǎng)格水平格距分別為12 km(DOM1)和4 km(DOM2)(表1),垂直方向?yàn)?1層。該系統(tǒng)在外層區(qū)域分別采用歐洲中期天氣預(yù)報(bào)中心(ECMWF)的0.125°×0.125°資料和美國(guó)全球集合預(yù)報(bào)系統(tǒng)(GEFS)1°×1°資料作為初始場(chǎng)和邊界條件,在內(nèi)層區(qū)域利用ARPS模式的三維變分系統(tǒng)(ARPS3DVAR)和云分析模塊分別同化廣東省全省11部多普勒雷達(dá)的徑向風(fēng)和反射率資料,并選擇不同的微物理過程和邊界層參數(shù)化方案構(gòu)建系統(tǒng)的10個(gè)集合成員,形成了多模式初值、多微物理過程和多邊界層過程的對(duì)流尺度集合預(yù)報(bào)系統(tǒng)。

        表1 深圳對(duì)流尺度集合預(yù)報(bào)系統(tǒng)Dom2區(qū)域(4 km)模式成員的配置 Table 1 Settings of the model members in the Dom2 (4 km)of Shenzhen Storm-Scale Ensemble Forecast System

        深圳對(duì)流尺度集合預(yù)報(bào)系統(tǒng)的外層網(wǎng)格區(qū)域每天08和20 時(shí)(北京時(shí),下同)啟動(dòng)兩次,預(yù)報(bào)時(shí)效為72 h,內(nèi)層網(wǎng)格區(qū)域每間隔3 h啟動(dòng)一次,每天啟動(dòng)8次,預(yù)報(bào)時(shí)效為36 h,系統(tǒng)實(shí)現(xiàn)從資料收集、資料處理、模式預(yù)報(bào)到預(yù)報(bào)結(jié)果處理與產(chǎn)品輸出的全自動(dòng)化,每小時(shí)輸出模式集合預(yù)報(bào)結(jié)果,包括概率預(yù)報(bào)產(chǎn)品、集合均值、最大值、離散度等產(chǎn)品。深圳對(duì)流尺度集合預(yù)報(bào)系統(tǒng)在華南暴雨、強(qiáng)對(duì)流等預(yù)報(bào)業(yè)務(wù)中具有重要的參考價(jià)值[24]。

        2 頻率匹配訂正方法和資料

        2.1 頻率匹配訂正方法簡(jiǎn)介

        頻率匹配訂正法最早由Zhu等[18]提出,Zhu等[25]進(jìn)一步對(duì)該方法進(jìn)行改進(jìn)。頻率匹配方法主要分為兩個(gè)步驟:1)通過構(gòu)建樣本降水預(yù)報(bào)量級(jí)以及相應(yīng)觀測(cè)量的累積分布函數(shù)獲得降水頻率分布。累積分布函數(shù)通過計(jì)算指定空間范圍內(nèi)超過一系列降水閾值(升序排列)的預(yù)報(bào)或觀測(cè)的格點(diǎn)數(shù)量而獲得。2)進(jìn)行預(yù)報(bào)調(diào)整,即通過頻率匹配方法來使得預(yù)報(bào)與觀測(cè)盡量保持頻率分布的一致性。對(duì)于一個(gè)原始預(yù)報(bào)值“RAW”可以通過預(yù)報(bào)頻率分布曲線(實(shí)線)獲得出現(xiàn)頻率值(圖1),為保證預(yù)報(bào)與觀測(cè)具有相同頻率分布,則在觀測(cè)頻率分布曲線(虛線)上找到同樣頻率的位置,其對(duì)應(yīng)的觀測(cè)量級(jí)即為訂正后的預(yù)報(bào)值“CAL”。通過此方法,可以看到在“RAW”值上預(yù)報(bào)頻率高于觀測(cè)(過度預(yù)報(bào)),通過頻率匹配訂正可以適當(dāng)減小預(yù)報(bào)量級(jí)。

        圖1 頻率匹配訂正方法示意圖[25] (虛線為觀測(cè)頻率分布曲線,實(shí)線為預(yù)報(bào),均使用觀測(cè)頻率進(jìn)行歸一化處理) Fig. 1 Schematic of the frequency-matching algorithm demonstrated as precipitation distributions normalized by observation frequency varying with threshold[25](The dashed line is for observed and the solid line is for forecast precipitation)

