降水的预测评估系统:飓风预报的数值工具

文摘

暴雨事件,通常与热带气旋(TCs),激起强烈的洪水,因此造成严重的生命和财产的损失。因此,雨的数量和分布与TCs必须精确地预测在一个合理的时间内保证生命和保护商品。在这项研究中,飓风预报的数值工具的技巧(NTHF)确定降雨模式,平均降雨量、降雨体积,和极端TCs评估过程中观察到大量的雨水对热带降雨测量任务(TRMM)数据。样本包括九个系统形成了从2016年到2018年在北大西洋盆地,在分析开始登陆前24小时。几个统计指标描述的能力NTHF气候学和持久性模型(R-CLIPER)降雨预报的雨TRMM计算在24日,48和72 h每个TC和平均预估。模型考虑了预测技巧比R-CLIPER属性评估和演示了类似的表演与模型在文献中报道。该模型预测的平均降雨量和降雨模式的提出了一个很好的描述。然而,极端降雨的预测只适用于24小时。

1。介绍

热带气旋(tc)是最具破坏性的大气现象,导致强烈的表面风、龙卷风、风暴潮和强降雨事件。强降雨事件分布在广泛领域和可能导致洪水,从而导致人类和经济损失。据报道,大约有60%的死亡引起的飓风在美国是洪水(1,2]。在古巴,飓风植物(1963)造成大约2000伤亡由于持续暴雨3]。这些事实突出的重要性的分布和数量的准确预测降雨TC与土地之间的交互。

TC的降雨模式取决于不同的因素,即其内部动态,在气旋天气形势,其转化速度,引起方位不对称(4]。据报道,垂直风切变产生不对称核心领域的雨量分布模式(5,6]。风暴的交互与地球表面,可用的湿度,以及气旋强度显著影响降雨的分布和数量(7]。例如,降水分布之间的紧密联系和发现了热力学对称进化的飓风爱德华(8]。近年来,这些因素都纳入数值模型进行定量预测,TCs的强度和降水。更好的物理表示流程的整合与飓风有关,以及不同的参数化方案,允许一个更高的这些元素的预测精度和更好的空间和时间分辨率(9,10]。然而,大多数以前的研究都集中在预测飓风的强度和跟踪;更少的研究集中在降水预报。例如,DeMaria和Tuleya两(11)评价模式的降水预报地球物理流体动力学实验室(GFDL)在北大西洋盆地(国家的)气旋影响美国大陆。标志与DeMaria [12)开发了一个等效的气候学和持久性模型(R-CLIPER),降雨气候降水的强度是在暴风雨中积累的轨道。这个模型被广泛使用作为基准来评估其他降水预报技术。

Marchok et al。7)审查和应用不同的验证方案的最常用的预测模型对于预测降雨的不同方面的能力,即。其在时间和空间分布,其平均降雨量,极端降雨在TCs。验证了所有的TCs在美国从1998年到2004年有气象。类似的研究对北印度洋执行(13],降水预报的精度的几个全球模型用于区域与TRMM-3B42均通过比较数据。样品是由九个TCs形成在北印度洋从2010年到2013年。这些研究人员发现,尽管一些模型的性能类似于观察,同样没有一个模型预测所有观察到的特性。然而,TRMM资料必须谨慎使用由于大雨的证明低估山区(14)和其他缺陷,这将在下面讨论。

在古巴,两个操作系统用于降水预报。2015年,塞拉et al。15)提出了一个配置来源于天气研究和预测模型(WRF-ARW),称为Sistema de Pronostico Inmediato。配置的主要目的是进行短期预测。他们发现的最大降水预测错误从7月到11月,举办了在国家的飓风季节;因此,他们得出的结论是,没有一个测试配置正确预测降雨与TCs有关。其他操作系统,名叫Sistema de Pronostico Numerico Oceano Atmosfera,结合WRF-ARW两个海浪模型(WW3和天鹅)和海洋环流模式(rom) [16,17]。作者发现最好的降水预报能力阈值以上5毫米/天4个月期间,5月和6月的飓风季节。目前,评估操作模型展示好雨对TCs的预测并不存在。

气象部门的更高的应用技术和科学研究所,哈瓦那大学开发了一个操作模型,可用于预测降水。它被称为飓风预报的数值工具(NTHF) [18),它包含GFDL涡追踪器的选项。这是一个程序,加载模型预测在格丽/ NetCDF格式,客观地分析数据提供一个估计涡中心的位置(经度和纬度),追踪风暴持续时间的预测。它包括参数化方案描述相关的物理学的发展和强化飓风。

此外,它使用大气HWRF3.9模型的组件,这是专门设计用于预测TCs (19,20.]。已经证明,该系统可以预测TCs的轨道,特别是4和5级飓风在减弱18]。关于强度,气旋系统的系统预测能力从萧条到3级飓风,4和5级飓风的离散结果。虽然该模型可以预测降雨20.],它没有被评估为古巴和美洲海洋。本研究的目的是评估的能力NTHF系统预测降雨与TCs, TRMM的报道。系统展示了优秀的预测平均降雨量和降雨模式的描述;然而,极端降雨的预测只适用于24小时。

2。观测和模拟数据

2.1。HWRF和R-CLIPER模型

NTHF已经实施并运行在高技术研究所的气象部门和哈瓦那大学的应用科学。它的目的是预测的进化TCs在国家的形成,尤其是在洲际的海洋。模型使用HWRF作为一个动态的核心解决方案的基本方程组。计算算法保证模型的初始化操作运行期间的官方信息国家飓风中心(NHC)和全球预测系统的预测输出(GFS)。此外,它包含后处理结果的算法。预测为120 h持续时间延长,与官方NHC的时间段的预测一致。图1显示了NTHF框图(18]。

