多源降水预报集成技术应用研究

doi:10.3969/j.issn.1673-503X.2021.04.004

摘要/Abstract

摘要：

基于欧洲中期天气预报中心全球高分辨率预报模式ECMWF、中国自主研发的新一代业务化区域数值模式GRAPES_Meso和WRF中国全国区域预报模式的降水预报结果进行未来3 d降水集成预报。以中国地面-卫星-雷达三源融合逐时降水格点产品(CMPA-Hourly，V2.0)作为"观测值"进行建模，采用消除偏差多模式平均法和基于无偏平均绝对误差集成法对中国大陆地区进行降水集成预报，同时采用2800个国家自动气象站降水观测数据对降水集成预报效果进行检验。结果表明：基于无偏平均绝对误差的降水集成方法能够综合每个模式成员降水预报场的优势，提供一种更为稳定可靠且具有更高分辨率的优质精细化降水预报产品；其在试验期间对中国大陆地区汛期的降水预报ETS评分，优于消除偏差多模式平均降水集成预报和最优单模式降水预报，BIAS评分更接近于1，与"实况"的距平相关系数也明显提高，是对降水大值捕捉能力较优的一种集成方法，尤其对中雨到暴雨量级预报的改进较好。

关键词: 多源, 消除偏差多模式平均法, 无偏平均绝对误差

Abstract:

The integrated forecasting of 3-d precipitation was conducted based on precipitation forecast results of the global high-resolution European Centre for Medium-Range Weather Forecasts (ECMWF) model, the Chinese new generation of operational Globe/Range Assimilation and Prediction Enhance System (GRAPES_Meso), and the Weather Research Forecast (WRF) model. Taking the three-source (ground-satellite-radar) hourly precipitation grid product in China (CMPA-Hourly V2.0) as the "observed value", we adopted a simple bias-removed ensemble mean (ENSM) method and a multi-model ensemble (MME) method to conduct integrated precipitation forecast in the mainland of China. The performance of integrated precipitation forecasts was evaluated using precipitation observation data from 2800 national automatic weather stations. The results indicated that the MME method can integrate the advantages of each model member's precipitation forecast field, and provide a more stable, reliable, and high-quality refined precipitation forecast product with a higher resolution. During the test period, the EST score of the precipitation forecast based on the MME method during the flood season in the mainland China is better than that using the ENSM method and using the optimal single-mode precipitation forecast. The BIAS score is closer to 1, and the anomaly correlation coefficients between the forecasts using the MME method and the observed values increases. The MME method has a better ability to capture large values of precipitation, especially for improving the prediction of grades above moderate precipitation.

Key words: Multi-source, Bias-removed ensemble mean method, Unbiased mean absolute error

中图分类号:

P457.6

唐娴,周荣卫,何晓凤,王津宇,任晓晨. 多源降水预报集成技术应用研究[J]. 气象与环境学报, 2021, 37(4): 26-32.

Xian TANG,Rong-wei ZHOU,Xiao-feng HE,Jing-yu WANG,Xiao-chen REN. Research on application of multi-source precipitation forecast integration technology[J]. Journal of Meteorology and Environment, 2021, 37(4): 26-32.

