基于数值产品的乡镇天气预报方法研究与应用
新泰市乡镇温度精细预报方法研究
生态·化学94新泰市乡镇温度精细预报方法研究朱霞邹俊丽崔兆韵（山东省泰安农业气象实验站，山东 泰安 271000）摘 要：本文采用统计学方法建立不同乡镇高、低温预报模型，对新泰20个区域自动站的24小时日最高最低气温进行预报，通过对该市大监站与乡镇自动站温度观测资料对比分析，得出乡镇高低温与大监站的温度变化规律，以现有基础资料和数值预报产品和手段为依托，立足工作实际，综合应用数值预报解释应用技术，制作基于高分辨率数值预报模式精细到乡镇一级的短期高、低温预报，以期取得较好的社会效益。
关键词：乡镇；温度；精细化；预报DOI: 10.3969/j.issn.1671-6396.2015.11.023随着社会和经济的快速发展，各级政府、社会和人民群众对天气预报和气象情报的服务需求日益增长，对天气预报的质量和对气象部门提供的气象要素以及其它各种天气现象开展“定时、定点、定量”的精细化预报是目前天气预报业务发展的重要内容之一，而传统预报方法很难满足。
粗网格或无网格资料的数值天气预报产品也不能满足预报业务服务的需求。
日最低气温和最高气温预报是最基本天气预报要素之一。
随着经济社会发展对天气预报的精细化要求越来越高，精细化到乡镇的最低、最高气温预报被提上日程。
近年来，大量乡镇的自动观测站的布置使用，为开展精细化到乡镇的温度预报奠定了基础。
所谓精细化预报是指在数值预报产品的基础上，从时间和空间上提高天气预报的分辨率。
目前在国内已有许多制作乡镇最低、最高气温预报的研究工作，而该市乡镇天气预报的现状是：目前还采用传统的预报方法，弊端是误差率高，人为因素影响大，严重制约和滞后于现代气象的发展，不能适应人们对精细化气象预报的要求。
本文利用该市一整年的县站温度预报和乡镇自动站温度观测资料来制作乡镇的最低、最高气温预报，并将乡镇的温度预报准确率与县站最高、最低气温预报准确率进行对比分析。
论文针对该市乡镇天气预报业务系统存在的实际问题，以现有基础资料和数值预报产品和手段为依托，立足工作实际,综合应用数值预报解释应用技术，制作基于高分辨率数值预报模式精细到乡镇一级的短期天气要素预报。
智能网格预报技术在专业气象服务中的应用研究
智能网格预报技术在专业气象服务中的应用研究摘要：随着大数据和人工智能技术的不断发展，智能网格预报技术在气象学领域中得到了广泛的应用。
智能网格预报技术可以实现对天气变化规律的高精度预测和预警，对于提高气象预报的准确性和实用性具有重要意义。
本文通过介绍智能网格预报技术的内涵，并深入探讨了其在专业气象服务中的应用，仅供相关部门参考。
关键词：智能网格预报；专业气象服务；应用研究引言随着社会的不断发展，天气变化对人们的生产生活带来的影响也越来越大。
从农业生产到交通运输、城市规划等各个方面，天气变化都会对人们的生产和生活产生影响。
智能网格预报技术作为一种高精度、高时空分辨率、高可靠性的天气预报技术，通过对天气变化的预测和分析，智能网格预报技术可以帮助公众及时采取相应的措施，减少灾害损失，提高生产效率和生活质量。
同时，智能网格预报技术也可以为城市规划、交通运输等方面的决策提供科学依据，提高气象服务的质量和效率，具有重要的意义和价值。
1智能网格预报技术的内涵智能网格预报技术是一种利用人工智能、机器学习等技术对气象数据进行分析、处理和建模，以实现更精准、更准确的气象预报。
该技术主要应用于气象、环境保护、农业、交通运输等领域，可以提高天气预报的准确性和可靠性，减少对人力和物力资源的依赖。
智能网格预报技术的核心是数学模型和算法。
数学模型是指对气象数据进行处理和分析，得出预测结果的数学公式和算法。
不同的数学模型和算法适用于不同的气象预报场景，例如天气预报、气候预测、空气质量预报等。
在智能网格预报技术中，数据是重要的组成部分。
