定量降雨模式预报精度比较及评定指标
降雨量预报方法的评价
降雨量预报方法的评价1. 摘要本论文就评价两种降雨量预报方法的优劣建立了相应的数学模型，并且用气象部门提供的真实数据对两种预报方法进行了比较。
论文先建立了“最邻近点插值法”降雨量的预报模型，接着又建立了“反距离加权平均法”的算法模型，给出了各网点的雨量预报值。
另外，我们用满意度函数（见附录）用来算出公众的满意程度。
根据公众的满意度看出那一种方法更加适宜公众需求。
相对误差计算公式：00||f rR R E R -=；准确率计算公式：s RT M=；反距离加权平均 ： r k =2. 关键字最邻近点插值法；反距离加权平均法；满意度函数； 降雨量3.问题重述雨量预报对农业生产和城市工作和生活有重要作用，但准确，及时地对雨量做出预报是一个十分困难的问题，广受世界各国关注。
我国某地气象台和气象研究所正在研究6小时雨量预报方法，即每天晚上20点预报从21点开始的4个时段在某些位置的雨量，这些位置都位于东经120度、北纬32度附近的53×47的等距网格点上。
同时设立91个观测站点实测这些时段的实际雨量，但由于各种条件的限制，所以站点的设置是不均匀的。
气象部门提供了41天的用两种不同方法的预报数据和相应的实测数据。
希望由此建立一种科学评价预报方法好坏的数学模型与方法，多两种预测方法进行评价。
其中雨量用毫米为单位，注意：小于0.1毫米被认为无雨。
（1）请建立数学模型来评价两种6小时雨量预报方法的准确性；（2）气象部门将6小时降雨量分为6等：0.1—2.5毫米为小雨，2.6—6毫米为中雨，6.1—12毫米为大雨，12.1—25毫米为暴雨，25.1—60毫米为大暴雨，大于60.1毫米为特大暴雨。
若按此分级向公众预报，如何在评价方法中考虑公众的感受？4.模型假设（1）假设所有预报数据和实测数据及预报点和观测站的经纬度坐标值均有效，不考虑人为因素造成的无效数据。
（2）当两地距离大于某给定值d>0时，两地之间降雨量没有必然联系。
3种数值模式对云南地区雨季降水预报的检验
3种数值模式对云南地区雨季降水预报的检验赵宁坤;万石云;杞明辉【摘要】为了了解数值模式降水预报在云南地区的预报效果和误差特点，利用T639、德国和日本模式对2010—2013年云南地区雨季（5—10月）的24—72 h 降水预报进行了检验和分析。
结果表明：日本模式对云南地区雨季小雨和中雨具有较好的预报能力，T639模式对大雨和暴雨的预报效果明显优于德国和日本模式。
T639和日本模式对6—8月降水预报的 TS 评分高于其他月份，而德国模式对10月中雨及以上量级降水预报的 TS 评分明显高于其他月份和其他两种模式。
日本模式能准确预报出较强雨带的位置且降水量较接近实况，但对降水中心位置的预报偏西；T639模式能较好的预报降水中心，但预报的降水量偏大；德国模式对云南西部地区降水预报偏大，对东部地区降水预报偏小。
日本模式对台风低压影响的降水预报效果较好，而德国模式对两高辐合系统影响的大雨和暴雨预报效果较好；对冷锋切变造成的中雨及以上量级降水，T639模式的24 h 和48 h 预报更具有参考价值。
%In order to understand the precipitation forecasting performanceand error characteristics of three models, namely a T639 model,a Germany model and a Japan model in Yunnan province,24-72 hours precipitation forecast during rainy season (May to October)from 2010 to 2013 was verified and analyzed.The results show that there is a good forecasting capability to light rain and moderate rain for the Japan model.The predicting effect of T639 model is better than that of Germany and Japan models for heavy rain and rainstorm.TS scores of the T639 and Ja-pan models in June,July and August are higher than those in othermonths,while those of Germany model for moderate rain to rainstorm inOctober are higher than those in other months and of other models.The Japan model can correctly forecast the position of main rain belt and its predicted precipitation is close to observation,but its predicted precipitation centers are more westward.Although the T639 model could forecast centers of precipitation well,its predicted rainfall amount is