平顶山地区日最高气温预报

以ECMWF资料为因子,用PP法、MOS法、卡尔曼滤波法作平顶山地区日最高气温预报,并在微机上实现从格式转化、关键区选取、因子计算到结果输出的完全自动化.     

利用日最高气温和日最低气压预报5月大风

对1981－1995年的大风资料进行统计分析，得出用日最高气温和日最低气压预报于田县5月大风天气的指标。     

郑州市5～8月逐日最高气温预报

利用郑州市 1 996～ 1 998年 5～ 8月的历史气象资料 ,选取低云日际变化量、降水日际变化和风向日际变化为预报因子 ,建立了 5～ 8月最高气温日变化量多元回归预报方程。根据预报日前 1天实况和预报日的预报量 ,利用方程可求出最高气温日变化量     

基于集合预报系统的日最高和最低气温预报

根据欧洲中心集合预报系统2 m气温预报的集合统计值,提出了BP-SM方法,针对中国512个台站2016年3月的日最高（低）气温做预报分析。将集合预报系统的模式直接输出、BP和BP-SM方法得到的日最高（低）气温进行了比较,结果表明:预报时效越长,BP-SM方法较之BP方法的预报优势也更明显;在1至5 d的预报中,BP-SM方法显著降低了预报绝对误差,误差在2℃以内的准确率大部分在60%以上,部分站点达到90%;正技巧评分均值大多高于30%,在青藏高原东部和南部地区超过了60%。预报正技巧站点次数在绝对误差≤2℃（1℃）范围内有所提高,对日最高气温预报准确率的提高略好于日最低气温;BP-SM方法有效地降低了预报系统偏差,较大预报误差出现次数显著减少。      

平顶山地区寒潮短期预报方法

通过对１９６６￣１９９０年２５年的３５次寒潮天气过程的分析,归纳出影响平顶山地区寒潮天气过程的环流特征,并在分型的基础上,寻找各类预报指标,建立预报方程。     

ECMWF模式的延伸期日最高气温预报偏差估计及订正分析

使用欧洲中期天气预报中心（ECMWF）的20年集合预报回算数据,检验分析了延伸期第16天至第30天预报时效其对我国日最高气温的预报性能。结果表明,西部地区预报误差明显大于中东部地区。全国平均而言,模式预报较实况偏低1.1℃~1.39℃,均方根误差为4.6℃~4.9℃。进一步分析指出,第16天均方根误差最小、且随着时效的延长其略有增大。夏季模式预报效果最好,春季和秋季的部分时段预报效果较差。基于历史偏差订方法,本文还对2018年6月至2019年6月的日最高气温预报进行了误差订正试验。结果显示,订正后的预报准确率提升了15.2%~19.2%。聚焦2018年7月的一次中东部地区大范围高温过程,模式原始预报明显低估了高温强度,订正预报更接近实况,显示其具有一定的订正效果。     

克拉玛依夏季日最高气温与08时 850hPa温度的关系

根据克拉玛依40年气温观测资料,分析克拉玛依夏季日最高气温与08时850hPa温度的关系,寻找预报夏季日最高气温关键因子.     

青海省最高最低气温预报方法研究

针对青海省42个预报站点，利用信息化资料统计的结果，根据预报员的预报思路，由常规资料给出各站最高最低气温的初始预报值，再结合数值预报产品和实时常规资料对初值进行客观订正，最后得到最高最低气温的预报值，依此来建立一种青海省最高最低气温客观预报方法。     

陕西省春季日最高气温延伸期预报因子初探

利用2001—2010年陕西省89站日最高气温资料和NCEP/NCAR逐日850 h Pa再分析温度、风场资料,通过统计分析发现陕西全省日最高温度变化具有很好的一致性,且在春季存在明显的6~28 d的波动。当6~28 d波动处于正位相时,850 h Pa上陕西地区受偏南气流控制,且温度偏高,而波动处于负位相时,850 h Pa上陕西地区为一高压反气旋控制,且温度明显降低。根据两者的对比,找到影响陕西地面日最高气温6~28 d变化的影响区。通过单点相关的方法,在6~28 d滤波的850 h Pa温度场上找到与影响区温度超前15 d左右相关性好的关键区:65°~70°N,40°~45°E。进一步研究表明,6~28 d低频温度有明显的从关键区向影响区传播的趋势,并且与15 d后陕西地区日最高温度6~28 d变化相符合,对陕西地区春季未来15 d最高温度预报有一定的指示作用。     