数据来源可以包括气象观测站、卫星遥感、雷达等，这些数据都需要进行处理和分析，以便提取有用的信息。
同时，智能网格预报技术还需要考虑气象学知识和经验，以便对预测结果进行修正和校准，以提高预测准确性。
智能网格预报技术主要包括以下几个方面：1.1网格化气象数据处理网格化气象数据处理是指将气象数据划分为不同的网格，对每个网格内的气象数据进行实时监测、收集和处理的技术。
数学在气象中的应用
数学在气象中的应用气象是研究大气现象的科学，它与我们日常生活息息相关。
在气象学中，数学起着至关重要的作用。
本文将探讨数学在气象中的应用，以及它对我们理解和预测天气的重要性。
一、数据分析与统计在气象学中，数据的收集和分析至关重要。
气象学家通过收集各类数据，如温度、湿度、风速、气压等，来了解大气的变化和特性。
而数学可以帮助气象学家对这些数据进行分析和统计。
1.1 数据分析通过数学工具，例如图表、函数等，我们可以将气象数据进行可视化，并发现其中的规律。
例如，通过绘制温度随时间的曲线图，我们可以观察到一天中温度的变化规律，帮助我们更好地理解日常温度的变化。
1.2 数据统计气象学家通过对大量气象数据的统计分析，可以预测未来的天气情况。
数学中的概率和统计学方法可以帮助气象学家分析数据的趋势和规律。
通过统计学方法，我们可以了解某一地区某一时间段的平均温度、降雨量等气象指标，为未来天气的预测提供依据。
二、数值模拟与预测数值模拟是气象学中另一个重要的应用领域。
通过建立数学模型，模拟大气的运动和变化过程，帮助我们预测天气状况。
2.1 大气流体力学数学中的流体力学理论对于模拟大气的运动具有重要意义。
大气可以视为一种气体流体，因此我们可以利用数学方程式描述大气中空气的运动规律和力学特性。
通过数值计算方法，我们可以模拟大气中的湍流、辐合、辐散等现象，从而预测气象的变化。
2.2 数值天气预报数值天气预报是气象学中最为常见和实用的应用。
通过收集各类气象数据，并使用数学模型对这些数据进行分析和计算，我们可以预测出未来几天或几小时的天气情况。
这些模型基于物理方程式和数学计算，通过对大气的复杂运动进行数值求解，得到天气预报结果。
三、气候变化研究随着全球气候变化问题的日益突出，气候变化研究成为一个重要的研究领域。
而数学在气候变化研究中也起到了至关重要的作用。
3.1 气候模型气候模型是数学模型的一种，它们通过数值计算和模拟来预测长期气候变化趋势。
高精度气象预报模式及其在灾害天气监测与预警中的应用研究
高精度气象预报模式及其在灾害天气监测与预警中的应用研究随着科技的不断发展和进步，气象预报也在不断更新和改进。
在过去，气象预报主要采用经验和经验统计方法，受限于数据量和计算能力，无法做到高精度和长时间预报。
而如今，随着大数据的开发和计算机软件的不断完善，高精度气象预报模式成为了未来的趋势。
一、高精度气象预报模式的产生高精度气象预报模式的产生是基于数值天气预报方法的改进和升级而来。
这种数值天气预报方法是使用数学模型和物理方程来模拟和预测天气，而高精度气象预报模式利用更高的分辨率和更复杂的物理过程来代替过去的数值天气预报方法。
在气象学中，模拟天气和大气循环的数学模型是必须的，因为它们可以帮助我们理解和预测天气变化。
高精度气象预报模式的数学模型基于流体动力学原理、物理学原理和化学原理等多学科交叉的理论，可以模拟大气环流、气压、风、降水等现象，从而更准确地预测未来的天气变化。
高精度气象预报模式在数值预报中增加了更多的物理过程，包括云、辐射、陆地、海洋、生物等过程。
这些更多的物理过程也可以更准确地模拟和预测未来的天气变化。
二、高精度气象预报模式的特点高精度气象预报模式具有以下特点：（1）细致的模拟：这种气象预报模式能够以空间分辨率提高至0.1度以内，而时间分辨率可时空分别提高至10分钟和1公里以上，可以对气象现象进行细致的模拟。
