欧洲中心细网格2 m温度产品在遵义市的检验及应用

利用遵义市14个县区站2013—2015年逐日最高气温、最低气温实况数据,检验分析了对应时段内欧洲中心(EC)细网格2 m(简称EC 2 m)温度预报产品对遵义市的预报准确率,在此基础上,根据2015年EC 2 m温度预报平均误差,对2016年1—8月EC 2 m温度进行订正检验。结果表明:2013—2015年EC 2 m温度对遵义地区预报准确率呈逐年上升趋势,最低气温预报准确率远高于最高气温。其中,2015年EC 2 m温度预报系统性偏低;最高气温的预报准确率呈冬、秋、春、夏递减,最低气温的预报准确率呈夏、秋、春、冬递减;最高气温预报准确率随时效延长呈下降趋势,最低气温预报准确率随时效延长呈波动变化趋势;播州、汇川、绥阳、赤水、习水、凤冈各时次的最低气温预报准确率都在80%以上,参考性强,其余站点相对较低。通过平均误差对EC 2 m温度进行订正并检验,订正效果明显。     

EC细网格对黑龙江省日极端气温预报的误差分析

本文采用2013、2014(1-10月)年的EC细网格2 m气温预报资料,通过双线性插值方法对黑龙江省83个站点进行插值,得出EC细网格模式对于日极端气温的预报误差并进行分析。结果表明,EC细网格模式本身对于最高气温的预报准确率高于最低气温,预报误差具有显著的季节性变化特征,但不同的起报时间对误差的影响并不明显。EC细网格模式的预报误差符合正态分布,具有可订正性。     

2014年6—8月数值模式产品对山东气温预报的检验分析

为检验不同数值模式产品对山东不同站点2m日最高、最低气温24h预报效果,利用2014年6—8月逐3h的WRF-RUC、EnWRF确定性预报、不同集合百分位数、T639、中国气象局下发的T639-MOS解释应用产品以及EC细网格预报进行TS评分、误差等分析。结果表明：EC细网格对内陆最高气温预报准确率最高,EnWRF确定性预报次之,EC细网格和T639-MOS对内陆最低气温预报准确率最高。T639和EC细网格分别对沿海最高和最低气温预报准确率最高。对各模式单站气温预报进行最优模式分析发现,对于最高气温预报最优的模式为EC细网格和EnWRF确定性预报,分别集中在鲁西南和鲁北、鲁中和鲁东南。对于最低气温预报最优的模式为EC细网格和T639-MOS,T639-MOS主要对鲁中山区预报较好,其他地区两个模式预报效果基本相当。     

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。     

陕西ECMWF、GRAPES_Meso和SCMOC气温预报的对比检验及订正

利用陕西99个国家气象站2017—2019年日最高(低)气温观测资料,采用一元线性回归和递减平均方法,对GRAPES_Meso、ECMWF和SCMOC的日最高(低)气温预报进行订正,并作对比检验。结果表明,SCMOC、GRAPES_Meso和ECMWF的日最低气温预报准确率较日最高气温偏高,其中SCMOC的日最高和最低气温预报准确率最高,ECMWF次之,GRAPES_Meso最低。一元线性回归和递减平均方法对SCMOC的气温预报订正多为负效果,但对GRAPES_Meso和ECMWF的气温预报订正有明显正效果。订正后ECMWF与订正前SCMOC的预报相比,前者日最高和最低气温的预报准确率偏高。订正后GRAPES_Meso与订正前SCMOC的预报相比,前者日最低气温预报准确率偏低、2018年24 h和2019年24、48 h日最高气温预报准确率偏高。一元线性回归法对模式气温预报的订正能力和稳定性优于递减平均法。     

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。     

基于EC细网格产品对怀化地区日最高气温的预报及订正分析

利用EC细网格(ECMWF-thin)0.125°×0.125°格距20时起报地面2 m气温资料,使用反距离加权法插值至怀化11个国家气象观测站点上,计算出模式预报的日最高气温,对模式预报准确率的时空分布特征以及利用N日误差滑动平均值、天气分类方法分别对模式预报进行订正分析发现:随着预报时效的延长ECMWF-thin日最高气温预报准确率降低,存在明显的时间变化特征,但空间差异不明显;ECMWF-thin日最高气温预报较实况普遍偏低;利用N日误差滑动平均值方法订正,日最高气温预报准确率的提升16%~20%,订正后预报准确率在54%~73%,此方法操作便捷、简单实用;进行天气分类订正后,各类型天气均有不同程度提升,且对特定类型天气提升明显,两种方法各有利弊,对日最高气温预报均具有一定的指导意义。     

