ISSN 1004-4965

CN 44-1326/P

用微信扫描二维码

分享至好友和朋友圈

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

华南区域高分辨率数值模式前汛期预报初步评估

林晓霞 冯业荣 陈子通 简云韬

林晓霞, 冯业荣, 陈子通, 简云韬. 华南区域高分辨率数值模式前汛期预报初步评估[J]. 热带气象学报, 2021, 37(4): 656-668. doi: 10.16032/j.issn.1004-4965.2021.062
引用本文: 林晓霞, 冯业荣, 陈子通, 简云韬. 华南区域高分辨率数值模式前汛期预报初步评估[J]. 热带气象学报, 2021, 37(4): 656-668. doi: 10.16032/j.issn.1004-4965.2021.062
LIN Xiao-xia, FENG Ye-rong, CHEN Zi-tong, JIAN Yun-tao. PRELIMINARY EVALUATION OF FORECAST SKILL OF GRAPES GUANGZHOU REGIONAL MODELING SYSTEM[J]. Journal of Tropical Meteorology, 2021, 37(4): 656-668. doi: 10.16032/j.issn.1004-4965.2021.062
Citation: LIN Xiao-xia, FENG Ye-rong, CHEN Zi-tong, JIAN Yun-tao. PRELIMINARY EVALUATION OF FORECAST SKILL OF GRAPES GUANGZHOU REGIONAL MODELING SYSTEM[J]. Journal of Tropical Meteorology, 2021, 37(4): 656-668. doi: 10.16032/j.issn.1004-4965.2021.062

华南区域高分辨率数值模式前汛期预报初步评估

doi: 10.16032/j.issn.1004-4965.2021.062
基金项目: 

国家自然科学基金联合基金 U1811464

广东省气象局青年基金科研项目 GRMC2018Q07

广州市科技计划项目 201903010104

详细信息
    通讯作者:

    冯业荣, 男, 广东省人, 研究员, 从事大气数值预报研究及灾害性天气临近预报研究。E-mail: yerong_feng@gd121.cn

  • 中图分类号: P435

PRELIMINARY EVALUATION OF FORECAST SKILL OF GRAPES GUANGZHOU REGIONAL MODELING SYSTEM

  • 摘要: 基于华南地区自动站逐小时观测资料, 采用传统站点评分、邻域法等评估华南区域高分辨率数值模式(包括GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式)对降水、地面温度和风场等要素的预报能力。结果表明: GRAPES_GZ_R 1 km模式的降水预报技巧优于GRAPES_GZ 3 km模式, 模式预报以正偏差为主。对于不同起报时间的预报, 00时(世界时, 下同)起报的预报效果优于12时。GRAPES_GZ_R 1 km模式的TS评分是GRAPES_GZ 3 km模式的两倍以上, 对不同降水阈值的评分均较高。分数技巧评分(FSS)显示GRAPES_GZ_R 1 km模式6 h累计降水预报在0.1 mm、1 mm及5 mm以上的降水均可达到最低预报技巧尺度, 对所检验降水对象的空间位置把握能力更好。2 m气温和10 m风速检验结果表明两个模式均能较好把握广东省温度的分布特征, GRAPES_GZ_R 1 km模式对2 m气温预报结果优于GRAPES_GZ 3 km模式, 预报绝对误差更小; 两个模式对风速的预报整体偏强, 预报偏差在1~4 m/s之间, 但相比之下GRAPES_GZ 3 km模式在风场预报上表现更好。GRAPES_GZ_R 1 km模式的2 m气温和10 m风速预报偏差随降水过程存在明显波动, 强降水过后温度预报整体偏低, 风速预报偏强, 在模式产品订正、使用等需要考虑模式对主要天气系统的预报情况。总的来说, GRAPES_GZ_R 1 km模式的预报产品具有较好的参考价值。

     

  • 图  1  GRAPES_GZ_R 1 km模式预报与实况的广东全省日平均雨量序列

    图  2  00时实况日平均降水(a)、12时实况日平均降水(b)、00时起报(c~f)和12时起报(g~i)的GRAPES_GZ_R 1 km模式(c、d、g、h)和GRAPES_GZ 3 km模式(e、f、i、j)不同预报时效的过程累积日平均降水和偏差分布

    图  3  GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式00时起报(a、c)和12时起报(b、d)的24 h降水预报泰勒图(a、b)和2 m气温预报泰勒图(c、d)

    图  4  2019年6月5日—7月14日GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式不同起报时次预报晴雨准确率时间序列及实况24 h累积降水(a~b)、24 h累积降水平均TS评分(c~d)、BIAS评分(e~h)

    图  5  GRAPES_GZ_R 1 km模式前6 h预报00时起报(a、c)和12时起报(b、d)的逐时降水TS评分(a、b)和BIAS评分(c、d)

    图  6  GRAPES_GZ_R 1 km模式(a、c)和GRAPES_GZ 3 km模式(b、d)00时(a、b)和12时(c、d)起报的不同阈值、不同邻域半径下6 h累积降水FSS评分热力图

    横坐标为阈值,纵坐标为邻域半径,图中同时标注出了FSS评分值。

    图  7  GRAPES_GZ_R 1 km模式2 m气温(a、c)和10 m风速(b、d)预报平均偏差(预报减去观测)(a、b)和均方根误差(c、d)

    图  8  2019年6月5日—7月14日观测(第一列)、GRAPES_GZ_R 1 km模式预报(第二列)和GRAPES_GZ 3 km模式预报(第三列)的日平均2 m气温(第一行)和10 m风速(第二行)的分布

