基于EC细网格产品对怀化地区日最高气温的预报及订正分析

利用EC细网格(ECMWF-thin)0.125°×0.125°格距20时起报地面2 m气温资料,使用反距离加权法插值至怀化11个国家气象观测站点上,计算出模式预报的日最高气温,对模式预报准确率的时空分布特征以及利用N日误差滑动平均值、天气分类方法分别对模式预报进行订正分析发现:随着预报时效的延长ECMWF-thin日最高气温预报准确率降低,存在明显的时间变化特征,但空间差异不明显;ECMWF-thin日最高气温预报较实况普遍偏低;利用N日误差滑动平均值方法订正,日最高气温预报准确率的提升16%~20%,订正后预报准确率在54%~73%,此方法操作便捷、简单实用;进行天气分类订正后,各类型天气均有不同程度提升,且对特定类型天气提升明显,两种方法各有利弊,对日最高气温预报均具有一定的指导意义。     

ECMWF细网格气温预报产品在宁波的检验和误差分析

针对宁波市326个站点,对空间分辨率为0.125°×0.125°的ECMWF细网格气温模式产品中2019年1月-2021年6月08时和20时2个不同起报场0~72h时效的预报产品进行时空检验和误差分析。结果表明:(1)08时和20时2个不同起报场72h内每天14时的均方根误差和平均绝对值误差最大,20时和08时次之,02时最小;(2)5类土地利用类型中林地的预报气温与地面站点气温的误差最大,水体次之,另3类相差不大;(3)误差空间分布不均匀,沿海地区误差相对较小,西部山区、海曙、奉化等个别站点误差较大;(4)DEM和距海距离与均方根误差和平均绝对误差的相关系数基本为正。     

EC细网格对黔南州温度预报的订正研究

该文采用EC细网格2 m温度预报场及国家站实况资料,通过滑动平均法、双权重滑动平均法、多项式拟合法以及最佳系数法对EC细网格2 m温度在黔南州的预报进行订正分析,结果显示：4种方法订正后最高气温7 d平均准确率分别提升了12.70%～17.84%,最低气温7 d平均准确率分别提升了1.14%～2.86%。对于高温预报,最佳系数法订正效果最优,其次是多项式拟合法,对于最低气温,前3 d采用滑动平均法订正效果最明显,第4 d开始则采用最佳系数法订正,订正效果更明显。4种订正方法均在7—9月效果最明显。黔南州西部及中部地区多项式拟合法订正效果更好,州东南部地区最佳系数法与滑动平均法订正效果更好,但在120 h时效后滑动平均法的订正效果明显下降,州北部地区最佳系数法订正效果更为明显。     

辽源日极端气温预报方法的探讨

辽源市极端最高气温为36.7℃,最低气温为: -41.0℃ ;东丰极端最低气温为: -42.5℃。其温度的变化有其独特的地域性和季节性,我们将全年按自然季节分成四段,然后再将有无降水分开,利用日本传真图资料和本站实况资料,首先建立夏季无降水日极端最高气温预报方程,之后又制作出其它季节的极端温度预报方程。     

EC细网格温度预报在贵阳地区的释用效果分析

该文利用贵阳8个站点02时、14时整点气温对EC细网格2013年7—11月的2 m温度不同时效的预报分别进行检验,并对升温、降温、平缓天气3种不同天气背景下预报结果进行对比检验分析。分析结果表明:EC细网格对贵阳地区的2 m温度预报质量随着预报时效的延长呈波动性变化,预报时次及预报时间一定时,预报质量随预报时效的延长而降低;预报时效相同时,对夜间的气温预报质量比对白天气温预报质量高,两者准确率相差达10%以上,EC细网格对贵阳地区修文、白云的预报质量最好,对花溪、乌当预报质量最差。当本地出现升温时,EC细网格预报质量较好,出现降温时,EC细网格预报质量明显降低。     

