1. 中国气象局上海台风研究所,上海 200030;
2. 上海海洋气象台,上海 201300
2015年7月01日收稿;2015年11月05日收修定稿
资助项目:国家自然科学基金项目(41275067、41305049、41475058和41405060) 共同资助
Verification on Forecasts of Tropical Cyclones over Western North Pacific in 2014
1. Shanghai Typhoon Institute of CMA, Shanghai 200030;
2. Shanghai Marine Meteorological Observatory, Shanghai 201300
引言
2014年西北太平洋及南海海域共有23个编号热带气旋(以下简称TC)生成,较常年平均略少。全年共有5个TC登陆我国,较常年平均(7个)偏少,这5个登陆TC中有4个在我国登陆两次及以上,即:1409号超强台风威马逊先后登陆海南文昌、广东徐闻和广西防城港,1410号强台风麦德姆先后登陆台湾台东、福建福清和山东荣成,1415号台风海鸥先后登陆海南文昌和广东徐闻,1416号强热带风暴凤凰先后登陆台湾恒春、宜兰与新北交界处、浙江象山和上海奉贤。
当前的日常台风业务预报中,可供预报员选择的主客观台风路径和强度预报方法多达几十种。但是由于各方法关注的区域和技术水平等方面存在一定的差异,不同的方法对于同一区域或者类型TC的预报能力并不一致(陈国民等,2012;2013;2014)。因此,十分有必要评估各个预报方法的预报能力和预报特性,以供预报和决策服务人员的日常使用,同时也有利于各方法的研发人员改进各自方法的预报能力。
对台风预报性能的评估主要分为定量评估和定性评估两方面。在定量评估方面,占瑞芬等(2010)提出了预报误差区域分布的概念,将不同的预报方法在不同时效中的路径和强度预报误差区域分布情况展现在地图上;汤杰等(2011)提出了不同模式相对于ECMWF-IFS模式的移向与移速比的概念,用来衡量某次预报的误差主要是由移向还是由移速形成的。在定性评估方面,陈国民等(2013)首次将主观路径预报方法与滞后12 h的数值模式路径预报方法的误差分布进行了比较,从中初步客观地评估了数值模式相对于主观预报的路径预报能力;Chen等(2013)则分析了在不同的台风自身特征(包括台风尺度、初始强度等)和环境特征(包括环境风垂直切变和引导流)下,各方法路径预报误差的精度和稳定度。
本文依据《台风业务和服务规定》(第四次修订版)(中国气象局,2012)所列举的评估方法,对我国2014年汛期中业务使用的TC预报(包括路径、登陆点和强度等)精度进行定量评定。
1 最佳路径资料和参评方法
本文所使用的TC最佳路径数据由中国气象局上海台风研究所(STI/CMA)整编(中国台风网,http://tcdata.typhoon.gov.cn/zjljsjj_zlhq.html;Ying et al, 2014),该数据提供西北太平洋(含南海,赤道以北,180°E以西)海域的TC每6 h的位置和强度信息(TC强度包含2 min平均近中心最大风速和中心海平面最低气压)。参加本次精度评定的有6个定位方法,12个主观预报方法和19个客观预报方法的路径预报(含登陆点预报)性能,6个主观预报方法和11个客观预报方法的强度预报(近中心地面最大风速)性能。
2 TC定位精度评定
表 1是以2014年西北太平洋热带气旋最佳路径数据作为参考,计算得到的中央气象台(CMA)、日本气象厅(JMA)、美国联合台风警报中心(JTWC)和韩国气象厅(KMA)四家官方实时台风定位机构及北京、日本卫星实时定位方法的平均误差。结果表明,6种定位方法的总平均定位误差为25.3 km,比2013年(21.7 km)略高。其中,定位误差最小的是“北京卫星”,仅为17.1 km,其次是CMA的19.2 km,其余方法的定位平均误差均在20 km以上。
表 1
Table 1
表 1 2014年西北太平洋TC定位误差
Table 1 TC position errors in 2014
方法 |
CMA |
JMA |
JTWC |
KMA |
北京卫星 |
日本卫星 |
平均 |
定位次数 |
516 |
550 |
499 |
499 |
462 |
493 |
|
误差/km |
19.2 |
31.9 |
26.2 |
29.0 |
17.1 |
28.5 |
25.3 |
|
表 1 2014年西北太平洋TC定位误差
Table 1 TC position errors in 2014 |
3 TC路径预报精度评定
3.1 平均路径预报误差
2014年各主观预报方法各预报时效(统计120 h以内的误差,以24 h为时间间隔)的TC路径预报误差结果列于表 2。通过比较CMA、JMA、JTWC和KMA这四大官方机构的路径预报误差后发现,CMA主观预报在各预报时效中的平均路径预报误差均小于其余三家机构,其24、48、72、96和120 h路径预报误差分别为84.3、145.6、205.4、280.2和415.3 km。2013年,CMA在24、48、72、96和120 h路径预报误差分别为84.2、138.2、211.9、319.5和557.7 km。可以发现,与2013年相比,2014年,CMA主观预报在短时效路径预报能力稳中有升,而较长时效的预报水平有了明显的进步,尤其是5 d的路径预报误差显著减小了约140 km。通过同样本比较(表略)四大官方机构的路径预报误差发现,CMA在24 h路径误差分别比JMA、JTWC和KMA小11.3 km(414个样本)、3.5 km(385个样本)和21.9 km(406个样本);48 h分别比JMA、JTWC和KMA小26.1 km(334个样本)、7.0 km(306个样本)和24.8 km(325个样本);72 h分别比JMA、JTWC和KMA小53.4 km(268个样本)、19.5 km(251个样本)和35.7 km(251个样本)。主观预报中路径预报水平最差的是菲律宾主观方法,其24、48和72 h路径预报误差达到了297.4、421.5和540.6 km。
