订正温度预报

订正温度预报（共3篇）

订正温度预报 篇1

近年来, 新的气象发展战略提出了客观、定量和精细化的要求, 同时气象科技技术的发展也为数值天气预报结果的准确率提供了保证。该文从回归统计的角度出发, 将统计方法和温度数值预报结果进行结合, 建立一种乡镇气温预报的订正模式。

1 北票市气候背景

北票市属温带半湿润半干旱的大陆性季风气候, 年平均降水量450~500 mm, 无霜期130~150 d。由于受蒙古高原大风的侵袭, 干旱、高温现象十分严重。北票市气象局多年统计资料显示, 历年气温极端最高值出现在2000 年7 月14日, 为42.3 ℃, 气温极端最低值出现在2001 年1 月13 日, 为-28.2 ℃。

2 统计学角度订正方法

2.1 最小二乘法的数据处理

在利用日本传真图预测本地乡镇温度中, 如何进行数据处理, 减小系统性误差, 是实现气象业务精准化的关键所在。最小二乘法通过最小化误差的平方和寻找数据的最佳函数匹配, 是一种数学优化技术, 可以利用计算机编程的形式处理大量数据, 免除了人工计算的繁琐, 结果也更为准确。目前北票市乡镇预报对温度的订正主要采用最小二乘法[1]。

2.2 气温订正方案

本文使用的数据为2013 年5—6 月北票市下府开发区的预测与实况资料, 通过最小二乘法对6 月日最高气温和最低气温进行订正, 进而对5 月日最高气温与最低气温进行效果检验。在利用最小二乘法对数据进行处理中, 把预报值选作x, 实测值作为y, 因此所有的误差只是y的误差[2]。

将数据导入spss分析软件中, 对自变量x与因变量y做线性回归分析并绘制散点图 (图1) , 可知气温预报值与实况值之间存在一定的线性关系, 可以通过最小二乘法对其进行订正。

设一元线性拟合公式:y=a0+a1。 现在已知m个试验点xi, yi (i=1, 2, ..., m) , 求2 个未知参数a0, a1。

由最小二乘法原理, 参数a0, a1应使

取得极小值。根据极小值的求法, a0和a1应满足:

这就是含有2个未知数和2个方程的正规方程组。

从中解得a0, a1, 即:

其中

将数据代入公式可得最高温度与最低温度的订正公式:

最高温度:Ymax=0.886Xa+3.981

最低温度:Ymin=0.570Xi+6.640

2.3 乡镇预报订正效果的检验

为了检验线性回归统计方法来制作城镇气温预报结果的实际效果, 将订正后的气温预报结果与预报员预报结果做比较。最高气温订正前后与实况值的效果对比如图2 所示, 可以看出, 订正结果对预报效果的改善是明显的。最低气温订正前后与实况值的效果对比如图3 所示, 可以看出, 订正后的结果对预报预测效果有较好的可信度[3,4]。

3 结论

采用线性回归统计方法订正未来24 h乡镇气温预报方法, 是具体天气预报业务中应用的方法之一。应用结果表明其可用性较强, 但与预报员的水平还存在一定的差距。该文所用资料是夏季气温, 其偶然性较多, 冬季的效果可能更好。

参考文献

[1]余建英, 何旭宏.数据统计分析与SPSS应用[M].北京:人民邮电出版社, 2001.

[2]黄治勇, 张文, 陈璇, 等.湖北省乡镇温度预报方法初探[J].气象, 2011 (12) :1578-1583.

[3]吴丹, 王优, 冯雪君, 等.基于统计分析的龙城地区乡镇温度预报方法探讨[J].现代农业科技, 2015 (4) :341-342.

[4]李若楠, 吴佳丽, 刘畅, 等.乡镇温度预报订正和自动站数据处理软件的设计与实现[J].安徽农业科学, 2014 (31) :11004-11007.

