基于四川地区1990—2019年的逐日2 m最高、最低温度站点实况数据,对气温转折天气过程进行统计和分析,在此基础上,应用LightGBM(Light Gradient Boosting Machine)算法及NCEP/NCAR(National Center for Environmental Prediction/Nationa...基于四川地区1990—2019年的逐日2 m最高、最低温度站点实况数据,对气温转折天气过程进行统计和分析,在此基础上,应用LightGBM(Light Gradient Boosting Machine)算法及NCEP/NCAR(National Center for Environmental Prediction/National Center for Atmospheric Research)逐日再分析资料,构建气温转折天气过程变温订正模型。结果表明:(1)出现气温转折过程最多的区域是高原与盆地的边坡过渡区,最少的是盆地;(2)各区域的气温转折过程具有明显的季节差异,均表现为春季最多、冬季最少,且春季的气温转折过程明显多于其他3季;(3)在1990—2019年验证集中,LightGBM订正模型表现较好,准确率为78.64%,平均绝对误差为1.35℃。(4)在2020年的独立样本测试中,LightGBM订正模型的准确率为53.60%,平均绝对误差为2.19℃,整体订正效果优于ECMWF模式(European Centre for Medium-Range Weather Forecasting)、中央台城镇预报指导报(SCMOC)及四川省气象台数值预报客观释用城镇预报指导报(SPCO)的预报。展开更多
本文选取2017年1~12月ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式168h预报时效的2m温度场和对应时段四川地区157个国家站的观测资料,对比分析了模式温度预报的系统性偏差特征,采用15日周期的滑动双权重平...本文选取2017年1~12月ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式168h预报时效的2m温度场和对应时段四川地区157个国家站的观测资料,对比分析了模式温度预报的系统性偏差特征,采用15日周期的滑动双权重平均法对2m温度预报产品进行偏差订正,并与四川省气象台现有的主、客观预报产品进行对比,结果表明:(1)EC模式对低温的预报准确率远高于高温预报准确率;订正后高、低温预报准确率均有显著提高,其中低温平均提高了20.5%,高温提高了31.2%,平均绝对误差分别减小约1.1℃和2.9℃。(2)EC模式高温预报的逐月差异明显比低温预报逐月差异大,订正后差异明显减小,且各月的高、低温预报准确率均有显著提升,订正后各月高、低温的平均绝对误差均在2℃之内。(3)EC模式对于低温和高温的预报在全省均大致呈现负的系统性误差,且高温预报的系统性误差明显比低温预报的系统性误差大,订正后2m温度预报的系统性误差均明显降低,全省大部分地区维持在±1℃之间。(4)与四川省气象台现有的主、客观预报产品对比显示,对于高低温预报均是EC订正后准确率最高、平均绝对误差最小,订正效果较为理想。展开更多
本文通过分析2017年9~12月四川地区ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式、GRAPES_GFS(Global and Regional Assimilation and Prediction System)全球模式和西南区域模式(South West Center-WRF ADA...本文通过分析2017年9~12月四川地区ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式、GRAPES_GFS(Global and Regional Assimilation and Prediction System)全球模式和西南区域模式(South West Center-WRF ADAS Real-time Modeling System, SWCWARMS)2m温度168h预报时效内的系统性偏差特征,采用滑动双权重平均法分别对三种模式温度预报产品进行偏差订正,并集成得到各时效2m温度的订正场,结果表明:(1)三种模式的预报存在明显的日变化,整体上EC模式的预报最优。(2)三种模式对于低温和高温的预报,在全省均大致呈现负的系统性误差,特别在高原及过渡区表现的尤为明显。(3)订正后三种模式的预报准确率显著提高,均方根误差减小1.4~2.5℃,大部分地区平均误差维持在±0.5℃之间,在系统性偏差较大的地区,订正效果更好。(4)两种集成方案预报结果接近,且均优于三种模式的订正预报。展开更多
文摘基于四川地区1990—2019年的逐日2 m最高、最低温度站点实况数据,对气温转折天气过程进行统计和分析,在此基础上,应用LightGBM(Light Gradient Boosting Machine)算法及NCEP/NCAR(National Center for Environmental Prediction/National Center for Atmospheric Research)逐日再分析资料,构建气温转折天气过程变温订正模型。结果表明:(1)出现气温转折过程最多的区域是高原与盆地的边坡过渡区,最少的是盆地;(2)各区域的气温转折过程具有明显的季节差异,均表现为春季最多、冬季最少,且春季的气温转折过程明显多于其他3季;(3)在1990—2019年验证集中,LightGBM订正模型表现较好,准确率为78.64%,平均绝对误差为1.35℃。(4)在2020年的独立样本测试中,LightGBM订正模型的准确率为53.60%,平均绝对误差为2.19℃,整体订正效果优于ECMWF模式(European Centre for Medium-Range Weather Forecasting)、中央台城镇预报指导报(SCMOC)及四川省气象台数值预报客观释用城镇预报指导报(SPCO)的预报。
文摘本文选取2017年1~12月ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式168h预报时效的2m温度场和对应时段四川地区157个国家站的观测资料,对比分析了模式温度预报的系统性偏差特征,采用15日周期的滑动双权重平均法对2m温度预报产品进行偏差订正,并与四川省气象台现有的主、客观预报产品进行对比,结果表明:(1)EC模式对低温的预报准确率远高于高温预报准确率;订正后高、低温预报准确率均有显著提高,其中低温平均提高了20.5%,高温提高了31.2%,平均绝对误差分别减小约1.1℃和2.9℃。(2)EC模式高温预报的逐月差异明显比低温预报逐月差异大,订正后差异明显减小,且各月的高、低温预报准确率均有显著提升,订正后各月高、低温的平均绝对误差均在2℃之内。(3)EC模式对于低温和高温的预报在全省均大致呈现负的系统性误差,且高温预报的系统性误差明显比低温预报的系统性误差大,订正后2m温度预报的系统性误差均明显降低,全省大部分地区维持在±1℃之间。(4)与四川省气象台现有的主、客观预报产品对比显示,对于高低温预报均是EC订正后准确率最高、平均绝对误差最小,订正效果较为理想。
文摘本文通过分析2017年9~12月四川地区ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式、GRAPES_GFS(Global and Regional Assimilation and Prediction System)全球模式和西南区域模式(South West Center-WRF ADAS Real-time Modeling System, SWCWARMS)2m温度168h预报时效内的系统性偏差特征,采用滑动双权重平均法分别对三种模式温度预报产品进行偏差订正,并集成得到各时效2m温度的订正场,结果表明:(1)三种模式的预报存在明显的日变化,整体上EC模式的预报最优。(2)三种模式对于低温和高温的预报,在全省均大致呈现负的系统性误差,特别在高原及过渡区表现的尤为明显。(3)订正后三种模式的预报准确率显著提高,均方根误差减小1.4~2.5℃,大部分地区平均误差维持在±0.5℃之间,在系统性偏差较大的地区,订正效果更好。(4)两种集成方案预报结果接近,且均优于三种模式的订正预报。