共查询到20条相似文献,搜索用时 15 毫秒
1.
选取2015—2019年青岛市崂山区10个气象自动站的日气温数据和EC细网格模式2 m气温预报产品,验证EC细网格模式2 m气温预报产品最低温度和最高温度在青岛崂山地区的准确率,同时分析崂山地区温度的时间、空间分布特征,对预报产品进行订正,在实际业务中进行推广,提高预报的准确率,做好公众气象服务。结果表明,气温存在年变化差异和季节内差异,同一种温度下,春季和夏季的区域分布比较类似,秋季和冬季的区域分布比较类似;崂山区内EC细网格24 h最低温度预报值偏高,最高温度预报值偏低,最低温度的预报总体准确率比最高温度的预报总体准确率要高,西部地区的预报准确率要高于东部地区的准确率;通过订正后,发现最低温度4个季节的预报准确率都在50%以上,最高温度订正后的准确率,除夏季59%以外,其他各季节均在75%以上。 相似文献
2.
本文通过对2019-2020年锦州地区83个观测站点的智能网格预报产品数据以及同时段内实况值进行检验,并分别进行分位数映射法、随机森林算法和xgboost算法对智能网格温度预报进行订正,得出结果:(1)智能网格最高温度预报准确率好于最低温度,城镇最高、最低温度预报准确率明显高于乡镇观测站。(2)三种订正方法中乡镇最高、最低温度预报订正效果整体均好于城镇温度预报订正。(3)分位数映射法订正后,乡镇最高、最低温度预报准确率均有显著提高,城镇则均下降;随机森林算法订正后城镇最高温度预报准确率整体提升,而最低温度预报准确率则有明显下降,乡镇最高、最低温度预报准确率都有所上升;xgboost算法订正后,城镇、乡镇观测站的最高、最低温度预报准确率均有大幅度提升,xgboost算法订正效果最明显。(4)对Xgboost算法订正进行应用检验,全区最高气温准确率、最低气温准确率分别提升7.6个百分点、15个百分点。总体而言,对乡镇最高、最低气温订正效果比城镇站订正效果好。 相似文献
3.
4.
利用沈阳高分辨率WRF(weather research and forecasting model)模式输出资料,结合实况观测,检验模式2011—2014年温度和降水预报产品。结果表明:1浑南站定时温度预报准确率最高为76%,最低为52.8%。随着预报时效的增加,预报准确率呈下降趋势。区域自动站中辽宁大学预报准确率最高,奥体中心预报准确率最低。浑南站温度预报的平均绝对误差在1.5~2.5℃,随着预报时效的增加,平均绝对误差越大,平均绝对误差与准确率成反比。区域自动站中平均绝对误差与准确率不具有明显相关性。2浑南站较其他区域自动站的TS评分高,最大值为0.571。浑南站模式对各时刻晴雨预报的准确率相对较高。3浑南站订正后的≤2℃温度准确率平均增加了4.4%,≤1℃温度准确率平均增加了8%。区域自动站中除辽宁大学和奥体中心为负增幅,其他站均为正增幅。 相似文献
5.
通过对榆社基准气候站实测2013年1月1日—12月31日的逐日最低气温、地面最低温度、草面最低温度以及榆社各区域站每日最低气温的分析,结合收集到的霜冻资料,建立区域站与本站的气温关系以及区域站气温与地表温度的关系,形成区域站地表温度与本站最低气温预报值的关系,实现通过本站最低气温来预报区域站最低地温,建立霜冻精细化预报模型。通过2014—2016年实测霜冻数据进行验证,得出:本站最低气温预报的准确度越高,霜冻精细化预报模型预报准确率越高,预报准确率超过90%。当本站最低气温6℃时,区域站范围内可能出现霜冻;当本站最低气温2℃时,本站可能出现霜冻。 相似文献
6.
7.
8.
旅顺乡镇预报气温订正方法及温度特征分析 总被引:1,自引:0,他引:1
阐述了旅顺口区北海、铁山、水师营3个站的最低温度、最高温度相较于旅顺站的差异特征,提出了3个站的温度修正度数,介绍了3个街道温度变化气候因素。结果表明,乡镇自动气象站与旅顺站之间的最低温度、最高温度有明显差异,全年各乡镇的最高温度均比旅顺站偏高,而最低温度均低于旅顺站,而且这种差异随着季节的变化而不同。部分乡镇观测环境不标准,温度变化起伏较大,可能是造成乡镇预报准确率偏低的原因之一。随着观测环境的改善和旅顺站温度预报质量的提高,利用该方法制作的乡镇温度预报准确率也将随之提高。 相似文献
9.
本文利用欧洲中心模式(ECMWF)每天20:00起报的未来5d(120h)地面2m气温格点产品,用距离反比加权法插值到铜仁市的10个国家气象观测站点上,编程计算出每天预报产品预报未来5d每天的日最高、最低气温;利用A文件读取铜仁市10个国家气象观测站的日最高、最低气温实况值。统计气温预报值与对应的实况值,采用6次多项式拟合技术,通过分析预报值与实况值的关系,并得到相应的关系式,利用关系式,就可得到订正值。利用该订正方法,使得订正后的预报准确率较ECMWF模式预报准确率有很大的提高,24h订正后的全市综合平均预报准确率为80.7%,较ECMWF模式准确率提高24%。此订正方法简单实用,对气温预报准确率提升明显,对气温预报具有一定的指导意义。 相似文献
10.
