留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种集成风向风速的风场空间检验方法

张博 赵滨

张博, 赵滨. 一种集成风向风速的风场空间检验方法. 应用气象学报, 2019, 30(2): 154-163, DOI: 10.11898/1001-7313.20190203.
引用本文: 张博, 赵滨. 一种集成风向风速的风场空间检验方法. 应用气象学报, 2019, 30(2): 154-163, DOI: 10.11898/1001-7313.20190203.
Zhang Bo, Zhao Bin. A Spatial Verification Method for Integrating Wind Speed and Direction. Joumal of Applied Meteorological Science, 2019, 30(2): 154-163, DOI: 10.11898/1001-7313.20190203.
Citation: Zhang Bo, Zhao Bin. A Spatial Verification Method for Integrating Wind Speed and Direction. Joumal of Applied Meteorological Science, 2019, 30(2): 154-163, DOI: 10.11898/1001-7313.20190203.

一种集成风向风速的风场空间检验方法

DOI: 10.11898/1001-7313.20190203
资助项目: 

公益性行业(气象)科研专项 GYHY20150600

国家重点研究发展计划 2017YFA0604500

国家重点研究发展计划 2017FYC150190X

国家科技支撑计划 2015BAC03B04

国家科技支撑计划 2015BAC03B07

详细信息
    通信作者:

    张博, 邮箱:zhangb81@yeah.net

A Spatial Verification Method for Integrating Wind Speed and Direction

  • 摘要: 基于概率分布特征定义全新风速阈值选取方案,不受地域及季节性影响,并综合风向信息建立兼顾风向风速的风场分类列表,采用邻域空间检验技术构建可集成风向风速的矢量风场检验方法。基于2018年4月1—30日GRAPES_Meso模式不同分辨率(10 km及3 km)逐小时预报产品,利用所开发的矢量风场检验方法分析表明:模式风向预报的随机性随着风速的增大而减小,即弱风的风向难以成功预报。通过矢量风场综合分析发现高分辨率预报效果在170 km空间尺度上24 h预报最大评分优势可达0.24,各邻域空间尺度上评分分布趋势保持一致。通过敏感性分析发现,所获取的综合指标可用于反映风场预报性能。同时,不同矢量风场分类方法将对评估结果产生影响,高分类方法评分稳定性更好,低分类方法受限于单一分类权重过大而影响评估一致性。因此,在计算能力允许的条件下,选择较高分类方式将有助于获得更为稳定的检验效果。
  • 图  1  17种包含风向风速的矢量风分类示意图

    Fig.  1  The definition of 17-class basic wind speed and direction

    图  2  GRAPES_3 km模式2018年4月16日12 h预报风向误差随实况风速分布

    Fig.  2  GRAPES_3 km 12-hour wind direction forecast change with observed wind speed initialed on 16 Apr 2018

    图  3  2018年4月1—30日24 h预报的风向及风速均方根误差分布

    Fig.  3  Root mean square errors of wind speed and wind direction for 24-hour forecast from 1 Apr to 30 Apr in 2018

    图  4  2018年4月1—30日36 h逐时预报平均Fw分布(黑线为Fw=0.5)(a)GRAPES_10 km, (b)GRAPES_3 km

    Fig.  4  Hourly Fw for 36-hour forecast averaged from 1 Apr to 30 Apr in 2018 with GRAPES_10 km(a) and GRAPES_3 km(b)(the black line denotes Fw =0.5)

    图  5  2018年4月1—30日170 km邻域空间尺度下24 h预报Fw逐日演变

    Fig.  5  Fw of 24-hour forecast from 1 Apr to 30 Apr in 2018 with 170 km spatial scale

    图  6  2018年4月1—30日不同邻域空间尺度24 h预报Fw逐日分布(a)50 km, (b)90 km, (c)130 km, (d)330 km

    Fig.  6  Fw for 24-hour forecast from 1 Apr to 30 Apr in 2018 with different spatial scales of 50 km(a), 90 km(b), 130 km(c), 330 km(d)

    图  7  2018年4月1—30日24 h预报Fc逐日分布

    Fig.  7  Fc for 24-hour forecast from 1 Apr to 30 Apr in 2018

    图  8  2018年4月6日24 h预报的各风场分类中实况和预报所占样本百分比

    Fig.  8  Sample percentage of observation and forecasts in each basic wind class for 24-hour forecast initialed on 6 Apr 2018

    图  9  9种(a)及33种(b)包含风向风速的矢量风示意图

    Fig.  9  The definition of 9-class(a) and 33-class(b) basic wind speed and direction

    图  10  2018年4月1—30日不同矢量风分类方法36 h逐时预报平均Fw分布(黑线为Fw=0.5)

