亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        WQSRTP方法在甘肅省高低溫客觀預(yù)報(bào)中的應(yīng)用

        2023-08-12 09:32:36王基鑫張君霞劉新雨
        干旱區(qū)研究 2023年7期
        關(guān)鍵詞:最低氣溫時(shí)效甘肅省

        王基鑫,黎 倩,栗 晗,張君霞,劉新雨

        (1.蘭州中心氣象臺(tái),甘肅 蘭州 730000;2.河南省氣象臺(tái),河南 鄭州 450003;3.酒泉市氣象局,甘肅 酒泉 735000)

        氣溫預(yù)報(bào)是精細(xì)化預(yù)報(bào)產(chǎn)品的重要組成部分,是政府和公眾重點(diǎn)關(guān)注預(yù)報(bào)要素之一,提高氣溫的精細(xì)化預(yù)報(bào)水平是很多行業(yè)對(duì)精細(xì)化天氣預(yù)報(bào)服務(wù)的需求[1]。智能網(wǎng)格預(yù)報(bào)業(yè)務(wù)則在現(xiàn)代氣象業(yè)務(wù)精細(xì)化天氣預(yù)報(bào)服務(wù)的要求下應(yīng)運(yùn)而生,客觀定量化是其顯著特點(diǎn)[2-3]。中國(guó)氣象局《氣象預(yù)報(bào)業(yè)務(wù)發(fā)展規(guī)劃(2021—2025年)》指出氣象預(yù)報(bào)業(yè)務(wù)要始終瞄準(zhǔn)提高預(yù)報(bào)準(zhǔn)確率這一核心目標(biāo)。因此,智能網(wǎng)格預(yù)報(bào)產(chǎn)品在實(shí)現(xiàn)高時(shí)空分辨率時(shí),預(yù)報(bào)準(zhǔn)確率的提高同樣重要。提高智能網(wǎng)格預(yù)報(bào)產(chǎn)品準(zhǔn)確率一方面取決于數(shù)值預(yù)報(bào)模式的發(fā)展,另一方面取決于對(duì)數(shù)值預(yù)報(bào)模式產(chǎn)品釋用技術(shù)的研發(fā)。在數(shù)值天氣預(yù)報(bào)能力穩(wěn)定的情況下,深入開展模式產(chǎn)品釋用技術(shù)的研發(fā)是提高預(yù)報(bào)準(zhǔn)確率的有效途徑。

        近年來,眾多學(xué)者在氣溫?cái)?shù)值模式預(yù)報(bào)產(chǎn)品釋用方面進(jìn)行了諸多探索。為了消除模式預(yù)報(bào)的系統(tǒng)偏差,學(xué)者們提出模式輸出統(tǒng)計(jì)(Model Output Statistics,MOS)方法[4-5]、卡爾曼濾波方法[6-7]、小波分析方法[8-9]、機(jī)器學(xué)習(xí)方法[10-12]等多種方法對(duì)數(shù)值模式預(yù)報(bào)偏差進(jìn)行訂正,以提高預(yù)報(bào)結(jié)果的準(zhǔn)確性,并在實(shí)際預(yù)報(bào)業(yè)務(wù)中得到了很好的應(yīng)用。利用MOS方法降低模式24 h最高、最低氣溫預(yù)報(bào)誤差是模式后處理的重要研究方向之一。MOS 方法是利用數(shù)值預(yù)報(bào)產(chǎn)品,通過統(tǒng)計(jì)方法建立預(yù)報(bào)量和預(yù)報(bào)因子之間的數(shù)學(xué)關(guān)系,其考慮了數(shù)值模式的偏差和不確定性[13]。不同學(xué)者對(duì)MOS 方法在不同地區(qū)氣溫訂正中的適用性進(jìn)行了研究,如針對(duì)陜西省日最高、最低氣溫的客觀訂正方法研究發(fā)現(xiàn)一元線性回歸算法對(duì)日最高氣溫訂正效果較好,遞減平均算法則對(duì)日最低氣溫訂正效果較好[14],準(zhǔn)滑動(dòng)訓(xùn)練期MOS訂正方法可有效提高山東省日最高、最低氣溫的預(yù)報(bào)準(zhǔn)確率,偏差滑動(dòng)訂正算法96 h內(nèi)對(duì)魯中山區(qū)和國(guó)家級(jí)考核站點(diǎn)具有較好訂正效果[15],在江西省,滑動(dòng)雙權(quán)重平均訂正法可以有效訂正模式誤差,提升預(yù)報(bào)準(zhǔn)確率,而空間誤差逐步訂正方法可彌補(bǔ)季節(jié)過渡期間滑動(dòng)雙權(quán)重平均訂正法預(yù)報(bào)質(zhì)量不穩(wěn)定的缺陷[16]。另外,部分學(xué)者針對(duì)數(shù)值模式誤差特征提出了有效提升氣溫準(zhǔn)確率的方法,如,蔡凝昊等[17]將數(shù)值模式預(yù)報(bào)的最高、最低氣溫的歷史平均誤差、初值場(chǎng)誤差以及卡爾曼濾波反演誤差納入訂正方法發(fā)現(xiàn)預(yù)報(bào)準(zhǔn)確率明顯提高,且優(yōu)于中央氣象臺(tái)指導(dǎo)產(chǎn)品和預(yù)報(bào)員主觀訂正的城鎮(zhèn)網(wǎng)格預(yù)報(bào)產(chǎn)品。劉新偉等[8-9]利用小波分析方法將數(shù)值模式預(yù)報(bào)誤差納入對(duì)中央氣象臺(tái)指導(dǎo)產(chǎn)品的訂正中,有效提升了甘肅省最高、最低氣溫準(zhǔn)確率。為了有效改進(jìn)MOS訂正方法,學(xué)者針對(duì)氣溫訂正中的最優(yōu)訓(xùn)練期也進(jìn)行了探討,例如吳啟樹等[18]、何珊珊等[19]通過設(shè)計(jì)MOS不同訓(xùn)練期對(duì)比方案發(fā)現(xiàn),最高、最低氣溫的最佳訓(xùn)練日數(shù)為30 d,采用2 a 準(zhǔn)對(duì)稱混合滑動(dòng)訓(xùn)練期能獲得更好訂正結(jié)果。近年來,隨著我國(guó)多源融合實(shí)況產(chǎn)品的發(fā)展[20],以多源融合實(shí)況產(chǎn)品為背景場(chǎng)的智能網(wǎng)格氣溫訂正方法研究取得了較好的訂正效果。曾曉青等[21]以多元融合氣溫格點(diǎn)產(chǎn)品為實(shí)況,采用8 種不同誤差回歸訂正方案,對(duì)ECMWF 模式2 m 氣溫預(yù)報(bào)產(chǎn)品進(jìn)行訂正,結(jié)果表明短期預(yù)報(bào)中滑動(dòng)誤差回歸方法最優(yōu)。

