数值产品在气温预报值中应用探讨.docVIP

数值产品在气温预报中应用探讨 张玉成 姜虹 钟波 车正浩 (牡丹江市气象局，黑龙江 牡丹江 157000 ) The application and discussion of numerical products in the temperature forecast Abstract:Based on progressive regression analysis method, by using T213 numerical prediction products and the number of stations of actual, historical data in Heilongjiang province. the Heilongjiang province 3- 5 d daily temperature rolling forecast equation was developed, and the results of trial operation of the business from july to december in 2006 showed that this method of improving the temperature of the accuracy of forecasting has some practical value. Key words: numerical prediction, progressive regression forecast factor. 本文利用T213数值预报产品和黑龙江省多个站的实况资料、历史资料，以逐步回归分析方法，研制了黑龙江省3～5d逐日气温滚动预报方程，并在2006年7月～2006年12月进行了业务试运行，结果表明，这种方法提高了温度预报的准确率，有一定的实用价值。 摘要 ??? 很多气象同仁在气象预报工作中已经开发出很多有用的气象要素预报方程，如天气在线就是一个很好的例子。随着计算机运算能力的快速提高，瞬间做出几十个地点甚至几千个地点的精细化预报完全有可能，而且其精确性也有大幅度提高，尤其是温度的预报更加客观化，数值化发展。而逐步回归方法是众多客观温度预报方法的一种。经典逐步回归方法是利用数值预报产品和单站温、压、湿等气象要素，通过统计分析，选定组合的预报因子，建立逐步回归方程并进行预报。在预报过程中，预报因子一经选定，便不再改变。但是不变的预报因子在预报过程中不能很好地适应多变的天气系统，同时数值预报模式也在不断的调整[1]，且在不同的季节变换下，各温、压、湿等气象要素所起的预报启示作用也不同。综合以上原因，尝试在经典的逐步回归的基础上，通过更改进入回归方程的历史样本长度来滚动地选取回归因子，建立了滚动逐步回归方程。 1?? 预报因子的选取 建立预报方程，因子的选择尤为重要，影响气温变化的因素很多，也很复杂。冷暖平流的强度决定气温升降的程度，系统性垂直运动如下沉运动、上升运动可使局地气温随之变化。非绝热因子对气温变化的作用也很大[2]，如晴天、阴雨、风以及地表等，都会对温度产生影响。我们利用2006年7月到10月份的各家数值预报产品的客观分析场资料，在120-130oE、40-50oN范围内选用850hPa、700hPa、地面的各种物理量等组成30个因子，同时考虑局地特点，选取同时段的逐日气压、温度、下垫面情况等3个要素一共组成了33个选因子。在日常预报工作中，积累了一些对本地区温度有影响的预报因子和指标，利用以上33个因子并结合预报经验进行因子组合。 2?? 滚动逐步回归方法的流程 滚动因子逐步回归方法是在经典逐步回归的基础上，通过调整进入逐步回归的历史样本资料长度，从而不断调整各个预报因子间的关系，建立不同的预报方程，然后从中挑选前几天预报效果最好的预报方程，做为未来的预报方程。具体流程见图1。 经测试，当检验天数为7天的时候，在24～72小时内的预报，无论是最高温度预报还是最低温度预报，其平均绝对误差都比较小。所以动态因子逐步回归中，选择了前7天的预报效果作为挑选预报方程的标准。 3?? 滚动回归方法与经典逐步回归方法的对比分析 表1? 滚动逐步回归预报和经典逐步回归24小时最高、最低温度预报误差对比 预报时效 滚动回归平均误差 经验预报误差 24小时最高气温 1.852 2.123 24小时最低气温 1.457 2.430 表1是牡丹江市2006年7月1日～12月30日滚动逐步回归预报和经典逐