用概率分布图作短期(24小时)晴雨预报

点聚图是我们在短期预报中经常使用的预报工具之一,但在制作点聚图时往往由于晴雨点子混杂难以分离,造成划分晴雨区的随意性,甚至很难划分出比较规则的晴雨区。在去年预报会战中,我们通过学习兄弟台站的经验,根据独立事件概率乘积P[x_1]×P[x_2]=P[x_1·x_2]的原理利用单因子的晴雨相关概率P[x_1],P[x_2]……算出二维概率分布图制作短期晴雨预报,收到了较好的预报效果。现以滕县站四月份概率分布图的制作和使用方法介绍如下:     

冬季冷锋过程及其对长江中游地区的影响

本文在普查1963—1977年11—2月越过40°N冷锋的基础上,对长江流域各路冷锋过程的特点及其对中游地区的影响进行了分析归纳,提出了冷锋路径的预报着眼点。 一、气候概况 1.1963～1977年11月—2月计有364次冷锋越过40°N南下,平均每月有6次,其中以11、12月较多,2月份较少。 2.过40°N的冷锋中肯289次(79.4％)影响长江流域,其中锋消后冷空气影响的占15.4％,即长江流域平均每月有4.8次冷空气过程。南下锋消而未影响长江流域的冷锋以11月最多,2月最少(见     

不同方案对几种概率统计方法预报效果的比较

为了用不同方案对几种概率统计方法的预报效果进行分析、比较,本文以福建漳浦县气象站1—3月份总降水量的预报为例,对预报因子的选择和预报方法的选用问题进行探讨。一、预报对象和预报因子1.预报对象:漳浦县气象站1—3月份总降水     

春季陆面植被对长江流域夏季降水可预报性的影响分析北大核心CSCD

利用美国全球监测与模型研究中心(GIMMS)1982—2006年逐月归一化植被指数(NDVI)、美国国家海洋和大气局(NOAA)1854—2008年海温资料以及中国国家气候中心(NCC)1951—2006年160站月降水资料,通过旋转经验正交函数分解(REOF)和相关分析获得了长江流域夏季降水预报序列和植被、海温预报因子集。基于最优子集回归方法(OSR),并借助交叉验证(CV)以及空间重建等手段,构建了单独以前期春季海温为预报因子和同时引入前期春季海温与归一化植被指数为因子的两类预报模型,对比分析引入陆面植被因子前后长江流域夏季降水预报效果改善状况,评估春季陆面植被对长江流域夏季降水可预报性的影响及预报效果的稳健性。结果表明:(1)相对于海温因子,春季陆面植被因子对长江流域夏季降水预报具有同样重要性,引入春季归一化植被指数后,长江流域夏季降水预报得到明显改善,相关系数平均由0.49提升到0.66,提高0.17左右,模型解释方差提升平均60%左右,其中单纯海温因子预报效果较差的汉江—淮河地区和淮河流域地区,相关系数更是提高了0.20—0.30,模型解释方差提升1倍左右;(2)交叉验证预报表明,相对于仅考虑海温因子模拟情形,交叉预报相关系数下降较多,模型稳健性较低,引入归一化植被指数后,长江流域夏季降水预报稳健性得到明显提升,长江中下游及其以南的长江三角洲地区、洞庭湖—鄱阳湖地区改善尤为明显;(3)长江流域降水可预报性存在明显的区域差异,嘉陵江流域地区、汉江—洞庭湖地区预报效果最好,汉江—淮河地区、淮河流域地区、长江三角洲地区预报效果最差,但引入归一化植被指数后预报效果提高最明显,而洞庭湖—鄱阳湖地区虽然模拟效果较好,但预报稳健性较低,交叉验证相关系数降幅达到0.27,这也从侧面说明了长江流域夏季降水分区预报的重要性。     