        甘肅省地形地貌復(fù)雜,氣候地域差異顯著,數(shù)值模式氣溫預(yù)報(bào)產(chǎn)品偏差較大,使得氣溫預(yù)報(bào)難度大,預(yù)報(bào)準(zhǔn)確率較低[22-24]。為了滿足智能網(wǎng)格業(yè)務(wù)需要,蘭州中心氣象臺(tái)近年針對(duì)性的研發(fā)了氣溫客觀訂正技術(shù),改善了模式預(yù)報(bào)效果,但地形相對(duì)復(fù)雜地區(qū)預(yù)報(bào)準(zhǔn)確率較低,仍不能滿足實(shí)際預(yù)報(bào)業(yè)務(wù)需求。為此,本文利用加權(quán)準(zhǔn)對(duì)稱滑動(dòng)訓(xùn)練期方法(Weighted Quasi-symmetric Running Training Period method,WQSRTP),對(duì)業(yè)務(wù)中常用的ECMWF高低溫預(yù)報(bào)產(chǎn)品進(jìn)行訂正,以期為復(fù)雜地形下的智能網(wǎng)格氣溫預(yù)報(bào)業(yè)務(wù)提供一定的技術(shù)支撐,并進(jìn)一步提升甘肅省高低溫預(yù)報(bào)服務(wù)能力,夯實(shí)客觀預(yù)報(bào)替代主觀預(yù)報(bào)的基礎(chǔ)。

        1 數(shù)據(jù)與方法

        1.1 數(shù)據(jù)來源和處理

        實(shí)況氣溫選用甘肅省340個(gè)國(guó)家級(jí)考核站(圖1)的逐日地面2 m最高和最低氣溫觀測(cè)資料。數(shù)值預(yù)報(bào)資料選用中國(guó)氣象局智能網(wǎng)格指導(dǎo)預(yù)報(bào)產(chǎn)品(SCMOC)和甘肅省城鎮(zhèn)網(wǎng)格預(yù)報(bào)產(chǎn)品(SPCC)的逐24 h最高、最低格點(diǎn)氣溫預(yù)報(bào)產(chǎn)品,水平分辨率均為0.05°×0.05°,每日08:00、20:00(北京時(shí),下同)起報(bào),預(yù)報(bào)時(shí)效為0~240 h,歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium-range Weather Forecasts,ECMWF)逐6 h最高、最低格點(diǎn)氣溫預(yù)報(bào)產(chǎn)品,水平分辨率0.125°×0.125°,每日08:00、20:00起報(bào),預(yù)報(bào)時(shí)效為0~24 h。

        圖1 甘肅省國(guó)家級(jí)考核站分布Fig.1 Distribution of national meteorological assessment stations in Gansu

