基于径向基函数神经网络温度预报订正方法及评估

根据中央气象台自2017年10月—2018年9月20:00起报未来72 h 0.05 °×0.05 °分辨率格点日最高、最低温度指导预报和国家气象信息中心格点温度实况,应用Matlab神经网络工具箱提供的newrbe函数,建立基于径向基函数(RBF)神经网络的温度预报模型,对2018年10月—2019年9月RBF预报产品进行格点检验评估,并与同期的EC模式预报产品做了对比。结果表明:（1）通过RBF模型订正后的24 h、48 h和72 h日最高和最低温度预报准确率较中央气象台指导预报（NMC）分别提高了7.21%、6.98%、5.48%和5.67%、4.46%、4.47%,均为正技巧,且春、夏、秋季预报订正效果要好于冬季;（2）分区域预报检验来看,除海源、同心、彭阳的最高温度预报和海源、惠农的最低温度预报误差偏较大外,其他区域的误差基本都小于2 ℃。特别是对强降温、霜冻天气的温度预报准确率高于NMC,对预报员有一定的参考价值。      

三种数值模式温度预报能力对比与误差分析

该文采用双线性插值法将ECMWF(简称EC)、天气在线、中央台指导预报3种数值模式格点资料插值到铜仁市碧江区本站上,对比该站2014年1—12月3种数值模式预报的24 h、48 h、72 h 2 m温度预报产品的准确率,并进行日最高(低)温度的预报准确率的误差分析与订正。结果表明:订正前温度预报准确率最高的是天气在线,其次是指导预报,EC模式最低;且日最低温度预报比日最高温度预报准确率更高。订正后,高低温预报准确率提升较为明显的是相对误差较大的EC模式,说明EC模式预报的系统误差较大,但趋势可信度较高。     

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。     

ECMWF模式气温预报在青岛地区的检验与评估

利用2013—2015年ECMWF(简称EC)细网格模式2m气温预报产品,分析了不同季节和不同天气形势下EC细网格模式产品对青岛地区7个基准站逐日最高气温和最低气温的预报性能。结果表明:EC细网格模式2m气温预报误差沿海站点大于内陆站点,且误差随着预报时效的延长逐渐增大。最高气温预报除胶州站外均为负误差,最低气温预报青岛、平度、莱西为正误差,崂山、黄岛、胶州和即墨为负误差。最高气温预报在3—4月和8—9月预报质量不稳定,最低气温预报夏半年好于冬半年。根据模式误差特点,给出7站气温主观订正参考值,订正后最高气温预报准确率提高3%~16%,最低气温预报准确率提高4%~18%。EC细网格模式对于暴雨、强对流、高温晴热、回暖天气、冷空气过程最高气温预报偏低,海雾影响时最高温度预报偏高;对冬季大雾情形下的最低气温预报偏低,辐射降温时最低气温预报沿海站点偏低,北部内陆站点偏高。     

EC细网格2m温度对沧州市的预报能力检验及订正

利用EC模式对2017年沧州市14个国家基本站2m最高、最低温度的24、48、72h预报结果,采用预报准确率、平均误差、平均绝对误差和皮尔森相关系数等统计方法进行检验及订正。结果表明:EC模式对不同预报时效预报准确率,最高温度模式20时起报高于08时,最低温度08时起报高于20时;随着预报时效的延长,模式预报准确率逐渐下降。预报准确率最高温度区域差异不明显,月际变化大;最低温度区域差异显著,月际变化不均。EC模式对沧州温度的预报误差主要由系统误差造成,温度预报绝大多数的大值误差出现在转折性天气阶段,当出现明显升温和高温时,最高温度预报偏低更明显,出现明显降温时,最低温度预报偏高。对2018年1-4月EC模式预报最高、最低温度进行系统和大误差订正检验,发现订正后预报效果更好。     

ECWMF高分辨率模式2m温度预报在六盘水市的误差分析及订正指标

采用气候概率统计和多时效平均的思路,对2018—2019年的欧洲中期天气预报中心（ECWMF）高分辨率模式2 m温度产品在六盘水市的预报误差进行统计分析,并对采用指标订正后的2020年度模式预报准确率进行检验评估。结果表明：ECWMF高分辨率模式对六盘水市的温度预报误差随时效的增加而逐渐减小,且各时效平均的最高温度年均预报误差和误差标准差要明显高于最低温度;对于六盘水而言,模式的温度预报在初夏（6月）可靠性最高,而在春季（3—4月）最低;通过采用预报误差最大占比对逐月多时效平均的模式最低温度预报进行订正,以及根据天气类型采用不用订正方式与订正指标对模式24 h最高温度预报进行订正,能够大幅提升全市未来5 d（120 h）综合最低温度和24 h内的最高温度预报准确率,分别稳定在90%和70%以上;经过订正后,全市的2020年度平均最低温度预报准确率与实际相当,而24 h最高温度预报准确率要高于实际预报准确率。     

