空间差值检验方法在地面气象资料质量控制中的应用

将差值稳定性原理引入气象资料质量控制中,形成了一种新的资料空间一致性检验方法——空间差值检验法,并利用2007年代表我国7个行政区的7个基本观测站的逐日平均气压、最高气压、最低气压、平均气温、最高气温、最低气温、平均水汽压、平均地表温度、最高地表温度和最低地表温度共10个要素的观测资料,检验该方法在气象资料质量检验中的适用性。结果表明空间差值检验方法能有效的检验出可疑数据,并且可以给出具有明确统计意义的误判率。通过对添加的随机人为误差的检验,可以证明该方法相对于目前广泛使用的空间回归法具有更好的检验效果,但是与一般空间检验方法相同,该方法的检验效果与观测站间待检要素的相关程度有关。     

随机森林方法在机场温度预测中的应用

利用2015—2017年欧洲中心细网格数值预报产品,使用随机森林方法,结合不同数量的决策树进行模型训练,研究建立基于随机森林方法的乌鲁木齐机场逐时温度回归预报模型.通过对模型预测结果的检验可以看到,模型预测乌鲁木齐机场温度平均绝对误差≤2℃的占样本总数的94％,机场温度?10～30℃,平均绝对误差为1.2℃,该方法预测...     

综合一致性质量控制方法及其在气温中的应用

由于历史逐日气温资料在气候分析、气候变化研究中的基础性作用,其数据质量状况日益受到关注。利用邻近参考站日平均气温、最高气温和最低气温资料及线性回归模型,设计了基于线性回归数据估计方法的质量检查算法,该算法同时包含了时间一致性和空间一致性两种检查方法。通过数据植入误差检测以及与单一空间回归检查方法的比较,该算法的错误数据检测性能较高,可检测出与正确日气温数据相差3℃左右的可疑值。在该算法的基础上,研制了综合一致性数据质量控制方法,该方法具有以下特点:第一类错误发生率较低;保持了时间、内部和空间一致性的逻辑关系;参考了天气因素。因此,与一般的数据质量控制方法相比,综合一致性数据质量控制方法具有较高的错误数据检测性能。经过在华中区域湖北、湖南和河南三省251个站1961—2009年逐日气温资料的应用,取得了较好效果。各要素奇异值检出率平均气温为0.001%,最高气温为0.05%,最低气温为0.04%。     

乌鲁木齐市气象塔梯度观测资料质量控制与处理

本文介绍了乌鲁木齐市建成区内5座100 m气象塔地理位置,根据逻辑极值检查、僵值检查、时间一致性检查、空间一致性检查和人工干预检查等组成的一套针对气象塔观测资料的质量控制方法和四点滑动平均插值、要素垂直分布拟合和线性回归方法组成的数据插值方法,对乌鲁木齐市从南至北5座100 m气象塔2012年4月1日至2014年4月30日的资料进行质量控制和数据插值。结果表明:该套方案能很好地找出缺测、错误和可疑的数据,结合人工干预,使得检验结果更为可靠。5座气象塔资料的质量是比较好的,正常数据占总数据的97.17%,其中红光山数据质量最好(正常数据占总数据的99.01%)。非正常数据只是少数情况(占总数据的2.83%),包括缺测和错误数据,其中缺测数据占非正常数据的6.23%(出现在米东和燕南立交),错误数据占非正常数据的93.77%。虚假数据占错误数据的89.99%(大部分为风速、风向),僵值数据占错误数据的5.47%(大部分为气温和湿度).超出逻辑极值数据占错误数据的0.41%(只出现在水塔山气温),不符合一致性数据占错误数据的4.13%(主要为湿度,主要在燕南立交)。利用四点中央插值法、每座气象塔要素垂直分布拟合和不同气象塔之间线性回归方法插值气温和相对湿度的效果较好。     

自动气象站实时资料自动质量控制方法及其应用

利用气候极值范围检查、内部一致性检查、时间一致性检查、空间一致性检查,对自动气象站的实时资料进行了自动质量控制。为了降低气象要素误检率,还研制了单站大幅降温事件检测方法。应用上述质量控制方法,对湖北省2005年7月—2006年9月共15个月近80个自动气象站数据进行了质量控制,错误检出率为0.48‰。经自动质量控制后,特别是采用基于空间插值方法的空间一致性检查后,实时气象数据质量有较大程度提高。最后分析了错误随时间、项目及台站的分布情况。试验表明,湖北省81站1个时次数据可以在2分钟内完成质量控制,能保证实时业务运行时效。     

