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.     

极端气温客观预报系统简介

利用T213模式和欧洲中心模式提供的气温预报资料．再结合当日的地面气温来作第二日的极端最高、极端最低气温预报，预报结果客观、定量。在实际应用中效果较好．具有一定的使用价值。     

冬季降雪时段的日极端气温预报方法

本文分析绥化市2010—2013年历次降雪过程,统计降雪时段以及日极端气温出现时间,发现降雪时段的气温变化规律与非降雪时段有很大不同,所以日极端气温预报难度较大。本文从总结降雪时段的气温变化规律人手．试图根据850hPa预报场温度变化趋势推测出未来降雪时段内的地面气温变化趋势、幅度和日极端气温出现的时间,从而提高预报准确率。     

极端气温客观预报系统简介

利用T213模式和欧洲中心模式提供的气温预报资料,再结合当日的地面气温来作第二日的极端最高、极端最低气温预报,预报结果客观、定量.在实际应用中效果较好,具有一定的使用价值.     

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。     

利用ECMWF产品对庆阳极端气温释用效果分析

利用CMSVM的回归方法,用2003～2007年的欧洲数值预报格点资料和庆阳市8个自动站极端气温资料建立最高最低气温预报模型.2008年业务运行效果检验评估表明:5 d最高、最低气温综合平均预报准确率达到64%和71%,对实时业务有较好的指导作用.最高、最低气温准确率随着预报时效的延长效果降低,最低比最高气温的预报准确率高.最低气温预报效果春夏季好于秋冬季,最高气温相反.最高、最低气温绝对误差和平均误差都随预报时效的延长增大,最高比最低气温平均绝对误差大,二者的平均误差接近,均为正值,预报值具有偏高的倾向.对9月明显变化过程的评估表明,最高最低气温预报与实况演变的趋势相似.     

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。     

甘肃庆阳极端气温气候特征及预报

通过分析庆阳极端气温气候特征,选出了代表站,统计分析了代表站和其他站点的相关性.首先根据ECMWF数值预报产品,利用支持向量机方法(CMSVM)制作了代表站的极端最高和最低气温预报模型,在此基础上,建立了代表站和其他站点之间的一元回归线性统计关系.2009年预报检验评估表明:利用这种方法制作的极端最高和最低气温准确率,...     

贵州省极端气温重视期研究

根据省内２４个代表站１９６１～１９９０年极端气温资料，用周期图分析法和耿由贝尔极值法对我省极端气温进行长期预测，结果表明，用周期图分析法对我省极端气温进行预测不可取，而用耿贝尔极值法进行重视期的预测则效果较好，有一定的推广价值。     

黄淮地区月极端气温概率模型研究

利用黄淮地区 1 4个国家基本 (准 )站 1 951～ 1 993年的月极端气温资料序列 ,分别进行了正态、Gumbel、Weibell概率分布拟合试验。根据拟合检验值和误差 ,确定了各站月极端最高气温和极端最低气温的概率分布模型     

基于集合预报系统的日最高和最低气温预报

根据欧洲中心集合预报系统2 m气温预报的集合统计值,提出了BP-SM方法,针对中国512个台站2016年3月的日最高（低）气温做预报分析。将集合预报系统的模式直接输出、BP和BP-SM方法得到的日最高（低）气温进行了比较,结果表明:预报时效越长,BP-SM方法较之BP方法的预报优势也更明显;在1至5 d的预报中,BP-SM方法显著降低了预报绝对误差,误差在2℃以内的准确率大部分在60%以上,部分站点达到90%;正技巧评分均值大多高于30%,在青藏高原东部和南部地区超过了60%。预报正技巧站点次数在绝对误差≤2℃（1℃）范围内有所提高,对日最高气温预报准确率的提高略好于日最低气温;BP-SM方法有效地降低了预报系统偏差,较大预报误差出现次数显著减少。      

基于卷积神经网络的长江流域夏季日最高温度延伸期预报方法研究

长江流域是我国夏季高温热浪灾害的多发区之一,该地区日最高温度( T_max) 具有显著的低频( 10～30 d 和 30～60 d 周期) 变化特征,超前-滞后相关分析和气温方程诊断的结果显示,影响长江流域 T_max低频变化的大尺度环流/对流信号包含: 自欧亚大陆东移南下的低频波列,自东北亚向西南方向传播的异常环流,以及由西太平洋向东亚传播的低频对流; 这些低频对流/环流活动通过改变辐射加热过程及绝热过程,导致长江流域 T_max的低频变化。为了客观且有效地辨识和捕捉这些先兆信号,并考虑长江流域T_max与大尺度因子间的非线性作用,本文采用机器学习方法中的卷积神经网络( Convolutional Neural Netw ork,CNN) 对大量历史数据进行训练,并构建了长江流域 T_max的延伸期预报模型。在独立预报阶段,CNN 预报模型对长江流域区域平均 T_max的预报时效达 30 d,提前 5～30 d 预报的 T_max与观测 T     

Analysis of Sampling Error Uncertainties and Trends in Maximum and Minimum Temperatures in China简

