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%.     

江苏冬季降水相态气候分布特征及预报方法探讨

利用1981-2010年南京、徐州、射阳逐日探空资料和地面观测资料,在分析冬季雨日、雪日、雨夹雪日气候特点的基础上,运用厚度分析的方法进一步研究江苏冬季不同降水相态的预报指标.结果表明:厚度分析能被用来识别降水相态(雨、雪),1 000～850 hPa厚度阈值1 292 gpm可以作为江苏冬季区分雨、雪的一个重要参考指标.同时结合地面温度和850 hPa温度可以较准确的判定降水的相态,即1 000～ 850 hPa厚度≤1 292 gpm,且T850≤-3℃,T≤2℃时,判定为雪;反之,则为雨.另外,地面湿球温度在雨雪区分上也是一个很有参考价值的指标.     

南京地区闪电定位资料与探空资料的应用分析

利用江苏省闪电定位系统的观测资料,结合南京探空资料,分析了以南京探空站为中心的1°×1°的经纬度范围内,在两次探空放球时间段内所发生的闪电情况.分析表明,沙氏指数、700 hPa与1000 hPa假相当位温θse差、500 hPa与700 hPa假相当位温θse差、1000 hPa温度、500 hPa温度对南京地区闪电活动的实时预警有比较明显的作用,并定义了闪电概率指数,可用于预报0～30 min内闪电的发生概率.本研究对南京地区雷电实时监测与预警有参考价值.     

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%。     

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.     

用卡尔曼滤波方法作铜川分县温度预报

利用 T1 0 6产品 1 999年 6、 7月资料 ,用多元回归法分别建立了铜川 3站 2 4、 4 8h最高、最低气温预报方程。用卡尔曼滤波方法进行迭代订正回归系数 ,建立了动态的温度预报方法。在1 999年 8月试报中平均绝对误差为 1 .3℃。     

京石高速路面温度特征及预报模型

选取京石高速公路沿线保定、望都和正定3套自动气象站2007年12月至2009年11月的逐分钟路面温度监测资料,分析京石高速路面温度特征。发现路面温度与气温的日变化规律很相近,日出后1.5h左右达到最低值,午后达到最高值。路面温度与气温的最低值在出现时间和数值上差异不大,但最高值的出现时间前者比后者早1～2h,并且数值明显比后者高。分析多种气象因子与路面温度的相关关系,结果表明,气温与路面温度始终呈正相关,并且在各项因子中最显著。而总云量、低云量、露点温度、能见度和相对湿度,它们与路面最高温度和路面最低温度的相关性是相反的,且均是与其中一个相关显著而与另一个不太显著。利用多元回归方法建立了冬夏季路面最高温度和路面最低温度的预报模型,各模型均通过显著性检验。模型对夏季40～60℃的路面温度预报较准确;对冬季-5℃以下的路面低温预报虽然略偏高,但是预报误差在2℃以内的占80%。     

温度集合预报的类卡尔曼滤波自适应订正方法在海南省东北部的应用

利用类卡尔曼滤波的自适应业务订正方法,对2010—2016年欧洲中心数值模式集合预报产品在海南东北部地区的温度预报进行订正分析,结果表明:1)数值模式集合预报较控制模式和业务模式在最高、最低温度预报上有准确率更高和时效更长的优势;2)对类卡尔曼滤波自适应订正方法中权重系数的选取进行了试验,从而通过在不同时效选择最优的权重系数对该方法进行本地化改进;3)对优化后的订正方法进行检验,结果显示有效地提高最高、最低温度预报准确率,各时效温度平均绝对误差有效下降0.5℃,接近甚至超过主观预报水平;同时可以改善模式对高温事件的预报性能,提高高温事件概率预报的Brier评分和技巧评分。     

