主汛期各数值预报模式定量降水预报评估（精选6篇）
篇1：主汛期各数值预报模式定量降水预报评估
不同参数化方案对长江中游汛期降水模式预报试验
利用中尺度模式多个物理过程组合成不同预报方案,对长江中游汛期降水预报进行了对比试验.试验结果表明,使用不同物理过程参数化方案对长江中游汛期降水的预报效果存在差异,这种差异随降水预报量级的提高而愈加明显;而就试验而言,Grell积云对流参数化方案与Blackadar边界层参数化方案的`组合预报效果相对较好;就单个降水个例而言,预报效果相对好的参数化方案存在不确定性,集合平均预报相对稳定且优于大多数方案,其对降水评分的改进尤其体现在暴雨以下量级的预报中.
作 者：李俊 王斌 王志斌 沈铁元 Li Jun Wang Bin Wang Zhibin Shen Tieyuan 作者单位：中国气象局武汉暴雨研究所,武汉,430074刊 名：气象科技 PKU英文刊名：METEOROLOGICAL SCIENCE AND TECHNOLOGY年，卷(期)：36(2)分类号：P4关键词：物理过程 对比试验 集合预报
篇2：主汛期各数值预报模式定量降水预报评估
GRAPES模式对湖北省汛期强降水预报的分类检验分析
使用常规观测资料及GFS资料(1°×1°),选取-汛期22次湖北省强降水天气过程,按照其影响系统分为低槽型、台风型和副高外围型三类,对GRAPES模式(2.1版本)预报效果进行分类检验分析,结果表明:(1)就低槽型降水而言,0-24 h预报时效内,模式对晴雨、小雨、大雨的预报效果在三类降水中最好,24～48 h则中雨预报效果最好,0～24 h预报效果总体而言优于24～48 h.模式预报的主要降水区从雨型、雨区范围和雨强的分布特征均与实况较为一致,预报的主要偏差在于强中心位置偏离和强度偏弱.(2)就台风型降水而言,0～24 h预报时效内,模式对中雨和暴雨的预报效果在三类降水中最好,24～48 h,则晴雨、小雨、大雨、暴雨预报效果最好,24～48 h预报效果总体而言优于0～24 h.模式对台风的主体降水落区把握得比较好,和实况较为一致,但对于台风外围云系产生的`降水往往与实况差别较大,另外,主体降水中暴雨落区预报总是比实况偏小.(3)副高外围型降水在上述两个预报时次中,各量级的评分成绩均为最低,0～24 h预报效果总体而言优于24～48 h.模式对副高外围局地性强降水过程预报能力较弱,基本不具备预报中雨以上降水的能力.最后对(;RAPES模式的进一步改进提出了一些建议.
作 者：张兵 钟敏 ZHANG Bing ZHONG Min 作者单位：张兵,ZHANG Bing(中国气象局武汉暴雨研究所,武汉,430074)钟敏,ZHONG Min(武汉中心气象台,武汉,430074)
刊 名：暴雨灾害 英文刊名：TORRENTIAL RAIN AND DISASTERS 年，卷(期)： 28(2) 分类号：P459.9 关键词：GRAPES 降水预报 分类检验篇3：主汛期各数值预报模式定量降水预报评估
1 资料与方法
收集2015 年6—8 月5 种细网格模式降水预报产品, 包括欧洲、日本、T639、德国及省内的WRF, 用二次线性插值法将格点数据内插到站点上, 与同期降水实况进行对比检验, 检验时效分别为24、48、72 h。对晴雨准确率、一般性降水TS评分、空报率及漏报率及明显降水过程进行检验分析[1]。
2 结果与分析
2.1 晴雨确率检验
2.1.1 前日20:00 起报降水的晴雨确率检验。 从图1 可以看出, 前日20:00 起报的降水晴雨确率图上可以看出, 对于6—8 月24 h预报EC模式最好, 晴雨确率为77.1%, T639 次之, 晴雨确率为75.6%, 各家模式的晴雨确率在66%~77%之间;48 h EC和T639 模式最好, 晴雨确率为74.0%, 其次是日本, 晴雨确率为73.9%, 各家模式的晴雨确率在69%~74%之间;72 h, 日本模式最好, 晴雨确率为76.1%, 其次是T639, 晴雨确率为71.3%, 各家模式的晴雨确率在67%~76%之间。综合来看, 24~48 h时效内, T639 和EC模式预报效果较好, 72 h日本预报效果较好。除了日本和WRF外, 其他模式都是随着预报时效的延长, 晴雨准确率也随之下降。
