华南区域模式在湖南省的2 m温度预报检验与订正研究

基于2019年8月至2020年7月华南区域模式（CMA-GD）预报和湖南97个国家站2m温度实况,开展了模式温度预报检验和逐步回归订正技术研究。结果表明,华南区域模式2m温度预报与实况变化趋势基本一致,预报偏差具有明显日变化,白天准确率下降、夜间升高,随着预报时效的延长,偏差增大;夏半年预报偏差大于冬半年;湘西预报效果优于湘东;00时起报的2m温度预报优于12时起报。基于华南区域模式预报产品,区分起报时次和季节的2m温度预报逐步回归订正预报效果较好,订正后预报相对于模式预报误差下降、准确率提高,有明显正技巧,对12时起报的模式预报效果改善更大,不同站点订正效果略有差异,对预报误差较大站点,订正效果明显。     

基于垂直温度梯度对WRF-RUC模式山东2 m温度订正研究

为了减小观测站实际地形高度与对应模式地形高度的差异给2 m预报温度带来的误差,基于垂直温度梯度设计两种订正方案:第1种方案假定整层大气温度垂直梯度为-0.006 5℃·m-1;第2种方案计算了距离观测站实际地形高度最近的两层模式温度间的垂直梯度。利用两种方案对天气与预报快速跟新循环(简称WRF-RUC)模式2016年10—12月山东逐日2 m预报温度进行订正并对比订正前后的预报效果,对高度差异最大的泰山站2 m预报温度的订正效果进行研究。结果表明:(1)山东大部分观测站的实际地形高度与对应模式地形高度差异较小,导致两种方案订正效果不明显;(2)对泰山站2 m预报温度的订正,第1种方案在预报前期有正效果,在预报后期出现负效果;第2种订正方案在整个预报时段呈现正效果;(3)WRF-RUC模式2 m预报温度存在负的系统偏差,导致第1种方案在预报后期对泰山站2 m预报温度的订正存在负效果,第2种方案有效克服了逆温影响,对泰山站2 m预报温度的订正效果更优。     

递减平均法对陕西SCMOC精细化温度预报的订正效果

利用递减平均法对2012—2013年陕西区域99站共731 d的SCMOC温度精细化指导预报进行误差订正,订正结果表明:该订正方法总体表现为正的订正效果,对08:00和20:00起报的定时温度、日最高温度以及08:00起报的日最低温度有明显的订正能力,在准确率偏低的预报时效内订正效果较好;对于48 h内逐3 h定时温度预报,在夜间的准确率高于白天,对应的"递减平均法"在白天的订正能力高于夜间;对于168 h内日最高(低)温度预报,随着预报时效的增加准确率降低,但是"递减平均法"的误差订正能力增强;"递减平均法"对48 h内逐3 h定时温度和24 h内日最低温度的订正能力在准确率偏低的月份偏强。     

SCMOC温度精细化指导预报在陕西区域的质量检验

利用2012年陕西区域99站共366天北京时间08:00和20:00起报的SCMOC温度精细化指导预报与实况资料的比较,检验分析了定时温度、日最高气温和日最低气温的预报质量。结果表明:陕西区域SCMOC温度精细化指导预报08:00起报的准确率高于20:00起报的,且预报准确率有明显的季节变化,夏、秋季节较高,冬、春季节较低,日最高(低)气温的预报准确率与预报时效成反比。地形高度影响温度预报准确率,二者之间的相关系数通过了显著性检验。08:00起报的48h内逐3h气温多出现负误差,20:00起报的多出现正误差。08:00起报的日最高气温和20:00起报的日最高(低)气温多出现负误差,08:00起报的日最低气温多出现正误差。从对典型天气过程的温度预报质量检验来看,强冷空气影响下的降温天气过程的温度预报难度较大,预报准确率较其他天气类型偏低一些。     

