广州地区梅花开花期与气象因子的关系

基于广州地区2010—2016年梅花开花期和气象因子平行观测资料,采用相关分析、线性回归等方法研究了梅花开花期与气象因子的关系。结果表明:广州地区梅花初花期、盛花期和凋谢期年际变化较大。梅花初花期、盛花期、凋谢期出现的时间与降水量没有明显的相关,反应不敏感,但初花期和盛花期持续时间的长短在一定程度受降水量影响;初花期前10 d降水量、前20 d降水量与初花期天数有显著的正相关,与盛花期天数有较为明显的负相关。梅花花期与其前期气温有显著的负相关,初花期前1个月平均最高温度每升高1℃,初花期就提前3. 8 d,盛花期就提前5. 1 d;前3个月平均温度每升高1℃,凋谢期就提前5. 3 d;而初花期前2个月平均温度每升高1℃,初花期天数就减少2. 7 d;初花期前1个月平均温度每升高1℃,盛花期天数就增加2. 3 d。     

物候模型在北京观赏植物开花期预测中的适用性

以北京地区玉渊潭公园杭州早樱 (1998—2012年)、密云农业气象试验站白玉兰 (1996—2012年) 及颐和园公园山桃 (1981—2012年) 物候观测资料和海淀、密云气象站的1981—2012年逐日平均气温观测资料为基础,分别应用国际通用的3种物候模型 (SW模型、UniChill模型和统计模型) 对以上植物的始花期和盛花期建模,并评估模型适用性。结果表明:SW模型在北京地区3种观赏植物开花期预测中适用性最高,其交叉检验的均方根误差仅为1.93~3.58 d, 其次为UniChill模型 (均方根误差为2.49~3.79 d),统计模型效果最差 (均方根误差为2.36~4.24 d)。因此,推荐在观赏植物开花期预测业务中采用SW模型。     

麻城龟峰山古杜鹃花期滚动预报方法探讨

利用麻城龟峰山杜鹃花海3个不同海拔高度和临近区域自动站连续2年观测的气温和物候资料,结合前期物候资料,统计不同高度、不同时段和不同要素的气象条件,结果表明:杜鹃花开放的临界温度为日平均气温稳定通过10℃,达到盛花期物候标准的积温指标为:1月1日起至盛花期前一日≥0℃活动积温大于等于730℃;3月1日起至盛花期前一日≥10℃活动积温大于等于450℃,对两项积温按不同高度、不同时间段进行垂直递减率计算并作相关分析,两因子与花期的线性相关显著。以两项积温作预报因子,建立从3月底到4月底,每隔5天一次的不同时段共7个花期预报方程。利用积温指标结合预报方程,可对杜鹃花期进行滚动预报和精细化预报,预报效果与实况基本吻合,误差较小。     

梨树始花期预报

基于丰县1984—2009年气温、日照和降水量资料,分析越冬期不同时段的气象因子对梨树始花期的影响。结果表明:①后期因子影响大,前期相对较小;②温度、日照因子影响大,降水因子影响较小。越冬期温度水平高,光照充足,梨树始花期就偏早,反之始花期就偏晚;在上年12月至当年1月,除12月下旬外,最高气温偏高,影响梨树休眠期的需冷量积累,开花就越晚,最高气温偏低,需冷量的积累充足,有利于解除梨树休眠,开花就越早。采用逐步回归方法,利用SPSS软件,建立了梨树始花期预报模型,模型拟合效果较好,预报准确率满足业务要求,及时为政府和果农提供准确的始花期预报。     

新源县杏花始花期气象预报研究

为了更准确地提供杏花始花期的预报，利用新源县1996—2020年的始花期观测数据以及同期气象资料，统计分析关键影响因子，建立预报模式。结果表明：新源县杏花始花期平均出现在4月5日，最早最晚始花期相差28 d，近22a来始花期提前约4 d。始花期前的气温、日照、0℃积温等对始花期有明显影响，采用逐步回归方法，得到了新源县杏花始花期的预报模型,回代检验中始花期预报值与实际值相差0~2d的准确率达到63.6%，相差3 d的准确率为27.2%，2018—2020年的试报服务预测值与实际值之间相差分别2 d、1 d、3 d，可为花期专题气象服务提供理论参考。     

铜川樱桃温室栽培适宜扣棚期分析

利用铜川地区2006—2013年春季日均气温和2011—2013年马咀、塬畔、神农、周陵四个设施樱桃示范园区温室大棚观测数据,采用需冷量0~7.2℃低温模型,分析铜川地区樱桃需冷量及适宜扣棚期。结果表明:铜川各地区樱桃落叶至萌动前0~7.2℃平均累积小时数总体满足各种品种樱桃通过自然休眠的需冷量。将樱桃的需冷量分为三个等级,中北部不同等级需冷量的最早达标时间普遍比南部偏早。大棚扣棚期与成熟期存在较明显的正相关,扣棚越早,成熟越早。铜川地区适宜扣棚期北部地区12月15—20日,中部地区12月25—30日,南部地区12月底到1月初,和大田樱桃物候期相比,大棚樱桃萌动期将提前70~80d,成熟期提前45~60d。     

