荣艳敏,盛春岩
(山东省气象科学研究所,济南 250031)
山东省2016年秋季(2016年9—11月)数值预报产品检验
荣艳敏,盛春岩
(山东省气象科学研究所,济南 250031)
根据短期天气预报质量检验办法,以及气象行业标准《风预报检验方法》(QX/T229-2014),对2016年9—11月T639、EC细网格、山东WRF确定性预报12km和4km分辨率、WRF集合不同分位数、上海区域模式(BCSH)以及T639-MOS解释应用产品在山东省陆地120个国家级气象观测站和沿海12个精细海区的降水、日最大风速以及日最高最低气温预报进行检验,分析了不同数值模式产品的预报能力。
秋季;数值预报;降水;风速;气温
2016年秋季(2016年9—11月,下同),全省平均降水量为114.1mm,较常年偏多1.7mm,比上年偏少31.5mm。全省平均气温为15.2℃,较常年偏高0.8℃,比上年偏高0.6℃,为1951年以来历史同期第4位高值。季内共出现了24次降水过程,分别为9月8次、10月9次、11月7次,出现19次大风天气过程,其中14次为海上和陆地大风,5次为海上大风,分别为9月2次、10月8次、11月9次。
2.1 数值模式资料
参与检验的数值模式主要包括T639、EC细网格、WRF确定性预报(EnWRF)12km和4km,WRF集合不同分位数(包括集合最小值、10%、25%、50%、75%、90%、集合最大值)、上海区域模式(BCSH)、中国气象局下发的T639-MOS释用产品。统一对各模式20时的预报进行检验评分,其中T639-MOS检验时效为48h,其他各模式检验时效为72h。
2.2 实况资料
实况资料主要包括全省陆地(120站)和沿海12个精细化海区(12站)两部分。全省陆地120站是指山东省120个国家级气象观测站(其中泰山站属于高山站不参与评分,成山头和长岛站参与沿海站部分的评分);沿海12站是指按照《山东省海洋气象业务规定》(鲁气办发〔2011〕125号)中的规定,将距山东海岸线10km以内的海区划分为12个精细化海区。
2.3 检验方法
降水和气温检验主要是根据中国气象局《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)中有关规定进行检验,其中降水等级检验划分为晴雨、一般性降水、小雨、中雨、大雨、暴雨和大暴雨7个等级,气温分小于等于1℃、小于等于2℃的预报准确率和预报误差。
风力等级预报检验则是根据山东省气象科学研究所盛春岩等起草的气象行业标准《风预报检验方法》(QX/T 229—2014)中对风力等级的检验方法,包括预报准确率、预报偏强率、预报偏弱率。
3.1 降水预报检验
从各模式对全省陆地降水的预报评分可知(图1a-c),各模式晴雨预报TS评分总体差异不大,大多在80分左右,其中集合50%分位数对24h和72h预报评分最高,T639-MOS对48h预报评分最高,集合最大值评分最低。对于一般性降水预报,上海区域模式对24h预报评分最高,集合90%分位数对48h和72h预报评分最高。对于中雨预报,集合75%分位数、上海区域模式、集合90%分位数分别对24h,48h,72h评分最高。对于本季度的大雨预报,各模式评分均较低,其中集合75%分位数、WRF确定性预报12km、EC细网格预报效果相对较好。对于暴雨预报,上海区域模式对24h和48h预报评分最高,EC细网格对72h预报效果最好。从降水空、漏报率来看(图略),各模式对大雨以上级别降水空、漏报较多,集合较小分位数空、漏报率可达100%。
从本季度降水的BS评分可以发现(图略),T639、EC细网格和集合较高分位数对一般性降水和小雨预报明显偏多,大雨以上级别降水集合较高分位数以及上海区域模式BS评分值明显偏大,表明其对相应量级降水的预报范围偏大。
图1 2016年9—11月全省(120个国家级气象观测站)T639、EC_thin、WRF确定性预报12km和4km分辨率、WRF集合不同分位数、上海区域模式(BCSH)、T639-MOS 24h(a),48h(b),72h(c)降水预报评分