福建省ECMWF细网格模式2 m温度预报误差分析与订正

选取2022年1月1日—12月31日ECMWF细网格模式2 m温度预报24 h以内预报时效产品和对应时次的福建省70个国家站观测资料进行分析,采用ARIMA(差分自回归移动平均)模型和双权重ARIMA模型分别对2 m温度预报产品进行偏差订正,并对订正前后的结果进行对比分析。结果表明：1) ECMWF模式2 m温度预报在福建省主要呈现冷偏差,随着预报时效的增加,均方根误差和准确率随之变差;分别用两种模型进行订正,平均绝对误差由2.1℃以内减小到1.6℃以内,均方根误差从2.5℃以内降低到2.1℃以内,且偏差越大,订正效果越明显。2) ECMWF模式2 m温度逐月预报效果差异较大,订正后各评价指标均有显著改进,各月平均误差在-0.5—0.5℃。3) ECMWF模式2 m温度预报偏差主要表现为福建东部沿海小、中西部较大;订正后平均绝对误差和均方根误差减小至2℃以内,且对高海拔地区的站点改善效果更加明显。与ARIMA模型相比,双权重ARIMA模型订正后平均绝对误差与均方根误差更小、准确率更高,订正效果更好。     

ECMWF模式对陕西2016年春夏季气温预报性能评估

利用2016年春、夏季节陕西99个国家站的气温逐1 h观测数据,对ECMWF高分辨率数值模式对陕西国家站0~72 h逐3 h和78~240 h逐6 h的气温预报性能进行评估。结果表明,陕西大部分地区,气温预报误差≤1 ℃和≤2 ℃的准确率在72 h之前分别为30%~50%和55%~85%,96 h之后分别为10%~30%和25%~55%,夏季的准确率高于春季,20:00起报的准确率略高于08:00起报。随着预报时效的增加,模式的气温预报能力和稳定性波浪式下降,日变化特征明显,23:00至次日11:00时段的预报能力和稳定性好于14:00—20:00时段。模式的气温预报值与观测值有很好的相关性,但是模式和实际观测站的地形高度差异会对气温预报质量产生较大影响。基于气温垂直变率和模式与实际观测站的地形高度差异进行的高度差订正,可以适当提高模式的气温预报水平,文中提出的几种气温预报的高度差订正方法,对陕西大部分地区的气温预报为正订正效果,但还存在一些问题,有待进一步研究。     

基于Parsivel天气现象仪资料的郑州“7·20”罕见特大暴雨微物理特征分析

基于2016-2018年ECMWF模式温度预报和浙江省72个国家基本站观测资料,根据温度日变化特征,采用K-近邻(KNN)回归算法进行误差订正,改进浙江省172 h精细化温度预报。在KNN回归算法中,将模式起报时刻的温度视作“背景”,由模式预报减去起报时刻温度消除“背景”影响,得到温度日变化曲线,通过温度日变化曲线构建差异指标,选取历史相似个例。根据历史相似个例的误差特征,对温度预报进行订正,得到改进的温度预报。检验结果表明,KNN方案的温度预报平均绝对误差较ECMWF和30 d滑动平均误差订正方案(OCF)的分别减小26.2%和5.2%;日最高和最低温度预报误差绝对值小于2℃,准确率较ECMWF的分别提高14.8%和4.3%,较OCF的分别提高3.0%和1.3%。KNN方案对地形复杂地区的温度预报改进效果更为明显,对冷空气活动和夏季高温等天气过程预报改善效果也较稳定。     

几种格点化温度滚动订正预报方案对比研究

为了快速获得更为精准的格点温度预报产品,使用国家信息中心高分辨率、高频次的温度格点多元融合产品和欧洲中期天气预报中心全球模式2 m温度预报场资料,采用8种误差订正方案进行滚动订正预报试验。选择2017年1月1日至2月28日和6月1日至7月31日两个时间段进行两次回报模拟试验,并对订正前后的预报结果进行格点和站点检验分析,结果表明:8种方案对模式直接输出的预报场有正技巧订作用,全格点滑动误差回归模型订正和全格点滑动双因子回归模型订正效果最优,两种方案都能使订正场的格点平均绝对误差在2℃以下,3、6和9 h的格点准确率均在0.9以上。全格点滑动误差回归模型的检验评分略微好于全格点滑动双因子回归模型,表明作为预报模型因子的起报时刻误差场比数值模式因子在短期订正中扮演着更为重要的角色。     

