冬小麦农田不同高度极端气温预测[ ]

利用2019年1月—2022年6月冬小麦农田小气候自动观测站观测的数据和齐河县国家基本气象观测站同期观测资料,采用多元线性回归和BP神经网络方法,建立冬小麦农田30 cm、60 cm、150 cm日最高和日最低气温预测模型。结果表明:两种模型对农田气温的预测效果均较好,阴天条件下150 cm最高气温预测效果最好;晴天条件下30 cm最高气温预测效果最差。两模型模拟结果分层次看,农田气温的模拟精度150 cm>60 cm>30 cm;分天气类型看,多元回归模型农田各层气温的模拟精度阴天>多云>晴天,BP神经网络模型农田30 cm、60 cm最高气温的模拟精度多云>阴天>晴天,农田30 cm最低气温的模拟精度多云与阴天相同,均大于晴天,农田60 cm最低气温的模拟精度晴天>多云>阴天,农田150 cm最高及最低气温的模拟精度晴天与多云相同,均大于阴天;分要素看,30 cm最低气温的模拟精度高于最高气温、60 cm和150 cm最高气温的模拟精度高于最低气温。通过比较,BP神经网络模型的预测精度比多元线性回归模型的预测精度高。两种模型均能满足冬小麦农田气温的预测需求。     

焦作市旅游景区最低气温预报方法

利用2007年10月-2008年9月ECMWF资料和设立在4个景区(修武县的云台山、青龙峡,博爱县的青天河,沁阳市的神农山)的四要素气象站采集的气温数据,以及焦作市、修武县、博爱县、沁阳市4个观测站的气温数据,应用温度方程理论,建立焦作市、修武县、博爱县和沁阳市的站点最低气温预报方程,再根据景区内最低气温与所在县(市)局观测站的逐月气温距平,利用二次迭代法修正最低气温预报方程,从而得出4个景区的最低气温预报方法.方程的预报结果与实际值误差绝对值都在3.0 ℃以内,平均误差为0.9 ℃.     

威宁县乡镇最高最低气温分析与预报方法探讨

基于贵州省威宁县2012年12月-2018年8月国家基准气候站(以下简称“国家站”)和52个区域自动观测站(以下简称“区域站”)的逐日最高最低气温资料,采用统计学方法和加权最小二乘法,分析威宁县近几年来最高最低气温的变化特征及国家站和部分区域站最高最低气温的相关性。结果表明:四季中,最低气温存在稳定的低值中心和高值中心,而最高气温只存在稳定的高值中心。春、夏、秋季的最高最低气温和冬季的最低气温分布与地形基本一致,但冬季的最高气温分布受地形和滇黔静止锋共同影响却有所变化。根据拟合方程得出的各乡镇气温预报值比直接用EC模式的预报值准确率更高,其误差值≤|2|℃。随着方程相关系数的减小,预报准确率相应降低,误差范围对应增大,预报准确率的高低与相关系数的变化具有一致性。     

一次连续臭氧污染过程的气象条件分析

利用邢台市生态环境局的大气污染物监测数据和同期气象观测资料,对邢台市2018年6月10—24日的一次臭氧污染过程进行了分析。结果表明:(1)污染过程中邢台市4个监测点臭氧质量浓度变化趋势基本一致,邢师高专臭氧质量浓度最高,市环保局最低;臭氧质量浓度日变化呈单峰型,05:00—06:00最低,15:00最高,邢师高专臭氧质量浓度昼夜差最大,市环保局昼夜差最小。(2)晴天、阴天、雨天臭氧质量浓度变化趋势大致相同,日变化也呈单峰型,晴天臭氧质量浓度日变化剧烈,雨天则变化平缓。(3)臭氧质量浓度与平均气温、最高气温、最低气温、太阳辐射、平均风速均呈显著的正相关关系,其中与最高气温相关系数最高;臭氧质量浓度与NO_2、PM_(10)、CO、PM_(2.5)污染物之间呈显著负相关关系。(4)经过较强太阳辐射照射后,当最高气温在29℃及以上,相对湿度在30%～60%之间,风向为偏南风时,臭氧质量浓度在12:00—19:00时段易超标。     