表 2
Table 2
表 2 2014年主观预报方法平均路径误差(单位:km)
Table 2 Average errors of subjective track forecast in 2014 (unit: km)
方法名称 |
24 h |
48 h |
72 h |
96 h |
120 h |
样本数 |
平均误差 |
样本数 |
平均误差 |
样本数 |
平均误差 |
样本数 |
平均误差 |
样本数 |
平均误差 |
CMA |
418 |
84.3 |
339 |
145.6 |
272 |
205.4 |
203 |
280.2 |
144 |
415.3 |
JMA |
418 |
96.2 |
340 |
170.7 |
269 |
257.0 |
203 |
379.6 |
157 |
502.0 |
JTWC |
394 |
88.5 |
311 |
150.6 |
254 |
220.7 |
201 |
296.1 |
154 |
409.5 |
KMA |
408 |
106.9 |
327 |
169.4 |
251 |
234.1 |
203 |
326.8 |
151 |
451.9 |
广东主观 |
61 |
71.1 |
51 |
124.0 |
/ |
/ |
/ |
/ |
/ |
/ |
上海主观 |
59 |
68.4 |
52 |
132.9 |
/ |
/ |
/ |
/ |
/ |
/ |
福建主观 |
29 |
86.4 |
24 |
150.9 |
18 |
184 |
/ |
/ |
/ |
/ |
广西主观 |
13 |
47.1 |
3 |
213.3 |
/ |
/ |
/ |
/ |
/ |
/ |
海南主观 |
17 |
63.6 |
11 |
96.9 |
6 |
139.0 |
/ |
/ |
/ |
/ |
江苏主观 |
6 |
81.7 |
3 |
252.7 |
/ |
/ |
/ |
/ |
/ |
/ |
菲律宾主观 |
136 |
297.4 |
86 |
421.5 |
71 |
540.6 |
/ |
/ |
/ |
/ |
香港天文台 |
45 |
76.3 |
25 |
108.8 |
10 |
123.7 |
/ |
/ |
/ |
/ |
|
表 2 2014年主观预报方法平均路径误差(单位:km)
Table 2 Average errors of subjective track forecast in 2014 (unit: km) |
6个全球模式(NCEP-GFS、ECMWF-IFS、英国数值、日本数值、T213/T639和韩国GDAPS)2014年24、48、72、96和120 h的总的平均路径误差分别为88.1 km(1596个样本)、159.6 km(1330个样本)、253.9 km(1072个样本)、393.6 km(609个样本)和572.1 km(447个样本)。全球模式中,24、48、72和96 h平均路径预报误差最小的模式是ECMWF-IFS,分别达到65.7、118.6、182.2和257.7 km,而120 h平均路径误差最小的模式是英国数值,达到了375.9 km(表 3)。同样本后比较发现(表略),NCEP-GFS模式24 h路径预报误差比ECMWF-IFS模式小6.5 km,比英国数值小18.1 km,而比其余4个全球模式基本小30 km以上;而48 h路径预报同样本比较显示,NCEP-GFS也均优于其余5个全球模式;英国数值则在72、96和120 h的同样本比较中优于其余5个全球模式。
表 3
Table 3
表 3 2014年客观预报方法平均路径误差(单位:km)
Table 3 Average errors of objective track forecast in 2014 (unit: km)
方法名称 |
24 h |
48 h |
72 h |
96 h |
120 h |
样本数 |
平均误差 |
样本数 |
平均误差 |
样本数 |
平均误差 |
样本数 |
平均误差 |
样本数 |
平均误差 |
全球模式 |
NCEP-GFS |
250 |
67.7 |
218 |
123.9 |
180 |
205.3 |
139 |
280.1 |
101 |
395.5 |
ECMWF-IFS |
153 |
65.7 |
123 |
118.6 |
96 |
182.2 |
67 |
257.7 |
50 |
393.7 |
英国数值 |
203 |
80.0 |
166 |
124.4 |
133 |
200.3 |
103 |
284.1 |
74 |
375.9 |
日本数值 |
416 |
96.5 |
342 |
170.0 |
275 |
265.1 |
/ |
/ |
/ |
/ |
T213/T639 |
411 |
121.8 |
341 |
233.2 |
277 |
380.4 |
213 |
494.4 |
159 |
612.5 |
韩国GDAPS |
