基于非参数回归模型的局部线性估计云量预报方法研究

为研究云量的分布特点,本文利用历史观测资料,对新义州、定海、隆子3站的总云量和低云量进行了正态性检验,结果显示:总云量和低云量均未达到正态指标,具有一定的随机性.因此,在2004-2007年逐年1月T106L19模式产品和单站地面观测资料的基础上,采用适合被解释对象呈非未知分布的非参数方法——局部线性估计方法,选择合适的窗宽和核函数,创建了上述3站总云量和低云量的短期预报模型,包括不同的长度样本序列.同时,为了比较预报效果,还采用适合被解释对象呈正态分布的参数方法——逐步回归法,建立了相应的预报模型,并利用2003年1月1～31日的逐日T106L19模式产品和3站的云量历史观测资料,对各种预报模型进行了试报和效果的检验,结果表明:在3站的总云量、低云量的月平均准确率和月平均平均绝对误差的检验指标中,非参数局部线性估计的预报精度均高于逐步回归方法;使用短样本序列建立的自适应非参数局部线性估计预报模型与采用长样本序列建立的预报模型相比,效果相当.这意味着,在数值预报产品解释应用的云量预报中,非参数局部线性估计方法可以更合理地考虑其时间分布特征,尤其在缺乏较长时间的历史建模样本时,具有良好的应用前景.

相似预报方法在山西省云量预报中的应用

云是一种常见且非常重要的天气现象,云量预报一直是天气预报业务中的难点之一。本文基于相似预报原理和相似离度判据,利用ERA-Interim再分析资料、T639数值预报产品和1980—2013年山西省109个地面气象观测站云量资料,遴选与云量关系最为紧密的预报因子进行组合,设计了3层嵌套5级过滤的逐步相似过滤方案,对2010—2013年山西省云量进行时效为10 d的回代预报。结果表明:该套方案对山西低云量预报效果优于总云量预报。1～10 d低云量预报误差在1成以内的准确率为71. 6%～74. 4%,其中春、秋、冬季各月的预报误差均小于2成,而夏季6—8月的误差相对略大; 1～10 d总云量的预报误差在3成以内的准确率为54. 9%～62. 8%,大部分月份的预报误差小于3成,但7—9月的误差相对较大。总云量和低云量预报准确率随着预报时间延长而略有减小,这对于山西省云量的短、中期预报具有重要参考价值。

亚洲地区云量参数化的对比试验及云的影响

本文首先分析了亚洲地区气候云量及相对湿度的分布事实。然后,利用一有限区域模式,1979年FGGE资料和我们综合的实测云量资料等,对选用或修改了的6种云量诊断方案,就1979年冬、春及夏季的4次个例进行了对比试验。最后还针对四川‘81.7’特大暴雨个例,按有无云两种方案,作了48小时预报试验。结果表明,在6种云量诊断方案中,以考虑了亚洲地区特点的ECMWF修正方案和气候云量修正方案对云区及云量的诊断效果最好。另外,云的影响对大范围短期预报虽不重要;但可对局部地区的短期天气变化有一定影响。即模式云量增加后对流层中低层温度升高,抑制陆上对流发展,预报的降水量减少。