针对模式风场的格点预报订正方案对比

为了将格点观测融合产品用于模式预报产品的滚动订正中,获得精准的预报效果,使用国家气象信息中心HRCLDAS（High Resolution China Meteorological Administration Land Data Assimilation System）业务系统产生的高频次格点风场融合产品作为实况资料,采用两种风场模型和8种格点误差订正方案,对模式风预报产品进行订正预报试验,试验选择欧洲中期天气预报中心10 m风预报产品的2017年1月1日—2月28日以及2017年6月1日—7月31日两个时间段,进行了预报模拟试验,对8种格点误差订正方案的订正结果进行检验,同时将订正场插值到站点,使用国家级2400个地面气象站风场资料进行站点检验,结果表明:无论从格点还是站点检验的平均绝对偏差、准确率、绝对偏差分布频率结果看,采用基于模式和实况因子的全格点滑动建模订正方案具有最佳的订正效果。     

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。     

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。     

基于深度学习的7~15 d温度格点预报偏差订正北大核心CSCD

为了提高模式对于7~15 d温度格点预报准确性,基于U-Net模型以及U-Net残差连接模型,采用2018年12月25日—2022年7月5日多种组合气象数据作为输入数据特征,针对TIGGE数据中心提供的全球集合预报CMA-GEPS 2 m气温控制预报,开展168~360 h时效的格点预报误差订正试验。结果表明:对于240 h预报时效,两种深度学习模型中,U-Net模型表现较好;对于不同输入数据特征,加入起报时刻ERA52 m气温产品的U-Net模型表现最佳,在多个预报时效上有较好的订正效果,均方根误差减小率为10%~25%,可有效改善模式对于15.75°~55.25°N,73°~136.5°E区域北部的蒙古高原、西部的青藏高原及部分山地的预报误差较大的不足;而加入CMA-GEPS控制预报10 m风预报产品后改进不明显。总体上,基于U-Net模型构建的模式格点预报偏差订正模型可有效降低7~15 d温度格点预报误差,进一步提升复杂地形下格点预报的准确性。     

基于卡尔曼滤波递减平均算法的集合预报综合偏差订正

针对集合预报存在的偏差和集合离散度通常偏小的问题,在卡尔曼滤波递减平均的一阶矩和二阶矩偏差订正方案的基础上发展了综合偏差订正方案,并利用B08RDP WWRP(The WWRP Beijing 2008 Olympics Research and Development Project)项目中日本气象厅(JMA)区域集合预报的850 hPa温度资料,将敏感性试验得到的一阶矩和二阶矩订正的最优权重系数应用于综合偏差订正方案,并对其订正效果进行多方面检验分析。试验结果表明,一阶矩订正可以有效减小集合平均偏差,集合平均预报质量得到了明显改善;二阶矩订正对集合离散度具有较强的调整能力,订正后的集合预报可靠性、区分不同天气事件的能力总体上得到了提高;综合偏差订正方案有效融合了一阶矩和二阶矩订正的优势,其各自的最优权重系数适用于综合偏差订正方案,对集合平均偏差和离散度具有良好的订正效果,能够改善集合预报的整体质量。但一阶矩与二阶矩订正对综合偏差订正的贡献程度随评分指标而异,一阶矩订正对等级概率(RPS)评分和异常值百分比评分的贡献分别为83.75%和18.83%,可信度的改善约83.98%源于二阶矩订正,而相对作用特征(ROC)评分中二者的贡献基本相当。     

基于机器学习的格点气温预报订正方法

使用2017年9月至2021年3月国家级业务化运行的智能网格实况分析产品和欧洲中期天气预报中心全球模式(EC)产品,根据湖北省的地理分布特征构建6个分区,采用基于LightGBM机器学习算法建立的气温预报方法,生成湖北省0.05°×0.05°格点气温预报产品。利用2021年4—9月的预报产品和格点实况资料进行检验,结果表明:基于机器学习的气温预报方法(MLT)取得了较好的预报效果,其在0～72 h时效内优于中央气象台下发的气温精细化指导预报(SCMOC)和EC产品;MLT在山区的误差较平原大,但山区的订正幅度大于平原,日最高气温的订正幅度大于日最低气温的订正幅度;4—9月MLT、SCMOC、EC产品的平均绝对误差(MAE)日变化都呈现了白天偏高、夜间偏低、午后凸起的单峰特征,MLT的MAE值较SCMOC和EC产品的更低,并且在转折性天气中仍具有优势;站点检验与格点检验结论一致,基于格点建模的气温预报产品对站点预报同样得到了订正。机器学习在格点气温的模式订正方面可以作为一个行之有效的手段。     

