哈尔滨市短时临近预报业务系统

从短时临近预报业务系统流程、地面要素加密信息收集显示、多普勒雷达预警信息和预报指标、重大灾害性短时临近预报的气象要素信息／预警信息／预报指标及物理量、不稳定指数预警信息／预报指标及合拼显示、卫星云图降水／冰雹估计、3h降水／温度预报方法、短时临近预报编辑系统设计等方面，阐述了哈尔滨市短时临近预报业务系统的建设过程，由此揭示短时临近预报业务开展的方式和方法。     

西北太平洋(含南海)热带气旋路径集成预报分析

基于2004—2009 年中国中央气象台、日本气象厅、美国联合台风警报中心、欧洲中心对西北太平洋和南海编号热带气旋主客观预报资料,利用算术平均、多元回归以及历史平均误差等三种集成方法,建立了热带气旋路径集成预报业务化系统。通过2007—2009 年的业务运行结果分析发现,欧洲中心客观预报参与的24、48 和72 h 集成比主观预报三个成员集成预报水平分别提高约2%、3%～5%和3%～5%,减小误差2.5 km左右、6～9 km 和10～12 km。技巧分析发现,24～72 h 集成预报有正技巧,多元回归集成技巧相对稍低,而算术平均和以各成员平均误差的平方倒数为权重系数的集成技巧对于各集成成员来说技巧差异不大。96 h 集成预报对欧洲中心的客观预报没有正技巧。      

OPERATIONAL ENSEMBLE FORECASTING AND ANALYSIS OF TROPICAL CYCLONES OVER THE WESTERN NORTH PACIFIC (INCLUDING THE SOUTH CHINA SEA)

Based on the tropical cyclone data from the Central Meteorological Observatory of China, Japan Meteorological Agency, Joint Typhoon Warning Center and European Centre for Medium-Range Weather Forecasts （ECMWF） during the period of 2004 to 2009, three consensus methods are used in tropical cyclone （TC） track forecasts. Operational consensus results show that the objective forecasts of ECMWF help to improve consensus skill by 2%, 3%-5% and 3%-5%, decrease track bias by 2.5 kin, 6-9 km and 10-12 km for the 24 h, 48 h and 72 h forecasts respectively over the years of 2007 to 2009. Analysis also indicates that consensus forecasts hold positive skills relative to each member. The multivariate regression composite is a method that shows relatively low skill, while the methods of arithmetic averaging and composite （in which the weighting coefficient is the reciprocal square of mean error of members） have almost comparable skills among members. Consensus forecast for a lead time of 96 h has negative skill relative to the ECMWF objective forecast.     

天气预报评分方法评述

本文按定性预报、百分率预报和形态预报3类预报形式，分别概述了常用的验证评分方法。提出了预报评分方法应遵循的7条准则，并以此为依据，针对强对流天气等小概率事件的预报，讨论了各种评分方法的适用性。最后，对各类预报形式的验证评分，提出了最佳的方案。     

OTS、MOS和OMOS方法及其优化组合应用于72 h内逐3 h降水预报的试验分析研究

开展了夏半年72 h内逐3 h降水预报试验,针对ECMWF模式预报、基于ECMWF的模式输出统计(MOS)预报、纳入超前空间实况信息的OMOS预报,以及三种预报的最优TS评分订正(OTS)预报,对比分析预报效果,探讨一种多方法结合能够提供良好预报性能的3 h定量降水预报技术方案。结果表明:在短期预报中,MOS预报与OTS订正相结合的MOSOTS综合预报方法的预报性能最好,而且MOS-OTS方法的3 h强降水预报与业务运行的城镇指导预报中融合主客观预报的降水预报相比,也具有一定优势;而在临近3 h预报中,则OMOS预报与OTS订正相结合的OMOS-OTS综合预报方法最优,3 h内0.1、3和10 mm以上降水的TS评分最高,比原始模式预报分别提高73%、198%和483%,Bias评分接近于1,在夏半年的逐日晴雨预报中,OMOS-OTS方法在大部分日期都稳定优于MOS-OTS预报和城镇指导预报。     

兰州市空气质量预报系统结构及效果检验

文中从潜势预报、浓度预报、统计预报和数值预报 4方面介绍了兰州市空气质量预报业务系统的研究方法和结构特点。对 2 0 0 1年 4～ 10月兰州市空气质量预报与日报 (实况 )进行了分析研究 ,结果表明 ,该系统对兰州市空气质量预报有较强的预报能力 ,适用于兰州市空气质量预报业务。     

ECMWF集合预报统计量产品在重庆降水预报中的检验与分析

利用ECMWF集合预报降水资料和重庆市自动站降水资料,运用晴雨、TS评分、预报偏差等检验方法对重庆地区2014—2016年ECMWF集合预报降水产品在短期时效的预报性能进行检验分析。结果表明:最小值的晴雨预报准确率最高。对于TS评分检验,小雨量级可优先参考最小值、10%分位数和融合产品,中雨量级参考平均数和概率匹配平均,大雨和暴雨量级分别参考75%分位数和90%分位数。对于预报偏差检验,小雨量级可优先参考最小值、Mode,中雨量级参考融合产品、中位数,大雨量级参考控制预报、融合产品,暴雨量级参考90%分位数。对于百分位值预报产品和概率预报产品,小雨量级可参考5%～10%分位数和80%～90%概率预报产品,中雨量级可参考45%～55%分位数和40%概率预报产品,大雨量级可参考70%～80%分位数和20%概率预报产品,暴雨量级可参考90%～95%分位数和10%概率预报产品。     

一种集成预报技术——最优调合法

为使多种方法的预报结果集成一个优化的预报,作者提出了一种称为最优调合法的集成预报技术。该技术既考虑了持续性预报又考虑了预报方法所具有的系统性误差。首先运用多种方法建立多年试报数据集,随后对数据集构建线性模型,用此模型对我国汛期（６～８月）降水场进行了试验,证明最优调合法能显著提高预报技巧,但其效果有明显的年际差别     

COMPARATIVE EXPERIMENTS OF DYNAMICAL FORECAST AND STATISTICAL FORECAST

After analyzing the advantages and disadvantages of dynamical system and statistical system.some simple models with the equations of Lorenz system and auto-regresslon model have beenrespectively set up,and comparative experiments conducted.The result of the research demonstratesthat in chaotic parametric domain,the accuracy of statistical forecast is higher than that of dynamicalforecast,while in non-chaotic parametric domain,dynamical forecast is more accurate than statisticalforecast.     

COMPARATIVE EXPERIMENTS OF DYNAMICAL FORECAST AND STATISTICAL FORECAST*

After analyzing the advantages and disadvantages of dynamical system and statistical system.some simple models with the equations of Lorenz system and auto-regresslon model have been respectively set up,and comparative experiments conducted.The result of the research demonstrates that in chaotic parametric domain,the accuracy of statistical forecast is higher than that of dynamical forecast,while in non-chaotic parametric domain,dynamical forecast is more accurate than statistical forecast.