基于分位数映射法的四川省ECMWF模式降水预报误差订正分析

doi:10.11755/j.issn.1006-7639(2023)-04-0666

干旱气象 ›› 2023, Vol. 41 ›› Issue (4): 666-675.DOI: 10.11755/j.issn.1006-7639(2023)-04-0666

基于分位数映射法的四川省ECMWF模式降水预报误差订正分析

曹萍萍¹^,²(), 肖递祥¹^,²(), 龙柯吉¹^,², 王佳津¹^,², 杨康权¹^,²

1.四川省气象台，四川成都 610072
2.高原与盆地暴雨旱涝灾害四川省重点实验室，四川成都 610072

收稿日期:2022-03-29 修回日期:2022-10-09 出版日期:2023-08-31 发布日期:2023-08-29
通讯作者: 肖递祥（1975—），男，四川隆昌人，正高级工程师，主要从事天气预报及相关技术研究。E-mail: 5955532@qq.com。
作者简介:曹萍萍（1988—），女，四川武胜人，高级工程师，主要从事数值模式释用与集合预报研究。E-mail: 710839116@qq.com。
基金资助:
四川省科技计划重点研发项目“临灾避险精细化气象保障关键技术研究”(2022YFS0542);中国气象局创新发展专项(CXFZ-2021J027);高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金项目(SCQXKJQN202213);高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金项目(SCQXKJYJXMS202214);中国科学院战略性先导科技专项(XDA23090103);四川省气象局智能网格预报创新团队项目共同资助

Deviation correction of precipitation forecast by ECMWF model based on quantile mapping method in Sichuan Province

CAO Pingping¹^,²(), XIAO Dixiang¹^,²(), LONG Keji¹^,², WANG Jiajin¹^,², YANG Kangquan¹^,²

1. Sichuan Meteorological Observatory， Chengdu 610072， China
2. Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province， Chengdu 610072， China

Received:2022-03-29 Revised:2022-10-09 Online:2023-08-31 Published:2023-08-29

摘要/Abstract

摘要：

为做好ECMWF（European Centre for Medium-Range Weather Forecasting）模式本地化释用，提高四川省降水预报准确率，对四川省2020—2021年7—9月模式各量级降水预报系统性偏差规律分析发现，该模式预报的雨日较实况偏多，尤其是攀西地区和川西高原；预报的大雨日数盆地西南部及攀西地区多于实况，而盆地南部少于实况。然后，基于分位数映射法对模式预报的24 h累积降水开展大量级降水订正试验与检验。基于分位数映射法订正后，暴雨及以上量级TS（Threat Score）提高7%~15%，且各量级降水TS均高于多模式集成客观预报产品2%~4%，大雨及以上、暴雨及以上量级命中率提高10%~20%，订正后雨带位置特别是暴雨落区与实况更接近。

关键词: ECMWF模式, 分位数映射法, 降水预报订正, 降水预报检验, 四川省

Abstract:

In order to implement the localized application of ECMWF (European Centre for Medium-Range Weather Forecasting) model well and improve the accuracy of precipitation forecast in Sichuan Province, the systematic deviation characteristics of forecast of precipitation with various magnitudes from ECMWF model were analyzed from July to September during 2020-2021. The result shows that the rain days forecasted by ECMWF model are more than the observations in Sichuan Province from July to September during 2020-2021, especially in Panxi region and western Sichuan Plateau. The heavy rain days forecasted by the model are more than the observations in southwestern Basin and Panxi region, while they are less than the observations in southern Basin. Then, the correction experiment about 24-hour cumulative precipitation forecast was carried out based on quantile mapping method, and it was applied to heavy rainfall forecast. After the correction using quantile mapping method, the TS (Threat Score) of forecast of rainstorm and above is improved by 7%-15%, and the TS of forecast of precipitation with various magnitudes is 2%-4% higher than the multi-model integrated objective forecast products. The POD (Probability of Detection) of forecast of heavy rain, rainstorm and above is improved by 10%-20%. The corrected location of rain belt in particular rainstorm areas is closer to the actual.

