基于模式输出统计预报方法的云量精细化预报

通过对T639数值预报产品的释用,结合地面气象观测站资料,以环渤海地区兴城站为例,建立了云量的精细化预报模型.从云形成的基本条件出发,选取4类天气学意义明确的预报因子:水汽类、大气不稳定度类、大气上升运动类和天气系统强度类,以总云量、低云量为预报对象,通过逐步回归法建立兴城站逐月、逐时次的云量预报方程.结果表明,云量主要受水汽、大气上升运动和大气不稳定度影响.回代检验结果表明,总云量平均绝对误差为20%,低云量平均绝对误差为16%,低云量的预报方程预报效果更好;总云量夏半年预报准确率更高,低云量冬半年预报准确率更高,可为云量精细化预报提供参考.

应用模式输出统计作海雾出现判别预报

应用模式输出统计的逐步判别方法，对山东南部沿海４～７月海雾出现作２４ｈ的判别预报。候选预报因子包括：日本数值预报传真图、近岸台站的观测、经验设计因子及其一些组合因子。对１９９３年４～７月独立资料，进行试报检验，结果表明，预报准确率达７７％

ECMWF模式气温预报在云浮地区的释用及检验

对2020—2022年ECMWF模式云浮地区的气温预报进行释用,并利用云浮4个国家气象观测站实况数据进行检验。结果表明:(1)ECMWF模式的最低气温预报优于最高气温预报,MOS对最高气温订正优于最低气温。(2)逐月气温预报中,MOS均优于DMO,MOS能较好订正系统误差。(3)ECMWF模式DMO最高气温预报在云浮站偏差最大,最低气温预报在罗定站偏差最大;MOS相对DMO有效减小站间差异。(4)降水天气时,DMO最高气温预报偏差增大,MOS订正幅度降低;MOS对最低气温订正幅度不受降水与否影响。(5)高温天气时,MOS对最高气温的预报能力优于非高温天气;低温天气时,MOS最高气温预报出现负订正。

基于WRF模式输出统计的逐时太阳总辐射预报初探

基于WRF(weather research and forecasting model)模式逐时输出结果,设计了逐时太阳总辐射的模式输出统计(model output statistics,MOS)预报流程。主要包括:对逐时观测序列进行低通滤波再除以天文辐射,对模式输出因子的筛选和降维,以及建立MOS预报方程,并对2009年1月、4月、8月和10月武汉站逐时太阳总辐射进行预报试验。结果表明,该方案在各月预报相对稳定,拟合和预报效果均较为理想,可使平均绝对百分比误差控制在20%～30%,相对均方根误差控制在30%～40%,相对模式直接预报辐射改进了50%左右。由此可见,通过对模式输出进行解释应用,可以有效提高辐射预报的准确率。此外,客观分析所得的气温、云量、露点、比湿、相对湿度、地面气压等13个模式输出因子可以作为各地区建立MOS辐射预报方程的参考因子。

年景分析与统计模式相结合的农业产量预报方法简介

为了研究气象环境特征及其变化趋势与各类农作物产量构成之间的关系,并预报其年景和产量,向各级政府和有关部门提供决策依据,在杭州市科委和省气象局的支持下,我们于1986年开始研制市级主要粮食作物及红、黄麻产量预报系统(注),于1989年通过了省气象局和杭州市科委的联合鉴定。现将该系统的主要技术方法介绍如下:

精细化逐时滚动温度预报方法及检验

以Grapes数值模式预报为基础,首先利用卡尔曼滤波方法对Grapes模式的温度预报进行释用,再将模式统计输出方法应用于卡尔曼滤波结果,从而得到站点逐时滚动温度预报,最后通过站点-格点映射方法将站点预报误差反馈到最匹配的格点上,实现精细化逐时滚动温度预报(SHUF)。检验结果表明,Grapes模式的24小时温度预报CSI评分稳定在0.4左右;卡尔曼滤波方法的CSI评分介于0.47～0.43之间;而SHUF的CSI评分在1～6小时内由0.91降至0.64,7～16小时的CSI评分由0.6逐渐降低至0.52,17～24小时的CSI介于0.5～0.45之间,均优于同期Grapes模式预报和卡尔曼滤波释用结果。精细化逐时滚动温度预报方法利用最新的气象观测要素对数值模式预报的结果进行订正,可有效改进数值模式的短时温度预报能力。

几种空气质量预报方法的预报效果对比分析

目前应用于我国各个城市空气质量预报业务的预报方法主要有三种 :数值模式预报、统计预报和综合经验预报。这几种预报方法都有其各自的优势 ,同时也存在一些不足。应用以上方法对天津市市区进行空气质量业务预报 ,通过实测资料与预报结果进行对比分析 ,给出这几种方法在天津市区空气质量预报中的预报效果客观评价。

