2014年6—8月数值模式产品对山东气温预报的检验分析

为检验不同数值模式产品对山东不同站点2m日最高、最低气温24h预报效果,利用2014年6—8月逐3h的WRF-RUC、En WRF确定性预报、不同集合百分位数、T639、中国气象局下发的T639-MOS解释应用产品以及EC细网格预报进行TS评分、误差等分析。结果表明:EC细网格对内陆最高气温预报准确率最高,En WRF确定性预报次之,EC细网格和T639-MOS对内陆最低气温预报准确率最高。T639和EC细网格分别对沿海最高和最低气温预报准确率最高。对各模式单站气温预报进行最优模式分析发现,对于最高气温预报最优的模式为EC细网格和En WRF确定性预报,分别集中在鲁西南和鲁北、鲁中和鲁东南。对于最低气温预报最优的模式为EC细网格和T639-MOS,T639-MOS主要对鲁中山区预报较好,其他地区两个模式预报效果基本相当。     

滕州“数九寒天”气候变化特征分析

使用滕州1960—2010年数九期间的逐日气温资料,计算各九及数九的平均气温、最高气温、最低气温及各级日最高最低气温日数,将资料分为近20a(1991—2010年)及前30a(1961—1990年),用Kruskal-Wallis检验分析两组样本是否有显著差异,结果表明1990年代以来,数九期间平均气温比前30a增高了2.1℃,平均最高气温升高了1.3℃,平均最低气温升高了2.7℃,这些增温是显著的。极端最低气温也显著升高,而极端最高气温变化并不显著。近20a数九平均气温、平均最低气温冷在四九,极端最低气温冷在一九。数九期间日最高气温5℃日数显著减少,而≥10℃日数显著增加,日最低气温≤-10℃及介于-10~-5℃日数均极显著减少,而-5℃日数极显著增加。     

山东省2015年春季(2015年3—5月)数值预报产品检验

根据短期天气预报质量检验办法,对2015年3月—2015年5月T639,EC细网格、WRF-RUC,WRF确定性预报(En WRF)及不同集合百分位、上海区域模式(BCSH)以及T639-MOS在山东省陆地120站和沿海12个精细海区的降水、日最大风速以及日最高最低气温预报进行检验,分析了不同数值模式产品的预报能力。     

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2007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。     

卷积神经网络在近岸表层海温预报中的应用

针对数值预报和人工经验预报在近岸定点表层海温(sea surface temperature, SST)预报中预报准确度不高,将近岸台站定点SST预报转换为多元时间序列预测任务,应用卷积神经网络(convolutional neural networks, CNN)构建近岸台站定点SST时间序列变化模型,对近岸台站每日最高海温、最低海温、平均海温进行预报,并与人工经验方法和长短期记忆网络(long short-termmemory,LSTM)方法进行对比试验。结果显示,在测试数据中相比人工经验预报,CNN方法全年日最高海温预报平均绝对误差(mean absolute error, MAE)为0.36℃,平均下降0.14℃,均方根误差(root mean squared error, RMSE)为0.49℃,平均下降0.21℃,日最低海温预报MAE为0.36℃,平均下降0.17℃, RMSE为0.63℃,平均下降0.24℃,日平均海温预报MAE为0.30℃, RMSE为0.47℃,预报性能和LSTM模型预报性能相当。研究表明CNN应用于近岸SST预报具有可行性,能够有效地提高SST预报准...     

MEOFIS平台在渤海湾北部海面气温和风速精细化预报中的适用性分析

基于＂动力-统计＂预报方法的MEOFIS（精细化气象要素客观预报）平台以相关模式预报结果为基础,结合历史实况资料建立预报模型,实现站点的精细化预报.利用2009～2011年的T639模式产品和渤海湾北部相关观测站的数据积累统计建模,并对2012～2013年海面4个季节的气温和风速进行预报统计,对比分析该平台在海面气温和风速预报中的适用性.经客观检验,1℃误差范围内,海面各季节的气温和风速预报准确率均高于陆上的预报;海面日最高、日最低和逐3 h气温预报准确率均超过68%,秋季的日最高气温、逐3 h气温和冬季的日最低气温预报最为理想,准确率分别达86.8%、75.2%和78.9%,春季的气温预报整体不理想;显著性检验结果显示：和T639直接输出的结果相比,MEOFIS在各季节的气温预报中具有明显的订正能力.2 m/s误差范围内,过渡性季节春、秋季的日最大风速预报准确率均超过75.0%,夏季的预报效果较差,但逐3 h风速预报准确率最高,达78.0%,冬季的风速预报效果整体不佳;利用总体平均经验模态分解法（EEMD）对各月逐3 h的海面气温和风速预报误差做滤波处理,结果显示MEOFIS平台对这两要素的预报误差均存在明显的双周震荡波,通过滤波可以提高二者预报的准确率,且气温预报准确率的提高更大.预报偏差和方差小的季节,预报准确率的改善更为理想.     

