陕西智能网格气象预报系统(秦智)在佛坪的检验

通过对陕西智能网格气象预报系统(秦智)(下简称秦智系统)的温度、晴雨和暴雨预报准确率检验,发现秦智系统在佛坪地区的日最低气温预报准确率高于日最高气温预报准确率,误差≤2℃的平均准确率日最高气温为51.6%、日最低气温为79.8%,平均绝对误差日最高气温2.4℃、日最低气温1.3℃,说明秦智系统对佛坪地区的气温预报有具有较好的指导作用;日最高气温预报准确率最低的月份是5月、6月和9月、日最低气温预报准确率最低的是1月和4月;晴雨预报准确率最高的月份是10月,最低的是4月;秦智系统在佛坪的暴雨预报24 h TS评分为40%,命中率为50%,且预报时效越长TS评分和命中率越低,空报率和漏报率越高。气温预报准确率和晴雨预报准确率最低的三个站均在北部山区海拔1 000 m以上,说明地形因素对数值预报的准确性有一定影响。     

四川省暴雨预报专家系统试报获初步成效

四川省气象台自1985年5月1日起,进行暴雨预报专家系统试报。在每日08和20时,使用新研制的暴雨预报专家系统,预报未来12—48小时内,四川盆地暴雨的有无。至6月10日20时,共制作了73次预报,统计结果见下表:     

黔南地区ECMWF_thin温度预报误差分析

利用2019年6月27日至2020年7月3日逐日ECMWF_thin(下称EC细网格)的未来7 d 2 m温度预报数据及相应时段实况资料,采用平均绝对误差、平均误差以及准确率对EC细网格最高气温（下称高温）预报和最低气温（下称低温）预报的误差进行分析。结果表明：EC细网格低温预报的平均绝对误差明显小于高温预报,且高温预报绝对误差分布的差异性比低温预报更明显,低温预报的准确率明显高于高温预报。低温预报准确率各月差距较小,高温预报准确率各月差距较为明显。黔南北部、西部、中部地区高温预报和低温预报的平均误差均较小,其余地区平均误差较大。高温预报准确率随总云量的增加而上升,低温预报准确率随总云量的增加下降。当海平面气压在1 012～1 032 hPa时,高温预报的平均误差基本在±2 ℃以内;当海平面气压超出此范围时平均误差明显增大。低温预报的平均误差与海平面气压的变化关系不大,基本稳定在±2 ℃以内。     

三种气温预报产品黑龙江省预报效果检验

利用T639模式预报产品和黑龙江省83个国家气象站气温实况观测资料,采用最优预报因子方法选取预报因子,应用多元回归方法建立逐站日最高气温和日最低气温的MOS预报方程; 对MOS、中央气象台指导预报（SCMOC）和T639三种气温预报产品的日最高气温和日最低气温预报效果进行对比检验分析,并用EOF方法检验预报与实况的时空变化特征一致性。结果表明: 与实况的时空变化一致性方面,MOS和SCMOC较好,T639略差; 预报效果方面,MOS和SCMOC对日最高气温和日最低气温的2 ℃预报准确率普遍高于T639,MOS的预报准确率在日最高气温方面高于SCMOC,在日最低气温方面低于SCMOC; MOS对T639气温预报产品改善效果明显,尤其对冬季日最低气温的预报改善效果十分显著; MOS较T639气温预报改善效果与T639模式预报效果呈负相关关系,主要表现为,MOS预报改善效果在T639预报准确率低的山区明显优于平原,在春、夏季,预报准确率较低的日最高气温明显优于日最低气温,在冬季,预报准确率较低的日最低气温优于日最高气温; MOS气温预报方法的预报性能较理想,SCMOC对黑龙江省预报难度较大的日最低气温预报效果较好。     

