预报天气预报哪个好用哪个最准确

陈豫英,陈楠,马金仁,等.
宁夏汛期分级降水客观预报方法应用检验[J].
暴雨灾害,2016,35(5):546-553CHENYuying,CHENNan,MAJinren,etal.
ValidationofobjectiveforecastforcategoriesofprecipitationinfloodseasoninNingxia[J].
Tor-rentialRainandDisasters,2016,35(3):546-553宁夏汛期分级降水客观预报方法应用检验陈豫英1,2,3,陈楠1,2,马金仁3,李强3,毛璐3,杨婧4(1.
中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室,银川750002;2.
宁夏气象防灾减灾重点实验室,银川750002;3.
宁夏气象台,银川750002;4.
宁夏石嘴山市气象台,石嘴山750001)摘要:利用2010—2013年5—9月T639模式产品和同时段宁夏25个国家级气象站降水实况资料,应用概率回归和交叉验证方法,建立宁夏汛期5—9月小雨、中雨、大雨3个级别的168h分级降水概率预报方程,对比检验客观产品T639-MOS、数值模式T639和上级指导产品NMC对2014年5—9月降水预报效果.
检验结果表明:相较T639和NMC,T639-MOS空报率明显降低,漏报率略有增加,但预报准确率明显提高,预报技巧较T639和NMC平均提高10%左右;T639-MOS对大范围降水和强降水预报效果较好,且随着预报时效临近,数值模式预报性能调整,预报能力显著提高;客观方法选取的预报因子代表性和物理意义明确,水汽、动力和热力因子是宁夏降水预报的关键因子,其中,小雨预报关键因子是中低层水汽通量,中雨和大雨预报关键因子是湿位涡和经向风,大雨预报还考虑了关键动力因子的高低层配置;宁夏降水样本数相对较少,且主要以小雨为主,中雨以上降水是小概率天气,所以,降水强度越大,漏报率越高,预报准确率明显下降,但不同级别降水都是T639-MOS预报准确率最高.
关键词:分级降水;客观预报;概率回归方法;交叉验证方法;宁夏中图法分类号:P456.
7文献标志码:Adoi:10.
3969/j.
issn.
1004-9045.
2016.
06.
007收稿日期:2016-02-24;定稿日期:2016-06-23资助项目:宁夏回族自治区重点研发计划(科技惠民)(2016KJHM128);中国气象局预报员专项(CMAYBY2016-081);中国气象局气象关键技术集成与应用项目(CMAGJ2015M66);宁夏科技支撑计划项目(2012ZYS160)第一作者:陈豫英,主要从事天气预报及其技术方法研究.
E-mail:chenyuy@sina.
com引言宁夏深居中国西北内陆干旱地区,远离海洋,大陆性气候特征明显;一年中,干季长,湿季短,降水集中,5—9月降水量占全年总降水量的80%以上[1].
宁夏地形南北狭长,地势南高北低,地貌复杂,山地迭第35卷第6期2016年12月Vol.
35No.
6Dec.
2016暴雨灾害TORRENTIALRAINANDDISASTERSValidationofobjectiveforecastforcategoriesofprecipitationinfloodseasoninNingxiaCHENYuying1,2,3,CHENNan1,2,MAJinren3,LIQiang3,MAOLu3,YANGJing4(1.
KeyLaboratoryofCharacteristicAgrometeorologicalDisasterMonitoringandEarlyWarningandRiskManagementinAridRegions,CMA,Yinchuan750002;2.
NingxiaKeyLaboratoryforMeteorologicalDisasterPreventionandReduction,Yinchuan750002;3.
NingxiaMeteorologicalObservatory,Yinchuan750002;4.
ShizuishanMeteorologicalObservatory,Shizuishan750001)Abstract:UsingT639modelproductsandtheprecipitationobservationsfrom25nationalautomaticweatherstationsinNingxiabetweenMayandSeptemberfrom2010to2013,wehaveestablishedtheprecipitationprobabilityforecastequationsoflightrain,moderaterainandheavyrainwithinforecasttimelengthof168hbetweenMayandSeptemberinNingxiabasedonprobabilityregressionandcross-validationmethod,andcomparedandvalidatedtheforecastskillsofobjectiveT639-MOSproducts,T639simulationsandNMCforecastsonprecipita-tioninNingxiabetweenMayandSeptemberin2014.
ResultsshowthatcomparingtoT639andNMC,T639-MOSpresentsmuchlowerfalsealarmratio,alittlehighermissratioandmuchhigherforecastaccuracy,anditsforecastskillincreasesbyanaverageofabout10%.
T639-MOShasagoodforecastresulttolarge-scaleprecipitationandsevereprecipitation,especiallywiththeapproachofforecasttimeandthefunctionadjustmentofnumericalforecastmodel.
