日较差分级的北京地面逐时气温预报

统计了不同日较差等级与其相应等级内的逐时气温的气候平均值及逐时气温变量气候平均值,在此基础上客观自动地计算出北京区域的分片逐时气温预报值,由此次生出与气温变化有关的专业气象预报产品,应用于专业气象业务。     

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。     

基于环流分型的逐时气温预报技术探讨

论文利用2009年1-2月T213模式产品、30年来的常规观测报文以及场区逐时气温记录,综合运用环流分型和Kalman滤波方法,基于逐月环流型的气温增率建立了场区72h逐时气温释用预报模型,并针对场区2009年3-7月各天72h逐时气温进行了具体的预报。结果表明:Kalman滤波算法能够得到较为精确的温度最值预报,通过环流分型得到的逐时气温预报准确率能够达到73.2%,可以作为逐时气温预报一种较好的方法。     

基于相似天气现象的重庆市逐时气温预报技术研究

利用重庆市2003—2017年34个国家级气象观测站的逐时降水和逐时温度资料,建立了一种基于未来24 h日最高、最低气温和天气现象预报值的逐时气温预报模型。该模型通过搜寻与未来24 h预报值相似的历史天气现象下的气温时间序列,预报给定站点未来1 d的逐时气温。然后运用结合了高程的反距离加权插值法,得到重庆市0.125°×0.125°分辨率逐时气温网格预报产品。2018年逐时气温预报产品的检验结果表明,整体上国家级站点绝对误差≤2℃的逐时气温预报准确率为79.73%～91.40%,均值为87.12%;10月—次年2月的准确率好于3—9月,8月较差。该模型的预报性能在无雨时稳定,有雨时在地形复杂且易出现强降水的重庆东北部地区略差。重庆西部、中部的大部以及东北部偏西地区的网格产品预报准确率较高,而偏南局地山区和偏东部分山区的准确率较低。总体上该方法预报效果较好,预报性能稳定。     

长春市逐时气温客观预报方法的探讨

分析了长春市气温日变化的气候和天气特征，将统计方法与天气学方法相结合建立了长春市气温逐时预报方法。该方法在考虑不同季节太阳和地面辐射对气温日变化影响的基础上，同时还考虑了气团替换对气温变化的影响，给出了转折性天气气温变化的天气概念模型，可供预报人员参考。对实际预报结果的检验表明，该客观预报方法的准确性和稳定性均显著超过主观经验预报，与日极端气温主观预报水平接近。     

三种非线性回归逐时气温预报比较订正

选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1．8 ℃和1．4 ℃,总体上构造函数预报更为准确。     

阳江地区逐时气温和降水特征分析

利用2005-2011年阳江站和阳春站的气温、降水的逐时资料进行分析,探讨阳江地区不同季节、不同天气条件下的气候特征.结果表明：（1）春天气温日较差最大,盛夏最小;最低气温除了盛夏其余都是晴天时最低,夏季夜间气温大小和变化都比较接近;白天秋冬春季晴天时气温接近或低于多云时的气温;阳春的对比差距相对要大些,最高气温出现时间随季节的变化和天气状况的变化相差很大.（2）前汛期降雨概率大于后汛期,6月为降水主峰期,后汛期则以8月降雨最为频繁.阳江站前汛期降雨有两个频密时段分别在早晨和傍晚,阳春站午后降雨最频繁,并呈现中心向两边递减态势.短时强降水阳江概率分布与出现降雨的分布很相似,阳春站短时强降雨则分为早晨到上午和午后两个集中阶段.     