        通過取24 h 極值的方法,將ECMWF 逐6 h 最高、最低氣溫預(yù)報(bào)產(chǎn)品處理為逐24 h 最高、最低氣溫預(yù)報(bào)產(chǎn)品。預(yù)報(bào)產(chǎn)品為每日20:00起報(bào)72 h內(nèi)逐24 h 的最高、最低氣溫產(chǎn)品。訓(xùn)練樣本為2018 年9月1 日至2019 年8 月31 日ECMWF 逐24 h 最高、最低氣溫預(yù)報(bào)產(chǎn)品及24 h 最高、最低氣溫觀測(cè)資料,檢驗(yàn)樣本采用2019 年9 月1 日至2020 年8 月31 日的模式預(yù)報(bào)和實(shí)況資料,采用鄰域法將網(wǎng)格預(yù)報(bào)產(chǎn)品插值到站點(diǎn),即選取離站點(diǎn)最近的網(wǎng)格點(diǎn)作為站點(diǎn)預(yù)報(bào),若存在多個(gè)距離相等網(wǎng)格點(diǎn)時(shí),取東北角網(wǎng)格點(diǎn)[9]。

        1.2 研究方法

        1.2.1 WQSRTP方法 采用WQSRTP方法中訓(xùn)練期采用準(zhǔn)對(duì)稱滑動(dòng)訓(xùn)練期[18],逐次滑動(dòng)分別選取當(dāng)年預(yù)報(bào)日之前30日和前一年預(yù)報(bào)日之后30日每日預(yù)報(bào)資料與對(duì)應(yīng)實(shí)況資料作為訓(xùn)練樣本數(shù)據(jù),基于加權(quán)線性回歸的方法逐站點(diǎn)建立24 h最高、最低氣溫的預(yù)報(bào)模型。利用加權(quán)線性回歸的方法,對(duì)t時(shí)效的ECMWF 預(yù)報(bào)值與t時(shí)效的觀測(cè)實(shí)況進(jìn)行加權(quán)線性回歸建模(公式1),得到加權(quán)線性回歸模型,根據(jù)模型進(jìn)行預(yù)報(bào),得到訂正結(jié)果。

        式中:Y′t為t時(shí)效的訂正值(℃);Yt為t時(shí)效的模式預(yù)報(bào)值(℃);a為回歸系數(shù);b為常數(shù)項(xiàng)(℃)。利用準(zhǔn)滑動(dòng)訓(xùn)練期內(nèi)不同時(shí)效的預(yù)報(bào)值和觀測(cè)實(shí)況值,利用最小二乘法擬合得到a、b,即目標(biāo)函數(shù)值最?。ü?)。

        式中:wi為第i個(gè)加權(quán)系數(shù),根據(jù)樣本日期距離預(yù)報(bào)日及同期預(yù)報(bào)日的遠(yuǎn)近確定,對(duì)于距離預(yù)報(bào)日或同期預(yù)報(bào)日較近的樣本給予更高的權(quán)重,反之亦然,權(quán)重分布如圖2所示。

        圖2 權(quán)重分布Fig.2 Sample weight distribution

        1.2.2 檢驗(yàn)方法

        (1)預(yù)報(bào)準(zhǔn)確率

        式中:Fa為氣溫預(yù)報(bào)值與實(shí)況誤差不超過2°C的百分率;Na為不超過2°C 的樣本數(shù),即預(yù)報(bào)準(zhǔn)確的樣本數(shù);Nt為預(yù)報(bào)總樣本數(shù)。

        (2)均方根誤差和平均絕對(duì)誤差

        式中:RMSE 為均方根誤差;MAE 為平均絕對(duì)誤差;N為預(yù)報(bào)次數(shù);Oi是第i個(gè)站點(diǎn)的實(shí)況觀測(cè)值;Pi是第i個(gè)站點(diǎn)的預(yù)測(cè)值。

        (3)預(yù)報(bào)技巧

        式中:Fss為預(yù)報(bào)技巧評(píng)分;Tmean為SCMOC、SPCC或ECMWF 的最高、最低氣溫的平均絕對(duì)誤差;Tmeanf為WQSRTP最高、最低氣溫的平均絕對(duì)誤差。

        2 結(jié)果與分析

        2.1 考核站檢驗(yàn)結(jié)果

        將2019 年9 月1 日至2020 年8 月31 日的ECMWF逐24 h網(wǎng)格最高、最低氣溫預(yù)報(bào)產(chǎn)品插值到站點(diǎn),并利用WQSRTP 方法逐站點(diǎn)訂正最高、最低氣溫,得到各站點(diǎn)最高、最低氣溫訂正產(chǎn)品。對(duì)比分析上述時(shí)間段內(nèi)SCMOC、SPCC、ECMWF 與WQSRTP四種產(chǎn)品不同預(yù)報(bào)時(shí)效內(nèi)(24 h、48 h、72 h)對(duì)340個(gè)國(guó)家級(jí)考核站最高、最低氣溫預(yù)報(bào)結(jié)果。