本研究模型的配置是基于报告的建议(21,22)的操作运行HWRF在国家环境预报中心(NCEP)。实验研究与双向互动的嵌套域27-9公里分辨率。外部域位于风暴的中心,而内部域跟踪风暴的中心在使用动网格模型的集成。图2(一个)显示了嵌套域。

所有模拟执行初始化0000 UTC的输出GFS分辨率0.5°,获得https://nomads.ncdc.noaa.gov/data/gfs4。他们进行预测72 h。边界条件是每6小时更新一次,69年代临时集成步骤是27公里域;同时,临时集成的内部外部域的域是1/3临时步骤。表1显示配置的基本方面。

这个配置有一定的局限性与海洋的noncoupling相关模型。因此,模型使用一个静态的海洋表面温度,使其不可能考虑温度变化模型集成,从而影响计算强度(23]。系统的另一个缺点是它不使用涡搬迁,从而影响了一些评价参数,如下面所讨论的。使用的参数化描述和讨论配置的缺点,看到18]。

尽管上述局限性,NTHF替代NOAA HWRF系统(22]。它可以在中心实现高操作使用TC预报计算资源在国家的盆地。此外,NTHF的实现作为国家的一个操作系统允许国家在中美洲和加勒比地区气象台开发图形产品,如监控锥以及强度和预测,通过合并所有数值预测模型的结果https://ftp.nhc.noaa.gov/atcf/com/。此外,NTHF将成为一个强大的工具的科学研究飓风在这些国家,NOAA HWRF系统作为替代,因为HWRF模型的实现需要很高的计算资源。

作为基线,R-CLIPER [12气象部门)模型实现。降水场计算使用最佳历史和最大速度72 h预测,纬度和经度TRMM的数据网格。空间分辨率的计算进行了27公里,每隔6小时的时间。

2.2。TRMM资料用于评估

研究区是国家的盆地。它被选中,因为它构成地区强烈的气旋活动。气旋系统可能会影响到加勒比群岛以及美洲中部和北部。此外,研究区是否容易出现最大强度由于海表温度高的加勒比海地区,西部大西洋和墨西哥湾,从而增加强降雨事件的可能性,大量积累,因此人类的生命损失和经济损失。

评估NTHF配置,九TCs选择(见表2)。所有人都在国家的形成,和他们中的大多数Intra-American海域。选择标准是基于选择TCs到达土地在2016年,2017年和2018年的研究时间。此外,被初始化运行24小时之前登陆0000 UTC提供预测精度最高的时间间隔的累积降雨量。包括气旋具有不同特点和强度,即。,tropical storms and hurricanes with various categories, to verify the general performance of the operational configuration. Figure2 (b)显示了轨迹预测的NTHF和最好的跟踪研究案例。

由于卫星观测系统的发展,降水估计已经广泛应用于天气和气候的研究,特别是研究雨TCs在海洋和陆地上抵达。虽然雨量计测量数据是可用的,他们常常没有足够致密或没有一个适当的空间分布在重要地区,主要在陆地上和附近的沿海地区。此外,天气雷达提供良好的空间和时间分辨率,但所包含的面积是有限的。因此,卫星降水估计适合研究降雨特征,尤其是在海洋和沿海地区,地表观测是有限的(24]。

利用TRMM的疗效数据描述的特征系统,达到土地被评估在几项研究[25- - - - - -27]。这些研究表明,TRMM-3B42数据可以合理地表示降水的分布与雨量计数据和雷达观测。然而,据报道,暴雨TRMM-3B42数据低估了温和、但高估弱降水(27]。同时,TRMM收集的数据以每天每月的间隔往往低估山区山在热带和中纬度系统(28,29日]。因此,建议考虑修正了(14]。此外,TRMM-3B42低检测概率和虚警率低于其他产品在温暖和寒冷季节对北美30.]。TRMM资料都可以在一个网格空间分辨率0.25°×0.25°。它们的组合的结果TRMM卫星和其他估计,随着多卫星降水分析(TMPA)。trihour产品,提供信息从50°N 50°S,可用http://www.pmm.nasa.gov/data-access/downloads/trmm.shtml/。

3所示。方法

评估每个模型在预测性能的观测数据,一组statigraphs从布朗等人使用31日]。雨场模拟的数据模型NTHF和R-CLIPER统计而TRMM卫星观测的。TC降水预报三个重要元素被认为是:能力匹配中心周围的降雨模式(模式匹配),能力匹配和分布的平均降雨量体积(平均雨量分布),雨和繁殖能力最大的值,通常是与TCs(极端降雨预测)。R-CLIPER模型作为参考和比较各种研究的情况。

的插值NTHF降水领域TRMM的纬度和经度,近邻法(32),600公里网格被选对网格的中心,以避免雨字段的包容与另一种类型的天气系统(7,13]。半径测量5°(∼555公里)的中心已经由Englehart和道格拉斯进行测试(33),证明了TC的中心之间的距离和外缘的云盾是500至600公里的90%病例。此外,拉尔森et al。34)进行敏感性测试使用半径2.5°,7.5°之间的不同;他们发现半径大于5°排除大多数TC降雨。詹et al。35)使用了一个半径500公里,占降雨位于从内核到相邻的雨带。相反,里奥斯Gaona et al。36)使用1000公里半径来确定降雨与大量的TCs(166)两年来在不同盆地。然而,在雨的表示数据,图表总是有限半径约为600公里,显示降雨强度≤1毫米/小时的半径600公里在所有情况下。因此,它可能会得出结论,大半径的数据没有显著改善结果的质量。

