武威市大风单站订正MOS预报方法

一、前言自我省1984年全面开展模式输出统计预报方法以来,现已广泛投入业务使用,取得了一定成绩。目前,兰州中心气象台已有我省河东大一暴雨的指导 MOS,今后还会有其他项目的指导 MOS。这些指导 MOS 发至地县台站后如何使用?是一个需要探讨     

模式输出统计预报连载之五 第五章 我国MOS预报

第一节我国MOS预报概况 1972年Glahn和Lowry提出MOS方法,很快就引起我国的重视,1973年在南京气象学院举办的数理统计预报训练班就介绍过MOS方法。但是当时我国没有投入业务的数值预报,并且台站还没有装备传真机,国外数值预报也无法得到。 1975年8月上海市气象局使用陈雄山的初始方程三层模式制作业务数值预报,1978年上海气象局徐一鸣和郭永润利用该     

江苏省梅汛期中期预报业务系统

为了促进省台中期预报在预报员经验的基础上,向定量化、客观化方向发展,江苏省台利用欧洲中心4—5天预报格点资料,集成省台目前应用的4种主要中期预报方法(波谱分析和天气图分析方法、MOS法、PP法、相似离度分析法),制作了梅汛期4—5天逐日降水分级(包括分区和南京等8个单点)预报业务系统,经1986年试报,效果令人满意。     

MOS方法的进展

MOS方法,即模式输出统计方法是利用数值预报成果作天气要素预报的一种方法。由于近年来数值预报模式的不断完善,对天气形势场的预报准确率不断的提高,这一种方法逐渐成为许多国家作日常短、中期天气要素预报的主要方法。随着我国数值预报业务工作的发展(B模式投入正式使用~*),MOS方法也正在我国一些台站成为日常主要预报手段之一。今回顾这一方法的过去,分析它的现状并展望它未来的发展。     

逐日最低温度中期预报的PP方法

应用数值预报产品制做局地天气要素预报主要有两种方法:MOS法(模式输出统计方法)和PP法(完全预报方法)。在目前条件下,提供中期MOS预报的数值预报产品的资料年代短,不象短期MOS预报那样有较多的样本资料和要素预报值可供作为可能预报因子。采用PP方法是解决上述问题的有效途径。由于PP法建立的预报方程是针对长年代大样本历史资料建立的统计关系,     

1984年5—8月MOS试验小结和改进设想

一、试验情况 我站从1982年开展MOS预报,1983年正式做为预报依据,1984年5—8月全面试行MOS预报。每天以晚上发布的天气预报参加对比,评定未来24小时预报,评比范围为:本站MOS预报、本站晚上对外发布的预报、省台晚上广播的我区天气预报、市台晚上对县站发布的预报。根据每月天气形势分月建立的MOS方程为:     

苏州气象业务现代化建设综述

六五期间,在江苏省气象局和地方政府的正确领导和有力支持下,经全局同志团结协作,奋发努力,苏州市气象业务现代化建设取得了一定的成绩。 一、气象业务现代化建设的现状 1.完成了中期地方MOS试验研究任务 从1983年起,经过3年的努力,达到了中期地方MOS试验研究课题的预期目标,开始走上客观定量预报的新路子。 (1)开创了中期3—7天逐日业务预报服务项目。以日本中期数值预报模式产品为主,结合使用欧洲中心中期模式产品,北京气象中心B模式产品(72小时预报),制作中     

走客观定量化预报之路 我省地方MOS预报投入试用阶段

随着电子计算机、卫星,通讯技术的飞速发展,天气预报技术也有了较快的发展,模式输出统计预报方法近十来年发展很快,因为它是一种客观、定量化的预报方法。目前,美国、日本、英国、苏联等国已把 MOS 预报投入了日常业务使用。美国于1958年就把数值预报投入了业务使用,1959年 KLein 提出完全预报(PPM),经过七年的努力,于1966年完     

MOS法初步应用小结

以数值预报为基础,综合运用统计、天气学方法,开展地方MOS要素预报,是预报业务走向客观化、定量化的一条途径。我们采取分工协作,责任到人,分题定时间的办法,全面开展数值预报产品的应用工作。现已基本完成预定任务,1985年投入业务使用。现就有关情况综述如下:1.建立了3—9月的逐日地方MOS晴雨预报方程,因子选自700hpa36小时T—Td、     

春播期强降温中期MOS预报方法初探

一、前言近几年来,随着数值预报产品内容的丰富和质量的提高,以及计算手段的不断更新,利用模式输出统计预报方法(即MOS方法)来解决天气预报的客观化、定量化问题,越来越得到广大气象工作者的重视。中期MOS预报较之短期相比困难要大一些,其主要原因在于预报信息量少和准确率低,台站一般都只能接收到中期形势预告场,而无各类物理量场。然而,中央气象台中期预报科曾通过对欧洲气象中心发布的中期数值预告产品进行了统计检验,证     