订正温度预报 篇2

1 资料来源与研究方法

1.1 资料来源

采用抚顺2011年1月至2014年6月抚顺地区 (抚顺县, 清源县, 新宾县) 所有自动观测站的逐日最高气温和逐日最低气温。由于加密自动气象站均为无人值守站, 因而无法及时排除故障, 因此所缺数据较多, 若1个月内温度数据缺测少于2 d, 则采用最近的气象站温度数据以及缺测前后的温差值, 人工订正补齐;否则舍弃该月该站的数据。对于异常的数据, 经过阈值检验和图示法, 将异常数据进行人工干预处理, 可以保证数据的正确性和完整性。新宾本站是国家基本气象站, 得到的温度数据既有自动站的自动观测数据又有每天人工记录的实况数据, 因此可以保证本站温度数据的正确性和完整性, 为方便研究, 以新宾本站为代表站。

1.2 研究方法

计算全市各观测站与54353站 (新宾站) 的每日温度差值, 绘制逐月全市温差图, 研究全市气温月季分布规律。

2 结果与分析

2.1 抚顺地区气温分析

通过逐年逐月对最低气温、最高气温的分布状况进行分析, 借助Matlab对数据进行处理并借助Surfer软件绘制逐年逐月气温分布图, 发现抚顺地区气温分布的月季变化比较明显, 下面以部分月为例说明抚顺地区气温分布的季节变化规律。

由图1可知, 抚顺市2月最低温度分布规律总体呈现东北—西南阶梯式分布, 且东北低西南高, 其中北部有一处低值中心, 温度差在-3.5~-3.0℃, 东部有两处低值中心, 温度差在-4.5~-4.0℃, 西部有1处高值中心, 温度差在4.0~4.5℃。

同理对其他月最低气温和最高温度进行逐月分析, 得到类似的结论, 结果如下:

(1) 抚顺地区全年的月平均日最低温度和最高温度分布趋势。冬季 (12月、1月、2月) 以及秋末 (11月) 温度总体呈现东北—西南阶梯式分布, 且东北低西南高的分布趋势, 其他三季 (春季、夏季、秋季) 温度总体趋势呈现为东—西阶梯式分布, 且东低西高的分布趋势。

(2) 月平均日最低温度分布。全年抚顺地区西部均存在1处月平均日最低气温高值区;在冬季及秋末, 东部存在2处月平均日最低气温低值区、北部存在1处月平均日最低气温低值区;在其他季节, 抚顺地区东北部均存在1处月平均日最低气温低值区。

(3) 月平均日最高温度分布。全年抚顺西部均存在1处月平均日最高气温高值区;在冬季及秋末, 东北部均存在1处月平均日最高气温低值区;其他季节, 东部和南部均零星分布着月平均日最高气温低值区 (表1) 。

2.2 等差值乡镇温度预报订正

在乡镇预报的实际工作中, 局地范围内的乡镇温度预报, 可以用代表站的预报温度来订正其他乡镇的预报温度。

2.2.1各乡镇与本站的日气温变化趋势分析。本文借助Matlab软件分别绘制自2011年1月至2014年6月得新宾县14个乡镇与新宾站本站之间的最低温度日变化趋势对比图, 发现各乡镇日温度分布趋势与新宾站的日温度分布趋势完全一致, 且升降幅度基本一致, 部分比对图如图2所示。

2.2.2温度预报准确率分析。假设各站每天的温度变化幅度与本站温度的变化幅度完全一致, 则TXS-TXS (0) =TSS-TSS (0) , 即:

式 (1) 中, TXS为新宾站预报温度, 用实况值代替;TXS (0) 为当天的实况温度;TSS为所求乡镇的预报温度;TSS (0) 为所求乡镇当日的实况温度。

利用下列公式来计算各乡镇每月温度准确率:

式 (2) 中, Σday|TSS-TSS (0) |

当TXS为实况值时, 结合公式 (1) 、 (2) 对14个乡镇分别进行计算并将计算结果绘制成曲线进行分析比较。以榆树乡为例, 从图3中可看出, 榆树乡除了2012年4月和6月的最低预报温度准确率异常偏低外, 常年每月最低温度准确率在80%以上, 其中多数常年平均每月最低温度准确率均在90%~100%;而常年每月最高温度准确率在70%以上, 其中多数常年平均每月最高温度准确率均在80%~90%。同理对其他乡镇进行同样的分析, 各乡镇常年月平均以及常年年平均温度预报准确率具体情况如表2所示。

综合分析可知:除上夹河镇的每月最低温度预报外, 常年每月最低温度预报准确率和最高温度准确率均在60%以上且大部分的月温度准确率能达到80%以上;所有乡镇在4—10月期间温度预报准确率最高, 除上夹河镇外, 准确率均在80%以上。

