大连地区ECMWF细网格10 m风场与观测实况对比与检验

选取2016年1月至2018年12月ECMWF(简称EC)细网格10 m风资料,与大连地区8个国家气象观测站地面各类实况风速资料进行对比分析,得出EC 10 m风速预报与最大风速最为接近,与极大风速相关性最好,EC 10 m风速对大连地区8站整体预报平均偏大.通过对EC 10 m风速各预报时限资料与其对应的最大风速误差...     

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。     

大连地区阵风系数特征分析

利用2015年5月至2020年4月辽宁省大连地区9个国家气象站、2017年165个区域气象站逐10 min测风资料, 从风向、风级、月际变化、日变化、空间分布和天气影响系统等对大连地区最大、平均、最小阵风系数进行统计分析。结果表明: 1—12月平均阵风系数的变化范围为1.66~1.77, 秋末冬初平均阵风系数偏大, 春夏季节偏小; 与冷空气相对应风向的平均阵风系数大于与暖空气相对应的风向; 随着风级的增大, 最大、最小阵风系数向平均阵风系数收敛; 不同风级下阵风系数的频率分布均呈单峰型分布, 风级越大, 分布范围越窄。除西南风外, 其他风向的阵风系数均表现出白天大、夜间小的特点。大连地区阵风系数具有明显的地域特点, 东南和西北部沿海区域的阵风系数比内陆和西南沿海偏小, 风向基本不影响阵风系数的空间分布。大连的大风过程多受海上气旋和高压前部双系统共同影响, 气旋、台风以及雷暴大风的平均阵风系数大于同风级的平均值。     

我国近海阵风预报研究

利用2021年1—12月实况观测数据及ECMWF确定性模式24 h预报数据中的中低层风速与温度产品,采用支持向量机回归方法构建我国近海阵风预报模型,以提升海上阵风预报服务能力。利用2022年1—9月数据进行独立样本检验,通过与阵风系数法的对比检验得出以下结论：不同高度层的风速及温度或垂直风速及温度的变化均会对阵风预报产生影响,因而造成仅考虑模式10 m风速预报的阵风系数法在某些情况下对于阵风的高估或低估。在阵风系数法的基础上加入高空气象要素信息所构建的预报模型,能够取得更好的预报效果。对于9级阵风,该模型的预报准确率为50%,明显高于阵风系数法的30%,对不同海域的大量级阵风同样具有较好的预报效果。在ECMWF确定性模式的10 m风速预报与实况存在一定偏差时,考虑了高空要素信息的支持向量机回归预报模型的阵风预报结果较阵风系数法更接近实况。     

ECMWF细网格要素预报场在乌鲁木齐米东区的预报性能检验

利用升级后的ECMWF细网格模式2m温度、大尺度降水量(LSP)、累积降水量(TP)及850hPa风速等气象要素预报场,采用客观分析和统计学方法,对2015年2月至2017年1月乌鲁木齐米东区气温、降水及风速进行检验分析。结果表明:2m温度场对于米东区最高、最低气温有较好的预报能力,最高、最低气温年均准确率ECMWF细网格模式产品均高于中央气象台指导预报产品,分别达69.1%和73.8%。细网格和中央气象台指导预报的晴雨准确率均接近或超过80%,对降水天气预报有较好的参考价值;降水分级检验上看,ECMWF细网格和中央指导预报准确率均不太高;对于降雨天气,细网格的预报能力略高于指导预报;对于降雪天气,指导预报对小雪和大雪的预报准确率高于细网格;ECMWF细网格850hPa风速产品与实况风速有较好的相关性,对逐日风的预报有较好地指示意义。     

WT模型在山区高速公路风预报订正中的应用

利用2001—2020年河北省142个国家气象站逐日最大风速资料分析了近20年河北风速变化背景。择选2021年2—5月张家口、崇礼区域日极大风速13.9 m/s以上、日10 min平均风速最大值8 m/s以上的30个代表日,运用张承高速公路沿线崇礼国家气象站、南窝铺及场地2套区域气象站、高家营及西湾子2套交通气象站的逐分钟风向风速观测资料,ECMWF数值模式输出的地面10 m风预报资料,以及3″分辨率的SRTM3地形资料,应用Meteodyn WT模型对张承高速公路沿线2个解域区域内的风预报结果进行了订正和检验。结果表明：WT模型输出风速与实际观测风速相关系数可达0.6225并通过0.001显著性检验,各代表站模拟的结果与实况的误差80%以上在±2 m/s之间,地形开阔处误差明显减小;风向也表现出很高的一致性。说明应用WT模型对山区高速公路沿线风数值预报进行订正是可行的,各地可结合本地地形数据以及相对稳定可靠的风的数值预报产品作为WT模型的驱动数据源,开展本地山区高速公路沿线风的订正应用。     