一旦雨字段被计算,他们用来计算一组statigraphs,下一段中描述。使用statigraphs,得到了两种模型的预测能力指标和比较来评估NTHF的性能。接下来,我们定义statigraphs及其相关指标,x_我代表一个观测数据,y_我相应的预测价值,n样本大小。

3.1。降雨模式匹配

确定系统在预测雨量分布的能力,两个statigraphs使用。首先,相关模式测量模拟和观测值之间的皮尔逊相关系数在所有网格点。接下来,公平的分数(ETS)的威胁,这是当地降雨的百分比正确预测的系统,计算了。这两个statigraphs依赖雨水的地理位置,因此敏感的跟踪误差。点选择600公里的中心真正NTHF跟踪,R-CLIPER, TRMM。皮尔森相关系数是一个指数来衡量两个相关变量之间的线性相关程度。两个变量的相关系数越接近于1,越相似的是这两个变量之间的行为。一个示例,它可以计算如下:

和 观测值的平均值和预测,分别。

第二statigraph相关的正确预测降雨超过指定阈值在不同的网格点。在这种情况下,变量是两个;因此,构建一个方便列联表。确定预测的准确性,结果分为四组:(我)H:系统预测降水事件的次数高于指定的阈值,和它发生(被称为支安打)(2)米:事件的次数不是预测,而是它发生(失踪)(3)费尔南多-阿隆索:事件是预测的次数,但没有发生(假警报)(iv)CR:事件的次数不是预测,也不发生(正确的拒绝)

列联表(表3)显示了一个比较NTHF预测和TRMM观察;是的意味着一个事件(预测或观察)上面指定的阈值,而不是一个不发生。

ETS,也被称为吉尔伯特技能分数,计算基于列联表。它代表了一部分的所有观察和预测事件正确诊断和认为正确预测,偶然发生的可能性。它提出的困难不区分错误的来源。该指数计算如下: 在哪里H_随机是一个评估偶然发生的积极预期的数量,可以计算吗 在哪里N_{奥林匹克广播服务公司(是的)}=H+米降雨事件的总数,N_fsc(是的)=H+ FA是雨的总数预测,和N是事件的总数。比分是1,越接近越好技能。

3.2。平均降雨量和降雨通量分布

平均降雨量和降雨体积分布是好指标来评估降雨的强度(重,温和,和光线)和一个模型在预测的局限性。在我们分析NTHF R-CLIPER, 600公里内的所有网格点的中心预测跟踪(相对轨道)被认为是,而对于TRMM 600公里半径是集中在真正的跟踪。

径向分布、体积、均方根误差(RMSE),平均绝对误差(MAE)、模型的确定和偏见。随后,概率分布函数(pdf)和累积分布函数(CDFs)。50百分位的CDF必须确定分布的中心值,这样的行为大于中位数的剩余雨量阈值可以确定。此外,更详细的频率分布分析雨行为进行基于乐队100公里的外半径600公里。下面的定义涉及的大小。

美是一种测量观测值的预期值的偏差。它是计算如下:

美值越接近于零,更准确的预测。

均方根误差(RMSE)允许偏差的大小的预报值与观测值进行量化。它是计算如下:

RMSE = 0时,预测是完美的。RMSE是衡量预测的准确性。

偏差提供了估计和观测值之间的差异,考虑偏差的符号如下:

模拟是好的当偏差值接近于零。与美,其大小总是非负,偏差可以假设正面和负面的价值观,从而允许一个确定一个低估或高估发生的预测。

3.3。极端降雨预测

评估是很重要的,如果系统可以复制极端降雨事件。在这种情况下,95的累积频率分布进行了分析。计算,相对轨道用于NTHF R-CLIPER,而TRMM是集中在实际的跟踪。此外,同样的方法应用于0 - 100公里和300 - 400公里。

3.4。技术指标

定量降水预报的技术指标(QPF)提出的Marchok et al。7)是用来确定模型的能力。指数越接近于1(或100%),模型的性能越好。

3.4.1。模式匹配

这个索引对应的能力模型复制的降雨模式。这是获得的平均降水平均ETS确定阈值和平均相关系数:

3.4.2。平均降雨量及其分布

这对应于模型的能力代表平均降雨量及其分布。它可以计算使用降水误差指数的平均值(MREI)和中值指数累计频率分布(CDF−本)。

MREI指数表示为 在哪里n是径向间隔的数量;和预测和观察雨平均值我分别径向间隔。这些测定20间隔从30到600公里左右雨风暴的中心,平均在每个网格点位于每个区间。R_马克斯最多观察雨在一些乐队相应的系统。

提供的−本表示为 在哪里R_f50%和R_o50%雨阈值对应于50%百分位的运作模型和观测,分别。在这个配方,指数高(低)当雨阈值之间的平均差异小(大)。如果差异超过1英寸(25.4毫米),索引值为零。

3.4.3。极端降雨总量

最大价值指数(CDF−MI)代表的能力模型在预测极端降雨在TCs。它是计算如下: 提供95%是百分比的运作模型,对应于降水阈值在95%百分位的CDF实验组的观察。

表4显示了指数的一个总结和跟踪误差的依赖。一个库(QPF-verif1.0)基于Anaconda3 Python 3.7包37)是实现加工NTHF TRMM数据和输出的系统和R-CLIPER模型,以及表示的结果。