163 |
96.7 |
140 |
187.4 |
111 |
289.9 |
87 |
651.9 |
63 |
1083.1 |
区域模式 |
GRAPES-TCM |
212 |
89.4 |
188 |
167.1 |
155 |
258.6 |
/ |
/ |
/ |
/ |
美国GFDN |
108 |
129.9 |
95 |
283.1 |
80 |
489.7 |
60 |
750.4 |
42 |
1039.8 |
广州数值 |
196 |
78.4 |
160 |
137.5 |
127 |
230.1 |
/ |
/ |
/ |
/ |
澳大利亚数值 |
205 |
105.0 |
165 |
185.0 |
128 |
282.3 |
/ |
/ |
/ |
/ |
美国HWRF |
227 |
75.2 |
197 |
143.5 |
168 |
226.8 |
130 |
290.1 |
380.9 |
94 |
韩国TWRF |
108 |
123.0 |
85 |
269.6 |
61 |
429.1 |
42 |
660.5 |
23 |
916.6 |
上海台风模式 |
112 |
64.9 |
92 |
129.5 |
70 |
202.1 |
/ |
/ |
/ |
/ |
辽宁数值 |
22 |
113.6 |
19 |
190.2 |
/ |
/ |
/ |
/ |
/ |
/ |
其他客观方法 |
广西遗传神经 |
106 |
75.9 |
91 |
145.3 |
76 |
237.5 |
/ |
/ |
/ |
/ |
江苏概率 |
36 |
69.6 |
28 |
141.9 |
/ |
/ |
/ |
/ |
/ |
/ |
日本集合 |
339 |
102.2 |
282 |
176.3 |
227 |
282.2 |
173 |
423.4 |
123 |
550.8 |
模式集成 |
395 |
77.0 |
320 |
137.8 |
257 |
202.5 |
/ |
/ |
/ |
/ |
|
表 3 2014年客观预报方法平均路径误差(单位:km)
Table 3 Average errors of objective track forecast in 2014 (unit: km) |
8个区域模式(GRAPES-TCM、美国GFDN、广州数值、澳大利亚数值、美国HWRF、韩国TWRF、上海台风模式和辽宁数值)24、48和72 h总的平均路径误差分别为97.4 km(1190个样本)、188.2 km(1001样本)和302.7 km(789个样本)。同样本比较结果显示(表略),上海台风模式的路径预报性能优于其余区域模式,它的24、48和72 h同样本误差比广州数值小3.2 km(79个样本)、11.6 km(61个样本)和31.3 km(41个样本)。
在统计预报方法中,广西遗传神经、江苏概率和模式集成这三个方法在2014年均有优异的表现,24和48 h平均路径预报误差分别小于80和150 km。江苏概率在24 h路径误差同样本比较中优于其余三个统计预报方法,48 h路径误差同样本比较中性能最佳的则是广西遗传神经。
3.2 路径预报技巧评分
表 4和表 5分别是2014年各主观和客观预报方法相对于气候持续法的24、48和72 h路径预报技巧评分。从表 4中可以看到,除了菲律宾主观在24和48 h的路径预报技巧为负值以外,其余各方法在各预报时效的路径预报技巧评分均为正值。CMA、JMA、JTWC和KMA这四大官方机构中,CMA在24、48和72 h的路径预报技巧评分均为最高,分别达到67.57%、65.85%和66.67%。
表 4
Table 4
表 4 2014年主观方法路径预报技巧评分(单位:%)
Table 4 Skill score for subjective methods of track forecast in 2014 (unit: %)
|
24 h |
48 h |
72 h |
CMA |
67.57 |
65.85 |
66.67 |
JMA |
62.83 |
60.36 |
58.48 |
JTWC |
67.31 |
63.73 |
64.40 |
KMA |
58.90 |
58.81 |
59.56 |
广东主观 |
54.08 |
65.75 |
/ |
上海主观 |
74.96 |
75.42 |
/ |
福建主观 |
57.89 |
65.43 |
73.70 |
广西主观 |
67.21 |
57.20 |
60.92 |
海南主观 |
57.26 |
70.43 |
69.19 |
江苏主观 |
72.26 |
63.27 |
/ |
菲律宾主观 |
-93.79 |
-23.25 |
58.11 |
香港天文台 |
53.74 |
76.98 |
81.03 |
|
表 4 2014年主观方法路径预报技巧评分(单位:%)
Table 4 Skill score for subjective methods of track forecast in 2014 (unit: %) |
表 5
Table 5
表 5 2014年客观方法路径预报技巧评分(单位:%)
Table 5 Skill score for objective methods of track forecast in 2014 (unit: %)
|
|
24 h |
48 h |
72 h |
全球模式 |
NCEP-GFS |
73.08 |
72.56 |
69.19 |
ECMWF-IFS |
77.46 |
