MOS和PP法相结合作中期降水概率预报的试验

MOS方法经过十几年的发展,是一种比较成熟的方法。它能将数值模式的偏差和不精确性自行订正到MOS方程中去,从而使误差对使用效果的影响低到最低限度,MOS方法对于大尺度系统影响的天气具有一定的预报能力。因此,对于中期天气应有较好的报预意义。但由于中期数值模式输出的     

误差订正在辽宁地区冬季温度预报中的应用

利用7d固定误差订正和滑动误差订正方法对2014年冬季辽宁地区中尺度业务模式2m温度预报产品插值结果进行订正,并将订正结果与中央气象台MOS预报进行对比,分析MOS、7d固定误差订正和滑动误差订正3种数值模式后处理方法对辽宁地区冬季温度预报准确率的影响。结果表明:经过两种误差订正后的预报结果准确率均比数值模式预报插值结果高,滑动误差订正效果优于7d固定误差订正;24h最高气温预报中,滑动误差订正结果的准确率最高;最低气温预报中,08时滑动误差订正结果准确率高于中央气象台MOS预报,但20时滑动误差订正结果准确率低于MOS预报。滑动误差订正需1—15d的资料积累,比MOS方法所需资料少且操作简单,适合观测资料积累少的地区开展数值模式的温度订正。     

长江中下游汛期降水优化多因子组合客观定量化预测研究

针对长江中下游区域汛期降水模式预报误差,利用历史资料的有用信息订正模式预报误差.根据国家气候中心预测室提供的74项环流特征量和美国国家海洋和大气管理局发布的40项气候指数,确定降水预报误差场的相似年份,利用相似年的降水误差场对模式结果进行相似误差订正,有别于传统的模式系统误差订正.研究发现,相似误差订正效果明显优于系统...     

数值预报产品系统性误差的客观订正

从评价Ｔ４２数值预报模式的性能出发，找出Ｔ４２系统性误差的特征及其订正的客观判据。高度场Ｈ和温度场Ｔ采用不同时间权重和空莘平滑的订正方案，风场ｕ，ｖ采用动力订正方案，湿度场Ｑ采用平流（风场）订正方案。并对Ｔ４２１９９２年４－５月的数值预报产品进行了客观订正，经过均方根误差缩减率η和误差比ｅ方案的检验，效果是令人满意的。     

BP神经网络在估算模式非系统性预报误差中的应用

基于数值天气预报误差在时间上的相依性,采用BP神经网络方法建立预测数值模式非系统性预报误差的模型,并利用2003-2007年T213模式分析场和24 h高度预报场资料验证了该模型的预测能力,结果表明:所建立的3层BP神经网络模型对未来24 h的非系统性预报误差有较好的预估能力,对大多数样本而言所估测的非系统性预报误差的分布特征和其真值较为一致。BP神经网络模型估测的非系统性预报误差可以在系统性预报误差订正的基础上进一步对预报做出修正,其订正效果好于仅进行系统性预报误差订正的效果。     

一种气温的数值预报权重误差订正释用方法

该文在对几种数值预报产品的气温要素预报结果进行检验的基础上,尝试建立了一种权重误差订正方法:通过对数值预报产品进行检验订正,首先根据EC粗网格预报结果结合典型天气形势判断气温走势建立方程,对不同预报产品以近期准确率作为权重平均并结合误差加以订正,建立订正预报方程,对历史个例的检验和试报说明此方法对于提高气温预报的准确率,减小误差是有效的。     

华北汛期降水多因子相似订正方案与预报试验

本文基于动力—相似预报的基本原理, 在已初步建立的华北汛期降水模式的动态最优多因子组合相似订正方案工作基础上, 研究前期关键因子之间的相互配置对夏季降水的影响, 挑选关键的大气环流预报因子。根据预报年前期气候因子的异常状况, 通过EOF压缩自由度进行相似年选取, 进一步构建了基于前期异常信号的汛期降水相似订正预报方案。研究发现, 预报年前期大气环流中异常因子个数的偏多或偏少与该年华北降水的多寡呈现较好的对应关系, 并以异常因子的个数状况作为判断该年是否为异常年的标准, 将异常多因子方案与动态最优多因子方案相结合, 建立模式误差相似订正的多因子综合预报方案。通过诊断分析发现, 该方案对降水异常年有着较好的针对性。2003～2009年7年的独立样本回报结果表明: 该方法进一步提高了模式对华北汛期降水的预报能力, 将华北汛期降水预报的距平相关系数 (ACC) 平均分从系统订正结果的0.38提高至0.61, 具有良好的业务应用前景。     