4所示。结果与讨论

4.1。错误跟踪预测研究案例

必须评估TCs的轨道预报的准确性,因为它是一个关键参数,影响降水预报的结果,在感兴趣区域和具体位置。验证,HURDAT2数据库使用。这个数据集包含六个小时文本信息位置、最大风速、最低中央的压力,和所有已知的热带和亚热带的气旋(38]。它是可用的https://www.nhc.noaa.gov/data/ hurdat。图3研究显示了错误跟踪预测情况下,样本的平均误差,所有TCs NHC的平均误差进行了研究。

如图所示,九个研究的平均跟踪预测误差情况下类似于NHC直到大约42 h。大幅增加的差异从48到72小时,超过100公里在预测期的结束。大部分的飓风认为也有类似的时间演化的预测误差在第一42 h。这使我们能够将错误在这些时期的降水预测跟踪误差。

4.2。比较模型的预测和TRMM输出

在图4的比较累积降水量预测使用NTHF(图4(一)厄玛飓风和累积TRMM(图中获取的值4 (b)在前六小时预测。这两个结果在1800 UTC, 9月8日2017年,累计降水持续时间6 h被认为是。这些值的近似数据用于确定statigraphs和预测质量评价指标。例如,确定偏差(见(6)),相应的网格点的值差异的两个地图和平均计算。图4 (c)显示的分布差异的基础上,考虑区域。星星代表风暴的中心根据最好的跟踪(黑星)和跟踪预测的NTHF(红星)。在图S1补充材料的,累积降水量预测R-CLIPER同样的飓风,显示日期和时间。通过添加沉淀值连续时间间隔,更长的预测期的累积值可以计算。接下来,我们讨论的平均累积值的样本。

4.3。降雨模式匹配

4.3.1。模式的相关性(PC)

在图5相关系数(计算使用(1))之间的降雨分布预测的NTHF和R-CLIPER TRMM所提供的值。结果跨越从6到72 h预报,6小时间隔。很明显,NTHF实现相关系数超过0.6预测区间。电脑增加随着时间的推移,从18 - 48小时达到最大值,然后下降。初始增量似乎引发了自我调节的领域,而最后的衰减是由跟踪预测误差的增量(见图3)。关于R-CLIPER,r≥0.5;然而,在时间间隔48 - 60 h的预测时间,它r≥0.6,等于NTHF。这可能是由于飓风登陆后减弱,这提高了R-CLIPER预测能力基于意思表示。预测改善随着时间的推移和最后一个衰减展出。一般来说,比R-CLIPER NTHF表现得更好。

4.3.2。美国教育考试服务中心

在图6,ETS值计算了降水阈值在24日,48和72 h预报显示。这个索引,可以测量的频率的正确预测事件。的报道值排除病例数正确预测是由机会(根据(2))。它可以得出结论,NTHF总是比R-CLIPER提出更好的资产。最好的预测得到阈值从6.4到51毫米,ETS的大约是0.4。暴雨事件,ETS下降,表明很难预测模型的大量降雨。特别是R-CLIPER提供平均气候降水的描述,它是不适合强降雨的描述。在两个系统中,ETS轻雨很低。

4.4。平均降雨量和降雨通量分布

4.1.1。径向分布

平均径向TRMM的24小时预报资料,NTHF, R-CLIPER如图7(一)。在图7 (b),偏见,定义为预测和测量之间的区别,是代表。半径被认为是间隔≤30公里R≤600公里。在数据S2和S3的原辅材料、48和72 h预测的值。两个模型显示相同的衰减与距离预测降雨风暴的中心。R-CLIPER的预测低估了雨量分布在所有的概要文件,在较大的偏差(20 - 50毫米)接近风暴的核心。外围的偏见几乎为零(500 - 600公里)的旋风。这些结果对所有预测都是相同的。

24 h, NTHF高估了实际降雨量由风暴的中心10毫米的半径320公里,在更大的半径偏差可以忽略不计。这是由于使用Ferrier-Aligo参数化方案。小王和菲利普斯39]证明这个方案生成的少层状云和云砧的眼墙由于低发热率在这个区。特别是,它引发了该地区最大降雨从中心到眼墙。此外,使用对流参数化与低水平分辨率(∼27公里)进一步激活该地区对流靠近中心。所有这些因素都反映在雨的造型积累,超过TRMM检测到的值。Ko et al。40)模拟降水引发飓风哈维和获得的高估降雨(HWRF预测的)相比,测量数据的半径120公里。

在48 h, NTHF系统低估了降水从0到130公里,而它高估了所有其他的半径,虽然还不到10毫米。72 h的低估(小于20 mm)发现气旋的中心地带,而行为类似于大距离观察TRMM的中心。

10/24/11。雨通量

沉积水的总量的预测降雨与飓风在指定的地区是很重要的,因为这个体积与洪水的可能性。雨通量之间通常被作为比较指标模型,使用不同的网格区域。它被定义为产品指定的网格点和地区的降雨所代表的网格点(∼27·27公里²在这项研究中)。它可以表示以毫米为单位·公里²,或者在公里³。此外,降雨量成正比,从而使使用水的体积被雨水沉积(雨卷)而不是一个特定的阈值的次数已经超过(7]。

图8(一个)显示TRMM的雨总通量估计和计算NTHF和R-CLIPER预测时间的函数72 h。偏差,确定预测和TRMM测量之间的区别,如图8 (b)。两个数据显示的质量NTHF降雨总量的预测,低估了不超过5公里³(≈4.4毫米)在第一个42 h和高估了10公里的最大价值³(≈8.8毫米)在最后一小时的预测。

