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。     

郑州市5～8月逐日最高气温预报

利用郑州市 1 996～ 1 998年 5～ 8月的历史气象资料 ,选取低云日际变化量、降水日际变化和风向日际变化为预报因子 ,建立了 5～ 8月最高气温日变化量多元回归预报方程。根据预报日前 1天实况和预报日的预报量 ,利用方程可求出最高气温日变化量     

百叶箱内外气温特征分析

利用新增的气温观测资料和常规气象资料，应用统计分析方法对南宁市百叶箱内外气温进行了对比分析研究，结果发现两者的平均气温、最高气温等要素在季度、月际、日变化比较中有较大差异。进一步分析表明，两者的差异与云况、湿度、降水等气象要素密切相关。在上述分析的基础上，建立了百叶箱外气温的预报方程。     

OCF气温预报大误差日的对比检验分析北大核心CSCD

为评价用于公众气象服务的精细化多模式客观集成预报服务产品(refined multi-model objective consensus forecasting service products,以下简称OCF)多模式集成气温预报效果,分析其误差成因,以中国区域OCF日最高气温和日最低气温预报检验为切入点,对服务影响较大的大误差日及其典型特例——降温日开展检验分析,并与参与OCF集成的ECMWF和NCEP气温预报进行对比。结果表明:OCF日最高气温和日最低气温总体上预报性能优于参与集成的模式预报,准确率夏季高冬季低,拉开了气温变化范围,也有效减小了误差。OCF的大误差日较少,但2~3 d时效及冬半年的大误差日较ECMWF多,与集成的模式预报性能、降温天气相关。针对降温日的检验分析发现:OCF、ECMWF和NCEP在降温日的预报性能有所下降,OCF日最高气温预报误差增长尤其快;OCF对降温日的日最低气温、非降温区域的日最高气温进行了有效订正,但在降温日的降温区域里,其日最高气温预报有明显的正误差特征。基于以上分析,提出了OCF气温集成订正技术改进方向,说明针对性的检验更利于发现客观模式预报及集成订正的问题。     

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。     

卡尔曼滤波方法在逐日极端气温预报中的应用分析

利用国家气象中心的T63数值预报产品，采用卡尔曼滤波方法，建立了内蒙古地区（35个站）的逐日极端（日最低、日最高）气温24小时预报方程。于1996年3～11月进行业务试运行，预报结果令人满意，表明该方法有一定的参考和实用价值。     

上海地区春季最高气温预报失败案例分析

本文分析了2015年3月17—18日上海地区连续两天发生最高气温预报失误的天气背景,并使用当日实况观测和业务预报使用的数值模式资料,剖析预报失败的原因,分析表明:对天空状况的误判是导致17日预报失败的主要原因,且东南风预报偏强更进一步增大了预报误差;冷空气影响时间的判断失误是导致18日预报失败的主要原因。从模式预报的实时检验、预报的跳跃性和不确定性角度分析了预报中存在的问题:预报员应重视本地和上游实况,从传统对单一确定性模式预报的依赖向多模式多起报时次及能提供概率预报和不确定性信息的业务集合预报的分析思路转型。此外,还需加强对集合预报的系统性检验、评估及数值预报释用产品的开发,增加包含不确定性信息的公众天气预报发布形式。     

长春市逐时气温客观预报方法的探讨

分析了长春市气温日变化的气候和天气特征，将统计方法与天气学方法相结合建立了长春市气温逐时预报方法。该方法在考虑不同季节太阳和地面辐射对气温日变化影响的基础上，同时还考虑了气团替换对气温变化的影响，给出了转折性天气气温变化的天气概念模型，可供预报人员参考。对实际预报结果的检验表明，该客观预报方法的准确性和稳定性均显著超过主观经验预报，与日极端气温主观预报水平接近。     

龙川县气温预报方法的建立与应用

利用龙川站2008-2012年地面观测资料、欧洲中心数值预报产品,采用常规统计预报方法（逐步回归）,将最高（低）气温实况作为预报对象,把可能影响气温变化的气象要素作为预报因子,分月建立未来24～ 72 h最高（低）气温的MOS预报方程,通过对2013年全年的检验预报表明：未来24～72 h最高（低）气温预报平均绝对误差均在2.0℃以内.     

