基于云诊断算法的中国十大机场云预报对比分析

doi:10.3969/j.issn.1673-503X.2022.06.007

Abstract

Abstract:

The 6h numerical forecast data from NCEP reanalysis data FNL were selected to calculate the cloud base height and cloud cover of the lowest layer clouds below 1500 m in the top ten airports in China using the cloud diagnosis algorithm.The corresponding airport routine weather reports were used to check the calculation results and make a comparative analysis.The results showed that regardless of cloud cover, the accuracy rate and miss rate of the C cloud cover diagnosis method (C method) were lower than those of the WR95 method and optimized WR95 method (WR95opt) in most airports.The TS score of WR95 and WR95opt in Beijing, Shanghai Pudong, Kunming, and Shanghai Hongqiao is slightly higher than that of the C method, while in Chengdu, Xi'an, and Chongqing it is lower than that of the C method.While considering cloud cover, the calculation results from these methods are poor, the accuracy and TS score decrease, and the miss ratio increases.The calculation results of the C method for sparse cloud and above cloud are worse than that of less cloud.The relative error difference of cloud height calculated by each method is large, and the relative error spreads in both positive and negative.The calculation result of WR95opt in Beijing, Shanghai Pudong, Guangzhou, Shenzhen, Shanghai Hongqiao, Hangzhou, and Kunming is better, the calculation result of WR95 in Chengdu is better, and the calculation result of C method in Xi'an and Chongqing is better.

Key words: Cloud cover, TS scores, Relative error

CLC Number:

P457.1

Ji-liang XU,Wei ZHANG,Yan-hua SU,Lei GU. Comparative analysis of cloud forecast for top ten airports in China based on cloud diagnosis algorithms[J]. Journal of Meteorology and Environment, 2022, 38(6): 57-64.

Figures/Tables 8

Fig.1

Table 1

Table 2

Table 3

Table 4

Table 5

Table 6

Fig.2

References 21

1	刘开宇, 张云瑾, 田军. 贵阳机场一次低云天气的诊断分析[J]. 云南大学学报(自然科学版), 2010, 32 (S2): 213- 216.
2	陈超, 郭晓军, 邱晓斌, 等. 中国华北地区云垂直结构及云水含量卫星遥感研究[J]. 气象与环境学报, 2015, 31 (5): 159- 164.
3	韩成鸣, 李耀东, 史小康. 云分析预报方法研究进展[J]. 地球科学进展, 2015, 30 (4): 505- 516.
4	Wang J H , Rossow W B . Determination of cloud vertical structure from upper-air observations[J]. Journal of Applied Meteorology and Climatology, 1995, 34 (10): 2243- 2258. doi: 10.1175/1520-0450(1995)034<2243:DOCVSF>2.0.CO;2
5	赵仕伟, 赵增亮, 史荟燕, 等. WR95探空分析算法在中尺度数值模式中的应用研究[C]//中国气象学会. 第26届中国气象学会年会人工影响天气与大气物理学分会场论文集. 杭州: 中国气象学会, 2009: 165-173.
6	蔡淼, 欧建军, 周毓荃, 等. L波段探空判别云区方法的研究[J]. 大气科学, 2014, 38 (2): 213- 222.
7	瞿建华, 鄢俊洁, 薛娟, 等. 基于深度学习的FY3D/MERSI和EOS/MODIS云检测模型研究[J]. 气象与环境学报, 2019, 35 (3): 87- 93.
8	韩永清, 丛春华. FY-2E总云量产品在华北和黄淮区域的分析检验[J]. 气象与环境学报, 2015, 31 (5): 153- 158.
9	刘雅楠, 邹海波, 吴琼. 基于FY-2G产品的江西省总云量最小二乘法建模与分析[J]. 气象与环境学报, 2020, 36 (2): 105- 111.
10	黄海亮, 靳双龙, 王式功, 等. 相似预报方法在山西省云量预报中的应用[J]. 干旱气象, 2018, 36 (5): 845- 851.
11	赵中军, 靳双龙, 刘晓琳, 等. 环渤海地区云量的精细化预报方法[J]. 兰州大学学报(自然科学版), 2019, 55 (4): 541- 548.
12	赵文婧, 赵中军, 尚可政, 等. 云量的时间精细化预报研究—以榆中为例[J]. 气象与环境学报, 2015, 31 (1): 60- 66.
13	杜晖, 殷启元, 贾晓红, 等. 动态时变参数方法在云量精细化预报中的应用研究[J]. 热带气象学报, 2020, 36 (6): 834- 845.
14	陈雪娇, 刘奇俊, 马占山. GRAPES全球模式云方案的诊断研究[J]. 气象学报, 2021, 79 (1): 65- 78.
15	Xu K M , Randall D A . A semiempirical cloudiness parameterization for use in climate models[J]. Journal of the Atmospheric Sciences, 1996, 53 (21): 3084- 3102.
16	张寅, 罗亚丽, 管兆勇. NCEP全球预报系统在ARM SGP站点预报大气温度、湿度和云量的检验[J]. 大气科学, 2012, 36 (1): 170- 184.
17	张金强. 地基探测与NCEP GFS模式预报云量在ARM SGP站点的对比[J]. 气象与环境科学, 2016, 39 (1): 12- 18.
18	朱智, 师春香, 刘瑞霞, 等. 我国三维云融合分析业务系统(3DCloudA-V1.0)研制与开发[J]. 气象科技, 2021, 49 (1): 55- 62.
19	叶平, 白洁, 王洪芳. 云底高预报研究概述[C]//中国气象学会. 2011年第二十八届中国气象学会年会论文集. 厦门: 中国气象学会, 2011: 1-6.
20	朱国栋, 牟欢. MOS方法在机场气象要素客观预报中的应用[J]. 沙漠与绿洲气象, 2013, 7 (3): 13- 16.
21	Zhang J Q , Chen H B , Li Z Q , et al. Analysis of cloud layer structure in Shouxian, China using RS92 radiosonde aided by 95 GHz cloud radar[J]. Journal of Geophysical Research: Atmospheres, 2010, 115 (D7): D00K30.