SCMOC温度精细化指导预报在陕西区域的质量检验

利用2012年陕西区域99站共366天北京时间08:00和20:00起报的SCMOC温度精细化指导预报与实况资料的比较,检验分析了定时温度、日最高气温和日最低气温的预报质量。结果表明:陕西区域SCMOC温度精细化指导预报08:00起报的准确率高于20:00起报的,且预报准确率有明显的季节变化,夏、秋季节较高,冬、春季节较低,日最高(低)气温的预报准确率与预报时效成反比。地形高度影响温度预报准确率,二者之间的相关系数通过了显著性检验。08:00起报的48h内逐3h气温多出现负误差,20:00起报的多出现正误差。08:00起报的日最高气温和20:00起报的日最高(低)气温多出现负误差,08:00起报的日最低气温多出现正误差。从对典型天气过程的温度预报质量检验来看,强冷空气影响下的降温天气过程的温度预报难度较大,预报准确率较其他天气类型偏低一些。     

沈阳地区日光温室内最低气温变化特征及其预报模型研究

利用2013—2014年沈阳地区日光温室内和温室外的气象观测资料,采用相关分析和逐步回归分析方法对日光温室内最低气温的变化特征及其预报模型进行了研究。结果表明:2013—2014年沈阳地区日光温室内最低气温与温室外的前一日最高气温、前一日最低气温、当日最低气温及温室内前一日最高气温、前一日最低气温相关显著。沈阳地区四季不同天气条件日光温室内最低气温的预报模型存在一定的差异,冬季日光温室内最低气温模型的预报准确率较高,春季次之,秋季再次之,夏季日光温室内最低气温模型的预报效果较差,冬季、春季、秋季、夏季日光温室内日最低气温≤3.0℃的预报准确率分别为91%、85%、81%和79%;雨雪天日光温室内最低气温的预报准确率较高,阴天次之,晴天再次之,多云天日光温室内最低气温的预报准确率较低,雨雪天、阴天、晴天、多云天日光温室内日最低气温≤3.0℃的预报准确率分别为90%、87%、83%和77%。可见,本文建立的沈阳地区日光温室内最低气温模型的预报效果较好,可为沈阳地区中高档钢架砖混结构日光温室内最低气温的预报提供参考,具有较强的实用性。     

内蒙古精细化格点气象要素预报的应用分析

文章基于内蒙古精细化格点气象要素预报,采用普通克里格、反距离加权、双线性插值法,优选气温和相对湿度的最优插值方法,制作站点预报并检验。结果表明:(1)对气温和相对湿度应用效果最好的插值法分别是双线性插值法和普通克里格法;(2)08时起报当天气温和相对湿度的预报效果均好于前一日20时起报预报,日最高气温预报准确率最高,为77.83%,预报与实况相关系数达到0.8211,日最低气温、日平均气温及日平均相对湿度相关系数达到0.6以上;(3)高温预报值总体小于实况值,08时预报准确率为70%～93.94%,20时预报准确率为54.55%～93.33%。     

地面气温对微环境空间差异的响应——以漠河站为例

测站附近微环境条件对地面气温观测记录的影响目前还不清楚。本文对2010年漠河国家基准气候站地面观测对比试验数据进行了分析,得到如下结论:(1)年平均地面气温近障碍物点低于标准观测场内,但1、6月的月平均气温近障碍物点偏高;(2)06:00—17:00和21:00,近障碍物地点的气温偏低;18:00至次日05:00(除21:00),近障碍物点气温偏高;(3)春季各时次近障碍物点地面气温均偏低;夏季06:00—17:00近障碍物点气温偏低,18:00至次日05:00相反;秋季仅01:00、03:00、19:00、23:00近障碍物点气温偏高,其他时次相反;冬季07:00—19:00近障碍物点气温偏低,20:00至次日06:00相反。冷季近障碍物点气温偏低;暖季昼间近障碍物点气温偏低,夜间相反;(4)日最高、最低气温出现时间不同地点大体相同,最高气温近障碍物点偏低,最低气温近障碍物点偏高,但最高气温偏低绝对值大于最低气温偏高绝对值;(5)有雾情况下近障碍物地点的气温偏高几率大;雨雪多云天气近障碍物地点气温均偏低;晴朗的白天近障碍物地点的气温偏低,有风天气更明显;而晴朗的夜间近障碍物地点气温偏高,无风天气更明显;晴朗天气条件下,无风时近障碍物地点与观测场内气温差值大于有风时。结果表明,地面气温观测记录对台站观测场附近微环境改变十分敏感,微环境条件的变化将导致地面气温观测出现明显不连续性,对气候变化分析产生影响。     

