菏泽市气温精细化预报

利用MM5格点资料和菏泽市各测站各时次的气温资料进行相关分析，筛选出显著相关因子，用逐步回归方法建立一套菏泽市气温精细化预报方程，并研制出预报制作软件系统，系统直接从MM5中调用资料，实现了气温预报自动化。     

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。     

龙川县气温预报方法的建立与应用

利用龙川站2008-2012年地面观测资料、欧洲中心数值预报产品,采用常规统计预报方法（逐步回归）,将最高（低）气温实况作为预报对象,把可能影响气温变化的气象要素作为预报因子,分月建立未来24～ 72 h最高（低）气温的MOS预报方程,通过对2013年全年的检验预报表明：未来24～72 h最高（低）气温预报平均绝对误差均在2.0℃以内.     

沈阳市城市效应对气温的影响及气温预报方法

根据沈阳市城区与观象台（郊区）的同步观测资料，分析了两地日最高低温差的变化规律，并与前期的气象要素进行相关分析，揭示出由于气象条件的变化所造成的城郊温差的不规则变化，采用逐步回归方法建立了沈阳市日最高最低温度的预报方程，取得了较好的预报效果。     

三维插值方法在湖南省气温精细化预报中的应用与检验

利用三维插值方法对ECMWF、Japan及T639三种数值模式细网格气温预报产品进行客观订正,并检验评估三维插值方法对湖南省不同海拔高度和不同地理位置上2 159个气象站点的气温预报订正能力。个例结果显示,三维插值方法具有明显的订正效果,不同程度地缩小了二维平面插值预报的偏差,能较客观地反映复杂地形区域要素的实际情况;三维插值方法较二维插值对ECMWF、Japan、T639三种模式气温预报的订正能力均有不同程度的提高,改进后的ECMWF模式气温预报准确率达94%;对于海拔较高的站点,三维插值方法相对于二维插值订正的幅度更大,对模式预报有向气温降低的趋势调整,对于海拔较低的站点,对模式预报有向气温升高的趋势调整。     

基于数值预报产品的地面气温BP-MOS预报方法

在山东省临沂市气象局开发的"中尺度数值预报业务系统"的基础上,利用高分辨率的数值预报产品和地面气温观测资料,建立了地面气温的BP神经网络方法预报模型。检验结果表明BP神经网络模型的气温预报准确率高于逐步回归模型和MM5模式输出的气温预报准确率,可应用于实际预报业务中来制作气温的精细化预报。     

河北省11个地级市极端气温的分析和预报

通过对影响河北省11个地级市极端气温的诸因素进行详尽的分析，综合经验预报、数值预报等优点，采用逐步回归方法，建立了河北省11个城市的极端气温预报方程。试用结果表明：该方法温度客观预报评分达到80分，特别是在春秋季节和转折、突变的天气情况下，变温幅度较大时，应用效果显著。     

广西气温预报的一些体会

充分利用目前各台站所能采集的多种实况资料和数值预报产品资料,综合考虑了包括气温的气候分布特征、锋面南下的温度平流作用、晴雨天气状况下的辐射作用和绝热变化等多种因素对未来气温(包括最高、最低、平均气温)的影响,找出气温预报因子及其指标.     

三种气温预报产品黑龙江省预报效果检验

利用T639模式预报产品和黑龙江省83个国家气象站气温实况观测资料,采用最优预报因子方法选取预报因子,应用多元回归方法建立逐站日最高气温和日最低气温的MOS预报方程; 对MOS、中央气象台指导预报（SCMOC）和T639三种气温预报产品的日最高气温和日最低气温预报效果进行对比检验分析,并用EOF方法检验预报与实况的时空变化特征一致性。结果表明: 与实况的时空变化一致性方面,MOS和SCMOC较好,T639略差; 预报效果方面,MOS和SCMOC对日最高气温和日最低气温的2 ℃预报准确率普遍高于T639,MOS的预报准确率在日最高气温方面高于SCMOC,在日最低气温方面低于SCMOC; MOS对T639气温预报产品改善效果明显,尤其对冬季日最低气温的预报改善效果十分显著; MOS较T639气温预报改善效果与T639模式预报效果呈负相关关系,主要表现为,MOS预报改善效果在T639预报准确率低的山区明显优于平原,在春、夏季,预报准确率较低的日最高气温明显优于日最低气温,在冬季,预报准确率较低的日最低气温优于日最高气温; MOS气温预报方法的预报性能较理想,SCMOC对黑龙江省预报难度较大的日最低气温预报效果较好。     

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.     

