排序方式： 共有16条查询结果，搜索用时 0 毫秒
11.
12.
基于陕西省391个自动站逐小时降水量观测数据对国家级格点实况三源融合降水产品的适用性进行检验评估,结果表明:融合降水产品与站点观测之间的误差小、相关性高,但融合降水产品的标准差和极大值明显小于站点观测;相关系数较低的站点以区域站为主,国家气象观测站的效果明显优于区域站;误差时空分布和降水特征关系密切,在降水频次增多和强度增大时,融合降水产品相比站点观测的误差增大。将融合降水产品视为一种“预报”,站点观测资料作为“真值”进行分级检验,结果显示:融合降水产品可以较好反映有无降水,随降水量级增大空报率变化平稳,漏报率增长明显,导致TS评分逐渐下降。对典型个例的误差成因分析显示:融合降水产品可以较好地体现降水起止时间及性质、强弱演变趋势,但对雨强较大的区域性降水、分散性局地强降水表现欠佳。多种指标综合显示:融合降水产品小量级降水准确率高,对大雨以上量级降水强度有一定程度削弱;陕南秦巴山地的融合降水产品与站点观测偏差较大,应用中需特别关注。 相似文献
13.
基于支持向量回归(SVR)、BP神经网络(BPNN)、随机森林(RF)、梯度提升决策树(GBDT)和极端梯度提升(XGBoost)等5种机器学习算法,利用2016—2021年逐小时PM2.5质量浓度监测数据和气象观测数据,构建汾渭平原代表城市PM2.5质量浓度预报模型,对比检验不同预报模型在不同时段的预报效果。结果表明：(1)5种机器学习算法模型总体表现为秋冬季和供暖期的预报效果要优于春夏季,各模型在细颗粒物污染较重时段的预报能力更加稳定,预报效果更好。(2)XGBoost模型无论在决定系数、平均绝对误差、均方根误差上均不同程度地优于其他模型,其次是GBDT、RF和BPNN模型,SVR模型预报能力较差。(3)XGBoost模型预报结果在量级和演变趋势上与实况十分接近,预报值偏离实况值的幅度较小,但春夏季预报结果有明显的高估或低估,对极端高值区也存在低估。(4)当前和过去1 h的能见度是影响预报效果的最关键因子,气象因子对汾渭平原PM2.5质量浓度预报存在明显的时间滞后性影响。 相似文献
14.
利用陕西98个气象观测站最高气温逐日资料和NCEP/NCAR再分析逐日、逐月资料、NOAA逐月海表温度资料以及国家气候中心逐月环流指数资料,分析了2017年7月陕西极端高温热浪天气的成因,探寻其前期信号。结果表明:此次高温演变过程分为两个阶段,第一阶段为9—14日,陕西大部处于新疆至河套一带高度场正异常控制中,异常下沉运动和低层暖平流位置偏北造成陕西中北部出现高温;第二阶段为19—27日,西太平洋副热带高压明显北抬西伸、高空急流与南亚高压东进,造成异常下沉运动增强、南移,加之低层暖平流范围增大、强度增强,使得高温向陕西南部扩展,高温中心南移且强度增大。前期5—6月赤道西太平洋关键区(10°S—15°N、160°E—140°W)海温异常与7月陕西中南部高温呈显著正相关,它是7月陕西中南部高温一个可靠的前期信号。当前期5—6月关键区海温偏高时,其可通过激发遥相关波列与西太副高、南亚高压及东亚上空纬向风发生联系,进而影响陕西中南部气温变化,这可能是造成该地区7月极端高温事件的主要原因。 相似文献
15.
客观评价高分辨率中小尺度变量的预报表现是数值天气预报模式应用和发展的重要环节。传统点对点的检验在高分辨率数值预报模式评估中存在显著不足。空间面向对象或目标法MODE检验方法利用卷积函数和给定的阈值在预报和观测场中识别目标对象、诊断模式的预报表现,在天气预报中有着广泛应用。首先系统回顾了MODE检验方法的学术思想、技术架构、算法流程和检验指标;详细归纳了MODE检验在降水预报、天气雷达、卫星云图、集合预报以及其他不同要素或物理量场中的典型应用,阐述了检验结果在数值模式预报质量评价中的意义和对天气预报结果主客观订正的影响;介绍了近年来MODE检验方法的更新发展,主要包括考虑不匹配目标对象属性的综合评价指数MCS,以椭球体为目标的三维时域空间对象追踪和MODE扩展的时域检验方法 MODE-TD;最后总结和讨论了MODE检验方法的适用性、优势和不足,同时对MODE检验方法未来的发展方向和应用前景进行了展望。旨在为更好地应用MODE检验方法诊断数值模式的预报性能提供参考。 相似文献
16.