基于深度学习的7~15 d温度格点预报偏差订正北大核心CSCD

为了提高模式对于7~15 d温度格点预报准确性,基于U-Net模型以及U-Net残差连接模型,采用2018年12月25日—2022年7月5日多种组合气象数据作为输入数据特征,针对TIGGE数据中心提供的全球集合预报CMA-GEPS 2 m气温控制预报,开展168~360 h时效的格点预报误差订正试验。结果表明:对于240 h预报时效,两种深度学习模型中,U-Net模型表现较好;对于不同输入数据特征,加入起报时刻ERA52 m气温产品的U-Net模型表现最佳,在多个预报时效上有较好的订正效果,均方根误差减小率为10%~25%,可有效改善模式对于15.75°~55.25°N,73°~136.5°E区域北部的蒙古高原、西部的青藏高原及部分山地的预报误差较大的不足;而加入CMA-GEPS控制预报10 m风预报产品后改进不明显。总体上,基于U-Net模型构建的模式格点预报偏差订正模型可有效降低7~15 d温度格点预报误差,进一步提升复杂地形下格点预报的准确性。     

阿克苏地区苹果始花期预报模型研究

研究阿克苏地区苹果盛花期开放规律与温度之间的关系,为苹果花期之前相关农事的准备和预防不良天气对花期的影响提供参考依据。利用阿克苏地区2000-2019年苹果花期和气象数据,通过对苹果花期距平与3、4月的旬均温、≥0 ℃、3 ℃、5 ℃、10 ℃有效积温和活动积温的相关性分析,应用逐步回归方程,拟合出阿克苏地区苹果盛花期预报模型,对相关数据回代检测验证。研究表明：(1)与苹果树盛花期相关性大小依次为 3、4 月份有效积温>活动积温>逐旬平均气温；(2)花期距平与3月中旬均温为显著负相关,与其他指标具有极显著负相关性；(3)其中≥0℃的活动积温(X₁)和3月中旬平均温度(X₁₀)对阿克苏地区苹果盛花期影响较大,阿克苏地区苹果树花期预测模型Y= 39.882 - 0.075X₁+ 0.696X₁₀。模型拟合度较好,预测的盛花期实际值和拟合值相差绝对值为0-3d,满足生产需要。     

基于T213集合预报的延伸期产品释用方法及初步试验

基于T213集合预报系统2008年1月中国及附近区域500 hPa高度和850 hPa温度的1~15 d预报资料,构建延伸期产品释用方法,通过对逐日11~15 d预报资料做集合平均和后向衰减权重系数滑动平均,进而得到延伸期(11~15 d)候平均和候距平预报,并对预报效果进行检验,结果表明:对11~15 d预报场做集合平均和后向衰减权重系数滑动平均均能降低预报误差,改善整体预报效果。由此得到的500 hPa高度场和850 hPa温度场11~1 5 d候平均预报误差与逐日控制预报第5d的水平相当,候距平相关系数均接近0.6,整体而言效果较好,具备一定的应用价值。500 hPa高度场和850 hPa温度场11~15 d候距平预报在中国大陆地区位相准确率均较高,东南沿海和东北部分地区稍差,且850 hPa温度场的位相准确率整体高于500 hPa高度场。候距平预报对延伸期(11~15 d)的大范围持续性异常距平具有较强的捕捉能力,对异常距平出现的范围和分布、强距平中心的位置的预报均较好,但强度整体偏弱。     

积温对比法在鸭梨始花期预报中的应用

利用2012—2018年鸭梨花芽发育实景观测照片,精准判定每个鸭梨花芽发育物候期节点发生时间,以此为依据统计鸭梨花芽每个发育物候期的气象要素数据,以物候期为单位分析气象影响因子对花芽发育过程的影响。研究表明:温度在鸭梨花芽发育各阶段起主导作用,筛选出鸭梨花芽萌发到始花、开绽到始花、露蕾到始花3个时段日平均气温≥0℃活动积温和≥3℃有效积温,作为制作鸭梨始花期预报的积温指标计算鸭梨开花日期,得到"积温对比预报法";经2016—2018年应用检验:预报时效10～12d时预报结果与鸭梨开花实况误差在1～2d以内,预报时效7d时预报结果与鸭梨开花实况完全吻合。本研究克服了传统植物花期预报研究因花前物候资料匮乏、不能进行花前发育期分析的缺陷,并把"中长期天气预报产品"引入了花期预报方法的使用,为植物花期预报研究方法提供了新思路。     

