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。     

泰州市气温多模式集成预报系统的建立与评估

基于欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心3个中心的气温模式预报资料,采用多模式简单集合平均(EMN)、滑动训练期消除偏差集合平均(Running Training Period Bias-removed Ensemble Mean,R-BREM)、滑动训练期超级集合预报(Running Training Period Superensemble Forecast,R-SUP)3种多模式集成方法,通过均方根误差(Root Mean Square Error,RMSE)和距平相关系数(Anomaly Correlation Coefficient,ACC)两种检验评估方法,比较了气温的单模式预报和多模式集成预报结果,建立了针对江苏省泰州市的地面气温多模式集成预报系统。结果表明:对于该市08:00和20:00起报的气温预报,R-BREM均是相对最优的多模式集成方法,且基于该方法的多模式集成预报结果明显优于单模式预报结果,其RMSE相对于最优单模式减小了0.5℃左右,ACC增大了约0.16,改进效果显著。同时,将R-BREM方法投入到泰州市的日常气温业务预报中,有效提高了业务预报准确率。     

基于多模式集成技术的地面气温精细化预报

基于ECMWF、JMA、T639、WRF四个数值模式2012年6月1日—9月30日地面气温3—60 h预报资料和郑州加密自动站资料,利用多模式集合平均(EMN)、消除偏差集合平均(BREM)、加权消除偏差集合(WBREM)及多模式超级集合(SUP)4种方法,对2012年8月29日—9月27日郑州城区11个站点地面逐3 h气温进行多模式集成预报试验,采用绝对误差对预报结果进行检验评估,结果表明:在30天的预报期内,BREM、WBREM及SUP对于大多数站气温预报效果有明显改善,而EMN方案对11个站预报效果改善则不太明显;4种方案中,BREM和WBREM预报效果相对较好且稳定,各个站上3—60 h预报的绝对误差均在2℃附近或以下;SUP方案虽然对个别站预报误差较低,但是其预报效果并不稳定,一些站点的个别预报时效误差大于2℃。对于郑州观测站的气温预报而言,4种集成方案20时起报的气温误差明显小于08时起报的误差,并且20时起报的SUP集成方案绝对误差明显小于其他方案的绝对误差。总体而言,BREM、WBREM及SUP三种集成方案能够给郑州精细化预报业务提供较好的参考。     

天津市多模式气温集成预报方法

在遗传算法和粒子群算法的基础上,采用权重分配方法开展基于混合演化算法的多模式气温集成预报方法研究。利用2012年5—10月中国气象局GRAPES模式、北京市气象局BJ-RUC模式、中国气象局T639模式、天津市气象局TJWRF模式24 h预报时效的逐6 h地面2 m高度气温和35个天津区域自动气象站点资料,通过逐日滚动建立集成预报模型,对混合演化算法的多模式气温集成预报方法进行了绝对误差在2℃以内的分级、分类及分站检验分析。结果表明:使用该方法建立的气温集成预报模型具有比较可靠的预报能力,预报误差明显小于任一成员,预报准确率高。按绝对误差不大于2℃的检验标准,2012年35个站逐6 h气温、最低气温、最高气温的集成预报平均准确率分别为76.34%,77.88%,78.00%。     

极端气温集成预报方法对比

用2003-2009年ECMWF和庆阳市极端气温资料建立最高最低气温SVM、Kalman、多元线性回归3种统计方法的预报模型,采用平均、加权、回归3种方法进行预报集成,对庆阳市2010年6-12月各预报方法及5个时次集成预报进行评估.结果表明:单一的SVM、多元回归和集成方法最低气温预报5个时次的准确率均高于最高气温0.8％～24.2％,集成后加权法准确率最高,但最高和最低气温选取权重不同,SVM权重大时最高气温效果好,多元回归权重大时最低气温效果好.随着预报时效的增加,单一的预报方法和集成预报,预报准确率降低.逐月评估表明,单一的SVM准确率较高且预报性能稳定,Kalman准确率较低,回归方法各月差异大,预报不稳定,集成后,3种集成方法的预报比单一的预报方法均有所改善和提高.绝对误差分析表明,加权集成后最高和最低气温误差都较小,优于平均集成法和回归集成法.     

