高分辨率短臨模式在一次極端降雨過程中的定量檢驗
發(fā)布時間：2021-04-12 18:11
以2018年嚴重影響廣東的一次極端季風低壓降雨過程為研究對象,基于鄰域法,對Grapes-1km短臨模式預報降雨的極端性、站點預報能力進行定量檢驗。結果表明:（1）模式對降雨峰值時段的極端降雨具有一定低估,但是提前量越小,相對偏差的絕對值和均方根誤差越小。（2）模式性能與降雨范圍的局地性有一定的相關性,局地性降雨時段,模式預報的偏差較大。（3）分區(qū)檢驗結果顯示,模式低估了站點降雨量,尤其是強降雨區(qū)域。（4）分級檢驗結果表明,模式晴雨預報調整不明顯,而當降雨閾值提高后,模式調整效果更明顯。（5）鄰域范圍內模式命中強降雨的相對位置顯示模式預報降雨系統較實況移速偏快。（6）模式在臨近時次的調整較為明顯,調整效果較好。
【文章來源】：廣東氣象. 2020,42(06)
【文章頁數】：6 頁
【部分圖文】：
2018年8月29日08:00—9日1日08:00過程降雨總量(單位:mm)
圖2比較了模式預報的極大值和雨量站的極大值的散點分布,散點多分布于對角線下方,模式的極大值普遍小于實況極大值,隨著預報提前量減小,散點聚集分布區(qū)有趨近對角線的態(tài)勢,即模式預報極大值低估幅度減小。從散點顏色分布可見不同時期模式降雨低估狀況,在過程的開始階段以及結束階段(8月27—29日和9月1日)散點趨于在對角線附近分布,表明模式預報與實況較為吻合;在過程降雨峰值期間(8月30—31日)散點分布則主要位于對角線右下方,具有顯著低估特征,實況小時最大降雨量普遍在50 mm/h以上,模式預報量多數僅在0～30 mm/h范圍內。上述特征反映了,在該次過程中模式對于極大值的預報能力不足。通過定量計算,可用RB和RMSE評估模式對極端降雨性能的表現,預報提前量為1～6 h的模式預報RB均為負值,表明模式預報總體上低估了極端降雨量,其中提前量為2 h的預報RB絕對值最小,RMSE最小,提前量越大,模式預報RB絕對值和RMSE越大,表明模式提前2 h的極大值預報性能表現相對較好,臨近的預報效果更好(表2)。
為進一步了解模式對于局地性強降雨和區(qū)域性強降雨的預報性能,利用極大值站點附近50 km范圍內強降雨站點占區(qū)域內站點總數的比例加以區(qū)分局地性強降雨和區(qū)域性強降雨,當百分比<10%時定義為局地性強降雨。從圖3可見,強降雨的站點比例曲線具有明顯的振蕩特征,27日白天、28日白天、29日凌晨、30日午后、31日午后至夜間到9月1日早晨等幾個階段屬于局地性的強降雨,其余時段屬區(qū)域性強降雨。27日早晨實況強降雨顯著高于模式預報值,即使是提前量2 h的預報,仍存在超2倍的差距。午后強降雨范圍擴大,模式的預報效果顯著改善(實況大致分布在模式填色范圍內),提前2 h模式的預報結果大致接近實況。28日上午降雨范圍縮小,模式與實況的偏差有所增大。而29日午后強降雨范圍和強度都有所增大,可是模式預報值與實況偏差較大,說明這一階段模式對于極大值的預報效果不佳。30日凌晨開始,模式預報的極大值急劇上升,臨近2 h的預報結果也同步增大,08:00前后達到峰值,此時模式與實況差異不大。值得注意的是,該時段內,模式不同時次預報的極大值差異(圖3中填色區(qū)的高度)較大,模式有顯著調整,臨近2 h的預報與實況接近,表明模式向實況調整的效果顯著。