        四種預(yù)報(bào)產(chǎn)品對(duì)340 個(gè)國(guó)家級(jí)考核站最高、最低氣溫均有一定的預(yù)報(bào)能力(表1),隨著預(yù)報(bào)時(shí)效的延長(zhǎng),預(yù)報(bào)準(zhǔn)確率逐漸降低,RMSE 和MAE 逐漸增大;WQSRTP 訂正產(chǎn)品的預(yù)報(bào)效果明顯優(yōu)于其他產(chǎn)品,最高氣溫預(yù)報(bào)準(zhǔn)確率為65.74%~72.76%,24 h相較SCMOC、SPCC、ECMWF 產(chǎn)品分別提高了20.12%、25.52%、32.16%,低溫預(yù)報(bào)準(zhǔn)確率為62.94%~69.37%,相較其他三種產(chǎn)品分別提高了14.76%、13.51%、15.48%,最高氣溫預(yù)報(bào)效果優(yōu)于最低溫度,而其他三種產(chǎn)品相反;WQSRTP 訂正產(chǎn)品不同預(yù)報(bào)時(shí)效的MAE 均小于2 ℃,RMSE 均小于2.4 ℃,明顯低于其他三種預(yù)報(bào)產(chǎn)品,最高氣溫MAE和RMSE 相較其他三種產(chǎn)品分別降低0.97 ℃、1.30 ℃,最低氣溫MAE 和RMSE 分別降低0.61 ℃、0.79 ℃以上;預(yù)報(bào)員主觀訂正的SPCC最高氣溫預(yù)報(bào)能力弱于SCMOC,而最低溫預(yù)報(bào)能力強(qiáng)于SCMOC。

        表1 四種預(yù)報(bào)產(chǎn)品不同預(yù)報(bào)時(shí)效的最高、最低氣溫的準(zhǔn)確率、MAE和RMSE Tab.1 Forecast accuracy,MAE and RMSE of maximum and minimum temperature in different forecasting times of four forecasting products

        為了更直觀了解WQSRTP 訂正產(chǎn)品的預(yù)報(bào)效果,表2 給出了不同時(shí)效WQSRTP 訂正產(chǎn)品相對(duì)于SCMOC、SPCC 和ECMWF 三種產(chǎn)品的最高、最低氣溫預(yù)報(bào)訂正技巧??梢钥闯?,不同時(shí)效內(nèi),WQSRTP訂正產(chǎn)品相對(duì)SCMOC、SPCC 和ECMWF 的最高、最低氣溫預(yù)報(bào)產(chǎn)品均為正訂正技巧,表明WQSRTP訂正產(chǎn)品相對(duì)其他三種最高、最低氣溫產(chǎn)品具有明顯優(yōu)勢(shì),且最高氣溫訂正效果優(yōu)于最低氣溫。隨著預(yù)報(bào)時(shí)效的增加,最高氣溫訂正技巧增高,最低氣溫訂正技巧降低。不同時(shí)效內(nèi),WQSRTP 訂正產(chǎn)品相對(duì)于ECMWF最高、最低氣溫產(chǎn)品的訂正技巧最高,分別為53.89%~62.88%和44.85%~47.20%。另外,WQSRTP 訂正產(chǎn)品相對(duì)于SCMOC 和SPCC 最高、最低氣溫產(chǎn)品,最高氣溫相對(duì)SPCC 產(chǎn)品訂正技巧稍高,為42.84%~43.65%,最低氣溫相對(duì)SCMOC 產(chǎn)品訂正技巧稍高,為24.33%~30.26%。

        表2 不同預(yù)報(bào)時(shí)效WQSRTP訂正產(chǎn)品的訂正技巧Tab.2 Correction skills of maximum and minimum temperature of WQSRTP forecast products in different forecast times

        不同月份SCMOC、SPCC、ECMWF 與WQSRTP最高、最低氣溫產(chǎn)品預(yù)報(bào)能力也不相同,為了更好的對(duì)比分析,圖3 給出了四種預(yù)報(bào)產(chǎn)品72 h 內(nèi)逐24 h 最高、最低氣溫逐月平均預(yù)報(bào)準(zhǔn)確率。不同預(yù)報(bào)時(shí)效內(nèi),WQSRTP 訂正的最高、最低氣溫產(chǎn)品的逐月平均預(yù)報(bào)準(zhǔn)確率均高于其他三種產(chǎn)品,隨預(yù)報(bào)時(shí)效的增加,氣溫預(yù)報(bào)準(zhǔn)確率略下降。從24 h最高氣溫逐月預(yù)報(bào)準(zhǔn)確率來看(圖3a),WQSRTP和SCMOC最高氣溫預(yù)報(bào)準(zhǔn)確率月際變化相對(duì)不顯著,SPCC和ECMWF 最高氣溫準(zhǔn)確率月際變化更為顯著,WQSRTP 訂正產(chǎn)品和SCMOC 產(chǎn)品最高氣溫預(yù)報(bào)準(zhǔn)確率的最大值出現(xiàn)在3 月,分別為80.04%和54.68%,最小值分別出現(xiàn)在11 月和1 月,預(yù)報(bào)準(zhǔn)確率分別為68.72%和50.00%,SPCC 和ECMWF 最高氣溫預(yù)報(bào)準(zhǔn)確率的最小值均在4月,預(yù)報(bào)準(zhǔn)確率分別為36.64%和32.82%,最大值分別在12月和1月,相應(yīng)的預(yù)報(bào)準(zhǔn)確率分別為52.50%和44.67%。由24 h最低氣溫逐月預(yù)報(bào)準(zhǔn)確率分布可知(圖3b),WQSRTP、SCMOC、SPCC、ECMWF 的預(yù)報(bào)準(zhǔn)確率月際變化顯著,7—9 月較高,分別為81.17%、62.89%、63.25%、61.09%,12 月—次年2 月較低,分別為55.44%、45.23%、45.83%、38.78%。對(duì)比圖3a 和3b 發(fā)現(xiàn),夏季最高氣溫預(yù)報(bào)準(zhǔn)確率相對(duì)較高,冬季最低氣溫預(yù)報(bào)準(zhǔn)率相對(duì)較高。48 h 和72 h 最高、最低氣溫逐月預(yù)報(bào)準(zhǔn)確率與24 h變化基本一致,隨著預(yù)報(bào)時(shí)效延長(zhǎng)預(yù)報(bào)準(zhǔn)確率均下降。