山东省2014年冬季(2014年12月—2015年2月)数值预报产品检验

根据短期天气预报质量检验办法,对2014年12月—2015年2月T639、EC细网格、MM5、逐3h的WRF-RUC、WRF确定性预报(En WRF)及不同集合百分位、上海区域模式(BCSH)、T639-MOS在山东省陆地120站和沿海12个精细海区的日最大风速、最高最低气温预报,以及济南和青岛的逐6h内最大风速和6h内最高最低气温预报进行检验,分析了不同数值模式产品的预报能力。     

山东省2015年夏季(6—8月)数值预报产品检验

根据短期天气预报质量检验办法,对2015年6—8月T639、EC细网格、WRF确定性预报(En WRF)12km和4km分辨率及不同集合百分位、上海区域模式(BCSH)以及T639-MOS在山东省陆地120站和沿海12个精细海区的降水、日最大风速以及日最高最低气温预报进行检验,分析了不同数值模式产品的预报能力。     

山东省2015年秋季(9—11月)数值预报产品检验

根据中短期天气预报质量检验办法,对2015年9—11月T639、EC细网格、WRF确定性预报(En WRF)12km和4km分辨率及不同集合百分位、上海区域模式(BCSH)以及T639-MOS在山东省陆地120站和沿海12个精细海区的降水、日最大风以及日最高最低气温预报进行检验,分析了不同数值模式产品的预报能力。     

福建省沿海冬半年东北大风的数值预报释用方法研究

基于福建省冬半年沿海32个自动站的极大风观测资料和WRF、EC细网格以及T639 3种模式预报的10 m风场资料,将模式预报的风速与观测资料进行对比分析,结果表明:WRF和EC细网格的预报效果较好,有可参考性,T639可参考性不高。模式预报结果相比实况极大风速偏小,预报平均绝对误差由沿海向内陆逐渐减小,由中部向南北逐渐减小。择取预报效果较好的WRF和EC细网格模式,对沿海代表站点进行风速集成,建立集成预报方程,并进行集成订正。误差订正后,与误差较小的WRF模式相比,预报准确率提高了10%左右,改善效果显著,为提高福建省沿海冬半年东北大风的预报准确率提供定量的预报方法。     

HRCLDAS与ERA5-Land气温日统计数据在山东地区的对比评估

基于山东省2021年3月—2022年2月1 519个气象观测站2 m气温观测数据,对中国气象局高分辨率陆面数据同化系统(High Resolution China Meteorological Administration Land Data Assimilation System,HRCLDAS)和欧洲中期天气预报中心第五代陆面再分析数据集(ERA5-Land)逐小时2 m气温分析的日统计数据(平均气温、最高气温、最低气温)进行对比评估。结果显示:(1)HRCLDAS/ERA5-Land日统计平均气温、最高气温、最低气温的均方根误差分别为0.1/1.2 ℃、0.6/1.9 ℃、0.4/1.7 ℃,表明HRCLDAS具有更高的精度,且在不同地理区域、不同海拔高度的表现均优于ERA5-Land,大部地区的偏差(-0.5~0.5 ℃)远低于ERA5-Land(-2.0~2.0 ℃)。(2)两套数据对高温及寒潮过程的监测能力对比评估表明,HRCLDAS能够捕捉到大部分的高温以及寒潮过程,其与观测的高温日数及寒潮日数空间分布较为相似,但对影响范围存在一定的低估;ERA5-Land则只能监测到部分高温及寒潮过程,并对高温日数与寒潮日数存在严重的低估。     