75.60 |
71.77 |
英国数值 |
67.03 |
71.40 |
67.40 |
日本数值 |
61.35 |
61.86 |
58.13 |
T213/T639 |
50.14 |
46.36 |
41.23 |
韩国GDAPS |
62.43 |
59.15 |
54.13 |
区域模式 |
GRAPES-TCM |
67.49 |
63.96 |
59.77 |
澳大利亚数值 |
58.54 |
55.43 |
52.84 |
韩国TWRF |
46.68 |
36.68 |
39.64 |
上海台风模式 |
75.58 |
67.47 |
62.15 |
美国GFDN |
41.00 |
26.80 |
27.62 |
广州数值 |
68.25 |
67.78 |
62.74 |
美国HWRF |
63.02 |
64.18 |
65.38 |
辽宁数值 |
44.71 |
53.64 |
/ |
其他客观预报方法 |
日本集合 |
56.11 |
58.11 |
56.27 |
广西遗传神经 |
65.59 |
62.39 |
62.19 |
江苏概率 |
72.90 |
70.39 |
/ |
模式集成 |
71.36 |
67.35 |
67.51 |
|
表 5 2014年客观方法路径预报技巧评分(单位:%)
Table 5 Skill score for objective methods of track forecast in 2014 (unit: %) |
各客观路径预报方法的路径预报技巧均表现为正技巧(表 5)。全球模式中,ECMWF-IFS在24、48和72 h的路径预报技巧评分均为最高,分别达到77.46%、75.60%和71.77%;区域模式中,24、48和72 h的路径预报技巧评分最高的方法分别是上海台风模式、广州数值和美国HWRF,分别达到75.58%、67.78%和65.38%;而其他客观预报方法中表现最好的是江苏概率。
4 TC强度预报精度评定
4.1 强度预报误差评定
表 6和表 7分别列出了2014年主观和客观预报方法强度(近台风中心地面最大风速,下同)预报的平均绝对误差、预报趋势一致率和均方根误差的情况。四家官方主观预报方法24、48和72 h强度预报的绝对平均误差范围区间分别为4.18~5.48、6.82~8.28和7.41~10.05 m·s-1。其中,JTWC在24和48 h强度预报绝对平均误差最小,分别为4.18和6.82 m·s-1,72 h强度预报绝对平均误差最小的是中央台,为7.41 m·s-1。遗憾的是,2014年各主观方法的强度预报能力与前几年相比,仍没有较大的改观。由于CMA、JMA和JTWC各自在表示台风强度时所选取的平均风速有所差异,因此在进行精度评定之前,已经根据WMO相关业务文档(Harper et al, 2010)将上述机构报文中的风速换算成与CMA一致的平均风速。需要指出的是,在WMO关于风速转换的文档中,按照台风处于内陆、近岸、近海、远海,给出不同的换算系数进行计算,同时也提供了一个通用转换系数。本文采用该WMO文档中的通用转换系数进行转换。
表 6
Table 6
表 6 2014年主观预报方法强度预报误差
Table 6 Intensity forecast errors of subjective methods in 2014
方法名称 |
24 h |
48 h |
72 h |
平均误差 /m·s-1 |
趋势一致率 /% |
均方根误差 /m·s-1 |
样本数 |
平均误差 /m·s-1 |
趋势一致率 /% |
均方根误差 /m·s-1 |
样本数 |
平均误差 /m·s-1 |
趋势一致率 /% |
均方根误差 /m·s-1 |
样本数 |
CMA |
5.13 |
74.16 |
6.63 |
418 |
7.52 |
82.60 |
9.34 |
339 |
7.41 |
87.13 |
9.36 |
272 |
JMA |
5.48 |
69.11 |
7.30 |
395 |
8.28 |
77.12 |
10.79 |
319 |
10.05 |
78.17 |
12.69 |
252 |
JTWC |
4.18 |
77.61 |
5.43 |
393 |
6.82 |
84.24 |
8.54 |
311 |
7.68 |
85.04 |
9.68 |
254 |
KMA |
5.32 |
75.39 |
7.23 |
382 |
8.18 |
77.60 |
10.62 |
308 |
9.54 |
80.74 |
11.73 |
244 |
广东主观 |
4.95 |
65.57 |
6.41 |
61 |
7.20 |
78.43 |
8.42 |
51 |
/ |
/ |
/ |
/ |
香港天文台 |
6.00 |
68.89 |
8.40 |
45 |
6.92 |
68.00 |
9.93 |
25 |
5.70 |
60.00 |
7.53 |
10 |
|
表 6 2014年主观预报方法强度预报误差
Table 6 Intensity forecast errors of subjective methods in 2014 |
表 7
Table 7
表 7 2014年客观预报方法强度预报误差
Table 7 Intensity forecast errors of objective methods in 2014
方法名称 |
24 h |
48 h |
72 h |
平均误差 /m·s-1 |
趋势一致率 /% |
均方根误差 /m·s-1 |
样本数 |