        圖3 四種預(yù)報(bào)產(chǎn)品24 h、48 h、72 h最高氣溫、最低氣溫的逐月平均預(yù)報(bào)準(zhǔn)確率Fig.3 Monthly prediction accuracy of four forecast products 24 h,48 h and 72 h maximum temperature and minimum temperature

        圖4給出了四種預(yù)報(bào)產(chǎn)品不同預(yù)報(bào)時(shí)效內(nèi)的逐月MAE分布。不同預(yù)報(bào)時(shí)效內(nèi),WQSRTP訂正產(chǎn)品最高、最低氣溫的MAE 均最小,ECWMF 最高、最低氣溫MAE 最大。WQSRTP 最低氣溫MAE 高于最高氣溫MAE,而其他三種產(chǎn)品與之相反。隨著預(yù)報(bào)時(shí)效的增加,幾種預(yù)報(bào)產(chǎn)品的MAE 也略有增加,對(duì)于最高氣溫,WQSRTP 和SCMOC 的MAE 的月際變化相對(duì)不顯著,SPCC 和ECMWF 相對(duì)顯著,四種產(chǎn)品最低氣溫MAE 月際變化較顯著。從24 h 最高氣溫和最低氣溫MAE 逐月分布來看(圖4a,圖4b),SCMOC、SPCC、ECMWF、WQSRTP 最高氣溫MAE 最小,分別為5 月(2.4 ℃)、12 月(2.4 ℃)、12 月(2.7 ℃)、3 月(1.3 ℃),最低氣溫MAE 最小分別為7月(1.9 ℃)、9 月(1.9 ℃)、9 月(1.9 ℃)、9 月(1.2 ℃),最低氣溫MAE 相對(duì)較小。48 h、72 h 四種產(chǎn)品的MAE 分布與24 h 基本一致,需指出的是72 h ECMWF 最高氣溫MAE 躍增,均在4 ℃以上,最大為4月6.1 ℃。

        圖4 四種預(yù)報(bào)產(chǎn)品24 h、48 h、72 h最高氣溫、最低氣溫的逐月均絕對(duì)誤差Fig.4 Monthly MAE of four forecast products 24 h,48 h and 72 h maximum temperature and minimum temperature

