沪渝高速(三岔口大桥)路面温度特征及模型研究

利用沪渝高速公路恩施-宜昌路段恩施附近的三岔口大桥(海拔708 m)自动站监测2013年6—8月(夏季)及2013年12月至2014年2月(冬季)逐日逐时次气象要素资料,统计分析夏季、冬季路面温度与气温的变化特征及路面温度与气象因子的关系,基于逐步引入因子线性回归分析方法建立路面温度统计模型,并对模型的预报效果进行实验研究。结果表明:夏季路面最高温度受多种气象要素的影响,与日最高气温、日平均气温、前一日路面最高温度、前一日路面平均温度呈正相关,与相对湿度、24 h累计降水呈负相关。冬季路面最低温度与最低气温呈显著性相关。通过模型的效果实验,发现夏季路面最高温度用日最高气温、日最小相对湿度及前一天物理量建立的模型预报结果与实况的变化趋势最为接近;冬季路面最低温度用日最低气温、日最小相对湿度、日平均风速及前一天物理量建立的模型预报结果与实况的变化趋势最为接近。     

陕西ECMWF、GRAPES_Meso和SCMOC气温预报的对比检验及订正

利用陕西99个国家气象站2017—2019年日最高(低)气温观测资料,采用一元线性回归和递减平均方法,对GRAPES_Meso、ECMWF和SCMOC的日最高(低)气温预报进行订正,并作对比检验。结果表明,SCMOC、GRAPES_Meso和ECMWF的日最低气温预报准确率较日最高气温偏高,其中SCMOC的日最高和最低气温预报准确率最高,ECMWF次之,GRAPES_Meso最低。一元线性回归和递减平均方法对SCMOC的气温预报订正多为负效果,但对GRAPES_Meso和ECMWF的气温预报订正有明显正效果。订正后ECMWF与订正前SCMOC的预报相比,前者日最高和最低气温的预报准确率偏高。订正后GRAPES_Meso与订正前SCMOC的预报相比,前者日最低气温预报准确率偏低、2018年24 h和2019年24、48 h日最高气温预报准确率偏高。一元线性回归法对模式气温预报的订正能力和稳定性优于递减平均法。     

三种气温预报产品黑龙江省预报效果检验

利用T639模式预报产品和黑龙江省83个国家气象站气温实况观测资料,采用最优预报因子方法选取预报因子,应用多元回归方法建立逐站日最高气温和日最低气温的MOS预报方程; 对MOS、中央气象台指导预报（SCMOC）和T639三种气温预报产品的日最高气温和日最低气温预报效果进行对比检验分析,并用EOF方法检验预报与实况的时空变化特征一致性。结果表明: 与实况的时空变化一致性方面,MOS和SCMOC较好,T639略差; 预报效果方面,MOS和SCMOC对日最高气温和日最低气温的2 ℃预报准确率普遍高于T639,MOS的预报准确率在日最高气温方面高于SCMOC,在日最低气温方面低于SCMOC; MOS对T639气温预报产品改善效果明显,尤其对冬季日最低气温的预报改善效果十分显著; MOS较T639气温预报改善效果与T639模式预报效果呈负相关关系,主要表现为,MOS预报改善效果在T639预报准确率低的山区明显优于平原,在春、夏季,预报准确率较低的日最高气温明显优于日最低气温,在冬季,预报准确率较低的日最低气温优于日最高气温; MOS气温预报方法的预报性能较理想,SCMOC对黑龙江省预报难度较大的日最低气温预报效果较好。     

递减平均法与一元线性回归法对ECMWF温度预报订正能力对比

基于ECMWF细网格模式的定时最高(低)气温预报产品,针对2017年陕西99个国家级气象站的日最高(低)气温预报,检验和比较了递减平均法和一元线性回归法两种方法对气温预报误差的订正效果。结果表明,两种方法都显著地提高了日最高(低)气温的预报准确率,随着预报时效的延长,订正能力逐渐减弱。技巧评分与模式对气温的预报能力有显著的负相关关系,秦岭及其以南地区的日最高气温预报和秦岭以北地区的日最低气温预报的准确率偏低,其技巧评分一般超过40%,极大值超过70%。两种方法都有效降低了系统误差,较小误差范围的站次增多,较大误差范围的站次减少,对日最高气温在预报绝对误差≤2℃误差范围的订正能力较为突出,对日最低气温在预报绝对误差≥3℃误差范围的订正更有优势。一元线性回归法对日最高气温预报的订正能力略优于递减平均法,对日最低气温预报的订正能力不及递减平均法,利用这两种方法对气温预报进行混合订正的效果更佳。     

精细化气象要素温度指导预报在山西区域的误差及特征

利用2009-2010年山西区域108站共730天精细化气象要素温度指导预报资料,对比日最高气温和日最低气温的预报误差,采用常规统计、EOF分析等方法研究指导预报误差的时间和空间分布特征,结果表明:山西区域的温度预报准确率比较稳定,但有明显的季节特点,夏季最高,秋季次之、冬春季相对偏低,日最高气温年平均正、负误差略高于日最低气温误差,春季大,冬秋次之,夏季小;正负误差值的空间分布与山西地形有一定的联系,日最高气温和日最低气温误差的分布特点具有明显的全区一致性.     