greater than observation.Precipitation forecasted by the Germany model is greater than observation in the west region and less than observation in the east region of Yunnan province.The Ja-pan model shows better performance for typhoon depression than the T639 and Germany models,while the Germa-ny model has a better performance for heavy rain and rainstorm influenced by two high-pressure convergences.The 24-hour and 48-hour T639 prediction could provide references for moderate and heavy rain caused by cold front shear.【期刊名称】《气象与环境学报》【年(卷),期】2015(000)005【总页数】6页(P39-44)【关键词】数值模式;降水预报;检验;TS 评分【作者】赵宁坤;万石云;杞明辉【作者单位】云南省气象台，云南昆明 650034;云南省气象台，云南昆明650034;云南省气象台，云南昆明 650034【正文语种】中文【中图分类】P459.9随着数值预报理论的不断发展和完善及超级计算机性能的持续提高，数值天气预报的水平和可用性大幅度提升。
雨量点降雨及雨强分析评价报告
雨量点降雨及雨强分析评价报告地表水资源量又称河川径流量。
降水时地表水和地下水资源量的主要补给来源。
一个区域的水资源量，主要取决于降水量的大小及其时空分布特征，一般采用观测站资料进行分析评价。
一、观测站和资料的选用（1）选用的雨量观测站要求资料质量完好、系列较长、面上分布较均匀。
在降水变化梯度大的地区，选用观测站要适当加密。
（2）采用的降水资料应为经过整编的审查的成果。
（3）计算分区降雨量的分析其时空分布特征，要采用同步资料系列，而分析降水量的时间变化规律，则要采用尽可能长的资料系列。
（4）资料系列长度的选定，既要考虑评价区内大多数观测站的观测年数，避免过多的插补延长，又要兼顾系列的代表性和一致性，并做好降水系列与径流系列同步。
（5）选定的资料系列，如果有缺测和不足的年、月降水量，要根据具体情况采用不同方法插补延长。
二、降水量评价内容(1) 同步系列代表性分析。
选用设站较早、观测年代长、资料质量好的长系列雨量观测站，从现状年逐步向前推选不同的系列段，计算统计参数，与长系列统计参数对比，分析讨论系列的代表性。
（2）对选用的同步系列，计算各分区及全评价区的年降水量系列，统计参数（均值、Cv 、Cs/Cv）与不同频率的年降水量（丰水年P=20％、平水年P=50％、偏枯年P=75％、枯水年P=95％）（3）以同步期均值点据为主，不足时辅以较短系列的均值点据，绘制同步期多年平均年降水量等值线图和Cv 等值线图、Cs/Cv分区图，分析降水的地区分布特征。
（4）选取各分区年、月资料齐全且资料系列较长的代表站，分析计算多年平均连续最大4个月降水量占全年降水量的百分率及其发生月份，绘制全县多年平均连续最大4个月降水量占全年降水量的百分率图。
计算各分区代表站不同频率典型年的月降水量占年降水量的百分率。
（5）选择长系列观测站，分析降水量的年际变化，包括丰枯周期，连丰连枯，变差系数，极致比等。
三、资料的查补与延长为了减少样本的抽样误差，提高统计参数的精度，当单站资料组成计算系列有缺测月或年降水量情况时，要进行资料的插补延长，但延展资料的年数不宜过长，最多不超过实测年数，相关曲线外延部分一般不超过实测点距变幅的30％。
ECMWF高分辨率模式降水预报能力评估与误差分析
ECMWF高分辨率模式降水预报能力评估与误差分析曹越;赵琳娜;巩远发;许东蓓;高迎娟【摘要】利用2015—2017年6—8月ECMWF高分辨率模式(ECMWF-Hi)的加工产品,结合我国2400多个国家级气象站逐小时降水观测资料,对ECMWF-Hi产品24 h降水预报的准确度、集中度和相关性进行了评估,并与ECMWF集合预报模式(ECMWF-EPS)24 h降水预报产品进行比较.为更好地描述预报的集中度,避免单纯用标准差比或平均值比刻画预报集中度的缺陷,建立一个综合标准差和平均值的R指数,用之定量描述模式预报的集中度.结果表明:(1)ECMWF-Hi在均方根误差的检验方面并未表现出优势;而分辨率较低的ECMWF-EPS集合平均预报误差最小.(2)ECMWF-Hi对研究区域降水预报的集中度的整体描述较为准确,离散度与观测较为相似,预报期望也与观测降水的期望最接近,EC-MWF-Hi比ECMWF-EPS的集合控制预报与集合平均对观测降水集中度的刻画较为准确.(3)研究区域内各站点R指数分布表明,ECMWF-Hi与ECMWF-EPS控制预报、平均预报相比,对平均值预报不足的站点较多,且这些站点的预报集中度普遍大于观测,ECMWF-Hi的降水预报更接近观测降水.(4)评估应用结果表明,R指数不仅能定性评估模式的集中度,也可定量描述集中度大小.【期刊名称】《暴雨灾害》【年(卷),期】2019(038)003【总页数】10页(P249-258)【关键词】ECMWF高分辨率模式;降水预报;误差分析;集中度;R指数【作者】曹越;赵琳娜;巩远发;许东蓓;高迎娟【作者单位】成都信息工程大学高原大气与环境四川省重点实验室,成都610225;中国气象科学研究院,北京100081;中国气象科学研究院,北京100081;成都信息工程大学高原大气与环境四川省重点实验室,成都610225;成都信息工程大学高原大气与环境四川省重点实验室,成都610225;成都信息工程大学高原大气与环境四川省重点实验室,成都610225;吉林省通化市气象局,通化134001【正文语种】中文【中图分类】P456.7引言数值天气预报是用一组流体力学和热力学方程组，根据一定初始条件和边界条件，积分求解未来一定时段大气运动状态的方法。
