最佳数值预报模式选取与订正系统设计——温度集成预报系统

本文依据国家指导预报产品,山西省MOS预报以及MM5数值预报产品,对山西省的温度预报进行集成,通过3种客观预报方法的前期准确率对比,建立数学模型,从而产生一种新的客观预报方法。系统对3种数值预报产品进行了集成,建立了一个统一的预报指导产品分析、对比平台,为省台预报员提供一种客观的温度预报参考手段。     

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。     

T213 降水预报订正系统的建立与研究

目前T213降水预报存在一定程度上的系统性误差,为了更好地使用T213降水预报产品,减小系统性误差对主观预报的影响,利用一种统计学方法可以对T213降水预报进行订正,减小T213降水预报的系统性误差。通过对2004年6—11月订正前后的T213降水预报进行统计学和天气学检验分析,检验该订正系统的订正效果。结果表明,订正后的降水预报的预报偏差B值有了显著改善,其他统计检验量也有了不同程度的提高;订正后雨带的位置和轮廓更加接近降水实况。     

2014—2016年珠海能见度的模式预报检验

为了检验数值预报模式对珠海能见度预报的准确度,选取珠海2个站点的能见度观测数据对能见度模式预报值进行评估检验。结果表明:模式各时效的预报值均能够较好地模拟出能见度的时间变化趋势,随着预报时效越延长,预报值与观测值的相关性、可靠性越低,离散程度越高。低能见度时,模式预报值与观测值接近;而高能见度时,模式预报明显偏低。总体上模式预报值偏低,其中珠海站偏低幅度约28%,斗门站约31%。5—9月预报值的低估尤其明显,其中6月份预报低估最为突出,约为56%。1—3及12月模式预报值与观测值基本接近,可靠性也最好。     

基于频率匹配法的中国降水多模式预报订正研究

基于TIGGE资料中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及英国气象局1～7 d日降水量预报以及中国自动站观测资料与CMORPH降水产品融合的逐时降水量网格数据集,利用频率匹配法(Frequency-Matching Method,FMM)对中国降水预报进行客观订正。首先利用卡尔曼滤波方法对降水频率进行调整,并根据不同区域降水强度差异将全国分为7个子区域分别进行频率匹配。结果表明,FMM可以有效减小降水量预报的误差。经过频率匹配法订正后各模式降水预报的平均绝对误差(Mean Absolute Error,MAE)大幅减小,且订正后各量级降水的雨区面积更加接近实际观测值。FMM对小于5 mm和大于15 mm的降水预报技巧改进明显。此外,FMM降低了模式预报的小雨空报率和大雨漏报率,并且明显提高了晴雨预报的准确率。FMM明显消除了大范围小雨空报区域,但是对强降水预报FMM仅能调整降水量大小,强降水落区预报并不能得到明显改善。     

基于CUACE模式产品的订正方法比较研究

分别利用一元线性回归、分季节消除偏差订正和滚动偏差订正的方法,结合实况观测资料和2014年3月—2015年2月CUACE模式产品的评估结果,对2015年3月—2016年2月中国气象局下发的CUACE模式产品进行了订正。结果表明,利用一元线性回归方程订正的效果最差,利用分季节消除偏差订正的方法能降低冬季PM10、SO2和NO2的RMSE、MB和MNB值,对于预报效果有提升作用,但该方法对其他季节的订正效果较差。而利用滚动偏差订正的方法,能够降低SO2和NO2预报值的ERMS、MB和MNB,而且对于除O3外的其他污染物相关系数具有明显的提升作用。     

基于频率匹配法的江西省ECMWF降水预报订正研究

利用2016—2019年ECMWF（European Centre for Medium-Range Weather Forecasts）降水预报资料和江西省93个国家气象站降水资料,基于频率匹配法进行降水偏差订正,采用4种方法统计降水频率对降水预报进行订正试验（不分区试验）,根据江西省汛期暴雨气候特征对汛期降水进行分区订正试验,并对典型强降水个例进行分析。结果表明: 频率匹配法降低了模式预报小雨的空报率和大雨、暴雨的漏报率,预报技巧改进明显。在4种降水频率统计方法中,准对称滑动平均法效果最好。分区试验对强降水的订正效果优于不分区试验,该试验对模式预报正技巧暴雨过程的订正能力大于无技巧过程。对于模式预报效果差（TS=0）、一般（0 < TS < 0.2）、好（TS≥0.2）的暴雨过程,分区试验改善的概率分别为40.8%、89.1%和65.3%。频率匹配分区订正后强降水面积更加接近实况,但强降水落区不能得到明显的改善。订正方法对模式预报强降水形态、位置与实况较接近的过程,效果较好。     

基于神经网络的广州市能见度预报

在研究了广州市能见度变化特征及低能见度发生的主要影响因素的基础上,利用广州市环境监测站2007-2009年的空气污染物（PM10、SO2、NO2）监测数据及同期地面气象要素（10min平均风速、最大风速、气温、相对湿度、露点温度、气压、24h降水量）观测资料筛选出主要的预报因子,用径向神经网络建立预报模型,并对2009年9月1日到12月25日的能见度进行预报试验.结果表明径向神经网络预报模型在能见度低于10km时预报准确率明显高于统计回归预报方程.采用分级方法统计得出在未出现低能见度情况下,中低能见度,中高能见度预报准确率分别为80％,69.6％,均高于线性回归预报方程（40％,47.8％）.     

