乌鲁木齐区域高分辨率数值预报系统V2.0 预报性能客观检验

数值预报系统检验结果对预报产品的释用和系统的改进有着重要的作用。基于MET（Model Evaluation Tools）检验工具对乌鲁木齐区域高分辨率数值预报系统V2.0 (Rapid-refresh Multi-scale Analysis and Prediction System—Central Asia V2.0,简称RMAPS-CA V2.0）在2021年各季节中的预报性能进行客观检验评估,主要检验了2m温度、10m风速、高空位势高度等要素,并与RMAPS-CA V1.0同期预报性能进行对比分析。（1）2m温度预报偏差在冬季和春季整体为负偏差,在夏季和秋季整体为正偏差;各个季节的平均预报偏差均在2℃以内,预报性能秋季最优,冬季最差。各个季节10m风速预报整体为正偏差且差异不大,平均误差在0.5-1.0 m/s之间,预报性能秋季最优,春季最差。（2）高空位势高度预报偏差在冬季整体为负偏差,在其余季节整体为正偏差,预报性能冬季最优,春季最差。高空风场预报偏差在冬季和春季400hPa以下为正偏差,400hPa以上为负偏差;夏季和秋季整体为负偏差,预报性能春季最优、夏季最差。高空温度场预报偏差在冬季整体为负偏差,其余季节整体为正偏差,预报性能春季最优、夏季最差。（3）降水晴雨预报效果较好,但除夏季外以空报为主;随降水阈值增大、TS评分减小,多以漏报为主,降水评分在冬季最高、夏季最低。从降水个例检验看,24h累计降水为大量和中量的国家站点预报性能有所提升,逐6h累计降水TS评分略有提升。（4）RMAPS-CA V2.0系统各要素预报偏差的变化特征与RMAPS-CA V1.0相似,预报能力整体上要优于RMAPS-CA V1.0。     

华家岭雾凇气候特征与预报研究

基于华家岭国家基本气象站 1951-2020 年气候资料,应用Morlet小波分析法、Mann-Kendall突变检验、气候倾向率等方法分析华家岭雾凇气候变化特征,应用箱线图法分析适宜雾凇形成的气象条件,应用Bayes逐步判别法建立雾凇预报模型。结果表明：华家岭年平均雾凇日数69.1 d,呈减少趋势,气候倾向率为-2.5 d/10a,2018年后减少显著,2015年为突变年;呈现稳定的5 ａ短波动周期和25 ａ长波动周期。各季节变化趋势存在差异,春季（-1.2 d/10a）、秋季（-1.5 h/10a）呈减少趋势,冬季（0.05 d /10a）呈微增加趋势。从月分布看,华家岭除7、8月份其余时间均有雾凇出现,2月最多;各月雾凇日数的线性变化趋势不一致,4、10月下降显著;1、2月雾凇日数年际变化小。适宜华家岭雾凇形成的气象条件是日平均气温-10.8～-1.0 ℃、最低气温-13.5～-3.5 ℃、风速2.3～6.3 m/s、相对湿度大于65%。选用日平均气温等13个变量作为预报因子建立雾凇预报模型,经回判检验,分月检验准确率84.0～90.0%。研究结果可为地区旅游产业的发展规划和冰雪旅游气象服务提供参考,加速推进冰雪旅游产业发展,助力乡村振兴战略。     

机器学习在人工增雨效果统计检验中的应用

利用福建省古田人工增雨试验基地2014年1月—2023年1月小时自然降水数据,结合线性拟合、多项式回归和样条回归等多种数学统计方法,开展决策树、支持向量机(SVM)和卷积神经网络(CNN)3种机器学习方法在估测目标区自然降水中的应用研究。目标区和对比区自然雨量关系模型对比结果表明:以区域平均面雨量为统计变量时,CNN和四项式回归效果相对较好,其中CNN的确定系数为0.516,均方根误差为1.097 mm;对平均面雨量进行六次方根变换后,各模型的精准度大幅提升,CNN表现最优,确定系数为0.658,其次为SVM;为克服目标区和对比区雨量时间序列效应及空间分布不均等问题,以面雨量空间格点数据作为研究对象,采用CNN 3种优化器(自适应矩估计、均方根传递和梯度随机下降)算法进行对比,发现基于自适应矩估计优化器建立目标区和对比区雨量关系模型最优,其降水估测值与实测值更接近,均方根误差最小,为0.61 mm。因此,利用CNN方法能够进一步优化目标区和对比区雨量关系模型,可为定量评估人工增雨效果提供参考。     

