动态统计预报模型及其在2008奥帆赛风场预报中的应用

通过比较各种MOS方法在短期风速风向预报中的优劣,建立了一种基于动力统计预报模型和数值预报结果进行优化集合的动态MOS预报方法。在2005—2007年8月份风速的后报检验中,集合MOS预报可以将数值模式MM5的风速预报绝对平均误差减少30%以上。对风向预报的准确性也有明显的改进。从2008年8月10日至21日奥帆赛期间浮标A、B、C和D的检验结果来看,观测风速不大于6m.s-1的情况下,MOS平均绝对误差仅为1.1m.s-1,比MM5相应的预报误差(1.45m.s-1)减小24%。值得指出的是MM5对8月17至18日和21日的大尺度大风天气过程预报相对准确,而统计模型对这三天的风速快速加速过程反应迟缓。MOS的风向预报与MM5没有本质上的差别。两者的平均绝对误差总的来说相差小于10°,对预报员的风向预报决策影响没有明显的区别。     

偏北大风的数值预报释用方法研究

本文利用欧洲中心中期数值预报结果，从不同侧面选取因子，建立了日最大平均风速的四种统计预报方程，在此基础上设计了几种集成方法对预报结果进行集成，结果表明，我们设计的最大值－阀值综合集成法取得了很好的效果，特别是2－3天的大风预报准确度较高。     

河西走廊东部大风气候特征及预报

利用河西走廊东部1971—2010年4个气象站大风（≥6级,即10min平均风速≥10.8～13.8m/s）资料,系统分析了该区大风的时空分布、强度和持续性等气候特征。结果表明,河西走廊东部大风天气主要发生在山区和沙漠边缘;年、年代际大风日数总体呈减少趋势,3—5月是大风的高发期,占全年大风日数的34.8%～56.8%,其次是2月、6月和11月;各强度大风日数的变率较大,随着大风强度的增强,大风日数迅速减少;大风天气具有持续性特征,最大风速大多出现在持续大风时段内。采用2003—2007年逐日20时ECMWF数值预报格点场资料,按照Press准则进行预报因子初选,运用逐步回归预报方法进行预报因子精选,使用最优子集回归建立大风预报方程,并用双评分准则（CSC,couple score criterion）确定各季节各地大风预报全局最优的显著性方程,预报方程通过了α=0.01的显著性检验。预报方程回代拟合率为66.7%～73.4%,预报准确率为58.8%～67.5%,达到了一定的预报水平,可为大风的业务预报提供客观有效的指导产品。采用最大靠近原则确定了大风预报临界值和预报、预警的级别。     

基于机器学习的风场预报订正方法研究

为了实现更准确的站点风预报,结合中尺度数值模式WRF预报结果和自动气象站观测数据,采用反距离加权插值法,将模式网格和观测站点的数据进行融合构建训练集,利用3种机器学习方法对WRF预报的风场结果进行订正,优化风场预报准确率。其中随机森林模型实现风速的预报均方根误差(RMSE)平均降低了18.22%,风向降低了15.97%;LightGBM模型对于风速、风向的RMSE平均降低了18.60%和17.56%;深度神经网络模型对于风速、风向的RMSE平均降低了5.53%和9.10%。对2020年宁波市9个大风过程进行检验,利用LightGBM模型对于3个站点预报进行订正,结果表明风速的RMSE从4.61 m/s下降到2.14 m/s,平均降低了53.58%,风向的RMSE从30.31°下降到18.20°,平均降低了39.95%。     

基于自动站资料的海上风客观预报方法

根据辽宁省沿海自动站资料,采用卡尔曼滤波方法对沈阳区域气象中心MM5中尺度数值预报产品进行解释应用,制作环渤海及邻近海域海面最大风矢量预报的技术方法,对2009年8-12月预报结果进行检验。结果表明：海上最大风矢量预报结果中风速的预报要明显好于风向的预报,其中风向预报最好的海区为黄海北部,准确率为57.3 %;风速预报最好的海区为渤海中部,准确率为64.6 %;风速误差以正误差为主,说明风速的预报值与实况值相比偏大。该方法对于环渤海及邻近海域海上风的预报效果较好,能够比较真实地反映海上风演变过程,具有预报参考价值。     

淮北夏半年大风预报方法的建立及检验

利用T639业务数值模式预报场和大风观测资料,分别采用I_W雷暴大风指数和多个对流指数方法,计算相对应的指标值,建立淮北市夏半年大风预报方法,得到淮北市大风的短期预报结果,并对2011年的预报应用情况进行检验。结果表明：基于T639业务数值模式的I_W大风指数与多指标的叠加,实现夏半年定量和定性的大风预报。将多种不稳定指标与T639数值模式相结合的叠加预报,当4个指标中有3个满足条件时预报淮北有大风出现,否则没有大风;I_W大风指数的风速预报与实际极大风速较为接近。两种预报方法对淮北市的大风预报具有较好的指导作用,多数大风天气能够预报准确,但是容易空报,不太容易漏报。     