春季陆面植被对长江流域夏季降水可预报性的影响分析

利用美国全球监测与模型研究中心(GIMMS)1982—2006年逐月归一化植被指数(NDVI)、美国国家海洋和大气局(NOAA)1854—2008年海温资料以及中国国家气候中心(NCC)1951—2006年160站月降水资料,通过旋转经验正交函数分解(REOF)和相关分析获得了长江流域夏季降水预报序列和植被、海温预报因子集。基于最优子集回归方法(OSR),并借助交叉验证(CV)以及空间重建等手段,构建了单独以前期春季海温为预报因子和同时引入前期春季海温与归一化植被指数为因子的两类预报模型,对比分析引入陆面植被因子前后长江流域夏季降水预报效果改善状况,评估春季陆面植被对长江流域夏季降水可预报性的影响及预报效果的稳健性。结果表明:(1)相对于海温因子,春季陆面植被因子对长江流域夏季降水预报具有同样重要性,引入春季归一化植被指数后,长江流域夏季降水预报得到明显改善,相关系数平均由0.49提升到0.66,提高0.17左右,模型解释方差提升平均60%左右,其中单纯海温因子预报效果较差的汉江—淮河地区和淮河流域地区,相关系数更是提高了0.20—0.30,模型解释方差提升1倍左右;(2)交叉验证预报表明,相对于仅考虑海温因子模拟情形,交叉预报相关系数下降较多,模型稳健性较低,引入归一化植被指数后,长江流域夏季降水预报稳健性得到明显提升,长江中下游及其以南的长江三角洲地区、洞庭湖—鄱阳湖地区改善尤为明显;(3)长江流域降水可预报性存在明显的区域差异,嘉陵江流域地区、汉江—洞庭湖地区预报效果最好,汉江—淮河地区、淮河流域地区、长江三角洲地区预报效果最差,但引入归一化植被指数后预报效果提高最明显,而洞庭湖—鄱阳湖地区虽然模拟效果较好,但预报稳健性较低,交叉验证相关系数降幅达到0.27,这也从侧面说明了长江流域夏季降水分区预报的重要性。     

B模式大雨MOS预报方程

我站从1981年5月开始接收北京气象中心发送的北半球五层原始方程模式(简称B模式)形势预报图(500毫巴48小时预报和700毫巴36小时预报),经过1981年夏天的使用,我们感到在形势预报上效果较好。 我们利用1981年8月份我站大雨较多的机会。根据B模式数值预报图提供的信息,建立了大雨MOS预报方程,拟合了8月份出现的4次大雨,效果令人满意。 一、模式输出因子的挑选 1.副高信息的提取 预报实践证明,造成我县夏季较大降水的主要因素是天气系统的演变。在一般情况下,高原和西北地区的低槽24—48小时内     

多元模糊回归分析在长江流域旱涝趋势预测中的应用

用长江流域25个站5—9月降水量的第一特征向量的时间系数作为表征长江流域的旱涝指数,分析了它与前期北太平洋海温和500hPa高度场的关系。经过对初选预报因子代表性和稳定性分析后,确定出7个预报因子。利用多元模糊回归分析探讨了这一区域旱涝趋势的预测问题。     

真值图在天气预报中的应用

真值图是表达数理逻辑运算的一种直观图形,近年来已在天气预报工作中广泛运用。它是用0—1型多因子综合的定性预报。我站在去年夏季6—7月降水趋势预报中,使用效果较好。     

用GRAPES模式输出变量因子作广东沿海海雾预报

通过分析5年(2004—2008年)NCEP的1°×1°再分析气象资料,结合2004—2008年的台站观测资料和2006—2008年海雾野外试验的观测资料建立预报变量因子,利用GRAPES模式得到并输出变量因子。结合NCEP资料分析海雾出现的各种判据和条件,选取湛江、珠海、汕头3站为代表,建立了广东沿海自西向东各地区的海雾MOS判别预报方法,实现了24h的海雾判别预报。对2008年3月湛江和汕头、4月珠海的预报检验表明,该海雾MOS判别预报方法对广东沿海海雾具有一定的预报能力,预报准确率为84%～90%,Ts评分为0.40～0.53,Hss评分为0.52～0.56。     