    Fig.  10  Hourly Fw for 36-hour forecast averaged from 1 Apr to 30 Apr 2018(the black line denotes Fw=0.5)

    图  11  2018年4月1—30日9种及33种分类方法Fc综合指标24 h预报逐日分布

    Fig.  11  Daily Fc for 24-hour forecast from 1 Apr to 30 Apr in 2018

  • [1] Atger F.Verification of intense precipitation forecasts from single models and ensemble prediction systems.Nonlinear Processes Geophys, 2001, 8:401-417. doi:  10.5194/npg-8-401-2001
    [2] Weisman M L, Davis C, Wang W, et al.Experiences with 0-36-h explicit convective forecasts with the WRF-ARW model.Wea Forecasting, 2008, 23:407-437. doi:  10.1175/2007WAF2007005.1
    [3] 沈学顺, 苏勇, 胡江林, 等.GRAPES_GFS全球中期预报系统的研发和业务化.应用气象学报, 2017, 28(1):1-10. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20170101&flag=1
    [4] 谭桂容, 范艺媛, 牛若芸.江淮地区强降水分型及其环流演变.应用气象学报, 2018, 29(4):396-409. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20180402&flag=1
    [5] 张萌, 于海鹏, 黄建平, 等.GRAPES_GFS2.0模式系统误差评估.应用气象学报, 2018, 29(5):571-583. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20180506&flag=1
    [6] 杨挺, 端义宏, 徐晶, 等.城市效应对登陆热带气旋妮妲降水影响的模拟.应用气象学报, 2018, 29(4):410-422. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20180403&flag=1
    [7] Murphy A H.A note on the ranked probability score.J Appl Meteor, 1971, 10:155-156. doi:  10.1175/1520-0450(1971)010<0155:ANOTRP>2.0.CO;2
    [8] 洪伟, 郑玉兰.基于ECMWF产品福建省前汛期短时强降水预报方法.应用气象学报, 2018, 29(5):584-595. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20180507&flag=1
    [9] Ahijevych D, Gilleland E, Barbara G B, et al.Application of spatial verification methods to idealized and NWP-gridded precipitation forecasts.Wea Forecasting, 2009, 24:1485-1497. doi:  10.1175/2009WAF2222298.1
    [10] Brill K F, Mesinger F.Applying a general analytic, method for assessing bias sensitivity to bias-adjusted threat, and equitable threat scores.Wea Forecasting, 2009, 24:1748-1754. doi:  10.1175/2009WAF2222272.1
    [11] Baldwin M E, Kain J S.Sensitivity of several performance measures to displacement error, bias, and event frequency.Wea Forecasting, 2006, 21:636-648. doi:  10.1175/WAF933.1
    [12] Elizabeth E.Neighborhood verification:A strategy for rewarding close forecasts.Wea Forecasting, 2009, 24:1498-1510. doi:  10.1175/2009WAF2222251.1
    [13] Casati B.New developments of the intensity-scale technique within the spatial verification methods intercomparison project.Wea Forecasting, 2010, 25:113-143. doi:  10.1175/2009WAF2222257.1
    [14] Zepeda-Arce J, Foufoula-Georgiou E, Droegemeier K K.Space-time rainfall organization and its role in validating quantitative precipitation forecasts.J Geophys Res, 2000, 105(8):10129-10146. doi:  10.1029/1999JD901087/full
    [15] Yates E, Anquetin S, Ducrocq V, et al.Point and areal validation of forecast precipitation fields.Meteorol Appl, 2006, 13:1-20. doi:  10.1017/S1350482705001921/full
    [16] Roberts N M, Lean H W.Scale-selective verification of rainfall accumulations from high-resolution forecasts of convective events.Mon Wea Rev, 2008, 136:78-97. doi:  10.1175/2007MWR2123.1
    [17] Zhao B, Zhang B.Assessing hourly precipitation forecast skill with the fractions skill score.J Meteor Res, 2018, 32(1):135-145. doi:  10.1007/s13351-018-7058-1
