研究和评论:生态学和环雷竞技苹果下载境科学》杂志上
菜单ISSN: 2347 - 7830
ISSN: 2347 - 7830
+ 44-7723-59-83581国家天气预报和气候研究中心,尼日利亚阿布贾
收到日期:03/07/2019;接受日期:16/07/2019;发表日期:19/07/2019
访问更多的相关文章研究和评论:生态学和环雷竞技苹果下载境科学》杂志上
准确的降水预报数值天气预报的模型可能是一个有用的工具的发行等极端天气事件的预警洪水。分析降雨在尼日利亚是受到很多因素的挑战,从缺乏良好的雷达覆盖和稀疏的人口雨量计站在记录不一致的降雨量可用。本文评估COSMO的降水预报模型,模拟和在尼日利亚气象局使用。评价方面做了分类和定量降水预报四个暴雨事件,造成了严重的洪水在一些城市在尼日利亚在2018年8月和9月的月。COSMO的降水预测模型与观测降水站和网格使用眼球验证观察点,分类统计,和泰勒图。分类统计数据显示,在所有的四个案例研究,模型准确性和记录关键成功指数(CSI)值的50%以上。然而,进一步分析显示位置错误和低估的暴雨事件在一些地区是预测不确定性的主要来源的评估。
数值天气预报、都市性模型、极端事件,降水预报,泰勒图
对流降水预报是当前的一个核心问题气象学(1]。数值天气预报(NWP)模型已被用于在七年降水预报和其他大气变量。虽然使用这些模型带来了相当大的改善降水预报,这些模型的性能的评估一个特定的地方是确定他们的可靠性和关键能力合理预测大气变量等领域。验证的气象和海洋预测对监测精度至关重要,理解错误,使改进预报系统(2]。Kostopoulou et al。3)指出,验证模型与观测数据估计,因此被认为是重要的评估在区域尺度建模数据的可靠性。
许多研究已经评估数值天气预报降水预测评估指标的观察。例如,Damrath et al。4)评估的定量降水预报德国气象局(DWD)使用长期验证统计数据对240个测量站7年在德国和瑞士,包括频率偏差指数(FBI)和真正的技能(TSS)的统计数据,并提出了应用洪水事件的例子。他们还发现,错的对流降水参数化可能导致贫困输入水文模型在夏天洪水的情况下。在非洲,典型相关分析(5)是使用实时预测降雨在7 - 9月1997和1 1998,分别萨赫勒地区和南部非洲1个月领导时期。交叉验证被用来估计预测和Heidke技能的技能(S)的分数得到合理的技能。在尼日利亚,考虑到熟练的天气预报策略适应食品生产变量,改变气候,现有产品的四个天气预报在西非组织利益评估使用从1996年到2000年期间观察天气。有关天气预报机构NOAA(美国),气象局(英国),法国(法国)和尼日利亚央行预测办公室(6]。成立的研究更好的降雨量的预测可以实现高分辨率海洋表面温度异常数据,包含更多的预测变量,特别是天气的自然。评价数值天气预报降水预测使用计观察可能会给一个贫穷的结果有一个贫穷的地区的密度测量站。这是尼日利亚的情况有五十六个测量站。
对流活动可以产生非常强烈的降雨,往往会导致河流和洪水造成生命和财产的重大损失,土壤侵蚀和其他社会经济问题7]。在尼日利亚,大雨是洪水和其他水文灾害的主要原因在夏季季风季节(8]。此类事件的预测无疑有利于预防灾害和减少损失。几例洪水记录在几个城市尼日利亚在2018年导致生命和财产的重大损失。本文的一个目的是提供天气预报从COSMO模型评价结果用于尼日利亚。同时,本文旨在获取主要信息的准确性和可靠性COSMO的对流降水预报模型分析的基础上四个洪水发生在尼日利亚的一些城市9在2018年。研究结果可以在早期预警和危机是非常有用的管理在尼日利亚和周边国家山洪等自然事件造成沉重的降水。
材料
在这项研究中使用的数据由实际降雨量收集的数据来自56个测量站在尼日利亚和选定的COSMO模式降水预报暴雨的日子2018年(表1)。可用的测量站分布不均和稀疏图1,这通常带来的限制质量的数据。COSMO的初始数据和横向边界条件模型收集DWD用于初始化区域模型。
| 美国没有。 | 车站的名字 | 纬度 | 经度 | 5th8月 | 28th8月 | 29日th8月 | 6th9月 | ||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 观察到的 | 科兹摩 | 观察到的 | 科兹摩 | 观察到的 | 科兹摩 | 观察到的 | 科兹摩 | ||||
