室内人体舒适度预报模型研究

选取成都信息工程大学不同类型室内及气象观测场作为样点,采集了2013年5月18日-2014年4月30日的逐日气象资料,建立了室内人体舒适度预报模型,并得出如下结论:①室内、外人体舒适度之间的正相关关系有统计学意义(p<0.01),不同类型室内与室外的相关系数(R^(2))均达到0.84以上;②在相对较寒冷的秋冬季及春夏季的上午,直接利用室外气象要素来预报室内人体舒适度的准确率较低,而利用室内人体舒适度预报模型能够显著提高预报准确率;③通过问卷调查分析,将前人对室内人体舒适度预报等级的九级划分法订正为五级划分法,且通过实测数据进一步证明,五级划分的正确率普遍高于九级划分法.

多数值模式对2021年7月两次大暴雨过程预报能力检验评估

传统点对点的二分类检验方法能够客观反映模式预报的整体表现,但该方法存在双重惩罚现象。本文在传统检验基础上结合FSS(Fraction Skill Score)评分和MODE(Method of Object-based Diagnostic Evaluation)方法,对2021年7月影响四川的两次区域性大暴雨过程开展检验评估,对比分析了华东区域BCSH模式、ECMWF模式、西南区域SW3KM和SW9KM模式的预报性能。结果表明:(1)BCSH和ECMWF模式在小到中雨评分上略优于西南区域2个模式,SW3KM模式优势体现在暴雨预报上;BCSH和SW9KM模式预报偏差无显著规律,ECMWF模式小到大雨多空报,SW3KM模式中到暴雨多空报。(2)邻域半径为7个格点时,SW3KM模式在72 h预报时效上小雨、36~72 h大雨、24~66 h暴雨评分高于其它模式;区域模式分辨率提高,其FSS和TS评分相应增加,随着预报时间延长,区域模式FSS评分以大于ECMWF模式为主,SW9KM模式各级降水评分整体低于SW3KM模式。(3)4个模式降水落区质心位置预报的经向偏差略大于纬向,BCSH和SW9KM模式降水质心较实况偏西北,ECMWF模式暴雨质心偏西北、大暴雨质心偏西南,SW3KM模式暴雨质心多偏西南、大暴雨质心较实况多偏西北。ECMWF模式对雨带走向和面积的把控好于区域模式;SW3KM模式在72 h预报时效上多个属性值优于BCSH模式,SW3KM模式匹配目标属性值以优于SW9KM模式为主;BCSH、ECMWF和SW3KM模式均存在降水强度预报偏大的特征。

2017年中国大陆地区PM10时空分布特征

文章利用中国366个环境质量监测站的逐时观测资料,统计分析中国区域2017年PM10浓度的变化情况及其分布特征。研究结果表明:(1)中国区域年均PM10浓度的低值分布在呼伦贝尔草原等区域,而年均PM10浓度的高值分布在新疆和田地区,中国区域2017年PM10浓度的平均值为79μg/m3。(2)中国区域春季PM10浓度的高值区域集中在新疆中部地区,而冬季PM10浓度的高值区域集中在新疆中部和华北平原地区,中国区域春季平均的PM10浓度为85μg/m3,冬季平均的PM10浓度为107μg/m3。(3)2017年PM10的日均浓度有4个明显的峰值,日均PM10浓度在冬春季的波动幅度大于夏秋季,中国区域有351 d全国平均的日均PM10浓度<150μg/m3,对应的空气质量分指数为良以上。

基于MET系统对SWCWARMS及GRAPES模式在西南地区的站点检验分析

应用国家基本观测站资料、自动站逐时降水资料,基于客观统计检验方法,针对降水(12h、24h累积雨量)、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2015年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式降水ETS评分高于GRAPES模式,除24h小雨外SWCWARMS模式偏差值均高于GRAPES模式,两个模式在不同预报时效内对中雨、大雨、暴雨都表现一定程度的空报;(2)12h降水分段评分上,SWCWARMS模式TS评分均高于GRAPES模式,但SWCWARMS模式预报降水范围过大,随着预报时效增长空报多于GRAPES模式;SWCWARMS模式中雨和大雨空报大于其它量级降水,GRAPES模式对大暴雨漏报较多其它量级降水表现为空报;(3)两模式对高度场和温度场预报优于风场,对对流层中层预报优于中低层,SWCWARMS模式对高度场和温度场预报优于GRAPES模式,夏半年SWCWARMS模式均方根误差小于GRAPES模式;(4)两模式都表现出2m温度均方根误差在秋季增加而春季减小这一特征,SWCWARMS模式近地面要素均方根误差均小于GRAPES模式。

SWCWARMS模式对西南区域预报能力的检验

应用国家基本观测站资料,基于MET系统的客观统计检验方法,针对24h降水、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2016年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式在中雨至暴雨预报上优于GRAPES模式,24h小雨和大暴雨、48h大暴雨预报较GRAPES模式偏差,同时SWCWARMS模式存在空报较多的问题;(2)SWCWARMS模式预报2米温度以低于实况为主,10m风速在秋冬季节以大于实况为主,SWCWARMS模式2m温度、10m纬向风和10m经向风4个季度平均RMSE均小于GRAPES模式,但8月月平均(72h)2m温度RMSE大于GRAPES模式,模式对近地面温度场预报优于10m风场;(3)两模式对高空温度场预报优于高度场和风场,SWCWARMS模式预报对流层中层高度场和温度场都偏低,在500h Pa上,除2月、11~12月(24h)外,其它月份和其它预报时效温度场RMSE均小于GRAPRS模式,春夏季高度场的预报优于GRAPRS模式,秋冬季RMSE大于GRAPRS模式;在850h Pa上,SWCWARMS模式预报风场春夏季误差小于GRAPES模式多于秋冬季,冬半年风场误差大于夏半年,RMSE大于GRAPES模式频次增加。

SWCWARMS模式对巴中地区预报能力的检验

应用巴中地区218个自动气象观测站2016年6～8月逐日的24h累积雨量,采取基于客观统计的检验方法,针对24h累积雨量,采取TS评分、BIAS评分和空报率对比分析了SWCWARMS模式和EC细网格模式在巴中地区的预报能力。研究结果表明:(1)从降水落区来看,两个模式都对雨带的移动都有较好的预报能力;(2)从降水TS评分看,SWCWARMS模式在各量级上的TS评分都优于EC模式;(3)从降水BIAS评分看,EC模式容易漏报中雨及以上量级的降水,而SWCWARMS模式则对大暴雨的预报有较大的空报;(4)从逐月评估结果看,6月和7月SWCWARMS模式较EC模式有更好的预报效果,8月两者差异不大。总体而言,SWCWARMS模式在巴中地区的预报效果优于EC模式。