简介:用合成分析方法探讨MCC热力学结构的演变规律,结果表明:MCC整个生命史里,对流层中下部为正涡度区,200hPa以上为负涡度区;发展时刻辐合区突然抬升;MCC前期的垂直上升速度最大中心高度低于后期的;MCC的高低空的冷心、中层暖心的温度结构在成熟期以后不明显
简介:逐小时自动站数据对于气象灾害预警、决策服务及预报预测等十分重要。以国家级自动站小时观测气温数据为基础,分析研究小时气温数据的疑误形式,针对各种疑误数据,利用国家级台站建站以来的日最高、日最低以及4时次(北京时02、08、14时和20时)定时观测气温数据,研制形成适用于中国自动站(区域站和国家站)逐小时气温数据质量控制系统,并将此系统应用到2006--2010年中国27000多自动站小时气温观测数据中。结果表明:区域站的正确率、可疑率、错误率分别为99.43‰、2.24‰和3.45‰,国家站则分别为99.82‰、1.27‰和0.49‰;区域站和国家站数据的可疑率相当,但错误率国家站明显比区域站低一个量级。通过历史数据质量控制分析,证明自动站气温质量控制系统设计合理,可以判断出错误数据和可疑数据.旦有可用性.
简介:为了研究AMDAR(AircraftMeteorologicalDataRelay)资料对GRAPES(GlobalRegionalAssimilationandPredictionSystem)系统的影响,针对从国家气象信息中心实时库检索的业务AMDAR资料,分析了该资料的偏差和标准差等质量特性;利用GRAPES数值预报系统,做了两个月的同化预报循环试验。选取资料和试验的时间是2013年5月、6月,同化窗口6h,预报时效7d。结果表明,与背景场该资料的温度要素的平均偏差在0.2℃,标准差在2℃,风的平均偏差在0.2m/s,标准差在3m/s,偏差基本符合正态分布;AMDAR资料对同化和预报效果均有改善。
简介:简要回顾了数值天气预报和气候预测可预报性研究的若干动力学方法,包括用于研究第一类可预报性问题的线性奇异向量(LSV)和条件非线性最优初始扰动(CNOP-I)方法,以及Lyapunov指数和非线性局部Lyapunov指数方法。前两种方法用于研究预报或预测的预报误差问题,可以用于估计天气预报和气候预测的最大预报误差,而且根据导致最大预报误差的初始误差结构的信息,这两种方法可以用于确定预报或预测的初值敏感区。应该指出的是,LSV是基于线性化模式,对于描述非线性大气和海洋的运动具有局限性。因而,对于非线性模式,应该选择使用CNOP-I估计最大预报误差。Lyapunov指数和非线性局部Lyapunov指数可以用于研究第一类可预报性问题中的预报时限问题,前者是基于线性模式,不能解释非线性对预报时限的影响,而非线性局部Lyapunov指数方法则考虑了非线性的影响,能够较好地估计实际天气和气候的预报时限。第二类可预报性问题的研究方法相对较少,本文仅介绍了由我国科学家提出的关于模式参数扰动的条件非线性最优参数扰动(CNOP—P)方法,该方法可以用于寻找到对预报有最大影响的参数扰动,并可以进一步确定哪些参数最应该利用观测资料进行校准。另一方面,通过对比CNOP—I和CNOP-P对预报误差的影响,可以判断导致预报不确定性的主要误差因子,进而指导人们着力改进模式或者初始场。
简介:将BP(BackPropagation)神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现:BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。
简介:介绍了广州空气质量多模式系统并评估其对2010年9月广州市的气象要素和PM10日均浓度的24h的预报效果。评估结果表明:模式系统较好地预测了气象要素的变化,但高估了风速;各空气质量模式能合理预测广州PM10浓度的时空变化,预报效果均处于可接受范围内(平均分数偏差MFB小于±60%且平均分数误差MFE小于75%),部分模式可达到优秀水平(MFB小于±30%且MFE小于50%),但同时各模式在郊区均预测偏高而在市区偏低;总体上,模式在广州郊区的PM10预报效果优于市区。模式问对比表明,在本次业务预报实践中,不存在最优的单模式,同一模式对不同的统计指标、不同的站点,其预报效果可能存在差异,基于算术平均集成各模式结果未能获得最优的预报效果。优化排放源空间分布并引进更好的集成预报方法(如权重平均、神经网络、多元回归等)是未来改进广州空气质量多模式系统预报效果的可能途径。