雨量预报方法的评价模型
雨量预报方法的评价摘要雨量预报对农业生产和城市工作和生活有重要作用，但准确、及时地对雨量做出预报是一个很困难的问题，广受世界各国关注。
我国某地气象台和气象研究所正在研究6小时雨量预报方法，由于受到学科发展水平的限制，目前国内外降雨数值预报水平还不高.为了使预报方法更为准确，使天气预报更好的服务于公众生活，我们用数学模型来分析研究这一问题.文中我们建立了比较两种预测降雨量方法优劣的数学模型.即根据2491个网格点的纬度、经度和降水量的预测值，采用二维插值的方式，分别对91个观测站点的降雨量进行预测，利用Matlab 软件中的griddata 函数：ij r =griddata ),,1,1,1(y x z y x ij m =griddata ),,2,1,1(y x z y x然后将其与实测值对比，求出预测值与实际值之间的误差，利用Matlab 软件中的矩阵范数函数normN1=PA -2=norm(P A -)=405.3782，N2=2P B -=norm(P B -)=416.1976根据范数的含义,所得范数越小，即误差越小.因为有N1<N2，故可得出结论： 第一种方法比第二种方法预测雨量的准确性更高.为了解决如何在评价方法中考虑公众的感受的问题，我们将第一题中通过二维插值得到的91个气象站41天的预测值用分级形式输出，即无雨、小雨、中雨、大雨、暴雨、大暴雨、特大暴雨.将两种方法输出的雨量预报情况与实际降雨量情况进行比较，111P A H -= 112P B H -=统计出每种方法准确预报、空报、漏报的次数，误报次数越少的，对应的方法准确性应越高，公众对其可信度越高.程序运算结果得到：预测值等于实测值代表观测站点预报准确，预测值大于实测值代表观测站点空报的次数或对天气状况预测过于恶劣，预测值小于实测值代表观测站点漏报的次数或对天气恶劣状况估计不足.得到两种预测方法的准确率分别为80.7625%，79.8780%.可见运用第一种方法时，误报的次数较少，准确率较高，故第一种方法较好. 为了使雨量预报方法准确性更高，适用范围更广，我们给出了改进建议.一、问题重述雨量预报对农业生产和城市工作和生活有重要作用，但准确、及时地对雨量做出预报是一个很困难的问题，广受世界各国关注.我国某地气象台和气象研究所正在研究6小时雨量预报方法，即每天晚上20点预报从21点开始的4个时段（21点至次日3点，次日3点至9点，9点至15点，15点至21点）在某些位置的雨量，这些位置位于东经120度、北纬32度附近的53×47的等距网格点上.同时设立91个观测站点实测这些时段的实际雨量，由于各种条件的限制，站点的设置是不均匀的.气象部门希望建立一种科学评价预报方法好坏的数学模型与方法.气象部门提供了41天的用两种不同方法的预报数据和相应的实测数据.雨量用毫米做单位，小于0.1毫米视为无雨.(1)请建立数学模型来评价两种6小时雨量预报方法的准确性；(2)气象部门将6小时降雨量分为6等：0.1-2.5毫米为小雨，2.6-6毫米为中雨，6.1-12毫米为大雨，12.1-25毫米为暴雨，25.1-60毫米为大暴雨，大于60.1毫米为特大暴雨.若按此分级向公众预报，如何在评价方法中考虑公众的感受？二、模型假设1.天气变化状况是局部连续的.2.各个观测站点设备及测量水平相同，不存在技术上的误差.三、符号约定1x——网格点的纬度构成的矩阵1y——网格点的经度构成的矩阵1z——采用第一种预测方法时，网格点处的降雨量预测值2z——采用第二种预测方法时，网格点处的降雨量预测值r——按照第一种预测方法，第i天，第j个时段的预测结果,是一个91维的列向量.ij(i=1,2……,41;j=1,2,3,4)m——按照第二种预测方法，第i天，第j个时段的预测结果，是一个91维的列向量.ij(i=1,2……,41;j=1,2,3,4)p——第l个气象站点在第j个时段降雨量的实测值lj(l=1,2……,91;j=1,2,3,4)四、模型的建立与求解1.两种预测方法的优劣比较衡量一种降水量预测方法的优劣，依据就是由这种方法预报的天气状况能够准确的反映实际的天气变化.因此我们可以这样建立模型：将题目中给出的预测和实测两种数据导入Matlab 软件.lat ，lon 数据导入后作为两个矩阵的形式，代表网格点的相应位置；其余数据为相应网格点处降雨量的预测值.根据上述对应关系，我们可以对已经给出的预测值采用二维插值的方式，找出它们之间的关系:),(y x f z =,分别对91个观测站点的降雨量进行预测，然后将预测值与实测值对比；利用矩阵范数，得到预测值与实际值之间的误差，将这两个误差相比，误差小的，相应的预测方法就比较准确.算法步骤：以2002年6月18日第一时段为例. 第一步，题目中给出了两种不同的预报方法，按照这两种不同方法，对已知网格点的预测值进行二维插值，得到91个观测站点在这天的4个时段中的降雨量预测值.