style="width:4.10671in;height:0.6732in" /> 本文是学习GB-T 34303-2017 数值天气预报产品检验规范. 而整理的学习笔记,分享出来希望更多人受益,如果存在侵权请及时联系我们
本标准规定了数值天气预报产品的可以定量计算的检验内容和方法。
本标准适用于数值天气预报产品的质量评估。
下列术语和定义适用于本文件。
2.1
数值天气预报产品 numerical weather prediction
product
由观测获得的当前大气状态出发，借助于现代电子计算机，采用数值方法求解控制大气运动的流体
力学方程组从而对未来天气变化做出的预报。其产品表现为格点形式，根据预报结果是否维一分为确
定性预报产品和集合预报产品。
2.2
集合预报产品 ensemble prediction product
针对大气运动的非线性、初值误差和模式误差而提出的一种数值预报方法，通过考虑不同误差的模
式预报样本集合提供推断大气状态的概率密度函数随时间的演变以及所有可能的状态。其产品有集合
平均、概率分布等。
2.3
确定性预报产品 deterministic forecast product
明确给出某一气象事件或要素唯一的预报结果。分为连续变量预报产品和分类预报产品。
2.4
连续变量预报 forecasts of continuous variable
具有空间某相邻点物理量差值为任意小量性质的天气变量，如高度，温度及风等的预报产品。
2.5
分类预报 dichotomous(yes/no)forecast
在一定阈值条件下某一气象事件发生或不发生的预报产品。如明确预报是否有降水、高温、大
风等。
2.6
概率预报 probabilistic forecast
给出某一天气现象或某一天气变量达到设定阈值发生概率的预报产品，值一般在0～1之间。
下列符号适用于本文件。
C; 与模式预报对应的第i 个样本或格点气候平均值
F; 模式第i 个样本或格点的预报值
F 模式预报场的平均值
GB/T 34303—2017
i 预报或观测样本标记，数字为1,2, …,n
n 所有检验格点数或站数
O, 与模式第i 个样本或格点预报对应的实况观测或分析值
〇 与模式预报场对应的实况或分析场的平均值
W; 权重系数，全球模式对分析检验权重取为 cosφ;,φ
为格点所在纬度的值，而对站点检验则为
所有站点数的倒数，即为1/n。
形势场检验250 hPa、850 hPa和500 hPa 的高度、温度和风以及海平面气压。
推荐检验700 hPa 的相对湿度，在我国平原地区可增加检验850 hPa
的相对湿度。
近地面要素检验降水、2 m 温度和10 m 风，推荐检验2 m
的相对湿度和总云量。
集合平均和离散度以及针对集合特性 CRPS
的检验层次和要素与确定性预报相同。
针对概率预报能力要做检验的层次和要素为：海平面气压、500 hPa 高度及850
hPa 温度距平相对 气候标准差的1、1.5和2倍阈值，850hPa 风速阈值为10
m/s、15 m/s、25m/s,850 hPa 和250 hPau 和
v 风分量相对气候值10%、25%、75%和90%分位点。
确定性预报产品的检验间隔为12 h,集合预报产品检验间隔为24 h。
确定性预报产品的检验时次为00 utc和12
utc,起报时间不在这两个时间的模式可相对自己的起
报时间做检验，检验产品要明确标出具体的起报时间。
确定性全球模式为9个分区：南半球、北半球、南极、北极、赤道、北美、亚洲、欧洲和北非与澳大利亚
和新西兰。
确定性区域模式和区域集合预报模式按模式区域大小确定检验区域。
全球集合预报模式检验南北半球和赤道。
全球模式为1.5°×1.5°。
区域模式为模式自己的分辨率。
用模式自己的分析，或经过质量控制的固定的观测站点的观测。实况与预报空间匹配方法在低分
辨时用临近点插值，连续性预报变量或模式分辨率高于0.5°时可选用双线性插值等其他插值方案。
GB/T 34303—2017
全球模式格点气候值为 EC 提供的1989— 2008年的再分析逐日平均资料。
站点资料应为三十年以上的日或月平均资料。
概括性评分公式如下：
式中：
style="width:4.10671in;height:0.6732in" />
……………………
(1)
CME—— 平均误差，表示模式的预报误差倾向。
式中：
style="width:4.16666in;height:0.69226in" />
………… ……………
(2)
CMAE— 平均绝对误差，表示模式的预报误差幅度，与 VM
联用，可判断模式是否存在系统误差。
当两个检验量数值接近时，Vwe如果为正值表示模式预报偏大，当为负值时表示模式预报
偏小。
style="width:4.8133in;height:0.7667in" /> ………………………… (3)
式中：
CRMsE—
均方根误差，表示模式误差的大小，与VMAE联用，可判断模式是否存在大误差，如果数值
相近，表示模式误差分布相对均匀，如果差距较大，表示模式存在较大误差，有一定的不
稳定性。
style="width:6.15991in;height:1.54in" />
………………
(4)
式中：
Cr —
