山东省城镇天气预报质量评估检验

根据中国气象局全国城镇天气业务产品检验评估报告和山东省预报质量评估系统检验结果,对200¬7年1月—2015年2月山东省城镇天气预报质量进行了总结分析。结果表明：（1）山东省晴雨（雪）和气温预报准确率、提高幅度均高于全国平均,降水预报准确率低于全国平均,技巧评分处于全国平均水平。（2）山东省内晴雨（雪）、最高气温、最低气温预报准确率最高的区域分别是鲁南、鲁西北和半岛,降水预报准确率半岛和鲁南明显高于鲁中和鲁西北地区。（3）山东省晴雨（雪）预报正确率夏季最低,冬季最高;气温预报准确率春季最低,最高气温预报准确率秋季最高,最低气温预报准确率夏季最高。（4）各市气象台预报相对省气象台指导预报有正的订正技巧,晴雨（雪）预报技巧评分鲁中地区相对偏低。     

2019年广东后汛期主客观预报检验评估

2019年后汛期广东省24 h晴雨预报准确率为72.7%,暴雨预报TS为26.4,日最高、最低气温预报平均绝对误差分别为1.04、0.93℃,省级网格各项目均优于数值模式。与前汛期相比,Grapes3 km与ECMWF在后汛期的相对预报能力有明显变化。气温检验发现主客观预报对晴转雨时的最高气温,以及弱冷空气或持续降水影响期间的最低气温预报误差较大。以台风"白鹿"和"杨柳"为例,对台风外围环流影响的最高气温、最高气温的变温进行检验,发现模式对变温预报的标准偏差小于最高气温预报,具有较好的参考意义;主客观预报的变温空间分布特征均十分相似,空间差异小,无法体现局地增温,并且对距离台风较远地区的增温估计不足。     

DOGRAFS逐小时气温和降水预报的释用

采用2016—2018年DOGRAFS(沙漠绿洲戈壁区域分析预报系统)的气温、降水逐小时预报资料,在检验的基础上开展释用方法研究,并用2019年资料进行试验测试,结果表明:DOGRAFS气温预报,08时起报的准确率要高于20时起报的;北疆好于南疆,准确率为50%,平均绝对误差为2.5℃,采用最高、最低气温建模方案,预报准确率提高到64%,平均绝对误差为1.9℃,预报的离散度降低。DOGRAFS降水预报,08时起报的T_S评分略高,20时起报的晴雨准确率略高,南疆好于北疆;晴雨预报准确率可达95%,但降水T_S评分仅有20%,空报率超过50%;采用消空订正方案,晴雨预报准确率提高1%,T_S评分提高2%,空报率大大降低,但漏报率较大。释用方案对模式气温预报有较好的提升效果,降水预报仍有较大的改进空间。     

一种改进的频率匹配法在网格降水预报订正中的应用

为提高精细化网格降水的实际预报能力,评估了2021年汛期ECMWF(EC)、CMA-MESO、SXWRF和SCMOC降水预报产品在陕西的表现,讨论了卡尔曼动态频率匹配方法对不同模式的订正效果,然后针对该方法不足,基于最优TS评分阈值法和SCMOC在天气过程判定中占优信息对小量级降水进行了二次订正,最后利用分类降水过程建模和基于图像相似识别技术改进的卡尔曼动态频率匹配法对暴雨进行了订正研究。结果表明:SCMOC晴雨预报准确率和暴雨TS评分均最高,分别为81.60%和0.30,表现最好;卡尔曼动态频率匹配法可明显提高EC、CMA-MESO和SXWRF模式降水预报产品晴雨预报准确率,对暴雨预报的改善效果不稳定,对EC晴雨预报准确率和暴雨TS评分提升幅度均最大,分别为6.35%和6.99%,该订正方法更适合于EC模式;经晴雨消空二次订正后的EC模式晴雨和小雨预报准确率较一次订正后的EC模式均有提高,分别提高了0.51%和0.64%;分类降水过程建模订正可进一步提高EC暴雨TS评分,较未分类过程订正后的暴雨TS评分提高了1.05%,且暴雨其他评分指标也均变好;改进后的卡尔曼动态频率匹配法较改进前...     

