提高新一代天气雷达在临近预报中准确率的分析

文章应用新一代天气雷达资料,并结合天气图、T-logp图等资料,对发生于2011年6月13日内蒙古西部巴彦淖尔市东部地区的一次局地强对流天气过程进行了分析。通过分析雷达冰雹概率、垂直累积含水量、回波顶高、风暴追踪信息等产品以及自动站天气实况等发现,用于短时临近预报的雷达冰雹概率及风暴追踪信息产品在该次强对流天气过程中与天气实况并不能很好地符合。其原因:一方面与雷达对风暴的跟踪和SCIT算法有关,另一方面表明天气背景以及短时强对流天气所具有局地性特点在短时临近预报中未能充分考虑。通过该个例的分析,对于业务人员认识本地区的强对流天气发生特点并提高预报准确率具有重要意义。     

精细化气象要素温度指导预报在山西区域的误差及特征

利用2009-2010年山西区域108站共730天精细化气象要素温度指导预报资料,对比日最高气温和日最低气温的预报误差,采用常规统计、EOF分析等方法研究指导预报误差的时间和空间分布特征,结果表明:山西区域的温度预报准确率比较稳定,但有明显的季节特点,夏季最高,秋季次之、冬春季相对偏低,日最高气温年平均正、负误差略高于日最低气温误差,春季大,冬秋次之,夏季小;正负误差值的空间分布与山西地形有一定的联系,日最高气温和日最低气温误差的分布特点具有明显的全区一致性.     

高原地区基于微波辐射计反演大气廓线的神经网络算法研究

以2007~2018年西宁二十里铺气象站探空资料为模拟样本,利用MonoRTM模式模拟中心频率21.985~58.759GHz的35通道亮温,应用BP神经网络对模拟数据进行反复训练,构建最优反演模型,并以2019年探空资料为测试样本,对比分析了不同季节和不同天气条件下BP神经网络与微波辐射计的反演效果。结果表明：晴空条件下,BP神经网络与微波辐射计在温度反演上效果最佳,水汽密度次之,相对湿度最差,其中冬春季BP神经网络反演效果优于微波辐射计,夏秋季反之;有云条件下,BP神经网络温度反演效果在冬、春和夏季均优于微波辐射计,其水汽密度反演效果在四季均较微波辐射计有明显提升,其相对湿度反演效果在冬、春和夏季均较微波辐射计更佳。晴空和有云条件下,BP神经网络在不同季节反演温度、水汽密度和相对湿度的平均绝对误差和标准偏差均小于微波辐射计,尤其是相对湿度的反演精度提升最为明显。晴空条件下,BP神经网络反演温度廓线在春、夏和秋季效果最佳,反演水汽密度廓线在中低层精度较高,反演相对湿度廓线的精度较差,但基本和探空资料趋势一致;有云条件下,BP神经网络反演温度廓线与晴空时基本一致,较微波辐射计精度更高,反演水汽密度和相对湿度廓线在8km以上效果较好。     

提高月降水量预报精度的一种尝试

用原始数据建立的多元自回归预报模型,虽然对气压,气温,绝对湿度的预报精度很高,但对月降水量的预报粗度较低,改用自典型相关因子建模,大大提高了月降水量的预报精度,对气压,气温,绝对湿度的预报亦有所改进。     

广西城镇天气预报质量分析评估

根据全国城镇天气预报产品质量评估报告,从预报准确率和预报技巧评分上对2013-2017年广西城镇天气预报质量进行分析评估。结果表明:广西城镇天气预报24-72h最低温度预报准确率逐年提高,24-72h最高温度预报准确率稳步提升,24-72h晴雨预报和一般性降水预报准确率明显提升,24-72h暴雨和暴雨以上预报准确率保持稳定。24h晴雨、最低温度预报技巧评分较高,24h最高温度、一般性降水预报技巧评分波动较大,暴雨以上预报技巧评分较低。     

风廓线雷达测风精度评估

采用风廓线雷达5波束探测模式的数据对测风精度进行评估分析,用垂直波束和其中两个相邻倾斜波束的探测数据构成一对计算因子,通过对同一距离高度上的4对计算因子进行误差分析,评估风廓线雷达的测风精度,得到水平风在垂直指向连续高度上的精度。对北京延庆CFL-08风廓线雷达2010年3,6,9,12月4个典型代表月份逐日连续探测资料进行了处理分析,结果表明:该雷达满足风速误差不大于1.5 m·s-1、风向误差不大于10°探测精度要求的最大探测高度6月、9月为8 km,3月、12月为6 km,基本符合该雷达探测高度的设计要求。信噪比、大气风场的不均匀性是影响雷达测风精度的主要因素:信噪比影响了高空的测风精度,-15 dB可以作为判断雷达测风可信数据最大探测高度的阈值;晴空大气出现的风场不均匀性对风廓线雷达的测风精度影响不大,降水出现时环境风场不均匀性造成水平风向、风速的测量误差较大,不能满足测风精度要求,特别是对流性降水发生前的1~2 h,水平风向、风速的方差增长迅速,可以作为强降水出现的预警指标。     