倾向相关系数，表示模式预报场距平与分析(观测)场距平的位相差。多用于区域模式
检验；
Fo—— 模式预报初时时刻第 i 个格点或样本的值；
Mm—— 检验区域内预报相对预报初值距平的平均值；
Mon— 检验区域内分析或观测相对模式零场距平的平均值。
style="width:5.85327in;height:1.5466in" />
式中：
………………
(5)
CAc —
距平相关系数，表示模式预报的气候距平与实际的气候距平之间位相的差别，多用于全
球模式检验；
Mrc— 检验区域内预报相对气候距平的平均值；
GB/T 34303—2017
Moc— 检验区域内分析或观测相对气候距平的平均值。
style="width:7.43337in;height:1.47334in" />
………………
(6)
式 中 ：
Csi—
模式对海平面气压梯度变化的预报能力，其取值为0～200,评分越低越好，只用于海平面
气压的检验。
style="width:5.52665in;height:0.7667in" /> (7)
式 中 ：
CspE——
误差标准差，反映模式预报与观测的离散程度，是以平均值为中心的离散特征系数；
Mro— 检验区域内模式预报相对分析或观测距平的平均值。
style="width:5.13331in;height:0.74668in" /> (8)
式 中 ：
CRMsew——矢量风均方根误差，表示模式风误差的大小；
V 预报的第 i 个格点或样本的风矢量；
V 观测的第 i 个格点或样本的风矢量。
分类检验多用列联表检验方法，即用一个表来表示某一事件预报与实况发生与否的频率，预报有无
及观测有无四个分量称为联合分布，具体见表1。
表 1 降水(高温等)的检验分类表
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
式 中 ：
style="width:2.1734in;height:0.63998in" />
…………………………
(9)
Ds—
预报检验评分，又称临界成功指数，定义预报事件准确预报的比率，只关心预报事件的发
生，对不发生的事件没有充分考虑。对气候概率有很大的依赖性，事件发生概率高的地区
评分高。
style="width:3.21998in;height:0.63998in" /> ………………………… (10)
GB/T 34303—2017
式中：
Dpss(Tss)— Pireir
技巧评分，考虑了降水预报的击中率，并从中减去了无雨空报的比率。
style="width:1.60669in;height:0.62678in" /> (11)
式中：
Dpo——
漏报率，实际发生预报事件的漏报率，也就是实况发生，但预报没有报出来的比率。
style="width:1.66663in;height:0.62018in" /> (12)
式中：
DNH——
空报率，预报事件中出现的空报比率，即预报事件发生，但实际没有发生。
style="width:2.7601in;height:0.61336in" /> (13)
式中：
DEH—
预报准确率，无论事件发生与否，正确预报的比率。预报事件发生的概率高或事件不发生
的概率高，都容易得到高分，但当事件发生与不发生概率相同时，评分较低。
style="width:1.77991in;height:0.62656in" /> (14)
式中：
DBAs——频率偏差，实际事件发生和预报事件发生的比率。值为1最好，大于1表示预报频率高
于实际发生频率，多空报；小于1表示预报频率低于事件实际发生频率，多漏报。
style="width:3.53339in;height:0.6534in" /> (15)
式中：
Ders—— 公平 TS
评分，相当于减去了降水发生随机概率的临近成功指数，对空报惩罚较重，当随
机概率很小时，其评分与临界成功指数相当。
R(a)—— 降水发生的随机概率，定义
式中：
style="width:3.43994in;height:0.66564in" />
style="width:1.85323in;height:0.61996in" />
…………………………
(16)
Dss—— 技巧评分，定义相对气候概率或其他参考预报的预报事件准确率；
P — 为气候概率或其他参考预报的临界成功指数值。
计算公式为：
式中：
style="width:2.92656in;height:0.74668in" />
…………………………
(17)
Dseers—— 概率空间的稳定公平误差评分，是 WMO
推荐的基于观测站点降水气候累积概率分布
的评分方法，在模式降水预报能力评估中考虑了降水气候特征，将降水累积概率分布划
分为三个分类 P1(dry) 、P2(light) 和 P3(heavy), 预 报F 和观测 O
可以构成一个3×3列 联表；由一个预报、观测样本对(F,O)
获得的列联表，其元素 PF.o 的 取 值 只 有 0 和 1 两
种情况。1
-Dseeps为降水的技巧评分，可以从不同视角展示模式降水预报能力状况；
PF.o — 为一个预报、观测样本对(F,O)
获得的列联表，其元素的取值只有0和1两种情况；
GB/T 34303—2017
Sp.o — 为 DseErs 误差矩阵 S(3×3 矩阵)的 一 个元素。 Dseeps 误差矩阵 S
