基于TIGGE资料的东亚地面气温预报的不一致性研究

基于TIGGE资料中欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)和中国气象局(CMA)3个集合预报系统的地面气温集合预报资料,运用跳跃指数研究了3个集合预报系统中东亚地面气温的控制预报及集合平均预报的不一致性。结果表明,各个集合预报系统地面气温预报的时间平均不一致性指数差异较大。ECM WF时间不一致性指数最小,NCEP次之,CM A最大。另外NCEP的控制预报、ECM WF的控制预报和集合平均预报,这三者的时间平均不一致性指数随预报时效延长而增加,且集合平均预报一致性优于控制预报。而对于CMA预报的不一致性,无论是控制预报还是集合平均预报总体上都稳定地保持在较高的水平。此外,ECMWF的地面气温冬(夏)季预报的不一致性相对较强(弱),且单点跳跃随预报时效延长变化不明显,而控制预报和集合平均预报的异号两点跳跃以及三点跳跃出现的频率总体上随预报时效延长略有增加。     

CMA-GFS与ECMWF模式预报产品不一致性特征

为讨论CMA-GFS模式与ECMWF模式对不同要素预报性能的差异,选用2019—2021年500 hPa位势高度、地面气压、地面2 m气温、12 h降水量的4种要素为对象,采用跳跃指数为评价指标,对比分析了不同区域CMA-GFS、ECMWF模式预报的不一致性特征。结果表明：1） 在形势产品（500 hPa位势高度、地面气压）预报方面,两种模式多日平均预报跳跃指数和频率（即预报不一致性）随预报时效的延长而逐渐增大,总体而言CMA-GFS模式预报不一致性比ECMWF模式略显著。2） 在要素产品（地面2 m气温、12 h降水量）预报方面,ECMWF模式预报的跳跃指数、频率都随预报时效的延长而逐渐增大;CMA GFS模式预报的跳跃指数、频率随预报时效的延长出现“两头大、中间小”的变化;CMA-GFS模式预报不一致性比ECMWF模式显著,尤其短预报时效差异更明显。3） 除CMA-GFS模式12 h降水预报外,同一模式相同要素预报区域范围越大预报跳跃指数越小,两者呈反比关系。4） 两种模式的500 hPa位势高度、地面气压、地面2 m气温预报的跳跃指数分布均呈自南向北逐渐增大趋势,而12 h降水量预报的跳跃指数分布呈自北向南逐渐增大趋势,另外12 h降水量预报的跳跃指数分布与特殊地理位置有关。     

模式降水与温度预报的不一致性特征

为探讨模式产品预报不一致性问题,利用2015年11月—2016年10月业务中常用的GQEC,GQJP及T639模式的12 h降水、2 m温度网格产品,采用跳跃指数定量计算方法,研究了产品在不同区域内跳跃指数变化与预报不一致性问题。结果表明:产品多日平均跳跃指数随预报时效延长而增大;长时效预报比短时效预报跳跃频率大、预报不一致性也大;对比两种要素可知,降水的跳跃指数比温度大,跳跃频率高,预报不一致性大;对比不同模式发现,GQEC不仅跳跃指数值小,且跳跃频率低,预报不一致性小,GQJP虽然跳跃指数值小于T639,但其跳跃频率更高,预报一致性较T639低;产品跳跃频率存在季节差异,夏季降水和温度预报跳跃频率最高而冬季最低,夏季预报不一致性最大。研究还发现:基于跳跃指数的预报不一致性特征与选取的区域大小密切相关,区域越大,跳跃指数和预报不一致性越小;区域内跳跃指数分布特征与地理位置和地形等有关。     

汉中市空气质量预报模型及验证

利用汉中市2015—2016年1月1日—12月31日2a的空气质量资料和同期地面气象观测资料,分析了汉中市空气质量变化特征及其与气象要素之间的相关性,建立了汉中市空气质量预报模型。结果表明:汉中市空气质量状况总体较好,以优良天气为主,达标率为75.9%;汉中市空气质量夏季最好,秋季次之,冬季最差;空气质量指数(AQI)与气温、风速、日照时数、能见度、水汽压、降雨量、气压、地面气温相关性显著,各气象要素对AQI的影响有所不同,且不同季节内影响程度各异;建立的汉中市春、夏、秋、冬四季空气质量预报模型方程均通过显著性水平0.01检验,达到极显著水平。经验证,2017年春季空气质量级别预报准确率超过了85%,预报效果良好,可应用于汉中市空气质量预报业务。     

