TY - JOUR A2 - Viola, Francesco AU - Costa Tomaz de Souza, Arthur AU - Ayzel, Georgy AU - Heistermann, mak PY - 2020 DA - 2020/12/03 TI - Quantifying Location Error of Precipitation Nowcasts SP - 8841913 VL - 2020 AB - In Precipitation nowcasting，在天气雷达图像序列中跟踪降水的运动并将其推断到未来是很常见的。这种预报的总误差包括降水特征的预报位置的误差和降水强度随提前时间的变化的误差。到目前为止，验证措施不允许隔离位置错误的程度，这使得在位置预测方面很难具体改进nowcast模型。在本文中，我们引入一个直接量化定位误差的框架。为此，我们在雷达图像中检测和跟踪尺度不变的降水特征(角点)。然后，我们将这些观测到的轨迹作为真正的参考，以评估任何旨在预测降水特征未来位置的模型的性能(或者相反地，误差)。因此，预测的位置误差在任何前置时间Δ t在预报时间之前 t对应观测到的特征位置与预测到的特征位置之间的欧氏距离 t+Δ t．基于此框架，我们利用德国气象局一年的天气雷达复合材料进行了一个基准案例研究。我们评估了四个外推模型的性能，其中两个是基于角运动的线性外推 t−1 t(LK-Lin1)和 t−4 t(LK-Lin4)和其他两种方法基于密集逆搜索(DIS)方法:利用DIS得到的运动向量，通过线性(DIS- lin1)和半拉格朗日外推(DIS- rot1)预测特征位置。在这四个模型中，DIS-Lin1和LK-Lin4在特征位置预测方面是最熟练的，同时我们还发现模型的技能很大程度上依赖于观测轨迹的弯曲度。2016年376125条检测到的特征轨迹数据集公开可用，以促进基于外推的短时预报模型的位置预测的改进。JF - Advances in Meteorology PB - Hindawi KW - ER -