莎车1991—2013年春季首日变化特征及其对果树花期的影响

利用莎车县气象局1990—2013年地面气象观测资料和莎车农业气象试验站1992—2013年杏、苹果、桃、梨、沙枣、巴旦姆花期观测资料,分析莎车春季首日变化特征及对果树花期的影响。结果表明：莎车春季首日平均为3月21日,2000年出现突变性提前,春季首日与3月及3月各旬平均气温呈极显著相关,与年平均气温、1月中旬及2月下旬平均气温呈显著相关;3—5月果树陆续进入花期,杏（巴旦姆）花期最早、梨（桃、苹果）花期次之、沙枣花期最晚。杏、梨、沙枣花期持续时间年际差异较大,但均呈现增多趋势,其中杏突增年份与春季首日突变年份基本一致,梨、沙枣偏晚3～5年;果树开花始期、开花盛期、开花末期与春季首日的差值变化基本一致,其中开花始期与春季首日相关性最好,杏花期与春季首日最接近;采用偏最小二乘法建立杏、梨、沙枣等3种代表性果树开花始期回归预报模型,经历史拟合和2011—2013年检验, 模型可以较好的模拟和预报杏、梨、沙枣开花始期。     

日光温室番茄低温冻害指标确定及温度预报模型建立

利用2012年12月至2013年1月和2013年12月至2014年1月两个生长季沈阳和喀左地区日光温室的小气候观测数据,基于日光温室番茄实际低温冻害发生及影响因素分析,构建日温差指数,确定辽宁地区日光温室番茄果实膨大期低温冻害的指标,并采用回归分析方法建立了日光温室温度预报模型。结果表明:日光温室内持续低温、寡照及高湿综合作用造成了番茄低温冻害的发生。在日光温室内高湿的环境条件下,日光温室外出现阴雨雪天气,且寡照天气持续3d,日光温室内最高气温小于10℃,最低气温小于5℃,且5℃以下低温持续时间达15h以上时,将出现低温冻害。利用日光温室内外逐时气温数据建立温室内逐时气温预报模型,18时至翌日08时逐时气温≤3℃误差的预报准确率达86%以上。因此,利用确定的日光温室内番茄低温冻害指标和建立的日光温室内逐时气温预报模型,可实现温室内番茄低温冻害预警,提高日光温室防灾减灾能力。     

2011年江西汛期降水低频分量的延伸期预报试验

利用2011年2—8月逐日降水量序列及东亚地区850 h Pa经向风场资料建立多变量时滞回归(multivariable lagged regression,MLR)模型,对5—7月江西降水10~30 d和50~70 d低频分量分别进行延伸期逐日预报实验。结果表明:2011年江西降水存在显著的10~30 d和50~70 d的振荡周期。降水50~70 d低频分量延伸期预报技巧明显优于10~30 d低频分量延伸期预报技巧,平均预报技巧高达0.86。降水50~70 d低频分量延伸期预报可准确预报降水低频位相的正负转换,能为江西延伸期强降水过程发生的时段预测提供预报信号。     

基于BMA方法的地面气温的10～15 d延伸期概率预报研究

利用TIGGE资料提供的欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)、英国气象局(UKMO)三个预报中心2013年6月1日至8月31日的地面2 m气温10~15 d预报资料,对延伸期地面气温进行贝叶斯模式平均(Bayesian Model Averaging,BMA)预报试验。结果表明,BMA方法的预报效果随训练期长度而改变,训练期长度为30 d时预报效果最优。BMA方法可提供全概率密度函数,定量描述预报不确定性的大小,且陆地上预报不确定性大于海洋上的预报不确定性,高纬度地区预报不确定性大于低纬度地区的预报不确定性。利用CRPS评分对BMA概率预报技巧进行评估,发现预报技巧随预报时效的延长降低,且预报技巧在海洋上优于陆地、低纬度地区优于高纬度地区。此外,3 d、5 d和7 d滑动平均的预报值反映某些天气过程的平均要素预报,对于提高10~15 d延伸期概率预报技巧有一定效果,且滑动天数越长,预报效果越好。     

刺槐盛花期预报模式的研究

根据积温学说的原理，研究了刺槐生长发育速度与平均气温的关系。得出了刺槐生长发育的下温度为12℃，达到盛花期需要≥12℃活动积温460℃；并以活动积温460℃作为盛花期预报指标，利用逐步回归的方法对刺槐花期前期大量因子进行筛选，建立了刺槐盛花期的积温预报方法和统计预报模式，应用效果良好。     

