上海沿岸海域风场质量控制与预报检验

利用2016年上海沿岸海域19个站点的风场资料,进行了风场质量控制,包括完整性检查、内部一致性检查、持续性检查和高度订正。同时挑选10个站点作为实况对2016年风场模式预报进行检验,包括风速预报误差、风速预报准确率和风向预报检验,对比了风场观测资料质量控制前后的检验结果,最后对两次大风过程进行了检验。结果表明:预报检验结果均随着预报时效的增加而变差;整体误差秋季和冬季较小,6月和7月误差较大;分级检验0～5级风速准确率在0.9～1之间,预报值比实况偏大,6级以上风速预报准确率逐渐降低,且预报值比实况偏小;风向检验呈现明显的季节性,冬季12月、1月误差小,准确率最高,夏季6月误差最大,准确率最低;质量控制后检验结果都得到正面提升;两次大风过程预报准确率均在70%以上。     

GRAPES_Meso中尺度模式在新疆沙漠地区的检验与评估

使用GRAPES中尺度模式对中国新疆南部的塔里木盆地2013年1、4、7、10月逐日的天气过程进行数值模拟,并与站点的实况资料对比分析,结果表明,GRAPES模式对沙漠地区的温度、风场、降水都有一定的预报能力,但也存在较明显的预报误差。GRAPES模式可以大致的预报出塔里木盆地地区2 m温度的日变化趋势,但GRAPES模拟的温度极值还存在较明显的误差;GRAPES模式对10m风场的预报,在风速较大的1月、4月和10月预报效果较好,基本可以预测出沙漠地区的风速和风向,但在风速很小的7月,模式的预报效果不理想;GRAPES模式对沙漠地区的降水预报与实况相比还存在明显的偏差,主要表现为降水空报率较高,降水中心也存在一定的偏差;GRAPES模式在沙漠地区对高空温度的预报呈现出低层温度预报误差较大,高空相对较小的特征。     

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...     

登陆台风站点大风预报的人工神经网络方法

利用数值预报格点资料预报登陆台风影响时,沿海地区站点风的预报是各站点的定时二分钟风向风速。通过对MICAPS站点资料进行整合、分析,选取了沿海地区400多个资料比较齐全的站点和海岛站作为预报站点。用NCEP再分析场的格点资料做相关性分析,选定9个预报因子。运用BP网络对每个站点分别建立纬向风和经向风人工神经网络模型,拟合风速的绝对值误差是1.3 m·s~(-1)。独立样本检验,风速绝对误差在2 m·s~(-1)以内。     

一种偏差订正方法在平昌冬奥会气象预报的应用

为了提高GRAPES_3 km（Global/Regional Assimilation and Prediction System）模式在2018年平昌冬奥会气象服务中的预报能力,采用一阶自适应的卡尔曼滤波方法对GRAPES_3 km模式的2 m气温、2 m相对湿度和10 m风开展偏差订正。结果表明:偏差订正方法明显提高了地面要素的预报效果,其中2 m气温的均方根误差整体减小到2℃左右,站点订正改善率为10%~60%;10 m风速的均方根误差减小到2 m·s-1左右,站点订正改善率为10%~45%;2 m相对湿度减小到20%以下,站点订正改善率为0~20%。与韩国气象厅LDAPS（Local Data Assimilation and Prediction System）及美国宇航局NU-WRF（NASA-Unified WRF）模式相比,GRAPES_3 km模式的风速预报表现更为优异,各站点整体预报效果明显优于LDAPS和NU-WRF模式。偏差订正方法可有效改善模式在复杂地形条件下的预报能力,是提高精细化预报准确率的重要手段。     

BP人工神经网络在MM5预报福建沿海大风中的释用

利用MM5中尺度数值模式输出的福建沿海6个气象站2004年5月到2007年10月每天08、20时48 h每6 h间隔的风速预报和实况资料,采用不同隐层以及节点数,按照风速大小分类建立人工神经网络模型,以此为基础应用BP人工神经网络建立风速预报模型,并将该模型应用到2008年1月至2009年2月福建沿海平潭、崇武、东山三站风力预报,对其效果进行检验。结果表明,采用一层隐层3个隐层节点数的人工神经网络模型是预报风速的最佳模型;经人工神经网络订正后,沿海风速预报比MM5模式预报有很大改善,特别是对大风(10 m.s-1)预报能力有极大提高,其Vs评分比MM5模式提高60分;经检验,经人工神经网络订正后的风速预报精度比MM5模式提高约32.3分,总体上,随风力增大,订正后的风速预报效果越好。     