由站点无降水概率 pi
唯 一 确定：
style="width:5.94657in;height:2.24004in" />
DseEps评分依赖于站点的降水概率，不同气候区域的站点
DseEps误差矩阵不同；故 DsEEPs 自 动 适 应
不同气候区域。
DsEEps检验方法将不同气候区域的站点DseEps评分，利用不同的站点权重系数进行融合：
style="width:2.92656in;height:1.19328in" /> (18)
式 中 ：
Pk — 多站点平均时的第 k 站的权重系数，
style="width:2.03998in;height:0.57332in" /> ;
aμ — 站 点k 与 站 点l 之间对地心的张角；
αo —— 一般取为0 . 75(83 km), 是参考角度；
DsEEpsK——第 k 站的概率空间的稳定公平误差评分。
style="width:3.23336in;height:0.84678in" />
………… …………
(19)
式 中 ：
S(t)——
集合离散度，预报场相对于参考场的偏离程度，所用公式与式(3)相近，只是观测换为参
考预报。通常集合成员的离散度应该和集合平均的预报技巧相同，离散度太小，则"真
值"被漏掉的概率大，预报系统的可靠性差，反之则集合预报系统设计不够集约；
d; - 预报场与参考场第 i 个格点或样本之间的差值， d;=f;(t)-fo(t);
t —— 预报时效；
f;(t)—— 扰动预报，i=1,2, … …,n;
fo(t)—— 参考预报，可以是集合平均，也可以是控制预报。
style="width:4.78671in;height:0.57992in" /> (20)
式 中 ：
Ecrps —
连续分级概率评分，评估观测和预报的累计分布函数的差别，值越小越好。可分解为可
靠性和分辨率，其单位与被检验变量的单位相同。
P(x)— 表示集合概率预报的累计分，定义如下：
style="width:2.32664in;height:0.60676in" />, 其 中p(y) 是集合预报系
统的概率密度函数。
P 。(x)—— 示观测真值的累计分布，定义如下：P 。(x)=H(x-xa),H(x)=0, 当
x\<xa;H(x)=
1,当x≥xa。
GB/T 34303—2017
一个概率预报给出事件发生的概率o;,
其值为0～1(或者0～100%)。通常是基于观测数据(事件
发生， o;=1 或者不发生o;=0)
对一组概率预报进行检验。概率预报检验通常事先指定事件发生的阈
值，评估超过特定阈值的预报概率。
style="width:2.86001in;height:0.66in" />
…………………………
(
21)
式中：
Pus—— 均方概率误差 Brier
评分，用来检验集合预报准确性。取值范围0～1,越小越好，0最理
想。对于特定的两分类事件，对于n
个样本，可分解为可靠性、分辨率和不确定性；
P;—— 第 i 样本的被检验事件的集合预报概率；
O;-— 第 i 样本的被检验事件的观测频率，如果观测到检验事件，O,
值为1,否则其值为0。
style="width:1.97343in;height:0.6468in" /> (22)
式中：
Puss —Brier
技巧评分，表示概率预报相对于一个参考系统(通常是事件是否发生的气候概率)
的提高程度，取值范围-o～1, 越大越好，1最理想；
Ppsef—— 气候系统的 Brier 评分，定义：Psef=s(1-s),s
是被检验事件发生的气候概率。
style="width:8.71328in;height:0.7667in" /> ( 23)
式中：
V(pj)— 不同概率分类j
所对应的预报的经济价值。表示对于根据某一预报采取行动的耗损
比来说，其经济价值相对于参考预报的提高程度，而参考预报是从气候概率至完全正
确间的某一值，取值范围-o～1, 越大越好，1最理想；
C/L —— 用户定义的花费损失比；
F(p;)—— 不同概率分类的空报率；
H(p;)- 不同概率分类的命中率。
相对作用特征(ROC) 曲线及ROC
面积，示预报区分事件发生和不发生的能力，把1分为K 个概率
区间(如0～0.1,0.1～0.2等),每个分位数所对应的命中率(Dpop)
相对于空报探测率(DpoFp) 的变化曲 线称为 ROC
曲线，曲线越靠近命中率，则预报越好；曲线下的面积称为 ROC 面积，可作为
ROC 曲线的
技巧评分，ROC
面积取值范围0～1,越大越好，1为理想值。根据表1的相关说明，定义：
style="width:1.73334in;height:0.61996in" />
style="width:1.84678in;height:0.60676in" />
可靠性曲线，示事件的预报概率和观测频率间的吻合程度。在 K
个预报概率等级上，沿着预报概
率变化的方向画出相应观测出现的频率。表示每个等级样本大小的柱状图和事件的气候概率通常也要
包括在可靠性曲线中。对角线表示完美预报，越接近对角线，预报的可靠性越好。
GB/T 34303—2017
更多内容 可以 GB-T 34303-2017 数值天气预报产品检验规范. 进一步学习