2.1.2 当日8:00 起报降水的晴雨确率检验。从图2 可以看出, 当日8:00 起报的降水晴雨确率图上可以看出, 对于6—8 月24 h预报同样是EC模式最好, 晴雨确率为79.7% ;T639 次之, 晴雨确率为78.7%, 各家模式的晴雨确率在68%~80%之间;48 h, T639 模式最好, 晴雨确率为73.7% , 其次是EC模式, 晴雨确率为72.8%, 各家模式的晴雨确率在66%~74% 之间;72 h, 日本模式最好, 晴雨确率为77.3% , 其次是EC, 晴雨确率为73.4% , 各家模式的晴雨确率在68%~77%之间。综合来看, 24~48 h时效内, EC和T639 模式总体预报效果优于其他模式, 而72 h无论是20:00 起报还是8:00 起报日本都优于其他模式, 有一定参考价值。各家模式随着预报时效的延长确率下降[2]。
比较前日20:00 和当日8:00 起报的降水预报。24 h, 除德国外, 其他4 家模式8:00 起报的降水结果均优于前日20:00 起报的降水结果。48 h预报则不同, 前日20:00 起报的降水预报结果均优于当日8:00 起报的降水预报结果。72 h, 除T639 模式外, 当日8:00 起报的降水结果均优于前日20:00 起报的降水结果。
综合来看, 对于晴雨预报, 24 h宜参考当日8:00 起报的EC或T639 模式;48 h, 宜参考前日20:00 起报的EC或T639 模式;72 h, 宜参考当日8:00 起报的日本或EC模式。也就是说, 对于24、72 h, 宜参考最新时刻资料及时订正预报, 而对于48 h来说则更宜参考前日20:00 的预报结果。
2.2 一般性降水的检验
2.2.1 一般性降水TS评分。 从图3 可以看出, 对于前日20:00 起报的一般性降水预报, 24 h TS评分EC最高为61.8%, 其次是T639 为56.6%, 各家模式的TS评分在47%~62%之间。48 h TS评分最高还是EC模式, 为55.9%, 其次是日本55.2%, 各家模式的TS评分在50%~56%之间。日本的72 h TS评分最高为57.8%, 其次是德国49.5%, 各家模式的TS评分在46%~58%之间。除日本和WRF外, 其余3 家模式随着时效的延长一般性降水确率下降, 这点与晴雨确率一致。而日本和WRF模式则是时效越长, 确率越高[3]。
从图4 可以看出, 对于当日8:00 起报的一般性降水预报, 24 h TS评分EC最高为65.2%, 其次是日本为61.6%, 各家模式的TS评分在52%~65%之间。各家模式8:00 起报确率高于前日20:00 确率, 48 h TS评分最高还是EC模式, 为55.5%, 其次是T639 为52.8%, 各家模式的TS评分在47%~56%之间, 8:00 起报确率低于前日20:00 起报确率。EC的72 h TS评分最高为56.3%, 其次是日本55.3%, 各家模式的TS评分在43%~56%之间, 除EC模式外8:00 起报确率低于20:00 起报确率。各家模式随着时效的延长一般性降水确率下降。因此对于一般性降水来说, 24 h预报宜参考当日8:00 起报的EC或日本模式, 而对于48、72 h, 则分别宜参考前日20:00 起报的EC和日本模式。整体来说EC模式在8:00 起报的预报优于其他模式。可为预报提供一定的参考。
2.2.2 一般性降水的空报率。从表1 可以看出, 对于一般性降水的空报率检验, 前日20:00 起报的24 h降水, WRF空报率最高 (49.3%) , 而T639 空报率最低 (31.0%) 。48 h也是WRF空报率最高 (44.9%) , T639 空报率最低 (32.6%) 。72 h则是EC空报最多 (47.0%) , 而日本最少 (35.3%) 。对于8:00 起报的降水, 24 h和48 h与20:00 起报的结论一样。都是WRF空报最高而T639 空报最少, 72 h德国空报最高 (41.5%) , 日本最少 (31.4%) 。综合来看, 无论是20:00 起报还是8:00 起报的一般性降水, 24、48 h都是WRF空报最多, 而T639 空报最少, 对于72 h, 20 h起报EC空报多, 8:00 起报德国空报多, 而无论何时起报, 对于72 h来说都是日本空报最少[4]。
