吴启树;韩美;刘铭;陈法敬
【摘 要】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.%Based on data from national meteorological stations,one year quasi-symmetrical mixed running training period (QSRTP),and precipitation prediction from CMA (T639),ECMWF,NCEP,JMA,both optimal threat score (OT
S) method and optimal equitable threat score (OETS) method are designed to conduct a comparison experiment on correction algorithms for model precipitation with frequency matching (FM) method.Through classification correction,three methods are used merely to calibrate model precipitation amount with the predicted rain-belt location and shape kept unchanged.The OTS method figures out correction coefficients of different precipitation classes by optimizing threat score (TS) of corrected precipitation within training period.OETS is similar to OTS but achieved by optimizing ETS.Correction experiments are conducted twice a day with forecast time at 0000 UTC and 1200 UTC,respectively.To consider seasonal background,20 days before the forecast day and 20 days after the same day in the previous year are adopted to constitute training period.For each national meteorological station,there are 80 samples in total.The correction experiment shows that for either precipitation products of ECMWF,JMA,NCEP,CMA,or their ensemble mean,both OTS and OETS show much better performance than FM in 24 h accumulated precipitation classification calibration with different lead time according to traditional verification methods like TS and ETS.In pa
国防科技信息中心
rticular,OTS is the best and can improve precipitation prediction in all lead times.After correction,both OTS and OETS incline to forecast larger precipitation area than observation for most classes but less precipitation amounts.Compared to FM,both methods tend to produce a little higher false alarm rates in middle and low classes,which is much less than the reduced missing rate,thereby leading to a higher threat score.In terms of ECMWF correction,OTS and OETS have a relatively stable Bias score of 1.1,although there are much fewer samples in high class.By contrast,FM produces an unstable Bias score,especially in maximum class with score over 2.2,indicating an excessively high missing rate.As for stable equitable error in probability space (SEEPS),OTS has superiorities over all lead times,all single models and multi-model mean.Furthermore,TS of corrected ECMWF precipitation using OTS method in 2015 are also better than subjective forecast from all aspects,with national averaged threat score of 1 d rainstorm forecast reaching 0.194.
【期刊名称】《应用气象学报》
【年(卷),期】2017(028)003
【总页数】12页(P306-317)
【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
【作 者】吴启树;韩美;刘铭;陈法敬
【作者单位】福建省气象台,福州350001;福建省气象台,福州350001;福建省气象台,福州350001;国家气象中心,北京100081