基于数值模式的月尺度近地层气象要素预报技术研究

利用WRF模式对美国NCEP发布的CFS气候预测业务产品在中国区域内进行动力降尺度预报,可得到预报时效为45天的逐6小时、30 km分辨率基础气象要素预测产品。再利用全国气象站观测资料和3个风电场70 m高度风速、温度观测资料对2015年冬季预测结果进行检验评估和分析,最后通过线性方法对地面要素预测结果和70 m高度风速、温度预测结果进行统计订正。结果表明:（1）2 m温度和相对湿度的全国预报平均绝对误差分别为4.71 ℃和18.81%,在华东、华中和华南地区误差较小;（2）10 m风速预报平均绝对误差为2.42 m/s,在东北、华北和西北地区误差较小;（3）线性订正后,2 m气温、相对湿度和10 m风速的预报绝对误差分别减小1.05 ℃、5.29%和1.47 m/s,并且订正后误差随时间变化更平稳;（4）订正后70 m高度风速和温度的预报绝对误差均减小,风速平均误差减小最大可达1.29 m/s（B塔）,气温平均绝对误差减小最大可达3 ℃（C塔）。研究结果表明,基于CFS产品和WRF模式的、与月尺度风电预报关系密切的气象要素预报性能较好,未来可将该方法尝试于风电场的月尺度功率预测产品研发。      

一个简单的格点温度预报订正方法

格点气象要素预报是中国气象局目前的主推业务和未来天气预报的发展方向。本文基于欧洲中期数值预报中心ECMWF高分辨率模式2 m温度预报资料,在传统中央气象台站点温度指导预报SCMOC和回归方法建立的站点温度预报的基础上,提出"站点订正值向格点传递"的方法来订正格点温度预报。结果表明:(1)SCMOC站点最高、最低温度24~168 h预报误差2℃准确率分别平均高于ECMWF的10.0%和23.1%,ECMWF存在较大的系统性偏差,最低温度预报偏高,最高温度预报偏低。(2)"站点订正值向格点传递"方法能够订正模式格点温度预报的系统误差,且整体上不改变原ECMWF温度预报场的空间形态和原模式对地形的刻画特征。(3)利用研究区域内98个县级站SCMOC温度预报,订正ECMWF格点场,返回到区域内1289个乡镇站进行检验,结果24 h最低、最高温度1℃的准确率较ECMWF分别提高22.8%和11.9%,2℃的准确率则分别提高29.7%和17.4%。最低(高)温度绝对误差平均减小0.99℃(0.69℃),平均误差(ME)下降到0.7℃(-0.9℃)以内。(4)通过一元线性回归,得到98个县级站的温度预报,返回差值场来订正格点场,也能较好地订正ECMWF的系统性误差。对比两种方法,SCMOC差值传递在最低温度订正方面有较大的优势,而回归方法的最高温度订正效果较好。此外,回归方法能够较好地改善逐时温度预报效果。该方法已成功运用于陕西省精细化格点预报业务系统中。     

沪宁高速公路高温预警指标及预报模型的研究

利用沪宁高速公路实时监测数据,筛选出30个典型高温天气过程,应用WRF模式对其进行了数值模拟。在对输出结果作统计分析后,提取了沪宁高速公路高温天气的几个数值预警指标,建立了梅村、河阳两站的高温预报模型。研究表明:(1)利用WRF模式对沪宁高速公路沿线的高温天气过程进行模拟是可行的;(2)提取的沪宁高速公路高温数值预警指标有:前一日14时的地表温度Ts≥40℃、地面潜热通量Fl≥350 W.m-2、近地面相对湿度Hr≤60%、当日08时的地面感热通量Fs为负值且绝对值≥70 W.m-2、地面水平风速Vs≤3 m.s-1,当各项指标同时满足时,可预报当日会出现35℃以上的高温;(3)采用多元线性回归方法分别建立了梅村和河阳站的高温天气预报模型,经检验所建模型预报准确率较高。     

Analysis of the surface temperature and wind forecast errors of the NCAR-AirDat operational CONUS 4-km WRF forecasting system