3 结论

分析抚顺地区逐日最低温度和最高温度分布趋势, 结合日常县级台站使用的乡镇温度预报订正方法, 提出等差值乡镇温度预报订正方法并对结果进行检验, 得到以下结论。

(1) 冬季 (12月、1月、2月) 以及秋末 (11月) 总体温度呈现东北-西南阶梯式分布, 且东北低西南高的分布趋势, 其他三季 (春季、夏季、秋季) 总体温度趋势呈现为东—西阶梯式分布, 且东低西高的分布趋势。

(2) 用等差值乡镇温度预报订正方法对新宾县15个乡镇进行温度顶针预报, 除上夹河镇的常年每月最低温度预报外, 常年每月最低温度预报准确率均在60%以上且大部分的月温度准确率能达到80%以上;所有乡镇在4—10月期间温度预报准确率最高, 准确率均在80%以上。

(3) 个别乡镇在个别月用等差值的方法进行温度预报并不适用, 因此可以寻找其他适用的温度预报方法进行补充。因此, 用等差值乡镇温度预报订正方法对该县各乡镇的每日温度预报具有一定的参考价值。

摘要：未来24 h预报是每个气象台的日常工作内容, 随着人们对天气预报的关注日益增加, 对乡镇温度预报准确率提出了更高的要求。本文结合抚顺地区87个自动气象观测站的数据及位置分布, 选取一个数据最为完整的观测站作为代表站, 绘制全市各观测站与本站的逐月温差图, 研究全市气温分布规律, 在此基础上以新宾县15个乡镇为例提出了等差值乡镇温度预报订正方法并对结果进行检验。结果表明:抚顺地区全年温度分布趋势具有明显的季节性变化;用等差值乡镇温度预报订正方法对新宾县15个乡镇进行温度预报, 发现温度准确率大部分在80%以上。

关键词：气温分布,变化趋势,等差值,预报订正,准确率,辽宁抚顺

参考文献

[1]IPCC.Climate Change 2007:Synthesis Report[R].Oslo:Intergovernmental Panel on Climate Change, 2007.

[2]丁一汇, 任国玉, 石广玉, 等.气候变化国家评估报告 (Ⅰ) :中国气候变化的历史和未来趋势[J].气候变化研究进展, 2006 (1) :3-8.

[3]李亚中, 蔡冰, 王阳, 等.2002—2011年抚顺市极端最低气温定量分析[J].现代农业科技, 2013 (6) :236-240.

[4]马骁颖, 徐群.1961—2010年抚顺地区气温变化趋势分析[J].现代农业科技, 2013 (7) :253-256.

[5]连志鸾, 李国翠, 卞韬, 等.基于多级相似-差额方法制作乡镇温度预报[J].气象, 2008, 34 (5) :113-117.

订正温度预报 篇3

辽宁朝阳地处辽西丘陵地区, 境内山地属阴山系努鲁尔虎山脉, 地表层峦叠嶂, 丘陵起伏, 只有小块山间平地和沿河冲击平原, 结构为“七山一水二分田”。由于地理位置的特殊, 导致朝阳境内四季分明, 不同季节最低气温变化规律各异。本文重点对四季最低气温与925 h Pa温度的相关关系进行分析, 并对影响因子的作用进行讨论。

1 资料与方法

朝阳地区素有春秋短、冬夏长的季节分布特征, 按照气象意义上四季的划分方法, 朝阳地区四季可划分为春季4—5月、夏季6—8月、秋季9—10月和冬季11月至次年3月。由于朝阳地区没有探空站, 因此利用临近探空站 (赤峰探空站) 的高空资料和朝阳2009年、2010年地面常规观测资料, 分析朝阳四季最低气温与850 h Pa温度、925 h Pa温度的相关关系, 建立回归方程。然后利用回归方程得出预报温度和观测温度的误差, 分析风场、变温场和云量对误差分布的影响, 进一步订正预报温度。

2 结果与分析

2.1 最低气温与850、925 h Pa温度相关分析

冬季, 通过对地面最低气温与当日8:00 850 h Pa (图1a) 和925 h Pa (图1b) 温度的相关分析可以看出, 地面最低气温与850 h Pa和925 h Pa温度都有很好的相关性, 散点围绕拟合直线均匀分布。最低气温与850、925 h Pa温度为线性关系, 计算相关系数可得地面最低气温与当日8:00 850 h Pa温度相关系数为0.687, 与当日925 h Pa温度相关系数为0.805, 分别得到线性回归方程Tmin=0.635×T850-3.352和Tmin=0.829×T925-3.089。