| 1 | 阿贝奥库塔 | 7.2 | 3.33 | 0 | 0 | 0.7 | 1.36719 | 1.1 | 0.417969 | 2.6 | 0.679688 |
| 2 | Abakiliki | 5.4 | 7.9 | 40岁,2 | 6.82812 | 45.2 | 18.9062 | 10.3 | 12.6406 | 8.5 | 16.5156 |
| 3 | 阿布贾 | 9.25 | 7 | 8.3 | 9.89453 | 0 | 29.4805 | 6.6 | 84.4844 | 20.4 | 202.375 |
| 4 | Ado-Ekiti | 7.6 | 5.2 | 0 | 0.351562 | 1.5 | 7.71094 | 3.3 | 2.46875 | 0.5 | 5.23438 |
| 5 | 阿库雷 | 7.28 | 5.23 | 0 | 0.164062 | 27.2 | 9.84375 | 2.9 | 5.47656 | 15.8 | 5.14062 |
| 6 | 克普 | 6.23 | 6.82 | 0 | 0.28125 | 98.6 | 2.42969 | 4.1 | 7.23047 | 13.2 | 1.375 |
| 7 | 的雕像 | 6.2 | 7.1 | 0 | 0.642578 | 57.1 | 8.70312 | 0 | 8.83008 | 41.7 | 17.8906 |
| 8 | 包奇州 | 10.28 | 9.82 | 95.6 | 9.32812 | 10.4 | 7.19531 | 0 | 15.9609 | 3.8 | 114.148 |
| 9 | Bida | 9.1 | 6 | 49.7 | 2.14844 | 0 | 5.95703 | 1.4 | 14.1719 | 0 | 66.5859 |
| 10 | 贝宁 | 6.33 | 5.6 | 0 | 0.826172 | 59.2 | 5.45312 | 56.7 | 15.9141 | 46.4 | 43.2031 |
| 11 | 松鼠皮 | 4.97 | 8.35 | 4.4 | 7.3125 | 0 | 18.3672 | 0 | 12.4727 | 112.8 | 5.58594 |
| 12 | CR | 4.75 | 8.35 | 2.25586 | 0 | 2.94922 | 0 | 6.26367 | 0 | 7.82031 | |
| 13 | Dutse | 11.7 | 9.3 | 23 | 93.6523 | 7 | 9.40625 | 0 | 13.3125 | 22.1 | 72.2969 |
| 14 | Eket | 4.4 | 7.95 | 0 | 19.2051 | 0 | 16.582 | 16.8 | 18.1738 | 3.2 | 35.5859 |
| 15 | 埃努古 | 6.5 | 7.55 | 0.6 | -0.00391 | 1.4 | 7.98438 | 0.4 | 0 | 14.8 | 2.46875 |
| 16 | 冈贝 | 10.28 | 11.17 | 0 | 14.8125 | 30.1 | 3.77344 | 14.2 | 6.41016 | 44.7 | 48.8047 |
| 17 | 古绍 | 12.17 | 6.77 | 1.8 | 8.19141 | 0 | 7.65625 | 0 | 12.4062 | 44.7 | 12.3516 |
| 18 | 伊巴丹 | 7.43 | 3.9 | 0 | 0 | 0 | 4.55469 | 0 | 2.49609 | 3.7 | 9.625 |
| 19 | NCent | 8.18 | 9.75 | 0 | 2.92383 | 11.9492 | 0 | 7.1582 | 0 | 7.57031 | |
| 20. | Ikeja | 6.85 | 3.33 | 0 | 0 | 2.3 | 9.57031 | 0 | 0.568359 | 30.2 | 1.25 |