上海地区春季最高气温预报失败案例分析

本文分析了2015年3月17—18日上海地区连续两天发生最高气温预报失误的天气背景,并使用当日实况观测和业务预报使用的数值模式资料,剖析预报失败的原因,分析表明:对天空状况的误判是导致17日预报失败的主要原因,且东南风预报偏强更进一步增大了预报误差;冷空气影响时间的判断失误是导致18日预报失败的主要原因。从模式预报的实时检验、预报的跳跃性和不确定性角度分析了预报中存在的问题:预报员应重视本地和上游实况,从传统对单一确定性模式预报的依赖向多模式多起报时次及能提供概率预报和不确定性信息的业务集合预报的分析思路转型。此外,还需加强对集合预报的系统性检验、评估及数值预报释用产品的开发,增加包含不确定性信息的公众天气预报发布形式。     

周口分县短期天气预报系统

利用ECMMF格点预报产品和14年历史实况资料，在预报后日前后10天左右找相似，采用VC＋＋4．0和VB5．0编程，制作周口分县24h天气预报。经试验，预报准确率为68．6％。     

运城市终霜冻预报方法

对运城市终霜冻资料时间序列进行了周期分析，再利用基于预测误差平方和(PRESS)准则的逐步回归周期分析方法建立运城市终霜冻预报模型，预测终霜冻出现的日期，经检验和试报表明，该模型预测效果较好，具有实用价值。     

转移概率预报方法在霜冻预报中的应用

本文在简介转移概率预报方法及最大概率预报原理的基础上,分析了吕梁市1957年～2000年霜冻初、终日期各随机时间序列状态之间的转换规律,结合各序列的初始分布,建立预报模型,并对1995年～2004年的初、终霜日期进行了预报效果检验。结果表明,该方法预报效果好,使用性强,具有良好的应用前景。     

最优子集神经网络在武威气温客观预报中的应用

选取2003年3月1日至2008年12月31日20时的逐日ECMWF(欧洲中期天气预报中心)数值预报产品实况格点资料,使用差分法、天气诊断、因子组合等方法,构造出能反映本地天气动力学特征的预报因子库,采用PRESS(预测平方和)准则初选因子,逐步回归复选因子,最优子集回归精选因子,建立分月、分站点逐日最高、最低温度BP神经网络预报模型。模型业务试用结果表明:该BP神经网络预报模型具有较强的非线性处理能力,能较好地反映日极端温度的变化,0～120 h内的最高、最低温度平均预报准确率达较高水平,且对明显的升降温过程反应灵敏,升降温趋势和幅度预报较为准确,为0～120 h的城镇精细化温度预报提供了重要的技术支撑,同时也为ECMWF数值预报产品在温度的释用提供了一种好的思路和方法。     

北京市城六区2018年空气质量数值预报效果评估

为更好地改进提高模式预报性能,评估了新一代WRF-CMAQ（Weather Research and Forecasting model-Community Multi-scale Air Quality model）模式系统的不同网格分辨率预报产品对2018年北京市城六区空气质量预报结果的影响。分析表明:（1）基于首要污染物为PM2.5的预报数据集,模式系统1 km网格分辨率（BJ01）和3 km网格分辨率（BJ03）等级准确率优于官方预报结果,模式系统BJ01和BJ03区域4天内预报等级准确率均达到50%以上,24 h内准确率达60%以上,官方预报24 h内等级准确率为59%。本文引入预报综合评分法,基于IAQI（Individual Air Quality Index）和等级级别正确性双因素的预报综合评分结果显示,模式系统BJ03得分75.0分最高,BJ01次之,优于官方预报结果,模式9 km网格分辨率（BJ09）得分69.1分最低。（2）基于模式系统2018年长时间序列预报结果分析表明:模式系统预报的PM2.5浓度与实测的变化趋势较为一致,其中模式系统BJ03结果与实测PM2.5浓度相关系数达0.76,覆盖区域较大的BJ03和BJ09对PM2.5浓度峰值模拟较好。中重度污染过程的PM2.5浓度峰值模式预测误差表明,不同分辨率模式预报峰值误差的变化趋势基本一致,覆盖区域更大的粗分辨率模式预报结果高于覆盖区域小的细分辨率模式预报结果。与预报综合评分结果一致,统计分析结果也表明BJ03区域预报效果最好,平均偏差为0.83 μg/m3;而BJ01区域预报整体偏低,BJ09区域预报整体偏高。（3）基于不同网格分辨率预报效果的空间差异性分析表明:同一站点在不同分辨率上表现不一致,BJ01区域中农展馆站表现最好,BJ03区域中万柳站表现最好,BJ09区域中东四站表现最好。     