基于温湿关系的小时相对湿度数据质量控制方案研究

针对湿度质量控制中的主要问题,利用3种温湿关系,设计了温湿跳变一致性检查、湿度传感器僵死现象检查、温湿空间质量控制参数一致性检查3种检测方法,对全国2 428站相对湿度资料的质量检测。结果表明:在检测的42个月内,平均每站每年未通过跳变一致性检查为1.2次,且大都集中出现在少部分台站;出现湿度传感器僵死现象共22站次,僵死过程平均持续时间为17 d,最长超过了65 d;温湿空间质量控制参数一致性检查方法,降低了相对湿度空间一致性检查方法的误检率。     

空间回归检验方法在气象资料质量检验中的应用

该文详细介绍了空间回归检验方法, 并使用2003年我国671站的逐日平均气温、最高气温、最低气温、平均水汽压、平均风速、平均0 cm地温、降水量资料, 检验该方法在气象资料质量检验中的适用性。按区号将全国划分为10个区, 利用该方法分别对各区7个要素进行了检验试验。结果表明:空间回归检验方法能够有效检验出可疑数据, 适用于对单一要素的检验; 对降水、风速等空间变化比较大的要素, 该方法有比较好的检验效果; 应用该方法计算时, 在不同地区、不同要素之间存在差异; 当固定出错比率时, 各区应该选择不同的f值。与一般空间检验方法相同, 该方法也与地理环境、周边台站分布有关, 并受台站密度的影响。     

自动站温度、雨量数据的质量控制方法和应用研究

针对南宁市自动站布设的特点,结合多年来在自动站温度、雨量监测和数据传输所遇到的问题,分析了影响自动站数据质量的原因;在总结以往自动站数据质量控制方面的成功经验和借鉴近年的研究成果的基础上,提出了利用统计检验、极值检验,时间一致性、空间一致性和内部一致性检验等对南宁市自动站温度、雨量数据的质量进行控制方法,为防灾减灾天气预报和气象服务提供及时、准确的自动站资料.     

利用北极地区定时风观测资料推算年最大风速的重现期

北极地区风观测资料较少,工程气象参数的分析主要依靠国际交换站资料。但是,国际交换站资料为定时资料,并且存在较多质量问题。因此,在利用国际交换站资料时,需先对其进行质量控制,并且要考虑定时资料的转换。由于缺少其他参考资料,国际交换站资料的质量控制主要根据北极地区天气气候特征,通过时间一致性、空间一致性和要素间一致性检验进行。由于重现期风速需用年最大风速(通常是10 min平均风速)计算,鉴于定时资料中可能没有出现年最大风速,而目前又没有较好的定时资料向逐时资料转换的方法,因此,主要通过从定时资料统计得到的年最大值计算的重现期风速进行订正得到重现期风速。订正的方法是根据我国部分风速较大地区的观测结果,引入风速方差,建立定时资料与年最大风速资料计算的重现期风速之间的关系,然后利用此关系订正北极喀拉海和拉普捷夫海沿岸定时资料计算的重现期风速,得到了50年和100年一遇的风速。     

基于空间回归的B样条拟合在地面气温资料质量控制中的应用

将B样条拟合算法引入到地面气温资料的质量控制当中,在分析地面气温资料空间相关性的基础上,提出一种基于空间回归的B样条拟合地面气温资料质量控制方法(SRT_BSF方法)。为了检验SRT_BSF方法的有效性及适应性,利用SRT_BSF方法对多个场景地面气温资料进行质量控制,并与反距离加权方法(IDW方法)和空间回归方法(SRT方法)进行比较分析。试验结果表明,SRT_BSF方法相对于IDW方法和SRT方法更能有效地标记出地面气温资料中的存疑数据,同时多组独立案例的分析结果说明SRT_BSF方法具有更好的稳定性和适用性。      