| 21 | Ikom | 5.97 | 8.72 | 0 | 6.375 | 1.2 | 27.8438 | 9.6 | 11.7031 | 28.2 | 7.07031 |
| 22 | 台 | 8.48 | 4.58 | 0 | 0 | 46.2 | 24.6055 | 36.2 | 3.25 | 130.1 | 28.6016 |
| 23 | Ijebu颂歌 | 6.83 | 3.93 | 0.2 | 0 | 2 | 9.23438 | 20.5 | 6.11133 | 12.2 | 3.97656 |
| 24 | Iseyin | 7.96 | 3.06 | 0 | 0 | 3.4 | 0.632812 | 0 | 0.972656 | 7.7 | 6.32812 |
| 25 | Jalingo | 8.9 | 11.4 | 0 | 10.5234 | 13.3 | 14.3438 | 0 | 31.5527 | 50.5 | 54.0703 |
| 26 | 乔斯 | 9.87 | 8.9 | 0 | 16.8047 | 1.1 | 17.4258 | 33.1 | 31.1445 | 23.9 | 55.25 |
| 27 | 卡杜纳 | 10.6 | 7.45 | 0 | 9.84375 | 21.3 | 3.70703 | 0 | 12.9316 | 25 | 42.0391 |
| 28 | 卡诺 | 12.05 | 8.53 | 2.2 | 57.2344 | 0 | 5.52344 | 0 | 15.7734 | 21.5 | 74.5703 |
| 29日 | 卡齐纳州 | 13.02 | 7.68 | 0 | 5.55469 | 0 | 13.2188 | 21.8 | 11.8594 | 15.1 | 0.875 |
| 30. | SSou | 5.6 | 5.8 | 0 | 1.32812 | 0 | 1.30469 | 105年 | 7.09766 | 131.6 | 41.0469 |
| 31日 | Lafia | 8.5 | 8.5 | 0 | 10.4395 | 0 | 24.0781 | 0 | 27.5957 | 8.6 | 16.1797 |
| 32 | 拉各斯 | 6.52 | 3.3 | 0 | 0 | 0 | 3.17188 | 3.5 | 1.6582 | 46.1 | 0.757812 |
| 33 | Lokoja | 7.8 | 6.73 | 1.2 | 0.867188 | 0 | 2.75391 | 5.6 | 7.70312 | 22.6 | 30.4609 |
| 34 | 迈杜古里 | 11.85 | 13.08 | 8 | 11.2031 | 0 | 6.23047 | 0 | 12.2266 | 19 | 24.6953 |
| 35 | Makurdi | 7.73 | 8.53 | 15 | 7.50781 | 7.1 | 15.4219 | 2.6 | 14.2383 | 2.8 | 22.8594 |
| 36 | 明娜 | 9.56 | 6.54 | 2.8 | 8.69141 | 0 | 26.8711 | 3.1 | 26.3672 | 22.5 | 38.4062 |
| 37 | Nguru | 12.88 | 10.47 | 0 | 43.6484 | 30.1 | 11.2344 | 54.2 | 3.85938 | 0 | 20.0703 |
| 38 | Obudu | 6.7 | 9.2 | 5.6 | 0.03125 | 7.1 | 136.703 | 28.3 | 5.90234 | 0.5 | 9.75781 |
| 39 | Ogoja | 6.7 | 8.8 | 0 | 0.117188 | 16 | 71.5117 | 4.8 | 4 | 0 | 26.1016 |
| 40 | 帕斯托 | 7.1 | 4.83 | 0 | 0 | 0.7 | 3.6875 | 0 | 5.42969 | 19.8 | 7.80469 |
| 41 | 恩纳港 | 4.7 | 7.2 | 0.2 | 1.04688 | 0 | 13.3984 | 0.6 | 0.740234 | 8.8 | 2.89844 |