Representativenessandphysicalmeaningofpredictorsselectedaredefinitebasedontheobjectiveforecastmethod.
Watervapor,dynamicandthermodynamicfactorsareimportantforprecipitationforecastinNingxia.
Akeyforecastfactoroflightrainiswatervaporfluxinthemid-andlow-level,andthoseformoderaterainandheavyrainaremoistpotentialvorticityandmeridionalwind.
Additionally,theconfigurationofcriticaldynamicfactorsintheupper-andlow-levelisconsideredforheavyrain.
SamplesofprecipitationinNingxiaarerelativelylow,andmostofthemarelightrain;precipitationsamplesformoderaterainareonlyafew.
So,thehighertheprecipitationintensityis,thehigherthemissratiois,andthelowertheforecastaccuracyis.
Nevertheless,theT639-MOShasthehighestforecastaccuracytothedifferentlevelsofprecipitation.
Keywords:levelprecipitation;objectiveforecast;probabilityregressionmethod;cross-validationmethod;Ningxia第6期起,盆地错落,同时受西风带系统、高原季风、东亚季风的影响,处于夏季风向北推进的边缘区域.
这造成宁夏降水分布不均、变率大,降水日数少、量级小,降水集中、强度大.
宁夏年平均雨日65d左右,年暴雨日数平均不足1d;强降水以单点暴雨居多,有近1/3的测站在汛期(5—9月)的日最大降水量接近或超过年总降水量的一半[1,2];加之宁夏常年干旱少雨,自然生态和地理环境脆弱.
由于其防雨基础设施不健全,应对强降雨能力不足,有时一场暴雨就会造成严重灾害.
如:发生在2012年6月8日的罕见全区性暴雨引发山洪,冲毁公路、桥梁,淹没农田房屋,致使城市内涝等,造成直接经济损失2亿元[3].
因此,准确预报宁夏汛期降水可以带来显著的社会和经济效益.
降水一直是宁夏预报的重点和难点.
从2014年中国气象局下发的《全国城镇天气预报产品质量评估报告》结果看:宁夏24h小雨、中雨、大雨、暴雨预报准确率分别为38.
4%、19.
9%、0.
0%、0.
0%.
宁夏降水预报准确率低与降水气候概率小和各种数值产品对宁夏降水预报总体水平偏低密切相关.
目前,宁夏预报业务迫切需要一个相对预报水平较高的客观指导产品.
多年来,数值预报解释应用技术在气象要素客观预报方法中被广泛使用,尤以MOS方法最为普及[4].
国家气象中心和包括宁夏、河南、河北等很多省级业务部门都在使用该方法制作城镇气象要素预报[5-10],并取得较好的预报效果,且对实际预报业务提供了重要的技术支撑.
MOS方法建立在多元线性回归基础上,研究预报量与多个因子之间的定量统计关系,使用F检验预报量与预报因子之间是否确有线性关系,使用最小二乘法对预报因子逐步剔除和引进.
我国当前预报业务上使用的MOS方法主要有逐步回归和概率回归两种[4].
其中,逐步回归方法主要用来预报气温、风速、相对湿度等连续变化的气象要素[11-13],而概率回归方法主要预报降水、沙尘等不连续变化的气象要素.
也有人使用概率回归方法预报全国、西北、北京等地分级降水,提高了预报准确率[14-17].
本文借鉴以往研究成果,尝试利用高分辨率的精细化模式T639资料,使用概率回归方法制作宁夏汛期分级降水预报,并对2014年的预报效果进行检验,期望为提高宁夏降水预报准确率提供更高水平的客观产品,从而为提升整个区域的精细化预报和服务水平提供更有力的技术支撑.
1资料说明与因子处理1.
1资料说明使用国家气象中心通过FTP下发的T639模式20时(北京时,下同)起报的168h预报产品以及宁夏25个国家级气象观测站(下同)降水实况资料(即前一日20时到当日20时24h累积降水量).
实况资料时段为1961—2014年5—9月,模式资料时段为2010—2014年5—9月,其中2010—2013年5—9月资料为建模样本,2014年5—9月为检验样本.
1.
2因子预处理T639模式产品的网格距为0.
5625°*0.
5625°,预报时效为168h,时间间隔3h.
基础产品包括14层35个物理量,通过热力、动力等诊断分析,计算出112个扩展物理量,将其插值到站点上,每个测站可得到1443个物理量作为备选因子库.
同时,考虑到模式可能会有提前或滞后的预报偏差以及数值预报中0h预报场(即分析场)预报误差最小,在建立方程时,将0h预报场和相应预报时次的因子作为备选因子,同时选取预报时次前后4个时次的数据作为备选因子.
2预报和检验评估方法2.
1概率回归等级预报方法本文采取概率回归等级预报方法建立预报模型,具体的概率回归等级预报方法见文献[14-17].
