基于CMA-TRAMS模式地形高度偏差的地面气温误差订正方法研究

采用一元线性方法建立南海台风模式CMA-TRAMS地形高度偏差和地面气温预报误差的回归关系,分别开展不分级、高度偏差分级和地面气温误差分级的三种订正方法的研究,并进行订正效果评估。结果表明,模式地面气温预报误差与地形高度偏差总体呈负的线性相关关系,地面气温预报绝对误差随地形高度偏差绝对值增大而增大（对模式地形高度偏低站点尤为明显）,但不同时刻地面气温预报误差特征表现不同,模式对地形高度偏高（即模式地形高于测站高度）和地形高度偏差小于50 m的站点,06时地面气温（世界时,下同）预报总体偏低,对地形高度偏低大于50 m的站点（即模式地形低于测站高度）,06时地面气温预报总体偏高;而无论站点地形高度偏差如何,模式对18时地面气温预报总体偏高。三种订正方法中地面气温误差分级法能有效地减小地面气温预报误差,该方法订正后的分析场准确率可达96%~99%,12~48小时时效预报场准确率总体可提升至90%以上,该方法具有回归关系稳定、效果显著、适用性广、简单易行等特点。     

ECMWF模式对陕西2016年春夏季气温预报性能评估

利用2016年春、夏季节陕西99个国家站的气温逐1 h观测数据,对ECMWF高分辨率数值模式对陕西国家站0~72 h逐3 h和78~240 h逐6 h的气温预报性能进行评估。结果表明,陕西大部分地区,气温预报误差≤1 ℃和≤2 ℃的准确率在72 h之前分别为30%~50%和55%~85%,96 h之后分别为10%~30%和25%~55%,夏季的准确率高于春季,20:00起报的准确率略高于08:00起报。随着预报时效的增加,模式的气温预报能力和稳定性波浪式下降,日变化特征明显,23:00至次日11:00时段的预报能力和稳定性好于14:00—20:00时段。模式的气温预报值与观测值有很好的相关性,但是模式和实际观测站的地形高度差异会对气温预报质量产生较大影响。基于气温垂直变率和模式与实际观测站的地形高度差异进行的高度差订正,可以适当提高模式的气温预报水平,文中提出的几种气温预报的高度差订正方法,对陕西大部分地区的气温预报为正订正效果,但还存在一些问题,有待进一步研究。     

基于地形因素的吉林省ECMWF气温预报订正方法研究

利用2016年1月1日—2018年12月31日吉林省381个站的逐日最高气温、最低气温和定时气温的观测数据,对ECMWF高分辨率模式的2 m最高、最低气温和定时气温预报进行检验分析.结果表明,ECMWF模式对吉林省的气温预报与实况存在一定偏差;从空间上看,自西向东气温预报准确率逐渐递减,预报误差逐渐增大;从时间上看,随预报时效的增长,预报准确率逐渐下降.对ECMWF的气温预报进行高度差订正后,模式最高气温24 h、48 h、72 h的预报准确率分别从52％、51％、50％提高至58％、56％、54％;最低气温准确率分别从58％、56％、54％提高至64％、62％、59％;定时气温准确率分别从63％、60％、58％,提高至67％、63％、61％.高度差订正的方法有效提高了模式气温预报的准确率,减小了模式预报误差,提高了模式预报释用能力,订正后的气温预报TS评分得到明显的提高.该方法已应用在吉林省客观预报的订正算法中.     