IAP AGCM模式对地面气温长期趋势的预报分析

分析了1979～2004年共26年中国台站地面气温的观测资料以及中国科学院大气物理研究所的大气环流模式IAP AGCM在夏季和冬季的季节集合预报结果对地面气温长期变化趋势的预报.分析结果表明,在所研究的26年中,中国大部分地区是一个增温的趋势,其中冬季增温比夏季增温显著.IAP AGCM集合预报不能很好地预报出观测资料...     

云南地区季降水量和气温的潜在可预报性分析

利用云南地区42年气候资料,使用低频白噪声延伸法和方差分析方法,估计了该地区季节降水量和季节气温的气候噪声方差和潜在可预报性。分析结果表明：（1）云南季降水量的气候噪声方差随着季节降水量的增加而增加,空间上主要是由南往北减小,夏季降水量的气候噪声方差显著大于其他季节,季气温的气候噪声方差则随着季节气温的减小而增加,空间上春、冬季由东往西减小而夏、秋季由南往北增加;冬季气温的气候噪声方差显著大于其他季节;（2）云南季降水量和季气温的潜在可预报性同样具有显著的季节变化和空间变化,云南春季的降水量和气温的潜在可预报性均显著大于其他季节,夏季降水量和气温的潜在可预报性均较其他三个季节小;春、秋季降水量潜在可预报性西部大于东部,夏季北部大于南部,冬季则是南部大于北部,云南季气温除夏季外均是西部大于东部。（3）季风和冷空气活动可能对云南地区的季降水量和气温的潜在可预报性有重要影响。     

辽宁地区ECMWF模式气温预报检验及误差订正研究

利用2016—2018年ECMWF细网格模式12—36 h内2 m温度预报产品,选取辽宁地区65个城镇站点观测资料,评估预报产品在不同季节的预报准确率,并按季节分析固定误差订正方法和最优滑动周期订正方法对提高准确率的作用。结果表明：ECMWF模式预报产品对辽宁地区气温预报的准确率表现为,ECMWF模式最高气温冬季预报最优(城镇站点预报准确率为81.5%),最低气温夏季预报最好(城镇站点预报准确率为84.3%);采用最优滑动周期订正后,2016—2018年辽宁地区的最高气温和最低气温准确率较ECMWF模式自身分别提高了19.7%和20.5%,最低气温的预报准确率提高程度优于最高气温;在整个空间分布中,ECMWF模式对辽宁中部平原地区最高(低)气温预报准确率高于东、西部地区,辽宁东北部和西南部以及东南部的长白山余脉影响区域准确率明显低于其他区域。同时,在各季中,最高气温和夏季最低气温的订正预报能力优于其他季节;在地面晴、雨两种特征下,对辽宁地区24 h气温预报进行订正检验表明,该检验结果对辽宁地区最高(低)气温订正有一定补充作用,尤其是冬季降水出现时,最高气温预报补充订正效果最为显著。     

基于数值预报模式的乡镇温度预报方法研究

利用2015年8月至2017年7月长兴岛站和交流岛站日最高气温、日最低气温实况资料,对ECMWF细网格2 m温度预报值和日本FSFE02(24 h地面形势场预报)、FSFE03(36 h地面形势场预报)进行了检验。结果表明:根据历史回归统计检验,ECMWF细网格模式24 h的2 m最高气温、最低气温预报效果显著,通过了0. 05信度显著性检验。对各月做相关分析,相关性均较好。利用前一日ECMWF细网格2 m温度预报值与长兴岛站实况差值,根据统计的ECMWF细网格2 m温度预报订正值,做出长兴岛站未来24 h的气温预报。交流岛站温度预报是在长兴岛站温度预报的基础上订正做出,经统计分析,交流岛站和长兴岛站的气温差值与地面形势场和风场有较好的对应关系,根据不同类型的地面形势场和风场订正值,做出交流岛站的温度预报。应用Matlab计算机语言的开发功能,提取ECMWF细网格2 m温度预报的最高、最低气温值,并录入当日长兴岛站和交流岛站最高、最低气温实况值,自动预报各站未来24 h最高气温、最低气温。创建可视化预报工作界面,实现乡镇温度预报自动化。     