火箭发射前后3.5 h内高空风差异特征及预报

利用2014年12月—2020年12月时间间隔为3.5 h的高空风实况分析火箭发射前后3.5 h内高空风差异,并利用WRF模式和火箭发射前3 h高空风建立火箭发射后0.5 h高空风预报模型,结果表明:火箭发射前后3.5 h内高空风速、风向差异特征,与高度、季节及火箭发射前3 h平均高空风速有关。高空风最大风速偏差为-24.00～26.00 m·s^-1,风速偏差在10 m·s^-1以内达三分之二,且主要出现在对流层中高层[6.5 km,11.5 km)高度内;最大风向绝对偏差范围为10.00°～180°,主要集中在[30°,60°)范围及对流层中低层[1.5 km,6.5 km)高度内。火箭发射前后3.5 h内高空风速平均绝对偏差随火箭发射前3 h高空风速平均值增大呈增大趋势,风速相对误差绝对值和风向绝对偏差则表现为减小趋势,说明高空风强时,风向不易发生短时变化;火箭发射前后3.5 h内高空风差异随季节变化与高空风的季节特征有关。利用火箭发射后0.5 h高空风预报模型,有助于降低火箭飞行风险。     

基于MOS的广西北部湾沿海秋冬极大风速精细化预报

采用北部湾北部沿海6个自动站实况资料和欧洲中心细网格数值预报产品,根据模式输出统计法(MOS),对广西北部湾地区2012年—2016冬半年(9月到次年2月)日极大风速建立站点秋冬季不同预报时效的多元线性回归方程,并用2017冬半年的数据进行TS检验评分.结果表明,秋冬季日极大风速和代表引导气流的500hPa蒙古槽、代表...     

GRAPES_TCM模式对影响浙江省热带气旋风力的预报评估

基于2006—2011年热带气旋影响时浙江省气象站实测风力和上海台风研究所GRAPES_TCM模式输出资料分析得出:模式地形高度与实际差异越大则直接输出风速平均误差越大,通过对浙江沿海模式地形高度误差绝对值在10 m以内的站点进行风力预报评估,结果发现:12~72 h模式直接输出风速存在一定的系统性误差。模式对浙江沿海站点风力预报的TS评分随风力等级的提高而降低,主要缘于空报率的增大。BS评分则表明,模式对越强的风力越有过度预报的倾向。模式20时预报的TS评分一般好于08时,主要得益于漏报率的降低。经MOS释用后可以在一定程度上提高站点风力预报与实况的正相关和预报稳定性,同时提高不同等级风力预报的TS评分;12、24 h模式站点,6级以上风力预报能力与主观预报相当。     

华南区域高分辨率数值模式前汛期预报初步评估

基于华南地区自动站逐小时观测资料, 采用传统站点评分、邻域法等评估华南区域高分辨率数值模式(包括GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式)对降水、地面温度和风场等要素的预报能力。结果表明: GRAPES_GZ_R 1 km模式的降水预报技巧优于GRAPES_GZ 3 km模式, 模式预报以正偏差为主。对于不同起报时间的预报, 00时(世界时, 下同)起报的预报效果优于12时。GRAPES_GZ_R 1 km模式的TS评分是GRAPES_GZ 3 km模式的两倍以上, 对不同降水阈值的评分均较高。分数技巧评分(FSS)显示GRAPES_GZ_R 1 km模式6 h累计降水预报在0.1 mm、1 mm及5 mm以上的降水均可达到最低预报技巧尺度, 对所检验降水对象的空间位置把握能力更好。2 m气温和10 m风速检验结果表明两个模式均能较好把握广东省温度的分布特征, GRAPES_GZ_R 1 km模式对2 m气温预报结果优于GRAPES_GZ 3 km模式, 预报绝对误差更小; 两个模式对风速的预报整体偏强, 预报偏差在1~4 m/s之间, 但相比之下GRAPES_GZ 3 km模式在风场预报上表现更好。GRAPES_GZ_R 1 km模式的2 m气温和10 m风速预报偏差随降水过程存在明显波动, 强降水过后温度预报整体偏低, 风速预报偏强, 在模式产品订正、使用等需要考虑模式对主要天气系统的预报情况。总的来说, GRAPES_GZ_R 1 km模式的预报产品具有较好的参考价值。      

