基于多模式的新疆最高(低)气温预报误差订正及集成方法研究

干旱区由于气温日较差大,气温预报难度偏大,尤其是最高、最低气温预报。利用2013—2015年ECMWF、T639、DOGRAFS、GRAPES 4种模式24 h内气温预报产品,采用递减平均订正法以及集合平均和加权集合平均法,设计2种订正集成方案,即方案1是对多模式气温预报先集成后订正,方案2是先订正后集成,对新疆地区日最高气温和最低气温预报的误差订正及集成效果进行对比检验。结果表明:(1)4种模式对新疆气温预报的准确率表现为ECMWF模式整体最好,DOGRAFS模式最差,且最低气温的预报准确率提高程度高于最高气温;(2)对于新疆不同区域,最高(低)气温预报准确率北疆高于南疆,西部高于东部,平原高于山区,且冬季的订正能力大于其他季节;(3)加权集合平均法优于集合平均法,先订正后集合方案优于先集合后订正方案;(4)方案2对2015年7月13—30日和2014年4月22—24日两次极端高、低温天气过程的最高(低)气温订正效果明显。     

不同天气背景下江西省气温日变化特征

利用2012—2020年CLDAS格点小时温度数据,通过插值、合成分析等技术,分析江西省不同天气背景下气温的日变化特征。结果表明：1） 江西省气温日变化曲线呈单峰形,整体上表现为06—15时为气温上升阶段,其中08—12时为快速上升阶段;16—05时为气温下降阶段,其中17—20时为快速下降阶段。2） 不同地形和季节日最高（最低）气温出现时间略有差异,平均而言高山地区最高气温出现于14时,较平原、丘陵早1 h;冬季最低气温出现在07时,较其他季节迟1 h。3） 不同地形大部分时段气温表现为丘陵＞平原＞高山,丘陵地区气温高于平原在12—17时最明显,温差为1—2 ℃,高山地区较两者低4—5 ℃。4） 不同天气背景下,气温日变化曲线仍呈单峰形,日最高气温大概率出现在14—16时,日最低气温在23时—次日06时各时次出现概率大致相同。气温日较差在有雨条件下最小,为2—3 ℃;晴天不同云量条件下,气温日较差最大,为6—8 ℃,阴天最小,为3—5 ℃;气温日较差在强降温天气大于强回暖天气。     

辽宁地区ECMWF模式气温预报检验及误差订正研究

利用2016—2018年ECMWF细网格模式12—36 h内2 m温度预报产品,选取辽宁地区65个城镇站点观测资料,评估预报产品在不同季节的预报准确率,并按季节分析固定误差订正方法和最优滑动周期订正方法对提高准确率的作用。结果表明：ECMWF模式预报产品对辽宁地区气温预报的准确率表现为,ECMWF模式最高气温冬季预报最优(城镇站点预报准确率为81.5%),最低气温夏季预报最好(城镇站点预报准确率为84.3%);采用最优滑动周期订正后,2016—2018年辽宁地区的最高气温和最低气温准确率较ECMWF模式自身分别提高了19.7%和20.5%,最低气温的预报准确率提高程度优于最高气温;在整个空间分布中,ECMWF模式对辽宁中部平原地区最高(低)气温预报准确率高于东、西部地区,辽宁东北部和西南部以及东南部的长白山余脉影响区域准确率明显低于其他区域。同时,在各季中,最高气温和夏季最低气温的订正预报能力优于其他季节;在地面晴、雨两种特征下,对辽宁地区24 h气温预报进行订正检验表明,该检验结果对辽宁地区最高(低)气温订正有一定补充作用,尤其是冬季降水出现时,最高气温预报补充订正效果最为显著。     

基于类卡尔曼滤波的哈尔滨智能网格气温预报检验及偏差订正

应用滑动平均（5 d、7 d）、类卡尔曼滤波递减平均两种订正方法对哈尔滨地区国家级指导预报最高（最低）气温产品进行预报能力初步检验及偏差订正。结果表明：两种订正方法对最高气温与最低气温预报产品24-240 h预报时效大部分时段均有正的订正效果,最高（最低）气温预报准确率提高1-2%,平均绝对误差0.1-0.2℃,其中24-96 h预报时效预报能力稍好,120 h之后预报能力较差,订正后预报准确率也不足60%。气温预报偏差还表现为明显的季节变化特征,7-9月最高气温的预报效果优于冬春季,冬半年的订正幅度较夏季稍大。另外,不同天气状况下降水天气对气温预报有一定的影响,如果能进一步改进模式预报中降水带来的偏差,将进一步提高模式订正效果。     

