用逐步趋近法确定台州金桂开花日最高气温低温预报指标

桂花作为台州市市花,观赏和采摘需要进行开花始期预报。利用2006-2023年台州金桂开花期和日最高气温数据,用逐步趋近法确定金桂开花前低温日指标,按照低温日指标统计低温过程,对第1批次开花前的多个低温过程进行全排列组合,计算第1批次开花始期与各组合低温过程开始日的相关系数,找出相关最显著的低温过程组合确定为有效低温过程,对比有效低温过程和无效低温过程,确定低温过程有效性指标。分析结果表明:(1)台州金桂开花前低温日指标为日最高气温<24.4℃。(2)有效低温过程分为2类:第1类低温过程中连续低温日数≥2天;第2类低温过程中最长连续低温日数=1天,低温过程后1日最高气温≤27.3℃,且前1日最高气温≤28.8℃。(3)无效低温过程分类指标:低温过程中最长连续低温日数=1天,低温过程后1日最高气温≥27.5℃,或者前1日最高气温≥29.9℃。(4)第1个有效低温过程后6-9 d金桂出现第1批次开花始期,金桂各批次开花始期与有效低温过程开始日为极显著正相关。

基于集合预报系统的日最高和最低气温预报

根据欧洲中心集合预报系统2 m气温预报的集合统计值,提出了BP-SM方法,针对中国512个台站2016年3月的日最高(低)气温做预报分析。将集合预报系统的模式直接输出、BP和BP-SM方法得到的日最高(低)气温进行了比较,结果表明:预报时效越长,BP-SM方法较之BP方法的预报优势也更明显;在1至5 d的预报中,BP-SM方法显著降低了预报绝对误差,误差在2℃以内的准确率大部分在60%以上,部分站点达到90%;正技巧评分均值大多高于30%,在青藏高原东部和南部地区超过了60%。预报正技巧站点次数在绝对误差≤2℃(1℃)范围内有所提高,对日最高气温预报准确率的提高略好于日最低气温;BP-SM方法有效地降低了预报系统偏差,较大预报误差出现次数显著减少。

利用日最高气温和日最低气压预报5月大风

对 1981～ 1995年的大风资料进行统计分析，得出用日最高气温和日最低气压预报于田县 5月大风天气的指标。

郑州市5～8月逐日最高气温预报

利用郑州市 1 996～ 1 998年 5～ 8月的历史气象资料 ,选取低云日际变化量、降水日际变化和风向日际变化为预报因子 ,建立了 5～ 8月最高气温日变化量多元回归预报方程。根据预报日前 1天实况和预报日的预报量 。

东北地区大型日光温室最高、最低温度预报模式探讨

为了在东北地区开展大型日光温室内气温预报,防御温室蔬菜冷冻害和热害,在东北地区的中部建立大型日温室和温室小气候自动观测系统,应用小气候监测资料研究棚内外最高、最低气温的关系,建立相关模式,用棚外的最高、最低温度预报值预报棚内的最低(最高)温度。结果表明,大型日光温室内、外最低(最高)气温相关显著,不同季节、不同天气条件下的相关模式差异较大。这类相关模式可以用于日光温室内最低和最高气温的预报,从而提升温室气象要素预报水平,预防设施农业气象灾害,提高蔬菜生产效益。

ECMWF模式的延伸期日最高气温预报偏差估计及订正分析

使用欧洲中期天气预报中心(ECMWF)20 a的集合预报回算数据,检验分析了延伸期第16~30天预报时效其对我国日最高气温的预报性能。结果表明,西部地区预报误差明显大于中东部地区。全国平均而言,模式预报较实况偏低1.1~1.39℃,均方根误差为4.6~4.9℃。进一步分析指出,第16天均方根误差最小,且随着时效的延长其略有增大。夏季模式预报效果最好,春季和秋季的部分时段预报效果较差。基于历史偏差订正方法,对2018年6月—2019年6月的日最高气温预报进行了误差订正试验。结果显示,订正后的预报准确率提升了15.2%~19.2%。聚焦2018年7月的一次中东部地区大范围高温过程,模式原始预报明显低估了高温强度,订正预报更接近实况,显示其具有一定的订正效果。