应用综合统计方法预报长江上游短期强降水面雨量

将完全预报方法和模式输出统计方法结合起来，使其优势互补。同时，充分考虑数值预报和经验预报在实际工作中的作用，改善模式输出统计中的因子组成，建立MOS预报方程，提高了统计预报模型性能。2002年6－9月业务试用结果表明，该预报方程对强降水面雨量有较强的预报能力。     

城市相对湿度的直接模式输出修正预报的研制

给出了一种非统计的直接模式输出（ＤＭＯ）的修正预报方法，它无需任何历史资料（包括数值预报资料及观测资料），仅以我国国家气象中心实时Ｔ１０６模式的离地２ｍ之相对湿度预报格点值（１．１２５°×１．１２５°经纬度）为基础，经非线性插值、部分系统性误差订正及相对湿度的日较差修正后制作全国２６４个城市的相对湿度预报。其中北京、上海、香港等１０个城市的相对湿度预报经预报员把关后，每天晚间由中央电视台播出。     

MICAPS4预报业务系统建设进展与未来发展

以精细化预报为标志的现代天气预报业务对高时空分辨率气象数据的应用提出了更高的需求,而传统的预报分析制作系统MICAPS3（Meteorological Information Comprehensive Analysis and Processing System Version 3）无法满足符合大数据特征的实时预报相关的数据应用。同时,模式预报和集合预报应用已在各专业预报领域中发挥越来越重要的作用,网格预报产品正在涵盖全部的预报业务流程,而MICAPS3无法提供便捷高效的支撑。为解决上述问题,国家气象中心启动了MICAPS4建设,一方面建立了基于大数据的气象实时预报应用技术体系,解决了气象大数据处理、存储、分析和显示效率的关键技术难题;另一方面搭建了多个满足不同复杂预报业务需求的专业化版本。MICAPS4将信息化技术与预报技术、预报业务流程紧密结合,解决了现代化预报方法的平台化集成应用与精细化预报制作的关键技术难题,基于MICAPS4基础框架的多个专业版在中央气象台和部分省级气象台进行业务化应用推广。基于CIMISS（China Integrated Meteorological Information Sharing System）-MICAPS4的海量数据存储环境,极大减轻了系统部署和本地化工作量,显著提升了数据解析及数据存储访问效率。     

三种气温预报产品黑龙江省预报效果检验

利用T639模式预报产品和黑龙江省83个国家气象站气温实况观测资料,采用最优预报因子方法选取预报因子,应用多元回归方法建立逐站日最高气温和日最低气温的MOS预报方程; 对MOS、中央气象台指导预报（SCMOC）和T639三种气温预报产品的日最高气温和日最低气温预报效果进行对比检验分析,并用EOF方法检验预报与实况的时空变化特征一致性。结果表明: 与实况的时空变化一致性方面,MOS和SCMOC较好,T639略差; 预报效果方面,MOS和SCMOC对日最高气温和日最低气温的2 ℃预报准确率普遍高于T639,MOS的预报准确率在日最高气温方面高于SCMOC,在日最低气温方面低于SCMOC; MOS对T639气温预报产品改善效果明显,尤其对冬季日最低气温的预报改善效果十分显著; MOS较T639气温预报改善效果与T639模式预报效果呈负相关关系,主要表现为,MOS预报改善效果在T639预报准确率低的山区明显优于平原,在春、夏季,预报准确率较低的日最高气温明显优于日最低气温,在冬季,预报准确率较低的日最低气温优于日最高气温; MOS气温预报方法的预报性能较理想,SCMOC对黑龙江省预报难度较大的日最低气温预报效果较好。     

Development of updateable model output statistics (UMOS) system for air temperature over South Korea

In this study, a Updateable Model Output Statistics (UMOS) system has been developed for the forecast of 3-h temperature over South Korea using two significantly different models’ (Regional Data Assimilation and Prediction System (RDAPS) and Korea Meteorological Administration (KMA) Weather Research and Forecasting (WRF) model (KWRF)) outputs based on the Canadian UMOS system (Wilson and Vallee, 2002; 2003). The UMOS system is designed to consider the local climatology and the model’s forecasting skills. The 20 most frequently selected potential predictors for each season, station, and forecast projection time from the 67 potential predictors of the Model Output Statistics (MOS) system, were used as potential predictors of the UMOS system. The UMOS equations are developed by a weighted blending of the new and old model data, with weights chosen to emphasize the new model data while including enough old model data in the development to ensure stable equations and a smooth transition to dependency on the new model. The UMOS equations were updated regularly at a predefined time interval to consider the changes of covariance structure between the new model output and observations as the new model data increase. The validation results showed that seasonal mean bias, Root Mean Square Error (RMSE), and correlation coefficients for the total forecast projection times are ?0.379～0.055°C, 1.951～2.078°C, and 0.741～0.965, respectively. Although, the forecasting skills of UMOS system are very consistent without regard to the season and geographic location, the performance is slightly better in autumn and winter than in spring and summer, and better in coastal regions than in inland region. When we take into account the significant differences of the RDAPS and KWRF, the UMOS system can be used as a supplementary forecasting tool of the MOS system for 3-h temperature over South Korea. However, the UMOS system is very sensitive to the selected number and/or types of predictors. Therefore, more work is needed to enable the use of the UMOS system in operation, including tuning of the number and types of potential predictors and automation of the updating processes of the UMOS equations.     