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。     

CMA-GD模式江西省智能网格预报区域2 m气温预报误差分析

利用2020年6月1日—2022年5月31日CMA GD模式2 m气温预报产品（预报时效为13—36 h）和同期江西省智能网格预报区域内地面站气温观测资料,计算气温预报准确率、平均误差和均方根误差,并统计分析其时空分布特征。结果表明： 1）模式预报准确率在不同月份、起报时次存在差异,暖季总体较高,冷季总体较低;暖季08时起报产品的月准确率总体高于20时,冷季反之;秋、冬季旬准确率分布更离散。模式预报产品其准确率明显低于中央气象台和江西省气象台订正产品,需订正后使用。08时起报产品对寒潮的预报效果优于20时。2）气温预报年误差分布存在日变化,最大值出现在08时,最小值出现在15时;年均方根误差峰值出现在15时和06时,白天大于夜间。3）冬季平均误差多为正值,夏季为负值,春、秋季平均误差大小界于冬、夏季之间;白天时段夏季均方根误差最大,夜间时段冬季最大。4）气温预报年误差地理分布特征明显,平原地区预报值偏低,年均方根误差最小;丘陵和山区22 h时效预报值偏高,31 h时效偏低;高山站预报值偏高,年均方根误差最大。丘陵地区负误差最大,平原地区最小;山区正误差最大。     

日极端气温的主客观预报能力评估及多模式集成网格释用

精细格点天气预报是我国未来几年天气预报业务发展重点。利用ECMWF、GRAPES等业务数值模式和广东站点观测资料,对日极端气温的主客观预报能力进行了多角度综合评估。统计结果表明,T_(max)、T_(min)的主客观预报误差均存在明显季节差异,在系统误差相对平稳的夏半年主观预报具有较明显订正能力,模式预报呈现一定流依赖特征,温度越高(低),负(正)偏差越明显;主客观预报误差空间分布均受地形影响,随着时效延长误差总体增幅不大,主观订正能力也较稳定。根据以上评估特征和网格预报特点,研究开发了一套多模式动态集成网格释用技术方案(McGF)。结果表明,相比单个模式的预报和主观预报,McGF较明显提升了T_(max)的预报技巧;T_(min)的模式预报偏差总体较T_(max)偏小,McGF提升幅度相对较小;网格释用后的广东区域预报能较合理反映气温空间和强度特征,较周边未经释用区域明显更优。     

大连地区ECMWF细网格模式阵风预报误差检验与分析

阵风的预报误差检验对实际工作中的精细化预报订正具有一定的指导意义,同时对精细化预报中如何消除误差日变化的影响提供了借鉴。选取2017—2019年3～72 h逐日逐3 h欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecast,ECMWF）细网格10 m阵风和10 m平均风预报资料,基于大连地区9个国家气象观测站实况逐3 h极大风资料进行预报误差检验分析。结果表明：按预报风级和实况风级分类的预报误差对比检验均表明ECMWF细网格预报整体偏大,平均误差为0.96 m·s-1,但具体到各风级时两种分类的预报误差统计结论并不一致,按预报风级分类的检验更符合基于模式预报开展的实际预报工作。以预报为基准统计,各风向、各风级、各站的预报误差均差异明显,风级越大预报偏大的程度越高,风向也表现出随风级增大误差增大的趋势。阵风预报的平均误差具有明显日变化,08:00（北京时,下同）前后误差最大,20:00前后误差最小,主要由10 m平均风的平均误差日变化所致。全部预报个例与实况各时效预报相关系数均在0.7以上,具体到各风级、风向时,各风向相关...     

华南西部欧洲细网格2m温度预报误差分析

利用2011年7月-2012年7月欧洲中期天气预报中心(ECMWF)模式细网格地面2m温度和广西区域自动站气温观测资料,对比分析了EC模式细网格2m温度24小时时效内在华南西部地区不同季节、不同天气系统影响下的预报性能。结果表明:(1)全年平均而言,低温预报误差整体较小,预报准确率达77.7%,高温预报误差变化较大,准确率只有32.8%,低温预报准确率比高温预报准确率高44.9%,低温预报具有较高的参考价值。(2)不同季节高温低温预报差异明显,在夏季(6月-8月)低温预报的准确率达80%,但最高温度的预报准确率只有10%左右;在冬季,最低温度准确率下降到65%左右,而最高温度准确率相反,上升至50%左右。(3)不同地理区域预报性能差别较大:最高温度预报1-3月桂西可信度较高,达60%,4-5月和11-12月四个月只有桂东部分地区的预报具有一定的参考价值。(4)从全年误差分布来看,高温预报在冬季是误差小的所占比重大,误差大的比重小,夏季的则相反,春秋的误差等级分布的较为均匀,每个等级所占比重相似。低温预报则分布的比较均匀,全年基本都是误差越小占比重越大,只是冬季误差小的比重相对较小。5)不同天气形势的温度预报性能亦不同:冬春季冷空气(锋面)影响过程和春季低温阴雨过程的高温预报有一定的参考价值;夏季区域性暴雨过程和副热带高压影响过程的高温预报参考价值较低,误差平均达31%和5.8%,可作为预报主观订正的幅度参考值,四种天气型的低温预报准确性都较高,达到70%以上。     