基于天气分型的夏季逐时用电负荷预报

用2004年和2005年6—8月用电负荷资料和气象资料,分月建立了日平均气象负荷预报方程。讨论了用气象负荷的日变化量来代替总用电负荷的日变化量进而预报逐日总负荷的可行性。分5种天气类型统计了各天气类型下逐时负荷与日平均负荷的比率,日平均用电负荷预报值与该天气类型的逐时比率相乘得到逐时用电负荷的预报值。经2006年试用,日平均用电负荷预报的平均相对误差为2.0%,逐时用电负荷预报的平均相对误差为2.9%,对日平均用电负荷起伏较大的变化过程做出了准确预报。     

一种2 m温度误差订正方法在复杂地形区数值预报中的应用

利用模式三维预报变量,结合地面要素预报产品,采用2 m温度三维插值方法进行地形订正,以确保预报与观测三维空间上的一致性,在地形订正基础上,利用历史月均预报误差作为参考误差,剔除模式系统性误差,获取具备日变化特征的预报产品。基于陕西地区复杂地形条件下的典型观测站点,利用2016年8月28日48 h预报个例进行对比分析发现,三维插值方法有效改善了地形差异引起的评估误导问题,但无法改进模式预报的日变化趋势,进一步采用系统性误差订正后,日变化特征明显改善,特别是前24 h预报效果体现出与实况良好的一致性及更佳的预报技巧。通过2016年夏季统计评估表明,误差订正后的2 m温度预报产品有效改善了周期性误差振荡,均方根误差稳定在2 K左右,显示出明显的改进优势。     

暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究

利用2015年6月1日至8月31日ECMWF集合预报系统（EPS）51个成员的降水预报结果,基于安徽省大别山区12个代表站点1~3 d的逐12 h降水观测资料,采用TS评分、箱须图、泰勒图等方法,研究ECMWF集合预报降水结果在安徽省大别山区降水分级预报中的应用效果。主要结论如下：ECMWF集合降水预报中,08时起报的24 h降水量和20时起报的48 h降水量可参考性较大;降水分级检验中,晴雨预报正确率在70%以上,小雨和中雨的空报率较高,对大雨以上量级的预报能力相对较差;大型降水过程中,暴雨以上量级的预报需关注不同预报时效下降水量预报的变化趋势,个别成员对极端降水的表现也值得关注。

     

关于增加过程降水预报及评定的建议

1 24小时预报的不足 我们在预报业务中发现,天气系统侵入测站的时间较难把握,受地形影响推迟3～6小时是常事,一次暴雨天气过程开始于预报日20时前,延续至预报日次日的情况较为多见。明明是下了一场暴雨,分断统计的结果,两天都够不成重大降水,直接影响评分质量。2 过程降水有利于预报经验的积累 预报业务规定,凡是重大天气出现后,均要进行个例档案分析,目的是今后作预报时相似寻找历史资料,提高预报质量。由于分断统计的结果,尽管暴雨的出现已经给工     

短时临近预报系统（SWAN1.0）应用探讨

短时临近预报系统（SWANl．0）对短时临近预报有一定的预报指导意义,为了更好地应用新预报业务平台和新资料,本文对2011年汛期6月7日、6月30日-7月1日、7月8日、7月16日、7月21日、7月31日、8月14日和8月31日8次吉林省中部降雨过程中SWAN的定量降水预报（QPF）和反射率因子预报两类产品进行了检验分析。结果表明：定量降水预报（QPF）和实况降水比较的总体量明显偏小65％左右,落区预报上具有一定预报意义,但是落区偏差较大,SWAN降水预报可用程度不足,降水落区和降水量级预报仅仅起到参考作用。反射率因子预报短时效内的预报产品预报时效在30分钟以内可信度较高,其中6—12分钟更为可靠,但是对45dBz以上雷达回波预报较差,SWAN对云团大体情况在30分钟以内预报较好,但是对云团中强风暴预报能力不足。     

ECMWF集合预报在安徽大别山区降水预报中的检验

利用2015年6月1日至8月31日ECMWF集合预报系统(EPS)51个成员的降水预报结果,基于安徽省大别山区12个代表站点1～3 d的逐12 h降水观测资料,采用TS评分、箱须图、泰勒图等方法,研究ECMWF集合预报降水结果在安徽省大别山区降水分级预报中的应用效果。主要结论如下:ECMWF集合降水预报中,08时起报的24 h降水量和20时起报的48 h降水量可参考性较大;降水分级检验中,晴雨预报正确率在70%以上,小雨和中雨的空报率较高,对大雨以上量级的预报能力相对较差;大型降水过程中,暴雨以上量级的预报需关注不同预报时效下降水量预报的变化趋势,个别成员对极端降水的表现也值得关注。     