4.4.3。平均降雨量Statigraphs

为了进一步描述平均降雨量(如图7),我们计算了偏见、美和RMSE(见(4)- (6为每个网格点),分别)。图9显示了两种模型的偏差与TRMM相比。很明显,比R-CLIPER NTHF总是有一个较小的偏差,低估了平均降雨量,直到42小时的预测。偏差在这个时间间隔小于3毫米。除了42小时,发生高估,最大值小于9毫米。R-CLIPER总是低估了降雨,最大偏差为25毫米。

评估之间的平均分歧的预报和降水测量TRMM、美计算(见(4))。图10显示了NTHF梅的时间演化和R-CLIPER。很明显,NTHF (60 h)的预测时间比R-CLIPER小美,即。,小于20 mm 30 h。预测时间超出60 h,两个系统表现几乎相同。比较数据9和10,可以得出结论,R-CLIPER低估了平均降雨量几乎在每一个网格点,而NTHF低估了它在一些网格点和高估了其他人,从而产生偏见,R-CLIPER比这小得多;然而,梅几乎是平等的两个系统。

天气预报质量的另一个措施是RMSE(见(5))。图S4补充材料显示了一个图的时间依赖性的RMSE系统。下面的时间间隔48 h, NTHF表现得更好。不可告人的预测,这个statigraph表示R-CLIPER的更好的性能。数据10和S4提供类似的结果,表示类似的依赖。

4.4.4。PDF和CDF

PDF提供用于不同降雨的降雨发生的频率阈值。它是观察和计算两个预测系统。图(11日)显示了PDF的头24小时预报。使用这些数据,提供,它提供了一个指定的百分比达到雨阈值,可以计算出来。

特别是,50百分位提供了一个阈值高于50%的雨。它通常假定中度降雨区域出现低于这个百分比。如果指定的观测表明50百分位阈值和系统预测大于50百分位,它表明系统预测雨量减少中度。图11 (b)显示了它的头24小时预报。

如图(11日)观察到的最大频率阈值10到31.6毫米,与NTHF预测一致。R-CLIPER显示的最大频率3.2至10毫米。这反映在50百分位的值决定从图11 (b)(TRMM、12.6毫米;NTHF, 6.3毫米;和R-CLIPER, 3.2毫米)。这些值意味着NTHF高估了小雨,而R-CLIPER高估了这些价值观。

当预测进行48小时间隔(见图S5在补充材料),同样的行为观察,除了R-CLIPER更大的差异。的最大频率TRMM、NTHF R-CLIPER间隔31.6 -100毫米,10 - 31.6毫米,分别为-10和3.2毫米。与此同时,他们的中间值15.8,10,和5毫米。72 h(见图S6在补充材料),TRMM的最大频率,NTHF,和R-CLIPER间隔31.6 -100毫米,10 - 31.6毫米,分别为-10和3.2毫米。同时,中值累积频率分别为20.0,15.8,和5.0毫米,分别与上面所示的趋势一致。

4.4.5。PDF和CDF乐队的雨

频率分布时分段在乐队的中心预测和跟踪观察,雨量分布受到了更多的细节,跟踪误差的影响的分析可以减少降水预报。总降雨量是划分为圆形的半径100公里。那些乐队,最里面的一个(0到100公里,包括眼壁)提出了较重的降水,而外层乐队包括层状区和雨带[7]。在数据S7- - - - - -S9的原辅材料、PDF和CDF的乐队在0和100公里24之间,48和72 h。PDF和CDF乐队300至400公里的代表人物S10- - - - - -S12补充材料的预测时间相同,分别。最里面的乐队,预测和观察小雨(雨量阈值低于10毫米)同意与对方。值超过31.6毫米,与观测NTHF提出更好的协议,它只是高估了沉重的降水和低估了光雨。这个乐队的R-CLIPER表现良好,虽然它低估了大降雨。在300 - 400公里的乐队,NTHF正确描述的雨量分布预测时间和大部分的阈值。R-CLIPER表示显著偏差间隔从1到10毫米,高估了少量和低估了剩余的阈值。

图12总结了阈值,显示的最大频率不同的乐队在24(图12(一个)),48(图12 (b)),72 h(图12 (c))。大雨的NTHF高估了风暴的中心部分(0 - 100公里的范围)。在24小时预报,低估了下雨在100 - 200公里区域和高估了雨外区域的气旋。在48和72 h预报NTHF,雨量阈值外区是高估了,中期半径是低估了。与此同时,R-CLIPER低估了观察到的最大频率阈值。

4.5。极端降雨预测

来评估系统的有效性描述极端的雨中,阈值的观测降水累积频率为95%(95)的运作必须确定。随后,从提供的预测系统,相对应的百分比雨数量等于95%的观测值中提取。如果百分比小于95%,这意味着系统高估了极端降雨。相反,如果大于95%,系统低估了极端降雨的数量。

从0 - 100公里的CDF实验组的乐队,其中包含较大的区域降雨雪,这种NTHF表现类似于观察24小时;然而,48和72 h,它高估了降水对应大积累的一部分。R-CLIPER无法预测大型雨水大量因为阈值对应于95%的观察累积频率与100%的累积频率计算的系统,这意味着它不能预测极端降雨事件。

4.6。评价预测技术

使用上面的资料,相关的能力指数NTHF R-CLIPER计算。使用获得的值,我们评估NTHF作为手术工具的功能的预测降雨引发了TCs的国家的,特别是在加勒比海和墨西哥湾。