基于统一高度Cressman方法的地面2m气温客观分析

针对离散站点资料格点化的业务需求及 Cressman 方法在地形复杂区域客观分析存在的问 题,利用山东及周边省自动气象站观测的 2 m气温和 ECMWF预报的海上 2 m气温,结合山东省中尺度数值预报位温递减率、90 m分辨率 SRTM高程数据,采用统一高度 Cressman 方法对山东省地面2 m气温进行客观分析,生成了逐 1 h、0.01°×0.01°高分辨率的地面 2 m气温格点产品。结果表明,统一高度 Cressman 方法的客观分析格点产品在地形复杂区域的分析更合理,月平均误差基本在±1 ℃以内,鲁中山区地形高度较高区域月平均误差略大于鲁西北、鲁西南、鲁东南和山东半岛等地的平原地区,气温偏低的10、11、12月温度准确率均略低于 5、6、7、8、9 月;2020 年 5—12 月平均误差为－0.0039 ℃,平均绝对误差为 0.1469 ℃,均方根误差为 0.3597 ℃,2 ℃以内准确率为 99.64%,1 ℃以内准确率为 98.24%,各项检验指标均较优。总体上统一高度 Cressman 客观分析格点产品质量接近中国气象局陆面数据同化系统（ HRCLDAS ）高分辨率格点实况产品。     

Grapes模式预报西南地区夏季2m温度的检验评估

利用西南地区2004、2005年夏季的实况温度对G rapes模式输出的2m温度预报产品进行检验,结果表明,不管是单日预报误差还是月平均预报误差,都没有随预报时效的延长而增大,对四川盆地大部分地区,模式预报温度偏高,对重庆、云南、贵州及川西高原南部的温度预报,基本上表现为14时偏高,02时偏低,对川西高原北部和西藏则表现为预报温度偏低。分析表明,模式中对高原地形处理的不真实是温度预报产生误差的重要原因之一,利用回归分析方法能对模式温度预报进行有效的订正。检验分析结果为进一步改进模式,提高要素预报产品质量提供了一定的依据。     

WRF模式2m温度在山东预报效果的评估

利用山东省内123个国家气象站2017年11月至2018年2月逐时观测地面温度对WRF模式08：00和20：00起报的2 m温度进行检验,评估了预报时效为72 h的逐时温度与日最低（高）温度的预报效果并初步分析了个别站点大值误差成因。结果表明：WRF模式08：00起报2 m温度的准确率要高于20：00起报,白天预报的效果优于夜晚;鲁西北和半岛地区的2 m预报温度的平均绝对误差总体低于鲁中和鲁南地区,全省大部分站点负误差比例高于正误差比例;WRF模式对于日最高温度的预报效果优于日最低温度;模式地形高度误差造成泰山站2 m预报温度正误差较大,基于两种温度梯度方案对泰山站2 m温度进行订正,订正后的平均绝对误差总体下降,利用单一的温度梯度在有的预报时刻出现负的订正效果,利用随预报时刻变化而变化的温度梯度在各预报时刻订正效果更为稳定;泰安站出现焚风时2 m预报温度有较大负误差,这主要是受WRF模式泰山站地形高度误差影响;WRF模式在微山湖区域土地类型与真实土地类型存在差异是薛城站夜间2 m温度负误差较大的重要因素之一。     

Grapes模式预报西南地区夏季2m温度的检验评估

利用西南地区2004、2005年夏季的实况温度对G rapes模式输出的2m温度预报产品进行检验,结果表明,不管是单日预报误差还是月平均预报误差,都没有随预报时效的延长而增大,对四川盆地大部分地区,模式预报温度偏高,对重庆、云南、贵州及川西高原南部的温度预报,基本上表现为14时偏高,02时偏低,对川西高原北部和西藏则表现为预报温度偏低。分析表明,模式中对高原地形处理的不真实是温度预报产生误差的重要原因之一,利用回归分析方法能对模式温度预报进行有效的订正。检验分析结果为进一步改进模式,提高要素预报产品质量提供了一定的依据。     

ECMWF模式的延伸期日最高气温预报偏差估计及订正分析

使用欧洲中期天气预报中心（ECMWF）的20年集合预报回算数据,检验分析了延伸期第16天至第30天预报时效其对我国日最高气温的预报性能。结果表明,西部地区预报误差明显大于中东部地区。全国平均而言,模式预报较实况偏低1.1℃~1.39℃,均方根误差为4.6℃~4.9℃。进一步分析指出,第16天均方根误差最小、且随着时效的延长其略有增大。夏季模式预报效果最好,春季和秋季的部分时段预报效果较差。基于历史偏差订方法,本文还对2018年6月至2019年6月的日最高气温预报进行了误差订正试验。结果显示,订正后的预报准确率提升了15.2%~19.2%。聚焦2018年7月的一次中东部地区大范围高温过程,模式原始预报明显低估了高温强度,订正预报更接近实况,显示其具有一定的订正效果。     