一种逐时气温预报方法

利用2006~2010年陕西10地市逐小时的气温和逐日的最高气温、最低气温、平均总云量、降水量资料,通过线性回归方法建立了一种基于日最高气温和最低气温预报以及临近气温实况资料的逐时气温预报模型,并对2011年每天的逐时气温预报进行检验。结果表明:该方法在晴天、多云和阴雨天的预报能力依次减弱,其中晴天和多云天02~18时的预报效果好于19时至次日01时的,而阴雨天01~10时的预报效果好于其它预报时段的;当日最高气温和最低气温预报较为准确时,西安站各预报时刻的准确率均在60%以上,其中14~17时的准确率较高,晴天的达到100%,多云天的在96%~99%之间,阴雨天的准确率偏低一些,特别是11~17时较晴天和多云天偏低了12%~27%;该方法可以将24 h日最高(低)气温预报细化到逐时气温预报,同时考虑了气温日变化的地域差异、季节特征、以及在晴天、多云和阴雨天的不同表现,具有一定的业务应用和推广价值。     

洛阳分县温度周滚动预报系统

利用洛阳9县(市)2002年11月~2004年9月逐日最高、最低气温资料,应用欧洲中心数值预报产品,建立了洛阳9个县(市)的温度周滚动预报方程。2004~2005年试报结果表明:24~48 h预报准确率在70%左右,绝对误差在2℃以内;24~144 h预报准确率在62%~70%之间,绝对误差在2℃左右;最低气温预报效果要好于最高气温,最低气温的绝对误差与准确率分别为1.98℃和67%,最高气温的绝对误差与准确率分别为2.28℃和61%。     

夏玉米农田气温变化特征及预报模型构建

根据2016年6—9月夏玉米生长季的气候资料和齐河国家气象观测站的同期观测资料,分析不同天空状况下农田的气温变化特征,利用相关和多元线性回归方法,研究农田最低、最高气温与观测站各要素的关系并建立高低温预报方程。结果表明:(1)农田温度有明显日变化,晴天最为明显,阴天最为平缓,05:00—06:00(北京时,下同)气温最低,15:00气温最高,农田与观测站温差绝对值晴天最大,14:00—15:00差值绝对值最大达2.1℃;(2)农田气温与各预报要素的相关程度受天空状况影响,主要影响因子为观测站当天和前一天最低、最高及平均气温等,农田最低气温与观测站当天最低气温相关系数为0.956~0.994,农田最高气温与观测站当天最高气温相关系数为0.825~0.981;(3)构建的预报方程通过了显著性检验,最低、最高气温预报方程的拟合程度均较高,夏玉米拔节后期—成熟期阴天时最低气温预报效果最好,平均相对误差为0.4%,平均绝对误差和均方根误差均为0.1℃。     

川西高原地区SCMOC温度精细化指导预报质量检验及影响因子分析

利用2014~2015年阿坝州13站共730天08:00和20:00起报的SCMOC温度精细化指导预报资料,对比实况日最高(低)气温,进行预报质量检验。结果表明:日最高(低)气温预报准确率与预报时效成反比,两个时次预报的最低气温准确率高于最高气温,且最低气温预报准确率有明显的季节变化。08:00起报的日最低气温多出现负误差,其余预报最高(低)气温多出现正误差。日最低气温预报绝对误差与海拔高度有关。24h最高(低)气温预报绝对误差>4℃样本分析表明,温度平流、大气稳定度与非绝热过程对温度的影响明显,造成气温偏差的主要原因是降水及冷空气影响范围和强度,冷、暖平流影响偏差,高空槽强度和移动偏差等几方面。     

龙川县气温预报方法的建立与应用

利用龙川站2008-2012年地面观测资料、欧洲中心数值预报产品,采用常规统计预报方法（逐步回归）,将最高（低）气温实况作为预报对象,把可能影响气温变化的气象要素作为预报因子,分月建立未来24～ 72 h最高（低）气温的MOS预报方程,通过对2013年全年的检验预报表明：未来24～72 h最高（低）气温预报平均绝对误差均在2.0℃以内.     