低能见度雾的分级预报方法研究

利用2007年11月—2009年12月京石(北京-石家庄)高速公路沿线气象站的人工观测资料、自动站资料和交通气象自动站资料,对低能见度雾天气进行分级统计,找出各级雾的生消特征。应用天气学原理和数理统计方法对低能见度雾的生消机理进行研究,利用相关分析找出了与低能见度雾的生消有密切关系的气象因子,建立能见度与气象因子之间的回归方程;在此基础上,结合对低能见度雾的成因分析和预报经验,加入降水因子和大气稳定度因子,建立低能见度雾的分级预报方程,找出各级雾的生消判别指标,为低能见度雾的分级客观化预报奠定基础。各预报因子采用MM5精细化数值预报产品,并通过自动站实时监测资料和预报员的综合预报结果对数值预报产品进行合理订正,得到预报时刻各气象因子的值,从而实现低能见度雾的分级客观化预报。

人工增雨效果的数值统计评估方法

利用1995～2001年河南省春季降水资料,采用数值预报与统计相结合的方法,对飞机人工增雨的效果进行检验。该方法的基本思路是根据降水的气候特征设定增雨效果的评估区,在同一评估区内应用数值模式MM5V3对历史降水过程的降水量进行数值预报,从而获得一组预报雨量,对非增雨过程的数值预报雨量与降水实况进行统计分析,建立预报雨量与实况雨量的数理统计关系。对增雨作业过程的降水同样采用相同的数值模式进行预测,并与增雨后的实况雨量比较,从而得到飞机人工增雨效果。评估结果表明:1995～2001年春季飞机人工增雨效果比较明显,豫北区(I区)平均为16.7%,豫东区(II区)平均为19.3%

基于三种机器学习方法的降水相态高分辨率格点预报模型的构建及对比分析

冬季降水相态及其转变时间的精细化客观预报对提高气象预报和服务质量具有重要的现实意义。利用京津冀地区国家级自动气象站观测资料及网格化快速更新精细集成产品,统计分析了京津冀地区复杂地形下各类降水相态温度和湿球温度平均气候概率的分布差异及不同降水相态时网格化快速更新精细集成产品中可能影响降水相态判断的特征信息。然后将地面观测天气现象资料、复杂地形下降水相态气候特征及高分辨率模式输出产品作为特征向量,分别基于梯度提升(XGBoost)、支持向量机(SVM)、深度神经网络(DNN)3种机器学习方法建立了降水相态的高分辨率客观分类模型,并对同样条件下3种机器学习方法对雨、雨夹雪和雪3种京津冀主要降水相态的预报效果进行了对比检验,进一步提升了雨夹雪复杂降水相态的客观分类预报技巧。

海浪预报知识讲座 第十三讲海浪预报技术及预报方法(6)——海浪数值预报(Ⅱ)

1海浪模式的基本概念 表面波的数学描述有很多的随机元素,需要统计说明。代表海浪场的统计参量在特定的时间周期和空间范围上表现海浪的特征。形式上,在这些尺度范围,需要假定我们所描述的海表面是稳态（时间上）和空间均一的。显然,缺少这样的条件将需要在更大尺度范围上描述海浪的成长与消衰。为了有效的模拟变化的海浪,时间步长、网格长度这些刻度都要足够小来刻画海浪的演变,但是更小的时间和空间是否合适必须经过验证。

改革统计预报教学 适应基层台站预报发展

“统计预报”是气象专业的一门重要专业课,它具有比较强的理论性与可操作性。过去已建立了固定的教学模式,随着我国现代化新业务预报体系的建立,基层台站制作天气预报的方式发生根本性变革,这为我们气象中专革新教学内容带来紧迫感,下面就改革“统计预报”教学浅谈几点看法:

多模式超集合方法：凝聚更多的模式信息

美国佛罗里达州立大学学者在最新发表的评述多模式天气、季节气候和飓风超集合预报论文中，用图解释了多模式超集合方法。该方法通过“培训”和“预报”两个阶段，先在第一阶段用统计方法获得不同模式的权重，之后进入预报阶段实施超集合预报。而不同模式的权重是随时间变化的，

福州市城市空气质量预报方法研究

本文对福州市城市空气质量预报系统进行了介绍,运用统计学方法,建立统计预报模式。结果表明运用统计模式开展城市空气质量预报是可行的。

西乡县冬小麦生长季土壤水分的预报方法

本文运用统计学方法,建立西乡县旬土壤水分的预报模式,并在农气服务中初步使用,效果较好.在制作土壤水分旬预报时,计算的是0—50cm深土层的土壤含水量,而实际土壤水分观测资料,通常是以土壤含水量占干土重的百分比表示.换算成毫米为单位,用Z=Z′×((D×H×10)/100)=Z′×((D×H)/10)式中Z、Z′分别为以毫米和占干土重的百分数为单位的土壤含水量,D为该土层的容重(g/cm^3),H为土层厚度(cm),50cm深土层取6个层次,表示在0-5cm和5cm—10cm,表层以下每隔10cm取土样.每次测定取四个重复,其平均值即我们使用的土壤含水量.