春季、夏季和秋季同样按以上方法做地面最低气温与当日8:00 850 h Pa和925 h Pa温度的相关分析, 计算相关系数和线性回归方程进行分类汇总如表1所示。可以得出, 春、夏、秋、冬4个季节地面最低气温都与925 h Pa温度的相关性更高些。因此用925 h Pa温度数据和最低气温做回归分析, 得到相应的四季回归方程。

利用四季的线性回归方程分别计算每日最低气温, 并与实况最低气温对比发现, 回归方程计算的最低气温误差 (预报—实况) 很大, 回归方程计算结果均有超过5℃的误差。其中, 夏季的预报效果稍好于春季、秋季和冬季, 预报误差多集中分布在-2~2℃之间, 有一定的参考意义, 而春季、秋季和冬季的预报结果需进一步订正[3,4]。考虑到最低气温的影响因子有很多并且影响机制很复杂, 本文选取地面风向、风速、夜间平均低云量和变温等主要因子进行分析。

2.2 主要因子对预报误差的影响分析

2.2.1 风场对预报误差的影响分析。

风场包括风向和风速。一般来讲, 吹偏北风时, 受北方冷空气影响, 温度会随之降低;吹偏南风时, 受南来暖湿空气的影响, 气温会随之升高。同时, 风速较大时, 受气流混合影响, 温度不至于降得太低。因此分别从风向和风速的角度分析其对温度的影响。

(1) 风向对预报误差的影响分析。从图2可以看出, 四季最低气温预报误差与8:00风向 (风向采用16方位表述) 有一定统计关系, 在地面吹偏南风 (风向在8附近时) 的情况下, 预报误差主体位于0线以上, 预报结果偏高;在地面吹偏北风 (风向在16和1附近时) , 预报误差主体位于0线以下, 预报结果偏低;夏季整体预报误差较小, 预报效果较好。

(2) 风速对预报误差的影响分析。风速影响夜间的地面辐射降温, 当空气流动明显时, 热交换频繁地面温度趋于均匀, 局地辐射降温影响小, 因此风速越大, 辐射降温影响越弱, 地面最低气温可能越高。统计分析表明:夏季和秋季预报误差和地面风速相关性没有一定的统计规律, 不予考虑。

春季和冬季预报误差与地面风速呈近似线性关系, 风速大, 负误差大, 风速小, 正误差大。春季地面风速小于4 m/s时, 预报误差波动性较大, 风速在3~4 m/s之间时, 预报结果偏高;风速大于4 m/s时预报结果偏低。冬季, 地面风速小于3 m/s时方程预报结果偏高;而风速大于3 m/s时预报结果则偏低, 说明当地面风速小于3 m/s时, 地面的辐射降温明显, 最低气温较低, 导致预报结果偏高;而风速大于3 m/s时, 空气流动明显, 地面最低气温较高, 导致预报结果偏低。

2.2.2 云量对预报误差的影响分析。

夜间低云对地面的辐射降温有很大影响, 夜间有云时, 云层像暖盖一样将地面辐射反射回地面使得地面不易散热, 最低气温反而比晴天时高。四季云量对预报误差的影响略有不同 (图3) , 将四季云量进行划分:春季、夏季和秋季少云1~5, 多云6~10;冬季少云1~3, 多云4~10, 可以看出:四季在无云的情况下方程预报结果均偏高, 少云时地面辐射降温明显, 导致地面气温偏低;多云时, 云将地面发射的长波辐射返回地表, 使得地面气温偏高, 导致预报结果偏低。

2.2.3 变温对预报误差的影响分析。

朝阳地区位于北温带大陆性季风气候区, 地形复杂, 受北部蒙古高原的干燥冷空气东移侵入的影响, 冷暖空气交替频繁, 地面最低气温预报难度大。冷暖空气的交替可大概用夜间变温和白天变温表示, 夜间变温用T8:00-前日T20:00表示, 白天变温用T20:00-T8:00表示。统计最低气温预报误差与变温的关系可得:春季预报误差与白天变温、秋季预报误差与夜间变温、冬季预报误差与白天和夜间变温关系最为显著。

