MODE检验在天气预报中的应用研究进展
MODE检验在天气预报中的应用研究进展
Meteorologist2019
【气象学家】公众号平台为您解读最新气象科研进展、分享气象实用编程技巧、追踪气象即时资讯。欢迎加入气象AI和Python交流群以及气象博士群！与10W+的专业人士一起交流互动！
以下文章来源于地球科学进展 ，作者潘留杰，张宏芳等
发布刊物相关信息，为同一领域的科学家提供便捷的交流平台。
第一时间获取气象科研资讯
『
气象学家
』
公众号
交流群
加入
『 气象学家 』 公众号 交流群
（1.陕西省气象台，陕西 西安 710014；2.秦岭和黄土高原生态气象环境重点实验室，陕西 西安 710014；3.陕西省气象服务中心，陕西 西安 710014）
高分辨率数值模式在天气预报中面临巨大挑战，尤其是在中小尺度变量的预报上。随着计算资源的增加和模式的发展，虽然它们提供了更多细节，但也可能导致预报误差。传统检验方法，如基于二分法列联表的评分指数，无法准确反映高分辨率模式的改善，并可能忽视空间结构信息。因此，气象工作者发展了新的空间检验方法，如属性判别法、形变场法、邻域法和尺度分离法，以全面评估预报性能。其中， MODE 检验在降水预报中广受欢迎，它通过比较对象的多属性特征来综合刻画预报表现。 然而，人们对MODE检验的认知主要局限于降水 。 陕西省气象局潘留杰老师等 一方面总结了 MODE 检验方法的技术架构、更新发展和针对高分辨率 NWP 不同预报要素诊断分析的典型应用；另一方面讨论了 MODE 检验中存在的不足和需要重点关注的问题，同时对未来的发展方向进行了展望，以期为更好地应用 MODE 诊断 NWP 的预报性能提供参考。
结论
图 1 不同的预报和观测降水场情景示例（据DAVIS等修改）
（ a ）、（ b ）和（ c ）分别表示预报和观测降水面积和形态一致，但是降水空间位置和走向出现偏差；（ d ）、（ e ）和（ f ）分别表示预报和观测降水面积不一致，同时空间位置、走向出现偏差；“ F ”表示预报，“ O ”表示观测
图 2 MODE 检验降水数据处理示意图
（ a ）原始降水场；（ b ）降水场卷积；（ c ）给定阈值降水场提取的目标对象；（ d ）提取降水对象内部的降水空间分布； A~E 表示提取的降水对象或目标
图3 MODE定义的特征对象不同属性的收益函数表（引自DAVIS等，2006）
图 4 MODE 检验个例（引自潘留杰等）
（ a ） 24 小时的实况观测降水；（ b ） ECMWF 模式预报；（ c ） CMA-Meso 模式预报；（ d ）、（ e ）、（ f ）分别为 CMPA 、 ECMWF 、 CMA-Meso 的暴雨目标对象，（ e ）和（ f ）中的数字为预报和观测中降水对象（ d ）的匹配情况，蓝色填充对象表示预报和观测场中的降水对象未匹配
图 5 MODE 检验对不同环流形势下不同数值模式降水预报产品的检验（引自潘留杰等，2022）
DWQB 、 XFC 、 FG_XFC 和 XNW 代表 4 种环流分型， SCMOC 、 ECMWF 和 CMA-Meso 代表 3 种降水预报产品；（ a ）识别降水对象数量的对比；（ b ）降水对象强度的对比；（ c ）降水对象面积的对比
图 6 MODE 检验方法美国卫星云图典型应用个例（引自GRIFFIN等，2017）
（ a ） GOES-13 卫星观测；（ b ） HRRRx 模拟红外亮温；（ c ） GOES-13 观测场对象识别结果；（ d ）模拟场对象识别结果；（ c ）和（ d ）中不同的颜色代表不同的目标对象
图 7 EPS 转换为概率预报目标对象的示意图（引自FLORA等，2019）
色标中分子表示 EPS 成员预报的个数，分母表示 EPS 集合成员总数；（ a ） EPS 成员预报的中尺度气旋对象个数；（ b ）基于（ a ）计算的中尺度气旋概率；（ c ）基于（ b ）提取的中尺度气旋概率预报对象；（ a ）中不同的颜色代表 EPS 成员预报个数，与色标中的分子对应；（ b ）和（ c ）中填色代表概率，与色标中分数的比值对应
图 8 时域时间三维追踪检验概念示意图（引自SKOK等，2009）
（ a ） 时间生命周期 15 小时的降水对象演变；（ b ）卷积对象椭球体
MODE 检验方法未来的发展和应用主要有：一是 MODE 与其他检验方法的结合，这种结合既包括与传统二分法列联表检验的结合，也包括与邻域法和强度 — 尺度等类似空间检验方法的结合，进而得到更加全面综合的预报信息。二是多要素和多阈值天气系统对象的识别检验。目前尽管开展了大量 MODE 检验应用研究工作，但总体上基于一个要素的目标对象识别，加入不同要素发展四维或者更多维空间的天气系统识别算法，并进行属性判别，以此诊断 NWP 的预报效果，意义重大。三是在 MODE 方法中引入人工智能，这不仅可以使识别的目标对象能够与人的主观判定更加一致，而且可以基于不同模式的预报结果或者 EPS 的不同成员预报，开展目标对象智能集成，产生更好的后处理订正结果，这可能是未来最主要的发展应用方向。
该文被中国气象局科技与气候变化司评为2023年度优秀气象科技前沿动态研究报告。
《地球科学进展》是由中国科学院西北生态环境资源研 究院和国家自然科学基金委员会地球科学部联合主办的综合 性、学术性刊物，主编傅伯杰院士。 期刊多年被国家科技部评为中国精品科技期刊，2023年入选中国地学领域高质量科技分级目录T1区，被《中文核心期刊要目总览》《中国科学引文数据库核心版》（CSCD）、Scopus、EBSCO、美国化学文摘（CA）等国内外重要数据库收录。 发文领域涉及： 地质科学、大气科学、海洋科学、地理科学、环境科学、地球化学、地球物理学和空间科学等。
声明： 欢迎转载、转发。气象学家公众号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及内容、版权和其他问题，请联系小编 (微信：qxxjgzh) 处理。