辽宁省分县指导预报评定检验系统

辽宁省分县指导预报评定检验系统是根据业务工作需要,以"辽宁省气象台中短期指导预报天气预报质量检验办法"为评分标准,使用VB语言为工具,应用分县指导预报及每日实况等基础资料开发研制的。系统实现了54个县站24—168 h的降水、温度等指导预报产品以及实况资料的自动入库、评定功能;建立了辽宁省指导预报评分统计平台,实现了对全省中短期指导预报产品按不同的预报项目、预报时段和预报区域的评定检验功能,基本实现了指导预报评分的标准统一化、操作简单化、报表规范化及评分自动化。通过对指导产品分站、分区和分时效的预报结果检验,可找出天气预报的薄弱环节,提高指导预报的水平,为各级台站提供具有一定可信度的指导预报产品具有重要的意义,有利于提高指导预报准确率及各市县级台站对指导预报的有效使用及评价。     

T213数值预报产品的温度预报释用技术

分析1997—2001年HLAFS的客观分析格点资料，用卡尔曼滤波方法建立了宝鸡市分县气温预报方程。2003年汛期使用逐日T213数值预报产品，制作宝鸡气温分县预报。结果表明：方法可以精细预报出宝鸡市各县区24h、48h气温；当预报时效由24h延长到48h，气温预报误差增大。气温发生突变时，预报结果与实况的滞后偏差较大。     

用数值产品制作阳泉分县降水预报

根据天气学动力学原理及日常天气预报工作的实际经验，对短期时效的数值预报产品进行分析，从天气形势、单站要素、物理量资料归纳出不同季节分县分级降水预报模式指标，通过逐步判别，制作分县短期降水预报，采用VB编程，自动生成客观预报产品。     

分县客观定量降水预报微机自动化处理系统

本系统着重于T106数据预报产品的应用，采用最优子集回归方程，从气象卫星网上下发的T106数值预报产品中选取最优因子，建立了长治地区11个县市24h、48h降水预报多元回归方程。该系统采用VB5编程，建立了实时资料自动处理、分县客观定量降水预报自动制作、预报结果文本、图形输出等模块。该系统可直接挂接于MICAPS系统下，定时自动运行，无需人工干预。预报结果输出图文并茂，可供预报员参考。     

周口分县短期天气预报系统

利用ECMWF格点预报产品和14年历史实况资料,在预报日前后10天左右找相似,采VB 5.0编程,制作周口分县24 h天气预报.经试验,预报准确率为68.6%.用VC++4.0和VB 5.0编程，制作周口分县24 h天气预报。经试验，预报准确率为68.6％。     

T106产品在乐山降雨分县预报中的释用分析

本文将T106物理量产品和12小时降雨量产品进行插值处理和时效组合，对在降雨分县预报中的应用情况进行统计分析，为预报业务中运用T106产品提供一些依据。     

分县降水概率指导预报业务系统及其应用

本文以T106数值预报产品为基础，应用相似天气下概率最大法制作降水概率预报，然后根据其它数值预报指导产品，最新天然资料、卫星云图和预报员主观经验知识等订正概率值为思路，建立起我市分县降水概率指导预报业务系统，并运用B、Bs和Bias评分法对其进行评价。     

四维变分资料同化

本文选用数值预报产品与朔州市6区(县)夏季(6月至8月)降水资料。采用最优子集圆归方法。研究朔州市分县分级降水预报指导产品。用以提高朔州市汛期降水天气的客观预报水平。     

周口分县短期天气预报系统

利用ECMMF格点预报产品和14年历史实况资料，在预报后日前后10天左右找相似，采用VC＋＋4．0和VB5．0编程，制作周口分县24h天气预报。经试验，预报准确率为68．6％。     

广东省ECMWF降水集合预报统计量的检验与分析

利用欧洲中期天气预报中心(ECMWF)的降水集合预报历史资料,对广东省86个地面气象站进行分级统计检验,分析集合统计量产品的预报效果。评分结果表明,降水量级越大,确定性预报与集合产品TS越低,对应最优分位数越高;对于冬季暴雨与前汛期晴雨,集合预报产品效果较好,TS分别达到0.50和0.66,对于前汛期暴雨效果则较差,TS在0.10左右。随着预报时效增加,集合预报TS逐渐减小,预报时效72 h,前汛期集合TS下降幅度较大;预报时效72 h,后汛期集合TS下降幅度较大。对于冬季和后汛期暴雨,集合预报相对于确定性预报有明显优势,并且预报时效越长,集合TS增幅越大。对于站点降水,在广东省东部和西南部沿海地区,确定性预报对暴雨的预报能力比较欠缺,而集合预报能显著改善这些地区的暴雨预报,部分站点的TS增幅能够达到0.20以上。     