北印度洋风浪流数值预报系统:Ⅱ-检验分析

基于系统构建工作[1],开展北印度洋风浪流数值预报系统后报和准业务化预报,并利用2013年9月—2014年3月共6个月的资料对预报结果进行了统计检验。结果显示北印度洋风浪流数值预报业务运行稳定可靠,大气模式(WRF)72 h预报的500 hPa位势高度距平相关系数达到89%,海浪模式(SWAN)的72 h有效波高预报的相对误差低于20%,海流模式(ROMS)的72 h海表温度预报的均方根误差在0.5℃左右;同时对2013年10月期间孟加拉湾的超级气旋风暴"PHAILIN"的预报结果进行了分析。该风、浪、流预报系统能够较好地预报"PHAILIN"的移动路径、最低气压及相应的海浪和海流过程。该系统的试运行和检验分析结果,对建立新一代海洋环境数值预报系统具有一定借鉴意义。     

近50a菏泽气温与高低温日数变化特征分析

选取1961—2010年菏泽平均气温、最高气温、最低气温资料,采用线性倾向估计、九点二次平滑和M-K检验法等气候统计方法,分析了近50a菏泽气温及高低温日数变化特征。结果表明:近50a菏泽平均气温每10a升高0.26℃,平均最高气温每10a升高0.15℃,平均最低气温每10a升高0.35℃,最低气温的升高在平均气温升高中起主要贡献作用。菏泽气候自1990年代中期开始变暖,气候变暖的主要贡献在2000年代,主要是冬春季节的升温造成的。高温日数每10a减少0.85d,低温日数的减少幅度远远超过高温日数,每10a减少5.37d,低温日数显著减少的主要时段在1990年代和2000年代。高温日数集中在6月和7月,低温日数集中在1月。除9月外,高温日数与平均气温和平均最高气温均呈正相关,低温日数与平均气温和平均最低气温均呈负相关。     

基于MOS方法的宁德海区风的预报检验分析

基于WRF模式的预报产品,利用MOS方法预报宁德沿海24个站点的风向、风速,并给出2014年1—12月的预报评估结果。结果表明:MOS对宁德海区风向风速的预报效果优于WRF,其对夏季风速和冬季风向的预报效果最好,预报误差随预报时效的延长而不断增大,白天的预报误差比夜间的大。MOS预报的风速平均绝对误差由海上向内陆逐渐减小,由北而南逐渐增大;而对于风向的平均绝对误差则是由海上向内陆逐渐增大。除了1级以下风,风力越小,MOS预报的风速准确率越高。MOS对东北风的预报准确率最高,北风和西北风次之,对西南风也有30%以上的预报准确率,而对东南风的预报效果最差。     

基于观测和再分析数据的LSTM深度神经网络沿海风速预报应用研究

基于海洋气象历史观测资料和再分析数据等，利用LSTM深度神经网络方法，开展在有监督学习情况下的海面风场短时预报应用研究。以中国近海5个代表站为研究区域，通过气象台站观测数据和ERA-Interim 6 h再分析数据构建数据集。选取21个变量作为预报因子，分别构建两个LSTM深度神经网络框架(OBS_LSTM和ALL_LSTM)。经与2017年WRF模式6 h预报结果对比分析，得出如下结论:构建的两个LSTM风速预报模型可以大幅降低风速预报误差，RMSE分别降低了41.3%和38.8%，MAE平均降低了43.0%和40.0%；风速误差统计和极端大风分析发现，LSTM模型能够抓住地形、短时大风和台风等敏感信息，对于大风过程预报结果明显优于WRF模式；两种LSTM模型对比发现，ALL_LSTM模型风速预报误差最小，具有很好的稳定性和鲁棒性，OBS_LSTM模型应用范围更广泛。     