A Review on GRAPES-TMM Operational Model System at Guangzhou Regional Meteorological Center

This review summarizes the general developments of the operational mesoscale modeling based on the Global/Regional Assimilation and Prediction System-Tropical Monsoon Model (GRAPES-TMM) at the Guangzhou Regional Meteorological Center. GRAPES-TMM consists of the Tropical Regional Atmospheric Model System for the South China Sea (TRAMS, a typhoon model with a horizontal resolution of 9 km), the Mesoscale Atmospheric Regional Model System (MARS, 3km) and the fine-scale Rapid Update Cycling (RUC, 1km) forecasting system. The advances of model dynamical core and physical processes are summarized; the progress of model applications is reviewed and evaluated. The results show that the updated 9-3-1 forecasting system provides an overall improved performance on the weather forecasting in south China. Capabilities and limitations as well as the future development of the forecasting system are also discussed     

动力延伸预报产品释用方法的研究

目前以数值形势预报为基础的动力产品释用方法主要有模式输出统计法（ＭＯＳ）和完全预报方法（ＰＰＭ）。由这两种方法建立的预报方程缺乏明确的物理意义,所以文中提出了一种动力与统计相结合的方法。该方法从大尺度大气动力学方程组出发,推导出月降水距平百分率与月环流场的关系,从而建立了月降水距平百分率预报方程,随后利用月动力延伸预报的５００ｈＰａ高度场和实际降水场资料反演出月降水距平百分率预报方程的系数。该方程经过独立样本检验,表明这种方法对利用动力延伸集合预报的环流形势作月降水距平预报具有一定的能力。     

月尺度动力模式产品解释应用系统及预测技巧

从短期气候预测业务面临的实际问题出发,针对月尺度气候预测,利用国家气候中心月动力延伸预报(DERF)模式资料,开发了集多种统计预测方法、多种解释应用技术于一体的业务系统。利用该系统的多种预测方法对广西88个站点2005-2008年6月降水距平百分率的独立样本检验结果表明:在解释应用方法中,基于模式输出统计假设方法(MOS)的预报结果优于完全预报法(PP);利用预测站点附近的环流关键区构建的预测因子预报效果最好;经验统计函数法(EOF)和动力与统计相结合的解释应用方法的预测准确率较高且较稳定;同时满足模式预测资料中预测因子和预测对象的高相关关系,以及再分析资料中预测因子和预测对象之间高相关关系确定关键区,并在此基础上建立预测模型的预测效果更佳。解释应用预测准确率一般都在70分以上,高于传统的物理统计预测结果。     

华北地区极端温度MOS预报的季节划分

针对极端温度MOS (Model Output Statistics) 预报中的季节划分问题,通过聚类分析方法以华北地区为例进行试验,在此基础上提出一种新的MOS温度预报方程季节分类方式:2月11日—3月20日和11月5日—12月4日定义为早春晚秋类,5月1日—9月30日定义为夏季类,3月21日—4月30日和10月1日—11月4日定义为晚春早秋类,12月5日—2月10日定义为冬季类。由于上述季节分类与传统的季节划分在3—5月和9—11月时间段存在较大差异,因此利用2009年进行试报,就两种时间分类进行对比分析。检验结果表明:利用新分类方法制作的极端温度MOS预报的整体效果好于传统的季节划分得到MOS极端温度预报效果,说明新的分类方式更适合于极端温度MOS预报。     

沈阳市降水概率预报服务系统

沈阳市降水概率预报服务系统是在日本数值预报的基础上应用多种统计方法建立MOS预报方程,对其预报结果应用概率回归集成制作降水概率预报。TS评分结果表明:MOS预报的降水确率高于日本数值预报,MOS集成预报的结果在各种MOS预报结果平均偏上的水平。概率预报的Brier评分结果表明:在MOS综合基础上的概率回归(REEP)方法得出的概率预报结果较为理想。