本文仅针对宁夏汛期分级降水预报,说明该方法的应用.
首先,将预报量(原值)按天气标准或阈值划分等级,并进行0、1化处理,对每一个等级都使用MOS方法建立概率回归方程,并综合预报偏差和样本拟合TS(ThreatScore)评分最大的方程拟合值为概率判别值.
MOS方法[4-8]的具体应用是:建立小雨预报方程,将样本中小于0.
1mm的样本赋值为0,其他样本赋值1,使用MOS方法建立回归方程,取使得拟合小雨预报偏差小于等于1.
1且小雨TS评分达到最大的方程拟合值为判别值,预报等级每增加一级,预报偏差增加0.
1.
即:中雨预报偏差为1.
2,大雨预报偏差为1.
3,暴雨预报偏差为1.
4.
统计1961—2014年5—9月宁夏25个测站降水样本分布发现:降水样本占总样本的27.
1%,其中,小雨、中雨、大雨、暴雨分别占总样本的22.
5%、3.
5%、0.
9%和0.
2%,分别占降水样本的87.
5%、13.
6%、3.
4%和0.
7%.
统计结果表明:宁夏降水稀少,主要以小雨为主,中雨以上天气发生较少,属于小概率天气事件;暴雨样本仅有0.
7%,属于极端天气事件.
为了同时兼顾天气发生的正样本数达最多和预报对象足够精细,将降水分为小雨(24h降水量0.
1~9.
9mm,下同)、中雨(10.
0~24.
9mm)、大雨(≥25.
0mm)三级.
建立小雨预报方程前,将样本中小于0.
1mm的样本赋值为0,其他样本赋值1;建立中雨预报方程前,将样本中小于10mm的样本赋值为0,其他样本赋值1;建立大雨预报方程前,将样本中小于25mm的样本赋值为0,其他样本赋值1.
使用陈豫英,等:宁夏汛期分级降水客观预报方法应用检验547暴雨灾害第35卷逐步回归方法建立宁夏分级降水概率回归方程,同时确定预报对象发生的概率判别值[18].
美国气象发展试验室(MDL)[19]一直在使用这种方法制作降水客观预报,并取得了较好效果.
2.
2交叉验证方法使用交叉验证方法[20]确定每个测站的概率预报判别值和预报方程因子库.
交叉验证方法的思路是:随机取建模总样本的90%作为预报测试集,剩余10%样本作为训练集,不断交叉更换预报测试样本,直到遍历整个样本集为止,将每次测试得到的结果汇集并进行检验,以预报准确率(A)和正样本的概括率(S)都达到相对最优作为选取标准.
其计算式如下:A=Na/N(1)S=Nap/Np(2)式(1)—(2)中,Na为预报正确的样本数,N为样本总数,Nap为预报正确的正样本数,Np为正样本总数.
概率预报判别值是通过历史资料的试预报结果比较判断给出.
实际预报中,将某站点实时预报因子带入预报方程中得到预报判别值,当预报判别值大于或等于历史概率预报判别值时,则预报有天气事件发生,记为1,反之则无,记为0;当小雨、中雨和大雨都预报时,优先预报强级别天气,即预报结果为大雨,并以此类推.
2.
3预报模型建立由于宁夏降水样本数少,将2010—2013年的5—9月作为一个整体预报时段,分别建立宁夏25站分级降水预报模型,预报时效为168h,时间分辨率为24h,使用2014年5—9月资料进行预报效果检验.
2.
4降水分级检验方法采用中国气象局2005年下发的《关于下发中短期天气预报质量检验办法(试行)的通知》(气发〔2005〕109号)中的降水分级检验方法,该方法只对预报有降水或实况出现降水(≥0.
1mm)进行检验.
具体计算式如下:TSk=NAkNAk+NBk+NCk100%(3)SSk=TSk-TSk′(4)POk=NCkNAk+NCk100%(5)FARk=NBkNAk+NBk*100%(6)式(3)—(6)中,TSk为TS评分,SSk为技巧评分,POk为漏报率,FARk为空报率:k取值1、2、3,对应各级降水,即小雨、中雨和大雨;NAk为预报正确站(次)数,NBk为空报站(次)数,NCk为漏报站(次)数,其评定标准见表1;TSk为数值预报或上级指导预报的TS评分.
其中:当实况出现的降水量级与预报量级一致时,该量级评定为"预报正确";当实况出现的降水量级和预报的量级不一致时,选择较大量级作为检验的级别,评分时只评定该级别,如预报中雨而出现大雨时,则评定大雨为漏报,不评定中雨空报,预报大雨而出现中雨时,评定大雨为空报,不评定中雨漏报.
表1降水分级检验评定表Table1Validationforcategoriesofprecipitation.