山东相态逆转降雪天气的特征与预报

采用高空和地面观测资料,对山东1999—2013年24次有相态逆转降雪过程的影响系统、出现时间、逆转前后的温度变化及各类系统逆转的天气形势特征进行了统计分析。结果表明:1)低槽冷锋、江淮气旋、黄河气旋和暖切变线可在山东产生降水相态逆转,而回流形势降雪不会产生逆转。2)山东降水相态逆转发生在11月—次年4月,以12月和1月居多,12月频率最高;有明显的日变化,14时前后最容易发生逆转,而23时—次日05时最少。3)雪转雨时最显著的特征为地面2 m气温升高,升温幅度多在1~2℃;850 h Pa以下至地面的温度至少有1~2个层次升温。4)地面2 m气温对逆转的指示性最好,降雪时在0℃左右,略高于通常降雪阈值,最低为-1℃;其次为1 000 h Pa,降雪时接近于0℃。5)对流层低层暖平流升温或温度日变化升温导致雪转雨,温度平流弱时温度日变化起主要作用。各类天气系统的逆转范围、时段等有明显差异。因此,对于降雪阈值附近的相态预报,需综合考虑低层温度平流和日变化两个因素,重点关注地面2 m气温能否升温,午后为关键时段。     

一种有限区域海表温度预报模式——Ⅰ.动力学部分

本文探索性地以建立短期SST业务数值预报模式为目的,从中国海域的海洋学特征出发,给出一个物理上合理、业务可行的上混合层二维原始方程预报模式。它包括低频流(黑潮及其分支)方程组、由漂流方程和热力学平流方程组成的动力方程组、从热力学方程中“割裂”出来的模式物理学方程三个组成部分。本模式用于3—5天SST预报,同时也给出混合层平均漂流的预报。由于本文属创新性研究,讨论内容较多,故将文章分作两部分。在部分Ⅰ仅限于讨论模式建立的物理依据以及模式的动力学方面的内容。     

基于POMgcs模式中国海及邻近海域三维温盐流数值预报海面温度的检验分析

对基于POMgcs海洋模式建立中国海及邻近海域三维温盐流数值预报系统的海面温度产品,进行检验分析。利用2011年预报的月平均海面温度数据同卫星观测的月平均海面温度资料相比较,发现三维温盐流数值预报系统预报偏高。此外,分别利用2011年GTS海洋观测海面温度数据和2012年2、3、4月份卫星融合海面温度数据,与该系统海面温度预报逐日产品进行检验分析。检验结果表明:预报精度随着预报时效逐渐降低;预报海面温度高于观测值1℃~2℃。     

基于卫星遥感海温数据的南海SST预报误差订正

尝试利用卫星遥感高分辨率海表温度资料GHRSST (Group for High Resolution Sea Surface Temperature) 与海表温度(sea surface temperature, SST)数值预报产品之间的误差, 建立一种南海SST模式预报订正方法。首先, 利用南海的Argo浮标上层海温数据对GHRSST 海温数据进行验证, 结果表明两者之间均方根误差约为0.3℃, 相关系数为0.98, GHRSST 海温数据可用于南海业务化数值预报SST的订正。预报订正后的SST与Argo浮标海温数据相比, 24h、48h和72h的均方根误差均由0.8℃左右下降到0.5℃以内。与GHRSST 海温数据相比, 南海北部海域(110°E—121°E, 13°N—23°N)订正后的24h、48h和72h的SST预报空间误差均显著减小, 在冷空气影响南海期间或中尺度涡存在的过程中, SST预报订正效果也较为显著。因此, 该方法可考虑在南海业务化SST数值预报系统中应用。     

黄海近岸海雾的初始场择优集合预报试验:个例研究

选取2014年4月发生的一次黄海近岸海雾个例,利用WRF(Weather Research and Forecasting)模式开展了集合预报试验研究。依据每个集合成员初始场中海平面气压、2 m温度、2 m水汽混合比与2 m相对湿度(relative humidity, RH)4个变量的均方根误差(root mean square error, RMSE)与RMSE集合平均值的相对大小,以剔除高于者而保留低于者的原则,设计了4种不同的初始场集合体择优方案,实施了一系列数值预报试验,比较了不同择优方案的集合预报效果。研究结果表明:(1)蒙特卡罗方法所生成的集合体中存在不少海雾预报效果较差的成员,这会降低集合预报效果,因此初始场择优十分必要;(2)以RH作为择优变量的择优方案(记为RH-RMSE方案),集合预报效果明显优于其他3种方案;(3)对比不择优集合预报,采用RH-RMSE方案的择优集合预报效果不仅节省了50%左右的计算时间,并且公正预兆评分(equitable threat score,ETS)改进率高达36%左右。本研究提出的RH-RMSE方案具有业务化应用前景。