| 中国地面气温自适应递减平均降尺度方法的改进研究 |
| |
| 引用本文： | 肖瑶,郭品文.中国地面气温自适应递减平均降尺度方法的改进研究[J].气象科学,2016,36(5):606-613. |
| |
| 作者姓名： | 肖瑶 郭品文 |
| |
| 作者单位： | 南京信息工程大学 气象灾害预报预警与评估协同创新中心/气象灾害教育部重点实验室, 南京 210044,南京信息工程大学 气象灾害预报预警与评估协同创新中心/气象灾害教育部重点实验室, 南京 210044 |
| |
| 基金项目： | 公益性行业（气象）科研专项（GYHY201006017） |
| |
| 摘 要： | 针对基于卡尔曼滤波类型的自适应递减平均降尺度方案对中国地面气温精细化预报中,原方案在强降温天气预报结果不理想的问题,将其中只随空间变化的递减平均权重系数w(i)改进为含有空间、天气过程信息的自适应函数w(i,p)(i为站点信息,p为天气过程信息);在此基础上将上一次的强降温日信息当做预报前一天信息,应用改进w(i,p)递减平均降尺度方案称为w(i,p)相似法;而直接从强降温历史信息中统计插值预报与观测值的系统性偏差均值,并用以修正预报结果的方法称为w(i,p)统计法。结果表明:改进为自适应函数w(i,p)后的降尺度方案对中国地面气温的预报效果有不同程度的改善,对于24 h强降温预报,采用w(i,p)降尺度方案的预报误差均方差较原方案减小了0.19℃;而进一步改进的w(i,p)相似法与w(i,p)统计法的预报误差均方差分别减小了1.12℃、1.45℃,改进效果显著。
|
| 关 键 词： | 精细化要素预报 卡尔曼滤波 递减平均降尺度法 递减权重系数 |
| 收稿时间： | 2015/1/12 0:00:00 |
| 修稿时间： | 2015/4/22 0:00:00 |
Improvement research of decaying average statistical downscaling technique on surface temperature in China |
| |
| XIAO Yao and GUO Pinwen.Improvement research of decaying average statistical downscaling technique on surface temperature in China[J].Scientia Meteorologica Sinica,2016,36(5):606-613. |
| |
| Authors: | XIAO Yao and GUO Pinwen |
| |
| Institution: | Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters/Key Laboratory of Meteorological Disaster of Ministry of Education, Nanjing University of Information Science & Technology, Nanjing 210044, China and Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters/Key Laboratory of Meteorological Disaster of Ministry of Education, Nanjing University of Information Science & Technology, Nanjing 210044, China |
| |
| Abstract: | |
| |
| Keywords: | Fine meteorological parameter forecast Kalman filter Decaying average statistical downscaling technique Decaying weight coefficient |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《气象科学》浏览原始摘要信息 |
| 点击此处可从《气象科学》下载免费的PDF全文 |
|