实况小雨中雨大雨无降水预报小雨NA1NC2NC3NB1中雨NB2NA2NC3NB2大雨NB3NB3NA3NB3无降水NC1NC2NC3-注:NA、NB、NC分别为预报正确站(次)数、空报站(次)数和漏报站(次)数;下标1、2、3对应小雨、中雨和大雨量级2.
5预报因子分析降水的形成主要有水汽、垂直运动和云滴增长3个条件[21].
观测结果表明[22],宁夏上空使云滴谱增长的微观条件充足,因此降水的形成关键取决于水汽和垂直运动.
宁夏预报员的研究表明[23-25]:宁夏小雨预报侧重于水汽条件分析,而中雨以上降水预报加大了动力和热力条件的判别,大雨以上量级预报更加关注高低层系统配置,包括水汽和风场的辐合辐散,以及水汽、动力物理量的水平、垂直和时间三维的累积效应,其中,水汽条件主要关注水汽含量、水汽输送和水汽的局地变化,着重分析的关键物理量有比湿、相对湿度、水汽通量及其散度等;垂直运动主要考虑动力、热力等作用对水汽输送和上升运动的影响,关注的物理量有经向风场、位涡、垂直速度、散度、涡度、假相当位温等.
表2给出宁夏分级降水预报因子频次排序.
由表2可知,利用概率回归和交叉验证方法选取的不同级别降水天气入选预报方程频次最高的前10个因子与宁夏预报员总结出的关键因子基本一致,且增加了关键物理量三维累积量,更细致刻画出降水的时空变化特征,弥补了预报员主观预报使用资料上的一些缺憾.
从表2中还看到,利用客观方法选取的宁夏降水天气预报关键物理量是水汽通量及其散度、比湿、相对湿度、经向风、散度、湿位涡、垂直动力综合因子、假相当位温等.
其中,小雨预报高频因子中的60%都是水汽因子,动力因子占20%,使用频次最高的因子是水汽通量,包括其单层、水平和垂直方向上的累积量,其次是低层700hPa相对湿度时间累积量、比湿和假相当位温水平梯度、高层150hPa散度、垂直动力综合因子;中雨预报的高频因子中动力因子所占比例增大到80%,水汽因子降到10%,使用频次最高的因子是高低层湿位涡,其次是高低层经向风e指数,还有垂直动力综合因子、500hPa水汽通量散度;大雨预报的高548第6期(b)(c)70605040302010070605040302010024487296120144168预报时效/hTS评分/%预报技巧/%NMCT639T639-MOST639-MOS与NMC预报技巧之差T639-MOS与T639预报技巧之差NMCT639T639-MOSNMCT639T639-MOS空报率/%漏报率/%(a)504030201002520151050图1T639-MOS、T639、NMC三种产品对2014年5—9月宁夏小雨的预报效果对比检验(a)TS评分和预报技巧(单位:%);(b)空报率(单位:%);(c)漏报率(单位:%)Fig.
1ValidationsofforecastskillforlightraininNingxiabetweenMayandSeptemberin2014fromthreeproducts(T639-MOS,T639andNMC):(a)theTSscoreandforecastskill(unit:%),(b)falsealarmratio(unit:%)and(c)missratio(unit:%).
频因子中动力因子仍占绝对比例,且入选的水汽、动力、热力因子分布体现了南风增强促使水汽向北输送、高层辐散低层辐合及低层热力不稳定释放所产生的上升运动、水汽辐合和湿层增厚等宁夏大降水发生的关键因素.
另外,降水强度越大,入选的高频因子越集中,1000—600hPa的动力综合因子在不同级别降水中均出现,说明垂直方向上的动力因子变化对宁夏降水与否、量级大小影响较大.
上述分析表明,宁夏上空,高层北风和低层南风越大,产生的高层辐散和低层辐合越强,引发的上升运动越强、持续时间越长,致使低空急流增强,水汽向北输送能力增强、水汽辐合增强、水汽含量增大、湿层增厚,产生的降水强度越大、持续时间越长,累积降水量也越大,这与宁夏预报员预报大降水的思路吻合.
因此,使用客观方法预报的分级降水结果对预报员制作精细化降水预报具有较大的参考价值和指导作用.
3预报效果检验评估由于预报量是20时起报的24h降水累积等级,T639模式起报时间也是20时,因此,其预报时效为24、48、72、96、120、144、168h.
目前宁夏降水预报业务主要参考的预报产品有数值模式要素场、上级指导产品(中央气象台指导产品)、数值预报释用客观方法等3种,为更直观和详细了解这3种产品的预报性能,对比检验本地MOS方法(以下简称T639-MOS)、T639模式(以下简称T639)和中央气象台指导预报(以下简称NMC)等3种产品的预报效果.
3.
1逐时效降水预报效果检验图1给出T639-MOS、T639、NMC三种产品对2014年5—9月宁夏小雨预报的检验评估效果.