湖北省逐小时气温数值预报试验研究

应用美国大气研究中心（NCAR）中尺度数值预报模式（简称MM5），分别就湖北省7个代表站20时和08时气温变化趋势及逐小时气温预报进行试验研究。3个月的试验结果表明：该模式对温度趋势预报具有较高的预报能力，对温度逐小时预报能力较弱，但经过模式系统误差分析，对模式输出结果进行主客观综合订正，其平均准确率可得到非常明显的提高。     

基于1DCNN和LSTM的单站逐时气温预报方法

针对海量气象观测数据间存在大量的物理噪声、与气温无关的冗余特征以及时间相关性,提出了一种将一维卷积神经网络(1DCNN)和长短期记忆神经网络(LSTM)相结合的多信息融合气温预报方法。首先,运用差分法对气象观测数据进行预处理,得到平稳时间序列数据;其次,运用1DCNN提取与气温变化相关的特征变量作为神经网络模型的输入变量;最后,运用1DCNN和LSTM构建多信息融合气温预报模型1DCNNLSTM,并以云南省昆明市历史气象观测数据为例,与传统的LSTM、1DCNN和反向传播神经网络(BP)对未来24小时的逐时气温预报进行了比较研究。研究结果表明,1DCNN-LSTM的均方根误差(RMSE)相较于LSTM、1DCNN和BP最大降低了5.221%、19.350%和9.253%,平均绝对误差(MAE)最大降低了4.419%、17.520%和8.089%。为气温的精准预报提供了参考依据。     

枣庄市气温定时预报系统

应用多准则模糊决策方法,对中央台、省台所作枣庄市２４小时最高、最低温度预报和本台的订正预报以及本台ＭＯＳ预报进行决策,选其中较为准确的预报求取日较差,将日较差进行分级,根据定时气温气候平均值和６小时变量,求出每日０８时、１４时、２０时、０２时的气温预报,实际应用的预报效果好于主观预报。     

南宁市气温日较差特征及天气系统影响

运用常规气象资料，对南宁市气温日较差的时空变化进行了分析，结果表明：南宁市气温日较差有逐年减小的趋势，夏秋季气温日较差大于冬春两季气温日较差，不同下垫面对气温日较差影响不同。对气温日较差较大的个例分析表明，引起气温日较差较大的主要天气系统为冷高压控制型、锋面影响型、暖低压影响型、副高影响型。     

近45年哈密地区温度变化特征

利用1961-2005年近45年哈密地区6个站点的观测资料,分析了该地区的平均气温、平均最高气温、平均最低气温和平均日较差、炎热日以及寒冷日的年际、年代际的变化特征,同时对降水、云量等要素也进行了分析,揭示其与哈密地区温度变化的可能关系。结果表明,近45年来哈密地区气候显著增暖,平均气温在夏季增暖幅度最大,春季最弱。1990年代以后增暖趋势表现最明显,21世纪以来增幅最大。与平均气温变化趋势相一致,最高温度和最低温度也呈显著升高趋势,其中最低温度的升高幅度远大于最高温度和平均气温的升高幅度。哈密地区近45年平均日较差显著减小,这主要是因为最低气温的升高幅度大于最高气温的升高幅度。在全球增暖背景下,哈密地区的炎热日数显著增加,而寒冷日数显著减少。个别站的气温增温不明显,这与局地的降水、云量增加,日照减少有一定关系。此外,哈密地区冬季平均气温在1980年代中后期有一次明显的突变,突变时间晚于新疆其他地区5~6年左右,表明气候突变在不同地区会有不同的表现。     

基于多模式集成技术的地面气温精细化预报

基于ECMWF、JMA、T639、WRF四个数值模式2012年6月1日—9月30日地面气温3—60 h预报资料和郑州加密自动站资料,利用多模式集合平均(EMN)、消除偏差集合平均(BREM)、加权消除偏差集合(WBREM)及多模式超级集合(SUP)4种方法,对2012年8月29日—9月27日郑州城区11个站点地面逐3 h气温进行多模式集成预报试验,采用绝对误差对预报结果进行检验评估,结果表明:在30天的预报期内,BREM、WBREM及SUP对于大多数站气温预报效果有明显改善,而EMN方案对11个站预报效果改善则不太明显;4种方案中,BREM和WBREM预报效果相对较好且稳定,各个站上3—60 h预报的绝对误差均在2℃附近或以下;SUP方案虽然对个别站预报误差较低,但是其预报效果并不稳定,一些站点的个别预报时效误差大于2℃。对于郑州观测站的气温预报而言,4种集成方案20时起报的气温误差明显小于08时起报的误差,并且20时起报的SUP集成方案绝对误差明显小于其他方案的绝对误差。总体而言,BREM、WBREM及SUP三种集成方案能够给郑州精细化预报业务提供较好的参考。     