（2）清晰环境表现：高精度气象预报模式涵盖了更多的物理过程，在模拟环境问题时合适，例如空气污染、城市热岛效应等等，预报结果更加准确真实。
（3）多元化的应用：高精度气象预报模式在通信、交通、安全和健康等领域可以产生多元的效力。
三、高精度气象预报模式的应用高精度气象预报模式能够大幅度提高气象信息的准确性和精度，也因此在很多领域都得到了广泛的应用。
（1）气象灾害预警气象灾害预警是这个模式中一个很重要的应用。
高精度气象预报模式可以提供更准确的气象预报信息，从而使得气象灾害预警工作更加精确和有效。
统计模型在气象预报中的应用研究
统计模型在气象预报中的应用研究气象预报对于人们的日常生活、农业生产、交通运输以及防灾减灾等方面都具有极其重要的意义。
随着科学技术的不断发展，统计模型在气象预报中的应用越来越广泛，为提高气象预报的准确性和可靠性发挥了重要作用。
统计模型是基于历史气象数据和变量之间的关系来进行预测的方法。
其基本原理是通过对大量过去的气象观测数据进行分析，找出不同气象要素之间的相关性和规律，然后利用这些规律来预测未来的气象状况。
在气象预报中，常用的统计模型包括线性回归模型、多元线性回归模型、时间序列模型等。
线性回归模型是最简单的统计模型之一，它假设气象变量之间存在线性关系。
例如，通过分析过去气温与气压、湿度等因素之间的线性关系，可以建立气温的线性回归模型来预测未来的气温。
多元线性回归模型则考虑了多个自变量对因变量的影响，能够更全面地反映气象要素之间的复杂关系。
时间序列模型则侧重于分析气象数据随时间的变化规律。
其中，自回归移动平均模型（ARMA）和自回归积分移动平均模型（ARIMA）是常用的时间序列模型。
这些模型可以捕捉到气象数据中的趋势、季节性和周期性等特征，从而对未来的气象变化进行较为准确的预测。
统计模型在气象预报中的应用具有多方面的优势。
首先，它们相对简单易懂，计算成本较低，便于在实际业务中应用。
其次，统计模型可以利用大量的历史数据，充分挖掘数据中的信息，从而提高预报的准确性。
此外，统计模型还可以对不同的气象要素进行单独分析和预测，为气象预报提供更详细和多样化的信息。
然而，统计模型在气象预报中也存在一些局限性。
例如，统计模型通常假设气象变量之间的关系是线性的或平稳的，但实际的气象过程往往是非线性和非平稳的，这可能导致预测误差。
此外，统计模型对极端天气事件的预测能力相对较弱，因为极端天气事件在历史数据中出现的频率较低，难以通过统计方法准确捕捉其规律。
为了克服这些局限性，气象学家们通常会将统计模型与其他方法相结合，以提高气象预报的质量。
气象预测的方法及其在农业生产中的应用
气象预测的方法及其在农业生产中的应用天气是农业生产的决定性因素之一，天气变化的不确定性也是造成农业生产风险的重要原因，因此对天气的预测变得日益重要。
气象预测可以让人们在未来一段时间内对天气有所期待，有助于人们进行农业生产和其他活动的安排。
本篇文章介绍气象预测的方法及其在农业生产中的应用。
一、气象预测的方法目前，气象预测的方法主要有以下几种：1. 经验法经验法基于历史数据和经验知识，通过分析气候变化和其他相关影响因素来预测天气。
这种方法主要用于区域性和季节性天气预测，如每年的降雨模式，季节性的台风季。
2. 实时观测法实时观测法基于针对当前天气和气候的物理观察和测量，包括气象卫星、雷达、气象观测站和气象探空。
这种方法主要用于短期预测，如天气预报和有风险的预警。
3. 数值预报法数值预报法是通过气象数值模型来预测天气的，这些模型通过分析不同气象变量如温度、湿度、风向等来预测未来时间的天气。
这种方法是目前最常用的方法，因为它可以通过计算机快速地计算和预测天气。
4. 模糊数学方法模糊数学方法是一种基于模糊逻辑理论发展起来的预测方法，它可以处理模糊信息和复杂数据。
这种方法主要应用于气象条件难以描述和气象数据不完整或不确定的情况下。