从中可见,频次排序12345678910降水分级小雨24h小雨标准化值500hPax方向水汽通量700hPa3时次累积平均相对湿度1000—600hPa动力综合因子600hPax方向水汽通量700hPa假相当位温水平梯度700hPa比湿1000—600hPa累积水汽通量150hPa散度300hPa水汽通量散度中雨地面24h累积降水量200hPa经向风e指数250hPa经向风e指数500hPa湿位涡1000—600hPa动力综合因子700hPa经向风e指数400hPa湿位涡500hPa水汽通量散度850hPa湿位涡250hPa湿位涡大雨500hPa水汽通量散度300hPa经向风e指数200hPa比湿水平梯度300hPa湿位涡850hPa湿位涡500hPa湿位涡1000—600hPa动力综合因子700hPa假相当位温平流150hPa水汽通量散度600hPa经向风e指数表2使用概率回归方法选取的宁夏分级降水预报因子频次排序Table2FrequencyrankofcategoricalprecipitationpredictorsinNingxiabasedontheprobabilityregressionmethod.
陈豫英,等:宁夏汛期分级降水客观预报方法应用检验549暴雨灾害第35卷3种产品的预报能力随预报时效延长而降低,24h预报效果最好,168h预报效果最差,前72h的预报效果明显优于96—168h;T639-MOS预报效果最好,NMC次之,T639最差;T639-MOS空报率最低、漏报率最高,NMC空报率最高、漏报率最低.
对比3种产品的TS评分和预报技巧SS可知(图1a):整个预报时效内,T639-MOS的TS评分为37.
5%~48.
9%,平均44.
8%,其中前144h的TS评分都在40%以上;NMC的TS评分为25.
9%~39.
4%,平均32.
4%,其中前96h的TS评分都在30%以上;T639的TS评分为16.
6%~36.
6%,平均25.
3%,只有前48h的TS评分在34.
0%以上;T639-MOS的降水预报技巧较NMC的(即两者预报技巧之差,以下简称SSM-N)提高了9.
2%~16.
0%,较T639的(以下简称SSM-T)提高了12.
3%~23.
1%,SSM-T较SSM-N的提升幅度高7%左右,提高明显时段都集中在96—168h,最高时段都在144h.
对比3种产品的空报率(图1b)和漏报率(图1c)可知,T639-MOS的漏报率明显高于空报率,NMC和T639则相反,其中,T639-MOS的空报率为6.
8%~19.
9%,平均12.
2%,漏报率48.
3%~61.
5%,平均53.
1%,漏报率较空报率高40.
9%;NMC的空报率为45.
4%~68.
7%,平均54.
7%,漏报率27.
4%~47.
9%,平均37.
2%,空报率较漏报率高17.
5%;T639的空报率为46.
2%~62.
1%,平均52%,漏报率38.
9%~62.
7%,平均47.
8%,空报率较漏报率高4.
2%;T639-MOS较NMC、T639的空报率降低了42.
6%和39.
9%,漏报率升高了16%和5.
3%.
同样,图2给出宁夏中雨的检验评估效果.
从中可见,中雨检验评估效果与小雨相似,但3种产品预报能力较小雨都明显下降,空报率和漏报率则明显升高;T639-MOS预报效果最好,NMC最差,且NMC的空报率和漏报率都最高,T639-MOS的空报率最低,T639的漏报率最低.
(a)(b)(c)4030201001009080706050403020100908070605040302010024487296120144168预报技巧/%2520151050NMCT639T639-MOST639-MOS与NMC预报技巧之差T639-MOS与T639预报技巧之差NMCT639T639-MOSNMCT639T639-MOSTS评分/%空报率/%漏报率/%预报时效/h图2T639-MOS、T639、NMC三种产品对2014年5—9月宁夏中雨的预报效果对比检验(a)TS评分和预报技巧(单位:%);(b)空报率(单位:%);(c)漏报率(单位:%)Fig.
2SameasFig.
1butformoderaterain.
从图2a中可见,T639-MOS的TS评分为17.
8%~38.
0%,平均27.
1%,其中前72h的TS评分都在30%以上;NMC的TS评分为4.
7%~23.
0%,平均12.
0%,其中前96h的TS评分都在10%以上;T639的TS评分为7.
5%~28.
2%,平均16.
9%,其中前72h的TS评分都在20%以上;T639-MOS较NMC、T639的预报技巧分别提高了15.
2%和10.
6%,SSM-N较SSM-T高4.
6%,提高明显时段都集中在72h和120—168h,最高时段都在72h.
从图2b和图2c中可见,T639-MOS的空报率为4.
2%~16.
2%,平均10.
9%,漏报率为60.
2%~82.
0%,550第6期平均70.
8%,漏报率较空报率高59.
9%;NMC的空报率为71.
9%~93.
6%,平均83.