玉溪空气负氧离子预测模型的建立

利用玉溪市九县区14台空气负氧离子自动测报系统实时观测数据和同步气象要素观测资料,使用相关分析、回归分析等方法,分析了影响空气中负氧离子浓度的主要气象因子,以及影响因子与空气负氧离子浓度的关系,并建立预测模型。结果表明,玉溪市空气负氧离子浓度年变化、季节变化与各气象因子之间无显著的相关关系。影响玉溪空气负氧离子浓度日变化的主要气象因子为空气相对湿度和空气温度。当空气温度20.4℃时,空气负氧离子浓度日变化与空气温度呈负相关关系。当空气湿度45.6%时,空气负氧离子浓度与空气湿度呈正相关关系。通过建立负氧离子浓度预测模型,实现了负氧离子预报的定量化。经检验,预报方程效果显著,在预报业务中具有参考价值。     

湖北省乡镇温度预报方法初探

为了提高精细站点温度预报水平,本文在中尺度模式精细化温度预报的基础上,结合MOS分县客观预报结果,采用带海拔高度的距离权重温度插值方法,经过灰色预测模型修正温度预报误差,对湖北省717个四要素自动观测站的72小时内日高低温度进行了精细化预报,并且利用乡镇自动站温度观测进行了检验。结果显示：对于没有历史观测资料的站点,采用此预报方法,预报效果明显高于模式预报结果,基本接近客观预报方法,可以进行业务应用。对湖北的四要素自动观测站温度检验的结果还表明：鄂西北的预报误差最大,江汉平原的预报效果最好;从分月预报情况来看,高低温度都是夏季和初秋预报效果最好,低温预报冬春季预报效果最差,湖北各个区域趋势基本都一致,而高温的预报却没有一致的趋势。     

基于T213的6～8月湖北省暴雨落区(点)预报模型和指标研究

暴雨的落区、落点预报仍是当今天气预报中的难题。为了逐步提高暴雨落区落点预报的准确率,利用T213数值预报产品,对2003～2005年6～8月湖北省暴雨天气过程进行综合诊断分析,着重分析了对产生暴雨贡献较大的数值预报物理量场和量值。结果表明,500、700、850 hPa假相当位温之和[Σθse(5 7 8)]的水平分布场在某一地区表现出有能量锋区存在,同时满足其它预报模型和指标,12 h后满足条件的地区有暴雨发生;当某个站点在暴雨发生前,500、700、850 hPa温度露点差之和[Σ(T-Td)]≤10°C时,同时满足其它预报指标时,12 h后该站点有暴雨发生。最后,根据同期暴雨个例的多要素综合诊断分析,归纳出数值预报场模型和预报值指标。     

贵州省降雨型滑坡预报模型及检验

本文利用贵州省2010—2017年630次降雨型滑坡资料以及国家气象台站和区域自动气象站逐小时降水资料,分析了贵州省降雨型滑坡的时空分布特征。基于5个不同时效降水指标与滑坡累积发生概率的拟合曲线公式,得到不同概率对应的5个降水指标的降水阈值,建立贵州省降雨型滑坡预报模型,并利用2018年新增滑坡样本对预报模型进行检验。结果表明：贵州省降雨型滑坡高发期主要集中在5—7月,其中6月滑坡发生概率最高,约48.6 %;7月次之,约34.9 %。当R1h、R3h、R6h、R24h、R3d分别大于等于26.9 mm、48.9 mm、62.9 mm、79.5 mm、92.0 mm时,发布滑坡预报预警。在降雨型滑坡预报模型中,随着5个不同时效指标的降水量增大,降雨型滑坡累积发生概率变化呈现前后增加缓慢,中间快速增加的变化特征。模型检验结果表明贵州省降雨型滑坡预报模型有一定的准确性,且5个降水指标均具有一定的实用性,其中利用R3d开展降雨型滑坡预报准确率最好。