多维空间点聚方法预报月降水量

图解预报是气象台站常用的统计预报方法,具有简单直观的优点。比如预报量y与两个前期要素(预报因子)x_1,x_2有关,(x_1,x_2)的一列历史资料在平面上表现为一个点组,在每一点处对应有一个y值。若因子挑选适当,这些y值在平面中的分布应有较明显的规律,这时,或者划出y的等值线,或者按y的不同等级,把平面划分为互斥的指示区域,就可应用来作预报,这就是平面点聚图。由于作图只能在平面中进行,因此上述方法对多因子的应用受到了限制。有一种     

使用日本降水预报图的效果统计

我们使用日本降水预报传真图,已有一段时间。每日08和20时各收一次,每次有两张降水预报图,图题以FXJP_1和 FXJP_2表示。前者是12小时降水量顶报,后者是12—24小时降水量预报。为了了解该图对本地降水预报的效果,我们用1980年的资料,按不同季节和不同天气系统进行了统计分析,并得出了以下几点结果。 1.春、秋、冬季预报无雨的准确率高 经过统计,除6—8月份(夏季)外,每月预报无雨的准确率几乎都在90％以上,平均达725/765=95％。可见当本站处于预报图中无雨区时,未来12小时内无降水的准确率是很高的。 2.对华西低值系统的有雨预报准确率较高 700毫巴图上100—120°E、25—35°N范围内出现的低压槽、低压、低涡等,我们统称为华西低值系统。由于这类系统位于本地区上游,所以,对本地降水预报有着重要意义。日本的降水预报图对这类系统的考虑也较好。1980年1—12月对华西低值系统共报雨153     

统计学长期天气预报方法的若干研究(一) 逐步回归技术的应用

本文采用了逐步迴归技术,可以在一大堆预报因子中选择出迴归方程中的主要变量,组成一个最后的迴归方程——预报方程。 为了具体说明逐步迴归方法应用于长期预报的计算情况,将1932—1962年华北五站(北京、天津、保定、石家庄、营口)7,8月份平均降水总量的资料作为因变量y,以表征太阳辐射影响的因子、前期环流影响的因子和其它若干气象要素等作为自变量进行分析研究。 对我国若干重点地区的月、季降水的迴归分析指出,各地区与降水有关的预报因子是不完全相同的。就1963年夏季和6—10月份月的降水长期预报进行检查。各重点地区42次预报的结果说明,用这个方法所作的降水趋势预报尚好,比偶然性预报约高10％。 最后,作者就迴归分析的改进作了简略的讨论,并提出今后除了用于长期预报的研究和业务工作外,对中、短期和专业天气预报以及气候学方面等的研究工作也将会是一个有用工具。     

上海汎期旱涝的前期气象要素特征和单站预报方法

本文用上海100年资料(1873年—1972年)在地面气象要素中寻找对长江下游六、七月份旱涝有显著影响的预报因子。得到若干预报工具和预报指标。用1973年—1982年的独立样本资料作试报和预报,效果良好。 一、气象要素的信息估计     

对目前概率统计预报中有关因子挑选和组合的几点讨论

一、多因子线性回归分析的不合理性和逐步回归挑选因子的弊病在利用气象要素前后期的相关关系的预报中,多因子回归分析是目前采用较多的一个概率统计预报方案。所熟知的数学模型是:Y=a_0+a_1X_1+a_2X_2+……+a_nX_n+8这里包含了几项重要的假定:1.各预报因子 x_1,x_2,…,x_n 之间彼此线性无关;各预报因子均独立地对     

广东省前汛期分区强对流潜势预报方法研究

利用2009—2012年前汛期广东和香港五个探空站资料计算得到的物理量,选取各个探空站与强对流天气相关性好的物理量作为预报因子,通过对各指数的空间分布特征和数值进行二值Logistic回归分析,得到各物理量的参数估算值,分别建立五个探空站的强对流诊断预报方程,得到前汛期强对流潜势预报因子P,从而制作广东省未来12 h强对流天气潜势预报。并用此法回报了2009—2012年前汛期的强对流天气,对于P的值进行预报质量评定,以CSI评分为标准,选取五个探空站的P值的阈值,并以各个站的阈值对2013年前汛期的强对流天气进行预报质量评定,结果表明,进过拟合后的潜势预报预报因子P比单个物理量的CSI评分有显著提高。     