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。     

台风网格风场主客观融合技术的应用及评估

针对实际预报工作中,台风主观预报和模式风场客观预报不一致的问题,基于南海台风模式(CMATRAMS)资料、实时台风主观预报资料,采用一种考虑下垫面作用的动力解释应用方法 TCwind,得到了能较合理描述台风风场的数学方程组,结合网格预报技术,进行台风主观预报和模式风场的主客观融合,实现了台风风场预报的订正,能为网格预报提供有效辅助。以实时台风主观预报为评判标准,检验评估了2018—2019年西北太平洋所有台风的融合订正效果,发现订正后的台风风场中心能较准确地向主观路径预报调整;台风中心附近最大风速相较模式显著增强,趋近主观强度预报;台风环流风速比模式原始风速增大,风场结构分布相比模式原始风场也更合理。     

基于TIGGE资料的地面气温和降水的多模式集成预报

利用TIGGE资料集下中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24 h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96 h延长至192 h,且除个别时效外,小雨、中雨的TS评分得到明显提高。     

国家模式产品对天气要素释用能力的评估

作者评估了国家气象中心的数值预报产品的性能，计算了Ｔ４２数值产品对副热带天气的释用能力；同时与Ｂ模式作了对比。     

滁河流域汛期多模式集成面雨量预报检验评估

对2013—2016年汛期ECMWF、JMA及中尺度WRF模式的预报结果进行检验,基于合理的时间尺度,制作了动态权重集成面雨量预报(DWI)、分步集成面雨量预报(SI)和等权重集成面雨量预报(EWI)产品,并对2017—2020年汛期降水期间多种集成面雨量预报产品和ECMWF、JMA、WRF的单个模式面雨量预报产品进行对比评估.结果表明:3种集成面雨量预报效果整体上优于单一数值预报模式,尤其是预报致灾严重的暴雨等级降水优势明显;DWI和WRF对强降水的面雨量预报正确率最高,其他2种集成面雨量预报结果次之,ECMWF及JMA较差;模式集成预报弱降水过程的优势不明显.     

基于ECMWF的两种温度客观预报订正方法及评估

依据国家气象信息中心格点温度实况资料,采用“动态训练、择优选取”的基本原则,利用递减平均法（DAM）和径向基函数神经网络方法（RBFNN）对ECMWF细网格模式2019—2020年20时BTC未来24～216 h的0.05°×0.05°分辨率格点日最高、最低温度进行客观预报订正,并与中央台指导预报（NMC）和EC模式预报产品进行格点检验对比分析。结果表明：（1）通过DAM和RBFNN订正后的24～216 h日最高、最低温度预报准确率提高3.9%～7.8%,均为“正”技巧,对预报准确率偏低的月份预报时效订正效果更显著,且夏、秋季最高温度预报订正效果较好,冬季最低温度订正能力较强;（2）订正后的最高、最低温度预报产品除沙坡头区的最高温度预报和贺兰山的最低温度预报误差偏大外,其他区域的误差基本都<2℃,订正后的ECMWF细网格模式对强降温、寒潮天气的温度预报效果明显优于NMC和EC模式预报产品,对预报业务有一定的参考价值。     

四川日最高最低气温预报订正产品评估

基于SCMOC、SNWFD、SPCO 3种模式2016—2018年的逐日2 m日最高、最低温度预报资料及对应的实况站点数据，分析讨论了四川地区精细化订正产品的预报性能，结果表明：① 3种模式中，客观方法SPCO与人工订正SNWFD在最高、最低温度的预报能力相当，均高于SCMOC；②四川地区东部的预报效果整体好于西部地区，且川西高原、凉山州地区预报误差最大；③对于季节，夏、秋两季预报效果好于春、冬季节；④随着预报时效的增加，预报误差逐渐增大；⑤四川地区，2 m日最低温度的预报效果好于日最高温度。     

超级集合预报的误差订正与集成研究

利用类似KALMAN滤波的自适应误差订正法对中国国家气象中心、日本气象厅、美国国家环境预报中心、加拿大气象中心和澳大利亚-法国气象局的区域集合预报模式2m温度预报做订正,并对订正后的结果采用算术平均和多元回归两种方法进行集成.结果表明:订正后温度预报的各项检验指标都显示出不同程度的改善.36h内平均绝对误差在1.8℃以内;均方根误差也有明显减小,且与离散度大小更接近;talagrand图的U型分布仍然存在,但个别成员异常的现象得到改善;集合成员预报分簇的现象得到了很好的矫正;此外预报误差存在日变化.两种集成方法的温度预报结果都优于单一模式预报,并且不存在明显的系统误差,预报达到了一定精度.其中多元回归方法的集成效果胜于算术平均集成.     

