福建省ECMWF细网格模式2 m温度预报误差分析与订正

选取2022年1月1日—12月31日ECMWF细网格模式2 m温度预报24 h以内预报时效产品和对应时次的福建省70个国家站观测资料进行分析,采用ARIMA(差分自回归移动平均)模型和双权重ARIMA模型分别对2 m温度预报产品进行偏差订正,并对订正前后的结果进行对比分析。结果表明：1) ECMWF模式2 m温度预报在福建省主要呈现冷偏差,随着预报时效的增加,均方根误差和准确率随之变差;分别用两种模型进行订正,平均绝对误差由2.1℃以内减小到1.6℃以内,均方根误差从2.5℃以内降低到2.1℃以内,且偏差越大,订正效果越明显。2) ECMWF模式2 m温度逐月预报效果差异较大,订正后各评价指标均有显著改进,各月平均误差在-0.5—0.5℃。3) ECMWF模式2 m温度预报偏差主要表现为福建东部沿海小、中西部较大;订正后平均绝对误差和均方根误差减小至2℃以内,且对高海拔地区的站点改善效果更加明显。与ARIMA模型相比,双权重ARIMA模型订正后平均绝对误差与均方根误差更小、准确率更高,订正效果更好。     

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。     

四川地区多模式2m温度预报性能分析及集成方法研究

本文通过分析2017年9~12月四川地区ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式、GRAPES_GFS(Global and Regional Assimilation and Prediction System)全球模式和西南区域模式(South West Center-WRF ADAS Real-time Modeling System, SWCWARMS)2m温度168h预报时效内的系统性偏差特征,采用滑动双权重平均法分别对三种模式温度预报产品进行偏差订正,并集成得到各时效2m温度的订正场,结果表明:(1)三种模式的预报存在明显的日变化,整体上EC模式的预报最优。(2)三种模式对于低温和高温的预报,在全省均大致呈现负的系统性误差,特别在高原及过渡区表现的尤为明显。(3)订正后三种模式的预报准确率显著提高,均方根误差减小1.4~2.5℃,大部分地区平均误差维持在±0.5℃之间,在系统性偏差较大的地区,订正效果更好。(4)两种集成方案预报结果接近,且均优于三种模式的订正预报。     

基于机器学习的模式温度预报订正方法研究

机器学习在气象数值模式的后处理中表现优越,但其稳定性和适用性有待深入探究。本文选取了ECWMF模式包括2米温度、风、降水等多气象要素预报产品和安徽省80个国家气象站观测2米温度实况资料,分析了EC模式在安徽省站点温度预报误差,利用决策树、随机森林、LightGBM三种机器学习算法订正EC 模式0-72小时温度站点预报,并将其与传统MOS订正方法和SPCC主观预报产品进行了对比。结果表明：EC模式高温预报误差明显高于低温预报,在安徽皖南山区和大别山区存在较大误差;机器学习算法中最高温度预报随机森林表现最优,最低温度预报LightGBM最优,比EC模式平均绝对误差MAE分别降低了0.55℃、0.2℃,均方根误差RMSE分别降低0.6℃、0.31℃,预报准确率提高了18.16%和5.19%;高山站独立建模并融合周围站的信息能有效降低模型误差;相比SPCC主观预报产品,机器学习预报模型在高温和寒潮过程中互有优劣,但在天气转折初期落后;机器学习可以作为常规预报模式的补充,能显著优化或改善传统预报中温度预测精度,特别是对于数据缺乏的高山站点。     

昌吉州主客观温度预报检验及业务应用

该文对2013年昌吉州区域3种主客观温度预报产品进行质量检验,预报时效24 h、48 h、72 h;对温度预报误差≤2℃的百分率(准确率)、平均绝对误差、均方根误差统计检验。对预报员和模式预报产品的质量、技巧评分进行对比分析。结果表明:预报员的24 h预报质量略优于模式的预报质量。48~72 h最高温度预报质量,EC细网格预报最好。分析主客观预报质量的月变化和站点变化,为业务工作中的参考权重提供依据。提出了选取最优订正值订正客观预报系统偏差的方法(预估若干订正值,分别计算每个订正值在一段时间内的平均绝对误差和准确率,选取其中平均绝对误差最小且准确率最高的订正值),并通过制作相应软件投入业务运用。     