岳阳区域最低气温差异分析

【中文】：通过分类统计岳阳各气象观测站1994～2013年不同天空状况、不同风类以及天空状况与风类结合的逐月最低气温数值差异,总结归纳了不同类型条件下岳阳各气象观测站逐月最低气温差异分布规律。结果表明：晴天时平江、临湘站最低气温比岳阳低4～6℃、2～4℃;东南风时平江、临湘站最低气温比岳阳低3～5℃、1～3℃;在月际分布中,2、3、4、11、12月晴天下东南风时平江站最低气温均比岳阳低6℃以上;而差异较小的阴天或西北、东北风时全市最低气温差异均在1℃或以下。分析的结果为全市最低气温日常预报工作提供了客观、定量的预报依据。     

从预报角度探讨乌鞘岭山区大气温差成因*

利用2009年7月—2015年12月河西走廊东部乌鞘岭和天祝逐时气温、日照、地面2 min风场及每隔6 h云量资料,详细分析乌鞘岭山区大气温差、云量特征的时间变化及其预报关系,旨在提高天祝最低气温的预报准确率。结果表明:冬季08时气温乌鞘岭高于天祝的频率超过50%,温差强度达4~6℃;春夏季5—9月气温乌鞘岭高于天祝的频率低于40%,温差强度较弱在2℃以下。云量中夜间至清晨(02—8时)少,傍晚较多;5—9月较多,冬季较少。天空状况除冬季晴天多,出现频率高于50%外,其它季节阴天较多,晴天次之,多云较少,不足20%。乌鞘岭谷风多,而天祝山风多。气温乌鞘岭高于天祝的频率和强度与云量、山谷风、太阳照射时间、季节和天气系统密切相关。晴天和阴雨天气报准,天祝最低气温预报准确率最多可能提高30%,晴天报准时预报准确率最多可提高10%以上。     

川西高原地区SCMOC温度精细化指导预报质量检验及影响因子分析

利用2014~2015年阿坝州13站共730天08:00和20:00起报的SCMOC温度精细化指导预报资料,对比实况日最高(低)气温,进行预报质量检验。结果表明:日最高(低)气温预报准确率与预报时效成反比,两个时次预报的最低气温准确率高于最高气温,且最低气温预报准确率有明显的季节变化。08:00起报的日最低气温多出现负误差,其余预报最高(低)气温多出现正误差。日最低气温预报绝对误差与海拔高度有关。24h最高(低)气温预报绝对误差>4℃样本分析表明,温度平流、大气稳定度与非绝热过程对温度的影响明显,造成气温偏差的主要原因是降水及冷空气影响范围和强度,冷、暖平流影响偏差,高空槽强度和移动偏差等几方面。     

库尔勒市霜冻特征及其驱动力分析

利用库尔勒市气象局2003—2012年春、秋季最低地面温度、最低气温、云量、风速和海平面气压等气象要素资料,分析该地区的霜冻特征以及最低地面气温和其它气象要素之间的关系,结果表明:(1)库尔勒市霜冻主要出现时段为10月、11月以及次年的3月;(2)最低气温与最低地面温度之差介于-3～8℃,其中在3～5℃之间占总数的72.5%;(3)当08时海平面气压低于1015 hPa时,发生霜冻的概率仅为4.8%;气压超过1025 hPa时,出现霜冻的概率达84.7%;(4)通过最低气温、云量和风速建立的最低地面气温预报方程,分别对最低地面温度和霜冻做出预报,其中最低地面温度预报的准确率在70.7%～83.5%之间,霜冻预报的准确率为89.9%,效果良好。     