30日午后降雨趨于局地,模式與實況的偏差較大,臨近2 h的偏差最大。30日夜間強降雨范圍增大,模式預報結果的區(qū)間(圖3中填色區(qū)高度)較大,表明模式的調整尤其顯著,臨近時次預報調整具有正效果,但是與實況的極大值相比而言仍低估40 mm/h左右。整體而言,對于調整顯著的時段,臨近時次預報均具有較好的預報效果。以上變化特征表明模式的性能與降雨范圍的局地性有一定的相關性(圖3),一般而言,降雨異常局地的時段內,模式預報的偏差較大,預報性能有限。另外,模式預報80 mm/h以上的概率很低,表明對于這種異常極端的降雨,模式的預報性能也較為有限。除此以外,實況出現的極端性降雨可能跟地形具有較密切的關系,本研究未考慮該情況。另外,模式調整幅度可能跟實時同化的觀測資料有關,3.1節(jié)的分析中部分時次臨近預報的效果與實況有較大的偏差,有可能是跟同化的觀測資料缺乏有關。在預報業(yè)務中對這一相關信息的實時監(jiān)控,將對模式產品的訂正與業(yè)務應用具有更大作用。
【參考文獻】：
期刊論文
[1]基于Grapes 1 km 分鐘級模式分析LAF法的預報效果[J]. 張?zhí)m,張宇飛,劉暢,劉子杰. 廣東氣象. 2019(02)
[2]GRAPES-GFS模式暴雨預報天氣學檢驗特征[J]. 宮宇,代刊,徐珺,楊舒楠,唐健,張芳,胡寧,張夕迪,沈曉琳. 氣象. 2018(09)
[3]基于多模式2015年江西省汛期區(qū)域性暴雨的檢驗[J]. 孫素琴,鄭婧,金米娜,吳靜,李葳. 氣象與環(huán)境學報. 2017(02)
[4]基于鄰域法的高分辨率模式降水的預報能力分析[J]. 潘留杰,張宏芳,陳小婷,王建鵬,陳法敬. 熱帶氣象學報. 2015(05)
[5]GRAPESMESO V3.3模式強天氣預報性能的初步檢驗[J]. 毛冬艷,朱文劍,樊利強,蔡雪薇,張濤,陳靜,黃麗萍,王雨. 氣象. 2014(12)
[6]一種定量降水預報誤差檢驗技術及其應用[J]. 符嬌蘭,宗志平,代刊,張芳華,高棟斌. 氣象. 2014(07)
本文編號：3133745
【文章來源】：廣東氣象. 2020,42(06)
【文章頁數】：6 頁
【部分圖文】：
2018年8月29日08:00—9日1日08:00過程降雨總量(單位:mm)
圖2比較了模式預報的極大值和雨量站的極大值的散點分布,散點多分布于對角線下方,模式的極大值普遍小于實況極大值,隨著預報提前量減小,散點聚集分布區(qū)有趨近對角線的態(tài)勢,即模式預報極大值低估幅度減小。從散點顏色分布可見不同時期模式降雨低估狀況,在過程的開始階段以及結束階段(8月27—29日和9月1日)散點趨于在對角線附近分布,表明模式預報與實況較為吻合;在過程降雨峰值期間(8月30—31日)散點分布則主要位于對角線右下方,具有顯著低估特征,實況小時最大降雨量普遍在50 mm/h以上,模式預報量多數僅在0～30 mm/h范圍內。上述特征反映了,在該次過程中模式對于極大值的預報能力不足。通過定量計算,可用RB和RMSE評估模式對極端降雨性能的表現,預報提前量為1～6 h的模式預報RB均為負值,表明模式預報總體上低估了極端降雨量,其中提前量為2 h的預報RB絕對值最小,RMSE最小,提前量越大,模式預報RB絕對值和RMSE越大,表明模式提前2 h的極大值預報性能表現相對較好,臨近的預報效果更好(表2)。