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。     

广东区域智能网格实况分析产品的检验评估

利用广东省水文站降水观测实况、国家气象观测站和区域自动站资料,对广东区域2020年的网格实况分析产品质量进行检验评估,结果表明:(1)2020年广东省5和1 km温度网格实况数值与站点实况相近,逐时温度、最高气温、最低气温平均绝对误差均小于1℃;(2)降水网格实况的误差随着降水量级增大而增大,个例对比评估显示1 km实时融合分析降水网格数据优于其他三套降水网格数据;(3)10 m风速网格实况的误差随着风级增大而增大,不分级风速误差小于1 m/s,趋势变化与站点实况接近,个例对比显示1 km的网格数据优于5 km数据。     

广东省海面风的主客观预报检验评估

通过分析广东省海洋测站的实况风速特征,发现地理位置等因素影响海洋观测,以东莞浮标站为代表研究后发现浮标站能最大程度反映海面风场的真实情况。以东莞浮标站为例,对2019年全年粤中海域海面风的省级主观网格预报(20:00起报)、ECMWF和GRAPES3km模式预报进行了评估,结果表明:客观预报误差总体偏小,误差随风力增大趋于显著,模式对3级及以下风力绝对误差最小;主观预报对4级到6级风预报能力最好,对3级及以下的风力预报偏大,对7级风预报误差偏小,对4级到7级风预报相对模式预报均有正技巧。客观预报对不同风向的风力预报误差系统性偏小,对东南风、南风和西南风的预报误差区间较小,对东风和西风的预报误差区间较大;主观预报对东南风、北风、东北风和西南风的预报效果较好,对南风的预报偏大,对东风和西风的预报偏小,主、客观预报对西北风预报能力均最差;除西北风外,主观预报对模式预报有正技巧。     

SCMOC温度精细化指导预报在陕西区域的质量检验

利用2012年陕西区域99站共366天北京时间08:00和20:00起报的SCMOC温度精细化指导预报与实况资料的比较,检验分析了定时温度、日最高气温和日最低气温的预报质量。结果表明:陕西区域SCMOC温度精细化指导预报08:00起报的准确率高于20:00起报的,且预报准确率有明显的季节变化,夏、秋季节较高,冬、春季节较低,日最高(低)气温的预报准确率与预报时效成反比。地形高度影响温度预报准确率,二者之间的相关系数通过了显著性检验。08:00起报的48h内逐3h气温多出现负误差,20:00起报的多出现正误差。08:00起报的日最高气温和20:00起报的日最高(低)气温多出现负误差,08:00起报的日最低气温多出现正误差。从对典型天气过程的温度预报质量检验来看,强冷空气影响下的降温天气过程的温度预报难度较大,预报准确率较其他天气类型偏低一些。     

浙江中西部大雾天气的气候特征及潜势预报方法

利用2010—2017年逐日雾观测数据、地面常规气象资料、NCEP/NCAR 1°×1°再分析资料和ECMWF细网格模式预报资料,采用统计法分析了浙江省中西部地区(27°N—30.0°N,118°E—121°E)雾日的时空分布特征,再通过相关性检验精选出物理因子,用逐步回归法建立雾的潜势预报模型。结果表明:(1)雾出现频率最高的区域是山区,时段是11月至次年4月、夜间至次日10:00;(2)通过精选的预报因子和提取的消空指标,确定的浙江省中西部地区冬半年雾日预报的多元回归方程,与实况拟合率为80.8%,回报检验的正确率、空报率、漏报率和TS评分分别为86.4%、39.0%、32.0%和0.47;(3)基于ECMWF细网格模式预报产品,每天可自动生成逐3 h雾预报产品并投入业务应用。     

基于ECMWF细网格产品的一种优化BP-MOS气温预报方法

基于ECMWF细网格模式输出产品,以一种优化的BP-MOS模型预测1~7 d日最高和最低气温,并对比该方法和ECMWF细网格的2 m温度输出产品以及线性MOS方法的预报效果。结果表明:在预报因子处理时,考虑云量、风、湿度等对气温变化的"过程"影响能有效提高预报准确率;ECMWF细网格2 m温度产品在短期3 d内均方根误差均在2℃以内,但中期时段预报效果明显低于MOS方法;由于线性MOS模型预报存在不稳定现象,而BP神经网络的非线性映射关系使其在容错性方面优势明显,因此优化的BP-MOS模型预测效果良好。     