基于多模式的新疆最高(低)气温预报误差订正及集成方法研究

干旱区由于气温日较差大,气温预报难度偏大,尤其是最高、最低气温预报。利用2013—2015年ECMWF、T639、DOGRAFS、GRAPES 4种模式24 h内气温预报产品,采用递减平均订正法以及集合平均和加权集合平均法,设计2种订正集成方案,即方案1是对多模式气温预报先集成后订正,方案2是先订正后集成,对新疆地区日最高气温和最低气温预报的误差订正及集成效果进行对比检验。结果表明:(1)4种模式对新疆气温预报的准确率表现为ECMWF模式整体最好,DOGRAFS模式最差,且最低气温的预报准确率提高程度高于最高气温;(2)对于新疆不同区域,最高(低)气温预报准确率北疆高于南疆,西部高于东部,平原高于山区,且冬季的订正能力大于其他季节;(3)加权集合平均法优于集合平均法,先订正后集合方案优于先集合后订正方案;(4)方案2对2015年7月13—30日和2014年4月22—24日两次极端高、低温天气过程的最高(低)气温订正效果明显。     

ECMWF模式气温预报在青岛地区的检验与评估

利用2013—2015年ECMWF(简称EC)细网格模式2m气温预报产品,分析了不同季节和不同天气形势下EC细网格模式产品对青岛地区7个基准站逐日最高气温和最低气温的预报性能。结果表明:EC细网格模式2m气温预报误差沿海站点大于内陆站点,且误差随着预报时效的延长逐渐增大。最高气温预报除胶州站外均为负误差,最低气温预报青岛、平度、莱西为正误差,崂山、黄岛、胶州和即墨为负误差。最高气温预报在3—4月和8—9月预报质量不稳定,最低气温预报夏半年好于冬半年。根据模式误差特点,给出7站气温主观订正参考值,订正后最高气温预报准确率提高3%~16%,最低气温预报准确率提高4%~18%。EC细网格模式对于暴雨、强对流、高温晴热、回暖天气、冷空气过程最高气温预报偏低,海雾影响时最高温度预报偏高;对冬季大雾情形下的最低气温预报偏低,辐射降温时最低气温预报沿海站点偏低,北部内陆站点偏高。     

城市化进程对气温变化的分析——以北京、郑州、南京、杭州城市为例

基于城市热岛效应概念的基础之上,针对北京、郑州、南京、杭州4个城市,采用以城郊对比方法(UMR)为主,结合相关系数权重方法来建立对比站序列,分析1980—2009年30a内年平均气温、日较差年平均气温、最高气温年平均、最低气温年平均的变化特点,以及这4个要素20世纪80、90年代和21世纪00年代上升或下降趋势的比较,分析了城市化与气候变化之间的关系。结果表明:城市化使得城市有明显的增温效应,对最低气温年平均的增温效果最为明显,年平均气温次之,最高气温年平均最不明显;日较差年平均气温有下降趋势,表明城市化使得夜间气温上升,日较差减小;在年代际的比较中20世纪90年代的城市化对气温的影响最为显著。     

欧洲中心细网格2 m温度产品在遵义市的检验及应用

利用遵义市14个县区站2013—2015年逐日最高气温、最低气温实况数据,检验分析了对应时段内欧洲中心(EC)细网格2 m(简称EC 2 m)温度预报产品对遵义市的预报准确率,在此基础上,根据2015年EC 2 m温度预报平均误差,对2016年1—8月EC 2 m温度进行订正检验。结果表明:2013—2015年EC 2 m温度对遵义地区预报准确率呈逐年上升趋势,最低气温预报准确率远高于最高气温。其中,2015年EC 2 m温度预报系统性偏低;最高气温的预报准确率呈冬、秋、春、夏递减,最低气温的预报准确率呈夏、秋、春、冬递减;最高气温预报准确率随时效延长呈下降趋势,最低气温预报准确率随时效延长呈波动变化趋势;播州、汇川、绥阳、赤水、习水、凤冈各时次的最低气温预报准确率都在80%以上,参考性强,其余站点相对较低。通过平均误差对EC 2 m温度进行订正并检验,订正效果明显。     