太阳辐射预报滚动订正方法研究

利用2013年1月至2014年12月北京南郊观象台逐时观测总辐射以及BJ-RUC模式系统预报的该站未来24h逐时总辐射、云量、水汽混合比、云水、云冰含量等14个气象要素数据,运用多种线性订正方案对总辐射预报值进行订正,重点分析了不同方法、不同季节、不同样本数的订正效果差异。结果表明:1不同季节辐射订正的影响因素不尽相同,需采用不同的组合订正因子,其中总辐射、2m比湿、2m相对湿度、低云量、中云量、高云量、总云量、云水雨冰雪霰混合比、水汽混合比可作为推荐因子;2最优样本数选取时需考虑季节差异;3逐时滚动订正方案的订正效果较好,明显优于非滚动方案。订正后总辐射误差显著减小,而且79%的时刻有改进,明显减小了预报偏大的系统误差;4冬春季订正效果优于夏秋季,这与云的宏观和微观物理量预报效果的季节差异有关。本文研究结果可为太阳能资源评估、总辐射和光伏电站发电量预报提供有效的改进方法。     

综合运用指标法和外推法与日较差法制作日极端气温预报

本文对绥化市2008-2010年逐日最高气温和最低气温以及850 hPa气温和天气现象等资料进行分析,发现1-2月日极端气温同850 hPa气温具有较好的相关性,在实际工作中可以利用欧洲850 hPa气温等数值预报产品作为不同天气条件下气温变化的预报指标,同时可以结合外推法预报气温变化。另外还发现气温日较差的一般性规律,合理利用日较差特点可以对气温预报起到一定的积极作用。     

枣庄市气温定时预报系统

应用多准则模糊决策方法,对中央台、省台所作枣庄市２４小时最高、最低温度预报和本台的订正预报以及本台ＭＯＳ预报进行决策,选其中较为准确的预报求取日较差,将日较差进行分级,根据定时气温气候平均值和６小时变量,求出每日０８时、１４时、２０时、０２时的气温预报,实际应用的预报效果好于主观预报。     

一种逐时气温预报方法

利用2006~2010年陕西10地市逐小时的气温和逐日的最高气温、最低气温、平均总云量、降水量资料,通过线性回归方法建立了一种基于日最高气温和最低气温预报以及临近气温实况资料的逐时气温预报模型,并对2011年每天的逐时气温预报进行检验。结果表明:该方法在晴天、多云和阴雨天的预报能力依次减弱,其中晴天和多云天02~18时的预报效果好于19时至次日01时的,而阴雨天01~10时的预报效果好于其它预报时段的;当日最高气温和最低气温预报较为准确时,西安站各预报时刻的准确率均在60%以上,其中14~17时的准确率较高,晴天的达到100%,多云天的在96%~99%之间,阴雨天的准确率偏低一些,特别是11~17时较晴天和多云天偏低了12%~27%;该方法可以将24 h日最高(低)气温预报细化到逐时气温预报,同时考虑了气温日变化的地域差异、季节特征、以及在晴天、多云和阴雨天的不同表现,具有一定的业务应用和推广价值。     

ECMWF模式气温预报在青岛地区的检验与评估

利用2013—2015年ECMWF(简称EC)细网格模式2m气温预报产品,分析了不同季节和不同天气形势下EC细网格模式产品对青岛地区7个基准站逐日最高气温和最低气温的预报性能。结果表明:EC细网格模式2m气温预报误差沿海站点大于内陆站点,且误差随着预报时效的延长逐渐增大。最高气温预报除胶州站外均为负误差,最低气温预报青岛、平度、莱西为正误差,崂山、黄岛、胶州和即墨为负误差。最高气温预报在3—4月和8—9月预报质量不稳定,最低气温预报夏半年好于冬半年。根据模式误差特点,给出7站气温主观订正参考值,订正后最高气温预报准确率提高3%~16%,最低气温预报准确率提高4%~18%。EC细网格模式对于暴雨、强对流、高温晴热、回暖天气、冷空气过程最高气温预报偏低,海雾影响时最高温度预报偏高;对冬季大雾情形下的最低气温预报偏低,辐射降温时最低气温预报沿海站点偏低,北部内陆站点偏高。     