基于等差值方法的乡镇温度订正预报研究 总被引:1,自引:0,他引:1
《农业灾害研究》2015,(10)
根据新宾地理气候环境特征,利用等差值方法制作乡镇温度订正预报,并分别检验基准站预报值与实况值的绝对差值在0.5℃内、1℃内、2℃内时,各乡镇温度订正预报的准确度。结果表明,利用等差值方法进行乡镇温度订正预报是可行的,且基准站预报值偏离实况值在0.5℃内对乡镇温度订正预报结果几乎没有影响,随着两者的绝对差值增大,对各乡镇的预报准确率的影响就越大。 相似文献
11.
12.
《吉林农业》2019,(11)
本文基于5km×5km格点数值预报资料(2017年11月1日~2018年2月28日3h~72h逐3h)和崇明24个自动站资料,利用双线性插值将格点数值预报资料插值到各个自动站站点,得到各站点数值预报资料。然后,利用卡尔曼滤波以2017年11月资料作为训练期,对2017年12月~2018年2月站点预报资料进行客观订正;利用反距离平均将各自动站温度实况资料插值到17×13矩阵的格点中得到格点实况资料,再利用卡尔曼滤波对格点数值预报资料进行订正,采用温度绝对误差对订正前后的预报效果进行检验评估,结果表明:订正后,各站点平均绝对误差都在2℃以下,各站点20时起报,24时,48时,72时逐3小时预报数据平均订正了0.37℃、0.33℃、0.23℃。各格点20时起报,24时、48时、72时逐3小时预报数据平均订正了0.31℃、0.27℃、0.20℃。空间上,预报误差呈自西北到东南递减的特性,且修正效果与预报误差呈现很好的正相关性;时间序列上,此方法对于数值预报误差较大的值有较好的修正效果。 相似文献
13.
利用2017—2018年智能网格预报产品对辽阳逐1 h气温、日最高(低)气温进行检验,并采用最优滑动滑动周期法进行订正。结果表明:辽阳地区智能网格预报准确率整体为西部较高、东部较低;逐1 h气温预报和日最高气温预报整体较实况偏高,日最低气温预报较实况偏低;逐1 h气温预报、日最低气温预报准确率在夏季7、8月份预报准确率与其他月份相比较好,日最高气温预报准确率在冬季各月准确率较高;最高气温准确率最高、稳定性最好,采用最优滑动周期法订正后,准确率基本在80~90%;最低气温中西部地区订正后准确率也在70%以上。 相似文献
14.
为了更好地开展海南洋浦港预报气象服务,利用智能网格10 m风场预报产品对2018年3月8日至2020年3月8日,每日12时(世界时)起报的智能网格10 m阵风产品逐3、6、12、24、48、72 h在洋浦港的适用性进行评估,通过最临近插值法将格点预报插值到洋浦港海岛自动站,并采用不同误差分析方法,将格点预报与同期自动站观测实况数据进行对比。结果表明:不同时效、不同风力条件下,智能网格对6级及以下阵风预报效果最好;风速大于6级时,由于样本数量较少,准确率呈递减趋势,风力等级越大漏报率越高,可信度需进一步验证。不同天气型、不同时效,预报值与自动站实况数据相比,有明显的差异;台风影响下,风力等级预报准确率最高,冷空气影响次之,热对流天气很难捕捉,且随着时效增大,准确率越低,很难预测。另外,随着阵风等级增大,预报值存在较多的漏报,尤其是7级及以上大风有低估的效果,其中很难预测热对流天气造成的大风。 相似文献
15.
利用2017—2018年智能网格预报产品对辽阳地区逐1 h气温、日最高(低)气温进行检验,并采用最优滑动周期法进行订正。结果表明:辽阳地区智能网格预报准确率整体表现为西部较高、东部较低;逐1 h气温预报和日最高气温预报整体较实况偏高,日最低气温预报较实况偏低;逐1 h气温预报、日最低气温预报准确率在夏季7月、8月与其他月份相比较高,冬季各月日最高气温预报准确率较高;日最高气温预报准确率最高、稳定性最好,采用最优滑动周期法订正后,准确率基本为80%~90%;中西部地区日最低气温订正后准确率也在70%以上。 相似文献
16.
17.
18.
19.
分宜城镇气象要素订正化预报方法研究 总被引:1,自引:0,他引:1
利用2013—2014年的分宜地面气象观测站观测资料和区域自动站加密观测资料,采用温差订正法,分析县城与各乡镇气象要素(逐日最高气温、最低气温)之间的差异。结果表明,随着季节的变化,县观测站点与各乡镇观测站点之间的最高、最低温度具有明显差异。在此基础上,以预报员主观制作的县站最高、最低气温预报结果作为基础,利用分析结果对上级指导预报进行订正,极大地提高乡镇气象要素的预报准确率。 相似文献
20.
利用NCEP/NCAR逐6 h的850 hPa温度再分析资料,采用双线性插值法(BI)计算出朝阳、北票、叶柏寿、凌源、喀左5个观测站的2:00、8:00、14:00、20:00 4个时次850 h Pa的温度值,与地面气象观测站的实况日最低气温建立相关性,并对地面观测资料按照相关分析和相关检验原理对预报方程进行因子初选,应用逐步回归方法建立分县、分月的预报方程,并使用数值预报产品T639的850 h Pa温度和中央气象台指导产品的气象要素资料对预报方程进行检验和订正。结果表明:分月建立的朝阳地区温度预报多元回归方程对于日最高、最低温度的预报有一定指导意义,预报准确率有一定提高。 相似文献