上级指导预报订正方法研究

从适应现代预报业务需求出发,针对中央台、省台2010年指导预报进行检验,并认真分析降水空漏报原因,结合本地天气形势及地形特点,建立降水、气温及灾害性天气预报指标,并对历史资料进行反查。采用条件概率将消空率≥80％的预报指标作为消空指标,将预报准确率≥90％的预报指标作为补漏指标,对指导预报建立消空、补漏预报方法,提高市级订正预报准确率。该订正方法在2011年业务应用中预报效果显著。     

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。     

气象能见度的突变特征及其在预报上的应用

该文讨论了气象能见度的突变特征及其在预报上的应用，研究表明，可用计算中空以上的变温分布和云量变化来诊断气象能见度，而且中空以上的变温的正负转换和槽脊更替对预报气象能见度有一定的意义。     

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。     

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。     

能见度集合预报及后处理技术应用

基于污染物情况、环流系统和时空分布特征分析,利用神经网络对历史数据进行建模,生成了能见度集合预报产品。在2022年冬季的TS评分检验中,预报产品优于欧洲中期数值预报中心模式(ECMWF)的能见度预报产品。利用概率匹配、最优百分位和神经网络三种后处理方法生成后处理产品,这些产品的TS评分优于集合预报产品。预报输入的ECMWF模式2 m湿度与实况的偏差是误差的主要来源。利用集成方法对三种后处理产品进行集成,其TS评分结果在低能见度区间总体接近或略优于原始产品。生成的能见度集合预报后处理最优集成预报产品成功提高了对中期延伸期能见度天气的预测准确性。     

基于模式预报倾向的预报系统设计与初步试验

为了充分利用数值模式的预报产品信息,首先对数值模式预报产品的误差进行了分析,针对误差分析结果,首次提出了一种新的基于模式预报倾向的精细化预报方法,并在此基础上设计开发了新疆精细化数值预报系统。初步试验结果表明:该方法对新疆地区的温度预报具有一定的正效果。后期经过调整订正系数,利用更多时次的观测资料进行温度订正,则有望可以使订正的温度更加接近观测。即该方法可以提高气象台站的温度预报准确率,展现了该方法的业务应用潜力。     

降水偏差订正的频率(或面积)匹配方法介绍和分析

针对AREM模式降水预报的偏差特征,开展了基于频率(或面积)匹配方法的降水偏差订正试验,重点介绍了该方法的原理和实现过程,并对订正前后的结果进行了系统检验,深入分析了该方法的优缺点并指出了可能的改进方向。经过3个月降水集中期(2012年6—8月)的逐日试验分析结果表明:(1)该方法能显著改善模式降水预报中雨量和雨区范围的系统性偏差,订正后降水预报的范围和平均强度与实况更加接近;(2)偏差愈大订正效果愈好;(3)原理上此法不能订正降水的落区位置偏差,但通过改变雨区范围的大小,订正后降水预报的TS和ETS的评分也有一定程度提高,尤其是小雨量段,订正使数值预报的"有雨或无雨"的定性降水预报的质量得到明显改善。针对该方法"不能改进降水落区偏差"的局限性,提出了5种可以改进和尝试的方法,同时指出,该方法和原理可以用于单站降水预报、雾和水文的流域预报的偏差订正。     

ECMWF集合预报统计量产品在重庆降水预报中的检验与分析

利用ECMWF集合预报降水资料和重庆市自动站降水资料,运用晴雨、TS评分、预报偏差等检验方法对重庆地区2014—2016年ECMWF集合预报降水产品在短期时效的预报性能进行检验分析。结果表明:最小值的晴雨预报准确率最高。对于TS评分检验,小雨量级可优先参考最小值、10%分位数和融合产品,中雨量级参考平均数和概率匹配平均,大雨和暴雨量级分别参考75%分位数和90%分位数。对于预报偏差检验,小雨量级可优先参考最小值、Mode,中雨量级参考融合产品、中位数,大雨量级参考控制预报、融合产品,暴雨量级参考90%分位数。对于百分位值预报产品和概率预报产品,小雨量级可参考5%～10%分位数和80%～90%概率预报产品,中雨量级可参考45%～55%分位数和40%概率预报产品,大雨量级可参考70%～80%分位数和20%概率预报产品,暴雨量级可参考90%～95%分位数和10%概率预报产品。     

基于SVD与机器学习的华南降水预报订正方法

降水是在多种天气系统和复杂物理过程共同影响下形成的,因此降水预报难度较大。由于数值预报模式的局限性,使得模式预报产品存在一定误差。为探讨更加有效的模式预报产品误差订正方法,基于奇异值分解（SVD）与机器学习（多元线性回归、套索回归、岭回归）构建订正模型,对2007—2019年4月1日—6月30日华南前汛期欧洲中期天气预报中心（EC）模式降水预报产品进行误差订正试验。结果表明：基于SVD与机器学习相结合的订正模型能有效降低EC模式降水预报产品在华南的预报误差,均方根误差最大优化率达4.2%,累计超过69%的站点得到不同程度的优化;SVD与机器学习相结合的订正模型能很好地处理因子间共线性问题,具有更好的鲁棒性;而对多个订正模型加权集成,均方根误差优化率达5.7%,累计超过77%的站点得到优化,显然加权集成方法订正效果不仅优于EC模式预报产品,也优于参与集成的任一订正模型。