基于T639集合预报的我国2016年极端温度预报检验

基于我国T639集合预报系统的2 m温度模式实时预报和分析场资料,对历史气候百分位分布进行了估算,并对2016年我国极端高温和极端低温集合预报进行了检验评估。分析表明,对于某一区域代表站点,不同超前时间对应的气候百分位分布变化趋势均与分析场的基本一致,但不同区域代表站点之间以及同一站点不同季节之间的气候百分位分布则存在差异。Talagrand分布检验结果显示,T639集合系统对哈尔滨和长沙站的预报存在暖偏差,而对北京和拉萨站的预报则存在冷偏差,其余典型站表现出预报离散度偏小的特点。基于历史气候百分位定义,对2016年极端温度进行识别、预报和检验。TS评分结果表明,T639集合系统对于我国极端温度总体上具有一定预报性能,预报技巧在各个区域有较大差别,极端高温在江南和东北区域技巧相对较高、极端低温在华北和南方技巧较高。对于不同预报方法技巧比较显示,集合平均法对极端信号有平滑效果,总体技巧偏低,集合众数法对低温技巧增加明显,而采用集合最大值和最小值法对极端信号则有放大效果,对高温技巧增加明显,但对低温技巧则不明显。由此可见,采用合适的方法对集合预报中极端信息的正确提取至关重要。     

基于T213集合预报的极端天气预报指数及温度预报应用试验

本文基于中国T213集合预报系统资料,借鉴欧洲中期天气预报中心极端天气预报指数的数学处理方案,在分析T213模式数据特征的基础上,研究了T213集合预报系统极端天气预报指数的数学处理方法,建立了适合T213集合预报模式的极端天气预报指数,并利用该指数对2008年1月极端低温天气进行了预报试验和评估检验,分析模式气候累积概率分布生成方法对极端天气预报指数的影响,得到以下结论：（1）确定了利用T213集合预报系统所有预报成员生成的模式气候累积概率分布计算极端天气预报指数;（2）利用TS评分确定极端天气预报指数发布极端低温预警信号的阈值为-0．3并进行预报试验。试验结果表明,极端天气预报指数对极端低温天气具有较好的识别能力,可提前3-5天发出极端低温预警信号。利用相对作用特征曲线对极端天气预报指数识别极端天气的技巧进行评估检验,检验结果显示,基于T213集合预报生成的极端天气预报指数对极端低温的预报存在正的识别技巧,随着预报时效的延长,识别技巧逐渐降低。（3）评估不同模式气候累积概率分布对极端天气预报指数识别极端低温天气技巧的影响,结果表明：产生模式气候累积概率分布的模式数据误差一致性是关键因素。     

北京地区温度要素模式预报和客观方法检验评估

利用2018年10月1日至2019年9月30日北京地区55个地面气象站的实况观测数据对欧洲中期天气预报中心的全球预报(ECMWF-thin)、国家气象中心区域预报(Grapes)、北京睿图(RMAPS)、国家级指导预报(SC-MOC)、北京智能网格温度客观预报(BJTM)和集合相似预报(AnEn)的逐日最高、最低气温预...     

广西中短期极端温度客观预报方法研究

利用欧洲中心(ECMWF)数值预报产品和常规资料,应用MOS预报方法和多元线性回归技术,研究建立了广西90个站1~7d的最高、最低温度预报方程,试报检验效果较好,预报结果在大多数情况下是可用的或是可参考的,为业务提供了有效的省级客观预报指导产品,对误差特点进行了分析并提出了改进方法。     

递减平均法与一元线性回归法对ECMWF温度预报订正能力对比

基于ECMWF细网格模式的定时最高(低)气温预报产品,针对2017年陕西99个国家级气象站的日最高(低)气温预报,检验和比较了递减平均法和一元线性回归法两种方法对气温预报误差的订正效果。结果表明,两种方法都显著地提高了日最高(低)气温的预报准确率,随着预报时效的延长,订正能力逐渐减弱。技巧评分与模式对气温的预报能力有显著的负相关关系,秦岭及其以南地区的日最高气温预报和秦岭以北地区的日最低气温预报的准确率偏低,其技巧评分一般超过40%,极大值超过70%。两种方法都有效降低了系统误差,较小误差范围的站次增多,较大误差范围的站次减少,对日最高气温在预报绝对误差≤2℃误差范围的订正能力较为突出,对日最低气温在预报绝对误差≥3℃误差范围的订正更有优势。一元线性回归法对日最高气温预报的订正能力略优于递减平均法,对日最低气温预报的订正能力不及递减平均法,利用这两种方法对气温预报进行混合订正的效果更佳。