基于ECMWF的两种温度客观预报订正方法及评估

依据国家气象信息中心格点温度实况资料,采用“动态训练、择优选取”的基本原则,利用递减平均法（DAM）和径向基函数神经网络方法（RBFNN）对ECMWF细网格模式2019—2020年20时BTC未来24～216 h的0.05°×0.05°分辨率格点日最高、最低温度进行客观预报订正,并与中央台指导预报（NMC）和EC模式预报产品进行格点检验对比分析。结果表明：（1）通过DAM和RBFNN订正后的24～216 h日最高、最低温度预报准确率提高3.9%～7.8%,均为“正”技巧,对预报准确率偏低的月份预报时效订正效果更显著,且夏、秋季最高温度预报订正效果较好,冬季最低温度订正能力较强;（2）订正后的最高、最低温度预报产品除沙坡头区的最高温度预报和贺兰山的最低温度预报误差偏大外,其他区域的误差基本都<2℃,订正后的ECMWF细网格模式对强降温、寒潮天气的温度预报效果明显优于NMC和EC模式预报产品,对预报业务有一定的参考价值。     

数值模式对2016年1月世纪寒潮过程的预报能力检验

对比检验了ECMWF和T639对2016年1月23—24日强寒潮天气过程的中期预报能力,表明ECMWF和T639 216h时效500hPa高度场的预报能刻画出西高东低的环流形势,ECMWF预报比实况偏晚,高低压中心比实况偏弱,T639预报比实况偏快,低压中心值比实况偏强,96h时效的高度场预报均基本接近实况。ECMWF 168h时效850hPa冷中心强度、气温梯度与实况相等,冷中心比实况偏东5个经度,T639 144h时效气温梯度比实况偏小,冷中心比实况偏东5个经度,48h时效的预报均与实况非常接近,等温线重合度很高。ECMWF 192h时效的海平面气压场冷高压中心位置及中心强度与实况一致,只是1060hPa及以上的区域比实况偏小。T639 192h时效的海平面气压场冷高压中心比实况偏南7个纬度,中心强度比实况偏强2.5 hPa,等压线走向及梯度与实况类似。24h内短期时效对比检验T639、ECMWF、山东WRF确定性预报（EnWRF）、WRF集合不同分位数的最低气温、最大风力和降水预报可知,WRF集合最小值预报最低气温评分最高,WRF集合较大值对大风力的预报准确率最高,Japan模式对降水落区预报较好,EnWRF很好地预报了较强降水区域,T639和ECMWF细网格对2mm降雪量预报效果较好。     

CMA-MESO关键技术集成及应用

基于GRAPES-MESO 10 km系统,提高模式动力框架计算精度和稳定性,选择调试适合高分辨率模式的物理过程参数化方案组合,建立面向数值天气预报的全国雷达质量控制拼图系统,通过云分析系统融合全国三维组网反射率因子拼图,建立面向中小尺度系统的对流可分辨同化系统和陆面资料同化系统,实现雷达径向风、风廓线雷达、FY-4A成像仪辐射率、卫星云导风、卫星GNSSRO、地面降水观测以及近地面资料等非常规局地稠密资料的同化应用,发展快速循环技术,建立全国3 km间隔3 h的快速循环同化预报系统——CMA-MESO（GRAPES-MESO 3 km）并实现业务化运行。2020年6—9月汛期业务检验结果表明:CMA-MESO预报的近地面要素（降水、2 m温度、10 m风场）检验评分全面超越GRAPES-MESO 10 km结果;CMA-MESO的24 h累积降水TS评分略低于欧洲中期天气预报中心（ECMWF）的结果,但逐3 h累积降水预报TS评分尤其是对于较大降水阈值评分明显优于ECMWF结果;同时,对于能够表征模式对降水时空精细化特征预报能力的降水频次和降水强度等检验,CMA-MESO对我国汛期的预报准确率超过了ECMWF细网格模式结果。     

阵风因子与大气边界层要素的关系及预报试验

利用2008—2016年舟山4个海岛气象站大风资料和欧洲中心的ERA-interim再分析资料,分析了阵风因子随平均风速、风向、小时、月份等分布的气候特征,统计阵风因子与边界层的大气稳定度、250～1000m风速与10m风速的比值、6h变温等要素的相关后,选取最佳预报因子,利用BP人工神经网络方法,根据不同因子组合对阵风进行循环试报。结果表明:①平均风速较小时阵风因子波动范围大;靠近大陆站点的阵风因子及来自陆地方向气流的阵风因子偏大。②白天11:00—16:00受太阳辐射影响大气湍流相对较强,阵风因子偏大。7—9月沿海受台风影响频繁,其阵风因子要大些,而11—12月阵风因子偏大则与来流方向的地表粗糙度较大有关。③阵风因子和边界层不同高度的风速与10m风速比值,及气温具有明显正相关,与边界层大气稳定度参数具有负相关,相关结果印证了阵风主要物理成因与动量的垂直湍流输送有关。④阵风循环试报表明最佳组模型试报的绝对误差及方差均比对比组模型减少约11%～25%,具有较好的预报效果。     