基于集合成员订正的强降水多模式集成预报

基于TIGGE资料集下欧洲中期天气预报中心（ECMWF）、日本气象厅（JMA）、英国气象局（UKMO）、美国国家环境预报中心（NCEP）和中国气象局（CMA）5个气象预报中心2016年5月1日—8月31日中国地区逐日起报预报时效为24~168 h的24 h累积降水量集合预报的结果,对各个集合预报成员进行了频率匹配法的订正,并对订正前后的多模式集成预报效果进行评估。结果表明：采用频率匹配法订正后的降水预报,有效改善了集合平均预报中强降水（日降水量25 mm以上）预报由平滑作用产生的量级偏小现象,使预报的降水量级更接近实况,但对降水落区预报改进不明显。基于卡尔曼滤波技术的集成预报效果优于基于线性回归的超级集合预报和消除偏差集合平均预报,对强降水落区的预报较单模式更优。基于集合成员订正的降水多模式集成预报在强降水的落区预报和降水中心的量级预报更接近实况,效果优于原始多模式集成预报与单模式结果。     

荆州市冬小麦产量动态预报方法对比研究

利用湖北省荆州市1970—2016年日照、降水、温度及冬小麦生长期、产量数据,采用作物丰歉指数、气候适宜指数方法,开展了荆州市冬小麦产量动态预报,并对两种预报方法的效果进行检验。结果表明,丰歉指数方法的预报准确率高于气候适宜指数法,计算过程也相对简单。在产量预报精度不下降的前提下,4月10日可作为产量预报的最优预报日期。     

两种初始场MM5模式预报效果对比评估

为了解本地MM5模式的预报性能,根据其预报结果,检验了基于NCEP和T213两种初始场MM5模式在河北以及京津地区2007年8月至2008年1月的降水、日极值温度和相对湿度的预报效果。结果表明,MM5晴雨（雪）预报的准确率较高,具有较好的参考价值,而对于降水的分级预报,随着预报时效的延长和降水强度的增加,其可用性逐渐降低,但整体来看基于NCEP初始场的预报均比T213初始场预报效果明显;在日极值温度预报中,最低温度效果优于最高温度,T213初始场的预报对日最高温度预报的准确率较高,NCEP初始场的预报则在日最低温度预报中略胜一筹;对08：00相对湿度的预报,两者的预报效果基本相同,绝对误差都在15％左右。     

一次霜冻预报小结

去年四月二十三至二十四日,我站大胆运用预报改革的成果,正确订正了省台两次霜冻预报。一、预报与实况四月二十二日省台预报二十三日早晨关中北部有霜冻,关中南部局部地区有轻霜冻;二十三日预报关中二十四日晨有轻霜冻。我站在省台形势预报的基础上,充分运用本站预报工具图表,于二十三、二十四两日成功地进行了订正预报,发布了最低气温1-2℃的预报。并于二十二至二十三日晚连续昼夜值班,监视天气变化。二十二日晚向县领导建议:在北部沿山区四个公社进行点火防霜,其余川、原各公社可不进行防霜。     

通辽市一次明显降水天气过程分析

文章通过数值预报产品的解释应用及对比检验,对2010年10月10—11日通辽市出现的大范围的降水天气过程进行了分析,这次天气过程在西来槽与地面低压倒槽共同作用下,并且在低层配合有切变线,前期暖湿气流的蓄积与后来冷空气的交汇而产生的。通过对数值预报产品的解释应用及对比检验,EC形势预报比较准确,对预报具有较好的指导作用,对于降水预报德国和日本传真预报都比较准确,只是德国降水预报在一定程度上比日本降水预报保守一些。通过检验,使数值预报产品在今后的预报工作中发挥更大的作用。     

