张家港市乡镇温度订正方法研究

“三农”问题是关系国计民生的根本性问题,做好乡镇预报服务是农业农村公共服务的重要内容之一。本文利用2016—2022年张家港国家站和8个区域站的气温资料,依据温度订正法,分析订正各区域站最高、最低气温。结果表明,国家站和区域站的日最高、最低气温差异不大,而极端高温和极端低温具有明显区域性差异。因此,在气温起伏较大的冬、夏两季,可在国家站预报的基础上,对各乡镇的最低、最高气温极值进行一定的修正,从而更好地提高乡镇气温预报的准确性。

新民市气象台乡镇温度订正平台的研发

用matlab gui设计乡镇温度订正预报软件,每天利用CAWSAny WherePlus2013查询并以excel表形式导出各自动站数据,以此为初始数据,运行乡镇温度订正软件自动订正各乡镇未来24 h最高温度和最低温度。将订正结果通过乡镇短期天气预报订正与发布平台的本地化导入功能一键导入到订正界面内,实现一键制作和一键发布分乡镇天气预报的功能。

最小二乘法对乡镇预报温度订正研究

目前日本传真图温度预报存在一定程度上的系统性误差,为了更好地使用日本传真图预报产品,减小系统性误差对主观预报的影响。该文介绍一种统计学方法,对日本传真图温度预报进行订正,减小温度预报的系统性误差。从北票市乡镇天气预报工作实际出发,采用最小二乘法将日本传真图温度预报结果进行订正。运用线性回归方程建立站点气温预报模式,并对一段时期的历史时间段样本计算结果进行检验,根据结果来验证订正效果。

基于差值方法的乡镇温度订正预报

为了能够做好地域气候环境特征、温度订正预报工作,所以需要根据当地地理气候环境特征,用等差值的方法构建模型。收集温度订正预报数据,构建模型时,分别根据基准站预报值和实况值之间的差值,对温差在0.5℃、1℃以及2℃这三种情况进行讨论,从而了解各乡镇温度订正预报的准确度,同时对易差值方法模型,构建乡镇温度订正预报工作。

基于差值方法的乡镇温度订正预报研究

根据新宾地理气候环境特征,利用等差值方法模型制作乡镇温度订正预报,并分别检验基准站预报值与实况值的绝对差值在0.5,1.0,2.0℃内时,各乡镇温度订正预报的准确度,对异差值方法模型进行完善和补充。试验结果表明:(1)利用等差值方法做乡镇温度订正预报是可行的,但在制作乡镇最低温度预报时使用异差值方法比等差值方法效果好,可以明显提高大部分乡镇月最低温度预报的准确率。(2)利用等差值方法时,基准站预报值偏离实况值在0.5℃内对乡镇温度订正预报结果几乎没有影响,随着两者的绝对差值增大,对各乡镇的温度预报准确率影响就越大。

基于等差值方法的乡镇温度订正预报研究

根据新宾地理气候环境特征,利用等差值方法制作乡镇温度订正预报,并分别检验基准站预报值与实况值的绝对差值在0.5℃内、1℃内、2℃内时,各乡镇温度订正预报的准确度。结果表明,利用等差值方法进行乡镇温度订正预报是可行的,且基准站预报值偏离实况值在0.5℃内对乡镇温度订正预报结果几乎没有影响,随着两者的绝对差值增大,对各乡镇的预报准确率的影响就越大。

河西走廊东部智能网格温度预报产品订正方法探讨

为提高智能网格的订正能力及预报水平,基于中央台客观指导产品的甘肃省切片数据和中国气象局陆面数据同化系统(Chinese Land Data Assimilation System Version 2.0,CLDAS-V2.0)日网格实况产品,采用卡尔曼滤波和滑动训练订正两种方法,对河西走廊东部地区(101.0°E—104.5°E,36.0°N—40.0°N)0.05°×0.05°格点最高、最低气温进行订正、检验和评估。结果表明:(1)季节对比,卡尔曼滤波和滑动训练订正产品对四季最高、最低气温的平均绝对误差均小于中央台客观指导产品,均小于2.00℃;卡尔曼滤波和滑动训练订正产品对四季最高、最低气温的预报准确率均大于70%,其中最高气温偏高6%~13%,最低气温偏高8%~24%。(2)空间对比,卡尔曼滤波和滑动训练订正产品对最高、最低气温的平均绝对误差绝大部分地区在1.00~2.00℃,个别地区大于2.00℃;卡尔曼滤波和滑动训练订正产品对最高(最低)气温的预报准确率大部分地区大于70%(60%~70%),个别地区大于80%(70%)。(3)总体上,卡尔曼滤波和滑动训练订正产品对最高、最低气温订正技巧基本为正技巧,个别季节和部分地区订正技巧大于0.300。说明两种订正方法具有较好的订正预报能力,可为今后的温度预报业务提供一定的技术支持。