ECMWF细网格2m温度产品在乌鲁木齐市温度预报中的检验

利用2011年7月至2014年6月的ECMWF细网格2m温度预报产品,采用格点映射站点和双线性插值法挑选最优预报参考格点,并用天气学检验方法,对该模式在不同季节、不同天气时的乌鲁木齐市温度预报能力进行检验。检验表明：该产品对制作乌鲁木齐未来24小时温度预报具有很好的指导意义,全年的最高最低温度预报准确率为74～75％,季节变化明显,夏半年的预报准确率高出冬半年10～25％;模式对降雨、降雪时的温度预报较好,大雾时最差,并且会使最低气温预报严重低于实况,对东南风时最高气温预报好于最低气温;该产品整体上在准确率和稳定性上均优于中央台指导预报,在春季具有明显优势,高低温正技巧可达0.4℃。     

基于欧洲数值预报产品的遵义市温度预报模型

利用2016—2018年遵义国家气象站(57713)观测资料,分析晴天、阴雨、多云、雷雨等天气条件下的实况最高、最低温度与EC细网格850hPa 20时温度预报格点值的温差,统计出各种天气条件下的温度高、低差值。结果表明:通过将欧洲数值预报产品与本地天气相结合,统计得出本地的温度变化的订正值,能够较为准确地制作24～120 h的最高、最低温度预报;预报初始值24～48 h温度误差相对较小,预报越正确,随着时效的增长,数值预报初始值准确率逐渐下降,误差增大,从而导致预报准确率也逐渐下降。从近3 a的业务应用效果来看,遵义本地化最高、最低温度预报成绩排名在全省前列,因此该模型的预报方法可明显的提高温度预报准确率。     

西岭雪山滑雪场秋冬旅游降雪预报研究

利用大邑、西岭雪山滑雪场及周边区域自动站2005～2017年每年10月～次年2月逐日最低温度资料，通过统计分析区域自动站与大邑站候平均最低温度差值，建立以大邑本站最低温度预报值为基础，加上逐候最低温度差值后得到区域各站的日最低温度预报的候最低温度差值订正方法；用距滑雪场最近的格点温度预报数据代替滑雪场站点温度预报，选出最低温度，以气温预报变化量，建立最低气温预报的模式温度订正方法；建立以候最低温度差值订正和模式温度订正进行加权平均的最低温度集成订正方法。通过对以上三种最低温度预报方法进行检验，发现最低温度集成订正方法预报准确率最高。基于最低温度集成订正方法预报西岭雪山滑雪场的最低温度，结合智能网格降水预报结果和降雪最低温度阈值判别，建立西岭雪山降雪的订正预报方法。      

四川地区EC细网格模式2m温度偏差订正研究

本文选取2017年1~12月ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式168h预报时效的2m温度场和对应时段四川地区157个国家站的观测资料,对比分析了模式温度预报的系统性偏差特征,采用15日周期的滑动双权重平均法对2m温度预报产品进行偏差订正,并与四川省气象台现有的主、客观预报产品进行对比,结果表明:(1)EC模式对低温的预报准确率远高于高温预报准确率;订正后高、低温预报准确率均有显著提高,其中低温平均提高了20.5%,高温提高了31.2%,平均绝对误差分别减小约1.1℃和2.9℃。(2)EC模式高温预报的逐月差异明显比低温预报逐月差异大,订正后差异明显减小,且各月的高、低温预报准确率均有显著提升,订正后各月高、低温的平均绝对误差均在2℃之内。(3)EC模式对于低温和高温的预报在全省均大致呈现负的系统性误差,且高温预报的系统性误差明显比低温预报的系统性误差大,订正后2m温度预报的系统性误差均明显降低,全省大部分地区维持在±1℃之间。(4)与四川省气象台现有的主、客观预报产品对比显示,对于高低温预报均是EC订正后准确率最高、平均绝对误差最小,订正效果较为理想。     

1981—2011年阿里河地区气温极差变化浅析

利用1981—2011年阿里河镇的平均气温及逐日最高、最低气温资料,详细分析了年平均气温、年极端最高气温、年极端最低气温以及年平均气温极差的变化规律和特点。结果表明:阿里河地区的年平均气温呈明显上升趋势;年极端最高、最低气温都呈上升趋势;年平均气温极差值逐渐增大。     

1951～2002年中国平均最高、最低气温及日较差变化

利用1951～2002年全国733个台站的月平均最高、最低气温资料,对我国年、季平均最高、最低气温变化趋势的空间分布状况和时间变化特征进行了分析.结果表明:近52年来,我国平均最高气温的变化特征呈现北方增暖明显、南方变化不明显或呈弱降温趋势;年平均最低气温全国各地基本一致,呈明显的变暖趋势;无论是年还是季,平均最低气温的增暖幅度明显大于平均最高气温的增幅;我国年平均日较差多呈下降趋势,并在我国北方地区尤为明显,各季平均日较差亦均呈下降趋势,并以冬季的下降幅度为最大;年平均最高气温和最低气温的变化在年代际变化上基本呈现较为一致的步伐,即52年来主要的变暖均是从20世纪80年代中期开始,均在90年代后期达到了近52年来的历史新高,近年来又略有回落.     