        2.2 資料

        本文選取2014—2017年深圳對(duì)流尺度集合預(yù)報(bào)系統(tǒng)(SZ-SSEF)系統(tǒng)每日08時(shí)預(yù)報(bào)的24 h累積集合平均雨量數(shù)據(jù),實(shí)況降水資料采用中國(guó)國(guó)家氣象信息中心基于“PDF+BMA+OI”方法研制的中國(guó)區(qū)域地面自動(dòng)站、衛(wèi)星、雷達(dá)三源降水融合數(shù)據(jù)(CMPA_Hourly V2.0)[26],降水融合數(shù)據(jù)空間分辨率為5 km,時(shí)間分辨率為1 h。每天采用格點(diǎn)統(tǒng)計(jì)的方式計(jì)算降水頻率,預(yù)報(bào)和實(shí)況降水頻率的計(jì)算方法如下

        式中,F(xiàn)頻為某個(gè)閾值降水的平均頻率,B為某個(gè)閾值降水每天出現(xiàn)的總次數(shù),j代表某個(gè)降水閾值,A為每天的總站次,i表示滑動(dòng)平均窗口的天數(shù)。為了有足夠的樣本數(shù)而又大致考慮到相似的天氣形勢(shì),本文采取滑動(dòng)平均的方法計(jì)算過去三年同時(shí)期30 d(前后各15 d)觀測(cè)各閾值降水的平均頻率作為參考頻率,預(yù)報(bào)頻率為同時(shí)期30 d深圳對(duì)流尺度集合預(yù)報(bào)系統(tǒng)集合平均降水預(yù)報(bào)對(duì)應(yīng)閾值的平均頻率,并基于集合平均預(yù)報(bào)的相似性進(jìn)行了簡(jiǎn)單的訓(xùn)練樣本分類。相似樣本選擇標(biāo)準(zhǔn)為:歷史同期區(qū)域總降水量與當(dāng)前區(qū)域總降水量的比值在0.5~1.5,同時(shí)歷史同期降水面積與當(dāng)前降水面積比值在0.5~1.5,在同期歷史集合平均預(yù)報(bào)中挑選與當(dāng)前個(gè)例相似的樣本,并統(tǒng)計(jì)偏差,這樣可以消除由于天氣形勢(shì)差異、模式系統(tǒng)(包括初、邊值)缺陷造成的系統(tǒng)誤差。

        3 檢驗(yàn)方法

        3.1 分類檢驗(yàn)方法

        本文中采用的分類檢驗(yàn)方法主要為公平技巧評(píng)分ETS(equitable threat score)和偏差評(píng)分BIAS(Bias score),這也是目前氣象部門對(duì)降水預(yù)報(bào)效果進(jìn)行評(píng)定的有效方法,使用這兩種方法對(duì)集合平均降水預(yù)報(bào)及訂正效果做統(tǒng)計(jì)檢驗(yàn)。以國(guó)家氣象局頒布的降水強(qiáng)度等級(jí)劃分標(biāo)準(zhǔn)為參考定義降水等級(jí)(表2),將24 h累積降水劃分為5個(gè)量級(jí):小雨(0.1~9.9 mm)、中雨(10.0~24.9 mm)、大雨(25.0~49.9 mm)、暴雨(50.0~99.9 mm)、大暴雨(≥100.0 mm)。

        表2 降水等級(jí) Table 2 The levels of precipitation

        偏差評(píng)分BIAS主要用來衡量模式對(duì)某一量級(jí)降水的預(yù)報(bào)偏差,該評(píng)分在數(shù)值上等于預(yù)報(bào)區(qū)域內(nèi)滿足某降水閾值的總格點(diǎn)數(shù)與對(duì)應(yīng)實(shí)況降水總格點(diǎn)數(shù)的比值[26]。BIAS評(píng)分的計(jì)算公式為