极端气温客观预报系统简介

利用T213模式和欧洲中心模式提供的气温预报资料．再结合当日的地面气温来作第二日的极端最高、极端最低气温预报，预报结果客观、定量。在实际应用中效果较好．具有一定的使用价值。     

南昌市区与城郊盛夏温度对比观测与分析

通过对南昌市区和城郊1个月的对比观测与分析,发现了造成南昌市盛夏城区最高气温比城郊高的一些原因,并对南昌市盛夏高温预报服务提出了参考建议。     

1978—2008年城市化对北京地区气温变化影响的初步分析

应用北京地区20个常规站1978-2008年经均一性序列多元分析方法均一化处理的气温数据,初步分析了北京地区城市化对年平均和不同季节日最高、最低以及平均气温的影响。结果表明,1978—2008年,年平均日最低、平均气温空间分布自北向南、自西向东,温度逐渐升高,在城区达到最高,日最高气温表现为从西向东南逐步升高,在城区形成较为明显的热岛。温度变化趋势表明,各站日最低气温、平均气温、最高气温均呈升温趋势。城市化对北京地区城区及近郊区站点日平均气温和最低气温影响最大,对自北部佛爷顶至昌平到城区一带站点的最高气温影响最大。城市化对北京(观象台)站的增温影响最为明显,对城区站点温度平均的增温影响次之,对全市站点温度平均的增温影响最小。城市化对观象台站、城区站点平均、全市站点平均日平均气温、最低气温的年平均、各季节均非常显著,其中在秋季影响最大,对日最高气温的影响则是在夏季最大。     

北京不同区域表面气温的变化特征以及北京市观象台气温的代表性

利用北京地区14个观测站1990～2007年逐日和2004～2007年逐时的2 m气温观测资料,分析了北京城区、郊区、南部山区以及北部山区4个区域表面气温的年变化、季节变化以及春、夏、秋、冬4个季节的日变化特征,指出4个区域的气温变化特征具有明显的差异.在所有时间尺度上城区气温受城市热岛效应影响最大,表现为温度最高,郊区次之,南部山区较低,北部山区最低.1990～2007年4个区域的气温都表现出增温趋势,其中城区增温最明显,增温率明显大于其他区域.城区与其他区域气温的差异有明显的季节变化,城区与郊区、城区与北部山区气温的差异在冬季最大,夏季最小;城区与南部山区气温的差异在夏季最大,春季最小.在气温的日变化方面,城区气温在各个季节的日较差都是最小的,南部山区最大.通过比较作为北京代表站的北京市观象台的气温与4个区域的差异,发现观象台与城区气温在各个时间尺度上的差异都最小,与其他区域存在显著差异,北京市观象台气温主要代表了城区,对其他区域的代表性较差.     

内蒙古气温序列均一性检验

通过构建参考序列、找出间断点、结果集成等步骤对内蒙古地区119个地面气象站逐日平均气温、逐日最高气温、逐日最低气温进行均一性检验。结果表明:内蒙古地区大部分地面气象站气温资料均一性状况良好;部分台站气温资料不均一的原因主要是受迁站影响,其次是观测站周围环境变化、观测仪器的更换以及观测标准的变更。不均一现象对最低气温影响较大,其次是平均气温,最高气温受影响相对最小。     

石家庄城市与郊县站地面平均最低、最高气温差异

应用石家庄地区17个站1955—2006年逐日最低、最高气温资料,统计分析了16个郊县站与石家庄市区站最低、最高气温的差值。结果表明:各郊县站年平均最低、最高气温均比石家庄市站低,最低气温偏低0.17～2.07℃,16个站平均偏低1.02℃;最高气温偏低0.01～0.55℃,16个站平均偏低0.28℃。郊县站平均最低气温偏低程度在冬季更明显,1月平均达到1.69℃,夏季偏低程度比较弱,但最弱的7月也有0.49℃;最高气温的偏低程度也在冬季明显,但季节性差异没有最低气温大。不论最低气温,还是最高气温,各县(市)站与石家庄市区站之间的差异均存在明显的随时间增大现象,最低气温20世纪90年代初以来增大尤其明显。石家庄市区站地面最低、最高气温记录反映出明显的城市热岛效应影响。     