武冈市7～9月日最高气温精细化预报方法研究

[目的]对武冈市7～9月日最高气温精细化预报方法进行研究。[方法]利用2009～2010年T213和欧洲中心ECMWF模式产品及相应时段内测站的日最高气温,用多因子相似预报方法动态优选预报样本,采用多元回归多模式集成MOS方法,经动态地订正模式误差和回归误差后,得出动态预报方程,制作24～120 h武冈市7～9月日最高气温预报。[结果]经样本优选、误差订正得到的武冈市7～9月日最高气温方程,经多次随机抽样,并做F检验,可通过显著水平为0.1的检验。[结论]这种方法具有预报模式中外结合、充分利用多个模式的有用信息、吸取各自的优点,考虑本地局部环境因素,减少模式误差和回归误差,利于提高预报精度的优点。

日极端气温的主客观预报能力评估及多模式集成网格释用

精细格点天气预报是我国未来几年天气预报业务发展重点。利用ECMWF、GRAPES等业务数值模式和广东站点观测资料,对日极端气温的主客观预报能力进行了多角度综合评估。统计结果表明,T_(max)、T_(min)的主客观预报误差均存在明显季节差异,在系统误差相对平稳的夏半年主观预报具有较明显订正能力,模式预报呈现一定流依赖特征,温度越高(低),负(正)偏差越明显;主客观预报误差空间分布均受地形影响,随着时效延长误差总体增幅不大,主观订正能力也较稳定。根据以上评估特征和网格预报特点,研究开发了一套多模式动态集成网格释用技术方案(McGF)。结果表明,相比单个模式的预报和主观预报,McGF较明显提升了T_(max)的预报技巧;T_(min)的模式预报偏差总体较T_(max)偏小,McGF提升幅度相对较小;网格释用后的广东区域预报能较合理反映气温空间和强度特征,较周边未经释用区域明显更优。

盛夏日最高气温中期预报的初步尝试

一、前言盛夏季节的最高温度,特别是高温出现时段,是人们在生产和日常生活中十分关心的问题。根据以往预报经验,与最高温度密切相关的是副高周期性活动,当副高西伸控制我省时,往往出现高温天气,而副高东撤,高温天气随之结束。近年来,随着欧洲中心数值预报模式的不断改进,

平顶山地区日最高气温预报

以ＥＣＭＷＦ资料为因子，用ＰＰ法、ＭＯＳ法、卡尔曼滤波法作平顶山地区日最高气温预报，并在微机上实现从格式转化、关键区选取、因子计算到结果输出的完全自动化。

基于卷积神经网络的长江流域夏季日最高温度延伸期预报方法研究

长江流域是我国夏季高温热浪灾害的多发区之一,该地区日最高温度(T_(max))具有显著的低频(10~30 d和30~60 d周期)变化特征,超前-滞后相关分析和气温方程诊断的结果显示,影响长江流域T_(max)低频变化的大尺度环流/对流信号包含:自欧亚大陆东移南下的低频波列,自东北亚向西南方向传播的异常环流,以及由西太平洋向东亚传播的低频对流;这些低频对流/环流活动通过改变辐射加热过程及绝热过程,导致长江流域T_(max)的低频变化。为了客观且有效地辨识和捕捉这些先兆信号,并考虑长江流域T_(max)与大尺度因子间的非线性作用,本文采用机器学习方法中的卷积神经网络(Convolutional Neural Network,CNN)对大量历史数据进行训练,并构建了长江流域T_(max)的延伸期预报模型。在独立预报阶段,CNN预报模型对长江流域区域平均T_(max)的预报时效达30 d,提前5~30 d预报的T_(max)与观测T_(max)的时间相关系数介于0.63~0.70(通过99%置信度的显著性检验),量级偏差(均方根误差)小于1个标准差,显示出CNN在延伸期灾害天气预报的应用潜力。

辽阳地区智能网格产品气温预报检验订正

利用2017—2018年智能网格预报产品对辽阳地区逐1 h气温、日最高(低)气温进行检验,并采用最优滑动周期法进行订正。结果表明:辽阳地区智能网格预报准确率整体表现为西部较高、东部较低;逐1 h气温预报和日最高气温预报整体较实况偏高,日最低气温预报较实况偏低;逐1 h气温预报、日最低气温预报准确率在夏季7月、8月与其他月份相比较高,冬季各月日最高气温预报准确率较高;日最高气温预报准确率最高、稳定性最好,采用最优滑动周期法订正后,准确率基本为80%~90%;中西部地区日最低气温订正后准确率也在70%以上。

低能见度条件对日极端气温影响研究

基于2004—2013年和2015年北辰区气象局本站观测数据以及ERA 850,hPa温度数据,利用SPSS数学处理软件分析不同季节日极端气温短期气候变化规律以及能见度和日极端气温的相关关系,并做拟合预报试验。结果表明,最高、最低气温的整体趋势比较一致,ΔT_1和ΔT_2都为夏季波动最小,春、秋、冬季较大,且ΔT_2波动明显大于ΔT_1。