Key words: ECMWF model, quantile mapping method, precipitation forecast correction, precipitation forecast test, Sichuan Province

中图分类号:

P457.3

曹萍萍, 肖递祥, 龙柯吉, 王佳津, 杨康权. 基于分位数映射法的四川省ECMWF模式降水预报误差订正分析[J]. 干旱气象, 2023, 41(4): 666-675.

CAO Pingping, XIAO Dixiang, LONG Keji, WANG Jiajin, YANG Kangquan. Deviation correction of precipitation forecast by ECMWF model based on quantile mapping method in Sichuan Province[J]. Journal of Arid Meteorology, 2023, 41(4): 666-675.

图/表 12

图1 四川省地形高度（填色区，单位：m）及气候分区

Fig.1 The terrain elevation （the color filled areas， Unit： m） and climate division in Sichuan Province

表1 基于配料法的四川省不同区域短时强降水预报因子权重

Tab.1 The weights of prediction factors of short-term heavy rainfall based on ingredients method in different regions of Sichuan Province

区域	水汽通量散度		螺旋度		500 hPa垂直速度	大气可降水量	假相当位温
区域	850 hPa	700 hPa	850 hPa	700 hPa	500 hPa垂直速度	大气可降水量	假相当位温
盆地	0.4	0.1	0.2	0.1	0.1	0.1	—
攀西	—	0.4	—	0.2	0.2	0.1	0.1

图2 四川省25.0 mm及以上日观测降水量（a）和40%以上模式预报强降水日累积概率（b）的累积概率分布

Fig.2 The cumulative probability distribution of observed daily precipitation more than or equal to 25.0 mm （a） and daily cumulative probability of heavy rainfall more than 40% （b） in Sichuan Province

表2 盆地与攀西地区观测降水量与模式预报降水累积概率分位值

Tab.2 The quantile values of observed precipitation and cumulative probability of precipitation forecasted by the model in Basin and Panxi region

百分位数	盆地		攀西
百分位数	观测降水量/mm	降水累积概率/%	观测降水量/mm	降水累积概率/%
5	27.3	85.3	25.9	89.7
10	29.4	91.0	26.7	98.4
15	32.3	97.1	28.5	107.3
20	36.1	102.4	29.0	116.6
25	39.2	108.7	29.6	125.0
30	42.8	116.4	30.9	132.7
35	46.1	124.0	31.6	140.9
40	49.5	143.4	33.2	150.5
45	53.9	152.3	33.8	161.4
50	57.8	164.1	34.8	172.0
55	61.9	186.5	36.6	182.3
60	67.9	198.3	38.3	194.7
65	74.2	211.9	41.1	206.0
70	82.6	227.0	43.8	218.6
75	93.1	244.5	47.1	236.8
80	101.8	264.6	50.7	253.0
85	116.9	278.5	56.6	279.3
90	136.3	286.0	65.8	310.9
95	174.5	342.1	73.3	354.8

图3 2020—2021年7—9月四川省不同区域实况与模式预报雨日对比（a）盆地，（b）攀西地区，（c）川西高原

Fig.3 The comparison of observed and forecasted rain days in different regions of Sichuan Province from July to September during 2020-2021 （a） Basin，（b） Panxi region，（c） western Sichuan Plateau

图4 2020—2021年7—9月盆地（a）和攀西地区（b）实况与模式预报大雨日数对比

Fig.4 The comparison of observed and forecasted heavy rain days in Basin （a） and Panxi region （b） from July to September during 2020-2021

表3 四川省2021年7—9月强降水过程不同预报时效各检验指标订正前后及与模式集成产品对比

Tab.3 Comparison of test indexes before and after correction for different forecast leading time and integrated product of models for the heavy rainfall processes in Sichuan Province from July to September in 2021

降水量级	预报时效	产品	TS	命中率	空报率	降水量级	预报时效	产品	TS	命中率	空报率
大雨及以上	36 h	订正前	0.35	0.55	0.52	暴雨及以上	36 h	订正前	0.22	0.38	0.65
	36 h	订正后	0.32	0.59	0.59		36 h	订正后	0.24	0.51	0.69
	48 h	订正前	0.32	0.50	0.54		48 h	订正前	0.19	0.30	0.66
	48 h	订正后	0.31	0.55	0.59		48 h	订正后	0.22	0.43	0.69
		模式集成	0.27	0.41	0.56			模式集成	0.20	0.29	0.58