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。     

长江上游流域数值预报产品评价分析

使用宜昌市气象局研制的数值预报产品评价分析和客观订正系统,对ECMWF、T213L31模式分别进行预报误差分析和降水主要影响系统预报能力分析。结果表明:ECMWF模式总体误差水平好于T213L31模式,T213L31模式24 h的总体误差水平接近ECMWF 72 h预报;ECMWF、T213L31对影响长江上游流域暴雨的主要天气系统有不同的预报能力,使用宜昌市气象局所研制的订正系统可从一定程度上改善模式预报的输出结果。     

说明预报技术和可预报性的一种图表

1.引言在过去25年中,数值天气预报模式以及观测资料和分析系统的改进已使天气尺度环流的业务预报取得了稳定的改进(Shuman,1978)。但是,众所周知,在运动的尺度不能分辨(或不能观测)情况下,由于初始误差的增长,最终将影响所有尺度的运动,使大气运动的可预报性有一个固有界限。即使“完美(Perfect)”的数值模式也是这样(完美模式是指一种不增加预报误差的模式)。     

基于莫宁-奥布霍夫相似理论的地面站点风速预报偏差订正

地形不匹配会导致风速预报出现偏差。Monin-Obukhov(莫宁-奥布霍夫)相似理论表明近地面风速垂直变化符合对数率特征,基于相似理论并引入大气稳定度判定因子构建偏差订正方案,将地面风速预报由模式地形订正到实际地形。针对冬季和夏季华北区域内760多个站点进行15 d的批量试验发现,使用订正方案后冬季和夏季00时(世界时)起始预报的模式前12 h风速预报的平均偏差可以降低20%以上,24 h预报偏差降幅也可达到10%以上,不同预报时效内风速的均方根误差可降低5%～8%。说明使用偏差订正方案可以对模式地面风速预报产生明显正效果。     

GRAPES全球模式的误差评估和订正

以欧洲中期预报中心的ERA-interim再分析资料为参考,对GRAPES全球模式的数值预报结果误差进行了评估,并运用基于历史资料的模式距平积分订正（ANO）方法,对数值预报结果进行了订正试验,检验了ANO方法对GRAPES模式全球中期天气预报的订正改进效果。对1984~2014逐年7月15~24日10天的预报结果订正前后对比分析表明,ANO方法对不同区域位势高度、温度等要素预报订正效果明显,31个个例200 hPa位势高度一周预报距平相关系数平均提高0.05、均方根误差减少12 gpm。其它各层误差订正也显示类似结果,验证了ANO方法对提高GRAPES全球模式10天数值天气预报技巧的有效性,并与MOS（Model Output Statistics）方法对比,更便利、更经济,具有更好的可操作性以及业务预报应用能力。     

2016年GRAPES_TYM改进及对台风预报影响

为了进一步提高国家气象中心区域模式台风数值预报系统（GRAPES_TYM）的预报能力,2016年对模式参考大气廓线以及涡旋初始化方案进行了改进:由模式初始场水平方向平均的一维参考大气代替原来的等温大气,涡旋初始化方案取消了原涡旋重定位并将涡旋强度调整半径由原来的12°减小到4°。对2014—2016年的生命史超过3 d的所有台风进行了回算,路径及近地面最大风速统计误差分析表明:参考大气的改进可以减小模式对台风预报路径预报的系统北偏和平均路径误差,尤其是140°E以东的转向台风。涡旋初始化方案中强度调整半径的减小会进一步减小模式预报路径的北偏趋势,从而进一步减小平均误差。同业务系统预报结果相比,改进后的GRAPES_TYM（包括参考大气和涡旋初始化）可以使平均路径误差分别减小10%（24 h）,12%（48 h）,16%（72 h）,14%（96 h）以及15%（120 h）。同美国NCEP全球模式路径预报相比,GRAPES_TYM在西行、西北行登陆我国的台风路径预报有一定优势。     

基于CWRF模式夏季日降水量的订正技术对比

误差订正是提高模式模拟和预报性能的有效方法。基于CWRF(regional Climate-Weather Research and Forecasting model)25套不同物理参数化方案的日降水量模拟资料, 对比仅进行降水日数订正(OCD)、仅进行降水量订正(OCM)和先订正降水日数再订正降水量(COR)三种订正方法, 先订正再等权重集成和先等权重集成再订正两种订正思路, 重点对1997—2015年华中和华南地区夏季日降水进行订正效果的对比。结果表明:(1)降水日的订正是必要的, 综合而言COR方法对CWRF模式日降水的订正效果更佳, 尤其是小量级降水, 但降水强度的表现不如OCM; (2)先集成后订正的效果更好; (3) CWRF模式不同参数化方案对日降水的模拟能力有显著差别, 经过订正后模拟能力均有所提升, 但对于不同的模拟方案, 其订正效果也不同。表明, 误差订正确实能有效提高模式模拟及预报性能, 但其效果存在不确定性。提高模式的预报性能, 关键还是提高模式对真实大气动力学的表述能力。      

