《TIGGE资料背景下北半球地面温度统计降尺度预报探析.docx》由会员分享，可在线阅读，更多相关《TIGGE资料背景下北半球地面温度统计降尺度预报探析.docx（3页珍藏版）》请在三一文库上搜索。
1、TIGGE资料背景下北半球地面温度统计降尺度预报探析第二章北半球地面气温统计降尺度预报模型的构建2.1资料与方法由于TIGGE中各中心的成员数不同，为了更好更方便地比较各单中心统计降尺度后的整体预报效果，将TIGGE资料中的ECMWF, JMA, NCEP和UKMO各成员的集成数值预报资料进行简单的算术集合平均，然后分别进行各单中心的统计降尺度预报试验。所用的模式预报资料为TIGGE中的欧洲中期天气预报中心（ECMWF)、日本气象厅(JMA)、美国国家环境预报中心（NCEP)和英国气象局（UKMO)四个数值预报中心全球集合预报模式每天12时起报的逐日地面2m温度集成算术平均预报资料。各中心模式
2、资料长度为2007年6月1日-8月31日，预报区域为北半球地区（取10°N-85°N， 0°-355°E),网格分辨率为2.5°x2.5°，预报时效为l-7d，每间隔ld。采用NCEP/NCAR再分析资料作为实况场检验统计降尺度预报的效果，检验资料长度为2007年6月2日-9月7日，预报区域同上，为北半球地区（取10°-85°N， 0°-355°E),网格分辨率为2.5°x2.5°与°xl° (其中l°xi°分辨率的再分析资料用来检验降尺度后的预报效果），预报时效为卜
3、7d,每间隔ld。对于各个单中心而言，主要采取以下两个步骤进行北半球地面气温的统计降尺度模型的建立。首先，利用双线性插值的方法，将低分辨率的模式预报结果插值到观测场的细网格上面,也就是说是在指定的研究区域内，将各中心模式预报值统一插值到l°xi°经讳网格上。其次，进行各个单个中心的降尺度之后的误差订正。考虑到气温的连续性及服从正态分布，在每一个格点上，建立起模式的预报值与实况值之间的回归关系，订正模式插值引起的误差，确定方程的回归系数。具体订正方案采用如下回归方程构建：Y.=aX,+b (2.1)式中是插值后的模式预报序列，是相对应的细网格观测值序列。通过一段时间的统计降尺度回
4、归，确定一组回归系数a、 b，这样就建立起了预报变量由粗网格降至细网格的统计关系式。为了更全面、更充分地利用所有的样本数据，在进行上述降尺度订正时采用交叉检验的思想。最后，对于降尺度订正后的各中心结果再进行多模式集成，集成方案主要采用以下两种集成方法进行研究。2.2单个中心的统计降尺度预报试验结果以温度预报的均方根误差作为衡量预报效果的指标，计算2007年6月1日-8月31日4个中心地面气温预报在北半球大部地区（10°N-85°N， 0°-355°E)的区域平均均方根误差。如图2.1所示，对于北半球大部分地区4个中心预报的均方根误差随预报时效增加而增大。降尺度前
5、4个单中心综合表现最好的是ECMWF,其Id预报时效误差为2.221：， 7d预报时效的误差为2.65°C;综合表现最差的是UKMO,其Id预报时效的误差为2.62°C， 7d预报时效的误差达到了 3.irc。分别对各中心进行单个降尺度试验，实验结果如图2.1所示：4个中心的地面气温模式预报误差都有了较为明显的减小，各个预报时效的预报效果均有了较显著的提高。其中原来表现最好的单中心ECMWF的Id预报时效误差由原来的2.22°C降低到IJO C, 7d预报时效的误差从2.65°C降低到1.94°C。原来表现较差的单中心UKMO的Id预报时效误差也由2.6
6、2°C变为1.43°C, 7d预报时效的误差更是从3.irC降低至2.07°C，预报效果的改善更为明显。对于7个预报时效4个单中心在降尺度后误差都有了稳定的减小，各预报时效误差降幅基本能维持在o.6t:左右，个别时效个别中心的降幅更是达到了 rc以上，预报效果得到了很好的改进。第二章北半球地面气温统计降尺度预报模型.102.1资料与方法.102.2单个中心的统计降尺度预报.112.3引进集成方案的北半球地面气温统计.152.4多模式集成和降尺度先后顺序的对比和.21第三章东亚地区地面气温的统计降尺度.243.1引言.243.2资料与方法.25第四章利用时间滞后法对于模式
7、预.394.1资料和方法简介.394.2试验结果.40第五章东亚地区地面高温的统计降尺度.455.1引言.455.2所用资料和高温预报能力评估标准.455.3试验结果.46第七章总结与展望本文基于TIGGE资料下欧洲中期天气预报中心（ECMWF)、日本气象厅（JMA)、美国国家环境预报中心（NCEP)和英国气象局（UKMO)四个数值预报中心全球集合预报模式每天12时起报的逐日地面2m温度预报资料，结合插值方法、回归技术和集成思想进行了利用构建统计降尺度预报模型的方法进行精细化预报的试验，主要得到以下结论：(1)各个单中心在做了降尺度订正之后，l-7d各个时效的预报都有了较为明显的改善，引入超级
8、集合（SUP)和消除偏差集合平均（BREM)两种集成预报方案之后，统计降尺度方案的预报效果有了进一步的改善，D-SUP的预报效果要优于D-BREM。利用湖南地区自动观测站作为实况场进行利用统计降尺度方法实现精细化预报的试验，结果体现了较好的精细化预报技巧。(2)在对于各中心做了各自的降尺度订正之后，相比原始中心模式预报，概率预报技巧得到了较好的提高，在引入了加权的超级集合方法进行降尺度（D-SUP)和构建POOL-Man概率预报系统(D-POOL)进行东亚地区地面气温进行降尺度概率预报之后，概率预报技巧有了进一步的改善。在利用时间滞后法进行修正之后，总体而言各个量级l-6d预报时效上的BS评分都有一定程度的改进。就D-SUP降尺度方案而言，在利用了时间滞后法进行修正后，更进一步地提高了预报技巧，尤其是对于l-3d预报时效上而言。(3)高温预警值选取试验中，降尺度订正之后各个中心的最优预警值普遍都较低，但ETS评分在各个预报时效上均显著高于原始各中心，体现除了较高的对于高温预警的预报能力。对比原始中心ETS评分，降尺度之后各个中心的ETS评分在各个预报时效上均显著地得到了提高，提高幅度随着预报时效的延长缓慢降低。