陕西省春季日最高气温延伸期预报因子初探

利用2001—2010年陕西省89站日最高气温资料和NCEP/NCAR逐日850 h Pa再分析温度、风场资料,通过统计分析发现陕西全省日最高温度变化具有很好的一致性,且在春季存在明显的6~28 d的波动。当6~28 d波动处于正位相时,850 h Pa上陕西地区受偏南气流控制,且温度偏高,而波动处于负位相时,850 h Pa上陕西地区为一高压反气旋控制,且温度明显降低。根据两者的对比,找到影响陕西地面日最高气温6~28 d变化的影响区。通过单点相关的方法,在6~28 d滤波的850 h Pa温度场上找到与影响区温度超前15 d左右相关性好的关键区:65°~70°N,40°~45°E。进一步研究表明,6~28 d低频温度有明显的从关键区向影响区传播的趋势,并且与15 d后陕西地区日最高温度6~28 d变化相符合,对陕西地区春季未来15 d最高温度预报有一定的指示作用。     

春季中国日最高气温延伸期预报误差分析及订正

数值模式直接输出和经模式后处理得到的预报误差比较,是延伸期逐日要素预报应用基础。针对中国2 583个站点在2020年春季11～30天的日最高温度预报,根据欧洲数值中心的集合预报输出,首先,使用BP-SM(Back-Propagation-Self memory)法和回归法,进行确定性预报订正效果比较;结果表明BP-SM法和回归法都明显降低了预报绝对误差;在11～14天预报中,BP-SM法得到的平均绝对误差为3.3～3.6oC,预报准确率超过35%,订正效果更优。其次,基于模式直接输出和BP-SM法获得的概率预报,使用CRPSS (continuous ranked probability skill score)进行了可预报性分析。结果表明,在地形复杂地区,经过订正,预报准确率明显改善。对于延伸期逐日要素预报,合理的模式后处理方法是降低预报误差和提高预报能力的重要环节。     

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。     

延伸期温度预报误差订正技术初探

应用滑动平均误差订正方法和历史偏差订正方法,对欧洲中期天气预报中心的数值模式延伸期2 m温度预报进行误差订正。研究发现,应用滑动平均误差订正方法进行11～15 d逐日温度预报订正时,25～30 d是最优的训练期长度。对2018年订正预报的检验分析显示,应用上述两种误差订正方法均可减小模式预报的系统偏差,有效修正模式温度预报较实况明显偏低的问题,并将预报准确率提高30%以上。在6—10月,订正后的温度预报平均绝对误差基本在2℃以内,具有一定的参考性,其业务化产品可支撑预报员的业务预报需求。在15 d内的延伸期预报时效上,两种订正方法对温度预报的订正效果差异并不明显。随着时效的延长,历史偏差订正方法的优势逐渐显现。     

基于卷积神经网络的长江流域夏季日最高温度延伸期预报方法研究

长江流域是我国夏季高温热浪灾害的多发区之一,该地区日最高温度( T_max) 具有显著的低频( 10～30 d 和 30～60 d 周期) 变化特征,超前-滞后相关分析和气温方程诊断的结果显示,影响长江流域 T_max低频变化的大尺度环流/对流信号包含: 自欧亚大陆东移南下的低频波列,自东北亚向西南方向传播的异常环流,以及由西太平洋向东亚传播的低频对流; 这些低频对流/环流活动通过改变辐射加热过程及绝热过程,导致长江流域 T_max的低频变化。为了客观且有效地辨识和捕捉这些先兆信号,并考虑长江流域T_max与大尺度因子间的非线性作用,本文采用机器学习方法中的卷积神经网络( Convolutional Neural Netw ork,CNN) 对大量历史数据进行训练,并构建了长江流域 T_max的延伸期预报模型。在独立预报阶段,CNN 预报模型对长江流域区域平均 T_max的预报时效达 30 d,提前 5～30 d 预报的 T_max与观测 T     