寿光日光温室温湿度变化特征分析

对寿光日光温室秋、冬、春季节不同天气状况的温湿度变化特征、通风及增温时段进行分析。结果表明,温室内气温在不同天气状况下有明显的日变化,晴天、多云、阴天时日最高气温分别在24～35℃,22～30℃,20～25℃,最高值均出现在13:00前后;日最低气温分别在9～16℃,11～20℃,09～12℃,最低值出现在06:00—07:00。温室内相对湿度在白天降低,夜间升高,晴天与多云天气时,日相对湿度最大值在75%～86%,最小值在20%～50%,阴天时,最大值在85%～90%,最小值在40%～60%。晴天时,秋、冬、春季节的适宜通风时段分别在11:00—15:00、13:00前后、12:00—15:00,多云天气的适宜通风时段分别在12:00—15:00、13:00前后、12:00—13:00,阴天时,在中午前后进行通风排湿。晴天与多云天气时,秋、冬季节的增温时段分别在00:00—07:00、00:00—09:00,阴天时冬季增温时段在19:00—次日10:00。经过对温室环境进行调控,有效促进温室作物的增产增收。     

中尺度数值预报模式输出产品温度和相对湿度的检验

对华云神箭MM 5中尺度数值模式2004年6—11月输出的地面要素日最高气温、日最低气温、日平均气温和日最大相对湿度、日最小相对湿度、日平均相对湿度进行了检验,检验统计量为平均误差、平均绝对误差、均方根误差和相关系数。通过检验,气温和相对湿度MM 5都存在系统性误差,短时效(24 h)预报值比实况偏小,随着预报时效延长,气温预报仍然偏小,且绝对值较大。相对湿度预报数值偏大,但在可允许的误差范围内。从空间区域图分析,气温和相对湿度都存在准定常的误差分布区。     

一种逐时气温预报方法

利用2006~2010年陕西10地市逐小时的气温和逐日的最高气温、最低气温、平均总云量、降水量资料,通过线性回归方法建立了一种基于日最高气温和最低气温预报以及临近气温实况资料的逐时气温预报模型,并对2011年每天的逐时气温预报进行检验。结果表明:该方法在晴天、多云和阴雨天的预报能力依次减弱,其中晴天和多云天02~18时的预报效果好于19时至次日01时的,而阴雨天01~10时的预报效果好于其它预报时段的;当日最高气温和最低气温预报较为准确时,西安站各预报时刻的准确率均在60%以上,其中14~17时的准确率较高,晴天的达到100%,多云天的在96%~99%之间,阴雨天的准确率偏低一些,特别是11~17时较晴天和多云天偏低了12%~27%;该方法可以将24 h日最高(低)气温预报细化到逐时气温预报,同时考虑了气温日变化的地域差异、季节特征、以及在晴天、多云和阴雨天的不同表现,具有一定的业务应用和推广价值。     

菏泽冬季日光温室内气温预测

利用2012—2013年冬季菏泽巨野日光温室内的小气候观测资料分析了温室内最低气温、最高气温与当天及前一天温室内外各气象要素的相关性,在删选出相关显著要素的基础上,采用主成分分析法建立了温室内气温预测模型。结果表明:1温室内最低气温与当天及前1天温室内外8个气象要素的相关性比较显著,温室内最高气温与当天及前1天温室内外9个气象要素的相关性比较显著,而且各气象要素之间也存在较好的相关性。2主成分回归分别提取了影响温室内最低气温、最高气温的3个主成分因子,建立的温室内气温预测模型通过了显著性检验。3回代检验的结果为,不同天气状况下的最低气温预测值和实际值的平均绝对误差在1℃左右,不同天气状况下的最高气温预测值和实际值之间的平均绝对误差在1.5℃左右。经2013—2014年冬季的温室小气候数据应用检验结果为,不同天气状况下的最低气温、最高气温预测值与实测值的平均绝对误差分别在1.1℃和1.5℃左右,其中晴天条件下的最低气温检验效果较好,绝对误差为0.9℃,寡照天气下的最高气温检验相对较好,绝对误差为1.4℃。