二、气象预测在农业生产中的应用气象预测在农业生产中的应用非常广泛，包括：1. 种植计划种植计划可以根据不同的气象预测来制定，在预测晴朗温暖或下雨的时候更好地选择什么作物。
2. 影响收成的预测气象预测可以帮助农民估计收成的时间和量，以便他们及时采取必要的措施，如增加灌溉或施肥。
3. 改进灌溉计划灌溉计划是种植中非常重要的愿望。
气象预测可以帮助农民了解更多的信息，以便更好地计划灌溉，例如，当有即将来临的降雨时，没有必要浪费时间和资源灌溉土地。
4. 预防气象灾害气象预测可以帮助农民预测气象灾害的风险，比如风暴、冰雹和干旱等。
这些风险在知道了之后可以采取对应的措施减少它的影响，比如加强防护措施和更好地组织种植。
数值预报产品在气象预报中的应用
数值预报产品在气象预报中的应用作者：李帮英来源：《农业与技术》2018年第04期摘要：随着我国计算机技术的发展，气象观测能力与气象预报模式不断完善，数值预报在航空气象预报的优势日益凸显出来。
基于以上认识，本文通过分析数值预报格点资料类别，在雷暴对流产生原因的判断及预报、飞机积冰产生原因的判断及预报、飞机颠簸预报、航天预报中WAFS产品的应用等方面对数值预报格点资料在气象预报中的应用进行探讨，以供参考。
关键词：数值预报产品；气象预报；数值预报格点资料中图分类号：S165 文献标识码：A DOI：10.11974/nyyjs.20180233215现代数值预报是通过气象相关信息的采集、监测、模式输出等相应流程后，制出一定天气要素的预报方式。
数值预报产品在气象预报中的应用的探究，对提高雷暴、积冰等气象预报的正确性，提高气象服务水平，保障航空客户的生命财产安全有重要意义。
1 数值预报格点资料类别飞机飞行的特定要求决定了航空天气预报的重点，一般来说，航空预报包括：飞机颠簸情况、雷暴对流、飞机积冰、云高、能见度等内容。
在过去的几十年，我国航空天气预报主要通过气象图和传真机的内容来实现气象中心发布内容的接收。
但气象预报人员虽然得到信息，但只能靠猜测来得到气象状况发生的时间、物理量和地点的变化。
现阶段，通信技术日益发展，计算机成本降低使得预报人员可以使用更多的数值预报相关产品。
我国现在广播WAFS数值预报NWP格点资料，包括间隔为6h，预报时间6～36h，100～700共7个层次风场U、V分量和温度的亚洲格点场产品。
此外，格点资料有400～900hpa垂速度与相对湿度的类型，200～900hpa的高度场类型等。
2 数值预报格点资料在气象预报中的应用2.1 对雷暴对流产生原因的判断及预报NWP系统参数不是固定的，比如：如果预报时间段为10h的WAFS预报资料，预测人员可以将水汽运动散度在800hpa情况时的数据计算出来，然后在一张较为详尽的地形图纸上进行叠加。
气象学中的天气预报模型及其应用
气象学中的天气预报模型及其应用天气预报是现代社会中重要的一项服务，随着科学技术的不断发展，天气预报的精确度和预报范围也在不断提高。
在现代气象学中，天气预报模型是一个重要的工具，它可以通过对大气环境的物理描述、数学模拟和程序模拟来预测天气现象。
本文将介绍气象学中的天气预报模型及其应用。
一、天气预报模型的原理天气预报模型根据数学模型对气象要素进行数值计算，以预测天气的变化。
大气物理学中的数学模型主要涉及大气动力学、大气热力学、大气化学等方面的知识。
天气预报模型是基于大气环境中各种变量之间的相互作用和非线性关系的数学模型。
对于天气预报模型而言，最关键的是如何对大气环境中的物理变量进行数值计算。
通常，大气物理学中的模型可以分为两种：1）基于直接动力学规律的模型，2）基于统计学规律的模型。
基于直接动力学规律的模型主要是建立在牛顿运动定律的基础上，通过对气体热力学性质的数值计算和方程求解来预测天气的变化。
而基于统计学规律的模型主要是通过对大气物理量的多元回归分析、主成分分析等统计方法来构建数学模型，以预测天气现象。