In this paper we report an analysis of sampling error uncertainties in mean maximum and minimum temperatures （Tmax and Tmin） carried out on monthly,seasonal and annual scales,including an examination of homogenized and original data collected at 731 meteorological stations across China for the period 1951-2004.Uncertainties of the gridded data and national average,linear trends and their uncertainties,as well as the homogenization effect on uncertainties are assessed.It is shown that the sampling error variances of homogenized Tmax and Tmin,which are larger in winter than in summer,have a marked northwest-southeast gradient distribution,while the sampling error variances of the original data are found to be larger and irregular.Tmax and Tmin increase in all months of the year in the study period 1951-2004,with the largest warming and uncertainties being 0.400℃ （10 yr）-1 ＋ 0.269℃ （10 yr）-1 and 0.578℃ （10 yr）-1 ＋ 0.211℃ （10 yr）-1 in February,and the least being 0.022℃ （10 yr）-1 ＋ 0.085℃ （10 yr）-1 and 0.104℃ （10 yr）-1 ＋0.070℃ （10 yr）-1 in August.Homogenization can remove large uncertainties in the original records resulting from various non-natural changes in China.     

北京1841年以来均一化最高和最低气温日值序列的构建

长期连续的日值观测资料是研究百年来极端气候事件及其变化特征的重要基础支撑.目前中外由于缺乏可靠的逐日百年尺度气候资料,使得20世纪50年代以前的极端气候变化规律仍然没有得到很好的认识.基于国家气象信息中心收集整理的日最高和最低气温观测资料,构建北京1841—2019年气温日值序列.首先,通过数据质量控制剔除原始基础资料...     

基于RBF网络的新疆特重雪灾区最大积雪深度预测研究

新疆是我国积雪资源最丰富的区域之一,也是雪灾多发区之一,预测最大积雪深度,可以为雪灾的预警与防范提供参考和依据。本研究基于建立的雪灾灾损指数,确定了新疆特重雪灾区域;进一步聚焦特重雪灾区的8个县（市）,包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县,分别建立县域RBF网络模型,预测2021—2050年年最大积雪深度,结果表明：该模型可用于新疆特重雪灾区最大积雪深度预测,但预测精度仍有待提升;塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件,2039年青河县将出现最大积雪深度的极大值,因此应关注可能发生雪灾的年份与县(市),积极做好雪灾的防御工作。     

基于循环神经网络的单站能见度短临预报试验

由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15.75%、31.66%、41.26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12.90%、24.45%、 38.99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。     

基于RBF网络的新疆特重雪灾区最大积雪深度预测研究

新疆是我国积雪资源最丰富的区域之一,也是雪灾多发区之一,预测最大积雪深度,可以为雪灾的预警与防范提供参考和依据。本研究基于建立的雪灾灾损指数,确定了新疆特重雪灾区域;进一步聚焦特重雪灾区的8个县（市）,包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县,分别建立县域RBF网络模型,预测2021—2050年年最大积雪深度,结果表明：该模型可用于新疆特重雪灾区最大积雪深度预测,但预测精度仍有待提升;塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件,2039年青河县将出现最大积雪深度的极大值,因此应关注可能发生雪灾的年份与县(市),积极做好雪灾的防御工作。     

基于径向基函数神经网络温度预报订正方法及评估

根据中央气象台自2017年10月—2018年9月20:00起报未来72 h 0.05 °×0.05 °分辨率格点日最高、最低温度指导预报和国家气象信息中心格点温度实况,应用Matlab神经网络工具箱提供的newrbe函数,建立基于径向基函数(RBF)神经网络的温度预报模型,对2018年10月—2019年9月RBF预报产品进行格点检验评估,并与同期的EC模式预报产品做了对比。结果表明:（1）通过RBF模型订正后的24 h、48 h和72 h日最高和最低温度预报准确率较中央气象台指导预报（NMC）分别提高了7.21%、6.98%、5.48%和5.67%、4.46%、4.47%,均为正技巧,且春、夏、秋季预报订正效果要好于冬季;（2）分区域预报检验来看,除海源、同心、彭阳的最高温度预报和海源、惠农的最低温度预报误差偏较大外,其他区域的误差基本都小于2 ℃。特别是对强降温、霜冻天气的温度预报准确率高于NMC,对预报员有一定的参考价值。      

逐级订正最高、最低气温客观预报方法研究

基于预报员主观预报思路,把历史气候资料、数值预报产品、常规资料等相结合,建立最高、最低气温24h预报的主观预报订正参考值和客观预报系统,为24h最高、最低气温预报提供参考依据。     

乡镇精细化最高最低气温预报方法研究

对2008年10月至2009年9月安徽省乡镇与县站观测站最低、最高温度的差异进行统计分析。结果表明：乡镇观测点和县站观测点之间的最低、最高温度具有明显差异,且随着季节变化而不同。在此基础上,以预报员主观制作的县站最高、最低预报结果作为基础,利用修正Barnes插值和一阶卡尔曼滤波订正方法制作乡镇站点的最低、最高温度预报表明,该方法制作的乡镇站点最低、最高温度具有较高准确率,前3 d的乡镇最低温度预报准确率和县站的预报比较接近,预报准确率差异在1 %之内,但随着预报时效的增加两者的差异略有增加;对于乡镇的最高温度预报,与县站的最高温度预报小于2℃的准确率始终保持在3 %之内,该方法优于基于WRF模式的MOS方法。对比一阶卡尔曼滤波订正前后效果发现,该方法对乡镇最低和最高温度的前4 d预报具有正订正效果,而对于第5-7 d没有订正效果或为负订正效果。当区分转折性天气后,可以提高第4-7 d的最高温度预报准确率。