2.2.3 一般性降水的漏报率。从表2 可以看出, 对于一般性降水的漏报率检验, 前日20:00 起报的24 h降水, T639 漏报率最高 (24.1%) , 而EC漏报率最低 (13.9%) 。48 h也是T639漏报率最高 (25.9%) , 而WRF漏报率最低 (7.5%) 。72 h还是T639 漏报最多 (34.2%) , 而日本最少 (15.6%) 。24~72 h T639模式漏报率均为最高。EC和T639 模式随时效延长漏报率升高, 而其他模式随时效延长漏报率降低。对于8:00 起报的降水, 24 h德国漏报率最高 (20.0%) , EC最低 (11.1%) , 48 h日本漏报率最高 (31.8%) , WRF最低 (6.2%) 。72 h T639 漏报最高 (39.2%) , EC最少 (19.2%) 。综合来看, 无论是20:00 起报还是8:00 起报的一般性降水, 24 h都是EC漏报率最低, 48 h WRF漏报率最低, 整体来看T639 漏报率较高。
2.3 大雨以上明显降水过程的检验
2015 年夏季四平市降水较常年同期明显偏少, 有6 次大雨过程, 共7 站次, 均为局地大雨, 因此预报难度非常大。
6 月7 日四平和公主岭出现了大雨, WRF、EC和T639模式报出了此次过程, 但落区都有偏差。
7 月29 日东部伊通出现了大雨, 此次过程只有EC报出了大雨过程, 但落区报在南部四平和梨树, 实况出现在东部。其余模式没有报出大雨过程。
8 月27 日伊通出现了大雨过程, WRF、德国和EC模式报出了此次过程, 但范围偏大。另外3 次过程各家数值模式均未报出明显降水。
2015 年在加密自动气象站上共出现了10 次暴雨过程, 而在国家基本气象站点上并未出现暴雨, 6 月7 日伊通锦山出现暴雨, T639 预报正确, WRF报出了暴雨过程但落区报在西部, 而实况出现在东部。
7 月28 日伊通东升出现了大暴雨, 只有T639 模式报出了此次过程, 但落区偏大。
8 月7 日伊通莫里出现了暴雨, EC和WRF报出了此次暴雨, 但落区有偏差。
其余6 次过程各家模式均为预报暴雨。
综上所述, 在2015 年夏季, WRF和EC模式对大雨有一定的预报能力, 而T639 和WRF对暴雨有一定的预报能力。整体来说, WRF对明显降水预报效果优于其他模式。
3结论
(1) 对于晴雨预报, 24 h宜参考当日8:00 起报的EC或T639 模式;48 h , 宜参考前日20 :00 起报的EC或T639 模式;72 h, 宜参考当日8:00 起报的日本或EC模式。
(2) 对于一般性降水来说, 24 h预报宜参考当日8:00起报的EC或日本模式, 而对于48、72 h, 则分别宜参考前日20:00 起报的EC和日本模式。整体来说EC模式在8:00 起报的预报优于其他模式。可为预报提供一定的参考。
(3) 无论是20:00 起报还是8:00 起报的一般性降水, 24、48 h都是WRF空报最多, T639 空报最少, 而无论何时起报, 对于72 h来说都是日本空报最少。
(4) 无论是20:00 起报还是8:00 起报的一般性降水, 24 h都是EC漏报率最低, 48 h WRF漏报率最低, 整体来看T639 漏报率较高。
(5) 在2015 年夏季, WRF和EC模式对大雨有一定的预报能力, 而T639 和WRF对暴雨有一定的预报能力。整体来说, WRF对明显降水预报效果优于其他模式。
参考文献
[1]郑凤琴, 孙崇智, 陈冰廉.2002年7—9月数值预报产品广西降水预报检验[J].广西气象, 2003, 24 (3) :6-8.
[2]吴曼丽, 梁寒, 王瀛, 等.2008年T213与德国降水数值预报产品对比检验[J].气象与环境学报, 2009, 25 (4) :22-26.
[3]张宁娜, 黄阁, 吴曼丽, 等.2010年国内外3种数值预报对东北地区的预报检验[J].气象与环境学报, 2012, 28 (2) :28-33.