图5 2020—2021年7—9月四川省各站点实况（a、b）与36 h（c、d）、48 h（e、f）预报雨日（a、c、e）和大雨日数（b、d、f）空间分布（单位：d）

Fig.5 The spatial distribution of observed （a， b） and 36 h （c， d）， 48 h （e， f） forecasted rain days （a， c， e） and heavy rain days （b， d， f） in each station of Sichuan Province from July to September during 2020-2021 （Unit： d）

图6 2021年7月23日20：00至24日20：00四川省模式36 h（a）和48 h（b）预报时效的40%以上强降水累积概率分布（单位：%）

Fig.6 The distribution of forecasted cumulative probability of heavy rainfall more than 40% for 36 h （a） and 48 h （b） leading time in Sichuan Province from 20：00 on 23 to 20：00 on 24 July 2021 （Unit： %）

图7 2021年7月23日20：00至24日20：00四川省25.0 mm及以上降水实况（a）及模式36 h（b、d）、48 h（c、e）预报（b、c）及订正（d、e）的累积降水量分布（单位：mm）

Fig.7 The distribution of observed precipitation （a） and the model forecasted （b， c） and corrected （d， e） accumulative precipitation more than or equal to 25.0 mm for 36 h （b， d） and 48 h （c， e） leading time in Sichuan Province from 20：00 on 23 to 20：00 on 24 July 2021 （Unit： mm）

图8 2021年9月3日20：00至4日20：00四川省模式36 h（a）和48 h（b）预报时效的40%以上强降水累积概率分布（单位：%）

Fig.8 The cumulative probability distribution of forecasted heavy precipitation more than 40% for 36 h （a） and 48 h （b） leading time in Sichuan Province from 20：00 on 3 to 20：00 on 4 September 2021 （Unit： %）

图9 2021年9月3日20：00至4日20：00四川省25.0 mm及以上降水实况（a）及模式36 h（b、d）、48 h（c、e）预报（b、c）及订正（d、e）的累积降水量分布（单位：mm）

Fig.9 The distribution of observed precipitation （a） and the model forecasted （b， c） and corrected （d， e） accumulative precipitation more than or equal to 25.0 mm for 36 h （b， d） and 48 h （c， e） leading time in Sichuan Province from 20：00 on 3 to 20：00 on 4 September 2021 （Unit： mm）