        2.2 誤差空間分布

        從上述分析中可以發(fā)現(xiàn),SCMOC、SPCC、ECMWF與WQSRTP最高、最低氣溫產(chǎn)品的24 h時(shí)效預(yù)報(bào)效果最好(圖3,圖4)。因此,進(jìn)一步分析24 h 時(shí)效四種產(chǎn)品對(duì)甘肅省氣溫的預(yù)報(bào)能力。由四種預(yù)報(bào)產(chǎn)品24 h最高、最低氣溫預(yù)報(bào)準(zhǔn)確率空間分布表明(圖5、圖6),與其他三種產(chǎn)品相比,WQSRTP訂正產(chǎn)品對(duì)甘肅省氣溫預(yù)報(bào)能力有顯著提升,尤其是地形較為復(fù)雜的甘岷山區(qū)和祁連山區(qū)更為顯著。WQSRTP 最高氣溫的預(yù)報(bào)準(zhǔn)確率在全省大部分地區(qū)均高于SCMOC,特別是甘岷山區(qū)東部預(yù)報(bào)準(zhǔn)確率相較提高30%以上,但在甘南州西部個(gè)別站點(diǎn)及隴東南部分站點(diǎn)低于SCMOC;最低氣溫預(yù)報(bào)準(zhǔn)確率在全省大部高于SCMOC,在甘岷山區(qū)部分地區(qū)提升40%以上。相對(duì)于SPCC,最高、最低氣溫準(zhǔn)確率在全省大部分地區(qū)均有提升,最高氣溫準(zhǔn)確率在祁連山區(qū)東部和甘岷山區(qū)部分地區(qū)提升顯著,僅隴東南個(gè)別站點(diǎn)出現(xiàn)負(fù)的訂正效果;最低氣溫預(yù)報(bào)準(zhǔn)確率提升范圍小于最高氣溫準(zhǔn)確率提升范圍。相對(duì)于ECMWF,部分地區(qū)氣溫預(yù)報(bào)準(zhǔn)確提升在50%以上,個(gè)別地區(qū)站點(diǎn)到達(dá)70%以上,地形較為復(fù)雜的甘岷山區(qū)和祁連山區(qū)更為顯著。WQSRTP 最高氣溫訂正產(chǎn)品在甘肅省河西地區(qū)的預(yù)報(bào)準(zhǔn)確率高于河?xùn)|地區(qū),而最低氣溫訂正產(chǎn)品則相反,其中最高氣溫預(yù)報(bào)準(zhǔn)確率大于75%的大值區(qū)主要分布在河西地區(qū),甘岷山區(qū)和隴東南局部地區(qū)預(yù)報(bào)準(zhǔn)確率相對(duì)較低;最低氣溫預(yù)報(bào)準(zhǔn)確率大于75%的大值區(qū)主要分布于河西中部和河?xùn)|部分地區(qū),甘岷山區(qū)東部的預(yù)報(bào)準(zhǔn)確率相對(duì)較低。

        圖5 四種預(yù)報(bào)產(chǎn)品24 h最高氣溫預(yù)報(bào)準(zhǔn)確率分布Fig.5 Spatial distribution of 24 h maximum temperature forecast accuracy of four forecast products in Gansu Province

        圖6 四種預(yù)報(bào)產(chǎn)品24 h最低氣溫預(yù)報(bào)準(zhǔn)確率分布Fig.6 Spatial distribution of 24 h minimum temperature forecast accuracy of four forecast products in Gansu Province

        從四種產(chǎn)品24 h最高、最低氣溫MAE空間分布可知(圖7,圖8),WQSRTP 訂正產(chǎn)品最高、最低氣溫的MAE 最小,ECMWF 的MAE 最大,除個(gè)別站點(diǎn)外,WQSRTP 訂正產(chǎn)品的MAE 均低于2 ℃;相對(duì)于省內(nèi)其他地區(qū),地形較為復(fù)雜的祁連山區(qū)、甘岷山區(qū)的MAE 偏大;SCMOC、SPCC 和ECMWF 最低氣溫預(yù)報(bào)產(chǎn)品的MAE較最高氣溫產(chǎn)品的MAE較小。相較于SCMOC 產(chǎn)品的MAE,WQSRTP 最高、最低氣溫產(chǎn)品的MAE在甘肅省大部分地區(qū)小于SCMOC產(chǎn)品的MAE,偏小站數(shù)占總站數(shù)的百分比分別為93.52%、85.29%,且甘岷山區(qū)部分站點(diǎn)MAE 偏小5 ℃以上,但在隴東南部分地區(qū)WQSRTP 訂正產(chǎn)品的MAE 大于SCMOC 產(chǎn)品的MAE(0.2 ℃)。相較于SPCC 產(chǎn)品的MAE,WQSRTP 最高、最低氣溫訂正產(chǎn)品MEA 較SPCC 產(chǎn)品MAE 較小站數(shù)占比為90.88%和86.47%,隴東南東部部分地區(qū)WQSRTP訂正產(chǎn)品MAE 偏大0.1 ℃。與ECMWF 產(chǎn)品MAE 相比,WQSRTP 產(chǎn)品MAE 均小于ECMWF 產(chǎn)品MAE,且在地形復(fù)雜地區(qū)的祁連山區(qū)和甘岷山區(qū)的MAE 相差越大,部分站點(diǎn)MAE 相差6 ℃以上,說明WQSRTP訂正產(chǎn)品在復(fù)雜地形地區(qū)訂正效果更為顯著。

        圖7 四種預(yù)報(bào)產(chǎn)品24 h最高氣溫MAE分布Fig.7 Spatial distribution of 24 h maximum temperature MAE for four forecast products in Gansu Province

        圖8 四種預(yù)報(bào)產(chǎn)品24 h最低氣溫MAE分布Fig.8 Spatial distribution of 24 h minimum temperature MAE for four forecast products in Gansu Province

        綜上所述,WQSRTP 訂正產(chǎn)品對(duì)甘肅省氣溫預(yù)報(bào)能力提升作用顯著,特別是模式氣溫產(chǎn)品預(yù)報(bào)偏差較大、準(zhǔn)確率較低的地形復(fù)雜的祁連山區(qū)和甘岷山區(qū),且最高氣溫的訂正效果優(yōu)于最低氣溫。另外,在SCMOC、SPCC產(chǎn)品預(yù)報(bào)能力優(yōu)于WQSRTP訂正產(chǎn)品的隴東南東部部分地區(qū),仍需持續(xù)針對(duì)性進(jìn)行訂正技術(shù)研發(fā)以提升氣溫預(yù)報(bào)準(zhǔn)確率。