"Visual Basic"环境下系列自动化软件在临汾市气象业务中的应用

以VB语言为主要工具，编制了一系列适合于市、县级气象业务应用软件。包括：县发报业务系统，市对县指导预报产品的形成和分发，全市旬月报、农气报的分解和雨量收集，以及周边城市天气预报的调用等。通过试用，效果显著，极大地促进了临汾市气象现代化的发展。     

乡镇精细化最高最低气温预报方法研究

对2008年10月至2009年9月安徽省乡镇与县站观测站最低、最高温度的差异进行统计分析。结果表明：乡镇观测点和县站观测点之间的最低、最高温度具有明显差异,且随着季节变化而不同。在此基础上,以预报员主观制作的县站最高、最低预报结果作为基础,利用修正Barnes插值和一阶卡尔曼滤波订正方法制作乡镇站点的最低、最高温度预报表明,该方法制作的乡镇站点最低、最高温度具有较高准确率,前3 d的乡镇最低温度预报准确率和县站的预报比较接近,预报准确率差异在1 %之内,但随着预报时效的增加两者的差异略有增加;对于乡镇的最高温度预报,与县站的最高温度预报小于2℃的准确率始终保持在3 %之内,该方法优于基于WRF模式的MOS方法。对比一阶卡尔曼滤波订正前后效果发现,该方法对乡镇最低和最高温度的前4 d预报具有正订正效果,而对于第5-7 d没有订正效果或为负订正效果。当区分转折性天气后,可以提高第4-7 d的最高温度预报准确率。     

基于T639数值预报产品的气温本地化应用及检验

基于T639数值预报产品下发的多个物理量资料,利用多元回归方法,开展本地化的分县气温客观预报方法研究,结合常规气象观测资料、美国NCEP/NCAR 1°×1°网格点逐6 h再分析资料,开展业务应用并进行了效果检验,得出以下结论:最低气温预报准确率要好于最高气温,同时夏季的气温预报也明显好于其他季节;在最高气温中对扬中的预报准确率高于其他站点,在最低气温中对丹阳的预报效果相对比较好;客观预报方法存在明显的系统性负偏差,通过使用每个预报时效预报误差的7 d滑动平均进行订正,结果表明通过订正,预报效果有所提高,特别是最高气温订正效果较明显;通过主客观预报准确率的对比分析,发现虽然客观预报对最高气温的预报效果比较差,但是在气温趋势预报上具有一定的参考价值;最低气温客观预报准确率明显高于江苏省的平均水平,和主观预报相比,虽然仍然低于主观预报水平,但是差距不大,基本上可以替代主观预报;分县气温客观预报方法对高温、寒潮等灾害性天气具有一定的预报能力,但是和实况相比,预报强度偏弱.     

按不同气候背景制作单站MOS预报方程

在基层业务体制的框架基本形成以后，县局在参考上级指导预报的同时，初步开展对单站数值预报模式的研究，注意中、小尺度天气的变化规律，以提高订正预报的精度。     

新形势下县局天气预报思路浅谈

在9210工程业务环境下，结合县局的预报工作实际，建立了以数值预报指导产品为基础，以人机交互系统为平台，以提高县局预报业务效率为目的，制作的县级预报思路，并投入实际业务运行中，收到良好的效果。     

用卡尔曼滤波制作分县温度指导预报的研究

采用卡尔曼滤波方法建立预报模型，制作出全区分县温度指导预报。通过试运行，并对吕梁地区2002年7月份全区气温预报结果进行检验，系统基本达到预期的效果。     

Regional Temperature Forecast for the Next Day in Hong Kong

For a century or so, the Hong Kong Observatory (HKO) has been providing temperature forecast for the whole of Hong Kong with the HKO Headquarters as the reference location. In recent decades, due to spreading of population from the main urban center to satellite towns, there is an increasing demand for regional temperature forecasts. To support such provision, the HKO has developed a regression model to provide objective guidance to forecasters in formulating forecasts of maximum and minimum temperatures for the next day at various locations in Hong Kong. In this paper, the regression model is presented, together with the assessment of its performance. Based on the verification of one year of forecasts, it is found that the root mean square errors (RMSEs) of maximum (minimum) temperature forecasts are from about 1.3 to 2.1 (1.1 to 1.4) degrees, respectively. The regression model is shown to have generally out-performed the operational regional spectral model then operated by HKO. Regional temperature forecast methods of other meteorological or research centers are also surveyed. Equipped with the regression model, the HKO has launched an online regional temperature forecast service for the next day in Hong Kong since March 2008.