贵阳14时气温数值预报检验及拟合订正分析

利用2012—2014年T639、EC细网格24 h、48 h内2 m温度和站点观测气温,在对比分析T639和EC细网格模式优缺点的基础上,选择预报准确率更高的EC细网格14时2 m温度和14时观测气温求解最优回归拟合方程,考察在不同天气转换过程中模式和拟合方程对14时气温预报的优缺点可知:24 h内回归检验拟合方程比模式预报准确率高4.92%,对雨天和阴/多云天气比模式预报有显著提升,预报实时检验也比模式高4.25%,对提高最高气温预报具有一定的参考价值。     

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。     

陕西ECMWF、GRAPES_Meso和SCMOC气温预报的对比检验及订正

利用陕西99个国家气象站2017—2019年日最高(低)气温观测资料,采用一元线性回归和递减平均方法,对GRAPES_Meso、ECMWF和SCMOC的日最高(低)气温预报进行订正,并作对比检验。结果表明,SCMOC、GRAPES_Meso和ECMWF的日最低气温预报准确率较日最高气温偏高,其中SCMOC的日最高和最低气温预报准确率最高,ECMWF次之,GRAPES_Meso最低。一元线性回归和递减平均方法对SCMOC的气温预报订正多为负效果,但对GRAPES_Meso和ECMWF的气温预报订正有明显正效果。订正后ECMWF与订正前SCMOC的预报相比,前者日最高和最低气温的预报准确率偏高。订正后GRAPES_Meso与订正前SCMOC的预报相比,前者日最低气温预报准确率偏低、2018年24 h和2019年24、48 h日最高气温预报准确率偏高。一元线性回归法对模式气温预报的订正能力和稳定性优于递减平均法。     

T639预报气温产品误差分析与订正

由于T639数值预报模式对具体区域预报有一定偏差,为了更好的利用该模式做出山东即墨本区域各自动站气温预报,制定订正方法,将订正方法运用到实际业务中,推广到相关单位,提高气温预报准确率,本文利用2013年1月至2015年12月山东省即墨市8个区域自动站的最高(低)气温实况和对应的T639数值预报24小时2m气温预报产品进行了日最高(低)气温的预报准确率、相对误差分析,并结合风向风速预报结论和地形分区,运用综合订正、季节订正、风向订正和风速订正4种误差订正方法,在对比检验的基础上,得出如下结论:在4种订正方法中,预报准确率最高为综合订正方法。     

三峡坝区气温日变化特征

利用1992～1998年三峡气象站逐月逐日逐时气温订正资料。分析了三峡坝区逐月,不同天气状况时的气温日较差,最高和最低气温出现时间,20时气温与14时气温差值等;利用08、14、20时气温计算白天平均气温,并与12小时白天平均气温进行比较,结果表明两者相差较小,计算方法可行。     

基于ECMWF的两种温度客观预报订正方法及评估

依据国家气象信息中心格点温度实况资料,采用“动态训练、择优选取”的基本原则,利用递减平均法（DAM）和径向基函数神经网络方法（RBFNN）对ECMWF细网格模式2019—2020年20时BTC未来24～216 h的0.05°×0.05°分辨率格点日最高、最低温度进行客观预报订正,并与中央台指导预报（NMC）和EC模式预报产品进行格点检验对比分析。结果表明：（1）通过DAM和RBFNN订正后的24～216 h日最高、最低温度预报准确率提高3.9%～7.8%,均为“正”技巧,对预报准确率偏低的月份预报时效订正效果更显著,且夏、秋季最高温度预报订正效果较好,冬季最低温度订正能力较强;（2）订正后的最高、最低温度预报产品除沙坡头区的最高温度预报和贺兰山的最低温度预报误差偏大外,其他区域的误差基本都<2℃,订正后的ECMWF细网格模式对强降温、寒潮天气的温度预报效果明显优于NMC和EC模式预报产品,对预报业务有一定的参考价值。     