        3 討論

        將預(yù)報(bào)員日常業(yè)務(wù)預(yù)報(bào)分析偏差訂正的思路利用加權(quán)線性回歸得以實(shí)現(xiàn),即將MOS方法中建模使用的線性回歸改進(jìn)為加權(quán)線性回歸。WQSRTP方法有效實(shí)現(xiàn)了對(duì)甘肅省最高、最低氣溫預(yù)報(bào)準(zhǔn)確率提升的目地,大部分地區(qū)的預(yù)報(bào)準(zhǔn)確率提升顯著,MAE 降低明顯,但仍有個(gè)別站點(diǎn)的預(yù)報(bào)準(zhǔn)確率相較SCMOC、SPCC、ECMWF 數(shù)值預(yù)報(bào)產(chǎn)品偏低。這可能與WQSRTP 方法中所有站點(diǎn)的準(zhǔn)對(duì)稱滑動(dòng)訓(xùn)練期均采用吳啟樹等[18]得到的30 d 最佳訓(xùn)練日數(shù)有關(guān)。為了更進(jìn)一步提高預(yù)報(bào)準(zhǔn)確率,下一步可通過調(diào)整甘肅省不同站點(diǎn)的準(zhǔn)對(duì)稱滑動(dòng)訓(xùn)練期的方法進(jìn)行改進(jìn)。WQSRTP 方法與吳啟樹等[18]MOS方法的氣溫預(yù)報(bào)準(zhǔn)率均會(huì)隨著預(yù)報(bào)時(shí)效的增加而降低,但WQSRTP方法訂正產(chǎn)品預(yù)報(bào)準(zhǔn)確率隨時(shí)效增加遞減幅度相比更小,說明WQSRTP方法具有一定先進(jìn)性。MOS 方法訂正后的福建省訂正氣溫準(zhǔn)確率高于甘肅省訂正氣溫預(yù)報(bào)準(zhǔn)確率是與數(shù)值模式預(yù)報(bào)產(chǎn)品在不同地區(qū)的預(yù)報(bào)性能密切相關(guān),這充分說明客觀訂正方法僅能有限的訂正數(shù)值預(yù)報(bào)偏差。同時(shí),相較劉新偉等[9]利用ECMWF細(xì)網(wǎng)格氣溫?cái)?shù)值預(yù)報(bào)產(chǎn)品基于小波低頻周期滑動(dòng)平均訂正法生成的甘肅省氣溫客觀訂正產(chǎn)品,WQSRTP 方法的最高氣溫訂正產(chǎn)品在甘肅省大部分地區(qū)準(zhǔn)確率較高,最低氣溫訂正產(chǎn)品在地形較為復(fù)雜的甘岷山區(qū)和祁連山區(qū)準(zhǔn)確率較高,表明利用不同客觀訂正方法對(duì)同一種數(shù)值預(yù)報(bào)產(chǎn)品的訂正能力存在差異。近來年,國(guó)產(chǎn)CMA 數(shù)值模式發(fā)展迅速,預(yù)報(bào)體系不斷發(fā)展完善[22],本文未對(duì)國(guó)產(chǎn)數(shù)值模式產(chǎn)品進(jìn)行訂正分析,后續(xù)可對(duì)比分析同一地區(qū)同一訂正方法對(duì)不同模式預(yù)報(bào)產(chǎn)品訂正能力差異。隨著數(shù)值模式產(chǎn)品和客觀訂正方法的不斷發(fā)展,多種訂正產(chǎn)品的集成方法研究已有一定進(jìn)展[25-27],也可對(duì)不同方法訂正的數(shù)值模式氣溫預(yù)報(bào)產(chǎn)品進(jìn)行最優(yōu)集成,提升客觀預(yù)報(bào)融合應(yīng)用水平,進(jìn)一步提升氣溫預(yù)報(bào)準(zhǔn)確率。

        4 結(jié)論

        針對(duì)甘肅省復(fù)雜地形下數(shù)值模式氣溫預(yù)報(bào)準(zhǔn)確率較低的問題,基于日常業(yè)務(wù)中常用的ECMWF細(xì)網(wǎng)格2 m最高、最低氣溫?cái)?shù)值預(yù)報(bào)產(chǎn)品,研發(fā)甘肅省國(guó)家級(jí)考核站最高、最低氣溫WQSRPT 訂正技術(shù),并生成相應(yīng)的客觀預(yù)報(bào)產(chǎn)品,并與SCMOC、SPCC 和ECMWF 預(yù)報(bào)產(chǎn)品進(jìn)行對(duì)比,主要結(jié)論如下:

        (1)WQSRTP方法能有效提升氣溫客觀預(yù)報(bào)準(zhǔn)確率,SCMOC、SPCC、ECMWF 數(shù)值預(yù)報(bào)產(chǎn)品和WQSRTP 訂正產(chǎn)品對(duì)甘肅省國(guó)家級(jí)考核站最高、最低氣溫均具有一定的預(yù)報(bào)能力,但隨著預(yù)報(bào)時(shí)效的增加,預(yù)報(bào)準(zhǔn)確率逐漸降低,均方根誤差和平均絕對(duì)誤差逐漸增加,其中SCMOC、SPCC 和ECMWF 細(xì)網(wǎng)格產(chǎn)品對(duì)最高氣溫預(yù)報(bào)能力弱于最低氣溫,WQSRTP 訂正產(chǎn)品對(duì)最高氣溫的預(yù)報(bào)能力高于最低氣溫。

        (2)不同預(yù)報(bào)時(shí)效內(nèi),WQSRTP最高、最低氣溫訂正產(chǎn)品預(yù)報(bào)準(zhǔn)確率均高于其他三種產(chǎn)品。相較ECMWF 細(xì)網(wǎng)格預(yù)報(bào)產(chǎn)品,WQSRTP 產(chǎn)品24 h 最高氣溫預(yù)報(bào)準(zhǔn)確率提高了32.16%,24 h最低氣溫預(yù)報(bào)準(zhǔn)確率提高了15.48%。WQSRTP 產(chǎn)品相對(duì)其他三種最高、最低氣溫預(yù)報(bào)產(chǎn)品均為正技巧,最高氣溫訂正技巧高于最低氣溫。

        (3)四種預(yù)報(bào)產(chǎn)品的最高氣溫預(yù)報(bào)準(zhǔn)確率沒有明顯的月際變化,最低氣溫預(yù)報(bào)準(zhǔn)確率月際變化較明顯,7—9 月較高,12 月—次年2 月較低。逐月WQSRTP 訂正產(chǎn)品預(yù)報(bào)準(zhǔn)確率在四種產(chǎn)品中均最高,MAE均最低。

        (4)誤差空間分布表明,SCMOC、SPCC 和ECMWF細(xì)網(wǎng)格最高、最低氣溫產(chǎn)品在地形復(fù)雜的祁連山區(qū)和甘岷山區(qū)預(yù)報(bào)偏差較大,準(zhǔn)確率較低,WQSRTP 訂正產(chǎn)品則在上述地區(qū)顯著提升了最高、最低氣溫預(yù)報(bào)準(zhǔn)確率,有效降低了MAE,且最高氣溫訂正效果優(yōu)于最低氣溫。

        猜你喜歡
        最低氣溫時(shí)效甘肅省
        致敬甘肅省腹腔鏡開展30年
        甘肅省機(jī)械工程學(xué)會(huì)
        甘肅省發(fā)布第1號(hào)總林長(zhǎng)令
        甘肅省天水市泰安縣橋南初級(jí)中學(xué)
        北辰地區(qū)日最低氣溫特征及影響因素研究
        天津科技(2019年3期)2019-03-30 07:17:14
        67年來濟(jì)南最高和最低氣溫變化特征
        J75鋼的時(shí)效處理工藝
        一種新型耐熱合金GY200的長(zhǎng)期時(shí)效組織與性能
        上海金屬(2016年3期)2016-11-23 05:19:47
        環(huán)保執(zhí)法如何把握對(duì)違法建設(shè)項(xiàng)目的追責(zé)時(shí)效?
        數(shù)學(xué)選擇題練習(xí)
        青草内射中出高潮| 天堂精品人妻一卡二卡| 亚洲一区二区三区视频免费看| 无码中文字幕人妻在线一区| 国産精品久久久久久久| 国产乱视频| 国产又粗又猛又黄色呦呦| 亚洲国产区中文在线观看| 亚洲精品欧美精品日韩精品| 国产精品美女一区二区三区| 91华人在线| 人妻少妇粉嫩av专区一| 男女男精品视频网站免费看| 果冻传媒2021精品一区| 69av视频在线观看| 一区二区三区国产偷拍| 少妇高潮久久蜜柚av| 妺妺窝人体色www聚色窝仙踪| 成人天堂资源www在线| 99热高清亚洲无码| 亚洲国产综合人成综合网站| 精品久久久久久久久午夜福利| 亚洲欧美精品伊人久久| 亚洲成AV人国产毛片| 免费在线视频亚洲色图| 国产激情综合在线观看| 久久国产成人精品国产成人亚洲 | 日韩精品成人无码AV片| 亚洲av网一区二区三区成人| 在线中文字幕乱码英文字幕正常| 亚洲综合色自拍一区| 国产午夜亚洲精品一级在线| 国产区一区二区三区性色| 国产亚洲成av人片在线观黄桃| 亚洲精品久久久久中文字幕二区| 国产极品喷水视频| 中文字幕av熟女中文av| 高清不卡一区二区三区| 亚洲AV成人无码国产一区二区| 一区二区三区国产大片| 日本丰满少妇xxxx|