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。     

日本数值预报产品的分类检验及误差订正

统计分析了日本气象厅广播的２４小时到３６小时的预报图中影响我省的高空槽、高空冷涡、横槽、地面气旋、副高、台风等系统的预报误差，分类统计了六种系统影响下淄博市２４小时降水量的预报准确率。为数值预报产品的实际应用提供了一些参考依据。     

一种气温的数值预报权重误差订正释用方法

该文在对几种数值预报产品的气温要素预报结果进行检验的基础上,尝试建立了一种权重误差订正方法:通过对数值预报产品进行检验订正,首先根据EC粗网格预报结果结合典型天气形势判断气温走势建立方程,对不同预报产品以近期准确率作为权重平均并结合误差加以订正,建立订正预报方程,对历史个例的检验和试报说明此方法对于提高气温预报的准确率,减小误差是有效的。     

日本数值预报产品温度露点差检验及订正方法

１引言温度露点差（Ｔ－Ｔｄ）是表示空气湿度状况的要素,（Ｔ－Ｔｄ）越小,说明空气中水汽含量越多。由于湿度不但是气温预报、降水预报的主要因子之一,而且是影响体感温度、人体舒适度、紫外线指数等专项预报服务项目的主要因子,因而湿度预报准确与否直接影响着温度预报、降水预报、部分专项预报的确率。因此检验我们日常预报业务中的主要指导预报产品—日本数值预报中的湿度预报,分析其误差具有重要意义。本文主要检验了日本数值预报中ＦＸＦＥ５７２、ＦＸＦＥ５７３传真图上的Ｔ－Ｔｄ的预报,并对影响系统及预报误差进行分析,找…     

用数据处理群方法订正数值预报产品误差

本文介绍用数据处理群方法,订正数值预报产品的具体作法。它使用统计样本建立多项式,再用检验样本进行检验,通过两两因子的组合考虑非线性二次项的作用,最后求得均方根误差最小的最佳二次多项式。经试用采用订正后的数值预报产品作为因子进行PP方程的计算,预报的CSI评分有所提高。     

ECMWF模式地面气温预报的四种误差订正方法的比较研究

采用均方根误差对欧洲中期天气预报中心（ECWMF）确定性预报模式2007年1月至2010年12月的地面气温预报结果进行评估,并分别利用一元线性回归、多元线性回归、单时效消除偏差和多时效消除偏差平均的订正方法,对ECMWF模式地面气温预报结果进行订正。结果表明,4种订正方法都能有效地减小地面气温多个时效预报的误差,改进幅度约为1℃。在短期预报中仅考虑最新预报结果的一元线性回归订正方法要优于考虑多个预报结果的多元集成预报订正方法。在中期预报中考虑多个预报结果的多元集成预报订正方法更优,更稳定。在模式预报误差较大的情况下,多时效集成的订正方法能更稳定地减小误差。     

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。     

数值预报产品系统性误差的客观订正

从评价Ｔ４２数值预报模式的性能出发，找出Ｔ４２系统性误差的特征及其订正的客观判据。高度场Ｈ和温度场Ｔ采用不同时间权重和空莘平滑的订正方案，风场ｕ，ｖ采用动力订正方案，湿度场Ｑ采用平流（风场）订正方案。并对Ｔ４２１９９２年４－５月的数值预报产品进行了客观订正，经过均方根误差缩减率η和误差比ｅ方案的检验，效果是令人满意的。     

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。     

基于数值模式误差分析的气温预报方法

采用欧洲中期天气预报中心(ECMWF)全球确定性预报模式地面气温和国家地面站点观测资料,对模式初值场误差、历史误差以及卡尔曼滤波预测误差与实况误差之间的相关性进行分析,设计了4种回归方案订正日最高、最低气温预报偏差,并与ECMWF、中央气象台和全国城镇的预报产品进行了检验对比。结果表明:采用了模式近1～3 d最高(最低)气温和模式最高(最低)气温历史平均误差、初值场误差以及卡尔曼滤波反演误差作为预报因子的改进方案效果最优,经对其2017年日最高和最低气温的预报检验,预报准确率较ECMWF原始模式预报有较明显提高,也明显优于中央气象台指导预报。在空间分布方面,其对地形较为复杂地区的改进效果更好。同时,与当前业务中质量最好的全国城镇预报相比,最高气温预报平均绝对偏差(Mean Absolute Error,MAE)较全国城镇预报低8.24%～13.97%,预报准确率提高1.24%～3.57%,日最低气温平均绝对偏差较城镇预报低9.43%～17.69%,预报准确率提高1.77%～2.72%。在3 d的预报中,对24 h时效内预报相对于48 h和72 h的改进幅度更大,订正效果更加明显。     

