基于卡尔曼滤波的上海崇明乡镇精细化预报研究

本文基于5km×5km格点数值预报资料(2017年11月1日～2018年2月28日3h～72h逐3h)和崇明24个自动站资料,利用双线性插值将格点数值预报资料插值到各个自动站站点,得到各站点数值预报资料。然后,利用卡尔曼滤波以2017年11月资料作为训练期,对2017年12月～2018年2月站点预报资料进行客观订正;利用反距离平均将各自动站温度实况资料插值到17×13矩阵的格点中得到格点实况资料,再利用卡尔曼滤波对格点数值预报资料进行订正,采用温度绝对误差对订正前后的预报效果进行检验评估,结果表明:订正后,各站点平均绝对误差都在2℃以下,各站点20时起报,24时,48时,72时逐3小时预报数据平均订正了0.37℃、0.33℃、0.23℃。各格点20时起报,24时、48时、72时逐3小时预报数据平均订正了0.31℃、0.27℃、0.20℃。空间上,预报误差呈自西北到东南递减的特性,且修正效果与预报误差呈现很好的正相关性;时间序列上,此方法对于数值预报误差较大的值有较好的修正效果。

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。