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。     

基于多模式集成冬半年气温预报偏差修正

卡尔曼滤波递减平均方法对模式直接输出的气温预报进行订正,能有效提高预报准确率,但有时会造成显著负订正的现象,使订正预报效果反而不及模式直接输出。利用消除偏差集合平均方法(BREM)选择最优滑动训练期对2019年10月至2020年4月ECMWF预报(EC)、经过卡尔曼滤波递减平均法订正的预报(EC＿COR)及中央台网格指导预报(SCMOC)等3种气温预报在黑龙江省的结果进行集成,并将BREM方法对EC＿COR的修正效果进行评估,结果表明：不同预报结果都表现为冬季和夜间预报的准确率更低,气温偏低的11月至翌年1月更倾向于表现出预报较实况系统性偏高的特点。BREM方法能有效地修正EC＿COR对EC负订正的现象,且可显著高于任何一种参与集成的单一预报效果。可在对单一模式进行卡尔曼滤波递减平均订正的基础上,进一步提升预报质量。另外,利用集成方法对高质量预报产品的融合(不局限于模式直接输出预报或是订正预报)可获取较单一预报更优的预报结果。     

ECMWF业务预报模式地面气温预报的不一致性特征研究

为探讨ECMWF业务预报模式(以下简称ECMWF)的地面气温预报不一致性问题,本文利用2015年12月1日—2016年11月30日业务预报中常用的地面气温预报数据,研究ECMWF地面气温预报产品在不同季节里的不一致性指数分布及变化特征。结果表明:各个季节不一致性指数有不同的特点,冬季不一致性指数最大,大值区主要分布在除华南和青藏高原外的大部分区域;而夏季不一致性指数最小,在青藏高原地区不一致性指数相对较大;春、秋两季不一致性指数大小均处于冬、夏季之间。此外,研究还发现冬季地面气温预报不一致性指数单日变化较大,而夏季较小。夏季不同起报时间的地面气温预报比较稳定。     

四川地区EC细网格模式2m温度偏差订正研究

本文选取2017年1~12月ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式168h预报时效的2m温度场和对应时段四川地区157个国家站的观测资料,对比分析了模式温度预报的系统性偏差特征,采用15日周期的滑动双权重平均法对2m温度预报产品进行偏差订正,并与四川省气象台现有的主、客观预报产品进行对比,结果表明:(1)EC模式对低温的预报准确率远高于高温预报准确率;订正后高、低温预报准确率均有显著提高,其中低温平均提高了20.5%,高温提高了31.2%,平均绝对误差分别减小约1.1℃和2.9℃。(2)EC模式高温预报的逐月差异明显比低温预报逐月差异大,订正后差异明显减小,且各月的高、低温预报准确率均有显著提升,订正后各月高、低温的平均绝对误差均在2℃之内。(3)EC模式对于低温和高温的预报在全省均大致呈现负的系统性误差,且高温预报的系统性误差明显比低温预报的系统性误差大,订正后2m温度预报的系统性误差均明显降低,全省大部分地区维持在±1℃之间。(4)与四川省气象台现有的主、客观预报产品对比显示,对于高低温预报均是EC订正后准确率最高、平均绝对误差最小,订正效果较为理想。     