利用日最高气温和日最低气压预报5月大风

对1981－1995年的大风资料进行统计分析，得出用日最高气温和日最低气压预报于田县5月大风天气的指标。     

平顶山地区日最高气温预报

以ECMWF资料为因子，用PP法、MOS法、卡尔曼滤波法作平顶山地区日最高气温预报，并在微机上实现从格式转化、关键区选取、因子计算到结果输出的完全自动化。     

郑州市5～8月逐日最高气温预报

利用郑州市 1 996～ 1 998年 5～ 8月的历史气象资料 ,选取低云日际变化量、降水日际变化和风向日际变化为预报因子 ,建立了 5～ 8月最高气温日变化量多元回归预报方程。根据预报日前 1天实况和预报日的预报量 ,利用方程可求出最高气温日变化量     

镇江地区ECMWF模式高温预报订正方法研究

针对镇江ECMWF模式168 h内高温(t≥35℃)预报结果提出四种后处理订正方案,包括一元线性回归法、差值法、综合法和递减平均法;借助均方根误差等四种检验方法就订正效果进行评估,找寻最优订正方案。结果表明,四种订正方法都明显改善了ECMWF模式高温预报,订正后的均方根误差、平均绝对误差及最大绝对误差较订正前均有所减小,预报准确率显著提高。对于24 h时效内预报,四种订正方法各有优势。对于48～168 h时效预报,一元线性回归法效果更优。采用分时效对ECMWF模式高温预报结果进行后处理,考虑24 h预报订正使用递减平均方法,48～168 h预报订正使用一元线性回归法,可以更大程度地提高预报准确率。     

平顶山地区日最高气温预报

以ECMWF资料为因子,用PP法、MOS法、卡尔曼滤波法作平顶山地区日最高气温预报,并在微机上实现从格式转化、关键区选取、因子计算到结果输出的完全自动化.     

ECMWF高分辨率模式2 m温度预报误差订正方法研究

文章提出了一种结合滑动双权重平均订正法和空间误差逐步订正法的综合订正技术,并对2016年5月1日至2017年5月1日期间24～168 h预报时效内欧洲中期天气预报中心(ECMWF)高分辨率模式的2 m最高和最低温度进行偏差订正和误差分析,主要结论如下:(1)ECMWF模式在江西省的温度预报整体上比实况偏低,最高温度尤为明显,模式温度的空间分布表现出显著的系统性偏差,且偏差在不同预报时效是稳定的,订正ECMWF模式温度具有可行性。(2)滑动双权重平均订正法中较长的滑动订正周期对模式温度预报有更好的订正效果,采用滑动订正周期20 d是比较理想的。滑动双权重平均订正法具有持续的订正能力,但在季节过渡期间订正效果可能并不理想,而空间误差逐步订正法能进一步提高滑动双权重平均订正法的预报订正质量。(3)温度预报准确率表明,滑动双权重平均订正法和空间误差逐步订正法综合订正技术较好地改善了站点温度的预报质量。经过订正后,模式最高温度24、48、72 h预报误差≤2℃的准确率分别从0.59、0.55、0.52提高到0.75、0.68、0.62,模式最低温度24、48、72 h预报准确率分别从0.84、0.83、0.82提高到0.89、0.87、0.85。订正后72 h最高和最低温度的预报准确率都大于订正前模式24 h的准确率。总体而言,该综合订正技术较好地订正了模式误差,且误差在空间分布上较均匀。(4)对于高山站而言,经过订正后的最高和最低温度与实况基本吻合。空间误差逐步订正法的订正量在±1℃之内,与滑动双权重平均订正后的偏差呈现一定的负相关,有正的订正效果。该综合订正法已成功运用于江西省精细化气象要素客观预报业务系统中。     