3—4月苏北沿海大风预报的一种业务系统

为了预报我国东部沿海海域上3—4月的大风,我们建立了一个自动化预报系统,该系统由识别东亚大槽的移行,诊断地面流场,海上风统计预报模式等软件组成。通过对1985年到1986年春季观测资料的检验,结果表明风速预报的平均准确率为87.8％,风向预报平均准确率为74.6％,该系统已纳入上海气象协作区《东海沿海大风短期预报业务自动化系统》。     

渤海湾大风的特征及其预报

利用1988—2011年渤海湾两个站的大风资料,对渤海湾多年大于17m/s强风特点进行分析,发现冬季以西北风为主,春、夏、秋季以东北风为主,偶尔会出现偏南风。渤海湾海面大于10级的强风主要出现在10月、11月和12月。强风年分布特征呈两峰两谷型,最多月份是11月,最少月份是8月。根据天气学原理和因子统计筛选,发现强风的极大风速与当日最大风速有较好的相关性;对不同下垫面(海面、陆面)分别建立了极大风速与当日最大风速的预报方程。预报方程通过了α=0.01的显著性检验。方程回代拟合率达到75%~94%。将WRF数值预报计算出当日的最大风速值进行订正、代入预报方程、快速计算出强阵风,为灾害性大风预报提供了客观、有效的预报手段。     

太平机场春季偏南大风统计定量预报

春季经常因大风给飞机起飞着陆造成严重影响,所以准确预报出风速大小对保障飞行安全非常重要。本文根据多年实践经验,利用哈尔滨太平机场6 a的气象历史资料,通过逐步回归法建立春季偏南大风风速的线性回归预报方程,对哈尔滨太平机场春季偏南大风做出客观、定量、快速的预报,为预报员在实际工作中预报春季偏南大风提供了重要参考。     

渤海大风特点以及海陆风力差异研究

利用2009年7月至今渤海浮标站观测资料,分析了渤海大风的特点.结果表明,2009年出现大风、强风57天,2010年为101天,2011年为38天.11月大风、强风日数最多,1月次之;夏季大风、强风日数较少.从风向来看,北风、东北风的大风、强风日数最多.浮标站与沿海两站风场的对比表明,大风日,东北、东风瓦房店站的最大风速更接近浮标站,其他风向旅顺站接近浮标站;强风日,8个风向都是旅顺站相对接近浮标站.从风速差最大值来看,沿海站比浮标站小2～4级.大风日与强风日的对比表明,大风日沿海站的风速更接近浮标站.对极大风速而言,沿海站与浮标站的风速相差较小,旅顺站的风速更接近浮标站.不同的大风过程由于影响系统不同,海陆风向风力会有很大的不同.但无论什么系统造成的大风,最大风速海陆差异都比极大风速海陆差异明显,最大风速海陆差异最小1级,最大5级,而极大风速只差1级左右.当北路、西路冷空气造成大风时,瓦房店站的风速更接近浮标站,最大风速小1～2级,极大风速小1级;当地面低压(包括热带气旋)造成南大风时,3个测站差别不大,最大风速小1级,极大风速相近.     

近40年南澳县大风特征分析

利用1970—2009年南澳县气象局地面气象观测站风向、风速记录资料进行统计分析。结果表明：近40 a南澳县年平均风速为3.7m/s,秋季最大,冬季次之,夏季最小;年平均最大风速为13.8m/s,春季最大,冬季次之,夏季最小;年平均大风日数为68 d,冬季最多,春季次之,夏季最少;近40 a来的年平均风速、平均最大风速和年大风日数均呈减少趋势;大风日数年内变化呈一峰一谷型;最多风向为ENE风向,NNE和NE风向位居第二,偏西风最少。     

北京夏季O3垂直分布与气象因子的相关研究

通过分析2000年7月26日～8月22日北京325 m气象塔的O3浓度梯度观测资料及同期的气象资料,探讨了O3与NOx、风速、风向、温度及相对湿度的关系.通过建立不同风向下O3浓度与NOx、温度、相对湿度及风速的多元回归方程,证实了高浓度的O3是NOx与气象条件综合作用的结果,利用可得到的气象资料及NOx浓度值进行O3污染预报的尝试是可行的.     