基于OMOS方法的地面气温短时预报——以重庆市为例

基于重庆市气象局业务运行的风暴尺度快速同化和预报系统(Storm-Scale Rapid Assimilation and Forecast System, SSRAFS)、气象信息综合分析处理系统(Meteorological Information Comprehensive Analysis And Process System, MICAPS)地面观测和高空观测资料,进行模式输出统计(Model Output Statistics, MOS)方法和纳入超前实况因子的MOS(MOS with Prior Observation Predictors, OMOS)方法对重庆地区地面气温96 h内逐小时预报试验,并以SSRAFS地面气温预报结果作为参考进行对比分析。结果表明：MOS方法在1～96 h预报时效内的预报技巧高于SSRAFS,气温预报均方根误差(Root Mean Square Error, RMSE)平均减小1.22℃,CC和HR2分别平均增大0.006和20.4%;在1～7 h预报时效,RMSE平均减小1.70℃,CC和HR2分别平均增大0.07和34.5%;且MOS方...     

GRAPES_RAFS系统2 m温度偏差订正方法研究

本文通过对2013年6月20日至7月20日GRAPES(Global and Regional Assimilation and Prediction System)_RAFS(Rapid Analysis and Forecast System)系统每天8个时次每3h的2 m温度预报进行分析,发现各时次的预报均能较好地表征2 m温度日变化特征,但预报与实况存在一定的偏差,其中西藏东部川西高原、云贵高原、江南武夷山脉偏低于实况可达3℃,而华北地区偏高于实况3℃以上.为了减小GRAPES_RAFS系统偏差对2m温度预报的影响,本文采用平均法、双权重平均法、滑动平均法和滑动双权重平均法分别对GRAPES_RAFS系统2 m温度预报产品进行偏差订正,并对订正前后的结果进行检验分析和对比.结果表明:2 m温度订正后的平均误差大部地区减小到(一1～1℃),而均方根误差大部地区降低到2.5℃内.对于偏差较大地区,订正效果更为明显,如西藏东部川西高原,经过订正,平均误差绝对值由订正前3℃以上降低到1℃内,而RMSE由订正前4℃以上控制到3℃内.对比四种订正方法,双权重订正方法与平均法订正整体效果接近,但对个别站点,双权重订正法要优于平均法,经过滑动的订正方法比无滑动的订正方法订正效果更好,订正效果最好的是滑动双权重平均法,全国平均误差大部分在(-0.5～0.5℃)内,不超过(-1～1℃)的范围.     

山岳型风景区最高最低气温预报方法研究

利用ECMWF预报场资料和地面观测资料开展支持向量机(SVM)、卡尔曼滤波(Kalman)两种统计方法对山岳型风景区气温集成预报方法的研究,并且结合自动气象观测站气温资料进行检验。结果表明:单一的SVM方法预报准确率较高且稳定,传统的Kalman方法预报效果不太理想,对长时效预报效果较差;加权集成后,3种集成方法预报稳定性较好、准确率比单一的SVM和Kalman预报方法均有所提高。从不同预报时效的检验结果看,各预报方法最高和最低气温预报准确率随着预报时效的增加均呈现降低的趋势。绝对误差分析表明,各预报方法最高气温的平均绝对误差均低于最低气温的平均绝对误差。     

基于卡尔曼滤波递减平均算法的集合预报综合偏差订正

针对集合预报存在的偏差和集合离散度通常偏小的问题,在卡尔曼滤波递减平均的一阶矩和二阶矩偏差订正方案的基础上发展了综合偏差订正方案,并利用B08RDP WWRP(The WWRP Beijing 2008 Olympics Research and Development Project)项目中日本气象厅(JMA)区域集合预报的850 hPa温度资料,将敏感性试验得到的一阶矩和二阶矩订正的最优权重系数应用于综合偏差订正方案,并对其订正效果进行多方面检验分析。试验结果表明,一阶矩订正可以有效减小集合平均偏差,集合平均预报质量得到了明显改善;二阶矩订正对集合离散度具有较强的调整能力,订正后的集合预报可靠性、区分不同天气事件的能力总体上得到了提高;综合偏差订正方案有效融合了一阶矩和二阶矩订正的优势,其各自的最优权重系数适用于综合偏差订正方案,对集合平均偏差和离散度具有良好的订正效果,能够改善集合预报的整体质量。但一阶矩与二阶矩订正对综合偏差订正的贡献程度随评分指标而异,一阶矩订正对等级概率(RPS)评分和异常值百分比评分的贡献分别为83.75%和18.83%,可信度的改善约83.98%源于二阶矩订正,而相对作用特征(ROC)评分中二者的贡献基本相当。     