中国区域多种数值模式资料的地面气象要素评估

利用中国气象局国家级自动站(2421个站)的观测资料,分别对2010年7月1日至2013年6月30日的欧洲中期数值预报中心(ECMWF)、日本气象厅(JMA)和美国国家海洋大气局的全球预测系统(GFS)数值模式资料的地面气温、相对湿度和风速在中国区域的适用性进行了比较研究。结果表明,3种数值模式资料都能在一定程度上反映观测资料所具有的时间和空间分布特征,东部地区的适用性要高于西部地区。不同的地面气象要素,差异较大:对于地面气温和地面相对湿度,ECMWF比JMA和GFS更接近实际观测,ECMWF和JMA的分析场数据质量要好于预报场;ECMWF和JMA地面气温在冬季与观测差异最大,GFS地面气温在夏季与观测差异最大;3种数值模式资料的地面相对湿度在秋季和冬季与观测差异最大;对于地面风速,在江淮流域和华南等东部区域JMA与实际观测差异最小,在北部和西部区域ECMWF最好,JMA和GFS地面风速在冬季与实际观测差异最大。     

三种全球预报产品中国区近地面气温短期预报效果检验

全球气象预报产品是扩散模式、空气质量模式的重要基础资料和前提条件,其误差直接影响模拟结果的准确度。为考察不同气象预报产品的误差,选取2016年6月至2017年5月GFS、ECMWF、T639三种全球气象预报产品,利用中国2100个地面观测站数据,对预报产品中近地面气温进行了对比,并分析了其在不同季节、不同区域的特征。结果表明：在中国区域三种气象产品气温预报存在偏低预报的趋势,其均方根误差的年平均值为2.60—3.52℃,相关系数的年平均值为0.89—0.92,平均绝对误差的年平均值为1.87—2.67℃。整体而言,EC表现最佳,其余依次为GFS、T639。气温预报误差存在季节变化特征,三种产品均方根误差与平均绝对误差均表现为夏秋季优于春冬季,相关系数表现为秋冬季优于春夏季。气温预报误差存在明显的地域差异,三种气象预报产品的气温误差空间分布特征较为相似,在中国华东地区误差值表现较低,在西南地区误差较高。同时,其误差水平在中国沿海地区表现较低,在地形复杂地区表现较高。     

基于BMA方法的地面气温的10～15 d延伸期概率预报研究

利用TIGGE资料提供的欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)、英国气象局(UKMO)三个预报中心2013年6月1日至8月31日的地面2 m气温10~15 d预报资料,对延伸期地面气温进行贝叶斯模式平均(Bayesian Model Averaging,BMA)预报试验。结果表明,BMA方法的预报效果随训练期长度而改变,训练期长度为30 d时预报效果最优。BMA方法可提供全概率密度函数,定量描述预报不确定性的大小,且陆地上预报不确定性大于海洋上的预报不确定性,高纬度地区预报不确定性大于低纬度地区的预报不确定性。利用CRPS评分对BMA概率预报技巧进行评估,发现预报技巧随预报时效的延长降低,且预报技巧在海洋上优于陆地、低纬度地区优于高纬度地区。此外,3 d、5 d和7 d滑动平均的预报值反映某些天气过程的平均要素预报,对于提高10~15 d延伸期概率预报技巧有一定效果,且滑动天数越长,预报效果越好。     