T639对毕节市一次秋季暴雨过程的释用分析

利用常规资料、T639数值预报产品对2012年9月1日08时—2日08时贵州省毕节市秋季暴雨天气过程进行释用分析。结果表明:此次暴雨天气过程是在冷空气从偏北路径南下背景下,高空槽东南移、中低层切变和地面冷锋南压共同影响造成。T639数值预报产品对暴雨过程的水汽条件、动力条件、能量条件等预报具有较好的指示意义,但对强降水的落区预报参考价值有限。     

支持向量机在太阳辐射预报中的应用

利用EOF能分解数据场和SVM回归分析可建立因子与预报量非线性关系的优势,设计预报方案:(1)将多因子和多预报量分别方差标准化,EOF场展开,提取主分量;(2)用SVM回归分析实现多因子主分量对多预报量主分量非线性预测;(3)由预报的多预报量主分量与对应空间函数反演原预报量。选用武汉预报日同一天气类型的上一日逐时(05—18时)总辐射、日最高温度、温度日较差、日天气类型观测值以及预报日的日最高温度、温度日较差、日天气类型预报值为因子,对预报日逐时辐射量进行预报。独立预报试验表明,预报与实况接近。     

SCMOC温度精细化指导预报在陕西区域的质量检验

利用2012年陕西区域99站共366天北京时间08:00和20:00起报的SCMOC温度精细化指导预报与实况资料的比较,检验分析了定时温度、日最高气温和日最低气温的预报质量。结果表明:陕西区域SCMOC温度精细化指导预报08:00起报的准确率高于20:00起报的,且预报准确率有明显的季节变化,夏、秋季节较高,冬、春季节较低,日最高(低)气温的预报准确率与预报时效成反比。地形高度影响温度预报准确率,二者之间的相关系数通过了显著性检验。08:00起报的48h内逐3h气温多出现负误差,20:00起报的多出现正误差。08:00起报的日最高气温和20:00起报的日最高(低)气温多出现负误差,08:00起报的日最低气温多出现正误差。从对典型天气过程的温度预报质量检验来看,强冷空气影响下的降温天气过程的温度预报难度较大,预报准确率较其他天气类型偏低一些。     

2007年秋季宁夏异常长连阴雨天气诊断分析

应用2003年-2006年T213数值产品,通过动力统计释用（MOS）,分季建立了山西省109站日极端气温预报模型;采用M-γ尺度气候模式,通过分季节、分天空状况模拟和检验,得到不同背景下乡镇与县站气温差额分布,依此,在较高质量的分县预报基础上,经过订正得到乡镇日极端气温的预报产品,取得较好的效果,弥补了目前乡镇自动站基础资料的不足,为乡镇精细化极端气温预报提供了新思路和新技术。     

基于CMA-BJ数值预报模式产品的复杂地形下冬奥站点地面气温和风速预报方法研究

北京冬奥服务对站点气象要素预报提出了明确需求,2 m气温预报偏差在±2℃以内,10 m风速预报平均偏差小于观测的30%,文中提出一种基于相似集合嵌套一元线性回归的预报方法—嵌套相似集合（AnEn-Ne）,该方法基于相似集合思路,在满足一定条件时,启动其嵌套一元线性回归提供订正预报。冬奥赛期（2021年11月1日—2022年3月15日）实时业务预报表明,嵌套相似集合具有较好的预报效果,相对业务数值模式（CMA-BJ）预报,预报精度显著提高,相对相似集合预报和一元线性回归预报精度明显提高,其预报结果满足冬奥服务需求。复杂地形下的要素预报检验表明,CMA-BJ模式预报2 m气温虽然存在较明显的系统偏差,但与观测相关较强,对观测的表征意义明显,订正后能有效消除复杂地形影响,10 m风速模式预报偏差振荡明显,模式预报与观测相关较弱,表征意义差,订正后站间差异明显;改进CMA-BJ模式复杂地形区近地面风速预报对观测的表征意义,可进一步提高该预报方法对10 m风速订正预报的精度。