基于LPSC算法的逐小时格点气温客观预报及检验评估

基于中国气象局陆面数据同化系统(Land surface Data Assimilation System of China Meteorological Administration,CLDAS)逐小时气温实况融合数据,检验评估了ECMWF、CMA-MESO-3km不同尺度模式对甘肃省逐小时气温的预报性能,并利用低频滑动平均订正算法(LPSC)对模式的系统性误差进行订正;同时对SCMOC和订正后两种模式的逐小时气温预报效果进行了统计对比。结果表明:1)ECMWF、CMA-MESO-3km模式对甘肃省逐小时气温的预报具有相对稳定的系统性误差,夜间预报准确率明显低于白天,主要表现为夜间预报显著偏高,白天为小的负偏差。2)LPSC算法能够有效改善ECMWF和CMA-MESO-3km对甘肃省逐小时气温预报的系统性误差,订正效果显著。订正后ECMWF、CMA-MESO-3km的预报准确率分别较模式本身提高了20.24％、20.25％,平均误差减小至±0.3 ℃之内;空间分布亦表明,订正后全省平均误差均明显降低至±2 ℃之内。3)同类产品对比检验表明:订正后ECMWF、CMA-MESO-3km两种逐小时气温预报产品的预报效果整体上均优于SCMOC,预报准确率分别较SCMOC高20.65％、13.55％,平均绝对误差在各个时次也明显低于SCMOC。技巧评分的空间分布表明,订正后ECMWF在全省大部分地方均为正技巧,其中酒泉南部山区可达80％以上;而订正后CMA-MESO-3km的预报效果各个季节分布存在差异,主要体现在陇中和陇东南地区,冬春季以弱的正技巧为主,夏秋季基本为负技巧。另外,业务应用结果表明,对于转折性天气过程,使用该方法需要特别注意。     

基于集合预报系统的日最高和最低气温预报

根据欧洲中心集合预报系统2 m气温预报的集合统计值,提出了BP-SM方法,针对中国512个台站2016年3月的日最高（低）气温做预报分析。将集合预报系统的模式直接输出、BP和BP-SM方法得到的日最高（低）气温进行了比较,结果表明:预报时效越长,BP-SM方法较之BP方法的预报优势也更明显;在1至5 d的预报中,BP-SM方法显著降低了预报绝对误差,误差在2℃以内的准确率大部分在60%以上,部分站点达到90%;正技巧评分均值大多高于30%,在青藏高原东部和南部地区超过了60%。预报正技巧站点次数在绝对误差≤2℃（1℃）范围内有所提高,对日最高气温预报准确率的提高略好于日最低气温;BP-SM方法有效地降低了预报系统偏差,较大预报误差出现次数显著减少。      

基于RMAPS-CHEM模式产品的北京地区能见度预报订正

基于RMAPS-CHEM空间分辨率为3 km的逐小时能见度预报产品,考虑到不同区域、不同时效及不同级别的预报误差不同,对北京区域各站点能见度观测值与模式预报结果进行比较和分时段逐级偏差订正,以2016年数据为样本,并对2017年数据检验。订正结果表明该统计订正方案对2017年能见度预报有较好的订正效果,不仅可以较好地改善其对高海拔地区的高估现象,也能更好地预报出低能见度现象。以2017年1月为例,北京观象台站能见度平均偏差及均方根误差都有所降低,0～24 h分级预报准确率均有所提高。同时,对优化后结果进行合理插值,并应用于北京iGrAPS无缝隙智能网格预报分析系统,得到北京地区1 km空间分辨率的0～96 h时效能见度预报产品,从而为雾、霾等低能见度天气现象的预报提供支撑。     