天山山区近40年冬季温度变化特征

利用新疆1959～1998年的冬季温度资料,分析天山山区近40年来冬季温度变化的基本特征,并与新疆南部、新疆北部进行比较,所得主要结果如下：(1)天山山区冬季平均温度在冷暖变化阶段上与新疆北部的相似性强于新疆南部。(2)冬季平均温度空间分布的同步变化性以新疆北部为较好,新疆南部和天山山区较差,而冬季平均温度空间分布的反向变化性,以天山山区和新疆南部较大,新疆北部较小。(3)三大区域冬季平均温度20世纪60～70年代的变化趋势是不同的,但70～90年代均表现为持续升温,90年代为最暖。(4)就近40年的显著线性增温趋势的空间分布范围看,以最低温度表现得空间范围最广,最高温度最差,平均温度居中。冬季最低温度增温率以新疆北部最大,新疆南部居中,天山山区最小。新疆南部和新疆北部冬季平均温度存在长度分别为27及29年的相近的最佳增温时段,增温率新疆北部大于新疆南部。(5)新疆北部和新疆南部冬季平均温度均在1979年发生了由低温向高温的突变。     

地温观测方法的研究

利用铂、铜、热敏３种电阻传感器的遥测地温仪与台站现用玻璃地温表，在不同天气条件下，用不同安置方法进行大量的对比试验，探讨地面、草面、地中不同深度温度的最佳观测方法。得出：地面温度应用体积小棒状传感器的多点采样平均来代替单点一次采样；地中温度表用直埋式与套管式无大差异；草温为农业服务有重要意义等结论。为遥测地温的观测方法提供科学依据。     

赤道东太平洋海温与中国温度、降水的关系

根据１９５１～１９９８年北太平洋海温和中国温度、降水资料,统计分析了春、夏、秋、冬四季赤道东太平洋海温、厄尔尼诺及拉尼娜事件和中国温度、降水的关系,结果表明：赤道东太平洋海温、厄尔尼诺和拉尼娜事件与中国温度、降水有一定关系,其中与温度冬季关系较好,与降水秋季关系最好。     

冬小麦田午时冠层温度与气温和地温的关系

基于野外实测数据，分晴日、阴日及不区分阴晴3种情况，研究了湿润与较干冬小麦田午时冠层温度、气温和地温间的定量关系。结果表明:湿润麦田晴日使用气温预测冠温效果最好，基于最终模型估算冠温的平均误差仅1.03℃，标准差为1.26℃。较干麦田晴日与阴日用地温估算冠温效果最佳，基于最终模型估算冠温的平均误差分别为1.64，1.54 ℃；其估算冠温的标准分别为2.05，1.89℃。用本文统计建模法预测结果的误差低于目前用NOAA影像反演冠温时2~3℃的均方根误差。研究结果也说明使用气温和地温预测麦田冠温是切实可行的。这就为冠温数据的获取提供了廉价有效的新方法；同时也使利用遥感影像与地面气象站常规观测资料相结合的方法，在较大的区域范围内进行冬小麦需水预测成为可能。     

南昌夏季气温变化特征及其预测

南昌夏季平均气温存在明显的年际变化特征,夏季平均气温有下降的趋势;利用均生函数模型对南昌夏季平均气温趋势进行了拟合和预报,拟合值与实况值基本一致,并预报了2005年～2007年南昌的夏季处于冷夏;分析了南昌夏季最高气温、最低气温变化趋势,结果表明冷夜和暖夜变化具有对称性,冷夜减少和暖夜的增加趋势几乎一致,而冷日和暖日的变化也呈非对称性分布,上升趋势比较明显,但下降趋势不明显。     

天气舒适度的分析和应用

人体舒适度的研究侧重于为人们提供一种服务，使人们能从感性上了解天气，从而有效地指导公众的生活和工作。在对多种舒适度指标进行比较分析的基础上选择出有效温度作为衡量舒适度的主要工具，并对它作了适当的修正。针对广东省中山市的气候特点将平均有效温度划分为9级，近一年的试用收到较好的效果。此外当白天平均、最低、最高有效温度以及湿度、风力异常时，应用程序也会输出必要的信息，从而给公众以详细的天气说明。     

我国近40年气温变化地域类型的研究

依据１９５１－１９９０年全国７０多个站点４０年的气温资料,采用相关分析和线性模拟的方法,从区域气候特征和气温变化趋势一致的角度,首先划分出气温变化的１０个地区再根据气温变化率进行分型,最后在此基础之上归并成３个气温变化区域,以进一步揭示我国气温变化的区域差异。     

本世纪昆明气温异常及突变的分析

根据昆明１９２１～１９９３年的年，夏季（６～８月），冬季（１２～２月）平均气温资料，分析研究了昆明的气温变化趋势，冷暖阶段，气温异常发生频率及气温突变点，结果表明：从本世纪２０年代开始，昆明气温呈上升趋势，至４０年代前后达最高，此后下降，７０年代降至最低，８０年代开始略有回升，１９２１～１９５４年为偏暖阶段，１９５５～１９９３年偏冷阶段，昆明高温异常主要出现在１９５０年以前，低温异常大多数出现在１