基于EC细网格与BP算法的辐照度预报及检验

在理想晴天天气下,可计算确定位置不同时刻的理论辐照度,但与实际辐照度在不同季节仍存在一定系统误差。利用易县某光伏电站近1年逐15 min实况,提出了一种基于理论辐照度的晴天天气下的系统误差订正方法,并进一步利用欧洲EC细网格预报资料及BP神经网络方法实现了未来24~48 h辐照度的逐15 min预测,得到以下结论:(1)晴天天气下,该系统误差订正方法可有效剔除实况资料中非晴天天气数据的影响,不同季节的平均绝对误差不超过该季节最大辐照度的5%;(2)对24~48 h逐15 min的辐照度预报,经不同季节检验,冬季误差68.5 W/m²、春季误差125.2 W/m²、夏季误差119.5 W/m²、秋季误差53.7 W/m²,对11月份的预报最为理想。该研究成果可有效降低人工筛选工作量,在服务中有很好的实用性和参考性,可作为光伏数值预报的一种有效数据源。     

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。     

基于EC细网格数值预报产品的太阳辐照度订正技术

太阳辐照度与光伏电站发电功率密切相关,其预报的准确性直接影响发电功率预报的准确性。根据光伏电站太阳辐照度实况、气象站实况、WRF(Weather Research and Forecast Model)模式辐照度预报、EC细网格数值预报以及太阳理论辐照度,利用逐步回归法开展太阳辐照度预报订正研究,得到以下结论:①太阳辐照度实况与太阳理论辐照度的比值与EC细网格数值预报中气象要素的相关性优于太阳辐照度实况与气象要素的相关性;②不同时刻影响太阳辐照度的气象因子存在差异,通过逐步回归法建立不同时刻太阳辐照度预报模型;③在非晴天情况下,回归预报辐照度相对均方根误差比WRF模式预报辐照度降低10%左右,减小了辐照度预报误差。该研究成果在光伏电站的新能源数值预报服务中有一定的应用价值。     

日极端气温的多模式集成预报应用及检验

基于Grapes、T639、ECMWF和JMA精细化数值模式,利用平均集成(EMN)、反误差加权集成(IEWE)、消除偏差加权集成(BRWE)法进行广州5个观测站的日极端气温集成预报研究。结果表明:(1)数值模式对最高气温的预报较为接近,其中Grapes模式的预报效果相对较优;模式对最低气温的预报普遍优于最高气温,ECMWF模式明显优于其余3种数值模式。(2)BRWE的效果最好,尤其对最高气温预报有明显改善,其24~72 h预报效果较最优的Grapes模式分别提高了27.6%、17.1%、9.9%;对最低气温的预报亦有改进,24 h预报误差较最优的ECMWF模式提高12.5%,但48~72 h的改进效果则不明显。(3)集成预报在不同季节的效果有一定差异,在夏秋、冬季节,BRWE的最高气温预报效果明显高于春季;而BRWE的最低气温预报在春、夏季节具有较高的应用价值。     

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.     

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。     

春季中国日最高气温延伸期预报误差分析及订正

数值模式直接输出和经模式后处理得到的预报误差比较,是延伸期逐日要素预报应用基础。针对中国2 583个站点在2020年春季11～30天的日最高温度预报,根据欧洲数值中心的集合预报输出,首先,使用BP-SM(Back-Propagation-Self memory)法和回归法,进行确定性预报订正效果比较;结果表明BP-SM法和回归法都明显降低了预报绝对误差;在11～14天预报中,BP-SM法得到的平均绝对误差为3.3～3.6oC,预报准确率超过35%,订正效果更优。其次,基于模式直接输出和BP-SM法获得的概率预报,使用CRPSS (continuous ranked probability skill score)进行了可预报性分析。结果表明,在地形复杂地区,经过订正,预报准确率明显改善。对于延伸期逐日要素预报,合理的模式后处理方法是降低预报误差和提高预报能力的重要环节。     

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。