图/表 9

图1

表1

图2

表2

图3

图4

图5

图6

图7

参考文献 20

1	杜钧, 陈静. 单一值预报向概率预报转变的基础: 谈谈集合预报及其带来的变革[J]. 气象, 2010, (11): 1- 11. doi: 10.7519/j.issn.1000-0526.2010.11.001
2	杨学胜. 业务集合预报系统的现状及展望[J]. 气象, 2001, 27 (6): 3- 9.
3	杨森, 陈力强, 周晓珊. 数值降水预报定量集成方法的业务应用[J]. 气象与环境学报, 2012, 28 (5): 14- 18.
4	王秀英, 廖留峰, 王俊杰. 基于多元线性回归的滇西南短时强降水预报模型研究[J]. 气象与环境学报, 2019, 35 (2): 15- 22. doi: 10.3969/j.issn.1673-503X.2019.02.003
5	Vrugt J A , Clark M P , Diks C G H , et al. Multi-objective calibration of forecast ensembles using Bayesian model averaging[J]. Geophysical Research Letters, 2006, 33 (19): L19817. doi: 10.1029/2006GL027126
6	狄靖月, 赵琳娜, 张国平, 等. 降水集合预报集成方法研究[J]. 气象, 2013, 39 (6): 691- 698. doi: 10.3969/j.issn.1000-6362.2016.06.009
7	马申佳, 何宏让, 陈超辉, 等. 基于对流尺度集合预报的飑线结构特征模拟与改善[J]. 气象与环境学报, 2019, 25 (1): 1- 9.
8	农孟松, 黄海洪, 孙崇智, 等. 基于主分量神经网络的降水集成预报方法研究[J]. 气象, 2011, 37 (3): 352- 355. doi: 10.3969/j.issn.1671-6345.2011.03.016
9	Ross R S , Krishnamurti T N . Reduction of forecast error for global numerical weather prediction by The Florida State University(FSU) Superensemble[J]. Meteorology and Atmospheric Physics, 2005, 88 (3/4): 215- 235. doi: 10.1007/s00703-004-0077-8
10	Cartwright T J , Krishnamurti T N . Warm season mesoscale superensemble precipitation forecasts in the southeastern United States[J]. Weather and Forecasting, 2007, 22 (4): 873- 886. doi: 10.1175/WAF1023.1
11	刘长征, 杜良敏, 柯宗建, 等. 国家气候中心多模式解释应用集成预测[J]. 应用气象学报, 2013, 24 (6): 677- 685.
12	徐姝, 尉英华, 熊明明, 等. 频率匹配法在海河流域ECMWF集合预报融合产品中的应用研究[J]. 气象与环境学报, 2018, 34 (4): 11- 17.
13	Li S J , Wang Y , Yuan H L , et al. Ensemble mean forecast skill and applications with the T213 ensemble prediction system[J]. Advances in Atmospheric Sciences, 2016, 33 (11): 1297- 1305. doi: 10.1007/s00376-016-6155-2
14	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: 383- 384.
15	潘旸, 沈艳, 宇婧婧, 等. 基于贝叶斯融合方法的高分辨率地面-卫星-雷达三源降水融合试验[J]. 气象学报, 2015, 73 (1): 177- 186.
16	王亚男, 智协飞. 多模式降水集合预报的统计降尺度研究[J]. 暴雨灾害, 2012, 31 (1): 1- 7.
17	Durai V R , Bhardwaj R . Forecasting quantitative rainfall over India using multi-model ensemble technique[J]. Meteorology and Atmospheric Physics, 2014, 126 (1/2): 31- 48. doi: 10.1007/s00703-014-0334-4
18	翟振芳, 魏春璇, 邓斌, 等. 安徽省ECMWF数值模式降水预报性能的检验[J]. 气象与环境学报, 2017, 33 (5): 1- 9.
19	聂安琪, 李得勤, 滕方达, 等. 辽宁省夏季多模式降水预报检验及晴雨预报技术研究[J]. 气象与环境学报, 2020, 36 (5): 10- 17.
20	Jolliffe I an T, Stephenson D B. 预报检验-大气科学从业者指南(2版)[M]. 李应林, 译. 北京: 气象出版社, 2016: 58-68.

实况	预报
实况	发生	未发生
发生	a	c
未发生	b	d

时长	MME	ENSM	ECMWF	GRAPES_Meso	WRF
1 d	0.57	0.54	0.44	0.39	0.45
2 d	0.48	0.45	0.37	0.30	0.34
3 d	0.39	0.35	0.25	0.19	0.30

[1]	刘静,陈传雷,严俊,王瀛,才奎志,任川,韩梅,董巍. 2015—2019年辽宁省暴雨红色预警信号分布及其特征[J]. 气象与环境学报, 2021, 37(1): 100-105.
[2]	杨瑞雯,孙欣,谭政华,张宸赫,于亚鑫. 辽宁省春季透雨集合预报误差分析[J]. 气象与环境学报, 2021, 37(1): 26-32.
[3]	蔡义勇, 危国飞, 党皓飞, 林青. 基于降水目标的主雨带识别及预报误差空间检验[J]. 气象与环境学报, 2020, 36(1): 36-42.
[4]	王秀英, 廖留峰, 王俊杰. 基于多元线性回归的滇西南短时强降水预报模型研究[J]. 气象与环境学报, 2019, 35(2): 15-22.
[5]	纪永明, 陈传雷, 蒋大凯, 任志杰, 孟莹, 才奎志, 张硕, 胡鹏宇. 基于雷达组网拼图的定量降水反演II:方案改进及综合评估[J]. 气象与环境学报, 2019, 35(1): 79-87.
[6]	张丽, 徐朋飞, 吴胜平, 董方有. 安庆市降水相态识别判据研究[J]. 气象与环境学报, 2018, 34(1): 30-37.
[7]	储海, 漆梁波. 基于模式相对湿度的降水概率预报方法研究[J]. 气象与环境学报, 2017, 33(1): 44-50.
[8]	李崇, 吉曹翔, 夏传栋, 张治, 李典, 孟鹏, 班伟龙, 梁红. 沈阳地区强对流天气潜势预报环境参数特征分析[J]. 气象与环境学报, 2016, 32(6): 43-51.
[9]	朱占云, 陈光宇, 姜瑜君, 沈萍月, 许娈. 浙江省六大水库流域面雨量模式预报效果检验[J]. 气象与环境学报, 2016, 32(3): 28-33.