| 42 | Oshogbo | 7.8 | 4.5 | 0 | 0 | 2 | 0.609375 | 0 | 2.05664 | 26.7 | 19.6016 |
| 43 | 软件开发工程师 | 7.82 | 4.5 | 0 | 0 | 0 | 0.609375 | 0 | 2.05664 | 42.6 | 19.6016 |
| 44 | Owerri | 5.48 | 7.03 | 0 | 3.75 | 37.6 | 3.91797 | 0 | 5.72656 | 65.2 | 10.1328 |
| 45 | 哈科特港 | 4.85 | 7.12 | 0.2 | 1.44531 | 0 | 12.7383 | 11 | 0.001953 | 31.2 | 0.179688 |
| 46 | Potiskum | 11.7 | 11.03 | 1.4 | 21.0762 | 0 | 10.8672 | 0.3 | 15.2422 | 9.8 | 91.7188 |
| 47 | Oshodi | 6.58 | 3.32 | 0 | 0 | 0 | 9.57031 | 6 | 0.568359 | 15.5 | 1.25 |
| 48 | Shaki | 8.35 | 3.47 | 0 | 0 | 4 | 12.6211 | 0 | 1.16406 | 8.2 | 9.40625 |
| 49 | Sokota | 12.92 | 5.2 | 1.8 | 1.21094 | 1.1 | 6.41797 | 0 | 5.58594 | 27.6 | 6.97656 |
| 50 | Umuahia | 5.5 | 7.5 | 5.1 | 6.16406 | 0 | 9.86719 | 55 | 6.86914 | 27.5 | 15.5156 |
| 51 | Usi Ekiti | 7.7 | 5.3 | 1.2 | 0.304688 | 1.5 | 8.91406 | 0 | 3.25 | 0.3 | 7.32812 |
| 52 | Uyo | 5.05 | 7.95 | 10.3 | 5.16797 | 41.6 | 11.6055 | 0.4 | 11.1582 | 16.8 | 15.7344 |
| 53 | 瓦 | 5.52 | 5.73 | 8.3 | 0.015625 | 0 | 0 | 3.8 | 8.31445 | 40.7 | 43.5391 |
| 54 | Yelwa | 11 | 4.5 | 8.7 | 2.45312 | 11.5 | 10.7109 | 65.3 | 7.94336 | 17.1 | 78.7188 |
| 55 | 约拉 | 9.23 | 12.47 | 0 | 2.63281 | 0 | 11.9492 | 33 | 8.12891 | 0 | 33.1719 |
| 56 | Zaria | 11.07 | 7.75 | 2.5 | 31.6641 | 53.7 | 30.3164 | 29.3 | 24.2969 | 35.1 | 52.4531 |
表1。实际降雨量数据来自56个测量站在尼日利亚和COSMO模式降水预报在2018年选择天的强降雨。
图1:研究区域的地图显示气象监测站的位置。
方法
一个联合分布列联表被用来计算准确性,偏见和至关重要的分类预测的成功指数(CSI) (表2)。
| 预测 | 是的 | 没有 | 总 | |
|---|---|---|---|---|
| 是的 | 支安打 | 假警报 | 预测是的 | |
| 没有 | 错过 | 正确的底片 | 预测不 | |
| 总 | 观察是的 | 没有观察到 | 总 |
表2。联合分布列联表的分类验证分数。
验证获得的分数从上面的列联表定义如下:
准确性:协议之间的预测和观察到的水平
偏见:比较了预测和观察到的频率是事件
关键成功指数(CSI):看着天气预报如何是的事件与观察到的事件
眼球验证,直方图和泰勒图被用来确定水平的关系预测和观察记录的地区极端降水事件。