為進一步了解模式對于局地性強降雨和區(qū)域性強降雨的預報性能,利用極大值站點附近50 km范圍內強降雨站點占區(qū)域內站點總數的比例加以區(qū)分局地性強降雨和區(qū)域性強降雨,當百分比<10%時定義為局地性強降雨。從圖3可見,強降雨的站點比例曲線具有明顯的振蕩特征,27日白天、28日白天、29日凌晨、30日午后、31日午后至夜間到9月1日早晨等幾個階段屬于局地性的強降雨,其余時段屬區(qū)域性強降雨。27日早晨實況強降雨顯著高于模式預報值,即使是提前量2 h的預報,仍存在超2倍的差距。午后強降雨范圍擴大,模式的預報效果顯著改善(實況大致分布在模式填色范圍內),提前2 h模式的預報結果大致接近實況。28日上午降雨范圍縮小,模式與實況的偏差有所增大。而29日午后強降雨范圍和強度都有所增大,可是模式預報值與實況偏差較大,說明這一階段模式對于極大值的預報效果不佳。30日凌晨開始,模式預報的極大值急劇上升,臨近2 h的預報結果也同步增大,08:00前后達到峰值,此時模式與實況差異不大。值得注意的是,該時段內,模式不同時次預報的極大值差異(圖3中填色區(qū)的高度)較大,模式有顯著調整,臨近2 h的預報與實況接近,表明模式向實況調整的效果顯著。30日午后降雨趨于局地,模式與實況的偏差較大,臨近2 h的偏差最大。30日夜間強降雨范圍增大,模式預報結果的區(qū)間(圖3中填色區(qū)高度)較大,表明模式的調整尤其顯著,臨近時次預報調整具有正效果,但是與實況的極大值相比而言仍低估40 mm/h左右。整體而言,對于調整顯著的時段,臨近時次預報均具有較好的預報效果。以上變化特征表明模式的性能與降雨范圍的局地性有一定的相關性(圖3),一般而言,降雨異常局地的時段內,模式預報的偏差較大,預報性能有限。另外,模式預報80 mm/h以上的概率很低,表明對于這種異常極端的降雨,模式的預報性能也較為有限。除此以外,實況出現的極端性降雨可能跟地形具有較密切的關系,本研究未考慮該情況。另外,模式調整幅度可能跟實時同化的觀測資料有關,3.1節(jié)的分析中部分時次臨近預報的效果與實況有較大的偏差,有可能是跟同化的觀測資料缺乏有關。在預報業(yè)務中對這一相關信息的實時監(jiān)控,將對模式產品的訂正與業(yè)務應用具有更大作用。
【參考文獻】：
期刊論文
[1]基于Grapes 1 km 分鐘級模式分析LAF法的預報效果[J]. 張?zhí)m,張宇飛,劉暢,劉子杰. 廣東氣象. 2019(02)
[2]GRAPES-GFS模式暴雨預報天氣學檢驗特征[J]. 宮宇,代刊,徐珺,楊舒楠,唐健,張芳,胡寧,張夕迪,沈曉琳. 氣象. 2018(09)
[3]基于多模式2015年江西省汛期區(qū)域性暴雨的檢驗[J]. 孫素琴,鄭婧,金米娜,吳靜,李葳. 氣象與環(huán)境學報. 2017(02)
[4]基于鄰域法的高分辨率模式降水的預報能力分析[J]. 潘留杰,張宏芳,陳小婷,王建鵬,陳法敬. 熱帶氣象學報. 2015(05)
[5]GRAPESMESO V3.3模式強天氣預報性能的初步檢驗[J]. 毛冬艷,朱文劍,樊利強,蔡雪薇,張濤,陳靜,黃麗萍,王雨. 氣象. 2014(12)
[6]一種定量降水預報誤差檢驗技術及其應用[J]. 符嬌蘭,宗志平,代刊,張芳華,高棟斌. 氣象. 2014(07)
本文編號：3133745
本文鏈接：http://sikaile.net/projectlw/qxxlw/3133745.html