基于卡尔曼滤波递减平均算法的集合预报综合偏差订正北大核心CSCD

针对集合预报存在的偏差和集合离散度通常偏小的问题,在卡尔曼滤波递减平均的一阶矩和二阶矩偏差订正方案的基础上发展了综合偏差订正方案,并利用B08RDP WWRP(The WWRP Beijing 2008 Olympics Research and Development Project)项目中日本气象厅(JMA)区域集合预报的850 hPa温度资料,将敏感性试验得到的一阶矩和二阶矩订正的最优权重系数应用于综合偏差订正方案,并对其订正效果进行多方面检验分析。试验结果表明,一阶矩订正可以有效减小集合平均偏差,集合平均预报质量得到了明显改善;二阶矩订正对集合离散度具有较强的调整能力,订正后的集合预报可靠性、区分不同天气事件的能力总体上得到了提高;综合偏差订正方案有效融合了一阶矩和二阶矩订正的优势,其各自的最优权重系数适用于综合偏差订正方案,对集合平均偏差和离散度具有良好的订正效果,能够改善集合预报的整体质量。但一阶矩与二阶矩订正对综合偏差订正的贡献程度随评分指标而异,一阶矩订正对等级概率(RPS)评分和异常值百分比评分的贡献分别为83.75%和18.83%,可信度的改善约83.98%源于二阶矩订正,而相对作用特征(ROC)评分中二者的贡献基本相当。     

山岳型风景区最高最低气温预报方法研究

利用ECMWF预报场资料和地面观测资料开展支持向量机(SVM)、卡尔曼滤波(Kalman)两种统计方法对山岳型风景区气温集成预报方法的研究,并且结合自动气象观测站气温资料进行检验。结果表明:单一的SVM方法预报准确率较高且稳定,传统的Kalman方法预报效果不太理想,对长时效预报效果较差;加权集成后,3种集成方法预报稳定性较好、准确率比单一的SVM和Kalman预报方法均有所提高。从不同预报时效的检验结果看,各预报方法最高和最低气温预报准确率随着预报时效的增加均呈现降低的趋势。绝对误差分析表明,各预报方法最高气温的平均绝对误差均低于最低气温的平均绝对误差。     

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。     

ECMWF细网格2 m温度预报产品在南疆西部温度预报中的释用

利用2016年1月1日—2018年12月31日ECMWF细网格模式2 m温度预报产品,使用三次多项式差值方法内插到站点,并用中短期天气预报检验方法,对南疆西部12个国家站与15个区域自动站共27个站的最高、最低气温未来24 h预报效果进行检验分析。结果表明：ECMWF细网格模式2 m温度预报产品对南疆西部非山区站未来24 h最高、最低气温的预报能力较好,对山区站未来24 h预报效果差;对南疆西部最高、最低气温的预报效果随季节变化,夏季预报准确率高于冬季,秋季预报准确率最低;模式最高气温预报准确率在降雪、高温天气时较高,最低气温预报准确率在降雨时较高,在高温过程中较低;模式对于降雨、降雪、大风/沙尘等天气最高气温预报偏低,高温事件中最高气温预报偏高。最低气温预报在降雨、高温天气中偏高,降雪时偏低,大风/沙尘天气最低气温预报偏东地区偏高、偏北地区偏低。降雪、高温天气预报相对降雨、大风/沙尘天气预报效果更稳定。     

ECMWF细网格模式降水产品在北疆暴雪中的应用检验

2012年4月,ECMWF细网格（0.25o×0.25o）数值预报产品投入新疆天气预报业务化应用。本文通过对ECMWF细网格模式LSP大尺度降水预报产品在2012年前冬3场暴雪天气中的预报效果分析检验得出：LSP预报的暴雪量值总体偏小,提前1 d较提前2 d的预报效果有所改善,较早时次的预报结果也有一定的应用价值;暴雪预报的开始时间偏早3h左右,结束时间相对准确;LSP累计降水量级检验提前2 d和分级降水检验提前12 h的暴雪预报准确率较高,空报率较低。在观测站点相对密集的成片暴雪天气中,LSP预报的暴雪落区和量级较为准确,零散暴雪点的预报效果相对较差。检验分析结果可为ECMWF细网格降水预报产品的释用提供一定的参考,为业务人员制作北疆暴雪天气的定点、定时、定量预报提供一定依据。     