参考文献 21

[1]	毕宝贵, 代刊, 王毅, 等, 2016. 定量降水预报技术进展[J]. 应用气象学报, 27(5): 534-549.
[2]	曹萍萍, 陈朝平, 徐栋夫, 等, 2017. 基于集合预报的四川夏季强降水订正试验[J]. 热带气象学报, 33(1): 111-118.
[3]	曹萍萍, 肖递祥, 徐栋夫, 等, 2018. 基于概率匹配的西南区域模式定量降水订正试验[J]. 气象科技, 46(1): 102-111.
[4]	陈朝平, 冯汉中, 陈静, 2010. 基于贝叶斯方法的四川暴雨集合概率预报产品释用[J]. 气象, 36(5): 32-39.
[5]	陈锦鹏, 冯业荣, 蒙伟光, 等, 2021. 基于卷积神经网络的逐时降水预报订正方法研究[J]. 气象, 47(1): 60-70.
[6]	陈永仁, 康岚, 李跃清, 2017. 基于EC025配料的短时强降水概率预报产品及应用[J]. 高原山地气象研究, 37(4):1-7.
[7]	黄楚惠, 牛金龙, 李国平, 等, 2022. 基于西南区域中尺度模式系统预报的陡峭地形过渡带降水订正方法[J]. 干旱气象, 40(2): 317-326. DOI
[8]	雷华锦, 马佳培, 李弘毅, 等, 2020. 基于分位数映射法的黑河上游气候模式降水误差订正[J]. 高原气象, 39(2): 266-279. DOI
[9]	李俊, 杜钧, 陈超君, 2014. 降水偏差订正的频率(或面积)匹配方法介绍和分析[J]. 气象, 40(5): 580-588.
[10]	李强, 纪晓玲, 薛宏宇, 等, 2019. 配料法在宁夏暴雨预报中的应用[J]. 沙漠与绿洲气象, 13(6): 20-28.
[11]	李涛, 陈杰, 汪方, 等, 2022. 一种基于神经网络的中国区域夏季降水预测订正算法[J]. 干旱气象, 40(2): 308-316. DOI
[12]	潘留杰, 薛春芳, 张宏芳, 等, 2022. 基于卡尔曼动态频率的ECMWF降水预报订正[J]. 气象, 48(1): 73-83.
[13]	谭伟伟, 曾超, 沈焕锋, 等, 2020. 基于高斯过程算法的日尺度IMERG降水数据与站点数据的融合研究——以湖北省为例[J]. 华中师范大学学报(自然科学版), 54(3): 439-446.
[14]	王丽芳, 漆梁波, 周伟, 等, 2021. 频率匹配技术在暴雨预报中的应用及改进分析[J]. 暴雨灾害, 40(4): 352-361.
[15]	吴迎旭, 孟莹莹, 周一, 等, 2021. 基于ECMWF细网格、GRAPES的短时强降水潜势预报和检验[J]. 沙漠与绿洲气象, 15(5): 30-40.
[16]	谢祥洲, 刘军龙, 霍斐斐, 等, 2022. 基于机器学习模型的关中地区GPM_IMERG降水数据订正方法[J]. 水电能源科学, 40(2): 6-9.
[17]	赵华生, 金龙, 黄小燕, 等, 2021. 基于CNN和RF算法的ECMWF降水分级订正预报方法[J]. 气象科技, 49(3): 419-426.
[18]	GUDMUNDSSON L, BREMNES J B, HAUGEN J E, et al, 2012. Technical note: downscaling RCM precipitation to the station scale using statistical transformations-a comparison of methods[J]. Hydrology and Earth System Sciences, 16(9): 3 383-3 390. DOI URL
[19]	HAMILL T M, WHITAKER J S, 2006. Probabilistic quantitative precipitation forecasts based on reforecast analogs: theory and application[J]. Monthly Weather Review, 134(11): 3 209-3 229. DOI URL
[20]	SLOUGHTER J M L, RAFTERY A E, GNEITING T, et al, 2007. Probabilistic quantitative precipitation forecasting using Bayesian model averaging[J]. Monthly Weather Review, 135(9): 3 209-3 220. DOI URL
[21]	WILKS D S, 2000. Diagnostic verification of the Climate Prediction Center long-lead outlooks, 1995-98[J]. Journal of Climate, 13(13): 2 389-2 403. DOI URL

基于分位数映射法的四川省ECMWF模式降水预报误差订正分析

Deviation correction of precipitation forecast by ECMWF model based on quantile mapping method in Sichuan Province

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 21

相关文章 6

编辑推荐

Metrics

[1]	黄晓龙, 吴薇, 徐晓莉, 王丽伟, 宋云帆, 李雪. 基于地形起伏度的四川省地面气象站点适宜性研究[J]. 干旱气象, 2023, 41(4): 579-588.
[2]	蔡怡亨, 李帅, 张强, 邓彪, 罗玉, 孙蕊. 1997—2021年四川省干旱时空变化特征分析[J]. 干旱气象, 2023, 41(2): 241-250.
[3]	乔锦荣, 原新鹏, 梁旭东, 谢衍新. 凝聚层次聚类方法在降水预报评估中的应用[J]. 干旱气象, 2022, 40(4): 690-699.
[4]	陈晓燕, 孔祥伟, 彭筱, 刘新伟, 吴晶, 任淑媛. 全球和区域数值模式在甘肃2020年汛期降水预报中的检验评估[J]. 干旱气象, 2022, 40(3): 524-535.
[5]	王海燕1，田刚1，徐卫立2，金琪3，陈良华2，陈璇1. ECMWF模式在长江上游流域调度关键期的预报检验评估[J]. 干旱气象, 2017, 35(1): 142-147.
[6]	袁淑杰，李钰春，向乐，张益炜. 起伏地形下四川省太阳直接辐射时空分布特征[J]. 干旱气象, 2016, 34(1): 20-25.