        式中,F(xiàn)為預(yù)報(bào)區(qū)域內(nèi)滿足所需量級(jí)的降水總格點(diǎn)數(shù);O 為該區(qū)域內(nèi)實(shí)況滿足該量級(jí)的總格點(diǎn)數(shù)。當(dāng)BIAS>1時(shí),表示預(yù)報(bào)結(jié)果較實(shí)況偏大;當(dāng)BIAS<1時(shí),表示預(yù)報(bào)結(jié)果較實(shí)況偏?。划?dāng)BIAS=1時(shí),則表示預(yù)報(bào)結(jié)果更接近實(shí)況,預(yù)報(bào)技巧最高。

        由于BIAS評(píng)分主要是用于衡量預(yù)報(bào)區(qū)域內(nèi)滿足某降水閾值的預(yù)報(bào)技巧,并不能衡量降水的準(zhǔn)確率,因此還需引入公平技巧評(píng)分ETS用于衡量對(duì)流尺度集合預(yù)報(bào)的預(yù)報(bào)效果。ETS評(píng)分表示在預(yù)報(bào)區(qū)域內(nèi)滿足某降水閾值的降水預(yù)報(bào)結(jié)果相對(duì)于滿足同樣降水閾值的隨機(jī)預(yù)報(bào)的預(yù)報(bào)技巧,因此該評(píng)分方法有效地去除了隨機(jī)降水概率對(duì)評(píng)分的影響,相對(duì)而言更加公平、客觀。ETS評(píng)分的具體計(jì)算公式如下

        式中, R(a) 表示隨機(jī)情況下可能正確預(yù)報(bào)的次數(shù);NA、NB、NC、ND由表3 定義。NA表示“正確命中次數(shù)”;NB表示“虛報(bào)次數(shù)”;NC表示“漏報(bào)次數(shù)”;ND表示“正確拒絕次數(shù)”。根據(jù)定義,如果ETS>0時(shí),表示對(duì)于某量級(jí)降水來說預(yù)報(bào)有技巧;如果ETS≤0時(shí),則表示預(yù)報(bào)沒有技巧;如果ETS=1時(shí),則表示該預(yù)報(bào)為完美預(yù)報(bào)。

        表3 降水的檢驗(yàn)分類表 Table 3 The classification of precipitation verification

        3.2 基于目標(biāo)對(duì)象的空間檢驗(yàn)方法

        空間預(yù)報(bào)檢驗(yàn)方法是近年來發(fā)展起來的新興檢驗(yàn)技術(shù),主要面向中尺度天氣數(shù)值預(yù)報(bào)模式。采用WRF模式MET(Model Evaluation Tools)檢驗(yàn)包中基于目標(biāo)對(duì)象的空間檢驗(yàn)方法MODE(Method for Object-Based diagnostic Evaluation)[27],該方法可以辨識(shí)二維場(chǎng)中的空間特征,對(duì)預(yù)報(bào)和實(shí)況中的降水目標(biāo)識(shí)別和配對(duì)后,從預(yù)報(bào)降水和觀測(cè)降水落區(qū)的質(zhì)心距離、邊界距離、重合面積、面積比率等多方面綜合考慮相似度屬性,給出相似度評(píng)分,為模式使用人員提供更多、更豐富的檢驗(yàn)信息,得到了較為廣泛的應(yīng)用[28-31]。

        4 集合預(yù)報(bào)訂正試驗(yàn)及結(jié)果分析

        為了說明頻率匹配訂正法的應(yīng)用效果,本文選取了2017年6月19日西南季風(fēng)暴雨過程和8月23日強(qiáng)臺(tái)風(fēng)天鴿暴雨過程做具體分析。2017年6月19日受西南季風(fēng)影響,華南地區(qū)出現(xiàn)一次大范圍較明顯的強(qiáng)降水過程,其中廣西中南部、粵東、粵西、珠江三角洲和福建北部市(縣)出現(xiàn)了暴雨局部大暴雨的降水(圖3c);2017年第13號(hào)強(qiáng)臺(tái)風(fēng)天鴿8月23日12時(shí)50分登陸珠海金灣區(qū)沿海,是1965年以來登陸珠江三角洲的最強(qiáng)臺(tái)風(fēng),給廣東、廣西南部沿海帶來了狂風(fēng)暴雨,其中珠江三角洲、粵西和廣西南部市(縣)普遍出現(xiàn)了暴雨到大暴雨(圖4c),造成18人死亡、5人失蹤,直接經(jīng)濟(jì)損失達(dá)281.05億元。為方便敘述,文中將這兩次區(qū)域性暴雨過程分別稱為個(gè)例1和個(gè)例2。