基于BP神经网络的浙北夏季降尺度降水预报方法的应用

利用NCEP提供的全球空间分辨率为2.5°×2.5°、2007—2012年6—8月日平均500 h Pa高度场再分析格点资料和浙北地区158个站点观测资料,研究了不同大气环流型下局地降水与大尺度降水场之间的关系,以4种不同环流型下的预报对象和预报因子分别采用BP神经网络方法对观测资料进行逼近,得到4种空间降尺度的预报模型,分析对比4种预报模型158站逐日的降水量的预报。结果表明:神经网络模型的隐层节点数为2时,对降水的拟合效果最好;对降水的极值拟合效果中,环流分型中NW型和C型的效果优于SW型和SE型;从4种分型下的误差空间分布来看,浙北地区沿海的宁波、舟山一带的误差小于浙北其他区域;把雨量分等级后进行预测,发现模型对暴雨的预测能力最好。     

试用完全预报法制作夏季降水预报

为使B模式输出产品尽快投入日常预报,增加预报信息,我们用1972—1981年7、8月份的历史天气图资料建立了降水预报方程。用数值预报产品分辨有无降水,然后用前期实况因子判别降水量级。 一、夏季(7—8月)降水概况 我们规定凡全盟有50％的站日降水量≥10.0毫米为一次中一大雨过程,有50％的站日降水量为0.1—10.0毫米为一次小雨过程。     

“真值图”法天气预报——0—1型多因子综合统计预报方法

真值图是表达逻辑代数运算的一种直观图形,常用于电子开关线路设计中。在作气象定性预报的0—1型多因子综合预报中,引用了真值图,效果较好。一、综合预报真值图的制作方法0—1型多因子综合预报,通常用“1”和“0”分别表示预报对象或预报因子的“出现”和“不出现”。当用两个预报因子作综合预报时,因子的不同组合状态可以有2×2=2~2种;n 个因子的不同组合状态将有2~n 种。进行综合预报的关键,就在于正确地区别 n 个因子的各种组合状态,以及表达各不同组合状态与预报对象状态的对应关系。真值图是一种能够区分因子的不同组合状态的有规律的图形,所以能用于作综合预报。真值图的画法有很多种,这里介绍一种比较简便的方法。     

使用传真天气图要与本站依据相结合

我站的传真设备是1980年底开始正式收图的。目前,每天接收中央台发的08时500毫巴、700毫巴、850毫巴、地面等四层亚欧图;20时500毫巴半球图、700毫巴亚欧图;05时东亚地面图。另外在作旬报、周报时还接收日本东京发的20时500毫巴北半球长波图。08时的四层天气图是每天下午作分析预报的主要依据之一。20时的图是次日早上补充修正前一日短期预报的依据。长波图主要在作中期预报时参考。 我站规定,每个值班员都必须依据传真图进行形势分析,并把这些分析预报要点记录在登记簿上。另外还在08时收的传真图上70—120°E、20—50°N范围内标注过去24小时主要系统位置,将图面上不清晰的线条和天气系统都补绘清楚,使每一张图都发挥应有的作用。 我们体会,要使传真天气图在县站预报中充分发挥作用,还要与县站的优势相结合。比如,象暴雨这样的中尺度天气的预报,仅仅依据传真天气图还不能作出。但是可以从图上分析有无产生暴雨的形势背景。同时用本地的资料和预报工具,监视和分析这些天气系统是否会影响本地,什么时问影响,会不会产     

采用EOF方法做榆林地区长期天气预报

一、引言榆林地区辖十二县(市),过去地区台发布的长期预报都是以点报片,六个县(市)站各月都用本站独立的预报因子,通过六次独立的分析计算其结果代表某片加入到全区预报中来.笔者以为,六站中的某些预报因子相关性很好,只要取其一个,足可代表地区其它县(市),重复分析计算相关性好的因子,浪费了许多精力和时间,加之,榆林地区农业气候区划报告亦得出下述