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。     

数值模式误差订正方法初探

鉴于大气系统的复杂性,实际的大气运动方程包含许多数学简化。这些简化的方程组虽能模拟大气运动的主要特征,但无法揭示天气演变的所有细节,这将导致数值模式的预报能力受到极大限制。只有完善大气运动方程本身的确定性框架,才能从根本上减少预报误差。若无其他手段的帮助,仅依靠推导方法获取大气运动过程中的所有微分表达式将十分困难。演化算法具有自适应、自组织特征,它能处理复杂的数学问题,可从观测资料所蕴含的丰富信息中挖掘系统的动力学。本文结合演化建模的智能算法,提出了一种数值模式的误差订正方案,并以一维典型混沌系统Logistic模型为例,探讨了误差订正方案的有效性。数值试验结果表明该方法对模式误差有较强的反演能力,值得进一步深入研究。     

思南县各乡镇气温分析及气温预报订正方法研究

利用思南县2010—2014年25个乡镇区域自动站和思南国家站气温资料,统计分析发现:思南县各乡镇气温分布主要呈现自南向北递减趋势,各乡镇区域站与思南国家站观测的平均、最高及最低气温存在明显差异,且随着季节变化差异有所不同,各乡镇区域站与思南国家站观测气温的差值绝对值最大值均大于2.0℃。本文结合思南县25个乡镇区域自动站和思南国家站的气温数据及地理分布,选取数据最为完整的思南国家站作为代表站,利用最小二乘法得出各乡镇观测站点与思南国家站气温关系式,建立预报方法。经检验,预报效果总体较好,对思南各乡镇气温预报有较好的指导意义。     

基于ECMWF产品的站点气温预报集成学习误差订正

提出一种基于数值模式预报产品的气温预报集成学习误差订正方法,通过人工神经网络、长短期记忆网络和线性回归模型组合出新的集成学习模型（ALS模型）,采用2013—2017年的欧洲中期天气预报中心数值天气预报模式2 m气温预报产品和中国部分气象站点数据,利用气象站点气温、风速、气压、相对湿度4个观测要素,挖掘观测数据的时序特征并结合模式2 m气温预报结果训练机器学习模型,对2018年模式2 m气温6~168 h格点预报产品插值到站点后的预报结果进行偏差订正。结果表明:ALS模型可将站点气温预报整体均方根误差由3.11℃降至2.50℃,降幅达0.61℃（19.6%）,而传统的线性回归模型降幅为0.23℃（8.4%）。ALS模型对站点气温预报误差较大的区域和气温峰值预报的订正效果尤为显著,因此,集成学习方法在数值模式预报结果订正中具有较大的应用潜力。     

三种数值预报模式降水产品在西藏高原检验分析

本文利用西藏7个主要城镇2009年6~9月24h观测降水对T639、日本和德国三种数值预报模式降水产品进行了检验分析。结果表明:三种数值预报模式中,德国模式对晴雨预报准确率最高、空报率低。小雨量级上三种模式预报能力较强,偏差较小。三种数值预报模式对中雨量级预报能力明显减弱,预报量级明显偏小,其中德国和日本模式基本没有预报能力。综合三种数值预报模式降水对西藏北部那曲、东部林芝和昌都具有一定的参考意义。     

中期数值天然预报的误差订正方法探讨

本文利用一个全球谱模式（Ｔ６３Ｌ９）和１９９４年４个时段个例的全球客观分析资料探讨了中期数值天气预报的误差订正方法。个例分析的结果表明,采用定常误差订正和时空平滑误差订正方法,误差订正效果显著,可考虑在业务系统中采用。     

三种数值预报产品短期强降水预报定量误差评估

利用误差分析和累计降水检验的方法,对日本、德国、T213三种数值预报模式在强降水过程中的预报进行了统计和比较,并分析了强降水过程中日本模式的预报定量误差。结果表明:三模式产品在强降水过程预报中预报值基本上小于实况,而且随着实况量级的增加,预报偏小的次数增多。其中日本模式的预报最为稳定,且结果较接近实况,为解释应用提供了依据和数据参考。     

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。     

GRAPES模式预报误差订正的变分方法研究

利用变分方法建立预报场和预报倾向场这一预报场组合与模式预报非系统性误差之间的映射关系,来估计GRAPES (Global/Regional Assimilation and PrEdiction System)模式的非系统性误差,从而对预报做出修正。采用两种不同的历史样本建立这一映射关系,其中,利用相同时刻历史样本建立映射关系的方法称为DEM方法;通过相似面积比选取"相似样本"来建立上述映射关系的方法称为SEM方法。以FNL分析资料作为评判预报误差的依据,根据2002—2010年7月GRAPES模式500 h Pa高度场48 h预报的回报资料,利用两种不同的方案进行非系统性误差的估计及预报订正试验。对279个检验样本的试验结果表明:SEM方法和DEM方法都对非系统性误差有一定的估算能力,二者估算的非系统性误差空间分布和量级与模式非系统性误差较一致,SEM方法的修订效果略优于DEM方法,但并不明显。对预报做出系统性误差和非系统性误差两步订正后,DEM方法和SEM方法的订正有效率分别为98.566%和100%,可明显提高预报的准确性。     

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。