利用日最高气温和日最低气压预报5月大风

对1981－1995年的大风资料进行统计分析，得出用日最高气温和日最低气压预报于田县5月大风天气的指标。     

基于空气污染指数的太阳日总辐射计算方法

通过对2001—2012年全国23个站实测资料的分析,利用非线性回归法建立了以气温日较差、天文日照百分率和空气污染指数为主导因子的太阳日总辐射模型,这里简称为DSRM-Y模型 (Daily Solar Radiation Model-Y),检验其效果并与已有的DSRM-C模型 (Daily Solar Radiation Model-C) 进行效果比对。结果表明:太阳日总辐射与空气污染指数呈显著负相关,DSRM-Y模型的太阳日总辐射估算值与实测值的散点图以及平均偏差、均方根误差、误差分析均表现出较好的拟合效果。将模型应用于西宁、上海、昆明3个代表站,空气污染指数上升后,3个站太阳日总辐射均呈减少趋势;23个站DSRM-Y模型的均方根误差均小于DSRM-C模型,即DSRM-Y模型的拟合效果好于DSRM-C模型。     

城市化对华北地区最高, 最低气温和日较差变化趋势的影响

利用华北地区255个一般站和国家基本、 基准站1961\_2000年的实测资料, 经过质量检验和均一性订正后, 将所有台站根据人口和台站地理位置分为5个类别, 分析了这5个类别台站和国家基本、 基准站地面平均气温、 最高、 最低气温的年和季节变化趋势以及城市化影响。结果表明： 华北全部台站的年平均气温、 最高、 最低气温均呈增加趋势, 且以最低气温上升最为明显, 导致年平均日较差呈现明显下降。就城市化影响而言, 平均气温、 最低气温变化趋势中城市热岛效应加强因素的影响明显, 但城市化对最高气温趋势影响微弱, 个别台站和季节甚至可能造成降温。在国家基本、 基准站观测的年平均气温和年平均最低气温上升趋势中, 城市化造成的增温分别为0.11℃·(10a)-1和0.20℃·(10a)-1, 对全部增温的贡献率分别达39.3%和52.6%。各类台站的四季平均气温和最低气温序列中城市化影响均造成增温。城市化增温以冬季为最大, 夏季最小。城市化还导致乡村站以外的各类台站日较差减小, 近40年华北地区国家基本、 基准站年平均和秋、 冬季平均气温日较差明显下降均由城市化影响造成的。     

华南快速循环同化模式在湖南不同环流型下的小时降水预报性能检验

利用T-mode斜交旋转主成分分析法,对湖南2021年汛期(4—9月)逐小时850 hPa风场进行环流分型,在此基础上开展同期华南快速循环同化模式(CMA-GD-R3)小时降水预报性能检验。结果表明：影响湖南2021年汛期的主要环流型为西南涡切变型、切变型、副热带高压边缘南风型和台风外围东风型4类;模式小时降水预报的晴雨准确率和分级降水TS评分日变化特征明显,晴雨准确率夜间高于白天,分级降水TS评分峰值出现在早晨,各环流型的临近时效降水预报效果较好,短时强降水发生频次最高的西南涡切变型晴雨准确率较低,副热带高压边缘南风型在较大量级降水表现相对较差;SAL(structure amplitude and location)检验显示,西南涡切变型、切变型过程模式位置预报较接近实况,强度预报表现为前弱后强,副热带高压边缘南风型过程预报落区分散,位置预报不稳定,整体强度较实况明显偏弱,台风外围东风型过程在短时预报时效落区接近实况,强度预报显著偏弱,该方法能较客观地反映模式降水预报空间偏差。