4.6.1。模式匹配

NTHF系统可以有效地代表大规模降雨模式(与R-CLIPER相比)。这种能力指数的值在0.4和0.5之间。这些值与相关系数的平均值高(0.6∼),ETS的平均值大约是0.3。这些值是类似于[获得7)三种动力学模型。R-CLIPER的值都在0.2和0.4之间,是由低价值的ETS (0.15∼)。这个可怜的性能可能会在雨中不对称分布的气旋在示例。这些不对称可以预测的数值模型,因为所使用的参数化(包括微观物理学和对流过程)产生了协议模型与现实之间。关于气候模型,雨数量的评估是基于对称分布的降雨,这明显偏离现实。更大的半径,尽管R-CLIPER估计更接近TRMM输出,ETS非常低,导致较低的预测当地的降雨分布的能力。

模式匹配的价值很大程度上取决于跟踪预测误差。在[18),这是证明NTHF可以预测飓风追踪前48小时,类似于错误报告的NHC的官方预测到2016年。因此,ETS NTHF和GFDL相似(见[7])。72 h预报,0.48的值,这是类似于GFDL的评价Marchok et al。7),即。,0.46. The inclusion of vortex relocation in the numerical system will improve this ability.

4.6.2。平均降雨量及其分布

执行的NTHF比预测的R-CLIPER意味着下雨。这是由于其优异的性能在两个指标组成的意思是雨技能指数。MREI价值是0.9∼,大比R-CLIPER (0.7∼)。此外,它提供−本、相关与中央雨量分布值,0.7∼,而R-CLIPER只有0.5。这些结果表明,尽管R-CLIPER代表的平均径向分布有效降雨,它提出了限制在雨径向不均匀分布的系统在不同的方向,这与乐队的发生与强烈的雨和区域几乎没有下雨,特别是在半径400公里以下。这些不对称导致R-CLIPER预测与光非常不切实际的大面积降雨,而动力模型复制不对称。例如,NTHF得到的值(0.8 - -0.9)突出的正确表示降雨对于这个系统,甚至对气旋与环境产生很大不对称是因为交互额乐队,一个复杂的地形,和/或风切变。获得的值与计算值(0.74)相比,在7GFDL]。上述因素也导致了更高的ETS NTHF R-CLIPER相比。

观察区域的降雨的预测质量体积(半径600公里的轨道中心)获得的类似Marchok et al。7使用GFDL模型]72 h。10公里的偏见³在这项研究中已接近9.4公里的价值³获得了在7]。值得注意的是,模型GFS(5.2公里³)和南(0.9公里³),偏差小,这正好与布伦南等人的结果。41]。在这项研究中,TCs从2005年到2007年被调查;发现南提出了一个小的偏差,但表示限制在预测极端的雨。此外,它被发现,GFS和欧洲模式ECMWF(欧洲中期天气预报中心)表现良好。

梅的价值观和偏见的意思是降雨类似Tuleya两et al。42]。平均偏差为8.3毫米,23毫米72 h的美使用GFDL 25 TCs预测得到。R-CLIPER(见图8 (b))低估了总量,达到32公里的最大偏差³在72 h。分歧的原因进行解释。NTHF分布的差异(高估了频率较小的阈值)是一个限制继承了HWRF模型,缺乏与积云参数化有关。另外,很明显,NTHF高估了0 - 100公里的最大频带(在眼壁)与观察。R-CLIPER低估了频率在所有乐队,其中较大的差异被发现在400公里半径由于大不对称。雨半径400公里以上,分布更均匀,差异较小。很明显从图12与半径最大阈值降低,径向剖面展示行为得到Lonfat et al。6]。

重要的是要控制这些结果比较TRMM观测计和雷达数据;这是因为据报道(14,27),降雨卫星估计(特别是TRMM)偏见与测量数据相比。最后的评估涉及这些比较NTHF偏见。

4.6.3。极端降雨总量

通过比较的第95百分位阈值的观察与相对应的百分比值的预测和计算最大价值指数,它可以得出结论,NTHF可以准确预测(本1.0∼)极端降雨24小时预报。48和72 h的预测(见图S8和S9补充材料),极端降雨的值计算的模型提供大约9 - 11%,这是一个大的高估,主要集中在1 - 100公里的乐队。这是由于跟踪预测误差的增加在这项研究中使用的示例(请参见图3),也表示使用的粒子物理学模型的分辨率(7]。这些研究结果类似于在43],它报道过高地估计大约8%的降雨附近的风暴核心。对于这些时间间隔,系统不执行。在未来,最内层的域(9公里)NTHF将评估来实现更好的表示雨生成过程,特别是极端降雨有关。

5。结论

NTHF系统评估中使用QPF与TCs有关。它展示了最佳性能24小时预报。它的性能是相同的质量,其他数字系统在文献中报道。与TRMM相比,系统低估了雨卷到42 h和高估了它在随后的几个小时。在24小时,美和RMSE 16 - 27毫米,分别,这两个随时间增加。QPF的指数是决定雨模式大约0.48和0.80 - -0.90的意思是雨,雨流量分布预测时间,与先前的研究结果相似。关于极端降雨的预测,它只表现良好24 h。在未来的研究中,我们计划执行数据同化精度提高的开始观察。此外,我们计划执行系统中热态启动初始化。此外,我们将包括涡流搬迁雨在模型中获取值,假设模拟领域的同时,真正的领域。 Comparisons with real gauge and radar data will be performed to evaluate the local performance of the system. Finally, we will perform comparisons with other precipitation reanalysis databases, such as NARR, CFSR, and ERA5 for a greater generalisation of the results.