基于CMA-TRAMS模式地形高度偏差的地面气温误差订正方法研究

采用一元线性方法建立南海台风模式CMA-TRAMS地形高度偏差和地面气温预报误差的回归关系,分别开展不分级、高度偏差分级和地面气温误差分级的三种订正方法的研究,并进行订正效果评估。结果表明,模式地面气温预报误差与地形高度偏差总体呈负的线性相关关系,地面气温预报绝对误差随地形高度偏差绝对值增大而增大（对模式地形高度偏低站点尤为明显）,但不同时刻地面气温预报误差特征表现不同,模式对地形高度偏高（即模式地形高于测站高度）和地形高度偏差小于50 m的站点,06时地面气温（世界时,下同）预报总体偏低,对地形高度偏低大于50 m的站点（即模式地形低于测站高度）,06时地面气温预报总体偏高;而无论站点地形高度偏差如何,模式对18时地面气温预报总体偏高。三种订正方法中地面气温误差分级法能有效地减小地面气温预报误差,该方法订正后的分析场准确率可达96%~99%,12~48小时时效预报场准确率总体可提升至90%以上,该方法具有回归关系稳定、效果显著、适用性广、简单易行等特点。     

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。     

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。     

EC细网格对黔南州温度预报的订正研究

该文采用EC细网格2 m温度预报场及国家站实况资料,通过滑动平均法、双权重滑动平均法、多项式拟合法以及最佳系数法对EC细网格2 m温度在黔南州的预报进行订正分析,结果显示:4种方法订正后最高气温7 d平均准确率分别提升了12.70%~17.84%,最低气温7 d平均准确率分别提升了1.14%~2.86%。对于高温预报,最佳系数法订正效果最优,其次是多项式拟合法,对于最低气温,前3 d采用滑动平均法订正效果最明显,第4 d开始则采用最佳系数法订正,订正效果更明显。4种订正方法均在7-9月效果最明显。黔南州西部及中部地区多项式拟合法订正效果更好,州东南部地区最佳系数法与滑动平均法订正效果更好,但在120 h时效后滑动平均法的订正效果明显下降,州北部地区最佳系数法订正效果更为明显。     

冬季EC 2m温度预报在贵州毕节地区的检验分析

利用毕节市8个国家站02时、14时气温实况数据,分别计算2016-2018年冬季(12月、1月、2月)EC细网格2 m温度预报的准确率、平均绝对误差、绝对误差,检验在升温、平稳、降温3类天气过程中温度预报效果,为模式温度预报订正提供参考依据。结果表明:02时的预报平均准确率比14时高约10%;除赫章站以外,其余站点准确率在60%~80%之间,有一定预报参考意义;3类天气过程中,平稳、降温天气中温度预报效果明显优于升温天气;升温天气过程中02、14时温度预报大多偏低0~4℃,降温天气过程中02时温度预报总体偏低0~4℃,14时偏高0~4℃。     

冬季EC 2 m温度预报在贵州毕节地区的检验分析

利用毕节市8个国家站02时、14时气温实况数据,分别计算2016—2018年冬季(12月、1月、2月)EC细网格2 m温度预报的准确率、平均绝对误差、绝对误差,检验在升温、平稳、降温3类天气过程中温度预报效果,为模式温度预报订正提供参考依据。结果表明:02时的预报平均准确率比14时高约10%;除赫章站以外,其余站点准确率在60%～80%之间,有一定预报参考意义;3类天气过程中,平稳、降温天气中温度预报效果明显优于升温天气;升温天气过程中02、14时温度预报大多偏低0～4℃,降温天气过程中02时温度预报总体偏低0～4℃,14时偏高0～4℃。     

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。     

贵阳14时气温数值预报检验及拟合订正分析

利用2012—2014年T639、EC细网格24 h、48 h内2 m温度和站点观测气温,在对比分析T639和EC细网格模式优缺点的基础上,选择预报准确率更高的EC细网格14时2 m温度和14时观测气温求解最优回归拟合方程,考察在不同天气转换过程中模式和拟合方程对14时气温预报的优缺点可知:24 h内回归检验拟合方程比模式预报准确率高4.92%,对雨天和阴/多云天气比模式预报有显著提升,预报实时检验也比模式高4.25%,对提高最高气温预报具有一定的参考价值。     