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。     

三种数值模式温度预报能力对比与误差分析

该文采用双线性插值法将ECMWF(简称EC)、天气在线、中央台指导预报3种数值模式格点资料插值到铜仁市碧江区本站上,对比该站2014年1—12月3种数值模式预报的24 h、48 h、72 h 2 m温度预报产品的准确率,并进行日最高(低)温度的预报准确率的误差分析与订正。结果表明:订正前温度预报准确率最高的是天气在线,其次是指导预报,EC模式最低;且日最低温度预报比日最高温度预报准确率更高。订正后,高低温预报准确率提升较为明显的是相对误差较大的EC模式,说明EC模式预报的系统误差较大,但趋势可信度较高。     

T213全球集合预报系统性误差订正研究

针对模式系统性误差一直存在的现状,研究使用卡尔曼滤波的自适应误差订正方法对国家气象中心业务全球集合预报系统的系统性误差进行估计和订正.本文主要介绍这种方法及其原理,其优点是需要的样本量比较小,能够快速经济地对模式产品进行有效的误差估计和订正.使用这种方法对全球T213集合预报系统500 hPa高度场、850 hPa温度场和2 m温度的预报产品进行一阶偏差订正,对订正前后集合预报产品进行检验分析和对比,结果表明,订正后的高层形势场集合预报和2 m温度集合预报的均一性、集合平均的均方根误差和距平相关系数都得到了改善,系统性偏差得到了不同程度的订正,对于存在较大系统性误差的2 m温度预报,订正效果尤其显著.     

镇江地区ECMWF模式高温预报订正方法研究

针对镇江ECMWF模式168 h内高温(t≥35℃)预报结果提出四种后处理订正方案,包括一元线性回归法、差值法、综合法和递减平均法;借助均方根误差等四种检验方法就订正效果进行评估,找寻最优订正方案。结果表明,四种订正方法都明显改善了ECMWF模式高温预报,订正后的均方根误差、平均绝对误差及最大绝对误差较订正前均有所减小,预报准确率显著提高。对于24 h时效内预报,四种订正方法各有优势。对于48～168 h时效预报,一元线性回归法效果更优。采用分时效对ECMWF模式高温预报结果进行后处理,考虑24 h预报订正使用递减平均方法,48～168 h预报订正使用一元线性回归法,可以更大程度地提高预报准确率。     

基于数值模式的月尺度近地层气象要素预报技术研究

利用WRF模式对美国NCEP发布的CFS气候预测业务产品在中国区域内进行动力降尺度预报,可得到预报时效为45天的逐6小时、30 km分辨率基础气象要素预测产品。再利用全国气象站观测资料和3个风电场70 m高度风速、温度观测资料对2015年冬季预测结果进行检验评估和分析,最后通过线性方法对地面要素预测结果和70 m高度风速、温度预测结果进行统计订正。结果表明:（1）2 m温度和相对湿度的全国预报平均绝对误差分别为4.71 ℃和18.81%,在华东、华中和华南地区误差较小;（2）10 m风速预报平均绝对误差为2.42 m/s,在东北、华北和西北地区误差较小;（3）线性订正后,2 m气温、相对湿度和10 m风速的预报绝对误差分别减小1.05 ℃、5.29%和1.47 m/s,并且订正后误差随时间变化更平稳;（4）订正后70 m高度风速和温度的预报绝对误差均减小,风速平均误差减小最大可达1.29 m/s（B塔）,气温平均绝对误差减小最大可达3 ℃（C塔）。研究结果表明,基于CFS产品和WRF模式的、与月尺度风电预报关系密切的气象要素预报性能较好,未来可将该方法尝试于风电场的月尺度功率预测产品研发。      