数据可用性

本文中使用的数据进行验证是公开的,是可用的http://www.pmm.nasa.gov/data-access/downloads/trmm.shtml。NTHF模型的输出可以被执行复制初始化的模拟数据。GFS 0.5°的输出分辨率得到https://nomads.ncdc.noaa.gov/data/gfs4/。最后,实际的热带气旋轨迹都是公开的,他们是可用的https://www.nhc.noaa.gov/data/ hurdat。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者承认公共数据集的可用性的热带降雨测量任务,国家飓风中心和全球预报系统。

补充材料

可用以下补充材料:图S1, S2,图S3、S4,图S5,图S6,图S7图S8,图S9,图S10,图S11,和图S12。(补充材料)

引用

1. e . n . Rappaport,“生命损失在美国最近与大西洋热带气旋,”美国气象学会的公告,卷81,不。9日,第2073 - 2065页,2000年。视图:出版商的网站|谷歌学术搜索
2. e . n . Rappaport“死亡在美国大西洋热带气旋:新的数据和解释,“美国气象学会的公告,卷95,不。3、341 - 346年,2014页。视图:出版商的网站|谷歌学术搜索
3. s r·佩雷斯·g·r·维加和m . Limia”洛马斯飓风队intensos y desastrosos古巴de Los上月的dos siglos,”Boletin de Sometcuba7卷,2001。视图:谷歌学术搜索
4. l·j·夏皮罗,“不对称边界层流动下翻译飓风,”大气科学杂志》上,40卷,不。8,1984 - 1998年,1983页。视图:出版商的网站|谷歌学术搜索
5. m·a·本德”的影响相对流不对称结构的内部飓风,”大气科学杂志》上,54卷,不。6,703 - 724年,1997页。视图:出版商的网站|谷歌学术搜索
6. m . Lonfat f . d标志,s . s .陈“热带气旋降水分布利用热带降雨测量任务(TRMM)微波成像仪:全球的角度来看,“每月天气回顾,卷132,不。7,1645 - 1660年,2004页。视图:出版商的网站|谷歌学术搜索
7. t . Marchok r·罗杰斯,r . Tuleya两“热带气旋定量降水预报验证计划:美国登陆我国评估操作模型情况下,“天气和预测,22卷,不。4、726 - 746年,2007页。视图:出版商的网站|谷歌学术搜索
8. j . Zawislak h .江g·r·阿尔维et al。“观察的结构和演化飓风爱德华(2014)在强度变化。第一部分:热力学结构和降水之间的关系。”每月天气回顾,卷144,不。9日,第3354 - 3333页,2016年。视图:出版商的网站|谷歌学术搜索
9. j·l·富兰克林·c·j·McAdie, m·b·劳伦斯“趋势跟踪预测热带气旋威胁美国,1970 - 2001,”美国气象学会的公告,卷84,不。9日,第1204 - 1197页,2003年。视图:出版商的网站|谷歌学术搜索
10. m . DeMaria m . Mainelli) l . k .谢j . a . Knaff和j·卡普兰,“进一步改进统计飓风强度预测方案(船),“天气和预测,20卷,不。4、531 - 543年,2005页。视图:出版商的网站|谷歌学术搜索
11. 和r . m . DeMaria Tuleya两”评价的定量降水预报GFDL飓风模型,”再版研讨会上降水极端:预测、影响和响应,页340 - 343,美国气象协会,波士顿,MA,美国,2001。视图:谷歌学术搜索
12. f . d标志和m . DeMaria”发展热带气旋降水气候学和持久性(R-CLIPER)模型中,“技术。代表,澳大利亚国际农业研究中心,堪培拉,澳大利亚,2003年,技术报告。视图:谷歌学术搜索
13. 美国Bhomia:贾斯瓦尔,c . m . Kishtawal”准确性评估降雨期间,全球气候模型预测的热带气旋登陆北印度洋,”气象应用程序,24卷,不。3、503 - 511年,2017页。视图:出版商的网站|谷歌学术搜索
14. x张e . n . Anagnostou h·范盖拉,“水文评估NWP-adjusted CMORPH hurricane-induced降水估计在南阿巴拉契亚山脉,”水文气象学杂志,17卷,不。4、1087 - 1099年,2016页。视图:出版商的网站|谷歌学术搜索
15. l·m·塞拉·h·a·l·费雷尔,r·巴尔德斯et al .,“Sistema automatico de prediccioon mesoescala de四弦吉他ciclos日报,“技术代表、学院Meteorologıia,哈瓦那,古巴,2015年,Informe de Resultado。视图:谷歌学术搜索
16. b·a·佩雷斯o·o·迪亚兹,Mitrani,Sistema de Pronostico Numerico Oceano-Atmosfera对位拉那时古巴第七,Congreso Cubano de Meteorologıia哈瓦那,古巴,2013。
17. b·A·佩雷斯Mitrani, o·r·迪亚兹c . Wettre和l·h·罗伯特,”一个数值预测系统结合海洋,海浪和大气模型在美洲海域和古巴,”航空杂志上古德Meteorologia25卷,第120 - 109页,2019年。视图:谷歌学术搜索
18. a . p .提问——“Sistema对位el pronostico numerico de la intensidad y trayectoria de ciclones热带在古巴,”来自哈瓦那大学,哈瓦那,古巴,2019年,硕士论文。视图:谷歌学术搜索
19. v . b . Dodla s Desamsetti, A . Yerramilli”比较HWRF, ARW卡特里娜飓风和NMM模型(2005)模拟,”国际环境研究和公共卫生杂志》上,8卷,不。6,2447 - 2469年,2011页。视图:出版商的网站|谷歌学术搜索