网格点及对应降雨量关系为纬度 经度 预测值 实测值lat lon f6181_dis1 020618.six 的第四列----------第一种预测方法 lat lon f6181_dis2 020618.six 的第四列----------第二种预测方法 取矩阵lat x =1，矩阵lon y =1，矩阵1z =f6181_dis1,观测站点的纬度为x ，经度为y ， 各观测点的降雨量预测值z 与纬度、经度存在如下函数关系：),(y x f z = 利用Matlab 二维插值函数griddata ，即得观测站点降雨量预测值：11r =griddata ),,1,1,1(y x z y x11r 表示在第一天的第一时段，利用第一种预测方法，通过二维插值得到的91个观测站点降雨量的预测值.同理令lat x =1，lon y =1，2z =f6181_dis2，气象站的纬度为x ，经度为y ，得：11m =griddata ),,2,1,1(y x z y x11m 表示在第一天的第一时段，利用第二种预测方法，通过二维插值得到的91个观测站点降雨量的预测值.具体程序见程序附页. 将该过程用表格表示如表1下：表1将各观测站点降雨量的观测值与实测值进行比较，然后通过它们的误差来判别两种方法的优劣.同理，利用相同的方法可以得到91个站点在41天中4个时段的预测值（共414⨯个91维列向量），即11r ，12r ，13r ，14r ，21r …………411r ，412r ，413r ，414r （用第一种预测方法） 11m ，12m ，13m ，14m ，21m …………411m ，412m413m ，414m （用第二种预测方法）第二步，观测站点降雨量的预测值与实测值的比较.按照时段的不同，将上述插值结果写为一个4)4191(⨯⨯的矩阵，其中行数表示天数，列数表示四个不同时间段,即⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,413,412,411,412423222114131211r r r r r r r r r r r r A , ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,413,412,411,412423222114131211m m m m m m m m m m m m B将6月18日的实测数据中的4个时段观测值写为以下矩阵：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,913,912,911,9124232221141312111p p p p p p p p p p p p P 按照同样的方式，则41天的全部实测数据写为：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯=4121P P P P ，P 为4)4191(⨯⨯的矩阵求两种方法的预测值与实测值之间的矩阵范数P A -2和2P B -，即预测值与实测值之间的误差.利用Matlab 软件中的矩阵范数函数norm 求其2-范数:第一种预测方法的2-范数：N1=norm(P A -) 第二种预测方法的2-范数：N2=norm(P B -) 运算后得到：N1=405.3782N2=416.1976范数越小，即误差越小.因为有N1<N2，故可得出结论： 第一种方法比第二种方法预测雨量的准确性更高. 2．在评价方法中考虑公众的感受气象因素在人们的生产生活中有着重要的影响.在生产活动中，农民只有按照天气变化规律选择作物的种植，才能获得丰收；工厂商家只有对天气状况充分估计，才能减少不必要的损失，降低成本，最大程度的获得经济效益.在人的日常生活里，天气状况更是影响着人们的身体健康和工作出行.作为一项服务工作，预测方法只有符合实际天气状况、具有更高的准确率时，才能更符合公众的需要，使人们能够面对恶劣天气，及时采取有效措施.由题意可知，气象部门将6小时降雨量分为6等，将其赋值如下： 0——不下雨1——0.1-2.5毫米为小雨 2——2.6-6毫米为中雨 3——6.1-12毫米为大雨 4——12.1-25毫米为暴雨 5——25.1-60毫米为大暴雨 6——大于60.1毫米为特大暴雨 算法思想：利用C++程序（见程序页），对第一题中两种方法分别得到的预测值进行处理，按照给定分级输出,即如下转化方式⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,413,412,414,412423222114131211r r r r r r r r r r r r A →⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=14,4113,4112,4114,411241231221211141131121111r r r r r r r r r r r r A 1ijr 为91维列向量，其各项取值为0，1，2，3，4，5，6⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,413,412,411,412423222114131211m m m m m m m m m m m m B ⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=→14,4113,4112,4111,411241231221211141131121111m m m m m m m m