        4.1 累積頻率分布

        圖2是根據(jù)2014—2016年同時(shí)期的實(shí)況觀測(cè)和對(duì)流尺度集合預(yù)報(bào)系統(tǒng)預(yù)報(bào)降水?dāng)?shù)據(jù)計(jì)算的2017年6月19日和8月23日前后各15 d降水的累積頻率分布圖。如圖2a所示,對(duì)個(gè)例1暴雨過程的降水集合平均預(yù)報(bào),在70 mm的降水,實(shí)況觀測(cè)和模式系統(tǒng)預(yù)報(bào)降水的累積頻率一致;但對(duì)小于70 mm的降水,模式系統(tǒng)預(yù)報(bào)的累積頻率小于實(shí)況觀測(cè)累積頻率,表明模式系統(tǒng)對(duì)降水預(yù)報(bào)頻率具有系統(tǒng)性偏大的特征,需通過頻率匹配訂正適當(dāng)減小降水預(yù)報(bào)量級(jí);而對(duì)大于70 mm以上的強(qiáng)降水,模式系統(tǒng)預(yù)報(bào)累積頻率大于實(shí)況觀測(cè)累積頻率,表明模式對(duì)降水預(yù)報(bào)頻率具有系統(tǒng)性偏小的特征,需通過頻率匹配訂正適當(dāng)增大降水預(yù)報(bào)量級(jí)。對(duì)個(gè)例2(圖2b)也有類似的現(xiàn)象,但實(shí)況觀測(cè)結(jié)果和模式系統(tǒng)預(yù)報(bào)的降水在135 mm時(shí)兩者的累積頻率才一致。

        4.2 訂正前后落區(qū)對(duì)比

        圖2 實(shí)況觀測(cè)和模式預(yù)報(bào)降水的不同閾值累積頻率分布曲線(a)個(gè)例1;(b)個(gè)例2 Fig. 2 Cumulative frequency curves of observed and forecasted precipitation over various precipitation thresholds(a) Case 1, (b) Case 2

        從深圳對(duì)流尺度集合預(yù)報(bào)系統(tǒng)預(yù)報(bào)的24 h累積集合平均雨量分布圖上可以看出,對(duì)于個(gè)例1,對(duì)流尺度集合預(yù)報(bào)系統(tǒng)較好地預(yù)報(bào)出了由西南季風(fēng)造成的覆蓋廣西、廣東和福建的區(qū)域性暴雨過程(圖3a),東北—西南走向的雨帶形狀和位置與實(shí)況較為一致,較好地預(yù)報(bào)出了位于廣東、廣西交界處以及福建中部的強(qiáng)降水中心(圖3c);但集合預(yù)報(bào)系統(tǒng)預(yù)報(bào)的集合平均雨量偏大,強(qiáng)降水雨帶范圍較實(shí)況區(qū)域偏大,重慶、貴州北部和湖南北部小雨區(qū)域空?qǐng)?bào)現(xiàn)象較為明顯。通過頻率匹配方法訂正后(圖3b),降水量級(jí)偏大現(xiàn)象得到訂正,強(qiáng)降水雨帶范圍與實(shí)況比較接近,小雨區(qū)域范圍明顯減小,降低了降水的空?qǐng)?bào)。對(duì)個(gè)例2,對(duì)流尺度集合預(yù)報(bào)系統(tǒng)較準(zhǔn)確地預(yù)報(bào)出了強(qiáng)臺(tái)風(fēng)天鴿螺旋雨帶和強(qiáng)降水總體分布特征,珠江口兩側(cè)、粵西和廣西南部的大暴雨位置和強(qiáng)度與實(shí)況比較接近(圖4a)。與個(gè)例1類似,小雨區(qū)域范圍明顯偏大,強(qiáng)降水中心的范圍也較實(shí)況偏大,空?qǐng)?bào)明顯(圖4b)。通過頻率匹配方法訂正后,廣西北部、湖南和江西南部的小雨區(qū)域范圍減小,珠江三角洲及粵東市縣的暴雨和大暴雨預(yù)報(bào)區(qū)域范圍也有較大程度的縮小,空?qǐng)?bào)現(xiàn)象得到了較大改善(圖4c)。