Attributing analysis on the model bias in surface temperature in the climate system model FGOALS-s2 through a process-based decomposition method

This study uses the coupled atmosphere–surface climate feedback–response analysis method(CFRAM) to analyze the surface temperature biases in the Flexible Global Ocean–Atmosphere–Land System model, spectral version 2(FGOALS-s2)in January and July. The process-based decomposition of the surface temperature biases, defined as the difference between the model and ERA-Interim during 1979–2005, enables us to attribute the model surface temperature biases to individual radiative processes including ozone, water vapor, cloud, and surface albedo; and non-radiative processes including surface sensible and latent heat fluxes, and dynamic processes at the surface and in the atmosphere. The results show that significant model surface temperature biases are almost globally present, are generally larger over land than over oceans, and are relatively larger in summer than in winter. Relative to the model biases in non-radiative processes, which tend to dominate the surface temperature biases in most parts of the world, biases in radiative processes are much smaller, except in the sub-polar Antarctic region where the cold biases from the much overestimated surface albedo are compensated for by the warm biases from nonradiative processes. The larger biases in non-radiative processes mainly lie in surface heat fluxes and in surface dynamics,which are twice as large in the Southern Hemisphere as in the Northern Hemisphere and always tend to compensate for each other. In particular, the upward/downward heat fluxes are systematically underestimated/overestimated in most parts of the world, and are mainly compensated for by surface dynamic processes including the increased heat storage in deep oceans across the globe.     

四川地区多模式2m温度预报性能分析及集成方法研究

本文通过分析2017年9~12月四川地区ECMWF (European Centre for Medium-Range Weather Forecasting)细网格模式、GRAPES_GFS (Global and Regional Assimilation and Prediction System)全球模式和西南区域模式(South West Center-WRFADAS Real-time Modeling System,SWCWARMS)2m温度168h预报时效内的系统性偏差特征,采用滑动双权重平均法分别对三种模式温度预报产品进行偏差订正,并集成得到各时效2m温度的订正场,结果表明:(1)三种模式的预报存在明显的日变化,整体上EC模式的预报最优。(2)三种模式对于低温和高温的预报,在全省均大致呈现负的系统性误差,特别在高原及过渡区表现的尤为明显。(3)订正后三种模式的预报准确率显著提高,均方根误差减小1.4~2.5℃,大部分地区平均误差维持在± 0.5℃之间,在系统性偏差较大的地区,订正效果更好。(4)两种集成方案预报结果接近,且均优于三种模式的订正预报。     

ECMWF细网格2 m温度预报产品在南疆西部温度预报中的释用

利用2016年1月1日—2018年12月31日ECMWF细网格模式2 m温度预报产品,使用三次多项式差值方法内插到站点,并用中短期天气预报检验方法,对南疆西部12个国家站与15个区域自动站共27个站的最高、最低气温未来24 h预报效果进行检验分析。结果表明：ECMWF细网格模式2 m温度预报产品对南疆西部非山区站未来24 h最高、最低气温的预报能力较好,对山区站未来24 h预报效果差;对南疆西部最高、最低气温的预报效果随季节变化,夏季预报准确率高于冬季,秋季预报准确率最低;模式最高气温预报准确率在降雪、高温天气时较高,最低气温预报准确率在降雨时较高,在高温过程中较低;模式对于降雨、降雪、大风/沙尘等天气最高气温预报偏低,高温事件中最高气温预报偏高。最低气温预报在降雨、高温天气中偏高,降雪时偏低,大风/沙尘天气最低气温预报偏东地区偏高、偏北地区偏低。降雪、高温天气预报相对降雨、大风/沙尘天气预报效果更稳定。