EC细网格2m温度对沧州市的预报能力检验及订正

利用EC模式对2017年沧州市14个国家基本站2m最高、最低温度的24、48、72h预报结果,采用预报准确率、平均误差、平均绝对误差和皮尔森相关系数等统计方法进行检验及订正。结果表明:EC模式对不同预报时效预报准确率,最高温度模式20时起报高于08时,最低温度08时起报高于20时;随着预报时效的延长,模式预报准确率逐渐下降。预报准确率最高温度区域差异不明显,月际变化大;最低温度区域差异显著,月际变化不均。EC模式对沧州温度的预报误差主要由系统误差造成,温度预报绝大多数的大值误差出现在转折性天气阶段,当出现明显升温和高温时,最高温度预报偏低更明显,出现明显降温时,最低温度预报偏高。对2018年1-4月EC模式预报最高、最低温度进行系统和大误差订正检验,发现订正后预报效果更好。     

基于地形因素的吉林省ECMWF气温预报订正方法研究

利用2016年1月1日—2018年12月31日吉林省381个站的逐日最高气温、最低气温和定时气温的观测数据,对ECMWF高分辨率模式的2 m最高、最低气温和定时气温预报进行检验分析.结果表明,ECMWF模式对吉林省的气温预报与实况存在一定偏差;从空间上看,自西向东气温预报准确率逐渐递减,预报误差逐渐增大;从时间上看,随预报时效的增长,预报准确率逐渐下降.对ECMWF的气温预报进行高度差订正后,模式最高气温24 h、48 h、72 h的预报准确率分别从52％、51％、50％提高至58％、56％、54％;最低气温准确率分别从58％、56％、54％提高至64％、62％、59％;定时气温准确率分别从63％、60％、58％,提高至67％、63％、61％.高度差订正的方法有效提高了模式气温预报的准确率,减小了模式预报误差,提高了模式预报释用能力,订正后的气温预报TS评分得到明显的提高.该方法已应用在吉林省客观预报的订正算法中.     

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。     

基于数值预报模式的乡镇温度预报方法研究

利用2015年8月至2017年7月长兴岛站和交流岛站日最高气温、日最低气温实况资料,对ECMWF细网格2 m温度预报值和日本FSFE02(24 h地面形势场预报)、FSFE03(36 h地面形势场预报)进行了检验。结果表明:根据历史回归统计检验,ECMWF细网格模式24 h的2 m最高气温、最低气温预报效果显著,通过了0. 05信度显著性检验。对各月做相关分析,相关性均较好。利用前一日ECMWF细网格2 m温度预报值与长兴岛站实况差值,根据统计的ECMWF细网格2 m温度预报订正值,做出长兴岛站未来24 h的气温预报。交流岛站温度预报是在长兴岛站温度预报的基础上订正做出,经统计分析,交流岛站和长兴岛站的气温差值与地面形势场和风场有较好的对应关系,根据不同类型的地面形势场和风场订正值,做出交流岛站的温度预报。应用Matlab计算机语言的开发功能,提取ECMWF细网格2 m温度预报的最高、最低气温值,并录入当日长兴岛站和交流岛站最高、最低气温实况值,自动预报各站未来24 h最高气温、最低气温。创建可视化预报工作界面,实现乡镇温度预报自动化。     

基于格点的中国东北中北部2 m温度数值预报检验及偏差订正

基于中国气象局陆面数据同化系统(CLDAS-V2. 0)实时产品数据集中2 m气温数据对ECMWF高分辨率数值模式2 m气温预报产品在中国东北中北部的预报能力进行初步检验并利用递减平均法对系统性偏差进行订正。结果表明,气温平均预报准确率与海拔高度呈显著负相关,山区预报准确率偏低,系统性偏差较大。气温预报偏差还表现为明显的日变化特征,在夜间表现为预报较实况显著系统性偏高,白天系统性偏差不明显。冬季夜间气温,特别是最低气温系统性偏高的特征变得更加明显。递减平均法对系统性偏差的订正效果好,订正后,东北中北部地区冬季夜间气温及最低气温预报能力有大幅度提高。另外,递减平均法对东北中北部山区3、4及9月以外其他月份夜间气温及最低气温,对冬季白天气温及最高气温有显著的订正能力。