统计降尺度方法在天津小时降水和气温精细化预报中的应用

基于ECWMF模式预报数据对2018年3—11月降水和2 m温度进行统计降尺度,利用先频率匹配法、再阈值法对插值后的降水订正,利用Kalman滤波型的递减平均统计降尺度法对插值后的温度订正,最终获得逐小时降水量和温度的预报。结果表明:(1)对于晴雨预报准确率,绝大多数预报时效频率匹配法和阈值法均对其有明显提高,前者最大改进幅度可达20%以上。对于相对误差,阈值法对空报现象有较显著改进。对于1 h降雨量大于等于20 mm的短时强降水,频率匹配法订正后的TS评分有明显提高。对2018年"安比"台风事件,除具有以上改进效果外,频率匹配法提高了降水主体形态和量级的预报水平,阈值法对空报站订正正确。(2)对于温度的ECWMF模式预报检验,几乎在任何预报时效内都是3月的绝对误差最大。通过Kalman滤波型的递减平均统计降尺度法后,各月的绝对误差都有不同程度减小。总体上,订正后的绝对误差曲线仍具有订正前的周期性波动,波峰、波谷位置也与订正前基本一致,且绝对误差越大,订正幅度越大。个例分析也表明订正后保留了温度预报空间分布的准确性,且绝对误差有明显下降。

贵州省本地化温度客观订正算法探究

利用2019年4月1日—7月31日的0~240 h欧洲中期天气预报中心2 m温度预报和2019年4月1日00时—7月31日00时贵州省境内364个自动气象观测骨干站点的温度观测资料,分别基于时间持续偏差订正(滑动平均)和类卡尔曼滤波的递减平均统计降尺度方法构建单模式的温度订正方案和客观算法模型,进而对欧洲中心2019年7月1日—7月15日的2 m温度预报进行客观订正。结果表明:时间持续偏差法构建的方案对订正效果不好,平均绝对误差值(MAE)均比原始数值预报大。相比之下,采用类卡尔曼滤波的递减平均统计降尺度方法构建订正方案对部分站点的预报有着非常显著的订正效果,平均绝对误差值在大多数时效上比数值预报本身小,且经过参数优化方案之后,又进一步提升了订正效果。订正模型的训练方案仍然有很大的改进空间,有望提高有效订正站点的数量。