北京夏季空气质量的气象指数预报

该文提出一种参数化预报方法,制作北京及其周边地区夏季空气质量气象条件指数预报。采用2000-2007年7-9月北京市观象台大气成分 (PM₁₀) 逐日观测资料和华北区域气象站网加密地面观测及探空信息,分析北京地区夏季奥运会历史同期与高污染过程 (PM₁₀浓度>150μg/m3) 关系密切的敏感气象要素和变量。引入适应度函数分级方法,计算北京周边不同观测站可能形成污染向北京输送的权重,建立北京夏季空气质量气象条件参数PLAM (parameters linking air-quality and meteorology) 预报模型。PLAM指数给出北京局地污染气象条件的客观定量诊断和预测,并可指示周边地区有利 (或不利) 于污染向北京输送的强度和方位。夏季“静稳型”气象条件参数化PLAM方法为北京奥运气象保障任务实时提供预报产品,分别用PM₁₀及可吸入颗粒物指数 (API) 对2008年7-8月PLAM逐日预报进行检验,相关系数达到0.001显著性水平。     

北京自动气象站实时数据质量控制应用

自动气象站(AWS)观测资料是中尺度、短时效天气预报不可缺少的重要资料源之一.但由于AWS观测资料的特殊性,其质量问题不同程度地阻碍了它的使用.因此,AWS观测资料的质量控制越显重要.北京市气象局设计的自动气象站观测数据质量控制的方案主要是物理极值检查、历史极值检查、内部一致性检查、时间一致性检查、空间一致性检查等方法并把它应用于北京地区2007年奥运气象服务演练,取得了令人鼓舞的效果.结果表明:该质量控制方案的建立,能够实时反映北京市气象局自动站观测数据的可靠性,同时也反映出数据的缺测和及时性也存在一些问题.此系统的运行对2008年奥运气象服务,特别是对INFO2008和城市运行实时数据服务的可靠性将会发挥重要作用.     

2022年北京冬季奥运会人工造雪气象条件初步研究

利用北京和张家口地区气象站建站至2016年历年11月至次年3月气象资料,研究2022年北京冬奥会人工造雪地面气象条件,结果表明：降水相态与地面气温(T)和相对湿度线性组合关系密切,通过计算不同温度对应降水相态频率,发现北京T≤-0.2℃,张家口市T≤-0.8℃时,降水相态为雪的频率≥95%;估算了冬奥会和残奥会举办地区域自动气象站2014—2016年赛事期间可造雪时数,发现冬奥期间造雪时数较为充足,残奥期间造雪时数较少,可以采用造雪和储雪结合保证赛事用雪。     

利用ECMWF产品对庆阳极端气温释用效果分析

利用CMSVM的回归方法,用2003～2007年的欧洲数值预报格点资料和庆阳市8个自动站极端气温资料建立最高最低气温预报模型.2008年业务运行效果检验评估表明:5 d最高、最低气温综合平均预报准确率达到64%和71%,对实时业务有较好的指导作用.最高、最低气温准确率随着预报时效的延长效果降低,最低比最高气温的预报准确率高.最低气温预报效果春夏季好于秋冬季,最高气温相反.最高、最低气温绝对误差和平均误差都随预报时效的延长增大,最高比最低气温平均绝对误差大,二者的平均误差接近,均为正值,预报值具有偏高的倾向.对9月明显变化过程的评估表明,最高最低气温预报与实况演变的趋势相似.     

一种偏差订正方法在平昌冬奥会气象预报的应用

为了提高GRAPES_3 km（Global/Regional Assimilation and Prediction System）模式在2018年平昌冬奥会气象服务中的预报能力,采用一阶自适应的卡尔曼滤波方法对GRAPES_3 km模式的2 m气温、2 m相对湿度和10 m风开展偏差订正。结果表明:偏差订正方法明显提高了地面要素的预报效果,其中2 m气温的均方根误差整体减小到2℃左右,站点订正改善率为10%~60%;10 m风速的均方根误差减小到2 m·s-1左右,站点订正改善率为10%~45%;2 m相对湿度减小到20%以下,站点订正改善率为0~20%。与韩国气象厅LDAPS（Local Data Assimilation and Prediction System）及美国宇航局NU-WRF（NASA-Unified WRF）模式相比,GRAPES_3 km模式的风速预报表现更为优异,各站点整体预报效果明显优于LDAPS和NU-WRF模式。偏差订正方法可有效改善模式在复杂地形条件下的预报能力,是提高精细化预报准确率的重要手段。     