        圖 3 2017年6月19日訂正前后的24 h降水預(yù)報(bào):(a)訂正前,(b)訂正后,(c)實(shí)況 Fig. 3 24 h precipitation forecasts at 08:00 BT 19 June 2017:(a) before BIAS correction, (b) after BIAS correction, (c)observation

        圖 4 2017年8月23日訂正前后的24 h降水預(yù)報(bào):(a)訂正前,(b)訂正后,(c)實(shí)況 Fig. 4 24 h precipitation forecasts at 08:00 BT 23 August 2017: (a) before BIAS correction, (b) after BIAS correction, (c)observation

        另外,從這兩個(gè)區(qū)域性暴雨過程也可以看出,盡管雨量大小和雨區(qū)范圍的偏差得到了訂正,但雨區(qū)的形狀(走向)在訂正前后變化不大。

        4.3 訂正前后分類檢驗(yàn)評(píng)分

        前面定性分析了頻率匹配訂正法應(yīng)用效果對(duì)比,接下來從降水預(yù)報(bào)評(píng)分角度進(jìn)行定量分析。降水預(yù)報(bào)評(píng)分是衡量集合預(yù)報(bào)系統(tǒng)性能的重要指標(biāo),本文選取被廣泛應(yīng)用的ETS評(píng)分和偏差BIAS對(duì)訂正前后模式預(yù)報(bào)效果進(jìn)行檢驗(yàn),評(píng)分范圍為模式區(qū)域范圍內(nèi)有融合降水觀測(cè)數(shù)據(jù)的格點(diǎn)。從ETS評(píng)分結(jié)果看(圖5a和圖6a),對(duì)個(gè)例1和個(gè)例2,經(jīng)過訂正后,不同量級(jí)的降水預(yù)報(bào)ETS評(píng)分大部分都有一定程度的正向提升,其中對(duì)小雨量級(jí)的ETS評(píng)分改善較為明顯,ETS評(píng)分分別提高了20%和10%,主要是因?yàn)樵诩掀骄A(yù)報(bào)中大片虛報(bào)的小雨量級(jí)降水區(qū)域經(jīng)過訂正后被消除了。但總得來說,對(duì)大雨量級(jí)以上降水的ETS評(píng)分改進(jìn)不是很明顯。

        從圖5b和圖6b中可以看出,經(jīng)過頻率匹配訂正法后降水預(yù)報(bào)的BIAS評(píng)分改進(jìn)較為明顯,各個(gè)閾值的降水預(yù)報(bào)BIAS評(píng)分都有改進(jìn),訂正后BIAS評(píng)分值接近與1,與實(shí)況更吻合,尤其是對(duì)于個(gè)例1中的暴雨和大暴雨量級(jí)的BIAS評(píng)分改進(jìn)最為顯著,分別從4.98和5.83減小到2.43和2.63,減小了一半以上,明顯改進(jìn)了對(duì)強(qiáng)降水的空?qǐng)?bào)現(xiàn)象,訂正后對(duì)流尺度集合預(yù)報(bào)系統(tǒng)的強(qiáng)降水量級(jí)與實(shí)況較為一致,降水強(qiáng)度預(yù)報(bào)更準(zhǔn)確。

        經(jīng)過訂正后,雖然雨區(qū)和雨量得到改善的情況下,但ETS評(píng)分卻沒有明顯提高,這與頻率匹配訂正法的基本原理有關(guān):該方法主要是根據(jù)觀測(cè)與預(yù)報(bào)降水量值的頻率分布進(jìn)行匹配,著重調(diào)整的是模式降水量值的總體強(qiáng)度,即模式的系統(tǒng)性偏差,并未涉及到降水落區(qū)的調(diào)整,而ETS評(píng)分主要是衡量降水落區(qū)的準(zhǔn)確性,此方法訂正后的雨區(qū)的邊界附近有一定的效果,但雨區(qū)主體還得依賴模式本身的預(yù)報(bào),故ETS評(píng)分提升效果不明顯。

        圖5 2017年6月19日訂正前后24 h降水預(yù)報(bào)的ETS評(píng)分(a)和BIAS評(píng)分(b) Fig. 5 ETS scores (a) and BIAS scores (b) before and after being calibrated for heavy rain forecasting results on 19 June 2017