m m m m B 1ijm 为91维列向量，其各项取值为0，1，2，3，4，5，6⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯=4121P P P P →⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⋯=14112111P PP P1i P 中各个元素的取值为0，1，2，3，4，5，6算法步骤：同样，以2002年6月18日第一时段为例，调用程序，将第一天四个时段的所有插值结果运行后输出，转化后的结果为：⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=11411311211111r r r r A ⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=11411311211111m m m m B ⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⋯=14112111P P P P 同理可得到41天的转化输出结果.令111P A H -= 112P B H -=在程序中加入计数器，使用累加的方式，将1H ，2H 中不为零的元素个数输出，结果如下：表2预测值等于实测值代表观测站点预报准确；预测值大于实测值代表观测站点空报的次数或对天气状况预测过于恶劣； 预测值小于实测值代表观测站点漏报的次数或对天气恶劣状况估计不足. 令39524761+=n =2871，45125522+=n =3003则1n ,2n 就代表分别采用两种方法时，各自误报的次数.同时可以得到两种预测方法的准确率分别为80.7625%，79.8780%.可见运用第一种方法时，误报的次数较少，准确率较高，故第一种方法较好.五、模型优化与改进在本题中，采集的数据点集中于东经120度、北纬32度的地区，同时气象观测站的设置也是不均匀的，因此容易出现以下缺点：1.仅在这一地区的天气预报中可以比较出所给出的两种方法的优劣，而没有充分的依据证明比较准确的方法在更大面积上的适用性.2.气象站设置不均匀，使得给出的实测数据分布并不均匀，在插值时会导致某些点偏离过大，不适合总体评价时使用，浪费财力物力.3.在夏季一些天气变化迅速的季节，天气状况值只在很小范围内具有连续性，这时预测方法不再适用.模型改进：1.将预测工作比较合理的分配给各气象预测站点，每个气象预测站点在该站点周围地区均匀设施测量点，这样在插值逼近的时候既能全面涉及较大地区，又能充分利用所测数据；或者利用卫星云图，根据卫星云图上云带的位置、强度、移动及发展情况，结合天气形势，直接预报降水等级，减少计算误差.2.本题研究6小时预报方法，6小时滚动预报因为没有对应可靠的数值预报产品及14h、02h常规高空资料，因此参考资料以卫星云图为主，综合考虑实况雨量、常规天气资料，进行人工经验外推制作.六、参考文献[1] 陈公宁，沈嘉骥，计算方法导引，北京：北师大出版社，2000.1[2] 谢兆鸿，范正森，王艮远，数学建模技术，北京：中国水利水电出版社，2003[3] 王沫然，MATLAB与科学计算，北京：电子工业出版社，2003.9[4] 姜启源，谢金星，叶俊，数学模型，北京：高等教育出版社，2003.8[5] 安康气象，中短期天气预报质量检验办法， ，2005.9.17[6] 中国知网，三峡工程明渠截流设计洪水分析，，2005.9.18程序页二维插值在Matlab软件中的程序：x1=lat;y1=lon;z1=f6181_dis1;z2=f6181_dis2;s=A020618;x=s(:,2);y=s(:,3);r1=griddata(x1,y1,z1,x,y)r2=griddata(x1,y1,z2,x,y)测量值与降雨量分级的转化程序（C++语言）#include"iostream"#include"fstream"using namespace std;int main(){ifstream indate1;ofstream outdate1;indate1.open ("chazhi1.txt");outdate1.open ("result11.txt");cout<<"降雨量分七个等级，小于0.1的为0级，无雨；大于0.1且小于2.5的为1级，小雨；大于2.6且小于6的为2级，中雨；大于6.1且小于12的为3级，大雨；";cout<<"大于12.1且小于25的为4级，暴雨;大于25.1且小于60的为5级，大暴雨;大于60.1的为6级，特大暴雨。
淮河流域面雨量多模式预报效果比较及典型过程检验分析
行集成应用 ，是提高流域面雨量 预报 ２ Ｏ时为 日界 ， 下 同） 采用淮河流域 １ ７ ２ 本 文基 于 Ｅ Ｃ ＭＷＦ全 球 模 式 、 资料来源于国家气象信息 中心 。
规定 为 ６ ０分 ； 第 二项 为强度 预报 个 国家级 地面气象 观测站整编 资料 ， 础分，
雨洪水的汇流特点 ， 结合流域防汛抗旱 Ｒ ｆ 为 有雨 且预 报正 确时 的 面雨 量预
２ ． 资料
２ ０ １ １年 ６～８月 四种 模式 对淮河 流
Ｒ ｏ 为有雨 预报正确时 的面雨量 域不 同时 效 （ ２ ４～７ ２ ｈ ） 面雨量 预 报的模 服务需求 ， 将流域划分为 １ ５ 个子单元。 报值 ，
２ ４ ７ ２ ｈ ） 面 雨 量 预 报 的 平 均 绝 对 Ｅ ａ ） 、 模 糊评 分 （ 简 称 ＭＰ ） 以及 Ｔ ｒ ｅ ａ ｔ ５ ． ９ｒ ａ ｍ） 、中雨 （ ６ ． ０～１ ４ ． ９ ｍ ｍ） 、大雨 流 域 （