平均误差 /m·s-1 |
趋势一致率 /% |
均方根误差 /m·s-1 |
样本数 |
平均误差 /m·s-1 |
趋势一致率 /% |
均方根误差 /m·s-1 |
样本数 |
全球模式 |
NCEP-GFS |
5.93 |
70.00 |
8.01 |
250 |
7.84 |
76.15 |
10.23 |
218 |
8.29 |
82.78 |
10.71 |
180 |
ECMWF-IFS |
5.94 |
59.48 |
7.69 |
153 |
9.90 |
61.79 |
12.31 |
123 |
12.07 |
67.71 |
14.67 |
96 |
英国数值 |
7.69 |
39.93 |
10.15 |
203 |
12.28 |
46.39 |
15.40 |
166 |
13.93 |
50.38 |
17.42 |
133 |
日本数值 |
6.81 |
58.89 |
9.02 |
416 |
11.20 |
66.67 |
14.37 |
342 |
14.23 |
65.45 |
17.55 |
275 |
韩国GDAPS |
8.01 |
41.10 |
10.69 |
163 |
12.41 |
52.86 |
15.67 |
140 |
15.85 |
56.76 |
19.63 |
111 |
区域模式 |
GRAPES-TCM |
6.22 |
63.68 |
7.81 |
212 |
8.71 |
70.21 |
11.56 |
188 |
9.45 |
74.19 |
12.50 |
155 |
澳大利亚数值 |
5.98 |
65.85 |
8.54 |
205 |
9.24 |
72.12 |
12.21 |
165 |
11.45 |
74.22 |
14.53 |
128 |
美国GFDN |
5.02 |
73.15 |
6.91 |
108 |
6.53 |
71.58 |
8.79 |
95 |
7.07 |
82.50 |
8.76 |
80 |
其他客观方法 |
广西遗传神经 |
4.81 |
76.42 |
6.65 |
106 |
6.54 |
85.71 |
8.41 |
91 |
6.68 |
88.16 |
8.51 |
76 |
偏最小二乘 |
5.70 |
74.27 |
7.81 |
377 |
8.17 |
82.35 |
10.74 |
323 |
8.39 |
85.66 |
10.59 |
265 |
西北太平洋热带气旋强度统计 |
5.85 |
79.49 |
7.82 |
156 |
7.83 |
87.90 |
10.35 |
124 |
11.15 |
81.52 |
13.70 |
92 |
|
表 7 2014年客观预报方法强度预报误差
Table 7 Intensity forecast errors of objective methods in 2014 |
客观预报方法强度预报检验结果显示(表 7),统计预报方法的强度预报整体水平仍略优于数值模式强度预报水平。24和72 h强度预报绝对平均误差最小的均为广西遗传神经,分别达到4.81和6.68 m·s-1,而48 h误差最小的是美国的GFDN模式,达到了6.53 m·s-1。通过同样本比较发现,统计预报方法在台风强度客观预报方法中优势更加明显,如广西遗传神经方法24、48和72 h强度误差同样本比模式(全球和区域)小约1.5、2.1和2.9 m·s-1以上。
4.2 强度预报技巧评分
2014年,全球模式中除NCEP-GFS在24和48 h强度预报达到1.64%和2.37%的正技巧以外,其余全球模式在个预报时效中的强度预报技巧水平均为负值(表 8);而各区域模式在各个预报时效中的技巧均为负;统计方法中,广西遗传神经在24和48 h的强度预报技巧均为正,西北太平洋热带气旋强度统计方法在48 h的强度预报技巧也为正。
表 8
Table 8
表 8 2014年客观预报方法强度预报技巧(单位:%)
Table 8 Skill score for objective methods on intensity forecast in 2014 (unit: %)
|
|
24 h |
48 h |
72 h |
全球模式 |
NCEP-GFS |
1.64 |
2.37 |
-4.82 |
ECMWF-IFS |
-10.00 |
-33.65 |
-53.22 |
英国数值 |
-35.52 |
-55.85 |
-69.06 |
日本数值 |
-16.79 |
-38.26 |
-68.94 |
韩国GDAPS |
-43.97 |
-65.87 |
-97.28 |
区域模式 |
澳大利亚数值 |
-4.78 |
-19.52 |
-39.74 |
美国GFDN |
-1.86 |
-16.6 |
-6.9 |
GRAPES-TCM |
-9.41 |
-29.93 |
-64.21 |
广州数值 |
-3.67 |
-12.46 |
-41.73 |
美国HWRF |
-4.26 |
-8.45 |
-30.79 |
上海台风模式 |
-127.78 |
-108.79 |
-139.27 |
其他客观方法 |
日本集合 |
-16.46 |
-27.58 |
-58.72 |
广西遗传神经 |
14.57 |
1.16 |
-4.5 |
西北太平洋热带气旋强度统计 |
-6.35 |
6.63 |
-17.8 |
偏最小二乘 |
-2.7 |
-6.16 |
-5.87 |
|
表 8 2014年客观预报方法强度预报技巧(单位:%)