篇4：主汛期各数值预报模式定量降水预报评估
0 引言
热带气旋(Tropical Cyclone，TC)是影响船舶航行的重要的灾害性天气系统之一.准确的TC预报对船舶制定适宜的计划航线、避开不利天气影响至关重要.但当前由于关注重点以及技术水平等差异，各种预报模式对TC的预报还存在一定的误差，对各模式预报误差进行客观评定和综合分析，对预报模式的改进、预报结果的订正和TC的防避等具有重要意义.
基于以上考虑，多年来国内外有不少工作者从不同侧面总结西北太平洋TC路径和强度预报情况.吴俞等［1］应用国家气象中心的T213L31模式对2006—2009年TC路径数值预报结果进行全面分析检验;漆梁波等［2］应用1999—2003年我国中央气象台、日本气象厅以及美国联合台风警报中心发布的西北太平洋TC综合预报资料，从总误差、逐年误差趋势、不同海区误差、不同路径趋势误差、不同强度趋势误差等5个方面对各预报中心提供的TC路径及强度预报结果进行分析;中国气象局上海台风研究所利用国内TC路径实时业务预报中使用的各种主客观预报产品资料，对每年的TC预报业务定位和预报精度都要进行分析，为更好地使用和改进预报方法等提供依据［3－7］.综观这些研究成果，大多集中在对我国TC预报误差的分析及我国与国外预报误差的比较上，较为全面地针对日本预报模式开展的TC预报误差分析尚未见到.日本是世界上天气预报精度相对较高的国家之一，日本传真天气图是西北太平洋航行船舶制作航线天气预报的重要参考依据.因此，分析日本传真天气图上TC预报误差，对船舶正确、有效地应用日本传真天气图具有重要意义.本文利用日本传真天气图上提供的2010和2011年共36个TC样本资料，对TC路径和强度预报误差进行分析，为航行船舶防避TC提供参考.
1 资料来源及分析方法
1.1 资料来源
本文所用资料是日本JMH台发布的2010和2011年TC警报图上提供的36个TC逐日每隔6 h的实时和综合预报资料，包括中心气压、近中心最大平均风速、中心位置等.预报时效分别是24，48和72 h.
1.2 分析方法
将36个 TC逐日00Z，06Z，12Z和18Z等4个时次的24，48和72 h中心位置(经纬度表示)、中心气压、近中心最大风速等预报结果分别与次日、第3日、第4日同一时间的实况资料进行对比，计算两者之间的差值，分别得到24，48，72 h TC的中心位置(经纬度表示)、中心气压、近中心最大风速等预报误差.预报值与实况值差值的绝对值越小，预报正确率越高，当两者差值为零时，则预报正确.按照上述方法计算得到24，48和72 h等3个预报时效的预报误差样本资料分别为541，425和320个.
强度预报误差以TC中心气压误差和中心附近最大平均风速误差表示.
路径预报误差根据实时经纬度、预报经纬度以及两者之间的经纬度差，利用文献［8］提出的方法计算而得.
图1 地球表面上两点之间距离计算示意图
如图1所示，设C和D为地球表面上任意两点，θ为C和D所在大圆上的对应的球心角.C和D两点的纬度、经度分别为 φC，λC和 φD，λD(北纬取正，南纬取负;东经取正，西经取负).
首先利用球面三角形公式求出
再利用三角函数求出θ.根据实时和预报经纬度计算而得的路径预报误差=θ×111.1 km/(°).
平均预报误差是指所有样本的预报误差平均值.如24 h平均距离误差，就是指541个样本的距离误差平均值;48 h平均中心气压误差，就是指425个样本的中心气压误差平均值.
2 TC路径预报误差
2.1 平均距离误差
表1为各种强度的TC在不同预报时效的平均距离误差.
表1 TC在不同预报时次的平均距离误差
由表1可见，24，48和72 h的平均距离误差分别为106.5，194.8和306.4 km.随着预报时效的增加，平均距离误差呈近等差级数增大，即预报时效每增加24 h，TC平均距离误差大约增加100 km.为了更全面地反映各种距离误差的分布情况，本文以50 km为间隔统计不同预报时效各距离误差的累积频率(某一距离误差的累积频率是指在该距离误差范围内的样本数与所有样本数的百分比，如距离误差为50 km的累积频率就是指距离误差小于等于50 km的所有样本数与总样本数541的百分比)，计算结果见图2.