实况	预报诊断
实况	有云	无云
有云	TP(实况有云，诊断有云)	FN(实况有云，诊断无云)
无云	FP(实况无云，诊断有云)	TN(实况无云，诊断无云)

机场	准确率			漏报率			TS评分
机场	C	WR95	WR95opt	C	WR95	WR95opt	C	WR95	WR95opt
北京首都	0.16	0.46	0.52	0.17	0.42	0.43	0.16	0.34	0.37
上海浦东	0.57	0.71	0.77	0.14	0.27	0.39	0.52	0.56	0.52
广州白云	0.73	0.81	0.82	0.25	0.24	0.33	0.59	0.64	0.58
成都双流	0.68	0.89	0.90	0.06	0.67	0.70	0.65	0.32	0.29
深圳宝安	0.64	0.74	0.76	0.18	0.29	0.39	0.56	0.57	0.51
昆明长水	0.85	0.81	0.82	0.99	0.56	0.58	0.01	0.40	0.38
西安咸阳	0.30	0.84	0.84	0.30	0.73	0.74	0.27	0.26	0.25
上海虹桥	0.54	0.73	0.80	0.12	0.22	0.31	0.50	0.61	0.59
重庆江北	0.60	0.87	0.87	0.25	0.56	0.61	0.50	0.42	0.37
杭州萧山	0.63	0.84	0.88	0.08	0.29	0.38	0.60	0.63	0.57