从图4可以看出, 春季当白天925 h Pa气温下降 (T20:00-T8:00≤5) 时, 预报结果平均偏低1.02℃, 当白天925 h Pa气温明显上升 (T20:00-T8:00>5) 时, 预报结果平均偏高0.98℃;夏季温度预报误差与变温关系不明显, 不予考虑;秋季当夜间925 h Pa气温明显下降 (T20:00-T8:00<-8) 时, 预报结果偏低, 平均偏低1.80℃;冬季当夜间925 h Pa气温明显下降 (T20:00-T8:00<-5) 时, 预报结果平均偏低2.18℃, 当夜间925 h Pa气温上升 (T20:00-T8:00>-5) 时, 预报结果平均偏高了1.11℃;冬季当白天925 h Pa气温下降 (T20:00-T8:00<0) 时, 预报结果平均偏低0.94℃。

2.3 对原始回归方程的预报结果进行订正分析

分析表明, 风向、风速、夜间平均低云量和变温对原始回归方程的预报结果均有一定的影响, 定量化总结校正误差汇总如表2所示, 在原始回归方程得到的预报结果基础上按表2进行订正, 得到订正后的预报结果, 将“订正后预报结果-实况”作为订正后误差, 对订正后的误差进行分析。

订正后预报误差 (图5) 比订正前 (图略) 预报误差分布更集中, 误差更小。春季, 在订正前的预报误差图中有2个误差峰值, 均位于-2~2℃范围之外, 误差较大;在订正后的预报误差图中有1个主误差峰值, 位于-2~2℃之内, 相比订正前预报准确率提高了20个百分点。夏季订正后相比订正前误差更集中, 预报效果更好, 预报准确率提高了4个百分点。秋季, 订正前预报误差分布比较分散, 误差较大;订正后, 预报误差峰值主体集中在准确范围内, 预报准确率提高近20个百分点。冬季, 订正前预报误差主峰值位于2℃附近, 订正后预报误差峰值调整到0℃附近, 预报结果稍好些, 预报准确率提高了8个百分点, 但仍然有部分超过-2~2℃范围的较大误差存在, 因此冬季预报方法有待进一步的改进。

3 结论与讨论

(1) 朝阳地区四季最低气温与925 h Pa温度的相关性最显著。

(2) 四季最低气温预报误差与8:00风向有一定统计关系, 在地面偏南风的情况下, 预报结果偏高;在地面偏北风时, 预报结果偏低。春季和冬季预报误差与地面风速呈近似线性关系, 风速大, 负误差大, 风速小, 正误差大, 夏季和秋季预报误差和地面风速相关性统计规律不明显。

(3) 四季在无云的情况下回归方程预报结果均偏高, 多云时预报结果偏低。

(4) 变温对四季最低气温影响规律不同, 但总体呈现正变温时, 预报结果偏高, 负变温时, 预报结果偏低。

(5) 在回归方程预报结果基础上进行订正后得到的预报误差较订正前更小, 预报结果比较接近实际。春季、夏季和秋季的订正效果很好, 可为以后预报提供参照;冬季由于冷空气活动频繁, 订正后的预报误差仍较大。

摘要：利用朝阳2009年、2010年地面常规观测资料和临近探空站的高空资料, 分析朝阳四季最低气温与850 h Pa温度、925 h Pa温度、风场、云量和变温等因子的关系, 结果表明:朝阳最低气温与当日8:00 925 h Pa温度相关性最好。可利用925 h Pa温度建立回归方程, 通过方程得到初步的温度预报结果, 再根据风场、云量和变温场对预报结果进行订正, 得到最终的预报结果。

关键词：925 h Pa温度,相关性分析,预报误差,定量化订正,辽西丘陵地区

参考文献

[1]刘梅, 濮梅娟, 高萍, 等.江苏省夏季最高温度定量预报方法[J].气象科技, 2008, 36 (6) :728-733.

[2]邓玮, 吕广红, 李忠福, 等.850 h Pa温度在天气预报中的释用[J].井冈山大学学报, 2011, 32 (2) :58-62.

[3]刘国忠, 农孟松, 黄翠银.逐级订正最高、最低气温客观预报方法研究[J].广西气象, 2006 (1) :14-16.