基于气象因子及机器学习回归算法的夏季空调负荷预测

气温、气压、相对湿度等气象因子对夏季用电负荷的影响非常显著。为了定量研究气象因子导致用电负荷的变化,本文将夏季用电负荷与当年4月及9月用电平均值之差定义为夏季空调负荷,并利用2014年1月到2016年12月南京市逐时气温、气压、相对湿度、水汽压、降雨量、风速、露点温度等气象资料,以及逐日逐时用电负荷数据资料,采用多元线性、K近邻法,决策树,bagging回归、随机森林等5种机器学习回归算法进行建模,并对其分别进行参数调优工作,进而得到空调负荷预测结果。结果表明:多元线性回归方法是5种回归算法里效果最差的一种,但通过增加特征量的种类和样本数,可以提高预测精度;随机森林回归算法是5种回归算法里效果最好的一种,较多元线性回归算法减小误差达44%,并且较好描述了空调负荷高值区的极端情况并减少了对于训练数据的过拟合现象。     

基于空间一致性的双套站数据选取方法探索

国家级台站自动气象站双套运行后,将双套站产生的多套数据处理为一套数据的算法成为双套站投入业务运行前必须解决的重要问题。文章从数据"热备份"角度提出了基于空间一致性的主备法,在此基础上进一步从统计学基本原理以及保证数据连续角度提出了基于空间一致性的差值订正合成法两种数据处理算法。利用安徽省休宁站逐小时气温资料对两种算法结果的完整性和差异性进行了评估,评估使用的方法包括缺测率、差值均值、差值标准差、差值的一致率、超差率和粗差率等。评估结果表明:算法均能很好地保证数据的完整性;算法结果均与"真值"较为接近,基本能够反映大气真实情况,基于差值订正的"合成法"结果更优。最后利用新疆库车、安徽安庆等5个台站资料对算法涉及到的空间一致性方法进行了评估,结果表明该方法总体效果较好,尤其在相对湿度、气压和气温上具有很好的判别效果,而风速可能受局地地形或参考站选取影响效果略差。     

风廓线雷达数据质量影响因子及处理算法

风廓线雷达系统误差和探测数据时空代表性影响风的数据质量。针对五波束探测风廓线雷达,提出雷达系统误差检测方法并分析风的空间不均匀分布和时间代表性对风数据质量的影响。在此基础上,通过比较4组三波束计算的两组水平风u,v分量离差进行风的空间均匀性判别,并比较了一致性平均和数学平均两种时间代表性处理算法间的测风精度差异。利用广东风廓线雷达站网2014年3—5月10部雷达数据进行方法应用和评估。结果表明:稳定大气条件下,3种型号雷达 (LC,PB,PA) 的有效数据高度分别达到3,6 km和10 km的雷达系统功能设计需求。经空间均匀性检验与时间一致性平均处理的风数据在降水期间质量优于业务雷达数据,3—5月10部雷达获取的两组u,v分量离差标准差约为1 m·s-1,表明经过空间一致性检验和时间一致性平均处理后的数据质量较好。     

基于机器学习的复杂地形下短期数值天气预报误差分析与订正

初步研发了一套基于机器学习方法XGBoost且考虑地形特征影响的数值预报多模式集成技术,并与传统的等权重平均和线性回归方法的集成效果进行了对比分析。利用北京地区快速更新循环数值预报系统每天8次循环预报给出的近地面2 m温度、2 m相对湿度、10 m风速、10 m风向数据产品,分别基于机器学习方法XGBoost、等权重平均方法、线性回归方法构建了3种体现地形因子影响的多模式预报时间滞后集成模型。试验对比分析了暖季、冷季每日不同时刻的模式预报集成订正效果。结果表明:分季节试验中,基于XGBoost模型对2 m温度、10 m风速的集成预报结果相对原始最优预报结果误差明显优于其他两种传统方法。XGBoost对2 m温度集成的误差可降低11.02%—18.09%,10 m风速集成误差可降低31.23%—33.22%,10 m风向集成误差可降低4.1%—8.23%。2 m相对湿度的集成预报误差与传统方法接近。基于XGBoost的多模式集成预报模型可以充分“挖掘”不同模式或不同时刻快速更新循环预报优点,有效降低模式的系统性误差,提供准确性更高的多模式集成确定性预报产品。      