亚运气象服务演练预报检验分析

通过检验2009年广州亚运气象服务演练中预报员的综合预报和SAFEGUARD精细化预报系统产品,分析预报误差,结果表明:1)温度预报,预报员对转折性降温过程的释用产品修正效果明显,而平稳天气过程则不显著;2)定量降水预报,预报员对降水出现的时间分布主要依靠模式或客观释用,对小量级降水系统性高估,而对大量级降水则明显低估;3)亚运场馆风场受周边城市环境影响大,预报难度高。     

哲盟风沙状况分析

哲盟风沙状况分析李春云，戴玉杰（通辽市气象局）１前言大风和沙尘暴灾害在哲盟仅次于干旱灾害，居第二位。风沙灾害能给工农牧业生产造成严重的直接损失，是阻碍工农牧业发展的直接因素；而且还加剧了沙漠化程度，加快了沙漠化进程，因而成为严重影响国民经济发展的潜在...     

Python在短临气象预报检验中的应用

基于机器学习方法的短临多气象要素预报系统(Weather Elements Nowcasting based on machine learning,简称WEN)具有高发布频次、高时间分辨率、基于候和时辰的复杂预报模型等特点。应用多维标签数组、机器学习工具、并行计算框架等Python库,以快速计算为目标,建立以预报模型覆盖时间范围为统计检验时间边界的检验子系统,客观给出预报性能,为模型调优效果评估、产品业务化运行提供依据。     

兰州市心血管病与气象条件分析

利用兰州市区三大医院 1996～ 2 0 0 0年病历资料和兰州观测站 1996～ 2 0 0 0年的压、温、湿资料以及天气图资料 ,对兰州市区心血管病与气象条件的关系进行分析总结 ,并用逐步回归法建立了春季心血管病等级预报方程     

台风“凤凰”暴雨成因及数值模式预报检验分析

利用NCEP再分析格点资料和降水实况数据,对1416号台风“凤凰”登陆浙江象山前后引发浙江沿海地区的暴雨过程进行分析。结果表明：东海和南海是此次强降水的主要水汽供应源;“凤凰”台风的降水与螺旋度的变化比较一致;“凤凰”台风登陆前浙江沿海区域有不稳定能量积聚。开展了ECMWF、NCEP、JAPAN的数值模式对“凤凰”台风暴雨预报准确度的检验,发现ECMWF模式比NCEP模式、JAPAN模式有较明显的优势,3个模式24 h的预报误差率在30%以下,48 h、72 h预报能力相对较差,96 h预报在该次预报中偏差很大。     

基于SPEI的广东省近50 a干旱时空特征

了解广东省干旱特征对于减少旱灾损失具有重要意义。基于1971—2020年广东省86个国家气象观测站逐月降水量和气温资料,计算不同时间尺度的标准降水蒸散指数（standardized precipitation evapotranspiration index,SPEI）,利用Mann-Kendall趋势检验、经验正交函数（empirical orthogonal function,EOF）以及极点对称模态分解（extreme-point symmetric mode decomposition,ESMD）等方法,分析近50 a广东省干旱时空变化特征。结果表明：广东省年尺度SPEI整体呈较明显下降趋势,即干旱化趋势,四季也呈干旱化趋势,但并不明显。广东省干旱发生频率较高,但强度较低。EOF第一模态反映广东省存在一致变旱或变涝特征,其与赤道太平洋中东部海表温度关系更为密切,时间系数反映出广东省整体呈干旱化趋势;第二模态与西太平洋副热带高压关系较为密切;第三模态则与海陆差异有明显关联。ESMD分析表明广东省平均年尺度SPEI在年际上以3.1 a周期振荡为主,在年代际上以12.5 a周期振荡为...     

月动力延伸预报产品在新疆月尺度降水预测中的应用检验

利用新疆101个气象观测站点逐月降水实况资料和2001~2010年国家动力气候模式产品,进行月动力延伸预报产品的应用预测检验。采用PS评分和同号率对内插预测结果进行效果评估,并与业务评分进行对比。结果表明：月动力延伸预报产品对新疆地区月降水趋势预测Ps评分高于业务评分,而对各月降水距平百分率的同号率差异较大。夏、秋季Ps评分较高,冬、春季PS评分较低,季节转换时预测Ps评分变率较大。