Table 8 Skill score for objective methods on intensity forecast in 2014 (unit: %) |
5 TC登陆点预报
表 9a和9b分别列出了2014年各主观和客观预报方法24 h登陆点预报误差。表中“A”表示该方法未能提前24 h预报登陆,“B”表示TC登陆前24 h内无预报结果,括号中的数值为起报时间相对于TC登陆时间的提前时间。主观预报方法中(表 9a),CMA、JMA、JTWC和KMA 24 h平均登陆点预报误差分别为73.5、96.5、64.4和110.6 km,而48和72 h平均登陆点预报误差(表略)则分别大于125和180 km。四家官方机构对于1409超强台风威马逊在广西防城港、1410强台风麦德姆在山东荣成的登陆点预报误差较大,而对于1410强台风麦德姆在福建福清、1415台风海鸥先后在海南文昌和广东徐闻的登陆点预报效果较好。客观预报方法(表 9b)同样对于1409超强台风威马逊在广西防城港和1410强台风麦德姆在山东荣成的登陆点预报偏差较大,其中对于1410强台风麦德姆24 h在山东荣成的登陆点预报误差除NCEP-GFS以外,其余模式的误差普遍在300 km以上。
表 9a
Table 9a
表 9a 2014年主观预报方法24 h登陆点预报误差统计(单位:km)
Table 9a 24 h forecast errors of landing point of subjective forecast in 2014 (unit: km)
台风编号 |
1407 |
1409 |
1409 |
1409 |
1410 |
1410 |
1410 |
1415 |
1415 |
1416 |
1416 |
1416 |
1416 |
登陆位置 |
广东汕头 |
广西防城港 |
广东徐闻 |
海南文昌 |
福建福清 |
山东荣成 |
台湾台东 |
广东徐闻 |
海南文昌 |
上海奉贤 |
浙江象山 |
台湾宜兰与新北交界 |
台湾恒春 |
CMA |
45.7 |
233.2 |
74.8 |
56.9 |
5.8 |
103.7 |
136.6 |
37.9 |
45.3 |
105.3 |
160.5 |
66.3 |
93.4 |
(21) |
(23) |
(22) |
(19) |
(21) |
(21) |
(21) |
(23) |
(21) |
(22) |
(19) |
(21) |
(20) |
广东主观 |
A |
228.7 |
74.7 |
19.6 |
13.2 |
B |
11.2 |
46.6 |
55.7 |
B |
B |
80.8 |
108.4 |
(**) |
(11) |
(4) |
(19) |
(21) |
(**) |
(15) |
(17) |
(15) |
(**) |
(**) |
(15) |
(14) |
上海主观 |
41.0 |
B |
B |
B |
28.8 |
340.1 |
4.9 |
B |
B |
44.0 |
107.0 |
76.5 |
103.6 |
(21) |
(**) |
(**) |
(**) |
(21) |
(21) |
(15) |
(**) |
(**) |
(16) |
(13) |
(15) |
(14) |
福建主观 |
128.7 |
B |
B |
B |
54.1 |
335.2 |
10.3 |
B |
B |
47.9 |
B |
40.7 |
68.3 |
(21) |
(**) |
(**) |
(**) |
(21) |
(21) |
(15) |
(**) |
(**) |
(16) |
(**) |
(21) |
(20) |
广西主观 |
45.7 |
9.3 |
160.6 |
31.0 |
17.5 |
B |
B |
29.4 |
71.9 |
B |
B |
B |
B |
(21) |
(23) |
(16) |
(19) |
(9) |
(**) |
(**) |
(17) |
(15) |
(**) |
(**) |
(**) |
(**) |
海南主观 |
41.0 |
229.6 |
75.6 |
17.0 |
B |
B |
B |
11.8 |
7.6 |
B |
B |
B |
B |
(21) |
(23) |
(16) |
(19) |
(**) |
(**) |
(**) |
(17) |
(15) |
(**) |
(**) |
(**) |
(**) |
江苏主观 |
B |
B |
B |
B |
B |
341.2 |
B |
B |
B |
110.0 |
110.1 |
B |
B |
(**) |
(**) |
(**) |
(**) |
(**) |
(21) |
(**) |
(**) |
(**) |
(16) |
(13) |
(**) |
(**) |
JMA |
96.3 |
230.8 |
76.8 |
38.1 |
46.5 |
342.4 |
16.5 |
42.9 |
0.0 |
A |
110.4 |
65.2 |
92.3 |
(21) |
(23) |
(22) |
(19) |
(21) |
(21) |
(21) |
(23) |
(21) |
(**) |
(19) |
(21) |
(20) |
JTWC |
16.9 |
228.6 |
82.2 |
19.2 |
38.0 |
B |
12.0 |
18.4 |
36.3 |
A |
106.2 |
61.6 |
88.7 |
(21) |
(23) |
(22) |