        圖6 2017年8月23日訂正前后24 h降水預(yù)報(bào)的ETS評(píng)分(a)和BIAS評(píng)分(b) Fig. 6 ETS scores (a) and BIAS scores (b) before and after being calibrated for heavy rain forecasting results on 23 August 2017

        4.4 訂正前后空間檢驗(yàn)結(jié)果

        下面對(duì)這兩次典型個(gè)例過程使用空間檢驗(yàn)MODE方法進(jìn)行檢驗(yàn)和分析。首先對(duì)對(duì)流尺度集合預(yù)報(bào)結(jié)果和觀測(cè)實(shí)況進(jìn)行直徑5格點(diǎn)的卷積操作,然后使用5 mm閾值提取降水對(duì)象,計(jì)算預(yù)報(bào)和觀測(cè)實(shí)況降水對(duì)象各項(xiàng)特征的相似性。計(jì)算特征主要包括預(yù)報(bào)和觀測(cè)之間的面積比、質(zhì)心距離、軸角差異、強(qiáng)度比率等。

        圖7分別為2017年6月19日經(jīng)過頻率匹配訂正前后的MODE識(shí)別出的目標(biāo)匹配圖,在本次個(gè)例共識(shí)別出1個(gè)配對(duì)目標(biāo)。在訂正前,模式預(yù)報(bào)5 mm以上降水區(qū)域要大于實(shí)況,降水預(yù)報(bào)與觀測(cè)面積比(預(yù)報(bào)值比觀測(cè)值,下同)為1.38(表4),訂正后,降水預(yù)報(bào)的面積明顯減小,預(yù)報(bào)與觀測(cè)面積比為1.01,與實(shí)況基本相當(dāng)。識(shí)別區(qū)域的質(zhì)心距離也由訂正前的23.03 km減小到訂正后的10.94 km,訂正后預(yù)報(bào)目標(biāo)與觀測(cè)目標(biāo)之間的空間偏差更小,并且軸角差分別為3.27°和4.87°,說明主要雨區(qū)的走向與實(shí)況比較接近。從預(yù)報(bào)強(qiáng)度來看,訂正前降水預(yù)報(bào)目標(biāo)第50%分位強(qiáng)度和第90%分位強(qiáng)度分別30.59和57.80 mm,對(duì)應(yīng)觀測(cè)目標(biāo)第50%分位強(qiáng)度和第90%分位強(qiáng)度分別為16.13和39.13 mm,強(qiáng)度比率為1.90和1.48,而訂正后,降水預(yù)報(bào)目標(biāo)第50%分位強(qiáng)度和第90%分位強(qiáng)度分別21.73和53.14 mm,更接近實(shí)況觀測(cè),強(qiáng)度比率也分別減小到1.35和1.36,表明訂正后改進(jìn)了模式對(duì)預(yù)報(bào)降水偏強(qiáng)現(xiàn)象。

        圖7 2017年6月19日訂正前后24 h降水識(shí)別出的目標(biāo)匹配分布圖(a)訂正前預(yù)報(bào),(b)訂正后預(yù)報(bào),(c)實(shí)況(其中不同顏色識(shí)別多個(gè)合成目標(biāo),藍(lán)色代表沒有配對(duì)的目標(biāo)) Fig. 7 Spatial distribution of matching objects for 24h precipitation forecasts on 19 June 2017(a) before bias correction, (b) after bias correction, (c) observation

        表4 2017年6月19日預(yù)報(bào)場(chǎng)和實(shí)況場(chǎng)匹配目標(biāo)的診斷量值 Table 4 Attributes of matching object of 24 h precipitation forecasts on 19 June 2017