机场	准确率			漏报率			TS评分
机场	C	WR95	WR95opt	C	WR95	WR95opt	C	WR95	WR95opt
北京首都	0.07	0.15	0.15	0.22	0.89	0.87	0.07	0.07	0.08
上海浦东	0.11	0.21	0.19	0.25	0.95	0.93	0.11	0.04	0.05
广州白云	0.19	0.20	0.21	0.30	0.92	0.89	0.18	0.06	0.08
成都双流	0.34	0.42	0.45	0.06	0.96	0.95	0.33	0.04	0.04
深圳宝安	0.23	0.29	0.29	0.25	0.94	0.92	0.21	0.06	0.07
昆明长水	0.24	0.29	0.30	0.99	0.98	0.96	0.01	0.02	0.04
西安咸阳	0.13	0.36	0.35	0.34	0.96	0.94	0.12	0.04	0.05
上海虹桥	0.07	0.16	0.18	0.27	0.90	0.84	0.07	0.07	0.09
重庆江北	0.29	0.41	0.47	0.27	0.92	0.92	0.27	0.07	0.08
杭州萧山	0.15	0.11	0.16	0.13	0.97	0.95	0.15	0.03	0.04

机场	准确率			漏报率			TS评分
机场	C	WR95	WR95opt	C	WR95	WR95opt	C	WR95	WR95opt
北京首都	0.00	0.08	0.08	1.00	0.82	0.84	0.00	0.06	0.06
上海浦东	N	0.14	0.17	1.00	0.92	0.89	0.00	0.06	0.07
广州白云	N	0.31	0.36	1.00	0.80	0.79	0.00	0.14	0.15
成都双流	N	0.39	0.37	1.00	0.89	0.89	0.00	0.09	0.09
深圳宝安	N	0.19	0.21	1.00	0.90	0.86	0.00	0.07	0.09
昆明长水	N	0.29	0.43	1.00	0.98	0.90	0.00	0.02	0.09
西安咸阳	N	0.28	0.28	1.00	0.92	0.92	0.00	0.06	0.07
上海虹桥	N	0.12	0.15	1.00	0.93	0.91	0.00	0.05	0.06
重庆江北	N	0.34	0.35	1.00	0.89	0.88	0.00	0.09	0.10
杭州萧山	0.50	0.33	0.36	1.00	0.91	0.90	0.00	0.08	0.09

机场	准确率			漏报率			TS评分
机场	C	WR95	WR95opt	C	WR95	WR95opt	C	WR95	WR95opt
北京首都	N	0.11	0.11	1.00	0.72	0.80	0.00	0.08	0.08
上海浦东	N	0.36	0.48	1.00	0.66	0.65	0.00	0.21	0.26
广州白云	N	0.23	0.25	1.00	0.60	0.60	0.00	0.17	0.18
成都双流	N	0.09	0.09	1.00	0.81	0.83	0.00	0.07	0.06
深圳宝安	N	0.29	0.33	1.00	0.44	0.49	0.00	0.23	0.25
昆明长水	N	0.03	0.03	1.00	0.84	0.85	0.00	0.03	0.03
西安咸阳	N	0.12	0.07	1.00	0.83	0.91	0.00	0.07	0.04
上海虹桥	1.00	0.45	0.56	1.00	0.69	0.66	0.00	0.23	0.27
重庆江北	N	0.03	0.03	1.00	0.86	0.86	0.00	0.03	0.03
杭州萧山	0.25	0.33	0.35	1.00	0.64	0.62	0.00	0.21	0.22

Comparative analysis of cloud forecast for top ten airports in China based on cloud diagnosis algorithms

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 8

References 21

Related Articles 3

Metrics

Comments

Recommended 10

[1]	SHEN Yang, SHEN An-yun, SU Hang, XIONG Shi-wei, YAN Wen-lian. Causes analysis on a large-range dense fog event in the winter of 2016 over Jiangsu province [J]. Journal of Meteorology and Environment, 2017, 33(4): 11-20.
[2]	ZHAO Wen-jing,ZHAO Zhong-jun,SHANG Ke-zheng,WANG Shi-gong,NING Gui-cai. Refined forecast of cloud cover---a case study in Yuzhong [J]. Journal of Meteorology and Environment, 2015, 31(1): 60-66.
[3]	LU Zhong-yan; CAI Fu ;LIU Wen-ming ;YUAN Zi-peng; CHEN Yan-qiu; CHEN Ming-qiang. Spatial interpolation methods of wind, relative humidity and cloud cover in villages and towns weather forecast in Liaoning province [J]. Journal of Meteorology and Environment, 2009, 25(4): 54-57.