二、天气预报模型的种类目前，气象学中的天气预报模型种类繁多，根据其数学模型的不同，可以分为物理模型和统计模型两类。
物理模型的计算速度比较慢，但是能够对各种天气现象进行比较准确的预测。
而统计模型的计算速度快，但对于天气现象的描述没有物理模型那么准确。
1. 数值天气预报模型数值天气预报模型是目前天气预报中最常用的一种模型。
该模型是基于大气环境中各种物理变量之间相互作用和非线性关系的数学模型，通过对这些变量进行数值计算，从而对天气现象进行预测。
数值天气预报模型主要有几种类型：动力-统计模型、动力模型和统计模型。
动力-统计模型既考虑了物理变量的影响，同时也考虑了统计变量的影响。
动力模型主要关注大气物理变量之间的影响，这些变量包括温度、湿度、气压等。
而统计模型则主要基于多元回归分析等方法来进行天气预测，其精度一般比动力模型低。
数值天气预报业务模式现状与展望
数值天气预报业务模式现状与展望数值天气预报业务模式现状与展望随着科技的迅猛发展，天气预报也从过去的主观预报逐渐转向了数值天气预报。
数值天气预报是利用计算机模拟大气环流、逐步推演气象要素变化，从而预测未来一段时间内天气变化的一种方法。
它具有客观性、定量性、连续性等特点，成为现代气象科学的重要组成部分。
本文将从数值天气预报业务模式的现状与发展进行分析，并对未来的展望进行探讨。
一、数值天气预报业务模式现状1.1 数值模式与大气环流的关系数值天气预报是基于数值模式实现的，而数值模式与大气环流之间的关系至关重要。
通过建立数值模式，可对大气中不同的要素进行计算和观测，预测天气的变化趋势。
数值模式的精度和准确性直接影响到预报的效果。
当前，在数值模式方面，已有的主要模式有GFS（Global Forecast System）、ECMWF （European Centre for Medium-Range Weather Forecasts）和UKMO（United Kingdom Meteorological Office）等。
1.2 数据采集与处理为了有效地开展数值天气预报，需要对海量的数据进行采集和处理。
目前，气象部门通过气象卫星、雷达、探空以及地面观测站等手段获取天气数据，并将这些数据进行收集和整编。
然后，利用各种气象数据模拟和处理方法，生成适用于数值模式输入的数据，最终进行预报。
1.3 数值模式与数值天气预报数值模式是数值天气预报的核心内容，其主要通过计算、模拟和综合利用已有的天气数据，对天气的变化进行预测。
数值模式基本原理为将大气分割为一系列小区域，通过计算模拟各小区域中的大气环流和物理过程，最终得出数值模式的结果。
比较常用的数值模式有WRF（Weather Research and Forecasting）、MM5（the Fifth-Generation Pennsylvania State University/National Center for Atmospheric Research Mesoscale Model）等。
天气预报技术的现状与发展
天气预报技术的现状与发展天气预报是人们日常生活中必不可少的一环。
天气预报技术对公众的决策、生产、生活、旅游等多方面有着重大影响。
随着科技的不断发展，天气预报技术也在不断更新和升级。
本文将从多个角度分析天气预报技术的现状与发展，探讨未来该技术的前景与挑战。
一、数据采集天气预报技术的准确性与数据质量密切相关。
传统天气预报主要依赖人工观测和手工制作图表，随着计算机科学技术的不断进步，以及传感器、卫星遥感等实用技术的发展，现在的气象测量技术已经很成熟了。
各种自动气象站、探空仪、风速仪等仪器提供了大量的气象观测数据，卫星遥感技术则提供了更为全面的大气信息。
不仅如此，移动互联网、物联网等技术的普及也让气象数据收集更加全面、实时、便捷。
二、数值预报技术数值预报技术是当今天气预报的主流方法之一，它基于数学物理模型，利用强大的计算能力模拟气候系统变化，预测未来一段时间内的天气情况。