基于线性回归的风电功率预测误差修正方法

风电功率预测精度的好坏直接关系到发电计划的合理制定和风电功率的优先调度。为提高风电功率的预测精度,文中利用模式输出统计方法对风电功率的预测误差进行分析,根据模式输出统计方法可自动修正数值预报偏差特点,提出了基于线性回归的风电输出功率预测误差修正方法。基于实际风电场历史数据的研究表明,该方法数学原理简单、适用性强,可有效改善风电功率的预测精度,具有很好的工程实用价值。

基于CMAQ模式和自适应偏最小二乘回归法的中国地区PM_(2.5)浓度动力-统计预报方法研究

采用CMAQ模式和自适应偏最小二乘回归法相结合的动力-统计预报方法,对2014年1—12月全国252个环境监测站的PM_(2.5)浓度逐时预报值进行了滚动订正,分析了订正前后PM_(2.5)浓度的时空变化特征,重点研究该方法在中国不同地区不同季节的适用性.结果表明:CMAQ模式预报的PM_(2.5)浓度年平均和秋冬季季节平均偏差表现为非均匀空间分布特征,即辽宁、山东部分地区、川渝地区及华中、华东、华南大部分地区预报偏高,京津冀和西部大部分地区预报偏低;订正后PM_(2.5)浓度与实测值的空间分布较一致,上述偏高和偏低地区的PM_(2.5)浓度预报误差显著减小;秋冬季PM_(2.5)浓度预报和订正偏差均大于年平均值.全国区域平均PM_(2.5)浓度实测值存在明显的季节变化特征,1—3月和11—12月较大,其他月份较小;PM_(2.5)浓度预报误差较大,多数时刻预报偏低,尤其是1—3月和11—12月偏低较明显;订正后PM_(2.5)浓度与实测值较接近,而且时间变化趋势较一致,秋冬季PM_(2.5)浓度预报和订正偏差亦明显大于春夏季.秋冬季4个重点污染区域中,京津冀地区PM_(2.5)实测浓度的区域平均值较大,川渝地区次之,长三角和珠三角地区较小;珠三角地区PM_(2.5)浓度预报和订正效果较好,川渝和长三角地区次之,京津冀地区相对较差;经滚动订正后,全年和秋冬季时段PM_(2.5)浓度订正值与实测值的相关系数均显著增加,误差显著减小,尤其是秋冬季订正效果较好.川渝地区的订正改进幅度最大,长三角和京津冀地区次之,珠三角地区较小.本文方法均适用于非污染日和污染日全国范围的PM_(2.5)预报浓度订正,两种天气过程PM_(2.5)浓度的订正效果均较好;该方法对于改进京津冀地区污染日的PM_(2.5)浓度预报更有效,其他3个地区非污染日的订正改进效果优于污染日.本文研究结果可为改进空气质量预报、重霾污染天气预警和防治提供新技术途径和科学依据.

资料同化方法研究进展

数值天气预报模式的不断完善和大气观测探测资料(特别是卫星、雷达等非常规探测资料)的大量涌现,推动着资料同化方法的逐步发展。文章主要回顾了资料同化方法研究的发展过程、目前的应用现状以及对未来同化方法的展望。随着人们对资料同化含义的深入理解,对于资料同化的研究由初始的探索阶段逐步发展到以经验性为主的同化方法,主要包括SCM和nudging;统计方法的引入,成为资料同化方法研究发展道路上具有重要意义的一个里程碑,从而出现了多元统计插值同化,比如OI,3D-Var以及PSAS;针对背景误差协方差固定不变与实际情况的差异,考虑时间维的四维资料同化方法成为目前国际上较为主流的同化研究方法,其中以4D-Var和Kalman滤波为代表;随着计算机技术的进步,更加合理的四维资料同化方法将会成为未来业务预报中主要的资料同化方法。

风能数值预报的模式输出统计(MOS)研究

利用中尺度气象模式WRF输出的风速、温度、摩擦速度等变量作为待选因子,在其中选择合适的因子与风电场的实测风速建立多元线性模式输出统计(MOS)模型,对陕西省延长县风电场的风速进行预报。详细分析了因子数量、模型训练长度对预报结果的影响。研究表明:(1)所选因子不需要太多,推荐只选两个;(2)保证有600或以上时次的历史资料进行训练;(3)满足以上条件,MOS预报的均方根误差比单纯的模式预报误差平均可减少0.23m/s。该方法实现简单,计算快捷,可实际应用于风电预报中。