ECMWF全风速场集合预报结果的偏差订正与预报不一致性分析

采用卡尔曼滤波类型自适应误差订正法和滑动自适应权重法,对2012年夏季ECMWF 10 m全风速场集合预报结果进行偏差订正,对订正前后的预报结果进行评估,并通过Jumpiness指数对预报结果订正前后的预报不一致性特征进行分析。结果表明,卡尔曼滤波类型自适应误差订正法能有效降低集合预报的均方根误差,且当起报时刻为00时对中低纬度地区的订正效果更显著,当起报时刻为12时对中高纬度地区的订正效果更明显;卡尔曼滤波类型自适应误差订正法能有效改善Talagrand的U型或L型分布;由均方根误差分析结果知道,ECMWF 10 m全风速场集合预报本身存在较大的预报不一致性,经过卡尔曼滤波类型自适应误差订正后,集合预报的预报不一致性明显降低,偏差订正可有效改善集合预报的预报不一致性,且随着预报时效的延长,卡尔曼滤波误差法对预报不一致性的改善效果更加明显;从预报不一致性的发生次数特征来看,单点跳跃出现的次数最多,异号三点跳跃的次数最少;经过卡尔曼滤波类型自适应误差订正后,单点跳跃、异号两点跳跃、异号三点跳跃次数都有所下降。     

CMA-GD模式江西省智能网格预报区域2 m气温预报误差分析

利用2020年6月1日—2022年5月31日CMA GD模式2 m气温预报产品（预报时效为13—36 h）和同期江西省智能网格预报区域内地面站气温观测资料,计算气温预报准确率、平均误差和均方根误差,并统计分析其时空分布特征。结果表明： 1）模式预报准确率在不同月份、起报时次存在差异,暖季总体较高,冷季总体较低;暖季08时起报产品的月准确率总体高于20时,冷季反之;秋、冬季旬准确率分布更离散。模式预报产品其准确率明显低于中央气象台和江西省气象台订正产品,需订正后使用。08时起报产品对寒潮的预报效果优于20时。2）气温预报年误差分布存在日变化,最大值出现在08时,最小值出现在15时;年均方根误差峰值出现在15时和06时,白天大于夜间。3）冬季平均误差多为正值,夏季为负值,春、秋季平均误差大小界于冬、夏季之间;白天时段夏季均方根误差最大,夜间时段冬季最大。4）气温预报年误差地理分布特征明显,平原地区预报值偏低,年均方根误差最小;丘陵和山区22 h时效预报值偏高,31 h时效偏低;高山站预报值偏高,年均方根误差最大。丘陵地区负误差最大,平原地区最小;山区正误差最大。     

基于卡尔曼滤波的中国区域气温和降水的多模式集成预报

利用TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。     

BCC_CSM模式夏季关键区海温回报评估

利用国家气候中心气候系统模式(Beijing Climate Center Climate System Model, BCC_CSM)的汛期回报试验数据集, 评估了夏季中低纬度海表面温度(Sea Surface Temperature, SST)的预测能力。结果表明:该模式对夏季中低纬海温具有一定的预测能力, 且在低纬地区的预测技巧尤为出色。对太平洋、热带印度洋和北大西洋这三个关键区进一步分析发现, 该模式对不同海区海温的预测能力有所不同。其中, 模式对夏季北太平洋海温及Ni?o 3.4指数表现出显著的预测技巧, 对热带印度洋、北大西洋海温及热带印度洋全区一致海温模态(Indian Ocean Basin-wide Warming, IOBW)也表现出一定的预测技巧, 而对北大西洋海温三极子模态(North Atlantic Tripole, NAT)的技巧相对较低。研究发现, 预测技巧与前冬的ENSO状态密切相关, 当前冬位于ENSO异常位相时, BCC_CSM模式对于三大海区夏季海温的预测技巧要高于前冬位于ENSO正常位相时, 且对NAT指数也具有更高的预测技巧。前冬ENSO所处的位相对于该模式对夏季Ni?o 3.4指数及IOBW指数的预测技巧影响不明显。此外, 该模式对夏季海温的预测技巧依赖于超前时间, 预测技巧在大部分情形下超前1个月的预测技巧相对更高。     

基于TIGGE资料的地面气温和降水的多模式集成预报

利用TIGGE资料集下中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24 h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96 h延长至192 h,且除个别时效外,小雨、中雨的TS评分得到明显提高。