分县温度预报方程的建立及其逐步订正

使用2000-2004年1—12月850hPa天气图、日本FXFE782、FXFE783预报图、预报区域5个测站逐时自记及自动站观测资料，应用温度方程理论，从380个样本中筛选出平流项和非平流项因子17个，利用多元回归统计模型，以及850hPa分型的△T值为逐步订正值，建立了四季分县温度预报方程，在2005年11月-2006年2月应用中取得较好效果，预报误差小于±3．0℃平均误差0．

冬季黔北境内云贵准静止锋影响下最高气温预报订正方法研究

为探索静止锋位于遵义上空不同位置时,各城镇精细化预报考核站点当日高温的规律,通过普查2009—2020年12月—次年2月的14时、17时地面天气图,并结合探空资料、卫星云图等资料,筛选出云贵准静止锋(以下简称静止锋)位于遵义境内时的所有个例,分型统计不同类型个例对应的白天最高温、EC 2 m温度预报数据,EC细网格850 hPa温度,计算不同温度预报方法下的准确率,并分析是否可继续订正。结果表明:(1)离锋面越远,温度的预报准确率越高,基于客观预报方法的可订正性越强,实际业务中可以参考文中分析得到的各站点数据。(2)当静止锋呈Ⅰ_(1)型时,遵义市西部站点用EC预报当日20时的850 hPa温度(以下简称850 hPa温度预报方法)准确率较高,北部、东部站点可用EC 2 m最高温度进行订正(以下简称2 m温度订正方法)。(3)当静止锋呈Ⅰ_(2)型时,可以同时参考850 hPa温度预报方法和2 m温度订正方法,订正后准确率高。(4)当静止锋为Ⅱ2型时,对于离锋面较远的东部、南部可着重使用2 m温度订正方法。

华南区域模式在湖南省的2 m温度预报检验与订正研究

基于2019年8月-2020年7月华南区域模式(CMA-GD)预报和湖南97个国家站2 m温度实况,开展模式温度预报检验和逐步回归订正技术研究。结果表明:华南区域模式2 m温度预报与实况变化趋势基本一致,预报偏差具有明显日变化,白天准确率下降、夜间升高,随着预报时效的延长,偏差增大;夏半年预报偏差大于冬半年;湘西预报效果优于湘东;00时起报的2 m温度预报优于12时起报。基于华南区域模式预报产品,区分起报时次和季节的2 m温度预报逐步回归订正预报效果较好,订正后预报相对于模式预报误差下降、准确率提高,有明显正技巧,对12时起报的模式预报效果改善更大,不同站点订正效果略有差异,对预报误差较大站点,订正效果明显。

新民市温度幅度等差值法订正乡镇温度预报

以辽宁省新民气象站为基准站,统计分析历年各乡镇自动站逐日最高温度和最低温度的日幅度值与新民站温度日幅度值的关系,得出温度幅度等差公式,应用温度幅度等差公式对新民市各乡镇未来24 h温度预报进行订正。

基于各站温差分型的本地温度预报订正方法研究

本文采用以朝阳气象站为基准,确定其他四个预报考核站对比朝阳站的最高温度差、最低温度差,利用2005年~2013年资料对最高温度差和最低温度差分为6个级别,6个时段进行频次和对应气象要素分布的分型,分析得出以下结论:最高温度差北票、叶柏寿、凌源对比朝阳各月份区间都集中于0℃~2℃,喀左1~2月和12月集中在0℃~2℃,其他时段主要集中于0℃~2℃和-2℃~0℃;3~11月各站最低温度差主要集中于0℃~2℃,1~2月、12月各站温差主要集中于-2℃~0℃。基于各站14时和05时风向、风速、相对湿度、云量、24小时变压,对最高温度差和最低温度6个温差级别的各要素的分布情况进行统计,发现各站高低温差对应的气象要素在一些月份的统计中存在一定的规律。

温度对夏玉米光合生产力影响的数值模拟研究

利用美国Licor 6 2 0 0便携式光合作用仪测定了夏玉米光合作用速率 ,给出了叶片光合作用模型 ,建立了夏玉米冠层光温生产力数值模式 ,阐明了日平均气温与冠层群体光合作用之间的相对确定性关系 ,并提出了光合等效温度的概念及计算方法。在此基础上 ,推导出温度对群体光合作用影响的函数表达式 ,使温度订正函数 f(T)不再是简单的假设 ,而是建立在较为严格的理论基础之上 ,从而实现了光合模型的时间尺度转换 ,为更准确地建立生态动力模型及农业气候资源数值模型提供了前提条件。

新民市经验幅度分析法订正乡镇温度预报

以新民站为基准站,统计分析历年各乡镇自动站与新民站逐日最高温度和最低温度的温差变化情况,得出各乡镇逐月温差订正表,应用经验温度订正公式和各乡镇逐月温差订正表对新民市各乡镇未来24小时温度预报进行订正,其准确率将在80%以上。