多源融合格点实况数据在四川高温过程的适用性分析

利用1km和5km多源融合格点实况数据和四川地面观测站点资料,采用预报准确率、平均绝对误差、均方根误差和Alpha Index(AI)等统计量,选取2020年夏季四川2次高温天气过程对多源融合格点实况数据的质量进行了检验评估。研究结果表明:多源融合格点实况数据利用邻近插值方法插值到站点优于双线性插值;误差大值区主要位于高海拔地区,如川西高原、攀西地区及盆地山周;AI指数接近于0,多源融合格点实况数据没有随机误差,较为接近理想值;1km分辨率融合格点实况数据在四川的适用性优于5km,误差≤2℃的准确率可达98%,且均方根误差< 1。      

2020年CLDAS风场数据在辽宁省的适用性分析

选用2020年辽宁省286个气象站点地面10 m风场数据与中国气象局陆面数据同化系统(CLDAS)10 m风场数据,统计逐小时CLDAS网格插值到站点的风速数据与站点观测风速数据的相关系数(COR)、平均偏差(ME)、均方根误差(RMSE)和平均绝对误差(MAE),进行CLDAS风场数据在辽宁省的适用性分析和评估。结果表明：CLDAS风场格点数据分辨率1 km较5 km更接近站点观测数据,邻近点插值法较双线性插值法偏差更小。辽宁省286个站点中,逐小时CLDAS风场数据与观测数据相关系数低于0.95的站数仅占总站数的1.7%。辽宁沿海低海拔地区和北部地区较其他内陆地区的CLDAS风速与站点风速偏差大。CLDAS风速与观测风速误差的平均值为负,其中,秋季平均偏差最小,夏季、冬两季次之,春季偏差最大;夜间夏季、秋季日变化偏差最小,冬季次之,春季最大;白天冬季偏差最小,夏季、秋季次之,春季最大。辽宁省3次大风个例分析均表明,CLDAS风场数据有较好的适用性。     

国家级格点实况分析产品在江苏地区的适用性评估分析

利用国家级格点实况分析资料与地面气象站实况数据,采用误差分析、技巧评分等方法评估了2017年7月至2018年6月逐时的格点实况产品在江苏地区的地面2 m气温、2 m相对湿度、10 m风和降水要素的一致性和准确性,同时采用MODE检验方法对格点降水产品空间分布偏差进行了分析。结果表明:2 m气温格点实况与自动站观测基本一致,平均绝对误差在0.5~0.8℃,均方根误差在0.8℃左右,其中日最高气温误差较小。格点实况和自动站2 m相对湿度之间的平均绝对误差在5%左右,均方根误差在6%~7%,表现出较高的准确性和稳定性。格点实况10 m风向准确率达到70%左右,而风速准确率仅为56%,与气象站点观测相比有明显差异。格点降水产品的全年有无降水准确率为90%~98%,对于晴雨检验存在带来较大影响的可能。格点实况产品对小雨级别降水的准确率最高,随着降水量级增大,格点实况降水场相比站点观测存在较多的降水漏报,因此,对于降水分量级检验还不适合用格点实况场来替代气象站点观测。设计了一种基于空间形态的降水准确率评分方法对降水空间落区进行检验,格点实况降水场的空间形态准确率评分在0.9左右,较准确地反映了实际降水空间分布。因而,格点实况数据在江苏平原地区都有较高的精度,误差在可接受的范围内,基本可以代替自动站观测作为预报和模式检验的真实实况场,但也存在以下几个方面的问题:(1)格点2 m气温、2 m相对湿度产品在江苏的丘陵地带误差较大,降水产品在海岛气象站准确性较低;(2)格点降水产品一定程度地弱化了大雨以上量级降水强度;(3)格点实况风速产品误差较大,与业务服务需求有一定差距。     

联合概率方法在北京灾害天气预报中的应用研究

基于ECMWF模式的集合预报数据,利用联合概率方法,针对北京地区冬季影响最大的寒潮和夏季强对流两类灾害性天气,建立了适用于本地区的两种集合预报业务产品。选取2 m温度和10 m平均风速制作寒潮预警信号联合概率预报产品,选取对流有效位能和0-6 km垂直风切变制作强对流潜势联合概率预报产品。通过对北京地区近年寒潮和强对流天气的预报检验表明：寒潮预警信号联合概率方法,当预报概率达到10%及以上时,实况就有可能达寒潮蓝色预警信号的级别;此方法对北京西北部的预报性能较好,其次为北京的东南部地区;对达到蓝色预警信号标准的区域具有较高的预报命中率,但对达黄色预警信号级别的区域,漏报率较高。强对流潜势联合概率方法的空报率较高,当预报概率达90%-100%时,实况才有可能出现强对流;与局地强对流相比,全市性强对流天气的高概率预报区域较为集中。     