5%,漏报率为44.
1%~84.
8%,平均71.
1%,空报率较漏报率高12.
4%;T639的空报率为66.
4%~85.
9%,平均77.
7%,漏报率为50.
8%~79.
7%,平均61.
5%,空报率较漏报率高16.
2%;T639-MOS的空报率较NMC、T639下降了72.
6%和6.
7%,其漏报率较NMC上升了0.
3%,较T639下降了9.
3%.
同样,图3给出宁夏大雨的检验评估效果.
从中可见,大雨检验评估效果与中雨相似,但3种产品预报能力较中雨又明显下降,而漏报率明显升高;T639-MOS预报能力最强,NMC最差,且NMC空报率最高,T639漏报率最低,T639-MOS空报率最低、漏报率最高.
(c)(a)(b)1009080706050403020100100908070605040302010020151050预报时效/h预报技巧/%1086420-224487296120144168NMCT639T639-MOST639-MOS与NMC预报技巧之差T639-MOS与T639预报技巧之差NMCT639T639-MOSNMCT639T639-MOSTS评分/%空报率/%漏报率/%图3T639-MOS、T639、NMC三种产品对2014年5—9月宁夏大雨的预报效果对比检验(a)TS评分和预报技巧(单位:%);(b)空报率(单位:%);(c)漏报率(单位:%)Fig.
3SameasFig.
1butforheavyrain.
从图3a中可见,T639-MOS的TS评分为4.
5%~18.
2%,平均8.
9%,其中前48h的TS评分都在10%以上;NMC的TS评分为1.
7%~8.
6%,平均5.
2%,其中前96h的TS评分都在5%以上;T639的TS评分为2.
7%~10.
3%,平均6.
6%,其中前120h的TS评分都在5%以上;T639-MOS较NMC、T639的预报技巧提高了3.
7%和2.
2%,SSM-N较SSM-T高1.
4%,其提高明显时段都集中在前48h,最高时段都在24h.
结合图3b和图3c可见,整个预报时效内,T639-MOS的空报率均为0%,漏报率为81.
8%~98.
8%,平均91.
1%,可见漏报率过高影响了T639-MOS的预报水平;NMC的空报率为89.
9%~98.
8%,平均92.
8%,漏报率为64%~96.
8%,平均77.
9%,空报率较漏报率高14.
9%;T639的空报率为58.
1%~96.
5%,平均81.
3%,漏报率为38.
1%~93.
1%,平均74.
3%,空报率较漏报率高7.
0%;T639-MOS的空报率较NMC、T639下降了92.
8%和81.
3%,其漏报率却分别较之上升了13.
3%和16.
9%.
上述检验结果表明:随预报时效延长和降水强度增大,3种产品预报能力都明显下降,且降水强度越大,随预报时效延长其预报能力下降越明显;影响NMC和T639预报能力的主要原因是空报率高,经过MOS方法释用后,空报率降低了,但因为宁夏中雨以上过程少,导致降水正样本少,漏报率增大,影响了中陈豫英,等:宁夏汛期分级降水客观预报方法应用检验551暴雨灾害第35卷雨以上降水的预报效果,但T639-MOS在不同强度降水预报中,预报效果都最好,且较NMC和T639的预报技巧平均高10%左右.
可见,经过MOS方法释用后,较上级指导产品NMC和模式直接输出产品T639,该客观方法的预报能力明显提升.
3.
2典型降水个例预报效果检验为了直观考察上述3种产品的预报能力,以2014年9月22日宁夏出现的当年大雨范围最大的一次典型强降雨过程(图4a)为例,根据实际业务应用情况,对预报同一时效内9月21日20:00—22日20:00的24h雨量,使用9月21日16:10发布城镇天气预报时使用的21日20:00起报的NMC的24h时效、20日20:00起报的T639-MOS和T639的48h时效(因为本地T639-MOS每天只发布前一日20:00起报的24h产品,T639每天下午发布当日08:00起报的24h雨量,故只能用前一日20:00起报的产品)的预报产品进行检验评估.
24°N3837360.
1102550105106107°E105106107°E105106107°E105106107°E(a)(b)(c)(d)银川银川银川银川图4宁夏2014年9月21日20时—22日20时降水实况(a),以及21日20时NMC24h(b)、20日20时T639(c)和T639-MOS(d)的48h降水预报.
单位:mmFig.
4(a)ObservationsofaccumulatedprecipitationinNingxiafrom20:00BT21to20:00BT22September2014,and(b)24-hourlyprecipitationforecastfromNMCatinitialtimeof20:00BT21September,and48-hourlyprecipitationforecastfrom(c)T639and(d)T639-MOSatinitialtimeof20:00BT20September2014.
Unit:mm.