(19) |
(21) |
(**) |
(21) |
(23) |
(21) |
(**) |
(19) |
(21) |
(20) |
KMA |
132.4 |
227.1 |
50.4 |
51.2 |
91.5 |
333.5 |
74.8 |
18.7 |
38.2 |
106.4 |
167.9 |
59.1 |
86.2 |
(21) |
(23) |
(22) |
(19) |
(21) |
(21) |
(21) |
(23) |
(21) |
(22) |
(19) |
(21) |
(20) |
菲律宾主观 |
B |
B |
B |
B |
B |
B |
24.7 |
B |
B |
B |
B |
7.3 |
31.8 |
(**) |
(**) |
(**) |
(**) |
(**) |
(**) |
(21) |
(**) |
(**) |
(**) |
(**) |
(21) |
(20) |
香港天文台 |
63.6 |
231.9 |
80.6 |
35.7 |
7.3 |
B |
B |
36.6 |
43.6 |
B |
B |
40.8 |
68.4 |
(21) |
(23) |
(22) |
(19) |
(9) |
(**) |
(**) |
(23) |
(21) |
(**) |
(**) |
(21) |
(20) |
注:A:未能提前24 h预报登陆;B:TC登陆前24 h内无预报结果;括号中的数值为起报时间相对于TC登陆时间的提前时间(h),**表示没有资料,下同。 |
|
表 9a 2014年主观预报方法24 h登陆点预报误差统计(单位:km)
Table 9a 24 h forecast errors of landing point of subjective forecast in 2014 (unit: km) |
表 9b
Table 9b
表 9b 2014年数值模式24 h登陆点预报误差统计(单位:km)
Table 9b 24 h forecast errors of landing point of objective forecast in 2014 (unit: km)
台风编号 |
1407 |
1409 |
1409 |
1409 |
1410 |
1410 |
1410 |
1415 |
1415 |
1416 |
1416 |
1416 |
1416 |
登陆位置 |
广东汕头 |
广西防城港 |
广东徐闻 |
海南文昌 |
福建福清 |
山东荣成 |
台湾台东 |
广东徐闻 |
海南文昌 |
上海奉贤 |
浙江象山 |
台湾宜兰与新北交界 |
台湾恒春 |
NCEP-GFS |
55.1 |
226.1 |
33.0 |
28.8 |
29.1 |
22.0 |
33.7 |
29.7 |
36.9 |
49.1 |
109.3 |
11.8 |
46.2 |
(21) |
(23) |
(22) |
(19) |
(21) |
(3) |
(21) |
(23) |
(21) |
(22) |
(19) |
(21) |
(20) |
ECMWF-IFS |
42.9 |
223.4 |
70.4 |
26.3 |
34.7 |
341.4 |
37.7 |
42.9 |
0.0 |
B |
B |
B |
B |
(21) |
(23) |
(16) |
(19) |
(21) |
(21) |
(15) |
(17) |
(15) |
(**) |
(**) |
(**) |
(**) |
英国数值 |
94.7 |
234.0 |
81.1 |
84.0 |
62.4 |
346.1 |
17.7 |
117.9 |
88.3 |
38.1 |
165.0 |
3.8 |
34.1 |
(21) |
(23) |
(16) |
(19) |
(21) |
(21) |
(15) |
(17) |
(15) |
(16) |
(13) |
(15) |
(14) |
日本数值 |
22.4 |
231.0 |
76.6 |
84.1 |
10.1 |
334.4 |
8.8 |
16.8 |
38.8 |
A |
109.4 |
15.9 |
49.6 |
(21) |
(23) |
(22) |
(19) |
(21) |
(21) |
(21) |
(23) |
(21) |
(**) |
(19) |
(21) |
(20) |
GRAPES-TCM |
B |
189.0 |
76.1 |
233.7 |
42.5 |
394.9 |
6.2 |
35.5 |
42.2 |
B |
0.0 |
B |
B |
(**) |
(23) |
(22) |
(19) |
(21) |
(21) |
(21) |
(23) |
(21) |
(**) |
(1) |
(**) |
(**) |
澳大利亚数值 |
65.4 |
124.5 |
53.8 |
152.9 |
24.7 |
414.7 |
67.6 |
101.9 |
59.8 |
48.2 |
111.8 |
3.8 |
39.7 |
(21) |
(23) |
(16) |
(19) |
(21) |
(21) |
(15) |
(17) |
(15) |
(16) |
(13) |
(15) |
(14) |
韩国GDAPS |
817.7 |
100.3 |
84.4 |
166.0 |
19.8 |
343.7 |
24.9 |
102.2 |
60.1 |
41.9 |
B |
25.4 |
20.4 |
(9) |
(23) |