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。     

针对模式风场的格点预报订正方案对比

为了将格点观测融合产品用于模式预报产品的滚动订正中,获得精准的预报效果,使用国家气象信息中心HRCLDAS（High Resolution China Meteorological Administration Land Data Assimilation System）业务系统产生的高频次格点风场融合产品作为实况资料,采用两种风场模型和8种格点误差订正方案,对模式风预报产品进行订正预报试验,试验选择欧洲中期天气预报中心10 m风预报产品的2017年1月1日—2月28日以及2017年6月1日—7月31日两个时间段,进行了预报模拟试验,对8种格点误差订正方案的订正结果进行检验,同时将订正场插值到站点,使用国家级2400个地面气象站风场资料进行站点检验,结果表明:无论从格点还是站点检验的平均绝对偏差、准确率、绝对偏差分布频率结果看,采用基于模式和实况因子的全格点滑动建模订正方案具有最佳的订正效果。     

河西走廊中期大风预报模型探讨

选取河西走廊具有代表性的5个台站的多年积累风资料,选取预报站点和上游地区500hPa位势高度、850hPa温度及地面气压的变化,500hPa影响槽移向移速、槽后北风带强度等对河西地区风的预报有较好的指示意义的预报因子,用统计方法根据历史形势场资料建立中期的风场预报模型,取得了一定的预报效果,这种预报模型的回报和实际风速相关系数都通过了0.05的显著性检验,尤其是张掖站的相关性系数达到了0.908,并且通过了0.01的显著性检验,说明对这个站点的预报是非常成功的。但是由于风要素的地域性和瞬变性,特别是作为小概率事件的大风,使用这些客观方法进行中期大风预报的准确率在10%。     

3个全球模式对近地层风场预报能力的对比检验

为了使检验的预报风速具有可比性,首先利用WRF模式对3种常用全球环流预报场(ECMWF、GFS、T639)在中国区域进行4个典型月的10 km水平分辨率的降尺度计算,再利用中国400座测风塔同期观测资料对24 h内70 m高度的风速预报性能进行了对比检验。结果表明:(1)从4个典型月的全风速检验情况来看,ECMWF预报效果略好于GFS,T639稍差,但三者做简单的集合平均可获得最优的预报结果;(2)3种全球预报场降尺度后的预报风速误差平面分布比较相似,整体来看,内蒙古、东北和沿海部分区域误差较小,内陆地区误差较大,尤其在高原和内陆复杂地形下预报效果不佳;(3)从预报风速在4个风速区间的平均检验情况来看,在(0,3]m·s-1和(3,15]m·s-1区间内,ECMWF的TS评分略好一些,在(15,25]m·s-1区间GFS的TS评分最高,在25 m·s-1以上ECMWF具有明显优势;(4)在(3,15]m·s-1区间,3种全球环流预报场的风速预报误差平均在35%左右,ECMWF略好于GFS,GFS略好于T639;(5)从各测风塔点位最优预报效果的全球场统计情况来看,在(3,15]m·s-1区间内,有55.5%的点是ECMWF效果最优,24.8%是GFS最优,19.7%是T639最优。     

2017 年乌鲁木齐区域数值预报业务系统预报性能检验和评估

基于乌鲁木齐区域数值预报业务系统,运用MET检验工具,对2017年各季节DOGRAFSv1.0预报性能进行客观检验。结果表明：（1）2m温度日间预报温度整体偏低,夜间多数站点预报温度偏高;冬季预报温度偏高,其他三个季节温度预报整体偏低。10m风速冬季模拟性能最差,春季次之;所有季节风速预报均偏大。（2）夏季、秋季高空温度预报误差小,在3.0℃以内,冬季误差最大,温度预报整体呈冷偏差;不同季节高空位势高度随高度增加误差增大,误差约在6.5～12.0gpm,预报高度比实际高度偏低;不同季节高空U、V风随高度增加误差先增大后减小,均方根误差分别为2.4～6.2m/s和1.8～5.2m/s,U风预报整体比实况偏小,V风预报整体比实况偏大。（3）冬季大阈值降水漏报率较高,12.1mm阈值降水Bias评分仅为0.2,秋季大阈值降水空报率较高,12.1mm阈值降水Bias评分在2.0以上,夏季空、漏报率较低;在新疆地区,四个时段中14～20 BJT 、20～次日02 BJT空报站点数多于漏报,14～20 BJT空报率最高,02～08 BJT漏报率最高,08～14BJT晴雨预报以漏报为主;日间Ts评分高于夜间。     

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。