Investigating the characteristics of model-forecast errors using various statistical and object-oriented methods is necessary for providing useful guidance to end-users and model developers as well. To this end, the random and systematic errors (i.e., biases) of the 2-m temperature and 10-m wind predictions of the NCAR-AirDat weather research and forecasting (WRF)-based real-time four-dimensional data assimilation (RTFDDA) and forecasting system are analyzed. This system has been running operationally over a contiguous United States (CONUS) domain at a 4-km grid spacing with four forecast cycles daily from June 2009 to September 2010. In the result an exceptionally useful forecast dataset was generated and used for studying the error properties of the model forecasts, in terms of both a longer time period and a broader coverage of geographic regions than previously studied. Spatiotemporal characteristics of the errors are investigated based on the 24-h forecasts between June 2009 and April 2010, and the 72-h forecasts between May and September 2010. It was found that the biases of both wind and temperature forecasts vary greatly seasonally and diurnally, with dependency on the forecast length, station elevation, geographical location, and meteorological conditions. The temperature showed systematic cold biases during the daytime at all station elevations and warm biases during the nighttime above 1,000 m above sea level (ASL), while below 600 m ASL cold biases occurred during the nighttime. The forecasts of surface wind speed exhibited strong positive biases during the nighttime, while the negative biases were observed in the spring and summer afternoons. The surface wind speed was mostly over-predicted except for the stations located between 1,000 and 2,100 m ASL, for which negative biases were identified for most forecast cycles. The highest wind-speed errors were found over the high terrain and near sea-level stations. The wind-direction errors were relatively large at the high-terrain elevation in the Rocky and Appalachian mountain ranges and the western coastal areas and the error structure exhibited notable diurnal variability.     

乌鲁木齐机场东南大风数值预报及地形敏感性试验

利用WRF模式和GFS资料对乌鲁木齐机场一次东南大风天气进行了预报和地形敏感性试验。模式预报的结果表明:WRF模式对东南大风的起风时间、持续时间、风速大小等方面有较强的预报能力。地形敏感性试验表明:1乌鲁木齐市区与机场300m左右的高度差对机场风速的影响很大;2机场上空下沉运动的强弱与东南大风的强弱有很好的对应关系;3机场东南大风的风速变化并不总是与峡谷两端气压梯度力的变化同步。此次东南大风天气的产生是低空动量下传、狭管效应和下坡风共同作用的结果。动量下传主要出现在海拔2000m以下的高度,下坡风主要出现在海拔935m以下的高度。     

CMA-GD模式江西省智能网格预报区域2 m气温预报误差分析

利用2020年6月1日—2022年5月31日CMA GD模式2 m气温预报产品（预报时效为13—36 h）和同期江西省智能网格预报区域内地面站气温观测资料,计算气温预报准确率、平均误差和均方根误差,并统计分析其时空分布特征。结果表明： 1）模式预报准确率在不同月份、起报时次存在差异,暖季总体较高,冷季总体较低;暖季08时起报产品的月准确率总体高于20时,冷季反之;秋、冬季旬准确率分布更离散。模式预报产品其准确率明显低于中央气象台和江西省气象台订正产品,需订正后使用。08时起报产品对寒潮的预报效果优于20时。2）气温预报年误差分布存在日变化,最大值出现在08时,最小值出现在15时;年均方根误差峰值出现在15时和06时,白天大于夜间。3）冬季平均误差多为正值,夏季为负值,春、秋季平均误差大小界于冬、夏季之间;白天时段夏季均方根误差最大,夜间时段冬季最大。4）气温预报年误差地理分布特征明显,平原地区预报值偏低,年均方根误差最小;丘陵和山区22 h时效预报值偏高,31 h时效偏低;高山站预报值偏高,年均方根误差最大。丘陵地区负误差最大,平原地区最小;山区正误差最大。     

基于INCA和METRo的江苏省路面高温精细化预报

使用INCA（Integrated Nowcasting through Comprehensive Analysis）多源资料融合分析和短临外推预报系统的预报结果作为气象强迫场,驱动一路面温度理论预报模型（Model of the Environment and Temperature of Roads,METRo）,开展江苏省高速公路夏季路面高温预报试验,并使用公路沿线逐小时的路面温度观测资料对预报结果进行检验。结果表明:该预报方法能够较好地预报出高速公路沿线日最高路面温度的逐日变化趋势,以及日最高路面温度的大范围空间分布特征。平均日最高路面温度预报绝对偏差为4.1℃,平均相对偏差为10.8%。其中,日最高路面温度预报绝对偏差在5℃以内的站次占总数的64.5%,相对偏差在15%以内的站次占总数的74.6%,比常规业务预报方法分别提高了23.1%和25.3%。但该预报方法对较小的温度波动以及局地性较强的极端温度分布特征的预报技巧还需进一步提高。     