        圖8為2017年8月23日過程的檢驗(yàn)結(jié)果。在訂正前預(yù)報(bào)中,集合平均的平滑作用導(dǎo)致華南沿海地區(qū)的降水與北部若干降水區(qū)域連成一體,被識(shí)別為一個(gè)降水對(duì)象,與實(shí)況觀測(cè)中的降水對(duì)象差異較大(圖8a和圖8c),訂正預(yù)報(bào)則較好的區(qū)分了兩個(gè)不同的降水目標(biāo)對(duì)象,預(yù)報(bào)與實(shí)況落區(qū)較為一致。為了便于對(duì)比分析,表5中僅給出目標(biāo)對(duì)1的屬性診斷量統(tǒng)計(jì)值。從表中可以看出,訂正前預(yù)報(bào)與觀測(cè)面積比為1.95,預(yù)報(bào)降水覆蓋面積接近實(shí)況觀測(cè)的2倍,明顯偏大,而采用頻率匹配法訂正后,預(yù)報(bào)與觀測(cè)面積比為0.99,兩者覆蓋面積基本相當(dāng);質(zhì)心距離也由訂正前的54.07 km減小到14.33 km,訂正后預(yù)報(bào)目標(biāo)與觀測(cè)目標(biāo)之間的空間偏差明顯減小,位置更接近,軸角差都比較小,說明預(yù)報(bào)雨區(qū)的走向與實(shí)況基本一致。從預(yù)報(bào)強(qiáng)度來看,訂正后第50%分位強(qiáng)度比率為0.98,比訂正前更接近實(shí)況觀測(cè),但是訂正后的第90%分位強(qiáng)度比率高于訂正前,說明訂正預(yù)報(bào)可能對(duì)高量級(jí)降水存在一定過度訂正??偟膩碚f,經(jīng)過頻率匹配訂正前后預(yù)報(bào)降水覆蓋面積比、質(zhì)心距離、強(qiáng)度比率等指標(biāo)優(yōu)于訂正前的預(yù)報(bào)結(jié)果。

        圖8 2017年8月23日訂正前后24 h降水識(shí)別出的目標(biāo)匹配圖(a)訂正前預(yù)報(bào),(b)訂正后預(yù)報(bào),(c)實(shí)況(其中不同顏色識(shí)別多個(gè)合成目標(biāo),藍(lán)色代表沒有配對(duì)的目標(biāo)) Fig. 8 Spatial distribution of matching objects for 24 h precipitation forecasts on 23 August 2017(a) before bias correction, (b) after bias correction, (c) observation

        5 結(jié)論與討論

        1)采用頻率匹配法能有效訂正深圳對(duì)流尺度集合預(yù)報(bào)系統(tǒng)的集合平均降水預(yù)報(bào)的雨量和雨區(qū)面積的系統(tǒng)性偏差,訂正后,降水量級(jí)和雨區(qū)范圍的預(yù)報(bào)得到改善,特別是小雨量級(jí)的區(qū)域范圍明顯減小,強(qiáng)降水中心的強(qiáng)度和范圍也與實(shí)況更加吻合。

        表5 2017年8月23日預(yù)報(bào)場(chǎng)和實(shí)況場(chǎng)匹配目標(biāo)的診斷量值 Table 5 Attributes of matching object of 24 h precipitation forecasts on 23 August 2017

        2)基于分類檢驗(yàn)方法的客觀評(píng)分表明,訂正后降雨預(yù)報(bào)的ETS評(píng)分有所提高,各個(gè)閾值的降水BIAS評(píng)分都有改進(jìn),訂正后BIAS評(píng)分值接近1,與實(shí)況較吻合,可以減小暴雨量級(jí)和大暴雨量級(jí)的BIAS偏差,改進(jìn)了對(duì)流尺度集合預(yù)報(bào)系統(tǒng)對(duì)強(qiáng)降水的空?qǐng)?bào)現(xiàn)象。

        3)應(yīng)用面向目標(biāo)的空間檢驗(yàn)方法(MODE)對(duì)訂正前后降雨預(yù)報(bào)進(jìn)行了空間檢驗(yàn),訂正后降水預(yù)報(bào)的覆蓋面積比、質(zhì)心距離、強(qiáng)度比率等大多數(shù)指標(biāo)都優(yōu)于訂正前的預(yù)報(bào)結(jié)果,訂正后預(yù)報(bào)結(jié)果更加接近觀測(cè)。