图2 不同时效各距离误差的累积频率(间隔50 km)
由图2可见:频率越大，距离误差越大;当频率相同时，预报时效越长，距离误差越大;不同时效距离误差的分布范围不同，随着预报时效的增加，距离误差分布范围增大.如24 h距离误差的分布范围最小，80%的样本值距离误差都在150 km以下;48 h距离误差的分布范围大于24 h，80%的样本值距离误差在300 km以下;72 h距离误差的分布范围最大，80%的样本值距离误差在450 km以下.根据图2，船舶可以对预报的TC中心位置进行各种频率下的误差订正，从而更有效地防避TC.如在日本的传真天气图上对TC路径预报只给出70%的概率预报圆，即TC的预报位置落在预报圆范围内的概率为70%.如果船舶为了确保安全，希望得到更有效的防避效果，则可以提高预报圆的概率.船舶根据设定的概率查图2，则可以得到相应的预报误差，再以TC预报位置为原点，以该预报误差为半径绘制预报圆，则可得到船舶未来需防避的危险区域.
2.2 路径预报偏向
为了进一步了解日本TC路径预报的偏向，本文以实际位置为中心，绘制预报位置相对实际位置的分布图(见图3)，同时分别统计预报位置落在实际位置NE象限、SE象限、SW象限、NW象限的频率(见图4).由图3和4可见:日本 TC路径预报具有较明显的偏向性，主要偏向SW和NE象限，其中预报路径偏向SW象限的频率最大，占30%以上，而且随预报时效的增加，偏向SW象限的频率逐渐增大，72 h预报路径偏向SW象限的频率接近40%;预报路径偏向NE象限的频率占第二位，而且随预报时效的增加，偏向该象限的频率也逐渐增大;预报路径偏向SE和NW象限的频率大体相当，总计占30%左右.路径预报正确率较低，只有24 h预报出现过2次正确预报(预报位置与实时位置重合)的情况，约占总样本资料(541次)的0.4%.
2.3 距离误差与TC强度的关系
TC在其发生发展过程中，强度是不断变化的.为了讨论不同强度TC距离误差情况，本文按照我国TC分类标准［9］，根据每个TC每6 h的近中心最大风速，将TC活动过程划分为热带风暴(TS，近中心最大风速34～47 kn)、强热带风暴(STS，近中心最大风速48～63 kn)、台风(TY，近中心最大风速64～80 kn)、强台风(STY，近中心最大风速81～99 kn)和超强台风(super－TY，近中心最大风速≥100 kn)等5个等级，分别统计不同等级TC在不同预报时效的平均距离误差.下面以24 h预报为例说明不同等级TC平均距离误差的计算方法.在24 h预报中共有541个样本资料，按照上述方法进行划分，得到的样本资料为:TS等级169个，STS等级157个，TY等级125个，STY等级75个，super－TY等级15个.将各等级TC样本的距离误差求平均，则得到24 h预报时效的各等级TC的平均距离误差.48和72 h预报时效的各等级TC的平均距离误差的计算方法相同.图5为不同等级TC在不同预报时效的平均距离误差分布.由图 5可见，TC平均距离误差总体上随强度增强呈减小的趋势，即TC强度强时，路径预报平均距离误差小，TC强度弱时，路径预报平均距离误差大.这可能与强度越强，结构越清晰，定位越精确，强度误差越小有关.［10］图中48和72 h超强台风的平均距离误差略高于强台风，这可能与超强台风样本资料偏少有关.
图5 不同等级TC在不同预报时效的平均距离误差
3 TC强度预报误差
3.1 平均强度误差
表2列出TC在不同预报时效的平均强度误差.由表2可见，24，48和72 h的近中心最大风速预报的平均绝对误差分别为7.4，11.7和13.6 kn，中心气压的平均绝对误差分别为0.80，1.27和1.46 kPa.很显然，随着预报时效的增加，强度预报误差逐渐增大.为了深入了解强度预报情况，本文进一步分析TC近中心最大风速正误差(预报偏强)、零误差(预报正确)和负误差(预报偏弱)的分布情况，结果见表3.