    [18] 赵滨, 张博.邻域空间检验方法在降水评估中的应用.暴雨灾害, 2018, 37(1):1-7. doi:  10.3969/j.issn.1004-9045.2018.01.001
    [19] Skok G, Roberts N.Analysis of Fractions Skill Score properties for random precipitation fields and ECMWF forecasts.Q J R Meteor Soc, 2016, 142:2599-2610. doi:  10.1002/qj.2849
    [20] 唐文苑, 郑永光, 张小雯.基于FSS的高分辨率模式华北对流预报能力评估.应用气象学报, 2018, 29(5):513-523. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20180501&flag=1
    [21] 毕宝贵, 代刊, 王毅, 等.定量降水预报技术进展.应用气象学报, 2016, 27(5):534-549. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20160503&flag=1
    [22] Davies B M, Thomson D J.Comparisons of some parameterizations of wind direction variability with observations.Atmos Environ, 1999, 33:4909-4917. doi:  10.1016/S1352-2310(99)00287-3
    [23] Mahrt L.Surface wind direction variability.J Appl Meteor Climatol, 2011, 50:144-152. doi:  10.1175/2010JAMC2560.1
    [24] Dorninger M, Mittermaier M P, Gilleland E, et al.MesoVICT:Mesoscale Verification Inter-Comparison over Complex Terrain.NCAR Technical Note NCAR/TN-505+STR, 2013:1-23. http://adsabs.harvard.edu/abs/2015EGUGA..1711959D
    [25] Rodwell M J, Richardson D S, Hewson T D, et al.A new equitable score suitable for verifying precipitation in numerical weather prediction.Quart J Roy Meteor Soc, 2010, 136:1344-1363. doi:  10.1002/qj.656/full
    [26] Haiden T M, Rodwell M J, Richardson D S.Intercomparison of global model precipitation forecast skill in 2010/11 using the SEEPS score.Mon Wea Rev, 2012, 140:2720-2733. doi:  10.1175/MWR-D-11-00301.1
    [27] 黄丽萍, 陈德辉, 邓莲堂, 等.GRAPES_Meso V4.0主要技术改进和预报效果检验.应用气象学报, 2017, 28(1):25-37. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20170103&flag=1
  • [1] 李春晖, 潘蔚娟, 王婷.  广东省降水的多尺度时空投影预测方法, 应用气象学报. doi: 10.11898/1001-7313.20180208
    [2] 姚日升, 涂小萍, 丁烨毅, 王武军, 邬方平, 朱万云.  华东沿海ASCAT反演风速的检验和订正, 应用气象学报. doi: 10.11898/1001-7313.20150610
    [3] 龚志强, 王晓娟, 崔冬林, 王艳姣, 任福民, 封国林, 张强, 邹旭恺, 王小玲.  区域性极端低温事件的识别及其变化特征, 应用气象学报.
    [4] 李庆祥, 黄嘉佑.  对我国极端高温事件阈值的探讨, 应用气象学报.
    [5] 梁莉, 赵琳娜, 巩远发, 包红军, 王成鑫, 王志.  淮河流域汛期20 d内最大日降水量概率分布, 应用气象学报.
    [6] 蒲维维, 赵秀娟, 张小玲.  北京地区夏末秋初气象要素对PM2.5污染的影响, 应用气象学报.
    [7] 黄世成, 周嘉陵, 任健, 陈兵, 程婷.  长江下游百年一遇的极值风速分布, 应用气象学报.
    [8] 吴必文, 温华洋, 惠军.  基于Γ分布的气压序列非均一性检验方法初探, 应用气象学报.
    [9] 屈志毅, 胡文超, 孔令旺, 吴换霞.  电接风向风速自记纸数字化处理系统的设计与实现, 应用气象学报.
    [10] 江滢, 罗勇, 赵宗慈.  近50年我国风向变化特征, 应用气象学报.
    [11] 程兴宏, 徐祥德, 陈尊裕, 丁国安, 李成才, 翁永辉.  北京地区PM10浓度空间分布特征的综合变分分析, 应用气象学报.
    [12] 刘小宁, 鞠晓慧, 范邵华.  空间回归检验方法在气象资料质量检验中的应用, 应用气象学报.
    [13] 穆海振, 徐家良, 柯晓新, 唐琳, 陈德亮.  高分辨率数值模式在风能资源评估中的应用初探, 应用气象学报.
    [14] 张莉, 丁一汇, 任国玉.  我国北方沙尘天气演变趋势及其气候成因分析, 应用气象学报.
    [15] 刘小宁.  我国40年年平均风速的均一性检验, 应用气象学报.
    [16] 杨维军, 王斌.  二参数Weibull分布函数对近地层风速的拟合及应用, 应用气象学报.
    [17] 彭春华, 黄治勇, 崔新强, 刘荃, 章盾之, 李宁.  木兰湖风速历史资料的模拟生成方法, 应用气象学报.
    [18] 孙安健.  江淮流域旱涝年份准定常行星波分布与平均纬向风速的差异, 应用气象学报.
    [19] 张秀芝, 陈乾金.  用短期大风资料推算极值风速的一种方法, 应用气象学报.
    [20] 姚增权, 李智边.  三种实时计算风向标准差方法的比较, 应用气象学报.
  • 加载中
图(11)
计量
  • 文章访问数:  2415
  • HTML全文浏览量:  1185
  • PDF下载量:  150
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-10-22
  • 修回日期:  2018-12-27
  • 刊出日期:  2019-03-31

目录

    /

    返回文章
    返回