汉中市T213数值预报产品气温解释预报

取 2 0 0 2— 2 0 0 3年逐日 T2 1 3气温预报资料和逐日实况最低、最高气温对比 ,分析出各个县 (区 )气温的相对误差 ,然后以汉中当日的最低和最高气温为基础 ,结合 T2 1 3因子 ,得出 T2 1 3气温变化率 ,订正后进行预报。 2 0 0 4年 7月利用逐日 T2 1 3数值气温预报产品 ,制作出汉中市各县区 2 4h气温分县预报。试运行结果表明 :这一方法不需要历史资料 ,并且可以较为精确的预报出各县区 2 4h气温     

汉中市T213数值预报产品气温解释预报

取2002—2003年逐日T213气温预报资料和逐日实况最低、最高气温对比,分析出各个县(区)气温的相对误差,然后以汉中当日的最低和最高气温为基础,结合T213因子,得出T213气温变化率,订正后进行预报。2004年7月利用逐日T213数值气温预报产品,制作出汉中市各县区24h气温分县预报。试运行结果表明:这一方法不需要历史资料,并且可以较为精确的预报出各县区24h气温。

     

环渤海地区4～10天风速预报中相似预报法的应用

依据逐步相似过滤法和最小相似离度原理,利用NCEP逐日再分析资料、T213数值预报产品和环渤海72站1958—2008年地面观测站风速资料,建立不同因子组合的相似过滤方案,制作环渤海72站4～10天每日4次、日最大风速预报。通过多个相似过滤方案预报准确率检验,确定“最佳”逐步相似过滤方案。经过2007—2008年预报检验表明：每日4次风速预报中,0~2级风速的预报效果最好,4～10天平均TS评分达到67%;日最大风速预报中,3~4级4～10天平均TS评分为54.1%,5级及以上的TS评分为17.1%。在风力不太强的情况下,该方法对于中期风速预报有一定的参考价值。     

三种全球预报产品中国区近地面气温短期预报效果检验

全球气象预报产品是扩散模式、空气质量模式的重要基础资料和前提条件,其误差直接影响模拟结果的准确度。为考察不同气象预报产品的误差,选取2016年6月至2017年5月GFS、ECMWF、T639三种全球气象预报产品,利用中国2100个地面观测站数据,对预报产品中近地面气温进行了对比,并分析了其在不同季节、不同区域的特征。结果表明：在中国区域三种气象产品气温预报存在偏低预报的趋势,其均方根误差的年平均值为2.60—3.52℃,相关系数的年平均值为0.89—0.92,平均绝对误差的年平均值为1.87—2.67℃。整体而言,EC表现最佳,其余依次为GFS、T639。气温预报误差存在季节变化特征,三种产品均方根误差与平均绝对误差均表现为夏秋季优于春冬季,相关系数表现为秋冬季优于春夏季。气温预报误差存在明显的地域差异,三种气象预报产品的气温误差空间分布特征较为相似,在中国华东地区误差值表现较低,在西南地区误差较高。同时,其误差水平在中国沿海地区表现较低,在地形复杂地区表现较高。     

卫星气象资料在地面观测中的应用

测报是预报的基础，测报的质量直接关系到天气预报是否准确。目前PC-VSAT小站均配备到了县级观测站，因此，各地观测站都能通过小站接受到气象卫星下发的丰富的气象信息，如高空、地面常规资料，FY-2C卫星云图，欧洲中心、日本数值中心的数值预报产品，T213数值预报产品等。如果观测员能有效利用这些资料，在每次观测前对影响本地区的天气系统进行跟踪了解，将会大大提高测报技术质量。     

ConvLSTM Based Temperature Forecast Modification Model for North China

The correction of model forecast is an important step in evaluating weather forecast results. In recent years,post-processing models based on deep learning have become prominent. In this paper, a deep learning model named ED-ConvLSTM based on encoder-decoder structure and ConvLSTM is developed, which appears to be able to effectively correct numerical weather forecasts. Compared with traditional post-processing methods and convolutional neural networks, ED-ConvLSTM has strong collaborative extra...     