三种统计预报模型在江苏省道路低温预警中的应用

为了更好地开展道路交通低温灾害的预警,减轻道路结冰给车辆行驶造成的危害,本文利用2012—2016年江苏省高速公路网AWMS系统交通气象观测数据,在对路面低温发生规律进行分析的基础上,结合多元线性回归、朴素贝叶斯以及支持向量机3种统计预报方法,开展了路面低温预警的统计建模与预报试验。结果表明:(1)江苏全省高速公路网路面温度出现0℃以下、-2℃以下、-5℃以下的低温频率均呈"北高南低"分布。(2)全省高速公路网路面温度出现0℃以下的低温时次大多在15:00到次日06:00之间。(3)在对京沪高速M9308站的单站建模与预报试验中发现,路面低温预报因子组合中以13:00气温、13:00—18:00气温变温、13:00路面温度、13:00—18:00路面变温、13:00路基温度、13:00—18:00路基变温、18:00相对湿度和18:00风速U分量为自变量组合的预报方程效果最好,3种方法中以朴素贝叶斯模型的预报准确率最高;(4)就全省高速公路网而言,3种统计预报模型的路面低温预报准确率均超过75%,通过对全路网路面低温预报的试验结果对比发现,多元线性回归方法对江苏省北部路网的预报效果最好,预报准确率大多在85%以上;而支持向量机模型对江苏省南部路网的预报效果最好,大部分站点的低温预报准确率达95%以上。     

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。     

基于特定因子的河南省干热风客观预报方法

利用2000—2014年5月1日到6月10日河南省121个气象观测站点的逐日观测数据、欧洲中心模式预报资料,对河南省干热风天气进行分析,总结了干热风天气形势分类模型,同时利用多元回归法建立了河南省干热风天气的客观预报方法。分析结果得出:河南省干热风天气发生主要形势为西北气流型、高压脊型和纬向环流型3类;通过多元回归分析筛选出日最高温度预报因子为前一日最高气温、当日最低气温、08:00气温、EC850hPa 24h温度预报,相对湿度预报因子为EC850hPa 24h相对湿度预报、前一日14:00相对湿度、当日08:00露点温度,风速预报因子为EC细网格过去3h10m阵风预报,建立温度、湿度和风速3要素的预报方程;利用预报方程对2014年预报时段的天气进行检验,结果表明,对于轻干热风预报的TS评分为62%,重干热风预报的TS评分为64%。     

基于T639数值预报产品的气温本地化应用及检验

基于T639数值预报产品下发的多个物理量资料,利用多元回归方法,开展本地化的分县气温客观预报方法研究,结合常规气象观测资料、美国NCEP/NCAR 1°×1°网格点逐6 h再分析资料,开展业务应用并进行了效果检验,得出以下结论:最低气温预报准确率要好于最高气温,同时夏季的气温预报也明显好于其他季节;在最高气温中对扬中的预报准确率高于其他站点,在最低气温中对丹阳的预报效果相对比较好;客观预报方法存在明显的系统性负偏差,通过使用每个预报时效预报误差的7 d滑动平均进行订正,结果表明通过订正,预报效果有所提高,特别是最高气温订正效果较明显;通过主客观预报准确率的对比分析,发现虽然客观预报对最高气温的预报效果比较差,但是在气温趋势预报上具有一定的参考价值;最低气温客观预报准确率明显高于江苏省的平均水平,和主观预报相比,虽然仍然低于主观预报水平,但是差距不大,基本上可以替代主观预报;分县气温客观预报方法对高温、寒潮等灾害性天气具有一定的预报能力,但是和实况相比,预报强度偏弱.     

广西中短期极端温度客观预报方法研究

利用欧洲中心(ECMWF)数值预报产品和常规资料,应用MOS预报方法和多元线性回归技术,研究建立了广西90个站1~7d的最高、最低温度预报方程,试报检验效果较好,预报结果在大多数情况下是可用的或是可参考的,为业务提供了有效的省级客观预报指导产品,对误差特点进行了分析并提出了改进方法。     

多模式温度集成预报的检验分析

该文利用C#程序语言逐日读取欧洲数值预报模式(Ec)、中国数值预报模式(T639)、德国天气在线(ZX)、美国天气(MG)、中国天气(ZG)、中央气象台指导预报(ZY)6家模式预报的日最高气温(Tg)和日最低气温(Td)预报值,建立预报数据库。使用LINEST函数对Tg和Td做多元回归分析,得出6家模式的集成预报结果,结果表明:集成预报(JC)比6家模式预报准确率都高;同时,建立本地化订正方法,将原6家模式Tg和Td进行订正后再集成,结果表明:订正后的集成比直接集成准确率提高了0%～4%,说明订正方法的使用对提高气温预报准确率有一定的效果。另外,通过对各家模式预报结果和集成预报结果的检验分析,不仅为预报员择优使用数值预报产品提供参考依据,也为数值预报产品释用提供一定的参考方法。     