20. d . Tran和s .角”评价HWRF建模登陆TCs在佛罗里达,”特别研讨会上的下一个级别在热带气象预测:技术、使用、支持和影响美国,美国气象协会,波士顿,MA, 2013。视图:谷歌学术搜索
21. z Janjic, t .黑色,m·派尔b·费里尔和h . y .壮族,NMM版本3造型系统用户指南、发育实验中心/国家环境预报中心,大学公园,医学博士,美国,2014年。
22. m . k . Biswas l·卡森纽曼k, l . Bernardet大肠Kalina和大肠时“社区HWRF用户指南V3.9a, 2017。视图:谷歌学术搜索
23. m·a·本德和吉尼,”实际情况模拟hurricane-ocean交互使用高分辨率的耦合模型:对飓风强度的影响,“每月天气回顾,卷128,不。4、917 - 946年,2000页。视图:出版商的网站|谷歌学术搜索
24. z Yu和y王”,在登陆我国TCs雨量分布极端天气IntechOpen,页50 - 84年,伦敦,英国,2018年。视图:谷歌学术搜索
25. e . y . Chen艾伯特、k·沃尔什和n .戴维森”评价TRMM 3 b42降水的估计TC降雨使用PACRAIN数据,”地球物理学研究杂志:atm,卷118,不。5,1-13,2013页。视图:出版商的网站|谷歌学术搜索
26. h .江j·b·霍尔沃森和j·辛普森在暴雨的差异从飓风伊西多尔和丽丽。第一部分:卫星观测和雨的潜力。”天气和预测,23卷,不。1,29-43,2008页。视图:出版商的网站|谷歌学术搜索
27. h . z Yu,陈平,c .钱和c曰,“热带cyclone-related验证卫星降水估计在中国大陆,“应用气象学和气候学杂志》上,48卷,不。11日,第2241 - 2227页,2009年。视图:出版商的网站|谷歌学术搜索
28. w·伯格、t . L 'Ecuyer和c . Kummerow”降雨气候机制:区域TRMM降雨环境偏差之间的关系,“应用气象学和气候学杂志》上,45卷,不。3、434 - 454年,2006页。视图:出版商的网站|谷歌学术搜索
29. g·j·霍夫曼,d . t . Bolvin e . j . Nelkin et al .,“TRMM卫星降水分析(TMPA): quasi-global,多年,组合传感器在细尺度降水估计,“水文气象学杂志,8卷,不。1,38-55,2007页。视图:出版商的网站|谷歌学术搜索
30. 问:太阳,c .苗族段,h . Ashouri s Sorooshian和k . l .许”回顾全球降水数据集:数据源,估计,相互比对,“地球物理评论卷,56号1,第107 - 79页,2018。视图:出版商的网站|谷歌学术搜索
31. b·布朗·e·艾伯特,t·福勒,e·吉兰德称p库希拉和l·威尔逊“TC预报,验证方法”世界气象组织技术文件WWRP7卷,2013。视图:谷歌学术搜索
32. n s奥特曼”,介绍内核和近邻非参数回归,”美国统计学家,46卷,不。3、175 - 185年,1992页。视图:出版商的网站|谷歌学术搜索
33. p . j . Englehart和a . v .道格拉斯,”北太平洋东部的热带风暴的作用在墨西哥西部的降雨量气候学”国际气候学杂志,21卷,不。11日,第1370 - 1357页,2001年。视图:出版商的网站|谷歌学术搜索
34. j·拉尔森,y周和r·w·希金斯”登陆我国热带气旋的特点在美国和墨西哥:气候学和年际变化,“杂志的气候,18卷,不。8,1247 - 1262年,2005页。视图:出版商的网站|谷歌学术搜索
35. w·张,g . Villarini g . a . Vecchi h .村上,“从热带气旋降水:高分辨率模拟和季节性预测,“气候动力学,52卷,不。9 - 10,5269 - 5289年,2019页。视图:出版商的网站|谷歌学术搜索
36. m·f·里奥斯Gaona g . Villarini w·张,和g . a . Vecchi”的附加值IMERG描述降雨在热带气旋,”大气研究卷,209年,第102 - 95页,2018年。视图:出版商的网站|谷歌学术搜索
37. 蟒蛇软件分发,计算机软件,2019年,https://anaconda.com/。
38. c . w . Landsea和j·l·富兰克林,“大西洋飓风数据库不确定性和表示一个新的数据库格式,“每月天气回顾,卷141,不。10日,3576 - 3592年,2013页。视图:出版商的网站|谷歌学术搜索
39. 王y v .菲利普斯,“评价和改进的云和降水物理操作WRF模式在NOAA / EMC飓风,”2010年。视图:谷歌学术搜索
40. M.-C。Ko, f . d .标志、g . j . Alaka Jr .)和g s . Gopalakrishnan)”评估飓风哈维(2017)降雨在确定性和概率HWRF预测,“大气,11卷,不。6,666年,页2020。视图:出版商的网站|谷歌学术搜索
41. m·j·布伦南·l·j·克拉克,m·克莱恩”验证定量降水预报指导NWP模型和水文气象预报中心2005 - 2007年热带气旋与美国大陆降雨影响,”诉讼AMS / WAF的会议美国奥兰多,2008年4月。视图:谷歌学术搜索
42. r . e . Tuleya两m . DeMaria, r . j . Kuligowski”评价GFDL和简单统计模型降雨预测美国登陆我国热带风暴,”天气和预测,22卷,不。1,56 - 70,2007页。视图:出版商的网站|谷歌学术搜索
43. m . Ko, f .标志、g . j . Alaka Gopalakrishnan,“降水评估实时盆地规模HWRF 2017年”美国第33飓风和热带气象会议美国气象协会,美国佛罗里达州蓬特韦德拉海滩的2017年4月。视图:谷歌学术搜索

版权

版权©2020何塞·c·Fernandez-Alvarez et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。