(16) |
(19) |
(21) |
(21) |
(15) |
(17) |
(15) |
(16) |
(**) |
(15) |
(14) |
美国GFDN |
B |
B |
B |
B |
B |
B |
B |
106.0 |
64.5 |
151.9 |
216.8 |
51.5 |
78.8 |
(**) |
(**) |
(**) |
(**) |
(**) |
(**) |
(**) |
(23) |
(21) |
(22) |
(19) |
(21) |
(20) |
广州数值 |
58.6 |
124.6 |
50.1 |
79.4 |
26.3 |
333.4 |
3.8 |
A |
A |
84.3 |
152.9 |
9.8 |
44.7 |
(21) |
(23) |
(16) |
(19) |
(21) |
(21) |
(15) |
(**) |
(**) |
(16) |
(13) |
(15) |
(14) |
美国HWRF |
0.0 |
232.8 |
66.8 |
80.3 |
21.1 |
B |
30.5 |
43.9 |
5.8 |
13.4 |
109.8 |
8.2 |
31.3 |
(21) |
(23) |
(22) |
(19) |
(21) |
(**) |
(21) |
(17) |
(15) |
(22) |
(19) |
(21) |
(20) |
辽宁数值 |
B |
B |
B |
B |
88.3 |
337.7 |
46.6 |
B |
B |
B |
B |
B |
B |
(**) |
(**) |
(**) |
(**) |
(21) |
(9) |
(15) |
(**) |
(**) |
(**) |
(**) |
(**) |
(**) |
上海台风模式 |
B |
B |
B |
B |
B |
B |
B |
29.2 |
56.1 |
85.6 |
113.0 |
76.4 |
110.1 |
(**) |
(**) |
(**) |
(**) |
(**) |
(**) |
(**) |
(17) |
(15) |
(16) |
(13) |
(15) |
(14) |
T213/T639 |
75.3 |
106.6 |
51.3 |
95.3 |
21.0 |
341.3 |
66.9 |
44.1 |
7.0 |
93.6 |
167.2 |
251.6 |
287.9 |
(21) |
(23) |
(22) |
(19) |
(21) |
(21) |
(21) |
(23) |
(21) |
(22) |
(19) |
(21) |
(20) |
韩国TWRF |
64.1 |
190.0 |
76.6 |
167.2 |
0.0 |
369.3 |
57.3 |
25.0 |
37.1 |
51.6 |
115.7 |
61.1 |
88.3 |
(9) |
(23) |
(16) |
(19) |
(21) |
(21) |
(15) |
(17) |
(15) |
(16) |
(13) |
(15) |
(14) |
|
表 9b 2014年数值模式24 h登陆点预报误差统计(单位:km)
Table 9b 24 h forecast errors of landing point of objective forecast in 2014 (unit: km) |
6 结论
本文对2014年西北太平洋海域TC定位、路径、登陆点和强度预报精度进行了评定,得到的结论如下:
(1) 6种定位方法(四个官方主观定位方法:CMA、JMA、JTWC和KMA,两个卫星定位方法:北京卫星和日本卫星)的总平均定位误差为25.3 km,比2013年(21.7 km)略高。
(2) CMA主观预报在各预报时效中的平均路径预报误差均小于JMA、JTWC和KMA的主观预报,其24、48、72、96和120 h路径预报误差分别为84.3、145.6、205.4、280.2和415.3 km。与2013年相比,2014年,CMA主观预报在短期路径预报能力稳中有升,而长期预报水平有了明显的进步,尤其是5 d的路径预报误差显著减小了约140 km。全球模式24、48、72、96和120 h的总平均路径误差分别为88.1、159.6、253.9、393.6和572.1 km。主观预报中路径预报水平最差的是菲律宾主观方法,其24、48和72 h路径预报误差达到了297.4、421.5和540.6 km。区域模式24、48和72 h的总平均路径误差分别为97.4、188.2和302.7 km。国内各主观路径预报方法24、48和72 h路径预报技巧评分基本在55%以上,而各客观路径预报方法也均表现出了正技巧水平。
(3) CMA、JMA、JTWC和KMA主观预报的24h、48h和72h强度预报的绝对平均误差范围分别在4.18~5.48、6.82~8.28和7.41~10.05 m·s-1。全球模式中除NCEP-GFS在24和48 h强度预报达到正技巧以外,其余全球模式在个预报时效中的强度预报技巧水平均为负值;而各区域模式在各个预报时效中的技巧均为负;统计方法的强度预报表现仍略优于模式,广西遗传神经在24和48 h的强度预报为正技巧,西北太平洋热带气旋强度统计方法在48 h的强度预报技巧也为正。
(4) CMA、JMA、JTWC和KMA主观预报对于1409超强台风威马逊在广西防城港、1410强台风麦德姆在山东荣成的登陆点预报误差较大,而对于1410强台风麦德姆在福建福清、1415台风海鸥先后在海南文昌和广东徐闻的登陆点预报效果较好。