【正文语种】中 文
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O
TS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。
数值预报模式输出的气象要素预报存在不同程度的系统性误差，通过统计分析采用适当算法进行订正，可以减少误差，提高预报准确率[1-11]。不同模式在降水预报的系统性误差方面表现各异，如欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)等机构的全球模式具有弱降水预报偏空报而强降水预报偏漏报的情况[12-13]，区域模式如中国气象局武汉暴雨研究的中尺度模式(AREM)[14]总体较实况偏强，特别是中低量级的降水，这些反映了模式对不同降水强度预报的误差非一致性和降水量在概率上的偏态分布。未分级的消除偏差集合平均法[15-16]预报质量优于单模式确定性预报，但该方法对各量级的降水订正值相同，存在小量级降水订正幅度过大而大量级降水订正过小的不足。孙靖等[17]在训练期和分级降水订正方面进行改进，使训练期样本更加接近预报日前后的季节背景，并对不同量级降水进行相应的偏差订正，但对中雨以上量级的模式降水预报阈值设定较为固定，还有优化空间。周迪等[18]应用观测概率匹配订正法，对四川盆地降水量为50 mm 的集合预报平均值进行订正，改善了T213模式的暴雨预报。陈博宇等[12]根据概率匹配和融合产品各自特
点，设计出概率匹配-融合法和融合-概率匹配法，对大量级的降水预报较融合产品有一定提高，但因融合产品百分位过于固定，使大量级降水预报产生明显空报。李俊等[14,19]利用实况降水频率结合概率匹配平均法，能订正系统偏差和集合平均光滑的负作用。因此，无论单模式还是多模式集成，要提高模式降水订正后预报质量，确定训练期实况与预报两者之间的关系至关重要。
频率匹配法(FM)在降水分级订正中以降水预报偏差[19]达到最优化为算法核心，当训练期样本量足够大且比较接近于预报日前后的季节背景时，该算法利用观测降水频率作为参考频率订正模式预报效果较好，理论上能使预报与实况平均误差的数学期望值为零，且空报率与漏报率大致相同。但该方法应用于业务时，因降水存在明显的季节变化，且当实况或预报在大量级降水上的样本量偏少时，订正系数易出现异常。即使订正后预报降水与实况面积相当，因降水落区与实况总是存在一定程度的差异，预报效果未必能达到最优。对于某一量级降水，在预报偏差为1的情况下，若将降水预报值适当提高(降低)，该量级增加(减少)的预报站点带来TS评分[20]增幅(降幅)大于(小于)原有评分时，相对于频率匹配法，预报质量可以得到改进，而订正效果是否达到最佳可以通过计算该量级的TS评分确定。
课堂教学管理>课堂教学的有效性
因此，本文基于训练期模式降水量预报调整后的TS评分最优化及ETS评分最优化进行建模，以确定预报日降水分级订正系数。分别设计最优TS评分订正法和最优ETS评分订正法，并与频率匹配法进行对比，优选订正质量既能在TS 评分项目上达到最优，又能在ETS 评分等降水预报检验项目上达到较优的算法。由于3个订正算法本质上是分别基于训练期模式降水订正后的TS评分、ETS评分和Bais评分[19]的最优化设计，因此，本文还采用概率空间的稳定公平误差(stable equitable error in probability space, SEEPS)评分[21-24]作为3种订正算法的第3方检验方法。SEEPS方法于2010年由Haiden等[22]研究与应用，将站点按降水气候概率为基础划分成干、小雨、大雨，克服因地域降水概率差异带来检验的不公平性，并获得一个可以代表降水预报整体性能的单一评分，2011年被世界气象组织的确定性数值预报检验领导中心(LC-DNV)应用于业务，目前该方法也应用于中国气象局数值预报中心的模式检验，具有很高的公平性。
1.1 实况资料
电力设施保护条例为确保计算效率及实况资料的可靠性，本文降水实况为2013年1月1日—2016年1月7日全国2414个气象站资料。本文个别降水检验方法需要应用各站点气候概率，则使用1984—2013年共30年的历史资料。
双重危机
1.2 数值预报产品印山大墓
产品包括中国气象局下发并在气象系统日常预报业务使用率较高的欧洲中期天气预报中心高分辨率模式(ECMWF)、日本气象厅高分辨率模式(JMA)、美国国家环境预报中心的全球模式(NCEP)和中国气象局数值预报中心T639模式(T639)的确定性预报降水产品。2013—2015年每日两次，起报时间分别为00：00和12：00(世界时，下同)。ECMWF水平分辨率为为0.25°×0.25°；JMA和NCEP水平分辨率为0.5°×0.5°；T639水平分辨率为1.125°×1.125°。ECMWF预报时效最长，为0～240 h，其他3个模式为84～216 h不等。
模式的格点资料采用Cressman客观插值法进行站点插值[25]。
2.1 检验方法
本文设10个降水量级(k)应用于分级订正，阈值为Ok，10个降水量级分别为0.1，1，5，10，25，35，50，75，100，150 mm。
结合天气预报业务的站点检验方法，本文采用TS评分、ETS评分(E)[17]、空报率、漏报率、预报偏差(B)[19-20]、SEEPS技巧评分[21-24]和HSS技巧评分(H)[24]等检验方法。对
于第k量级的累积降水，部分检验方法计算如下：
其中，NA为预报正确站(次)数，NB为空报站(次)数，NC为漏报站(次)数，ND为预报和实况均未达到阈值的正确站(次)数。Ra和Rd分别为空报站数与漏报站数相当时的随机预报NA和ND的数学期望。
TS评分、ETS评分、空报率、漏报率、预报偏差为目前我国气象系统降水预报业务检验考核项目。其中，ETS评分是对TS评分的改进，能对空报或漏报进行惩罚，使评分相对后者更加公平[24]。SEEPS技巧评分计算方法相对复杂，计算方法参见文献[21-23]，并应用各站点30年降水气候概率；该技巧评分对预报误差的惩罚与降水气候概率相关，可自动适应不同气候区域或降水季节的站点降水概率，使得多个站点的评分融合更加合理。HSS技巧评分也能对空报或漏报进行惩罚，且给随机预报和常量预报的期望评分为0，其数学属性为线性的且具有渐进公平性，也是公平的降水检验之一[24]。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议