卡尔曼滤波方法在逐日极端气温预报中的应用分析

利用国家气象中心的T63数值预报产品，采用卡尔曼滤波方法，建立了内蒙古地区（35个站）的逐日极端（日最低、日最高）气温24小时预报方程。于1996年3～11月进行业务试运行，预报结果令人满意，表明该方法有一定的参考和实用价值。     

单站气温短时预报的气候统计方法

在分析单站气温变化基本特征的基础上，划分了云量、风向风速等对温度变化影响的分级，统计了各季节3小时的分类气温平均变量，研究探讨采用分类气温平均变量制作3小时短时气温预报的客观统计分析方法，经检验、试用效果良好。     

利用MM5预报产品制作临沂市极端气温预报

利用MM5预报产品和临沂市各气象站的日最高、最低气温资料,分别采用非线性逐步回归和BP神经网络方法建立临沂市日极端气温预报模型,通过拟合和试报检验表明这两种方法制作日极端气温预报可行。     

郑州市蔬菜大棚气温预报方法

为提高设施农业气象服务水平,减轻气象灾害对大棚蔬菜生产的影响,根据2012年11月-2013年3月和2013年11月-2014年3月两个冬季大棚内外气象数据资料,采用回归分析法、热力计算法、经验公式法、相似个例法等对郑州市大棚气温进行预报研究,分别统计预报质量,分析利弊。结果表明:回归分析法、热力计算法在天气条件比较平稳时预报质量高、效果好,遇到转折性天气时,预报效果差,需采用其他方法进行有效订正;相似个例法、经验公式法在强降温、降雪、大风等极端天气条件具有较高参考价值,对回归分析法、热力计算法是有效的补充订正手段。综合运用多种方法对2014年2-3月大棚最低气温进行预报,误差2.0℃以内的预报准确率为87%,预报质量较高且较稳定。     

基于降尺度技术的精细化气温预报研究

采用中国T639预报模式提供的气温数值预报资料及两要素加密自动站气温资料,对贵州省内2 000多个乡镇站点进行气温精细化预报研究。结果表明,在对2013年1—3月预报时效为24~168 h的气温预报试验中,无论从均方根误差的角度还是按照贵州省的业务评分标准,进行降尺度技术处理后的精细化气温预报效果较直接的气温预报有着明显的改进。试验中,对于24 h的预报改进最明显,均方根误差减少达19.1%,预报业务评分改进达24.5%,全省平均评分均在70%以上,较大幅度地改进了T639预报模式直接提供的气温预报。     

精细化MOS相对湿度预报方法研究

利用2003年5~9月MM5模式每隔1 h的站点基本要素预报场和物理量诊断场资料,以及相应时段内宁夏25个测站的相对湿度自记观测资料,同时采用多元线性和逐步回归2种MOS统计方法,预报宁夏25个测站5~9月48 h逐时相对湿度。对2004年夏季6~8月预报效果检验表明:MOS方法制作宁夏48 h逐时相对湿度预报结果是可用的或是可参考的;2种MOS统计方法预报结果相近,逐步回归方法比多元线性方法预报效果稍好,08:00预报误差明显低于20:00;当天气形势变化较平稳时,MOS预报结果稳定,平均绝对误差控制在10%左右;当有明显的变温等特殊天气时,误差变率起伏波动大,预报结果不稳定。     

滚动式用数值预报产品制作单站气温预报的方法

用最优子集回归法，采用滚动式方法取舍样本资料，首先利用数值预报产品及盆地内单站的气温资料建立该站的最 子集回归方程然后根据２４－１４４小时的数值预报报资料作该站２４－１４４小时的气温预报。     

东北夏季月气温数值产品释用预报方法

采用对站点气象要素场EOF(自然正交函数)展开，预报几个主要特征向量时间系数的思路，对国家气候中心的T63动力延伸预报产品解释应用，制作东北夏季定点、定量月气温预报。根据EOF展开的空间特征向量分布特征，分别对反映测站上空高度数值大小与长波系统强弱的高度距平、地转涡度等预报因子进行处理，进而建立预报模型。     

一种逐时气温预报方法

利用2006~2010年陕西10地市逐小时的气温和逐日的最高气温、最低气温、平均总云量、降水量资料,通过线性回归方法建立了一种基于日最高气温和最低气温预报以及临近气温实况资料的逐时气温预报模型,并对2011年每天的逐时气温预报进行检验。结果表明:该方法在晴天、多云和阴雨天的预报能力依次减弱,其中晴天和多云天02~18时的预报效果好于19时至次日01时的,而阴雨天01~10时的预报效果好于其它预报时段的;当日最高气温和最低气温预报较为准确时,西安站各预报时刻的准确率均在60%以上,其中14~17时的准确率较高,晴天的达到100%,多云天的在96%~99%之间,阴雨天的准确率偏低一些,特别是11~17时较晴天和多云天偏低了12%~27%;该方法可以将24 h日最高(低)气温预报细化到逐时气温预报,同时考虑了气温日变化的地域差异、季节特征、以及在晴天、多云和阴雨天的不同表现,具有一定的业务应用和推广价值。     

北京地面气温可预报性及缺测资料恢复的研究

利用1951-1990年期间北京地面气温资料作未来气温预测可预报性及缺测气温资料恢复的研究,对单月序列使用自回归、选阶自回归、逐步回归和预测残差最小逐步回归及对多月序列使用后两种模型等6种方案进行试验。结果表明,多月序列使用残差最小逐步回归模型有最好的可预报性,且预报方程具有较高的稳定性。本文使用该方案还对1841-1950年期间的缺测气温资料进行恢复。