从图4中看到,与实况相比,T639-MOS虽然对宁夏北部的小雨、西部与北部一些区域中雨及东部一些区域大雨漏报,但对该过程"南北两头雨量小、中间雨量大"的降水总体分布把握较好,预报出了不同量级降水的区域分布,能够刻画出降水的细节特征,小雨、中雨、大雨的预报准确率分别为71.
4%、62.
5%、57.
1%,漏报率分别为28.
6%、37.
5%、42.
9%,空报率为0.
0%;NMC和T639也预报出此次降水过程,但量级和中雨以上降水区域普遍预报偏大,尤其是对南部山区预报大雨量级区域预报偏差较大,而T639预报几乎为全区性大雨,因此造成空报率过高而准确率降低,这2个产品的小雨准确率都为0.
0%,中雨预报准确率分别为33.
3%和0.
0%,大雨预报准确率分别为42.
9%和32%,空报率分别为53.
8%和68%,漏报率分别为14.
3%和0.
0%.
总体上,NMC和T639预报的降水量级和中雨、大雨的区域偏大,因此空报率高,预报准确率低,T639-MOS对降水量级和区域分布预报与实况最接近.
上述结果表明:客观方法预报效果总体优于上级指导产品和模式要素场预报,能够预报出不同级别降水的区域分布,对降水的细节刻画也较准确.
但从2014年5—9月降水总体预报情况看,宁夏全区性降水过程少,区域性中雨以上降水过程更少,小区域降水多,单点强降水多,而不论是MOS方法还是数值预报,都对大范围和区域性降水预报效果好,对单点降水尤其是中雨以上单点强降水预报效果较差,主要表现在客观方法漏报率高,而数值预报空报率多,因此预报准确率都较低,这不仅是MOS方法和数值预报的缺陷,也是预报员主观降水订正预报的难点.
4结论与讨论本文利用2010—2013年5—9月T639模式产品和同时段宁夏25站降水实况资料,应用概率回归和交叉验证方法,建立宁夏汛期5—9月小雨、中雨、大雨3个级别的168h分级降水概率预报方程,对比检验客观产品T639-MOS、数值模式T639和上级指导产品NMC对2014年5—9月降水预报效果.
得到如下结论:(1)概率预报产品对宁夏汛期分级降水预报能力较上级指导产品和数值模式有明显提高,其中168h时段内,T639-MOS、T639和NMC小雨平均预报准确率分别为44.
8%、32.
4%、25.
3%,中雨预报准确率分别为27.
1%、12%、16.
9%,大雨预报准确率分别为8.
9%、5.
2%、6.
6%;T639-MOS小雨预报技巧较NMC、T639平均提高了12.
4%和19.
5%,中雨预报技巧较NMC、T639提高了15.
1%和10.
2%,大雨预报技巧较NMC、T639提高了3.
7%和2.
3%.
在不同强度降水预报中,T639-MOS预报效果都最好,且较NMC、T639的预报技巧平均提高552第6期了10%左右.
该产品可为实际业务提供技术支撑.
(2)该产品对2014年9月22日宁夏当年大雨以上范围最大的一次强降雨过程做出了较准确预报,相对NMC和T639预报量级偏大、中雨和大雨范围偏大的预报偏差,T639-MOS都做了订正,对该过程的降水量级和范围预报与实况较为接近.
因此,客观产品订正了数值预报的偏差,对大范围大降水预报能力较强.
(3)该客观方法选取的预报因子代表性和物理意义明确,与预报员的思路吻合,弥补了主观预报使用资料上的一些缺失.
动力和热力因子是宁夏降水预报的关键因子,且降水强度越大,对动力因子的关注度越高,中雨以上降水预报不仅要关注三维时空上的动力因子演变,更要关注高低层的配置.
其中:小雨预报主要关注的水汽因子是中低层水汽通量;中雨和大雨预报使用频次最高的因子是湿位涡,其次是经向风e指数,但大雨预报对反映高层北风低层南风、高层辐散低层辐合等高低层因子配置更为关注.
相对上级指导产品和数值模式,该方法虽然对宁夏汛期分级降水预报效果较好,但漏报率也相对较高,降水强度越大,单点降水过程越多,漏报率越高.
这不仅与宁夏降水偏少的天气气候背景有关,也与MOS方法和数值产品对本地降水预报偏差较大有关.
赵翠光[17]等利用该方法制作西北地区夏季降水也得到类似结论.
但对于中雨以上量级的降水,尤其是大雨以上量级的降水,由于其发生概率小、区域小,灾害重,从服务角度出发,"宁空勿漏"是预报基本原则.
因此,下一步工作将是如何在保证空报率较小的情况下减小漏报率来提高预报准确率.
对于客观预报方法的改进,一方面需要获取更长的历史样本,加强对有明确物理意义预报因子的深入分析和选取,改进完善预报方程;另一方面要完善数值预报释用技术,多方面尝试,比如,选用欧洲细网格0.