ECMWF细网格TP产品在北疆降雪天气中的预报性能检验

基于升级后的EC细网格TP降水量预报产品,对北疆2015年17场降雪天气的12h累积降雪量,主要运用平均误差、平均绝对误差和均方根误差进行了检验。结果表明,该模式在北疆降雪天气预报中小雪的预报准确率最高,暴雪最小;预报准确率随时效的延长并非都是减小的;小雪空报率较高、暴雪漏报率较高,中雪和大雪空报率和漏报率都不容忽视;小雪和中雪的3种误差均较小,随时效的延长变化较小;强降雪(大雪及以上量级)的误差较大,随时效的延长有增大的趋势;模式对小雪的预报总体为系统性偏大,对强降雪预报则为明显的系统性偏小,对中雪的预报系统性偏向不稳定。     

基于小波分析的客观预报方法在智能网格高低温预报中的应用

基于2017—2018年中国气象局高分辨率数值预报产品、甘肃实时城镇预报产品和国家级地面观测站数据,利用小波分析、滑动训练、最优融合等技术,研发出甘肃省智能网格高低温客观订正产品。检验分析表明:城镇预报产品、滑动训练订正产品、最优融合产品3种订正产品对CMA预报均有订正能力,3种客观订正产品的最高气温订正能力强于最低气温订正能力;滑动训练法与最优融合法产生的高低温订正产品,在系统误差明显地区(甘南、陇南等)的预报结果要好于模式客观预报,而高低温城镇预报产品在气温局地性强或者模式客观预报能力差的区域有优势;最优融合预报方法生成的高低温产品预报能力略高于滑动训练订正产品且与现有预报员制作城镇预报产品基本持平,初步具备了替代主观预报的能力。     

威宁县乡镇最高最低气温分析与预报方法探讨

基于贵州省威宁县2012年12月-2018年8月国家基准气候站(以下简称“国家站”)和52个区域自动观测站(以下简称“区域站”)的逐日最高最低气温资料,采用统计学方法和加权最小二乘法,分析威宁县近几年来最高最低气温的变化特征及国家站和部分区域站最高最低气温的相关性。结果表明:四季中,最低气温存在稳定的低值中心和高值中心,而最高气温只存在稳定的高值中心。春、夏、秋季的最高最低气温和冬季的最低气温分布与地形基本一致,但冬季的最高气温分布受地形和滇黔静止锋共同影响却有所变化。根据拟合方程得出的各乡镇气温预报值比直接用EC模式的预报值准确率更高,其误差值≤|2|℃。随着方程相关系数的减小,预报准确率相应降低,误差范围对应增大,预报准确率的高低与相关系数的变化具有一致性。     

三种全球预报产品中国区近地面气温短期预报效果检验

全球气象预报产品是扩散模式、空气质量模式的重要基础资料和前提条件,其误差直接影响模拟结果的准确度。为考察不同气象预报产品的误差,选取2016年6月至2017年5月GFS、ECMWF、T639三种全球气象预报产品,利用中国2100个地面观测站数据,对预报产品中近地面气温进行了对比,并分析了其在不同季节、不同区域的特征。结果表明：在中国区域三种气象产品气温预报存在偏低预报的趋势,其均方根误差的年平均值为2.60—3.52℃,相关系数的年平均值为0.89—0.92,平均绝对误差的年平均值为1.87—2.67℃。整体而言,EC表现最佳,其余依次为GFS、T639。气温预报误差存在季节变化特征,三种产品均方根误差与平均绝对误差均表现为夏秋季优于春冬季,相关系数表现为秋冬季优于春夏季。气温预报误差存在明显的地域差异,三种气象预报产品的气温误差空间分布特征较为相似,在中国华东地区误差值表现较低,在西南地区误差较高。同时,其误差水平在中国沿海地区表现较低,在地形复杂地区表现较高。     

ECMWF细网格模式在北疆降雪预报中的统计检验

采用ECMWF细网格模式产品,对发生在北疆2015年1月—2017年4月共20场降雪天气过程进行统计学检验。结果表明,48 h预报时效内ECMWF细网格模式对形势场、850h Pa比湿、对流层位涡及对流层低层u、v风场预报误差较小,精度较高;对流层中低层垂直速度和相对湿度及300 hPa u、v风场的系统性误差较小,随机误差相对较大,并建立了ECMWF细网格模式48 h预报时效内在北疆降雪天气预报中的应用模型;模式对新疆北部暖区降雪的各量级预报随时效的延长准确率并非减小,尤其是中雪;72 h预报时效内,模式对12 h累计降雪量为小雪和中雪的预报相对较稳定,强降雪的误差较大,随时效的延长并非呈增大的趋势;在预报业务中注意订正应用。