现在的气象服务机构（NWS）通过数值预报结果及观测数据相结合，能够提供较为准确的各种天气预报产品。
不过数值模式精度仍然存在一定的问题，如气候变化的影响、边界条件的确定等因素都可能导致预报精度的下降。
三、人工智能与机器学习人工智能和机器学习技术是将来天气预报技术的发展方向之一。
目前，这种方法已经开始应用于一些预报问题中，例如天气模式分类、气象风险评估、降雨预测等。
AI具有深度学习能力，能够更好地分析数据和建模，从而更好地解决各种气象问题。
随着人工智能、云计算等技术的普及，AI在天气预报方面的应用前景将会越来越广泛，更多基于AI的气象预报模型也将涌现出来。
四、气象数据可视化人类对于视觉的认知方式是非常强大的，数据可视化技术的发展也给天气预报带来了新的思路。
现代气象可视化技术能够将大量的气象数据呈现在屏幕上，让人们能够更好地解读并了解天气状况。
同时，这种技术也能更好地将气象信息传递给不懂气象的普通公众，增强人们对天气预报信息的信任。
五、挑战与机遇天气预报技术在不断发展与更新，但是仍然面临许多挑战。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期:2005-11-10;修订日期:2006-09-05。
作者简介:张继赢,男,1963年生,高级工程师,主要从事天气预报服务管理工作。
基于数值产品的乡镇天气预报方法研究与应用张继赢 费杰 邢宇航 汪丽新(葫芦岛市气象局,葫芦岛 125000) 摘 要:通过对数值预报模式产品的对比分析,应用MM5和T213数值模式产品,对乡镇天气预报的降水和温度预报进行研究。
将2005年8—10月模式预报结果分别进行效果检验和分析,得到主客观预报订正规律,可以有效地提高乡镇天气预报准确率,由此形成基于数值模式预报产品的乡镇天气预报方法。
关键词:乡镇天气预报;数值产品;方法研制;检验分析1 引言在市县两级开展乡镇天气预报的制作与发布工作,是辽宁省气象局于2005年提出的一项新的预报业务。
开展乡镇预报服务具有十分重要的意义,它不仅标志着预报服务领域的拓宽和延伸,而且也表明气象部门的预报服务正在向精细化方向发展。
同时,也充分体现了“以人为本、无微不至、无所不在”的气象服务理念。
葫芦岛市气象局不断探索制作乡镇预报方法的研制工作,推进精细化预报进程。
在借鉴省内乡镇预报试点单位经验的基础上,摆脱传统的以统计预报为主的思路,走以数值预报产品为基础的技术路线,将现有的数值产品应用到本地的乡镇预报中,研制开发出一套基于国内数值预报产品的预报结论、又结合订正预报的乡镇预报制作方法。
2 基本思路在预报方法的研究中,依据以数值预报产品为基础的技术路线,选取格点精度高的数值模式预报产品,经过数据处理,计算出某乡镇所在经纬度的格点值,作为该乡镇对应时效的预报值。
同时,根据次日实况检验预报结果,及时查找预报差异,确定订正误差值加以订正,并逐渐结合本地气候特点进行预报经验订正,最终形成以数值预报产品为主、订正预报为辅的乡镇预报制作方法,应用于乡镇预报业务工作。
编制程序建立工作平台,自动实现制作、输出、发布等功能。
3 数值产品研制乡镇天气预报311 资料的选取葫芦岛辖区面积约1104万km 2,所辖99个乡镇,平均约100km 2分布着一个乡镇,空间分布密集。
乡镇天气预报主要以降水、温度预报为主要内容。
目前,数值预报模式有很多,包括:T213全球模式、MM5中尺度模式、HLAFS 有限区域模式、ECMWF ,JAPAN 和GERMAN Y 等,各模式的精度在不断提高。
在众多的数值预报模式中,选择适合制作乡镇天气预报的模式产品,确定的原则如下:(1)预报模式空间分辨率相对较高;(2)模式预报产品本身准确率较高、模式运行稳定;(3)模式输出数据文件传输稳定;(4)不依赖于单一某一种模式产品,多个模式产品并行,便于对比检验。