2019年第一季度广东省天气预报检验评估

2019年第1季度广东省24h晴雨预报准确率为81.0%,日最高、最低温度预报平均绝对误差分别为1.84、1.26℃。降水评估结果发现主观预报对晴雨、小雨和中雨量级的预报均对客观模式有较好的订正能力,对大雨和暴雨以上降水预报仍存在一定的空漏报。温度评估结果显示主客观预报对冷空气温度变化趋势均有很强预报能力,预报员对模式最高、最低气温订正有明显正技巧。     

中央气象台精细化预报产品检验及误差分析

2013年7月至2014年6月中央气象台精细化预报产品在汉中市的检验结果表明:一般性降水和晴雨预报准确率较高,有一定的参考价值,暴雨以上降水准确率较低,参考性较差;最低气温预报准确率明显高于最高气温,对本地预报有较好的指导性。气温预报存在季节性误差,最高气温误差夏季大于冬季,而最低气温误差冬季大于夏季。气温预报误差还受天气变化影响,转折性天气时最高气温预报误差较大,晴转阴或晴转小雨时为正误差,晴转明显降水时为负误差,阴转晴或雨转晴时为负误差;11、12、1月晴天时最低气温预报误差较大,基本为正误差,其余月份误差较小且无规律。     

华南3 km高分辨率区域模式气温预报在贵州的质量检验

利用2018年1—10月华南3 km区域高分辨率模式08时、20时起报的气温预报和实况资料,采用线性内插法进行站点预报值处理,并从平均均方根误差及预报准确率的角度,检验分析了贵州省72 h预报内逐24 h最高(低)气温预报质量。结果表明,72 h内随着预报时效的增加,预报准确率差异较小;日最低气温预报准确率相对最高气温平均高出20%左右;08时起报的最高(低)气温预报优于20时的。同时发现,最高(低)气温的预报能力在月份上存在明显差异,6—8月预报性能总体优于其它月份;在24~48 h预报中,东北—西南向一带较贵州其它区域展现出更高的预报能力。在9个主要城市站上,最高(低)气温均表现出较高的预报技巧,其中,20时起报的兴义站24 h最低气温准确率100%。通过对2018年7月18日气温预报质量检验,最高(低)气温及35.0℃以上高温事件预报准确率均在80%左右,较好反映了天气实况。因此,华南3 km高分辨率区域模式对贵州气温预报具有较好的参考价值。     

陕西中短期网格客观预报降水产品在西安地区的检验

基于2017—2020年6—9月陕西中短期网格客观预报产品（简称DCOEF）的降水产品,采用晴雨预报准确率、TS评分、预报偏差BIAS,对其在西安地区21个气象观测站的预报效果进行检验;同时采用第99%分位值的降水量值作为测站极端降水量的阈值,进一步了解DCOEF对极端降水的预报效果。结果表明,（1）DCOEF在西安地区逐年和逐月的晴雨预报准确率均在069以上,空间分布上在西安城区、高陵、阎良、临潼和灞桥地区的晴雨预报准确率普遍在075以上,具有较好的参考价值。（2）6—9月中,9月的晴雨预报准确率可达08,各量级的TS评分明显高于其他月份,且BIAS接近于1,预报效果最好。（3）随着降水量级的增加,TS评分明显下降,小雨的TS评分最高,且时间和空间差异小;暴雨TS评分时间和空间差异明显,除9月外整体评分较低,且空报率明显偏高。（4）DCOEF对西安区域平均降水量雨带分布和强降水中心位置分布预报与实况差别较大,但能较好地反映出区域降水的时间演变趋势,与实况较为接近,只是在降水量上存在一定的偏差,预报值较实况以偏大为主。（5）DCOEF对极端降水的预报缺乏稳定性,偏差大,尤其是对短时强降水所造成的极端降水事件预报能力弱。     

基于集合预报系统的日最高和最低气温预报

根据欧洲中心集合预报系统2 m气温预报的集合统计值,提出了BP-SM方法,针对中国512个台站2016年3月的日最高（低）气温做预报分析。将集合预报系统的模式直接输出、BP和BP-SM方法得到的日最高（低）气温进行了比较,结果表明:预报时效越长,BP-SM方法较之BP方法的预报优势也更明显;在1至5 d的预报中,BP-SM方法显著降低了预报绝对误差,误差在2℃以内的准确率大部分在60%以上,部分站点达到90%;正技巧评分均值大多高于30%,在青藏高原东部和南部地区超过了60%。预报正技巧站点次数在绝对误差≤2℃（1℃）范围内有所提高,对日最高气温预报准确率的提高略好于日最低气温;BP-SM方法有效地降低了预报系统偏差,较大预报误差出现次数显著减少。      

华南3 km高分辨率区域模式气温预报在贵州的质量检验

利用2018年1—10月华南3 km区域高分辨率模式08时、20时起报的气温预报和实况资料,采用线性内插法进行站点预报值处理,并从平均均方根误差及预报准确率的角度,检验分析了贵州省72 h预报内逐24 h最高(低)气温预报质量。结果表明,72 h内随着预报时效的增加,预报准确率差异较小;日最低气温预报准确率相对最高气温平均高出20%左右;08时起报的最高(低)气温预报优于20时的。同时发现,最高(低)气温的预报能力在月份上存在明显差异,6—8月预报性能总体优于其它月份;在24～48 h预报中,东北—西南向一带较贵州其它区域展现出更高的预报能力。在9个主要城市站上,最高(低)气温均表现出较高的预报技巧,其中,20时起报的兴义站24 h最低气温准确率100%。通过对2018年7月18日气温预报质量检验,最高(低)气温及35.0℃以上高温事件预报准确率均在80%左右,较好反映了天气实况。因此,华南3 km高分辨率区域模式对贵州气温预报具有较好的参考价值。     