3.2 风速预报检验
从各模式对全省陆地和沿海日最大风速的预报评分看(图2a-f),对于全省陆地,T639、EC细网格分别对2级、3级风力的预报准确率最高;集合最小值、EC细网格和上海区域模式对沿海地区4级以下风力预报准确率最高。WRF确定性预报4km对陆地4级风力的预报准确率最高,对于沿海4级风力,EC细网格预报准确率最高。无论陆地还是沿海,对于6级以上风力的预报,基本为集合最大值和集合90%分位数预报准确率最高。
从日最大风预报的偏弱、偏强率来看(图略),各模式对6级及以上大风预报偏弱率较大,7级及以上大风偏弱率大部分模式达到100%。对于3级及以下小风的预报,各模式的偏强率较大。结合预报准确率的评分可见,集合最大值对大风的预报准确率较高、偏弱率最小,预报效果最好,T639和EC细网格对小风的预报准确率最高、偏强率最小,预报效果最好。
图2 2016年9—11月全省(120个国家级气象观测站)24h(a),48h(b),72h(c)以及沿海(12个海区代表站)24h(d),48h(e),72h(f)T639、EC_thin、WRF确定性预报12km和4km分辨率、WRF集合不同分位数、上海区域模式(BCSH)、T639-MOS日最大风速预报评分
3.3 气温预报检验
从模式对2m最高、最低气温预报评分结果来看(图3a-f),对于全省陆地站点,2m最高气温EC细网格预报准确率最高,优势较明显;对于2m最低气温,EC细网格和T639-MOS预报评分相差不大,预报准确率相对较高。对于沿海地区,T639对2m最高气温24h和48h预报准确率最高,72h预报集合75%分位数略好于EC细网格;2m最低气温上海区域模式对24h预报准确度最高,EC细网格对48h和72h预报效果最好。
气温预报平均绝对误差和TS评分结果基本一致,对于全省陆地站点,无论2m最高气温还是最低气温,EC细网格的平均绝对误差均最小。对于沿海地区,2m最高气温48h内T639的平均绝对误差最小,集合75%分位数72h平均绝对误差最小;2m最低气温上海区域模式和EC细网格平均绝对误差均较小。
图3 2016年9—11月全省(120个国家级气象观测站)24h(a),48h(b),72h(c)以及沿海(12个海区代表站)24h(d),48h(e),72h(f)T639、EC_thin、WRF确定性预报12km和4km分辨率、WRF集合不同分位数、上海区域模式(BCSH)、T639-MOS 2m气温预报评分
对2016年9—11月各数值模式产品在全省陆地120站和沿海12个精细海区的降水、日最大风速以及日最高最低气温预报进行了检验。
(1)对于晴雨预报,集合50%分位数和T639-MOS评分最高。对于一般性降水预报,集合90%分位数和上海区域模式预报评分相对较高。对于中雨预报,集合75%分位数、上海区域模式、集合90%分位数分别对24h,48h,72h评分最高。对于大雨预报,各模式评分均较低,其中集合75%分位数、WRF确定性预报12km、EC细网格预报评分相对较高。对于暴雨预报,上海区域模式对24h和48h预报评分最高,EC细网格对72h预报评分最高。
(2)WRF确定性预报4km对陆地4级风力的预报准确率最高,对于沿海4级风力,EC细网格预报准确率最高。无论陆地还是沿海,对于6级以上风力的预报,基本为集合最大值和集合90%分位数预报准确率最高。
(3)对于全省陆地站点,无论2m最高气温还是2m最低气温,EC细网格预报效果均最好。沿海地区2m最高气温T639对24h和48h预报效果最好,集合75%分位数对72h预报效果最好;2m最低气温EC细网格和上海区域模式预报效果均较好。
P456.7
:B
:1005-0582(2016)04-0059-04
10.19513/j.cnki.issn1005-0582.2016.04.013
2016-12-19
荣艳敏(1983—),女,山东聊城人,硕士,工程师,主要从事数值天气预报技术研究工作。