Ｅ ） （ 图 １ ） 可看出 ， 随预 报 时效 延 １ ５ ． ０ ２ ９ ． ９ ｍｍ） 、 暴雨 （ ≥３ Ｏ ． ０ｍ ｍ） 四 误 差 （ Ｓ ｃ ｏ ｒ ｅ（ 简称 Ｔ Ｓ ） 等 统计 评 价指标 ， 对 （ 均呈增大 四个模式的淮河流域 面雨量短期预报 个等级。采用平均绝对误差（ Ｅ ａ ） 、 模糊 长 ，四种模 式面雨量预报 的 Ｅ
淮 河 流域 面雨 量 预报 中最 具 有 参 考 意 义， 其次为 Ｊ ＭＡ。
２ ． 模糊评分（ ＭＰ ） 检 验
年 内分 配也极为不均 ， 夏季 （ ６～８月 ） 实况值的平均绝对误差 ， 其计算式为 ：
●
ｎ
Ｅ ａ ： ÷∑Ｉ — Ｒ Ｆ Ｒ 。 ｌ
廊坊地区5种数值模式降水预报性能检验与评估
廊坊地区5种数值模式降水预报性能检验与评估许敏;丛波;刘艳杰;王洁;张绍恢;田晓飞【摘要】为了提高廊坊地区降水预报数值产品的释用能力,利用廊坊市9个气象观测站24h的实况降水资料和日本(JPN)、德国(GER)、GRAPES、T639及MM5模式的降水预报产品资料,对目前降水预报业务中广泛使用的5种数值模式的预报效果进行检验分析.结果表明:日本(JPN)和德国(GER)模式对≥10.0 mm及≥25.0 mm 量级降水预报的TS评分比其他模式高10.0％-40.0％,夏季MM5模式对≥50.0 mm量级降水的预报表现出一定的优越性;T639、GRAPES模式分别对大雨及以上量级的降雨和小雪预报效果较好,日本、德国模式对中雪和大雪的预报表现出一定的优势,T639模式对暴雪预报的TS评分达33.3％,高于其他模式.【期刊名称】《气象与环境学报》【年(卷),期】2016(032)001【总页数】7页(P9-15)【关键词】降水;数值模式;预报效果;检验;评估【作者】许敏;丛波;刘艳杰;王洁;张绍恢;田晓飞【作者单位】廊坊市气象局,河北廊坊065000;廊坊市气象局,河北廊坊065000;廊坊市气象局,河北廊坊065000;永清县气象局,河北永清065600;廊坊市气象局,河北廊坊065000;廊坊市气象局,河北廊坊065000【正文语种】中文【中图分类】P456.7随着气象业务现代化建设的发展，数值预报产品不断增多，已成为日常预报业务的主要参考依据。
尤其是T639模式，其投入业务使用的时间(2008年6月)相对较晚，又是国家气象局推广的新数值预报模式，对其检验尤其重要。
各种数值预报模式对不同影响系统及不同季节降水的预报均具有各自的优势和劣势，对不同数值预报产品的解释应用、选取适合的预报模式产品及对产品进行订正是数值预报的关键问题。
本文通过对5种常用的数值模式预报产品进行对比检验，并对其预报效果进行评估，掌握不同降水预报产品的优点和缺点，以期科学、有效及合理地运用数值预报产品，提高降水预报的准确率。
数学建模降雨量预测方法优劣的评价
当 x ≥ 0.1 时， f3 (x ) =
1 1 + 3.33511 × 10−6 (x − 4.3)18
1 取 α 4 = 3.85014 × 10−8 , β 4 = 14, r4 = (a4 + b4 ) = 9.05 ，则 2 3 f4 (a 3 + (b3 − a 3 )) = 0.121201 ≈ 0.1 ， f4 (a 4 ) = 0.87295 ≈ 0.8 ， 4
4
考虑公众的感受，一般地，若天气预报准确，人们会对所预报的值表示满意；若天 气预报不准确，人们会不满意所预报的值，因此可以用人们的满意程度高低来判别这两 种预测方法的优劣（显然，人们满意程度高的方法更优） 。人们的满意程度可以通过量 化的方法来刻划。拟定人们对某次预报的满意程度函数 fi (x ) ∈ [0,1] ，其中 i 为该次预报 的等级， x 为实际降雨量；若 fi (x ) = 1 ，则人们对该次预报“完全满意” ，若 fi (x ) = 0 ， 则人们对该次预报“完全不满意” 。 考虑这样的一个过程：人们首先通过天气预报（通常只预报降雨等级）在心中形成 对未来天气状况的预期。随时间的转移，人们很快知道了真实的天气状况。这时人们会 将对真实天气状况的感受与对所预报的天气状况的理解进行比较。 两者给人感觉差距越 大，人们对预报天气情况的认可程度越低，即，满意度越低。由于“有雨”/“无雨”给 人的感觉是很明显的，因而可以取 1 x < 0.1 f1 ( x) = 0 x ≥ 0.1 降雨等级是根据人们的经验来划分的。若降雨量在等级范围区间的中间，则人们容 易确定所下的雨是属于哪个等级的，而在区间的两端却不容易确定，特别是在两个相邻 区间的交界处会更加模糊，难以确定属于哪个等级。假设预报的是等级 A，若实际降雨 量在 A 的范围区间的中间，人们会认为预报是非常准确的；若实际降雨量在 A 的范围 区间的两端， 则会认为预报基本准确。 若实际降雨量在两个等级范围区间的交界处附近， 则人们也会认为预报是比较准确的，因为人们较难辨别实际降雨的等级。例如，若降雨 量为 2.6 毫米，虽然应该分属于中雨，但是人们却往往区分不出是中雨还是小雨，因而 不管预报的是小雨还是中雨，人们总会认为是比较准确的。由以上分析，可知等级 2 到 等级 6 的满意度函数可以采用图形大致如下的函数：
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期：2017年10月20日；录用日期：2017年11月1日；发布日期：2017年11月9日
作者简介：卓思佳(1986-)，湖北武汉人，助理工程师，主要从事水文监测相关工作。