河南省分县要素预报业务系统

本系统利用Ｔ１０６数值预报产品提供的１°×１°的预报场格点值。综合了诊断分析、回归分析、判别分析等多种预报技术，制作了河南省１１７个县站预报时效为２４～１２０ｈ的分级降水、最高温度、最低温度、风向、风速的预报方程，并在１９９９年和２０００年投入业务运行。     

基于气象因子及机器学习回归算法的夏季空调负荷预测

气温、气压、相对湿度等气象因子对夏季用电负荷的影响非常显著。为了定量研究气象因子导致用电负荷的变化,本文将夏季用电负荷与当年4月及9月用电平均值之差定义为夏季空调负荷,并利用2014年1月到2016年12月南京市逐时气温、气压、相对湿度、水汽压、降雨量、风速、露点温度等气象资料,以及逐日逐时用电负荷数据资料,采用多元线性、K近邻法,决策树,bagging回归、随机森林等5种机器学习回归算法进行建模,并对其分别进行参数调优工作,进而得到空调负荷预测结果。结果表明:多元线性回归方法是5种回归算法里效果最差的一种,但通过增加特征量的种类和样本数,可以提高预测精度;随机森林回归算法是5种回归算法里效果最好的一种,较多元线性回归算法减小误差达44%,并且较好描述了空调负荷高值区的极端情况并减少了对于训练数据的过拟合现象。     

极端气温集成预报方法对比

用2003-2009年ECMWF和庆阳市极端气温资料建立最高最低气温SVM、Kalman、多元线性回归3种统计方法的预报模型,采用平均、加权、回归3种方法进行预报集成,对庆阳市2010年6-12月各预报方法及5个时次集成预报进行评估.结果表明:单一的SVM、多元回归和集成方法最低气温预报5个时次的准确率均高于最高气温0.8％～24.2％,集成后加权法准确率最高,但最高和最低气温选取权重不同,SVM权重大时最高气温效果好,多元回归权重大时最低气温效果好.随着预报时效的增加,单一的预报方法和集成预报,预报准确率降低.逐月评估表明,单一的SVM准确率较高且预报性能稳定,Kalman准确率较低,回归方法各月差异大,预报不稳定,集成后,3种集成方法的预报比单一的预报方法均有所改善和提高.绝对误差分析表明,加权集成后最高和最低气温误差都较小,优于平均集成法和回归集成法.     

MOS温度预报中最优训练期方案

以欧洲中期天气预报中心 (ECMWF) 模式细网格地面气温为预报因子,设计多种训练期方案进行2014—2015年福建省气象站每日两次1~7 d的日最高气温和日最低气温MOS (model output statistics) 预报,并进行检验和改进。准对称混合滑动训练期方法为取预报日之前和前1年预报日之后相同日数的样本混合而成,分1年期或多年期。结果表明:准对称混合滑动训练期方案优于滑动训练期方案和传统季节固定期分类方案,且2年期优于1年期。以不同周期确定最佳训练期日数的方案应用对比显示,以年为评估周期优于以月为评估周期以及更短时间周期。在2015年日最高气温和日最低气温MOS预报中,基于上年度评估所得最佳训练期日数,2年期准对称混合滑动训练期方案较ECMWF模式细网格产品质量有较大提高,优于预报员预报,有较好的应用参考价值。     

Regional Temperature Forecast for the Next Day in Hong Kong

For a century or so, the Hong Kong Observatory (HKO) has been providing temperature forecast for the whole of Hong Kong with the HKO Headquarters as the reference location. In recent decades, due to spreading of population from the main urban center to satellite towns, there is an increasing demand for regional temperature forecasts. To support such provision, the HKO has developed a regression model to provide objective guidance to forecasters in formulating forecasts of maximum and minimum temperatures for the next day at various locations in Hong Kong. In this paper, the regression model is presented, together with the assessment of its performance. Based on the verification of one year of forecasts, it is found that the root mean square errors (RMSEs) of maximum (minimum) temperature forecasts are from about 1.3 to 2.1 (1.1 to 1.4) degrees, respectively. The regression model is shown to have generally out-performed the operational regional spectral model then operated by HKO. Regional temperature forecast methods of other meteorological or research centers are also surveyed. Equipped with the regression model, the HKO has launched an online regional temperature forecast service for the next day in Hong Kong since March 2008.