利用航空数值预报系统制作单站解释预报初探.pdfVIP

较大。因此，首先对数值预报产品资料进行抽行抽点处理．然后逐站、逐要素、逐时次进行 关键因子选取，尝试多种预报因子组合，进而利用M0s法建模，在比较研究的基础上，给出 航站气象要素预报方程，集中制作重点机场云、能、天气现象、压、温、湿、风的预报值， 以划提高空军航空中期数值预报产品单站解释应用水平。 l资料类型 预报对象县牢军35个场站逐小时的本站气压、海平面气压、湍席、露点漏席、风向、 风速、能见度、云量、云高、12小时降水、6小时降水、24小时降水和雷暴等13个物理鼍。 各选的预报因子是空军有限区域模式计算出的逐3小时的13l×89×11个格点上的19种诊 断物理量，包括地面气压、海平面气压、东西向气压梯度、南北向气压梯度、东西风、南北 风、垂直风、温度、相对湿度、高度、水汽通量散度、水汽通量、位温、假相当位温、涡度、 散度、涡度平流、散度平流等。 考虑到历史资料转录及计算机容嚣等问题．先取一年的有限区域模式模式预报资料进行 试验。不同月、不同预报对象、不同航站、不同预报时效均建立独立的统计模型，这样可以 充分考虑到不同地区、不同时间、不同要素的差异，提商预报模型准确率，最终得到空军 35站点13个气象要素各时次逐小时的预报方程。 2资料预处理 2．1机场实况资料预处理 统计所用的场站实况气象观测资料首先要进行解报；然后对雷暴等天气现象进行“O”、 “1”化处理：最后输出并写入文件以各使用。 2．2预报因子预处理 (1)计算诊断物理量 在有限区域模式输出结果的基础上计算了各种诊断物理量(如散度、涡度、水汽通量等)， 增加了备选预报因子数茸； (2)抽行抽点 由于有限区域模式输出结果和诊断场资料为131×89×11个格点，比较密集，直接在格 点上计算可能会使因子独立性较差，因此首先需要对其进行抽行抽点处理，我们采取水平方 ×11转化为33×23×4个，增加格点因子的代表性，减少计算量： (3)初步筛选因子 对不同站点、不同预报对象、不同预报时次都需要对预报因子库的资料进行筛选，以确 定其关键预报因子。具体做法是：对抽行抽点后得到的所有因子(包括4个单层预报量，15 个多层预报晕)，进行相关性的普查，最后选出每个预报因子与预报对象之间相关性最好(相 关系数绝对值最大)的一个因子作为初选结果，这样得到19个初选因子。考虑剑天气实况 有时缺测值较多，使逐步回归可用的样木数较少，不官选用太多的各选冈子，加上初选因子 中有一些相关性较差，因此再从初选因子中选相关系数绝对值最大的10个作为各选因子供 建模选用。 3建模 (1)采用方法 采剧M0s法进行建模，MOs法直接把数值预报模式的输出产品作为项报因子，并与顶报 时效对应时刻的天气实况(预报对象)建立统计关系。优点在于可以引入许多其他方法难以 引入的预报网子，还能自动修正数值预报的系统性误差。据研究…，MOS法的预报精度普遍 优于PP法。至今仍是国际上通用的数值预报产品业务预报方法之一。建立统计模型采用经 典统计方法一逐步回归法。采用双重检验的原则有取有剔进行精选，直到找到最佳回归方程 为止““。 (2)时次的对应 建模时，由于我们要制作每小时一次的单站各要素预报。用来建模的实况资料也是每小 时一次的，而有限区域模式给出的是3小时一次的预报，故此时间对应上我们选择以下做法： 实况与有限区域模式预报时刻相对应的一个时刻就取本时刻对应，实况与有限区域模式不能 对应的两个时刻取有限区域模式中时间最接近的上一个预报时刻来对应。考虑到业务运行时 是取前一天晚上20点的有限区域模式预报结果进行48小时的逐站逐要素逐时预报，为建模 方便起见，先对实况资料进行处理，制作出当日2l时’第3日20时共48小时的实况序列． 这样正好与当天晚上20时有限区域模式预报的Ol时、02时、03时直至048时各时刻对应， 然后再进一步去普查相关情况。 4试验结果分析 对35个机场13个要素各时次分别进行建模．得到回归方程后再进行回报。试验结果表 明总体回报的拟合率很高。下面以两郊和佛山两站2006年6月份风、温、压、湿、能见度、0 云量、云高、降水、雷暴等备要素为例，具体检验其拟合效果。 表l给出西郊、佛山两站2006年6月各要素拟合曲线的复相关系数，其中本站气压、6 小时降水量、24小时降水嚣等3要素及州郊12小时降水量、雷暴由于可用实况资料序列太 短而无法建模，故无法给出拟合值。从中可以看出用这种力法得到的同归方*￡其拟合效果很 好．各要素拟合相关都达到0．82以上，远远高于相关系数O．叭信度检验0．463的标准，说