文章引用: 卓思佳, 张俊, 杨欣玥, 訾丽, 邱辉. 定量降雨模式预报精度比较及评定指标[J]. 水资源研究, 2017, 6(6): 557-567. DOI: 10.12677/jwrr.2017.66065
2. 降雨预报模式
本研究分析的降雨预报产品包括日本模式、ECMWF 模式、WRF 模式和人工模式等 4 种来源，其中：日本 模式、ECMWF 模式、WRF 模式均属于数值天气预报方法，指在一定的初始场和边界条件下，近似求解支配大 气运动的流体动力学和热力学方程组来预报未来的大气环流形势和天气要素[6]，该是方法是提高气象预测水平
Open Access
1. 引言
目前针对降水预报，可参考的成熟数值预报模式众多，如欧洲中心模式(ECMWF)、日本模式、德国模式、 T639 模式、WRF 模式等，同时各类气象业务部门在参考各种数值降水预报模式产品的基础上，利用地面高空 实况观测资料，以天气学方法为主，结合预报员经验制作并发布降水预报。面对如此众多的降水预报产品，究 竟哪种最适合特定流域？如何在众多产品中选取较好的结果用于耦合水文模型制作水情预报？可见，对降水预 报产品的合理选取与释用， 已成为摆在预报员面前亟待解决的问题。 为了客观评估各产品的定量降水预报能力， 必须有一整套降水预报的检验评估体系方法。 降雨预报精度评定在国际上仍是一项亟待深入的研究工作，至今为止没有一个客观的统计指标或检验方法 能单独地全面描述降水预报的可靠性。目前，在我国应用比较广泛的主要是中国气象局制定的《重要天气预报 质量评定办法》[1] [2]，其对各种降水预报产品的预报正确率、空报率和漏报率进行检验，但对定量预报误差进 行检验的则相对较少。近些年，国内气象学者利用预报平均偏差率、平均误差等特征量在评估降水预报定量误 差方面做了较多工作[3] [4]，但无成套的完整指标体系。随着水文气象耦合预报模式研究的广泛深入，水文学者 在进行耦合预报模式应用时也对降雨预报的结果进行了一定的评价分析尝试[5]，但相关评定大多还只是定性的 描述，缺乏统一的标准来衡量。 本文借鉴洪水预报中的一些精度评定指标，并结合现有的降水预报检验方法，综合提出一套检验评估降水 预报水平的较完备的指标体系，其在一定程度上反映降雨预报用于洪水预报的可行性，为开展基于水文气象耦 合模式的洪水预报提供更多的参考信息。选取日本、ECMWF、WRF 模式和人工综合预报(为便于论述，以下暂 称为人工综合模式)四种定量降水预报产品，利用推荐的评价指标体系，对清江流域现有的定量降雨预报能力进 行评估试验。
关键词
降雨预报，预报精度，评定指标
Copyright © 2017 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
2.1. 日本数值预报模式
本研究中日本模式指日本气象厅发布的全球数值模式降水预报产品，该模式采用静力平衡动力框架，谱 T213L40 网格设计，垂直分 40 层，水平分辨率约 1.25˚ × 1.25˚，半隐式时间积分方案，预报时效为 7 天，降水 预报的时间尺度为 6 h。
2.2. ECMWF 数值预报模式
th st th
Received: Oct. 20 , 2017; accepted: Nov. 1 , 2017; published: Nov. 9 , 2017
Abstract
The accuracy evaluation of quantitative rainfall prediction is still an urgent research job in the world. So far, there is no single index or test method can objectively and independently describe the reliability of rainfall forecast results. In order to provide more reference information for the hydrological and meteorological coupling forecast, a complete set of evaluation indexes for precipitation forecast was established by studying with the existing rainfall forecast accuracy assessment methods and the evaluation indexes used in flood prediction. The Qingjiang river basin was chosen as a case study to compare four different meteorological forecast models’ performance in rainfall forecast by using the established indexes. The results showed that the manual forecasting and the ECMWF model have the better effect on rainfall forecasting, followed by the Japanese model, while the WRF model is relatively poor.