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%。     

基于机器学习的数值天气预报风速订正研究

对风速进行准确预测是精细化天气预报服务(如风能发电、冬季奥运会赛场条件保障等)的重要环节。本文基于三种机器学习算法(LASSO回归、随机森林和深度学习),对数值天气预报模式ECMWF预测的华北地区近地面10 m风速进行订正。首先利用LASSO回归算法提取对10 m风速有重要影响的气象要素特征集,将其作为三种机器学习算法的输入,建立相应模型对ECMWF预测的风速进行订正。用提取后的气象要素特征集建模有助于减少计算量和存储开销,并减小模型的复杂性,从而提高模型的泛化能力。将订正结果与传统订正方法模式输出统计(model output statistics,MOS)得到的订正结果进行对比。结果表明,三种机器学习算法的订正效果均好于MOS方法,显示了机器学习方法在改善局地精准气象预报方面的潜力。     

随机森林回归法在冬季路面温度预报中的应用

基于宁宿徐高速公路三个交通气象站2015—2018年冬季逐10 min实时观测资料,使用随机森林回归模型预报这三个站的未来1h冬季路面温度,分析了该模型在冬季路面温度预报中的可行性和适用性.研究结果表明:随机森林回归法可以被用来预报高速公路冬季路面温度,不同类型的交通气象站点的特征输入方案和参数调试标准存在差异;与简单...     

基于FY-4A卫星和随机森林算法的西藏山南市雷电短临预报方法

针对青藏高原地区雷电短临预报缺乏雷达资料的问题,采用FY-4A卫星多通道数据、欧洲中心第5代再分析资料(ERA5)中的对流指数、闪电定位仪资料等多源监测数据,根据雷电的发生、发展机理,提出了18个关键预报因子,利用随机森林算法建立了适用于西藏山南地区的雷电短临预报模型。统计分析各预报因子在有无雷电天气样本中的概率密度分布与随机森林模型得到的特征重要度指标,结果表明提出的预报因子物理意义明确,建立的模型可信度较高。利用随机森林算法分别对未来10 min、20 min、30 min建立雷电预报模型,并与光流外推预报方法进行对比检验,结果表明：随机森林模型预报效果命中率(POD)、临界成功指数(CSI)均高于光流法,空报率(FAR)也相对较低;未来20 min的随机森林预报模型CSI评分最高,整体预报效果最佳。     

AI方法在地面气温观测资料质量控制中的应用

提出一种基于自回归与反距离加权的空间质量控制方法——AI方法,该方法能够在时间维度和空间维度对气象资料进行质量控制。选择不同地区4个地面气象观测站(南京58238站,连云港58044站,无锡58353站,徐州58027站)2007年逐时气温观测数据作为被控对象,检验该方法在气温资料质量控制中的适用性。通过对添加的随机人为误差的检验发现,该方法能够有效地标记出存疑数据,相对于反距离加权和空间回归,该方法具有更好的检验效果,稳定性高、适应性强,适用于平原或丘陵地带。     

城市下垫面对北京冬季气象要素影响的模拟研究北大核心CSCD

首先总结和分析了气象站观测的2012年1月北京地区主要天气过程和月平均物理量分布特征,然后利用中尺度天气预报模式WRF(Weather Research and Forecasting Model),通过个例模拟平均和平均场模拟两种方法分别模拟了1月北京新、旧城市土地利用状况下月平均2 m温度、2 m比湿和10 m风速;将模拟结果与观测结果验证之后,对比分析了两种模拟方法反映城市发展对冬季月平均气象要素的影响特征。结果表明,两种模拟方法均具有较好的模拟效果,对城区月平均2 m温度、比湿的模拟命中率在70%以上,10 m风速超过60%,且二者对研究区月平均物理量的模拟在空间分布特征和日变化规律是一致的,平均场对2 m气温的模拟效果好于对湿度和风速的模拟;城市下垫面发展对北京地区冬季月平均气象条件影响显著,两种方法在模拟城市发展对月平均气象条件影响方面有较好的一致性,个例模拟平均方法能得到极端影响状况,平均场模拟方法局限性在于无法得到极端影响状况和降水模拟。