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。     

T639预报气温产品误差分析与订正

由于T639数值预报模式对具体区域预报有一定偏差,为了更好的利用该模式做出山东即墨本区域各自动站气温预报,制定订正方法,将订正方法运用到实际业务中,推广到相关单位,提高气温预报准确率,本文利用2013年1月至2015年12月山东省即墨市8个区域自动站的最高(低)气温实况和对应的T639数值预报24小时2m气温预报产品进行了日最高(低)气温的预报准确率、相对误差分析,并结合风向风速预报结论和地形分区,运用综合订正、季节订正、风向订正和风速订正4种误差订正方法,在对比检验的基础上,得出如下结论:在4种订正方法中,预报准确率最高为综合订正方法。     

ECMWF模式地面气温预报的四种误差订正方法的比较研究

采用均方根误差对欧洲中期天气预报中心（ECWMF）确定性预报模式2007年1月至2010年12月的地面气温预报结果进行评估,并分别利用一元线性回归、多元线性回归、单时效消除偏差和多时效消除偏差平均的订正方法,对ECMWF模式地面气温预报结果进行订正。结果表明,4种订正方法都能有效地减小地面气温多个时效预报的误差,改进幅度约为1℃。在短期预报中仅考虑最新预报结果的一元线性回归订正方法要优于考虑多个预报结果的多元集成预报订正方法。在中期预报中考虑多个预报结果的多元集成预报订正方法更优,更稳定。在模式预报误差较大的情况下,多时效集成的订正方法能更稳定地减小误差。     

上海地区春季最高气温预报失败案例分析

本文分析了2015年3月17—18日上海地区连续两天发生最高气温预报失误的天气背景,并使用当日实况观测和业务预报使用的数值模式资料,剖析预报失败的原因,分析表明:对天空状况的误判是导致17日预报失败的主要原因,且东南风预报偏强更进一步增大了预报误差;冷空气影响时间的判断失误是导致18日预报失败的主要原因。从模式预报的实时检验、预报的跳跃性和不确定性角度分析了预报中存在的问题:预报员应重视本地和上游实况,从传统对单一确定性模式预报的依赖向多模式多起报时次及能提供概率预报和不确定性信息的业务集合预报的分析思路转型。此外,还需加强对集合预报的系统性检验、评估及数值预报释用产品的开发,增加包含不确定性信息的公众天气预报发布形式。     

基于滤波技术的上海日最大电力负荷气象预报模型

电力负荷与气象条件密切相关,为建立上海市日最大电力负荷的预报模型,利用2010—2013年上海市日最大电力负荷数据及同期气象资料,分析日最大电力负荷的时间变化特征及其与气象因子的相关性,并基于滤波技术将日最大电力负荷分离为时间趋势项和逐日变化项,用逐步回归方法针对冬季和夏季分别建立预测模型。结果表明：①上海日最大电力负荷的各个节假日效应存在差异,春节节假日效应持续时间最长,影响最大,国庆节假期前半段节假日效应明显大于后半段。夏季的周末效应最强。②采用逐步回归方法建立的气象预报模型效果较好,回代年和预测年的平均预测相对误差均小于5%。     

最高最低气温出现时间分析

对新乡气象站2012-2013年每目的最高最低气温出现时间进行分析发现,在正常出现时间之外,有许多异常情况。剔除异常时间点,对正常时间进行统计得到：日最高气温冬半年平均出现在14～15时,夏半年在15～16时;最低气温冬季在07时左右,夏季在05：30前后。两年中有22％的温度极值在异常时间点出现。异常极值的出现主要由冷锋、强冷空气、云、降水、风、雾、霾等因素引起。当气温日较差比较小时,气温极值出现的时间和地点存在随机性。     

青海省最高最低气温预报方法研究

针对青海省42个预报站点，利用信息化资料统计的结果，根据预报员的预报思路，由常规资料给出各站最高最低气温的初始预报值，再结合数值预报产品和实时常规资料对初值进行客观订正，最后得到最高最低气温的预报值，依此来建立一种青海省最高最低气温客观预报方法。