表2 TC在不同预报时效的平均强度误差
表3 TC近中心最大风速在不同预报时效的正负误差
由表3可见，出现正误差的频率较负误差的频率大，且正误差平均幅度较负误差平均幅度小.从24 h的预报误差上看:出现正误差的频率为43.7%，平均误差为0.89 kPa;出现负误差的频率为30.7%，平均误差为1.13 kPa.其他预报时效的预报误差分布情况与24 h预报时效的类似.这说明，一般情况下预报风速偏强的频率较大，预报风速偏弱的频率较小，且风速预报偏弱时，预报误差的幅度往往较大.由表3还可以看出，随着预报时效的增加，近中心最大风速预报正确率(预报误差为零的样本数所占百分比)明显降低，24，48和72 h预报正确率分别为25.6%，13.7%和9.5%;预报偏强的频率逐渐增大，24，48和72 h正误差频率分别为43.7%，52.4%和58.0%，预报偏弱的频率略有增加;各种预报时效预报正确和偏强的频率较大，占70%左右，预报偏弱的频率较小，占30%左右.
3.2 强度误差与强度的关系
根据每个TC每6 h的中心气压和近中心最大风速的实时和预报资料，分别统计各强度等级TC在不同预报时效的平均强度误差(计算方法同2.3)，统计结果见图6和7.由图6和7可见，TC平均强度误差随强度增强总体呈增大的趋势，即 TC强度强时，强度预报平均误差大，TC强度弱时，强度预报平均误差小.强度误差在强台风及以下的TC之间差异相对较小，但当TC达超强台风时，强度误差显著增大，24 h中心气压平均误差达2.43 kPa，近中心最大风速平均误差达18.3 kn，48和72 h的中心气压平均误差达3.0 kPa以上，近中心最大风速平均误差接近30 kn.这说明，日本预报模式对超强TC的强度预报能力较差，而对强度较弱TC的强度预报效果较好.
4 结束语
通过对日本数值预报模式TC路径和强度预报误差分析，得到以下几点主要结论:
(1)24，48和72 h预报时效TC的平均距离误差分别为106.5，194.8和306.4 km.不同时效距离误差的分布范围不同，随着预报时效的增加，距离误差分布范围增大.24 h距离误差的分布范围最小，80%的样本值距离误差都在150 km以下;48 h距离误差的分布范围大于24 h，80%的样本值距离误差在300 km以下;72 h距离误差的分布范围最大，80%的样本值距离误差在450 km以下.
(2)路径预报具有较明显的偏向性，主要偏向SW和NE象限，偏向该两象限的频率占70%左右，其次为SE和NW象限，偏向该两象限的频率占30%左右.其中，预报位置落在SW象限的频率最大，占30%以上，且随预报时效的增加，预报位置落在SW象限的频率也逐渐增大.
(3)TC的平均距离误差总体上随强度增强呈减小的趋势:TC强度强时，路径预报平均距离误差小;TC强度弱时，路径预报平均距离误差大.
(4)24，48和72 h预报时效的最大风速预报平均绝对误差分别为7.4，11.7和13.6 kn，中心气压预报的平均绝对误差分别为0.80，1.27和1.46 kPa.随着预报时效的增加，强度预报误差逐渐增大.
(5)一般情况下，预报强度偏强的频率较大，预报强度偏弱的频率较小，且强度预报偏弱时，预报误差的幅度往往较大.随着预报时效的增加，强度预报正确率明显降低，预报偏强的频率逐渐增大，预报偏弱的频率略有增加.
(6)TC平均强度误差随强度增强总体呈增大的趋势，即TC强度强时强度预报平均误差大，TC强度弱时强度预报平均误差小.当TC达超强台风时，强度误差显著增大，即日本预报模式对超强台风的预报能力较差.
以上研究结果可为船舶防避TC提供参考依据.当船舶在海上遭遇TC时，可根据TC中心的位置、移动方向和速度以及位置预报误差，结合本船的船位、航向和航速，在海图上或传真地面天气图上作预报误差圆，使船舶与TC保持一定距离(使船舶航行在预报误差圆之外)，直到船舶完全脱离威胁后，才可改为沿原航向航行，直至到达目的地.预报误差圆的半径可以根据某一频率下TC距离误差选取.如希望未来24 h TC的入圆率达80%，则频率取80%，由图2查得，频率为80%时的24 h距离误差为150 km左右，则以150 km为半径作预报误差圆，该圆即为船舶未来24 h应该避开的危险区域.值得注意的是，不同强度的TC，其预报误差有所不同，因此可以根据TC的强度及文中距离误差与TC强度的关系对预报圆半径作适当修正.另外，船舶所选取的频率(即TC未来入圆率)要适宜.如频率选得大，预报圆半径也大，虽然TC入圆率高、船舶危险性小，但船舶需绕航的距离较长;如频率选得小，预报圆半径也小，虽然船舶需绕航的距离短或不需要绕航，但TC入圆率低、船舶危险性大.因此，船舶需要选择一个合适的频率，在确保安全的情况下，尽可能缩短航程.船舶可根据本船的性能、抗风浪能力、预报台的预报水平、TC的强度等综合选取预报圆半径.