GPT2w模型在中国大陆地区的精度分析

全球气温气压（GPT）系列模型可用于计算全球任意位置的气温、气压和水汽压等各种气象参数,目前国内外广泛使用且精度较高的全球气温气压模型主要为GPT2w模型.本文利用2012—2016年中国大陆地区102个国家气象站实测的气温、气压和水汽压数据对GPT2w模型进行精度分析.结果表明：GPT2w模型的气温误差均值为-0.45 ℃,标准偏差均值为10.04 ℃;气压误差均值为2.05 hPa,标准偏差均值为6.55 hPa;水汽压误差均值为0.11 hPa,标准偏差均值为6.15 hPa.总体而言,GPT2w模型计算出的气温、气压和水汽压值在中国大陆大部分地区具有较高的精度.同时,三种气象参数的精度在中国大陆地区分布不均匀,不同纬度区间存在一定差异且以年为周期均具有明显的季节性.     

模糊时间序列模型在短期气候预测中的应用

将模糊时间序列模型引入短期气候预报,利用重庆34个地面气象观测站的逐日观测资料(1971—2007年)和重庆市旱涝灾害监测预警决策服务系统计算的干旱指数和洪涝指数等资料,运用模糊时间序列模型分别对2001—2007年重庆市城口县1月降水、1月平均气温的预报结果(年度预测)和重庆市春旱指数的预报结果(年度预测)进行了模糊时间序列分析,预测了2004—2007年的发展趋势,用2004—2007年实测值与预测结果进行了比较,并与加权集成、人工神经网络集成、数据挖掘集成等模型进行了精度比较和分析.结果表明:模糊时间序列模型各项精度评定指标优良,并且计算简单,具有一定的实用价值.     

Methodological Development of the Conditional Sampling Method. Part II: Quality Control Criteria of Relaxed Eddy Accumulation Flux Measurements

Determination of biosphere–atmosphere exchanges requires accurate quantification of the turbulent fluxes of energy and of a wide variety of trace gases. Relaxed Eddy Accumulation (REA) is a method that has received increasing attention in recent years, because it does not require any rapid sensor for the scalar measurements as the Eddy Correlation method (EC) does. As in all micrometeorological studies, REA measurements in the atmospheric surface layer are valid under some restrictive conditions so as to be representative of a specific ecosystem. These conditions are the homogeneity of the underlying surface, stationary and horizontally homogeneous turbulence. For most experiments these conditions are not fully satisfied. Data uncertainties can also be related to not fulfilling the method principles or to the technical characteristics of the REA system itself. In order to assess REA measurement quality, a methodological approach of data analysis is developed in this study. This methodological analysis is based on the establishment of criteria for data quality control. A set of them, deduced from the mean and turbulent flow, are called ‘Dynamic criteria’ and are designated to control the stationarity and homogeneity of the w function and the validation of Taylor’s hypothesis. A second set (‘REA operational criteria’) is designed to check the sampling process and, more precisely, the homogeneity of the negative and positive selection process throughout the sampling period. A third set of criteria (‘Chemical scalar criteria’) concerns the scalar measurements. Results of the criteria application to data measured at two different experimental sites are also presented. Cut-off limits of criteria are defined based on their statistical distribution and shown to be specific for each site. Strictness of each criterion, defined by the percentage of flagged samples, is analysed in conjunction with the meteorological conditions and atmospheric stability. It is found that flagged samples mainly correspond to neutral and stable nocturnal conditions. During daytime, nearly free convection conditions can also yield poor quality data.     

基于智能计算的广西大风短临预报预警系统的产品检验

利用机器学习和人工智能技术研发了广西大风短临预报预警系统,该系统的产品与同期广西各地气象局发布的大风预警信号(以下简称“人工预警”)进行比较分析。结果表明:(1)按业务评分规定,大风预警系统在漏报率和命中率方面更优,人工预警在TS评分和空报率方面更优;(2)有效提前预警情况下,大风预警系统在大风蓝色、黄色预警和不分级预警中TS评分较高。基于对大风预警系统和人工预警的数量、TS评分和预警提前量的差异分析,广西大风短临预报预警系统的产品性能达到同期人工预警水平。