最优集合预报订正方法在客观温度预报中的应用
  • 【DOI】

    10.7519/j.issn.1000-0526.2019.08.005

  • 【摘要】

    数值模式的直接输出预报在实际应用时常与实况产生一定的偏差,对模式预报进行有效的本地化订正是提高预报准确率的重要手段.以欧洲中期天气预报中心(ECMWF)模式细网格资料,采用最优集合(anolog ensemble,AnEn)预报订正方法对北京市各站1~7 d的日最高气温和日最低气温进行订正,并对相关参数进行了本地化.采用了滑动训练期、优化变量权重两种方案进行训练.检验评估结果表明:(1)滑动训练期... 展开>>数值模式的直接输出预报在实际应用时常与实况产生一定的偏差,对模式预报进行有效的本地化订正是提高预报准确率的重要手段.以欧洲中期天气预报中心(ECMWF)模式细网格资料,采用最优集合(anolog ensemble,AnEn)预报订正方法对北京市各站1~7 d的日最高气温和日最低气温进行订正,并对相关参数进行了本地化.采用了滑动训练期、优化变量权重两种方案进行训练.检验评估结果表明:(1)滑动训练期采用60 d时能同时保证计算效率和预报准确率;采用最优变量权重方案后,与预报员主观预报准确率对比,AnEn的最低气温优于预报员主观预报,最高气温基本相当;增加训练期的长度(引入多年的历史资料)相比优化变量权重方案能更有效地提高预报准确率.(2) AnEn预报订正方法在改善数值模式预报的固有偏差(如对由数值模式对局地地形、边界层日变化等形成的误差)效果显著,有较好的应用价值;对于因局地天气(如霾、降水、大风等)影响下,AnEn的温度预报准确率虽优于ECMWF,但不如主观预报,未来还有改进空间.还对检验结果进行了时间和空间验证,确保在以后的业务尤其是智能网格预报业务中的运行效果. 收起<<

  • 【作者】

    郝翠  张迎新  王在文  付宗钰  DELLE MONACHE Luca 

  • 【作者单位】

    北京城市气象研究院/北京市气象台/北京城市气象研究院/National Center for Atmosphereic Research

  • 【刊期】

    气象 ISTIC PKU 2019年8期

  • 【关键词】

    最优集合  客观温度预报  滑动训练期  优化变量权重 

  • 【基金项目】

    国家重点研发计划 中央级公益性科研院所基本科研业务费专项 中国气象局发展预报业务检验评估关键技术项目[YBGJXM(2017)06-4]共同资助