基于ECMWF产品的站点气温预报集成学习误差订正

提出一种基于数值模式预报产品的气温预报集成学习误差订正方法,通过人工神经网络、长短期记忆网络和线性回归模型组合出新的集成学习模型（ALS模型）,采用2013—2017年的欧洲中期天气预报中心数值天气预报模式2 m气温预报产品和中国部分气象站点数据,利用气象站点气温、风速、气压、相对湿度4个观测要素,挖掘观测数据的时序特征并结合模式2 m气温预报结果训练机器学习模型,对2018年模式2 m气温6~168 h格点预报产品插值到站点后的预报结果进行偏差订正。结果表明:ALS模型可将站点气温预报整体均方根误差由3.11℃降至2.50℃,降幅达0.61℃（19.6%）,而传统的线性回归模型降幅为0.23℃（8.4%）。ALS模型对站点气温预报误差较大的区域和气温峰值预报的订正效果尤为显著,因此,集成学习方法在数值模式预报结果订正中具有较大的应用潜力。     

中国地面气温统计降尺度预报方法研究

利用中国752个基本、基准地面气象观测站2000—2010年地面温度日值数据,采用具有自适应特征的Kalman滤波类型的递减平均统计降尺度技术,对中国地面温度进行精细化预报研究。分析该方案的降尺度效果,并与常用插值降尺度方法进行比较。结果表明:1)递减平均统计降尺度技术相比插值方法有较大的提高,显著减小东西部预报效果差异,1~3 d预报的均方根误差减小了1.4℃;2)该方案1~3 d预报的均方根误差为1.5℃,预报误差从东南地区(均方根误差为1.4℃)向西北地区(均方根误差为1.8℃)逐渐增大,并且预报效果夏季优于冬季。因此,递减平均统计降尺度技术对中国地面温度进行精细化预报是可行的。     

基于气温订正的北京山桃花花期预测改进

基于北京市丰台区气象站2009—2018年地面观测资料和2020、2021年3月丰台区预报资料,配合气温精细化订正,应用SW物候模型,对2020年、2021年北京丰台区北宫森林公园、千灵山风景区山桃花始花期进行了预测试验。试验结果表明:提前10 d预测的结果和自然条件下的实况值偏差为1~2 d,提前一周左右可较为准确地预测山桃花始花期。结合气象因子对前期气温预报值进行精细化订正,可提高SW物候模型用于观赏植物观赏期预测的适用性,得到较为准确的花期预测值,并可在花期观赏相关的旅游气象服务业务中进行推广应用。     

低频天气图在陕西汛期降水预报中的应用

利用陕西省2008—2013年5—9月日降水资料及NCEP 500hPa的u、v风场资料,基于低频天气图的预报原理,统计降水时段500hPa风场上低频气旋和反气旋的空间分型、位置和出现次数,归纳出影响降水过程的9个高影响区,以及不同低频气旋和反气旋的配置类型与降水过程间的联系,通过低频系统的活动特征来预报降水过程。在2013—2015年陕西省延伸期强降水过程预报试验中,低频天气图预报方法的预报效果较好,且预报时效为10~30d,可以在延伸期预报业务中加以应用。     

基于TIGGE资料的地面气温延伸期多模式集成预报

基于TIGGE资料中心提供的CMC、ECMWF、UKMO及NCEP四个集合预报中心2008年7月1日-9月30日北半球中纬度地区地面气温10 ～ 15 d延伸期集合预报产品,首先采用Tala-grand分布及离散度—误差关系评估了单个预报系统的预报性能,然后分别利用多模式集成平均(Ensemble Mean,EMN)、消除偏差集成平均(Bias-Removed Ensemble Mean,BREM)及多模式超级集合(Multi-model Superensemble,SUP)对地面气温进行多模式集成预报试验.由于逐日的延伸期预报准确率相对较低,因此人们更关注延伸期预报对天气过程的预报准确率.对各个集合预报系统的逐日预报资料以及逐日“观测”资料做滑动平均,并对处理后的资料进行多模式集成,最后对超级集合预报的训练期长度进行调试,以获得最佳训练期长度.结果表明,四个集合预报系统的离散度相对于均方根误差都偏小,ECMWF预报效果最好,NCEP次之,UKMO预报效果最差.EMN、BREM及SUP三种多模式集成方法的预报效果均优于单个系统且SUP对预报效果的改善最明显.滑动平均后,预报误差进一步降低,且滑动步长越长,误差越小.对于SUP的训练期,逐日预报和3d滑动平均10～12 d预报最佳训练期长度为75 d;13 ～ 15 d预报最佳训练期长度为35 d;5 d及7d滑动平均其训练期长度在各个时效均以35 d为宜.