基于PCA RBF的风电场短期风速订正方法研究

风电功率预测中最重要的因子是风速,准确的风速预测是风电功率预测的前提和基础。为了提高短期风速预测的准确性,本研究采用WRF模式,对我国上海崇明吕四风电场的风速进行预报。在此基础上,利用PCA-RBF算法结合WRF模式预报风向、气温、气压等气象要素对预报风速进一步订正。实验结果表明,利用PCA-RBF算法对WRF模式预报风速进行订正后,预报风速的误差进一步减小,相对均方根误差降低20%~30%,相对平均绝对误差降低15%~20%。与其他智能算法(BP算法、LSSVM算法)对比分析后得出,PCA-RBF算法对WRF模式预报风速具有较好的订正效果,能够有效提高风速预报准确率。     

BJ-RUC系统模式地面气象要素预报效果评估

利用自动气象站逐小时地面观测资料,采用客观检验方法对北京市气象局快速更新循环预报 (BJ-RUC) 系统在2008—2010年5—9月的预报结果进行检验,初步评估了BJ-RUC系统对地面气象要素的业务预报性能。结果表明:BJ-RUC系统对地面气象要素预报与实况的变化趋势有很好的一致性。其中,2 m温度预报整体偏高,误差范围为-1.5~1.5℃,早上和傍晚偏大,正午偏小;2 m相对湿度的预报整体偏低,误差为-25%~0,白天偏大,夜间偏小;10 m风速预报明显偏大,午后尤为显著,误差为0.6~1.2 m·s-1;6 h累积降水的晴雨预报效果较好,TS评分可达到0.4。系统在初始起报时次的稳定性较差,从第3个起报时次开始逐渐稳定,但预报误差随着预报时效的增长逐渐增大,12 h内的预报误差较小,预报结果较可靠,在短时临近预报中具有参考价值。     

大小兴安岭林区风场动力降尺度对比研究

对2017年春季黑龙江省大、小兴安岭林区的6个代表站点10 m风场进行降尺度分析,并结合观测数据对比分析了WRF模式和CALMET降尺度模式的10 m风速、风向预报结果。结果表明：两模式逐小时风速预报与观测的相关系数为0.5-0.7,且随着风速的增加,模式的预报准确率逐渐提高,夜间的风速预报偏差较大,进入白天后,偏差明显减小。WRF模式对风速变化趋势的预报效果优于CALMET模式,与观测的风速相关性更高,而CALMET模式对较大风速的预报效果优于WRF模式。在风向预报方面,WRF和CALMET的风向模拟与观测风向均有较好的一致性,模式预报准确率较高的两个风向也刚好对应各站的盛行风向。同时,本文用回归方法对日平均风速进行订正发现,订正后各站的日平均风速预报准确率平均提高了50%,具有较好的业务应用价值。     

BJ-RUC系统对北京夏季边界层的预报性能评估

以北京市观象台2010年8月、2011年8月每日3次 (08:00, 14:00, 20:00,北京时,下同) L波段探空秒间隔数据为实况,对BJ-RUC系统 (rapid updated cycle system for the Beijing area) 分析和预报边界层性能进行了初步评估。结果表明:BJ-RUC系统对北京地区夏季白天边界层的细致特征具有较好的预报能力,但也存在明显的系统性误差。08:00边界层偏冷; 14:00和20:00 1 km以下的边界层则显著偏暖, 边界层内明显偏湿。整体上模式对边界层内温度、湿度的预报误差均高于自由大气。该系统对北京地区边界层内早晨 (08:00) 从夜间山风向白天谷风环流过渡、午后 (14:00) 到日落后 (20:00)1500 m以下盛行西南偏南气流的日变化特征具有较强的预报能力。系统预报的14:00边界层顶高度与评估时段内实际对流边界层高度的变化趋势一致。但预报的对流边界层顶偏高,这与BJ-RUC系统采用YSU边界层参数化方案的垂直混合更强有关。