兼顾以上原则,选取中国气象局沈阳大气环境研究所制作的8—10月MM5中尺度地面降水24h 间隔、温度6h 间隔的格点预报模式产品[1]和国家气象中心制作的T213近地面层1000hPa 温度6h 间隔的格点预报模式产品作为主要预报场。
MM5模式为0117°×0113°格距的预报场,相当于15km ×15km 范围内一个预报值,接近乡镇分布密度,预报精度高;T213温度预报模式为1°×1°格距,预报精度相对低些,但是模式运行和输出稳定且确率较高。
预报起始场选择T213模式20时,MM5模式08时和20时。
经过对选择的数值预报模式产品进行数据处理直接计算出99个乡镇站点对应的经纬度上的降水、温度预报值作为模式预报结果,之后又进一步根据效果检验分析结果和本地气候差异对模式预报结果加以修订。
312 数据处理以选取的MM5中尺度降水24h 间隔、温度1h间隔格点预报场(0117°×0113°)和T213近地面层第23卷第1期2007年2月 气象与环境学报J OURNAL OF M ETEOROLO GY AND ENV IRONM EN T Vol 123No 11February 20071000hPa 温度6h 间隔格点预报场(1°×1°)作为乡镇预报的起始场,应用单位网格点内等值内差的计算方法,计算该网格点内任一点的模式运算值:X (M ,n )-X (M ,N )X (M ,N +1×y )-X (M ,N )=(n -N )y(1)X (M +1×x ,n )-X (M +1×x ,N )X (M +1×x ,N +1×y )-X (M +1×x ,N )=(n -N )y(2)X (m ,n )-X (M ,n )X (M +1×x ,n )-X (M ,n )=m -Mx(3) 如图1所示,(m ,n )点为任一乡镇站点的经度、图1 等值内差方法计算单位网格点内任一点纬度坐标值,(M ,N ),(M ,N +1×y ),(M +1×x ,N ),(M +1×x ,N +1×y )4点则分别为某一预报模式内该乡镇站点相临的西南、西北、东南、东北网格点经度、纬度坐标值,x 和y 分别是模式单位经度格距和单位纬度格距,而X (M ,N ),X (M ,N +1),X (M +1,N ),X (M +1,N +1)项分别为对应点的格点值。
由式(1)和式(2)可以计算出X (M ,n ),X (M +1×x ,n ),代入式(3)计算出X (m ,n ),X (m ,n )即为该单位网格点内任一点的模式运算值,也就是该乡镇站点的预报值。
以上各式中的X 可以代换为任一数值预报模式(降水、温度)预报格点值,从而计算出MM5模式24h 降水量,T213模式02,08,14时和20时温度预报,而24h 最高、最低温度则分别从T213每日4次温度预报和MM5每日24次温度预报中挑选。
313 计算输出计算出的单位网格内任一点模式等值差分值需要一个统一、整齐的输出与显示方式,将各计算值99个乡镇的单要素预报值以2种格式输出与显示:一种为纯文本格式输出,形成文字描述类型;一种是M ICAPS 格式输出,即把各乡镇温度、降水预报值填写到M ICAPS 第三类数据格式[2]中。
该格式为“通用填图和离散点等值线”填图类型,此类数据主要用于非规范的站点单要素填图,分别绘成离散点等值线图,在M ICAPS 中显示,如图2和图3所示。
图2 MM5模式20时乡镇降水预报图3 T 213模式20时乡镇温度预报4 效果检验与分析本文对8—10月T213的1000hPa 20时24h 温度预报和8—10月MM5中尺度模式20时降水,及10月MM5中尺度模式08,20时温度预报进行了抽样效果检验。
温度预报所抽取的样本是具有4要素以上自动站与人工站资料的葫芦岛辖区内的8个站点的温度(最高气温、最低气温)要素预报值。