新疆15个地州首府城市最高最低温度预报检验

利用客观统计方法,对2009—2012年新疆15个地州首府城市最高最低温度预报进行检验。结果表明:(1)15个站最高温度预报准确率高于最低温度,最高最低温度的预报准确率均呈逐年上升趋势。(2)最高最低温度预报准确率随预报时效的延长而降低,克拉玛依、吐鲁番、和田、阿图什、喀什和哈密6个站24、48、72 h预报准确率都高于平均值。(3)温度预报夏秋季好于冬春季,其中最高温度预报夏季最好,冬季最差;最低温度预报秋季最好,春季最差。(4)2012年冬季,15个站预报员主观预报与中央台指导预报的最高最低温度SST平均值基本相同,正负技巧的站点数持平,但站点差异比较大。克拉玛依、阿图什温度预报准确率高于中央台指导预报,且正技巧较高;阿勒泰、阿克苏预报准确率低于中央台指导预报,且负技巧较大。     

GRAPES全球模式预报检验评估——2016年夏季四川地面要素

本文使用2016年6~8月GRAPES全球模式2m温度和10m风场24、48、72h时效预报场和同期四川省156个国家气象站逐日地面温度和风场资料,选取预报准确率、平均误差、平均绝对误差、均方根误差和Alpha Index5个统计量对2016年夏季四川3个区域(盆地区、过渡区和高原区)2m温度和10m风场进行了较为详细的检验评估。研究结果表明:模式对10m最大风速的预报效果较好,准确率较高,最高可达80.64%。模式对过渡区温度预报效果较差,准确率基本低于10%,但是对盆地区温度的预报有一定可信度。模式对10m最大风速的风向预报效果不如最大风速值。全省各区各要素的AI值都在0.7左右变化,表明模式预报的随机误差大,预报和观测吻合较差。本研究还发现,整体来看模式对盆地各要素预报效果较好,对于地形复杂地区(高原区、过渡区)预报效果较差。此外,模式存在一定的系统误差,2m温度的系统误差盆地区约为-2.3~-1.7℃,过渡区约为-8.3~-6.0℃,高原区约为-7.3~-5.0℃;10m最大风速值的系统误差盆地区约为-1.3~-0.6m/s,过渡区约为-2.3~-1.3m/s,高原区约为-2.7~-1.1m/s。      

基于DERF2.0的中天山北坡经济带秋季延伸期强降温过程预报检验

基于观测及DERF2.0预报数据,应用多种气候检验指标,针对1983—2013年间中天山北坡经济带8个代表站的秋季日最低气温进行检验,结果表明:(1)秋季日最低气温的预报效果存在空间和年际差异。东部奇台、木垒预报效果优于中西部6站;整体预报能力延伸期弱于中短期,且随预报时效延长而减弱。(2)预报与观测的相关程度较高,但滤除秋季降温背景趋势后日最低气温预报与观测之间的相关程度降低明显,在延伸期时段相关系数从0.8降至0.3以下。不论是否去趋势,温度序列由暖向冷转变的季节趋势越明显,预报的相关性就越好。(3)逐日最低气温预报偏差以偏低为主,随季节推进由9月初的最大-6℃逐渐转变为11月底的2℃以内;多年综合预报PS评分普遍低于60分,站点之间差别较大,奇台站评分相对最高,乌鲁木齐最低,乌鲁木齐的逐年PS评分与其秋季年平均温度分布反向对应,年平均温度越高(低),评分越低(高)。(4)24 h变温的预报偏差整体小于逐日温度,但预报的整体相关程度和相对于观测的离散程度均较逐日温度差,预报时效在5 d内的24 h变温预报效果相对最好。(5)强降温过程的预报能力整体偏弱,初始过程的温度预报偏低,结束过程的温度预报偏高,过程降温幅度预报偏小,过程降温幅度越大,偏小程度越严重,预报时效越长,预报偏差越大。DERF2.0模式的延伸期预报产品对于中天山北坡经济带的秋季强降温过程预报具有一定的参考价值,但是支持能力有限,需要考虑更多方法来探讨提高延伸期预报水平。     