长三角地区短时临近融合定量降水预报

通过雷达外推及高分辨率数值模式预报相互订正融合,建立了时效6 h的长三角地区短时临近融合定量降水预报产品。采用一种主流的融合方案,并在外推、模式订正和融合方案上进行改进,完成了基于长三角地区11部雷达反射率组网和数值预报资料的COTREC外推扩展,基于韦伯变换的数值预报强度修正和基于目标识别匹配的位相修正,基于回波尺度和预报时效的动态权重系数调整和基于实况降水的动态Z-R关系选择等技术开发。结果表明融合方法能够延长外推预报时效,订正数值模式预报的强度及位置误差,预报效果总体优于两者。     

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。     

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。     

华中区域环境气象数值预报系统及其初步应用

基于WRF/Chem大气化学模式建立了华中区域环境气象数值预报系统,初步应用在武汉市大气污染物浓度数值预报中,并与CUACE全国环境气象模式产品预报进行比较,最后通过试验探讨了一种大气污染调控方案。结果表明,模式系统较好地验证了武汉市大气污染物浓度日变化及空间分布特征,对PM10、PM2.5、SO2、NO2、CO浓度变化趋势及误差稳定性预报较好,平均绝对百分误差MAPE控制在20%~40%,冬季O3预报出现系统正偏差,但趋势预报较好。区域WRF/Chem模式对武汉市的大气污染物浓度预报效果要优于CUACE模式系统,可为武汉市空气质量预报提供更具有参考价值的模式指导产品。此外,试验探讨了污染源排放速率的优化调控方案,依据大气边界层高度日变化特征,通过动态调控一天中不同时段的污染源排放速率,调度日间最大排放至大气稀释扩散的有利时段,在不消减日排放总量的情况下,也可以减少大气污染。     

日极端气温的主客观预报能力评估及多模式集成网格释用

精细格点天气预报是我国未来几年天气预报业务发展重点。利用ECMWF、GRAPES等业务数值模式和广东站点观测资料,对日极端气温的主客观预报能力进行了多角度综合评估。统计结果表明,T_(max)、T_(min)的主客观预报误差均存在明显季节差异,在系统误差相对平稳的夏半年主观预报具有较明显订正能力,模式预报呈现一定流依赖特征,温度越高(低),负(正)偏差越明显;主客观预报误差空间分布均受地形影响,随着时效延长误差总体增幅不大,主观订正能力也较稳定。根据以上评估特征和网格预报特点,研究开发了一套多模式动态集成网格释用技术方案(McGF)。结果表明,相比单个模式的预报和主观预报,McGF较明显提升了T_(max)的预报技巧;T_(min)的模式预报偏差总体较T_(max)偏小,McGF提升幅度相对较小;网格释用后的广东区域预报能较合理反映气温空间和强度特征,较周边未经释用区域明显更优。     

三种数值模式气温预报产品的检验及误差订正方法研究

基于德国天气在线T7online(简称T7)、ECMWF细网格(简称EC)及T639三种数值模式的气温预报产品,结合本溪站气象观测资料,对三种数值模式2014年1月至2015年12月本溪市气温预报的准确率及预报误差进行了检验和分析,根据误差分析结果利用BP神经网络模型建立了本溪市数值模式气温预报误差客观化订正模型。结果表明:对于气温预报的年检验,T7、EC和T639三种数值模式的最低气温预报准确率均高于最高气温的预报准确率;对于气温预报的月检验,三种数值模式对夏季、秋季最低气温的预报效果明显优于冬季和春季,而对于最高气温的预报,T7的气温预报准确率明显优于EC和T639模式;当气温波动较大时,三种数值模式气温的预报准确率均明显下降。三种数值模式对最低气温预报的平均误差均为2.00℃以内,对最高气温的预报准确率存较大差别,T7模式最高气温的预报误差最小,T639模式气温预报的系统偏差最明显,最低气温系统偏差为-1.34℃,最高气温系统偏差为-2.87℃。根据三种数值模式气温预报误差的特征,结合BP神经网络建立本溪市气温误差预报模型对数值模式气温预报结果进行订正,订正后气温平均绝对误差由2.40℃左右降至1.40℃左右,系统偏差和均方根误差均明显缩小,气温预报准确率由50%左右提高至80%以上,数值模式气温预报准确率明显提高,具有较好的应用价值。