最高最低气温出现时间分析

对新乡气象站2012-2013年每目的最高最低气温出现时间进行分析发现，在正常出现时间之外，有许多异常情况。剔除异常时间点，对正常时间进行统计得到：日最高气温冬半年平均出现在14～15时，夏半年在15～16时；最低气温冬季在07时左右，夏季在05：30前后。两年中有22％的温度极值在异常时间点出现。异常极值的出现主要由冷锋、强冷空气、云、降水、风、雾、霾等因素引起。当气温日较差比较小时，气温极值出现的时间和地点存在随机性。

极端最高气温特高与特低年探讨

近四十年来开化县极端最高气温出现特高和特低年份各五年,经分析找出前期特征预报参考。

最高气温26天峰点韵律预报失误时的订正方法

30天以内的超中期天气过程预报，不论是公益预报还是专业预报服务，都是非常重要的。但长期以来缺乏具体方法，预报技术难度大，准确率较低。根据大气低频振荡理论，陈瑞闪正研高工曾提出，应用热带云团在北纬25度以南进入西风带作福建冬半年的降水过程预报，取得很好的效果。并进而推论，利用逐日最高气温的振荡，作冬半年冷空气影响过程的经验公式在预报中也取得较好的应用效果，这证明在中低纬地区利用低频振荡理论作超中期天气过程预报是可行的。但是任何一种预报方法都不可能有100％的预报准确率，我台在长期的应用和实践过程中，对大气低频振荡经验公式预报错误时，找出了一种订正预报方法。以下本文将订正预报方法做一介绍。

营口市气温预报方法研究

地面气温与大气低层温度存在明显的正相关。利用NCEP/NCAR 850 hPa和925 hPa的温度资料与营口市的日最高和最低气温分季建立预报回归方程,并分析了风向、风速、低云量和降水对日最高和最低气温变化的影响程度并建立预报指标,对预报回归方程进行订正。对预报方程结果进行了预报检验,结果表明:日最高气温预报误差小于2℃的预报准确率,春季为57.6%,夏季为82.2%,秋季为83.3%,冬季为78.3%;日最低气温预报误差小于2℃的预报准确率,春季为64.1%,夏季为82.6%,秋季为70%,冬季为60%。

江津地区精细化气温预报模型研究

利用T639和欧洲中心细网格的气温数值模式预报产品及相应时段内研究区各镇街站点的实况气温建立动态预报方程,对江津地区各镇街24~72h日最高气温、日最低气温进行预报,为方便该模型投入业务运行使用,编制了基于数值预报模式产品的精细化气温预报软件,并在实际业务运行中取得了初步效果.对软件的初期试运行发现,软件预报较主观预报在业务评分方面有较明显的提升,对预报员主观预报有一定的指导意义.

2004—2013年琼海市气温日极值出现时间分析

对琼海气象站2004—2013年日极值气温随时间变化特征进行分析,结果表明:冬半年日最高气温平均出现在14:13,夏半年在14:19,最低气温冬季出现在6:59,夏季在6:08。最高气温17%、最低气温26%在异常时间点出现,主要由冷锋、强冷空气、云、降水、风、雾、霾等因素引起;气温日较差小时,气温极值出现的时间和地点存在随机性。分析异常时间点产生的原因,掌握其变化规律对提高气温预报准确率、精细化预报水平、服务工农业生产有很大作用。

MOS温度预报中最优训练期方案

以欧洲中期天气预报中心（ECMWF）模式细网格地面气温为预报因子,设计多种训练期方案进行2014 2015年福建省气象站每日两次1~7 d的日最高气温和日最低气温MOS（model output statistics）预报,并进行检验和改进。准对称混合滑动训练期方法为取预报日之前和前1年预报日之后相同日数的样本混合而成,分1年期或多年期。结果表明：准对称混合滑动训练期方案优于滑动训练期方案和传统季节固定期分类方案,且2年期优于1年期。以不同周期确定最佳训练期日数的方案应用对比显示,以年为评估周期优于以月为评估周期以及更短时间周期。在2015年日最高气温和日最低气温MOS预报中,基于上年度评估所得最佳训练期日数,2年期准对称混合滑动训练期方案较ECMWF模式细网格产品质量有较大提高,优于预报员预报,有较好的应用参考价值。