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.     

冬季降雪时段的日极端气温预报方法

本文分析绥化市2010—2013年历次降雪过程,统计降雪时段以及日极端气温出现时间,发现降雪时段的气温变化规律与非降雪时段有很大不同,所以日极端气温预报难度较大。本文从总结降雪时段的气温变化规律人手．试图根据850hPa预报场温度变化趋势推测出未来降雪时段内的地面气温变化趋势、幅度和日极端气温出现的时间,从而提高预报准确率。     

2007年秋季宁夏异常长连阴雨天气诊断分析

应用2003年-2006年T213数值产品,通过动力统计释用（MOS）,分季建立了山西省109站日极端气温预报模型;采用M-γ尺度气候模式,通过分季节、分天空状况模拟和检验,得到不同背景下乡镇与县站气温差额分布,依此,在较高质量的分县预报基础上,经过订正得到乡镇日极端气温的预报产品,取得较好的效果,弥补了目前乡镇自动站基础资料的不足,为乡镇精细化极端气温预报提供了新思路和新技术。     

EC细网格对黑龙江省日极端气温预报的误差分析

本文采用2013、2014(1-10月)年的EC细网格2 m气温预报资料,通过双线性插值方法对黑龙江省83个站点进行插值,得出EC细网格模式对于日极端气温的预报误差并进行分析。结果表明,EC细网格模式本身对于最高气温的预报准确率高于最低气温,预报误差具有显著的季节性变化特征,但不同的起报时间对误差的影响并不明显。EC细网格模式的预报误差符合正态分布,具有可订正性。     

长春市、区冬季最低气温的对比分析及预报方法初探

对比分析了2004-2009年6年2月份长春市与外五县的极端最低气温、目较差,验证了长春市极端最低气温比外五县高的定性结论,得到了长春市与外五县极端最低气温、日较差差异的量化结果;利用日本数值预报建立了极端最低温预报的天气模型。根据所得的气温要素差异的量化结果及预报模型再加上数值预报产品和实时常规资料的订正,最后得出极端最低气温的预报值,以此建立了一种长春市极端最低气温的客观预报方法．     

日极端气温的多模式集成预报应用及检验

基于Grapes、T639、ECMWF和JMA精细化数值模式,利用平均集成(EMN)、反误差加权集成(IEWE)、消除偏差加权集成(BRWE)法进行广州5个观测站的日极端气温集成预报研究。结果表明:(1)数值模式对最高气温的预报较为接近,其中Grapes模式的预报效果相对较优;模式对最低气温的预报普遍优于最高气温,ECMWF模式明显优于其余3种数值模式。(2)BRWE的效果最好,尤其对最高气温预报有明显改善,其24~72 h预报效果较最优的Grapes模式分别提高了27.6%、17.1%、9.9%;对最低气温的预报亦有改进,24 h预报误差较最优的ECMWF模式提高12.5%,但48~72 h的改进效果则不明显。(3)集成预报在不同季节的效果有一定差异,在夏秋、冬季节,BRWE的最高气温预报效果明显高于春季;而BRWE的最低气温预报在春、夏季节具有较高的应用价值。     

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。     

利用MM5预报产品制作临沂市极端气温预报

利用MM5预报产品和临沂市各气象站的日最高、最低气温资料,分别采用非线性逐步回归和BP神经网络方法建立临沂市日极端气温预报模型,通过拟合和试报检验表明这两种方法制作日极端气温预报可行。     

陕西自动观测与人工观测相对湿度差异分析

分析运城市高温气候特征及环流特点,找出运城市高温天气预报指标,建立高温预报方法。采用模式误差订正、气候值消空订正、预报指标补漏订正相结合对中央台指导产品的极端最高气温作出订正。     

2022年8月四川盆地持续性极端高温特征及不同模式预报误差分析

本文基于2022年8月四川盆地104站逐时温度、降水数据和1971—2021年历史同期数据,及EC、CMA GFS、CMA MESO模式的2 m气温预报等数据,运用统计学相关方法分析了此次极端高温过程的特征及预报误差。结果表明：①2022年8月四川盆地极端高温过程范围大、强度强、持续时间长,有87.5%站最高气温超过该站历史同期极值,且高温最强盛时段较历史同期明显推后。②2022年8月最高气温分布为东高西低,最高气温与历史同期极值差分布则相反,其中最高气温随站点海拔增大而减小,而极值差则随站点海拔先增大再减小。另外,受热岛效应影响,极值差大值站点主要集中在龙泉山脉附近。③高温期间,最高、最低气温平均值高、距平大,且累计降水量和雨日数也明显低于历史同期。④相较而言,EC模式的预报优势主要在盆地低海拔地区。而CMA MESO模式在盆地周边陡峭地形区域的平均绝对误差则更小。另外,EC模式预报的最高气温峰值出现时间更接近于实况,而CMA MESO模式预报高温持续日数更接近实况。