泰勒图评估工具是一个非常有用的模型。泰勒图(10)提供了一个图形化的方式总结如何紧密模拟降雨观测数据相匹配。在这种类型的极坐标图,角坐标之间的相关系数(r)对应于模拟和观测数据。变量之间的相关系数通常从-1.0 + 1.0。因此,一个象限中使用r值从0.0 + 1.0。这些标记在最宽的弧加入的两个轴。注意变量低或负价值的相关性,将不会显示在积极的象限。径向坐标给信息结果的标准差(SD)为每个实验。横坐标轴上的紫色点或原点代表1的观察有‘r’(预期)。之间的均方误差(CRMSE)为中心的实验和观察这个引用之间的距离成正比,模拟点。总之,泰勒图是一个功能强大的工具,总结了三种统计:标准差,相关系数,和RMSE,提供一种快速、简洁、大方的视觉模型输出之间的观点和观察
均方根误差(RMSE)
这提供了一个良好的整体测量的距离模型值与预测值。它结合了个人错误的传播。
(Pearson)相关系数(r)是衡量两个变量之间的线性关系的力量。r = 1,这意味着有一个完美的线性关系的两个变量之间的斜率为正。r = 1,这意味着有一个完美的线性关系的两个变量之间的负斜率。然而,如果r = 0,没有变量之间的线性关系。r表示模型中模式匹配的程度的观察。
分类统计数据
表3模型显示,在所有的四个案例研究,记录的准确性和CSI值超过50%。79%的最高精度值被记录为2018年9月6日的降雨事件。这意味着一个大的都市性预测天研究是正确的。同时,偏差值显示公平的预测频率之间的关系“是”事件和“是的”事件的观测频率。
| 降雨日期 | 精度(%) | 关键成功指数(CSI) (%) | 偏见 |
|---|---|---|---|
| 2018年8月5日 | 69.7 | 54 | 1.48 |
| 2018年8月28日 | 59 | 57 | 1.6 |
| 2018年8月29日 | 53 | 51 | 1.7 |
| 2018年9月6日 | 79年 | 79年 | 1.1 |
表3。验证分数选择COSMO模型的分类预测的强降雨事件在尼日利亚。
眼球验证
图2表明,COSMO模型预测了暴雨在尼日利亚北部的部分地区计观测表明,暴雨发生但被南风相比,COSMO预测。
图2:COSMO模型预测和衡量观测(底部)05/08/2018在尼日利亚。
从图3,可以看出COSMO模型预计轻度到中度的尼日利亚北部降雨量和降雨在尼日利亚南部的一些地区。计观测显示暴雨在尼日利亚东北部和南部。
图3:COSMO模型预测和衡量观测(底部)28/08/2018在尼日利亚。
图4表明,暴雨预计在尼日利亚中部的一些地区,而适量或少量降雨预计其他地方的模型。计观测表明,强降雨发生在尼日利亚北部和南部的部分地区。
图4:COSMO模型预测和衡量观测(底部)29/08/2018在尼日利亚。
降水预报模型显示了强降雨在尼日利亚北部的大部分地区和部分在南方。计观察还显示了强降雨的大部分国家(图5)。
图5:COSMO模型预测和衡量观测(底部)06/09/2018在尼日利亚。
泰勒图分析
泰勒图分析从图6显示,有一个良好的空间相关性观察和预测降雨量(SW)西南地区的尼日利亚8月29日和9月6日,2018年,其他地方的相关性较差。同时,一个好的相关记录在东南部(SE)和尼日利亚北部5th和28th8月分别。
图6:泰勒图显示COSMO模拟降雨率(毫米/天)的雨量计为05(毫米/天)th,28岁th,29岁th8月和6th2018年9月。
直方图显示(图7),84%的强降雨事件研究低估了都市性模型。然而,大约15%的极端降水的预测模型是准确的。
图7:直方图显示COSMO模拟降雨率(毫米/天)的雨量计(毫米/天)在2018年选中的天。
本研究评估COSMO的性能模型四个暴雨事件发生在尼日利亚05th,28岁th,29岁th8月和5th2018年9月。模型预测比较直接与测量观察56台。结果表明,降水事件的分类预测,该模型表现良好有记录的准确性和关键成功指数(CSI)值超过50%的所有四个案例研究。同时,泰勒图显示一个公平的空间预测和观察到的事件之间的相关性在该国的一些地区。然而,眼球验证和直方图分析显示空间错位的暴雨事件和低估最强降雨地区的降雨雪量。这是预测不确定性的主要来源。因此建议更多的实验和模拟进行了使用不同物理COSMO模型中的几个强降雨事件在尼日利亚。同时,对流允许模型的介绍和使用除了现有COSMO模型可以提高国家在强降雨预报的能力。