    图  9  GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式2 m气温(第一列)和10 m风速(第二列)预报平均偏差(预报减去观测)(第一行)和均方根误差(第二行)

    阴影区域表示00时和12时计算结果,实线为平均值,灰色柱状为日广东全省平均雨量。

    图  10  0 GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式24 h预报时效站点2 m气温和10 m风速AE时间序列

    表  1  降水的检验分类

    实况降水 降水预报
    (命中)NA (误报)NC
    (漏报)NB (命中“否”频次)ND
    下载: 导出CSV
  • [1] 陈德辉, 薛纪善, 沈学顺. 中国气象局新一代数值天气预报系统(GRAPES)[C]//海峡两岸气象科学技术研讨会, 2006.
    [2] 薛纪善, 陈德辉. 数值预报系统GRAPES的科学设计与应用[M]. 北京: 科学出版社, 2008.
    [3] 陈德辉, 沈学顺. 新一代数值预报系统GRAPES研究进展[J]. 应用气象学报, 2006, 17(6): 773-777. doi: 10.3969/j.issn.1001-7313.2006.06.014
    [4] 张人禾, 沈学顺. 中国国家级新一代业务数值预报系统GRAPES的发展[J]. 科学通报, 2008, 53(20): 2 393-2 395. https://www.cnki.com.cn/Article/CJFDTOTAL-KXTB200820001.htm
    [5] 徐双柱, 张兵, 谌伟. GRAPES模式对长江流域天气预报的检验分析[J]. 气象, 2007, 33(11): 65-71. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX200711011.htm
    [6] 祁莉, 马琼, 张文君. GRAPES模式对2011/2012年冬季寒潮天气过程预报能力的检验[J]. 大气科学学报, 2017, 40(6): 791-802. https://www.cnki.com.cn/Article/CJFDTOTAL-NJQX201706008.htm
    [7] 张进, 麻素红, 陈德辉, 等. GRAPES_TYM改进及其在2013年西北太平洋和南海台风预报的表现[J]. 热带气象学报, 2017, 33(1): 64-73. doi: 10.16032/j.issn.1004-4965.2017.01.007
    [8] 林晓霞, 王硕甫, 冯业荣. 近海加强台风"威马逊"(1409)环境条件及结构特征的数值研究[J]. 中山大学学报(自然科学版), 2017, 56(5): 101-111. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSDZ201705014.htm
    [9] 钟有亮, 陈静, 王静, 等. GRAPES区域集合预报系统对登陆台风预报的检验评估[J]. 热带气象学报, 2017, 33(6): 953-964. doi: 10.16032/j.issn.1004-4965.2017.06.016
    [10] 潘留杰, 张宏芳, 王建鹏, 等. 日本高分辨率模式对中国降水预报能力的客观检验[J]. 高原气象, 2014, 33(2): 483-494. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201402020.htm
    [11] 潘留杰, 张宏芳, 陈小婷, 等. 基于邻域法的高分辨率模式降水的预报能力分析[J]. 热带气象学报, 2015, 31(5): 632-642. https://rdqxxb.itmm.org.cn/article/id/20150506
    [12] ROBERTS N M, LEAN H W. Scale-selective verification of rainfall accumulations from high-resolution forecasts of convective events[J]. Mon Wea Rev, 2008, 136(1): 78-97. doi: 10.1175/2007MWR2123.1
    [13] 曹越, 赵琳娜, 巩远发, 等. ECMWF高分辨率模式降水预报能力评估与误差分析[J]. 暴雨灾害, 2019, 38(3): 249-258. doi: 10.3969/j.issn.1004-9045.2019.03.007
    [14] 陈鹤, 唐杰. ECMWF极端天气指数产品在湖南降水预报中的评估[J]. 河南科学, 2018, 36(8): 1 268-1 273. https://www.cnki.com.cn/Article/CJFDTOTAL-HNKX201808021.htm
    [15] 朱鹏飞, 邱学兴, 王东勇, 等. ECMWF降水极端天气指数在安徽省的应用评估[J]. 暴雨灾害, 2015, 34(4): 316-323. doi: 10.3969/j.issn.1004-9045.2015.04.004
    [16] 季晓东, 漆梁波. ECMWF模式降水预报与极端天气预报指数在暴雨预报中的评估与应用[J]. 暴雨灾害, 2018, 37(6): 566-573. doi: 10.3969/j.issn.1004-9045.2018.06.010
    [17] 彭新东, 常燕, 王式功. GRAPES模式对2008年两次强降水过程的数值预报检验[J]. 高原气象, 2010, 29(2): 73-82. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201002008.htm
    [18] 许晨璐, 王建捷, 黄丽萍. 千米尺度分辨率下GRAPES-Meso4.0模式定量降水预报性能评估[J]. 气象学报, 2017, 75(6): 3-28. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201706001.htm
    [19] 徐道生, 陈德辉, 张邦林, 等. TRAMS_RUC_1 km模式初始场和侧边界方案的改进研究[J]. 大气科学, 2020, 44(3): 173-186. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK202003013.htm
    [20] TAYLOR K E. Summarizing multiple aspects of model performance in a single diagram[J]. J Geophys Res Atmos, 2001, 106(D7): 7 183-7 192. doi: 10.1029/2000JD900719
  • 加载中
图(10) / 表(1)
计量
  • 文章访问数:  5
  • HTML全文浏览量:  5
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-09-07
  • 修回日期:  2021-04-18
  • 网络出版日期:  2021-12-15
  • 刊出日期:  2021-08-20

目录

    /

    返回文章
    返回