城市化对长沙市两气象站气温记录的影响

为深入认识城市对其附近气象站气温的影响,采用位于长沙市区东部和西部两个气象观测站的2007-2009年的逐日气温、风向和风速资料,结合地表覆盖特征数据,对比分析了两站气象记录差异,并通过改进的城市影响指数模型估算了气温资料中的城市影响偏差。分析显示：（1）2007-2009年东、西气象站逐月平均气温（T_mean）、最高气温（T_max）和最低气温（T_min）差异很大,最大差异分别可达0.90℃、0.83℃和1.34℃;（2）受城市及风向的影响,两气象站的逐月城市影响指数（K）差异较大,东、西站平均K值分别为2.01和1.50,年内同一台站的K值存在季节变化规律;（3）两站逐月△K与△T之间存在极显著正相关关系;（4）东、西两站2007年T_mean中的城市增温最大,分别达0.63℃和0.45℃。城市附近气象站气温记录受城市规模、风向和风速等因素影响明显,在分析长历时气候变化特征和利用站点记录数据进行空间分析时,有必要对气温数据进行订正。     

气象观测环境的变化对气温序列的影响分析

本文利用安徽省1971~2000年共30 a逐日平均气温、最高气温、最低气温的气候整编资料,选取气象观测环境完全符合相关规定(A类)和不完全符合相关规定(B类)两类代表站,分别建立了气温序列和两者的气温差值序列,并对气温序列的气候平均值和气温差值序列的气候趋势进行了分析。结果表明:气象观测环境的变化将影响气温序列。与A类台站相比,B类台站平均气温、最高气温和最低气温的气候平均值表现出一致偏高的特征,最低气温偏高最多;B类台站与A类台站平均气温、最高气温和最低气温的差值均有显著增大的趋势,平均气温差值的增大最为显著。     

渤海湾西部沿岸地区气温特征的观测研究

在渤海湾西岸沿着垂直于海岸的方向从海边向内陆设置了4个自动气象观测站,以10 min为时间间隔观测地面1.5 m处气温.结合邻近气象台站的温度观测,分析渤海湾沿岸气温的时空变化特征.结果表明:秋、冬季气温升降迅速,夏季气温升降缓慢;冬季和夏季气温日较差小,秋季气温日较差大;日平均气温与日最低气温从海边向内陆逐渐降低,日最高气温和气温日较差从海边向内陆逐渐升高;夏季海陆风日的气温时空变化显著,海边地区的气温日变幅小,内陆地区的气温日变幅大,海陆温差随着离岸距离的增加而加大;秋、冬季海陆风日的海边和内陆之间的气温日变幅小,海边和内陆之间的海陆温差变幅基本相当;海陆风环流影响海岸地区气温的时间范围主要是海陆风日,空间范围从海边伸向内陆10 km左右,最大范围从海边伸向内陆50～60 km左右.     

气象条件与 SARS发生的关系分析

根据 2 0 0 3年北京、香港SARS高发期间逐日确诊发病人数序列 ,运用数理统计和幂律关系方法 ,分析了不同地区SARS与气象条件之间的关系。结果表明 :京港两地SARS高发期的波动量与确诊前 7～ 1 0天的最高气温、最低气温、气温日较差、日照时数呈显著负相关 ,与相对湿度、云量呈正相关 ;气象条件与SARS发病人数呈显著的幂律关系 ,为自组织临界态理论在大气科学中的应用提供了观测证据。     

资料均一化对沈阳站气温趋势和城市化偏差分析的影响

利用国家气象信息中心2013年发布的逐日均一化气温资料,对沈阳站资料均一化处理前后平均气温和极端气温指数序列的线性趋势及其城市化影响偏差进行了比较评价。结果表明:1)资料均一化处理对日最高气温及其衍生的极端气温指数序列趋势估计的影响较弱,但对日最低气温及其衍生的极端气温指数序列趋势估计具有显著影响。2)经资料均一化处理后,平均气温序列中的城市化影响偏差有所增大,平均最低气温序列中的城市化影响偏差增大尤其明显;与冷事件有关的极端气温指数序列的城市化影响偏差数值有所减小,与暖事件有关的极端气温指数序列的城市化影响偏差数值有所增加。3)资料均一化处理有效纠正了因迁站等原因造成的地面气温观测记录中的非均一性,但却在很大程度上还原了城市站地面气温观测记录中的城市化影响偏差。