        本文主要介紹了頻率匹配訂正法在華南地區(qū)西南季風(fēng)暴雨和臺(tái)風(fēng)暴雨典型個(gè)例中的應(yīng)用試驗(yàn),由于個(gè)例的特殊性,其結(jié)論具有一定的局限性,對(duì)其他類型降水過程的訂正效果如何還需要批量試驗(yàn)和系統(tǒng)性的檢驗(yàn)分析。同時(shí),文中采用近三年同期30 d的降水平均頻率作為參考頻率,并基于集合平均預(yù)報(bào)的相似性進(jìn)行了簡(jiǎn)單的訓(xùn)練樣本分類,但仍會(huì)對(duì)一些偏離平均狀況的降水過程的預(yù)報(bào)偏差修正效果不佳,未來將進(jìn)一步根據(jù)華南地區(qū)典型類型的強(qiáng)降水過程進(jìn)行更細(xì)致的分天氣類型、分季節(jié)進(jìn)行統(tǒng)計(jì)分析和研究,以減少由于降水類型差異而導(dǎo)致的誤差。另外,華南地理位置特殊,影響暴雨因素復(fù)雜,下一步將通過對(duì)流集合預(yù)報(bào)模擬試驗(yàn)進(jìn)一步研究華南暴雨的影響因子和機(jī)制。最后需要指出的是,由于集合預(yù)報(bào)系統(tǒng)降水預(yù)報(bào)誤差的因素很多,基于頻率匹配法的降水訂正主要用于減少模式系統(tǒng)誤差,如果系統(tǒng)性誤差不顯著時(shí),對(duì)預(yù)報(bào)改進(jìn)特別是暴雨落區(qū)預(yù)報(bào)改進(jìn)能力有限,因此,還需要進(jìn)一步提高對(duì)流尺度集合預(yù)報(bào)系統(tǒng)對(duì)降水的預(yù)報(bào)能力。

        猜你喜歡
        個(gè)例實(shí)況對(duì)流
        齊口裂腹魚集群行為對(duì)流態(tài)的響應(yīng)
        一例膀胱鏡下留置尿管困難拔除個(gè)例分析
        鄉(xiāng)村小學(xué)的愿望與現(xiàn)實(shí)——宜君鄉(xiāng)村教育實(shí)況
        四川省春季一次飛機(jī)增雨作業(yè)個(gè)例分析
        天舟一號(hào)貨運(yùn)飛船發(fā)射實(shí)況掠影
        可愛潮咖們的獨(dú)門彩妝實(shí)況直播
        四川盆地南部一次冬季飛機(jī)增雨作業(yè)個(gè)例分析
        一次森林滅火人工增雪個(gè)例分析
        西藏科技(2016年8期)2016-09-26 09:00:53
        基于ANSYS的自然對(duì)流換熱系數(shù)計(jì)算方法研究
        二元驅(qū)油水界面Marangoni對(duì)流啟動(dòng)殘余油機(jī)理
        一区二区三区内射视频在线观看| 欧美精品videosse精子| 无码人妻丰满熟妇啪啪网站| 色多多a级毛片免费看| 香蕉视频一级片| 熟女人妻中文字幕一区| 国产91会所女技师在线观看| 俺去啦最新地址| 1000部夫妻午夜免费| 精品99在线黑丝袜| 一本色道久久88综合| 精品国产中文字幕久久久| 欧美激情一区二区三区| 亚洲天堂2017无码中文| 人妻中文字幕一区二区二区 | 亚洲国产精品va在线看黑人| 国内精品一区视频在线播放| av在线手机中文字幕| 色偷偷激情日本亚洲一区二区| 免费无码一区二区三区蜜桃大 | 在线观看极品裸体淫片av| 亚洲美女自拍偷拍视频| 50岁退休熟女露脸高潮| 热久久这里只有| 求网址日韩精品在线你懂的| 中文字幕 亚洲精品 第1页| 美丽的熟妇中文字幕| 国产午夜精品久久久久九九| 久久中文字幕亚洲综合| 麻豆一区二区三区蜜桃免费| 一区二区三区日韩亚洲中文视频| 日本精品熟妇一区二区三区| 丰满少妇被猛烈进入高清播放| 国模少妇一区二区三区| 国产午夜精品久久久久九九| 成人免费av色资源日日| 内射少妇36p亚洲区| 久久水蜜桃亚洲av无码精品麻豆| 亚洲国产av高清一区二区三区| 亚洲国产美女精品久久久久∴| 亚洲av无码成人精品区天堂|