［1］吴俞，麻素红，肖天贵，等.T213L31模式热带气旋路径数值预报误差分析［J］.应用气象学报，2011，22(2):182－193.
［2］漆梁波，黄丹青，余晖.1999—2003年西北太平洋热带气旋综合预报的误差分析［J］.应用气象学报，2006，17(1):73－80.
［3］马雷鸣，李佳，黄伟，等.2007年国内台风模式路径预报效果评估［J］.气象，2008，34(10):74－80.
［4］李佳，余晖，应明，等.2007年西北太平洋热带气旋定位和预报精度评定［J］.气象，2009，35(2):101－105.
［5］谭燕，余晖，占瑞芬.2008年西北太平洋热带气旋定位和预报精度评定［J］.大气科学研究与应用，2009(2):52－61.
［6］占瑞芬，汤杰，余晖.2009年西北太平洋热带气旋定位和业务预报精度评定［J］.气象，2010，36(10):114－121.
［7］汤杰，陈国民，余晖.2010年西北太平洋台风预报精度评定及分析［J］.气象，2011，37(10):138－146.
［8］刘军伟.地球表面上两点之间距离的几种求算方法［J］.许昌学院学报，2007，26(5):126－129.
［9］杨亚新.航海气象与海洋学［M］.大连:大连海事大学出版社，2006.
篇5：主汛期各数值预报模式定量降水预报评估
根据影响天气系统不同,利用9月-2月东北区域中尺度数值模式12 h累积降水预报和东北地区常规站降水实况资料,采用天气学检验方法,从降水中心强度、中心位置、降水主体强度、落区、范围和移速6个方面对东北区域中尺度模式降水预报产品的预报性能进行检验.结果表明:模式对东北地区秋、冬季降水有较好的预报能力,但因天气系统和预报时效不同其预报能力也有较大差异,其中对高空槽预报效果最好;一般情况下,在预报出现偏差时中心和主体强度易偏强,雨带范围易偏大,移速易偏幔.
作 者：崔锦 周晓珊 张爱忠 阎琦 黄阁 张伟 CUI Jin ZHOU Xiao-shan ZHANG Ai-zhong YAN Qi HUANG Ge ZHANG Wei 作者单位：崔锦,CUI Jin(中国气象局沈阳大气环境研究所,辽宁,沈阳110016)
周晓珊,张爱忠,ZHOU Xiao-shan,ZHANG Ai-zhong(沈阳军区空军气象中心,辽宁,沈阳110015)
阎琦,黄阁,YAN Qi,HUANG Ge(辽宁省气象台,辽宁,沈阳110016)
张伟,ZHANG Wei(辽宁省气象科技服务中心,辽宁,沈阳110016)
篇6：主汛期各数值预报模式定量降水预报评估
利用2002-20T213模式的降水预报值和全国400个标准测站的`降水实况资料,采用客观降水检验方法,对T213数值降水预报产品的预报能力进行了分析检验.结果表明:降水预报TS评分和预报偏差B值均存在明显时空分布差异;各级降水中,小雨TS值最大、B值最小,夏季TS和B值均好于其它季节;中到大雨TS最高评分和最低B值均是长江中下游地区,其次是华南;暴雨TS评分各区较低,但华南、长江中下游地区和东北地区B值较小.这些地区T213降水预报对预报业务有较好的参考作用.T213降水预报对春季东北地区和华北的强雨(雪)、夏季长江中下游地区的梅雨、西部地区的华西秋雨等降水过程具有相当好的预报能力.
作 者：管成功 王克敏 陈晓红 Guan Chenggong Wang Kemin Chen Xiaohong 作者单位：管成功,Guan Chenggong(国家气象中心,北京,100081;中国气象科学研究院)
王克敏,Wang Kemin(国家气象中心,北京,100081)
陈晓红,Chen Xiaohong(安徽省气象台)