北疆春季气温和霜冻网格精细化预报订正及检验

选用中国气象局下发的0.05°×0.05°的气温格点预报指导产品和陆面数据同化系统(CLDAS)逐时气温实况数据资料,设计了三种基于平均滤波的温度智能网格预报订正算法,对2019年4—5月北疆平原地区逐日20时起报的未来240 h的逐3 h气温预报产品进行订正,并对比分析检验三种订正后产品和下发的指导预报共四种产品的预报效果。结果表明:经过三种滤波订正后,气温和霜冻预报准确率及稳定性明显提高。在分时效检验结果中,三种订正产品较原指导预报产品的气温均方根误差分别减小了0.79、0.85、0.88℃,气温预报准确率分别提高了6.11%、6.38%、6.46%,霜冻预报准确率分别提高了3.00%、5.81%、7.31%,霜冻逐24 h持续时间预报均方根误差降低了4.21、4.41、4.35 h。在分区域检验结果中,三种订正产品较原指导预报产品的气温均方根误差分别降低了0.66、0.71、0.90℃,气温预报准确率分别提高了5.7%、6.1%、6.1%,霜冻预报准确率在准噶尔盆地东南部海拔高度600~1200 m区域提高明显,分别提高了2.5%、4.8%、5.4%,其他霜冻区域提高不明显。霜冻逐24 h持续时间预报均方根误差平均降低了0.81、0.63、0.56 h。相较而言,最优集成算法的订正预报效果最好。

基于多元线性回归的区域中尺度模式温度预报释用研究

为评估上海区域中尺度数值模式对崇明本站温度的预报能力,对由模式直接输出的近5年(2014~2018年)的24h和48h本站温度进行检验,并以不同预报时效(24时和48时)的温度值作为线性回归的变量的方法进行本地化释用,得到:①模式整体存在日最低温度高估,日最高温度低估的问题,其中日最低温度的误差存在一个较明显的年循环,即在冬天高估问题显著,夏季则预报较好;日最高温度误差序列的年循环现象较为微弱,季节变化较小。②运用线性回归法,分季节得到的方程对模式产品的弱点有较好的改进,方程简单,便于预报员在日常工作中的使用。

基于机器学习的模式温度预报订正方法

基于ECWMF模式数据(地面2 m温度、10 m风、降水等多气象要素预报产品)和安徽省80个国家气象站观测资料,利用决策树、随机森林、LightGBM三种机器学习算法订正ECMWF模式0~72 h温度预报,并将其与传统MOS订正方法和主观预报产品进行对比分析。结果表明:ECMWF模式高温预报误差明显高于低温预报,在安徽皖南山区和大别山区存在较大的预报误差。随机森林对最高温度预报的表现最优,LightGBM对最低温度预报的表现最优,与ECMWF模式结果相比,预报准确率分别提高了18.16%和5.19%。高山站点融合周围站点信息的机器学习模型能有效降低高、低温的预报误差。机器学习在高温和寒潮天气过程中相比主观订正仍有良好表现,能显著优化或改善数值模式在转折天气中的温度预测精度。

子午岭林区边缘台站搬迁气温变化及均一性订正

利用处于子午岭林区边缘的正宁一般气候站2012年6月至2013年12月搬站前后的气温资料,进行对了比分析、均一性检验及订正,结果表明:新站逐小时气温始终低于旧站,新旧站气温差在8时最不明显,在16时最大;最高气温新站低于旧站,最低气温以新站低于旧站为主;极端最高气温差均为负温度,极端最低气温,正负温差都较大,以负温度为主;新旧站的月平均气温,最高、最低气温,月极端最高、最低气温差异不显著,而1、3、4月及年平均气温存在显著性差异,而其余各月则差异不显著;对逐小时、逐日气温进行了订正,其R2均在0.95以上,拟合效果较好。

GTS探空仪碳湿敏元件性能测试数据分析及相对湿度订正

碳湿敏元件受温度影响明显,造成相对湿度探空数据测量的误差。利用温湿控制设备对该元件进行静态试验,测试不同温度对元件感湿特性的影响。通过对试验数据分析计算得到元件的相对湿度温度项订正数据,以及相对湿度的温度项订正拟合公式,可以有效订正由温度引起的相对湿度探空数据误差。对实际相对湿度探空数据资料订正效果的对比分析表明,经过温度项订正后的相对湿度探空数据,不但其准确度得到了提高,而且清楚地体现出在订正之前所不能体现的高空大气相对湿度在低湿段的变化细节。

基于小波分析的客观预报方法在智能网格高低温预报中的应用

基于2017—2018年中国气象局高分辨率数值预报产品、甘肃实时城镇预报产品和国家级地面观测站数据,利用小波分析、滑动训练、最优融合等技术,研发出甘肃省智能网格高低温客观订正产品。检验分析表明:城镇预报产品、滑动训练订正产品、最优融合产品3种订正产品对CMA预报均有订正能力,3种客观订正产品的最高气温订正能力强于最低气温订正能力;滑动训练法与最优融合法产生的高低温订正产品,在系统误差明显地区(甘南、陇南等)的预报结果要好于模式客观预报,而高低温城镇预报产品在气温局地性强或者模式客观预报能力差的区域有优势;最优融合预报方法生成的高低温产品预报能力略高于滑动训练订正产品且与现有预报员制作城镇预报产品基本持平,初步具备了替代主观预报的能力。