多模式温度集成预报

基于中国国家气象中心T213模式、德国气象局业务模式和日本气象厅业务模式2 m高温度预报, 利用神经网络方法中的BP网络建立了我国600多个站的温度集成预报系统, 该预报系统的预报时效为72 h, 间隔为3 h。通过对2004年1—5月的预报结果检验, 表明:集成的温度预报结果明显优于3个模式单独的预报结果, 72 h内预报的平均绝对误差在3 ℃以内, 并且不存在明显的系统误差, 预报达到了一定的精度, 可以为预报员提供定时、定点精细的客观温度预报参考。分区的检验结果表明:不同区域预报误差存在差别, 新疆和西藏误差比较大, 而长江流域和华南地区误差很小, 并且不同区域系统误差的情况也不相同。从总体情况看, 预报误差还存在日变化, 一般来讲, 夜间的预报误差小于白天。     

日较差分级的北京地面逐时气温预报

统计了不同日较差等级与其相应等级内的逐时气温的气候平均值及逐时气温变量气候平均值,在此基础上客观自动地计算出北京区域的分片逐时气温预报值,由此次生出与气温变化有关的专业气象预报产品,应用于专业气象业务。     

应用三维冰雹云模式制作河北省11地市冰雹预报

应用中国科学院大气物理研究所发展的完全弹性三维冰雹云模式,使用河北省内三个探空站（张家口、北京、邢台）的探空资料,制作了河北省冰雹区域客观预报。在此基础上,应用MM5中尺度模式的预报资料制作河北省11地市的冰雹预报。预报结果表明,该方法对冰雹等强对流天气的预报具有一定的参考价值和指导作用。     

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。     

江苏省夏季最高温度定量预报方法

以江苏省徐州、南京、射阳3个探空站2002～2006年7～8月逐日观测资料为基础,选取了影响最高温度变化的因子,利用逐步回归方法建立了以徐州、南京、射阳3地为中心的区域预报模型,并对模型的回归效果和预报情况进行分析.剖析了其用于实际预报的合理性和可信度,同时与欧洲中期天气预报中心动力数值预报结果相结合,利用高斯权重插值方法将预报场的格点资料捕值到江苏各站点,通过PP法,完成了江苏省最高温度的定量预报.预报当天最高温度误差在1℃以下的概率为5O%左右,2℃以下概率在8O%左右,该方法可用于最高温度预报.     

长治市高温天气分析预报

对长治市1977～2004年6～8月大于等于35℃高温天气的地理分布特征、时间和强度等进行统计,给出了高温天气的气候背景。从500hPa环流着手,分析了造成高温天气的4种环流形势(两槽一脊型、纬向环流型、大陆暖高型、副高控制型)和风、云、降水等气象要素与高温天气的内在联系。通过850hPa高温预报指标站的选取及数值预报产品的统计分析,给出了高温天气的综合预报模型,在防灾减灾中起到了积极的气象保障作用。     

基于数值预报及上级指导产品的本地气温MOS预报方法

利用恩施基准站2008—2011年地面实测资料、数值预报产品、上级台站指导产品,采用M(数值模式预报)、E(天气学经验)、D(诊断分析)相结合的方法(简称MED),从气温变化的影响因素如大气稳定度、温度平流、水汽条件等设计具有物理意义的预报因子。或根据需要进行因子的组合叠加利用,并将指导产品直接作为预报因子。利用常规统计预报方法(逐步回归),将高、低温实况作为预报对象来建立地方气温预报模式。结果表明:将天空状况进行分型后建立地方气温MOS预报模型,并对应高低温一般出现时间段来选取数值预报产品因子进行预报,对本地气温预报质量的提高有积极的意义;模型建立过程中,综合采用了MED相结合的方法,并应用了数值预报再加工因子,考虑了天气系统变化对气温的影响,增强了数值预报的解释应用能力;参考客观数值模式产品、上级业务部门指导产品相结合的综合MOS预报方法,建立地方气温MOS预报是提高本地天气预报准确率的有效尝试。检验结果也表明,本地气温MOS预报效果较好,明显高于指导预报,已较好应用于实际业务中。     

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。     

三峡区间面雨量预报方法及其试验效果

介绍了用于制作三峡区间面雨量预报的各种预报方法,分析了天气学方法、数值预报方法及以数值预报产品为基础的人工神经网络方法在１９９９年汛期的试验效果,结果表明：人工神经网络方法及ＭＡＰＳ数值预报方法预报效果较好。并提出了对几种面雨量预报方法的改进措施。