CLDAS气温实况融合产品在兰州和武威的检验评估及偏差订正

为更好地理解格点融合实况数据与观测数据的差异和代表性,利用甘肃兰州和武威两地站点的观测数据对中国气象局陆面数据同化系统（CMA Land Data Assimilation System,CLDAS）地面2 m气温融合产品进行检验评估及偏差订正。结果表明：（1）逐小时气温和日最低气温融合产品的平均误差总体为负值,较实际气温偏低,且在2 500 m以下误差随海拔上升而减小;日最高气温融合产品平均误差在海拔1 500 m附近为负值,1 500 m以上误差变为正值且随海拔升高而增大;日最高和最低气温误差较逐小时气温误差偏大,但平均误差均在2℃以内。（2）通过近网格点检验,发现逐小时CLDAS气温产品白天与实况相近,夜间较实况偏低0.2℃;日平均气温CLDAS融合产品总体较实况偏低1℃,兰州城区产品偏差相对较小;30℃以上高温天数融合产品与实况分布基本一致,但在兰州城区,CLDAS融合产品的高温天数较观测天数偏少。（3）线性回归法和递减平均法对CLDAS气温融合产品都有一定的订正效果,递减平均法订正效果更优且在高海拔地区订正效果更明显。CLDAS气温实况融合产品在兰州和武威两地能较好地反映气温...     

基于特定因子的河南省干热风客观预报方法

利用2000—2014年5月1日到6月10日河南省121个气象观测站点的逐日观测数据、欧洲中心模式预报资料,对河南省干热风天气进行分析,总结了干热风天气形势分类模型,同时利用多元回归法建立了河南省干热风天气的客观预报方法。分析结果得出:河南省干热风天气发生主要形势为西北气流型、高压脊型和纬向环流型3类;通过多元回归分析筛选出日最高温度预报因子为前一日最高气温、当日最低气温、08:00气温、EC850hPa 24h温度预报,相对湿度预报因子为EC850hPa 24h相对湿度预报、前一日14:00相对湿度、当日08:00露点温度,风速预报因子为EC细网格过去3h10m阵风预报,建立温度、湿度和风速3要素的预报方程;利用预报方程对2014年预报时段的天气进行检验,结果表明,对于轻干热风预报的TS评分为62%,重干热风预报的TS评分为64%。     

基于一元线性回归的ECMWF细网格阵风预报产品订正评估

利用2021年10月至2022年3月(2021年冬半年)欧洲中期天气预报中心(European centre for medium-range weather forecasts, ECMWF)细网格阵风预报数据和河南省国家级地面气象站阵风观测资料,基于一元线性回归(linear regression, LR)方法,对河南省ECMWF阵风预报进行订正,并对其检验评估。结果表明：(1)2021年冬半年,河南省多出现6级以下的阵风天气。ECMWF模式对于7级及以下的阵风预报存在整体高估的现象,对于7级以上的阵风预报存在低估的现象。(2)LR订正后准确率、均方根误差在所有预报时效均有明显的改善。订正后准确率较高、均方根误差较小的站点主要分布在京广线以东大部分地区、焦作、南阳南部;豫西山区订正效果一般,其复杂的地形易导致阵风偏高,而6级以上阵风样本数较少,预报订正值稳定性相对较差。(3)阵风预报与起报时次的关系不大。LR方法针对6级以下阵风预报有一定的优势,技巧评分(T_s评分)较ECMWF预报高,预报偏差(B_ias评分)更接近1。     

黔南地区ECMWF_thin温度预报误差分析

利用2019年6月27日至2020年7月3日逐日ECMWF_thin(下称EC细网格)的未来7 d 2 m温度预报数据及相应时段实况资料,采用平均绝对误差、平均误差以及准确率对EC细网格最高气温（下称高温）预报和最低气温（下称低温）预报的误差进行分析。结果表明：EC细网格低温预报的平均绝对误差明显小于高温预报,且高温预报绝对误差分布的差异性比低温预报更明显,低温预报的准确率明显高于高温预报。低温预报准确率各月差距较小,高温预报准确率各月差距较为明显。黔南北部、西部、中部地区高温预报和低温预报的平均误差均较小,其余地区平均误差较大。高温预报准确率随总云量的增加而上升,低温预报准确率随总云量的增加下降。当海平面气压在1 012～1 032 hPa时,高温预报的平均误差基本在±2 ℃以内;当海平面气压超出此范围时平均误差明显增大。低温预报的平均误差与海平面气压的变化关系不大,基本稳定在±2 ℃以内。