25°*0.
25°、欧洲集合预报[26,27]等预报性能更稳定、预报准确率更高的数值预报产品进行解释应用,或分区建模[4,17],或多模式产品集成[28]等.
目前,尚无法将所有客观方法或客观产品的优势集成于一种客观产品中.
在现有工作背景下,综合分析和对比多家数值预报产品的天气形势、影响系统、关键物理量,综合对比和检验多家客观指导产品的预报水平,再结合预报员的主观经验,合理订正客观预报结果,即主客观预报有机结合,才是目前进一步提高预报准确率最有效、最直接的途径.
参考文献:[1]冯建民.
宁夏天气预报手册[M].
北京:气象出版社,2012:1-4,74-82[2]丁永红,王文,陈晓光,等.
宁夏近44年暴雨气候特征和变化规律分析[J].
高原气象,2007,26(3):630-636[3]纪晓玲,贾宏元,沈跃琴.
2002年6月7—8日宁夏区域性暴雨天气过程分析[J].
干旱气象,2004,22(2):17-22[4]赵声蓉,赵翠光,赵瑞霞,等.
我国精细化客观气象要素预报进展[J].
气象科技进展:英文版,2012,2(4):12-21[5]刘还珠,赵声蓉,陆志善,等.
国家气象中心气象要素的客观预报——MOS系统[J].
应用气象学报,2004,15(2):181-191[6]陈豫英,陈晓光,马金仁,等.
基于MM5模式的精细化MOS温度预报[J].
干旱气象,2005,23(4):52-56[7]陈豫英,陈晓光,马金仁,等.
风的精细化MOS预报方法研究[J].
气象科学,2006,26(2):210-216[8]陈豫英,陈晓光,马筛艳,等.
精细化MOS相对湿度预报方法研究[J].
气象科技,2006,34(2):143-146[9]车钦,赵声蓉,范广洲.
华北地区极端温度MOS预报的季节划分[J].
应用气象学报,2011,22(4):429-436[10]薛志磊,张书余.
气温预报方法研究及其应用进展综述[J].
干旱气象,2012,30(3):451-464[11]马筛艳,马金仁,孙卫武,等.
银川市路面温度预报与爆胎指数预报方法研究[J].
干旱气象,2013,31(4):825-83[12]武辉芹,马翠平,杨荣芳,等.
河北省高速公路路面温度变化特征及预报模型[J].
干旱气象,2014,32(4):665-670[13]罗菊英,周建山,闰永财.
基于数值预报及上级指导产品的本地气温MOS预报方法[J].
气象科技,2014,42(3):443-450[14]王国强.
回归诊断在事件概率回归预报中的应用[J].
气象,1994,20(7):43-49[15]周兵,陆晨,周小平,等.
北京地区夏季降水概率预报业务应用研究[J].
气象,1996,22(1):3-6[16]赵声蓉,赵翠光,邵明轩.
事件概率回归估计与降水等级预报[J].
应用气象学报,2009,20(5):521-529[17]赵翠光,李泽椿.
中国西北地区夏季降水分区客观预报[J].
中国沙漠,2013,33(5):1544-1551[18]黄嘉佑.
气象统计分析与预报方法[M].
北京:气象出版社,1990[19]MarkSA.
AnoverviewoftheNationalWeatherService'scentralizedstatisticalquantitativeprecipitationforecast[J].
JHydrol,2000,239(9):306-337[20]陈豫英,刘还珠,陈楠,等.
基于聚类天气分型的KNN方法在风预报中的应用[J].
应用气象学报,2008,19(5):564-572[21]朱乾根,林锦瑞,寿绍文,等.
天气学原理和方法[M].
北京:气象出版社,1983:213-309[22]宁夏气象局.
短期天气预报指导手册[G].
银川:宁夏气象局,1987:96-105[23]陈豫英,陈楠,谭志强,等.
2012年6月26—29日宁夏强降水成因[J].
干旱气象,2014,32(4):599-607[24]陈海波,杨建玲,丁建军,等.
宁夏水汽输送气候特征[J].
干旱气象,2013,31(3):491-496[25]闫军,聂晶鑫,辛尧胜,等.
2011年5月宁夏久旱转透雨天气过程诊断[J].
干旱气象,2013,31(2):348-353[26]周迪,陈静,陈朝平,等.
暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究[J].
暴雨灾害,2015,34(2):97-104[27]吴志鹏,陈静,张涵斌,等.
基于集合预报的持续性强降水可预报性评估方法研究[J].
暴雨灾害,2014,33(2):97-105[28]林春泽,祁海霞,智协飞,等.
中国夏季降水多模式集成概率预报研究[J].
暴雨灾害,2013,32(4):354-359(责任编辑王银平)陈豫英,等:宁夏汛期分级降水客观预报方法应用检验553