递减平均法与一元线性回归法对ECMWF温度预报订正能力对比

基于ECMWF细网格模式的定时最高(低)气温预报产品,针对2017年陕西99个国家级气象站的日最高(低)气温预报,检验和比较了递减平均法和一元线性回归法两种方法对气温预报误差的订正效果。结果表明,两种方法都显著地提高了日最高(低)气温的预报准确率,随着预报时效的延长,订正能力逐渐减弱。技巧评分与模式对气温的预报能力有显著的负相关关系,秦岭及其以南地区的日最高气温预报和秦岭以北地区的日最低气温预报的准确率偏低,其技巧评分一般超过40%,极大值超过70%。两种方法都有效降低了系统误差,较小误差范围的站次增多,较大误差范围的站次减少,对日最高气温在预报绝对误差≤2℃误差范围的订正能力较为突出,对日最低气温在预报绝对误差≥3℃误差范围的订正更有优势。一元线性回归法对日最高气温预报的订正能力略优于递减平均法,对日最低气温预报的订正能力不及递减平均法,利用这两种方法对气温预报进行混合订正的效果更佳。     

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。     

瑞万思数值天气预报的中短期检验

对瑞万思天气预报辅助系统所提供的2007年9—12月锡盟地区（以乌拉盖、锡林浩特市、二连浩特市、多伦为代表站）24～168h降水、最低（高）气温的集合预报行了检验,结果表明：晴雨预报准确率较高,24～96h在70.1％-89．7％,120～168h在62．8％～87．2％;定性预报准确率24～72h为21．7％～42．4％,96—120h为6.3％～37．5％;最低（高）气温的预报误差较稳定,最低气温平均偏高2．3℃,最高气温平均偏低2．5℃,气温日较差偏小2．9～5．6℃。这对今后更好的使用该系统和制作订正预报．都有一定的参考作用。     

利用ECMWF产品对庆阳极端气温释用效果分析

利用CMSVM的回归方法,用2003～2007年的欧洲数值预报格点资料和庆阳市8个自动站极端气温资料建立最高最低气温预报模型.2008年业务运行效果检验评估表明:5 d最高、最低气温综合平均预报准确率达到64%和71%,对实时业务有较好的指导作用.最高、最低气温准确率随着预报时效的延长效果降低,最低比最高气温的预报准确率高.最低气温预报效果春夏季好于秋冬季,最高气温相反.最高、最低气温绝对误差和平均误差都随预报时效的延长增大,最高比最低气温平均绝对误差大,二者的平均误差接近,均为正值,预报值具有偏高的倾向.对9月明显变化过程的评估表明,最高最低气温预报与实况演变的趋势相似.     

三种数值模式气温预报产品的检验及误差订正方法研究

基于德国天气在线T7online(简称T7)、ECMWF细网格(简称EC)及T639三种数值模式的气温预报产品,结合本溪站气象观测资料,对三种数值模式2014年1月至2015年12月本溪市气温预报的准确率及预报误差进行了检验和分析,根据误差分析结果利用BP神经网络模型建立了本溪市数值模式气温预报误差客观化订正模型。结果表明:对于气温预报的年检验,T7、EC和T639三种数值模式的最低气温预报准确率均高于最高气温的预报准确率;对于气温预报的月检验,三种数值模式对夏季、秋季最低气温的预报效果明显优于冬季和春季,而对于最高气温的预报,T7的气温预报准确率明显优于EC和T639模式;当气温波动较大时,三种数值模式气温的预报准确率均明显下降。三种数值模式对最低气温预报的平均误差均为2.00℃以内,对最高气温的预报准确率存较大差别,T7模式最高气温的预报误差最小,T639模式气温预报的系统偏差最明显,最低气温系统偏差为-1.34℃,最高气温系统偏差为-2.87℃。根据三种数值模式气温预报误差的特征,结合BP神经网络建立本溪市气温误差预报模型对数值模式气温预报结果进行订正,订正后气温平均绝对误差由2.40℃左右降至1.40℃左右,系统偏差和均方根误差均明显缩小,气温预报准确率由50%左右提高至80%以上,数值模式气温预报准确率明显提高,具有较好的应用价值。     

