论文部分内容阅读
统计降尺度技术是实现气象要素精细化预报的重要方法之一,本文应用自适应的递减平均降尺度方案对中国地面气温进行精细化预报,并针对原方案在剧烈降温时天气预报结果不理想的问题进行改进：在温度波动时采用平均状态的递减平均权重系数适用效果不理想,将其改进为含有空间、天气过程信息的自适应函数w(i,p)(i为站点信息,p为天气过程信息);在此基础上将上一次的剧烈降温日信息当做预报前一天信息进行统计,应用w(i,p)递减平均降尺度方案进行预报,定义该种改进方案为w(i,p)相似法；而直接从剧烈降温历史信息中统计插值预报与观测值的系统性偏差均值,并用以修正预报结果,定义该种改进方法为w(i,p)统计法。将改进前后的几种降尺度方案分别应用于理想观测资料和业务应用的数值预报产品,结果表明改进效果良好,为业务部门提供一种方便高效的的精细化预报方案。(1)改进后的降尺度方案对中国地面气温的预报效果有不同程度的改善,基于台站观测资料的理想试验表明,将递减平均权重系数w改进为含有空间、天气过程信息的自适应函数w(i,p)具有合理性：与随空间变化的原w(i)方案相比,采用W(i,p)降尺度方案对剧烈降温日后1-3天进行预报,误差均方差分别减小了0.28℃、0.12℃、0.11℃,改进后的误差稳定在1.3℃左右；一般降温日后1-3天预报均方差减小幅度也在0.1℃左右,误差均方差降低到在1.4℃以下。而应用w(i,p)相似法与w(i,p)统计法的24h预报误差分别减小了1.12℃、1.54℃,其中w(i,p)统计法的预报效果更为理想,且计算简单易行,更为可取。对于预报效果较差的春冬季节改善效果明显,减小了预报效果的季节性差异。(2)针对T639模式预报资料的精细化预报试验,订正后的24h-168h预报误差均方差平均减小2℃左右,相关系数提高了0.06,模式的系统误差得到显著减小。而后将订正后的T639模式产品进行精细化预报,与随空间变化的原w(i)方案相比,剧烈降温过程24h-168h预报,误差均方差减小了0.16℃-0.41℃。应用w(i,p)相似法和w(i,p)统计法的预报误差进一步减小；其中w(i,p)统计法是当前几种改进中最优的降尺度方案,较NCEP原降尺度方案有了近2℃的提升。(3)基于T213集合预报资料的精细化预报试验表明：订正后各成员相关系数增大了0.09,模式的系统误差得到显著减小。应用订正后的集合预报资料进行精细化预报试验,与随空间变化的原w(i)方案相比,采用w(i,p)降尺度方案的预报误差在全国范围内均呈现减小的趋势：其中剧烈降温过程24h预报,各成员预报误差平均减小0.15℃。对剧烈降温过程应用w(i,p)相似法和w(i,p)统计法,预报效果得到进一步提升；且几种方案对各预报成员预报效果的提升能力相当。