降水预报所抽取的样本是单要素以上辖区内的19个站点的降水要素预报值。
最高气温、最低气温评定计算公式为:绝对误差E =|S -F |,绝对误差小于等于2℃的预报准确率T =P/N 。
其中S 和F 分别为测站的实况与预报值,P 为绝对误差小于等于2℃的站数(定性预报正确的总站数),N 为4要素以上总站数。
同理,降水评定晴雨、一般降水和暴雨,统计计算各项定性预报准确率R =P/N ,其中P 为正确站数,N 为全市雨量站总站数。
411 温度预报效果检验最高、最低气温预报值效果检验如图4。
由图4a 和图4b 可见,绝对误差小于等于2℃的正确率:T213模式20时预报最高气温为48%—61%,平均32第1期张继赢等:基于数值产品的乡镇天气预报方法研究与应用 为54%,最低气温低于40%,平均为22%;MM5模式20时预报最低气温为68%,最高气温为46%,MM5模式08时预报最低气温为53%,最高气温为28%。
412 降水预报效果检验 MM5模式降水预报效果检验如图4c 和图4d 。
8—10月MM5模式晴雨预报与一般降水预报正确率平均为60%或以上,尤其是晴雨预报为80%或以上;暴雨预报正确率小于30%。
413 效果分析图4 最高和最低气温和降水与暴雨预报质量检验 (1)应用T213模式预报各乡镇最高气温效果较好,可以参考,但需订正;最低气温预报效果差,目前预报结论不可用。
(2)从MM5模式20时温度预报效果检验结果可见,最低气温预报较好,可以参考,但多数存在着预报值略高于实况值的情况;最高气温预报不理想,表现在转折性天气预报值滞后于实况值,除转折性天气外,最高气温预报值略低于实况值;MM5模式08时温度预报效果不理想,并同样存在着预报值滞后于实况值的问题。
(3)MM5模式降水预报晴雨可以直接使用和发布;一般降水可以作为指导预报使用,但预报确率仍有待进一步提高,尤其是需要减少空报;暴雨预报可作为参考。
(4)由以上检验分析可知,单纯应用数值模式制作乡镇天气要素预报作为最终的预报值都具有一定的指示意义,可以作为指导预报;但还需要在此基础上,应用统计学和本地气候规律对以上初级产品加以订正,以提高乡镇预报的准确率。
414 数值模式乡镇预报的订正针对以上效果检验和分析中具有指示意义(50%以上)的模式运行结果进行如下订正。
41411 从统计学角度进行订正T213模式20时最高气温、MM5模式20时最低气温预报指示意义较好。
但通过分析绝对误差大于等于2℃的情况发现,最高气温的预报值多数低于实况值,误差值为1—3℃;最低温度的预报值多数高于实况值,误差值为1—3℃。
MM5模式20时降水预报中晴雨预报基本可以作为预报结论;一般降水预报则空报率较高,可以适当把有无降水的临界值提高。
41412 从本地气候角度进行订正葫芦岛地区季节气候特征明显,沿海平原和内陆山区气候差异显著。
年平均降水量沿海多于内陆,但6月平均降水量内陆山区一般多于沿海。
区域性的暴雨过程年平均017次,集中在7—8月,华北气旋、台风和江淮气旋北上是区域性暴雨的主要影响系统,高空槽、地面冷锋和冷涡是局地性暴雨主要影响系统(辽宁省气象局编,辽宁省短期天气预报指导手册,1989年)。
由于地理位置、季节、风向风速的不同,沿海和内陆的气候差异在温度上体现较为明显。
以8月和42气象与环境学报第23卷10月为例。
(1)10月最高气温:东部与西部沿海温度差异在±1℃之间的概率为74%。
但当出现偏北风且北风较小时,东部比西北部山区偏高3—4℃;当东部沿海出现东风或东南风时,其他地区为偏南风或静风时,东部沿海地区最高气温要比西部及西部山区偏低3—5℃,如果东部云量明显比西部偏多,则至少偏低6—8℃;(2)8月最低气温:东部沿海地区最低气温偏高西部1℃以上,其中,在天气条件一致的前提下,沿海地区的最低气温要比西北部山区高出至少2℃,如果沿海地区有偏北风,而西北部山区为静风时,至少要高出4℃。