动态统计预报模型及其在2008奥帆赛风场预报中的应用

通过比较各种MOS方法在短期风速风向预报中的优劣,建立了一种基于动力统计预报模型和数值预报结果进行优化集合的动态MOS预报方法。在2005—2007年8月份风速的后报检验中,集合MOS预报可以将数值模式MM5的风速预报绝对平均误差减少30%以上。对风向预报的准确性也有明显的改进。从2008年8月10日至21日奥帆赛期间浮标A、B、C和D的检验结果来看,观测风速不大于6m.s-1的情况下,MOS平均绝对误差仅为1.1m.s-1,比MM5相应的预报误差(1.45m.s-1)减小24%。值得指出的是MM5对8月17至18日和21日的大尺度大风天气过程预报相对准确,而统计模型对这三天的风速快速加速过程反应迟缓。MOS的风向预报与MM5没有本质上的差别。两者的平均绝对误差总的来说相差小于10°,对预报员的风向预报决策影响没有明显的区别。

北京市空气质量预报体系介绍及红色预警支撑

城市空气质量预报对大气污染物减排措施的制定、重大活动期间空气质量保障以及公众的出行和健康提示都具有重要的作用。系统介绍了北京市空气质量预报体系的发展历程和现状,并详细介绍了动态统计预报模型的建立和预报性能。目前北京市预报体系的构成为:主观预报手段为主,客观预报手段为辅。主观预报手段为判别预报,即预报员根据天气形势图和空气质量实况进行主观判断,客观预报手段即数值模型和统计模型。基于2014年北京市PM_(2.5)浓度和气象因子建立了动态统计预报模型,模型能够较准确的预报PM_(2.5)浓度,预报值与观测值的相关系数达到0.72以上。统计模型在重污染期间的预报性能略差于全年,但未来24 h临近预报的级别准确率仍达到75.3%,能够为主观预报提供较好的客观参考依据。最后,详细介绍了北京市第一次重污染红色预警的发布流程和预报支撑。

吉林省春玉米生产潜力及其敏感性分析

基于"作物生长动态统计"模型计算吉林省春玉米光合生产潜力、光温生产潜力和气候生产潜力,运用敏感系数法计算并分析了生产潜力对全生育期平均气温和降水的敏感性。结果表明:春玉米光合生产潜力和光温生产潜力在吉林省由西向东呈递减趋势,中部的气候生产潜力最大,为17 266kg/hm^2,西部和东部分别为10 787、16 983kg/hm^2;西部、中部和东部生产潜力气温影响率分别为20.1%、19.5%和30.9%;生产潜力降水影响率分别为50.9%、17.6%和3.2%;西部和中部的气温敏感系数均值分别为1.77和1.99,西部最大为3.63;西部的降水敏感系数均值最大,为1.6,东部则形成了低值区。