基于T639数值预报产品的气温本地化应用及检验

基于T639数值预报产品下发的多个物理量资料,利用多元回归方法,开展本地化的分县气温客观预报方法研究,结合常规气象观测资料、美国NCEP/NCAR 1°×1°网格点逐6 h再分析资料,开展业务应用并进行了效果检验,得出以下结论:最低气温预报准确率要好于最高气温,同时夏季的气温预报也明显好于其他季节;在最高气温中对扬中的预报准确率高于其他站点,在最低气温中对丹阳的预报效果相对比较好;客观预报方法存在明显的系统性负偏差,通过使用每个预报时效预报误差的7 d滑动平均进行订正,结果表明通过订正,预报效果有所提高,特别是最高气温订正效果较明显;通过主客观预报准确率的对比分析,发现虽然客观预报对最高气温的预报效果比较差,但是在气温趋势预报上具有一定的参考价值;最低气温客观预报准确率明显高于江苏省的平均水平,和主观预报相比,虽然仍然低于主观预报水平,但是差距不大,基本上可以替代主观预报;分县气温客观预报方法对高温、寒潮等灾害性天气具有一定的预报能力,但是和实况相比,预报强度偏弱.     

贵阳不同天空状况下日最高气温研究

该文选取了2010—2015年贵州省贵阳站的逐日最高气温、总云量、降水量、湿度等资料,统计不同天空状况下的日最高气温的变化特点,并采用SPSS逐步回归筛选出影响最高气温的关键因子,建立回归模型。得出:①贵阳站阴雨天气出现频率要远多于晴和多云天气,尤其是冬春季,晴和多云天气多出现在夏秋季。在同一月份,晴好天气下和阴雨天气下,平均日最高气温有较大的差异,冬春季差异最大,平均最高相差15℃;②影响因子中前1 d日最高、最低气温及地面最高、最低温度与日最高气温的相关性较高,其中相关性最高的因子为前1 d日最高气温,相关性最高的季节为秋季;③在晴和多云天气下时,前1 d日最高气温对日最高气温的影响最大,而在阴天和雨天天气下时,则是前1 d日最低气温的影响最大。在不同的天空状况下,晴天天气下的拟合效果最好,估计误差值都在2℃以内,从季节上来看,夏季的拟合效果最好,平均估计误差值为1.6℃。     

基于多模式集成冬半年气温预报偏差修正

卡尔曼滤波递减平均方法对模式直接输出的气温预报进行订正,能有效提高预报准确率,但有时会造成显著负订正的现象,使订正预报效果反而不及模式直接输出。利用消除偏差集合平均方法(BREM)选择最优滑动训练期对2019年10月至2020年4月ECMWF预报(EC)、经过卡尔曼滤波递减平均法订正的预报(EC_COR)及中央台网格指导预报(SCMOC)等3种气温预报在黑龙江省的结果进行集成,并将BREM方法对EC_COR的修正效果进行评估,结果表明:不同预报结果都表现为冬季和夜间预报的准确率更低,气温偏低的11月至翌年1月更倾向于表现出预报较实况系统性偏高的特点。BREM方法能有效地修正EC_COR对EC负订正的现象,且可显著高于任何一种参与集成的单一预报效果。可在对单一模式进行卡尔曼滤波递减平均订正的基础上,进一步提升预报质量。另外,利用集成方法对高质量预报产品的融合(不局限于模式直接输出预报或是订正预报)可获取较单一预报更优的预报结果。     

阿勒泰地区气温日较差的气候变化特征

利用线性趋势法对1961-2008年阿勒泰地区7个气象站点气温日较差进行趋势研究,并根据各因子趋势值,应用相关统计法分析了影响气温日较差呈减小趋势的因子。结果表明：阿勒泰地区四季日较差呈现显著减小趋势,其中冬季最显著,秋季变化最弱。各季节最低气温上升趋势最明显,而最高气温上升趋势较弱。阿勒泰地区与月平均气温日较差相关性最强的因子是日照时数,呈正相关;其次分别为总云量、降水量和水汽压,都呈负相关。年气温日较差与降水量和水汽压相关性最大。     

黄陵乡镇24小时气温预报方法探讨

利用黄陵县1971—2014年逐年逐月最高、最低气温资料和腰坪乡、店头镇、隆坊镇、田庄乡2011—2014年自动站气温资料,将黄陵县各乡镇依据海拔高度、地貌和温度分布划分为五个气候区域,通过对比分析乡镇代表点与县站气温资料,发现各乡镇与县站的气温差值随地形、海拔、季节不同差异明显。气候差异订正法和变温订正法相比,气候差异订正法预报正确率较变温订正法预报准确率高。可供县气象站制作乡镇温度预报时参考。