定量降雨模式预报精度比较及精度评定在国际上仍是一项亟待深入的研究工作，至今没有一个客观的统计指标或检验方法能单 独地全面描述降水预报的可靠性。为给水文气象耦合洪水预报提供更多的参考信息，在现有降水预报检验方法 的基础上，借鉴洪水预报中的精度评定方法，建立了一套检验评估降水预报精度的完整指标体系。选取清江流 域为应用示范，采用建立的指标体系比较分析四种气象模式的降雨预报水平，结果表明，人工预报和ECMWF 模式的降雨预报效果最好，其次为日本模式，WRF模式则相对较差。
Journal of Water Resources Research 水资源研究, 2017, 6(6), 557-567 Published Online December 2017 in Hans. /journal/jwrr https:///10.12677/jwrr.2017.66065
3.1. 相关系数
引入相关系数来衡量实测雨量和预报雨量两个变量线性相关的密切程度，相关系数越接近 1，说明两者的 密切程度越高，一定程度反映预报值越准确，相关系数 r 的计算公式如下：
DOI: 10.12677/jwrr.2017.66065 559 水资源研究
定量降雨模式预报精度比较及评定指标 Table 1. Comparison of different rainfall forecast models 表 1 定量降雨预报模式比较
Keywords
Precipitation Forecast, Forecast Accuracy, Evaluation Index
定量降雨模式预报精度比较及评定指标
卓思佳1，张
1 2
俊2，杨欣玥3，訾
丽2，邱 辉2
长江中游水文水资源勘测局，湖北 武汉 长江水利委员会水文局，湖北 武汉 3 河海大学水文水资源学院，江苏 南京
2.4. 人工综合模式
本研究中收集的人工模式产品主要来自长江委水文局水文情报预报中心为面向水情预报需求而制作发布的 面雨量人工预报产品；该产品是为在参考多种数值模式预报数据基础上，综合地面、高空观测、气象卫星和天 气雷达等多源信息，应用天气学方法，结合当地气候和局部地形等特点，通过气象预报员的经验综合分析制作 而成，其产品为针对特定流域未来三天的短期面雨量日降雨预报数值，依据每日 08 时所获取的最新气象资料综 合分析制作完成。
本研究中 ECMWF 模式指欧洲中期天气预报中心发布的全球数值模式细网格降水预报产品，该模式采用静 力平衡动力框架，垂直分辨率 137 层，最高 0.01 hpa，最低 10 米，水平分辨率约 0.125˚ × 0.125˚，网格距平均约 9 公里，靠近赤道和极地的略小，预报时效为 10 天，降水预报的时间尺度为 72 h 内 3 h，72~240 h 为 6 h。
3. 定量降雨预报的评定方法和指标
本文采用分类评定的方法，将相关评定指标按综合评定、分级评定、中雨以上量级评定和过程降雨评定几 类进行区别划分。其中：选取相关系数和确定性系数指标从总体上对各降雨预报产品进行综合分析；以气象部 门的准确率、空报率和漏报率为指标，统计分析不同实况降雨量级下各产品的预报水平；针对中雨以上量级降 雨是洪水预报中所关注的重点事实，采用平均偏大偏小误差、保证率误差等指标评估各产品在较大降雨情况下 的定量预报误差和不同保证率下误差水平；最后考虑强降雨过程对洪水预报的重要影响，提出需针对重要强降 雨过程，以过程降雨总量、雨量时程分布等比较指标对各预报产品进行分析检验。 对以上所用到的面雨量等级按《江河流域面雨量等级》[7]中的降雨等级划分标准进行分级，见表 2。
Study on Comparison and Evaluation Index of Quantitative Rainfall Forecast Accuracy
Sijia Zhuo1, Jun Zhang2, Xinyue Yang3, Li Zi2, Hui Qiu2
1 2
Middle Changjiang Hydrological and Water Resource Survey Bureau, Wuhan Hubei Bureau of Hydrology, Changjiang Water Resources Commission, Wuhan Hubei 3 College of Hydrology and Water Resources, Hohai University, Nanjing Jiangsu