川西高原地区SCMOC温度精细化指导预报质量检验及影响因子分析

利用2014~2015年阿坝州13站共730天08:00和20:00起报的SCMOC温度精细化指导预报资料,对比实况日最高(低)气温,进行预报质量检验。结果表明:日最高(低)气温预报准确率与预报时效成反比,两个时次预报的最低气温准确率高于最高气温,且最低气温预报准确率有明显的季节变化。08:00起报的日最低气温多出现负误差,其余预报最高(低)气温多出现正误差。日最低气温预报绝对误差与海拔高度有关。24h最高(低)气温预报绝对误差>4℃样本分析表明,温度平流、大气稳定度与非绝热过程对温度的影响明显,造成气温偏差的主要原因是降水及冷空气影响范围和强度,冷、暖平流影响偏差,高空槽强度和移动偏差等几方面。     

ECWMF高分辨率模式2m温度预报在六盘水市的误差分析及订正指标

采用气候概率统计和多时效平均的思路,对2018—2019年的欧洲中期天气预报中心（ECWMF）高分辨率模式2 m温度产品在六盘水市的预报误差进行统计分析,并对采用指标订正后的2020年度模式预报准确率进行检验评估。结果表明：ECWMF高分辨率模式对六盘水市的温度预报误差随时效的增加而逐渐减小,且各时效平均的最高温度年均预报误差和误差标准差要明显高于最低温度;对于六盘水而言,模式的温度预报在初夏（6月）可靠性最高,而在春季（3—4月）最低;通过采用预报误差最大占比对逐月多时效平均的模式最低温度预报进行订正,以及根据天气类型采用不用订正方式与订正指标对模式24 h最高温度预报进行订正,能够大幅提升全市未来5 d（120 h）综合最低温度和24 h内的最高温度预报准确率,分别稳定在90%和70%以上;经过订正后,全市的2020年度平均最低温度预报准确率与实际相当,而24 h最高温度预报准确率要高于实际预报准确率。     

云南月气候变化的一种多时间序列预测模型

为了充分利用过去和现在对气候系统进行定时观测而积累的大量数据 ,本文提出了月气候变化的一种多时间序列逐月滚动预测模型 ,并从与云南月气候变化有某种物理关系的 2 0多个时间序列出发 ,实际建立了一个云南月气候变化的多时间序列逐月滚动预测模型。在提前预测的时间尺度为 2个月的条件下 ,该模型对云南 80个气象观测站点 1995年 1月— 1999年 10月的逐月雨量和气温预测结果检验的最新业务标准评分平均可分别达到 6 6 .7%和 79.0 %。该评分成绩已明显高于云南省气象台目前的实际业务预测水平 ,并达到了“九五”攻关的目标要求 ,因此该模型的建立具有重要的实际意义     

多模式温度集成预报的检验分析

该文利用C#程序语言逐日读取欧洲数值预报模式(Ec)、中国数值预报模式(T639)、德国天气在线(ZX)、美国天气(MG)、中国天气(ZG)、中央气象台指导预报(ZY)6家模式预报的日最高气温(Tg)和日最低气温(Td)预报值,建立预报数据库。使用LINEST函数对Tg和Td做多元回归分析,得出6家模式的集成预报结果,结果表明:集成预报(JC)比6家模式预报准确率都高;同时,建立本地化订正方法,将原6家模式Tg和Td进行订正后再集成,结果表明:订正后的集成比直接集成准确率提高了0%～4%,说明订正方法的使用对提高气温预报准确率有一定的效果。另外,通过对各家模式预报结果和集成预报结果的检验分析,不仅为预报员择优使用数值预报产品提供参考依据,也为数值预报产品释用提供一定的参考方法。