基于INCA和METRo的江苏省路面高温精细化预报

使用INCA（Integrated Nowcasting through Comprehensive Analysis）多源资料融合分析和短临外推预报系统的预报结果作为气象强迫场,驱动一路面温度理论预报模型（Model of the Environment and Temperature of Roads,METRo）,开展江苏省高速公路夏季路面高温预报试验,并使用公路沿线逐小时的路面温度观测资料对预报结果进行检验。结果表明:该预报方法能够较好地预报出高速公路沿线日最高路面温度的逐日变化趋势,以及日最高路面温度的大范围空间分布特征。平均日最高路面温度预报绝对偏差为4.1℃,平均相对偏差为10.8%。其中,日最高路面温度预报绝对偏差在5℃以内的站次占总数的64.5%,相对偏差在15%以内的站次占总数的74.6%,比常规业务预报方法分别提高了23.1%和25.3%。但该预报方法对较小的温度波动以及局地性较强的极端温度分布特征的预报技巧还需进一步提高。     

奥运气象服务社会经济效益评估个例分析

科学定量地评估2008年北京奥运及演练期间气象信息服务所产生的社会经济效益，是奥运气象服务的一项重要工作，同时也是当前工作中的薄弱环节。在简要评述了近年来有关评估研究工作的基础上，综合应用了社会问卷调查、高端用户深度访谈等定量和定性研究相结合的方法，构建了满意度指数体系，包括：了解和满足用户的需求、预报发布时间和时效、用户对气象服务所产生效益的判断、奥运气象服务手册、用户指南和网站等服务和宣传手段，服务人员能力、针对不同预报要素的预报准确度、用户的未来意向以及对气象部门的整体印象等8类综合指标。首次提出了天气服务用户满意度指数（csiws），并以2006年女垒奥运测试为例进行实证分析，通过数学模型计算了奥组委等高端用户群的满意指数，来定量测量用户群对奥运气象信息服务的期望度和满意度。结果显示，用户对气象部门整体印象最满意，也发现目前奥运气象信息服务中存在的问题和改善的契机，在引导和挖掘用户需求、完善奥运气象宣传手册或用户服务指南以及广为宣传奥运气象官方网站等方面还要下功夫。     

辽宁省乡镇天气预报业务系统

辽宁省乡镇天气预报业务系统以高分辨率中尺度数值预报和自动气象站等加密观测数据为基础,以数值预报解释应用技术为依托,应用PP方程组和相似法结合制作乡镇站点的降水预报,建立起比较完善的乡镇天气预报业务流程,开发了辽宁省乡镇天气预报网站,实现了未来24 h辽宁省952个乡镇站点的降水、最高气温和最低气温3个要素的乡镇短期基本气象要素预报产品在网页上的下发、订正、保存、上报、评分和管理等功能。同时,概述了辽宁省乡镇天气预报系统的技术方法和工作流程。     

北京奥运气象服务产品制作系统设计与实现

介绍了专用于2008年北京奥运会、残奥会气象保障任务的奥运气象信息服务系统(OMIS)的核心分系统之一——"北京奥运气象服务产品制作系统"的设计思路与实现技术。该系统根据北京奥运气象服务的开放性、稳定性、灵活性等高标准要求,首次在奥运气象服务中引入TeX技术,并结合产品模版以及关系数据库等技术策略,构建一套稳定、灵活、针对性强的奥运气象服务产品生成的解决方案。该系统使用C++STL开发,适用于Linux,Windows平台,能快速实现数十种气象服务预报产品的制作,并可根据奥运会、残奥会需求的变化灵活修改以生成新的服务产品。该系统作为中国气象局北京奥运服务中心的"奥运气象信息服务系统"的关键部分,在北京奥运会、残奥会期间运行稳定,前后共产生数万个气象服务产品,圆满完成北京奥运气象服务保障任务。     

青岛奥帆赛高分辨率数值模式系统研制与应用

该文初步建立了青岛奥帆赛高分辨率数值模式系统（包括预报模式和释用模式）。预报模式基于Weather Research & Forecast（WRF）模式V3.0,模式设计为网格数60×50×38,水平分辨率500 m。在IBM小型机上用8个线程作15 h预报所需机时约为1 h 20 min,可满足实时业务预报需要。利用高分辨率边界层模式和城市小区尺度模式对该预报结果进行了动力释用（水平分辨率分别为100 m和10 m）。该模式系统于2008年夏季进行了实时运行试验,模式产品在北京奥运气象服务中心青岛分中心使用。结果表明:该模式系统有较强的稳定性和实用性,对城市热岛、海陆风、地形及建筑物影响等局地环流特征有较好的模拟效果。数值试验分析表明:城市化引起城市热岛效应,增大了海陆温差,使海风加强;城市建筑物拖曳作用使风速减小,从而使海风推进速度减缓;精细下垫面资料的引入对海风等局地环流高分辨率数值模拟至关重要。