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。     

基于数值模式误差分析的气温预报方法

采用欧洲中期天气预报中心(ECMWF)全球确定性预报模式地面气温和国家地面站点观测资料,对模式初值场误差、历史误差以及卡尔曼滤波预测误差与实况误差之间的相关性进行分析,设计了4种回归方案订正日最高、最低气温预报偏差,并与ECMWF、中央气象台和全国城镇的预报产品进行了检验对比。结果表明:采用了模式近1～3 d最高(最低)气温和模式最高(最低)气温历史平均误差、初值场误差以及卡尔曼滤波反演误差作为预报因子的改进方案效果最优,经对其2017年日最高和最低气温的预报检验,预报准确率较ECMWF原始模式预报有较明显提高,也明显优于中央气象台指导预报。在空间分布方面,其对地形较为复杂地区的改进效果更好。同时,与当前业务中质量最好的全国城镇预报相比,最高气温预报平均绝对偏差(Mean Absolute Error,MAE)较全国城镇预报低8.24%～13.97%,预报准确率提高1.24%～3.57%,日最低气温平均绝对偏差较城镇预报低9.43%～17.69%,预报准确率提高1.77%～2.72%。在3 d的预报中,对24 h时效内预报相对于48 h和72 h的改进幅度更大,订正效果更加明显。     

辽宁地区ECMWF模式气温预报检验及误差订正研究

利用2016—2018年ECMWF细网格模式12—36 h内2 m温度预报产品,选取辽宁地区65个城镇站点观测资料,评估预报产品在不同季节的预报准确率,并按季节分析固定误差订正方法和最优滑动周期订正方法对提高准确率的作用。结果表明：ECMWF模式预报产品对辽宁地区气温预报的准确率表现为,ECMWF模式最高气温冬季预报最优(城镇站点预报准确率为81.5%),最低气温夏季预报最好(城镇站点预报准确率为84.3%);采用最优滑动周期订正后,2016—2018年辽宁地区的最高气温和最低气温准确率较ECMWF模式自身分别提高了19.7%和20.5%,最低气温的预报准确率提高程度优于最高气温;在整个空间分布中,ECMWF模式对辽宁中部平原地区最高(低)气温预报准确率高于东、西部地区,辽宁东北部和西南部以及东南部的长白山余脉影响区域准确率明显低于其他区域。同时,在各季中,最高气温和夏季最低气温的订正预报能力优于其他季节;在地面晴、雨两种特征下,对辽宁地区24 h气温预报进行订正检验表明,该检验结果对辽宁地区最高(低)气温订正有一定补充作用,尤其是冬季降水出现时,最高气温预报补充订正效果最为显著。     

基于小波分析的西北区智能网格气温客观预报方法的检验评估

基于中国气象局(China Meterological Administration,CMA)高分辨率数值预报产品、欧洲中期数值预报中心(the European Center for Medium-range Weather Forecast,ECMWF)精细化数值预报产品和国家级地面观测站数据,采用小波分析方法及滑动训练、最优融合等技术对模式误差序列进行时频处理,实现了对模式系统误差和局地误差的订正,发展了西北区智能网格气温客观预报方法(northwest intelligent grid temperature objective prediction method,NWTM)。以2017年3月—2018年2月数据作为训练样本,对2018年3月—2019年1月西北区239个国家基本站进行检验。结果表明:1)NWTM对CMA和ECMWF两种模式产品的气温预报能力有显著的提升;随着预报时效增长,两种模式订正产品的误差增大。2)NWTM对ECMWF西北区最高气温的订正效果要明显优于CMA,但就最低气温而言,NWTM对CMA的订正效果更为显著。其中,就24 h最高气温而言,ECMWF在宁夏的订正效果最好,CMA在青海的订正效果最好;而对于24 h最低气温的预报,CMA在西北4省的订正效果相差不大,ECMWF在陕西的订正效果最好。3)空间误差检验表明:针对最高气温的预报,ECMWF订正产品的订正能力明显优于CMA,特别是在甘肃河西走廊和中东部、陕西北部和南部、宁夏中南部及青海大部。就最低气温的预报而言,ECMWF和CMA对甘肃河东和陕西南部的订正能力较好;ECMWF订正产品在宁夏中南部及青海南部的订正能力高于CMA,而CMA订正产品在陕西中部的订正能力更优。     

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。     

OCF气温预报大误差日的对比检验分析北大核心CSCD

为评价用于公众气象服务的精细化多模式客观集成预报服务产品(refined multi-model objective consensus forecasting service products,以下简称OCF)多模式集成气温预报效果,分析其误差成因,以中国区域OCF日最高气温和日最低气温预报检验为切入点,对服务影响较大的大误差日及其典型特例——降温日开展检验分析,并与参与OCF集成的ECMWF和NCEP气温预报进行对比。结果表明:OCF日最高气温和日最低气温总体上预报性能优于参与集成的模式预报,准确率夏季高冬季低,拉开了气温变化范围,也有效减小了误差。OCF的大误差日较少,但2~3 d时效及冬半年的大误差日较ECMWF多,与集成的模式预报性能、降温天气相关。针对降温日的检验分析发现:OCF、ECMWF和NCEP在降温日的预报性能有所下降,OCF日最高气温预报误差增长尤其快;OCF对降温日的日最低气温、非降温区域的日最高气温进行了有效订正,但在降温日的降温区域里,其日最高气温预报有明显的正误差特征。基于以上分析,提出了OCF气温集成订正技术改进方向,说明针对性的检验更利于发现客观模式预报及集成订正的问题。     

ECMWF模式对2020年冬季广东气温预报的时空检验

利用2020年广东省冬季气温观测资料、业务常用评分方法对ECMWF模式24～48 h预报时效内的最高、最低气温预报进行检验评估.结果表明:(1)ECMWF模式较好预报了气温的时间变化趋势,日最高、最低气温预报平均绝对误差分别为1.95和1.42℃;(2)ECWMF模式最高气温预报普遍偏低,最低气温预报误差普遍在2℃以内...     

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。     

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。     

ECMWF高分辨率数值模式对广安地区气温预报性能检验分析

为了解ECMWF高分辨率数值预报模式(以下简称“EC”)对广安地区气温的预报性能,提高预报质量。利用EC气温预报产品,对2015～2017年广安地区最低(高)气温进行预报性能检验。结果表明:EC模式预报最低气温,正确率较高;预报最高气温,正确率波动大,随月份呈明显的“V”型变化,盛夏7、8月最低。预报误差随时效延长,略有增大;最低气温误差小于最高气温误差;最低气温误差各月无明显差异,最高气温误差在盛夏7、8月最大。最低气温预报效果区域差异不明显;最高气温预报效果受地形影响较大。根据订正指标,进行气温订正预报,可有效提升预报正确率。EC模式预报高温时的最高气温偏小,经过订正后,各站各时效正确率均明显提高,正确率提升20.6～91.3%,具有较高的参考价值。