风电场风速降尺度预报方法对比分析

使用中尺度数值天气预报业务模式9 km和3 km分辨率的模式输出产品,分别应用小尺度模式CALMET模式和双线性插值(BLI)方法将预报风速进行降尺度处理,并对比预报风速和风塔观测资料。结果表明：WRF模式9 km分辨率的模式输出经过CALMET模式降尺度以后得到的风速预报效果比3 km分辨率的模式输出略好。同时,由于中尺度数值预报模式分辨率本身较高,使用BLI也可以得到较好的风速预报。将风速分为0 m·s^-1≤风速<5 m·s^-1,5 m·s^-1≤风速<10 m·s^-1和风速≥10 m·s^-1共3个等级,检验3个风速等级的预报偏差百分比得出,CALMET模式和BLI方法对10 m·s^-1以上的大风的预报效果相对较差;如何对大风预报进行订正对风速预报准确率的提高具有重要的意义。     

MM5模式在三峡工程大风预报中的应用及检验分析

利用基于MM5中尺度模式的短时预警系统的逐小时风向风速预报产品和三峡工程周边自动气象站逐小时观测资料,对2007年1月至2008年5月三峡坝区发生的大风大气进行预报检验分析.结果表明,中尺度模式对雷雨大风基本无预报能力,但对晴卒系统性大风有很强的预报能力,模式可以对晴空系统性大风的出现时间、强度变化趋势和风向提供较准确的预报,对晴空系统性大风的结束时间也有一定的预报能力.宜昌市气象局利用基于中尺度模式的短时预警系统预报晴空系统性大风,用多普勒雷达对雷雨大风进行临近监测,近年来在三峡工程气象保障服务中取得了良好的服务效果.     

利用非线性回归技术建立洛阳机场大风预报方法

利用2005-2008年洛阳机场200个大风天气个例,从经验和物理意义出发选取地面风速预报因子,然后对初选因子进行多种组合并同预报量作相关分析,确定了东、西风型各10个因子。根据各个因子在引入的线性和5种非线性函数形式下同预报量的相关程度,确定每个因子同预报量的最优函数关系,进而分别建立了东、西风型风速预报的多元非线性回归方程,再应用双重检验的逐步回归方案对方程进行优化,并将优化后的方程进行了检验,最后分析了影响风速主要因子的作用。结果表明:利用非线性回归方程对风速进行客观定量化预报,预报效果达到了民航气象对大风预报的质量要求,能够为实际工作提供参考;预报东、西风型风速的首要因子分别是气压梯度和变压梯度。     

吐鲁番市春季灾害性大风的特征及预报方法

在对吐鲁番市春季灾害性大风的天气、气候特征进行分析的基础上,通过对大风出现同时刻历史资料的普查,找出预报因子,建立权重回归和二级判别方程,利用欧洲中心数值预告产品和本站实时资料用PP法做灾害性大风的有、无和强度预报.同时也是在无自绘图只有传真图的情况下进行要素客观预报的一种尝试.     

湖南省风的时空分布特征及大风概念模型研究

该文收集了2006—2016年湖南省97个国家气象站逐日平均风速风向、最大风速风向资料,根据城镇天气预报对风的预报要求,分析了湖南省日平均风速、日最大风速3级及以上风以及日最大风速6级及以上风的气候特征,结果表明:①湖南省年平均风速为1. 63 m/s,呈现逐年振荡增强趋势,夏季最大,秋季最小;②湘西北、湘西地区日平均风速较小,湘东北、湘中以东、湘西南地区较大;③日最大风速3级以上日数呈逐年减少趋势,春夏季多发,秋冬季少发,偏南风占到所有风向中的59%;④岳阳东部、长株潭、永州、郴州大部为日最大风速3级以上高频区,湘西北、湘中偏西南一带、衡阳市西部到邵阳市一带为低频区;⑤日最大风速6级以上日数呈增长趋势,春夏季多,空间分布具有离散性,概率由大到小依次为南岳、郴州、冷水滩、江华、常德、韶山、长沙、新宁和泸溪,将6级以上区域性大风进行了冷空气、低压大风、雷暴大风、台风影响4种类型的划分,并建立了概念模型。     

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。     

聊城市大风气候统计分析

通过对聊城市大风的统计,分析了大风的气候特征,得出了聊城市年平均大风日数、风速、风向有明显的空间变化,大风日数呈逐年下降趋势,大风的日数、风向、风速的月变化明显,并且初步探讨了产生大风的天气形势。     

安阳市区11～3月雾生成短期预报

统计了安阳市区1970-1989年气候资料，分析了雾生成前一天的天气形势和影响系统，并以此确定了雾生成的起始场条件。在满足起始场条件的基础上，选择与雾生成关系密切的相对湿度、气层稳定度和风向风速等因子，建立预报方程。