晴雨(雪) 和气温预报评分方法的初步研究

利用全国逐日天气预报产品和对应实况数据, 分析了目前普遍使用的晴雨(雪) 和气温预报评分方法存在的问题, 并进行了改进尝试和研究。结果表明:由于没有考虑降水概率的影响, 在降水概率全国差异较大的多数月份, 晴雨(雪) 预报正确率与单站无降水频率表现为正相关, 具有无降水频率越大评分越高的趋势; 采用绝对标准值(1 ℃或2 ℃) 作为阈值进行气温预报准确率评分, 评分结果与气温日际变化呈明显负相关, 气温日际变化偏小则评分值偏高的趋势比较明显。该文提出的晴雨(雪) 和气温预报改进评分方法能有效减少降水概率和气温日际变化对晴雨(雪) 和气温预报评分的影响, 提高不同气候背景地区天气预报评分结果的可比性, 在天气预报质量检验和评估业务中具有一定的应用和推广价值。     

广西城镇天气预报质量分析评估

根据全国城镇天气预报产品质量评估报告,从预报准确率和预报技巧评分上对2013-2017年广西城镇天气预报质量进行分析评估。结果表明:广西城镇天气预报24-72h最低温度预报准确率逐年提高,24-72h最高温度预报准确率稳步提升,24-72h晴雨预报和一般性降水预报准确率明显提升,24-72h暴雨和暴雨以上预报准确率保持稳定。24h晴雨、最低温度预报技巧评分较高,24h最高温度、一般性降水预报技巧评分波动较大,暴雨以上预报技巧评分较低。     

辽宁省夏季多模式降水预报检验及晴雨预报技术研究

利用辽宁省291个国家气象观测站的降水资料,对2019年夏季（6-9月）8种模式降水预报及中央气象台格点降水预报进行了检验评估和比较,并采用消空方法进行晴雨预报技术研究。结果表明：2019年,EC模式具有最优的暴雨预报性能,而日本模式暴雨TS评分最高;中尺度模式对于局地性暴雨和短时强降水具有较好的预报潜力,性能较好的是GRAPES_MESO模式和睿图东北3 km模式;全球模式对24 h暴雨的预报频率比实况偏低30%,3 h强降水则偏低60%,中尺度模式对24 h暴雨的预报频率比实况偏高30%,3 h强降水则偏低20%。由于对小量级降水存在较多空报,各模式原始预报的晴雨预报大多呈现空报偏多的情况;使用小量级降水剔除的消空策略能够明显提高晴雨准确率,消空之后EC模式具有最优的晴雨预报性能。分别使用24 h和3 h累计降水量优化消空策略,发现分别取1.0 mm和0.8 mm的阈值进行消空可以使24 h晴雨准确率提高15.58%,3 h晴雨准确率提高10%-30%。     

冬季高海拔复杂地形下GRAPES Meso要素预报的检验评估

利用GRAPES(Globe/Regional Assimilation and Prediction System)对2010年温哥华奥运会6个场馆气温、相对湿度、风及降水量的预报结果,采用预报准确率、平均误差、平均绝对误差、Alpha Index、TS和ETS评分等统计量对其进行了较详细的评估。结果表明:GRAPESMeso预报相对湿度的准确率最高,且随预报时效的增加,其变化趋于稳定。起初模式对相对湿度的预报偏干,之后逐渐变为预报偏湿;气温预报偏低;风速预报偏大。逐日各要素预报检验结果表明,气温的变化幅度最小;各级降水检验发现,晴雨预报的TS评分最高,且随降水增大,ETS评分逐渐接近TS。与其他模式预报结果对比发现,GRAPES-Meso对复杂地形下要素预报还存在一定的不足。本研究还发现,模式存在一定的系统误差,若能有效订正其误差,将有助于改进模式预报。     

陕西ECMWF、GRAPES_Meso和SCMOC气温预报的对比检验及订正

利用陕西99个国家气象站2017—2019年日最高(低)气温观测资料,采用一元线性回归和递减平均方法,对GRAPES_Meso、ECMWF和SCMOC的日最高(低)气温预报进行订正,并作对比检验。结果表明,SCMOC、GRAPES_Meso和ECMWF的日最低气温预报准确率较日最高气温偏高,其中SCMOC的日最高和最低气温预报准确率最高,ECMWF次之,GRAPES_Meso最低。一元线性回归和递减平均方法对SCMOC的气温预报订正多为负效果,但对GRAPES_Meso和ECMWF的气温预报订正有明显正效果。订正后ECMWF与订正前SCMOC的预报相比,前者日最高和最低气温的预报准确率偏高。订正后GRAPES_Meso与订正前SCMOC的预报相比,前者日最低气温预报准确率偏低、2018年24 h和2019年24、48 h日最高气温预报准确率偏高。一元线性回归法对模式气温预报的订正能力和稳定性优于递减平均法。