隨著計(jì)算機(jī)性能提高和數(shù)值模式的發(fā)展,數(shù)值天氣預(yù)報(bào)在氣象預(yù)報(bào)業(yè)務(wù)中發(fā)揮著越來越重要的作用。廣西氣象業(yè)務(wù)應(yīng)用數(shù)值天氣預(yù)報(bào)產(chǎn)品四十年來,在中尺度數(shù)值預(yù)報(bào)模式本地化應(yīng)用、數(shù)值預(yù)報(bào)產(chǎn)品解釋應(yīng)用和氣象要素客觀預(yù)報(bào)方法研究等方面取得了一定成果。廣西氣象科技工作者采用天氣學(xué)釋用、動(dòng)力釋用、逐步回歸、模式輸出統(tǒng)計(jì)、卡爾曼濾波、神經(jīng)網(wǎng)絡(luò)和綜合集成等方法研發(fā)了基于數(shù)值預(yù)報(bào)產(chǎn)品的溫度、降水等氣象要素客觀預(yù)報(bào)技術(shù),形成了支撐廣西日常天氣預(yù)報(bào)業(yè)務(wù)的方法和流程,對(duì)廣西預(yù)報(bào)水平提高起到了重要作用。但傳統(tǒng)的解釋應(yīng)用方法已不能滿足智能化精細(xì)化預(yù)報(bào)的發(fā)展,數(shù)值天氣預(yù)報(bào)在廣西的業(yè)務(wù)應(yīng)用迫切需要在人工智能、大數(shù)據(jù)挖掘等信息化技術(shù)方面加強(qiáng)研究。 

【文章來源】：氣象研究與應(yīng)用. 2020,41(04)

【文章頁數(shù)】：8 頁

【部分圖文】：

2019年6月1日—2020年5月31日20時(shí)市氣象臺(tái)訂正、區(qū)氣象臺(tái)指導(dǎo)和動(dòng)態(tài)因子逐步回歸預(yù)報(bào)的日最高氣溫（a），日最低氣溫（b)TS評(píng)分

通過檢驗(yàn)各模式2019年6月1日—2020年5月31日20時(shí)24h晴雨預(yù)報(bào)準(zhǔn)確率發(fā)現(xiàn)：各模式晴雨準(zhǔn)確率均在67%以上，GRAPES＿3KM以79.7%表現(xiàn)最佳（見圖2）；晴雨準(zhǔn)確率有季節(jié)性差異，秋季最高，夏季最低。對(duì)于一般性降水，各模式TS均在25%以上，日本細(xì)網(wǎng)格48.5%表現(xiàn)最好（見圖3a）。對(duì)于暴雨以上量級(jí)降水各模式24hTS均不足16%，最好為ECMWF細(xì)網(wǎng)格15.8%（見圖3b）�？梢姡Ｊ綄�(duì)分級(jí)降水特別是暴雨以上量級(jí)降水的預(yù)報(bào)能力不足，預(yù)報(bào)員仍能發(fā)揮較大的作用。3.2 模式溫度預(yù)報(bào)性能分析

通過檢驗(yàn)各模式2019年6月1日—2020年5月31日20時(shí)24h時(shí)效內(nèi)逐3h溫度預(yù)報(bào)的TS評(píng)分發(fā)現(xiàn)：12h時(shí)效的TS評(píng)分最高，各模式在57%以上，其中德國細(xì)網(wǎng)格表現(xiàn)最好。24h高溫預(yù)報(bào)華南模式58.1%表現(xiàn)最好（見圖4a）。對(duì)于低溫，日本細(xì)網(wǎng)格表現(xiàn)最好為83.7%（見圖4b）。高低溫預(yù)報(bào)性能有季節(jié)性差異，秋季高溫誤差最大，夏季誤差最小；冬季低溫誤差最大，夏季的誤差最小。圖4 2019年6月1日—2020年5月31日20時(shí)各模式24h高溫（a）和低溫（b）預(yù)報(bào)的TS評(píng)分

【參考文獻(xiàn)】：
期刊論文
[1]新中國成立70年來的中國大氣科學(xué)研究:天氣篇[J]. 孟智勇,張福青,羅德海,談?wù)苊?方娟,孫建華,沈?qū)W順,張?jiān)茲?jì),汪曙光,韓威,趙坤,朱磊,胡永云,薛惠文,馬亞平,張麗娟,聶績,周瑞琳,李颯,劉泓君,朱宇寧.  中國科學(xué):地球科學(xué). 2019(12)
[2]歐洲集合預(yù)報(bào)產(chǎn)品降水預(yù)報(bào)檢驗(yàn)分析[J]. 陳偉斌,韓慎友,劉國忠.  氣象研究與應(yīng)用. 2017(02)
[3]高分辨率數(shù)值模式在強(qiáng)對(duì)流天氣預(yù)警中的業(yè)務(wù)應(yīng)用進(jìn)展[J]. 漆梁波.  氣象. 2015(06)
[4]基于主成分分析的人工智能臺(tái)風(fēng)路徑預(yù)報(bào)模型[J]. 黃小燕,金龍.  大氣科學(xué). 2013(05)
[5]一次引發(fā)北部灣大暴雨過程的海風(fēng)鋒模擬研究[J]. 盧偉萍,李江南,梁維亮,林振敏,黃嘉宏,林宗桂.  熱帶氣象學(xué)報(bào). 2012(06)
[6]幾種數(shù)值預(yù)報(bào)模式在廣西降水預(yù)報(bào)效果的比較[J]. 梁利,林開平,黃海洪.  氣象研究與應(yīng)用. 2012(02)
[7]基于最小二乘支持向量機(jī)集成的降水預(yù)報(bào)模型[J]. 羅芳瓊,吳建生,金龍.  熱帶氣象學(xué)報(bào). 2011(04)
[8]國家氣象中心業(yè)務(wù)數(shù)值預(yù)報(bào)發(fā)展的回顧與展望[J]. 閆之輝,王雨,朱國富.  氣象. 2010(07)
[9]一種新的暴雨災(zāi)害預(yù)報(bào)非線性建模方法[J]. 金龍,劉蘇東,黃穎,梁鐘清.  系統(tǒng)仿真學(xué)報(bào). 2009(24)
[10]2008年廣西嚴(yán)重低溫雨雪冰凍天氣過程分析[J]. 陳見,高安寧,黃明策,趙金彪.  氣象研究與應(yīng)用. 2008(02)



本文編號(hào)：3595444