简介:针对目前不同时效的数值预报结果存在“跃变”问题,基于Poor—man集成预报方法的思想,综合考虑各个时效的数值预报结果,利用最小二乘法,构建了一个预报模型,并利用2005--2010年欧洲中心下发的数值预报资料对该模型的预报效果进行了验证。结果表明,该模型较好地克服了利用单一时次预报带来的预报结果“跃变”的不足,对提高预报水平具有一定的作用。
简介:合理施用氮肥是夺取水稻高产的基本条件之一。在氮肥施用中,目前普通存在着施用量过多或过少,施用时间不合理,氮肥利用率低等问题,不仅影响了水稻产量的提高和米质的改善,而且还污染了环境,降低了氮肥的使用效益。自80年代开始,模拟优化技术引入作物(水稻)生产系统后,已研制出了许多水稻高产栽培技术模式,如“双季杂交稻高产栽培模式”、“双季稻—冬作高产栽培模式”等。这些模式对水稻的施氮量和施氮方法虽有所改进,并取得了明显的增产增收效果,但均为经验模式,未突破传统的施肥概念。近年来,以国际水稻研究所引进的施氮技术模拟优化软件MANAGE-N,充分考虑了不同品种(作物参数)、不同气候条件(光、温、降水等气候因子)、不同土壤条件(土壤参数)等影响水稻生产发育的各种因素,因而具有更大的适应性
简介:研究了Lorenz非线性系统中使用的集合平均方法来减小计算误差的效果,通过检查5组数值试验(每组20个样本)的结果发现:集合平均对计算误差的减小和消除不如高精度算法有效,这主要体现在以下几方面:1)普通的算法和双精度的计算环境中,若截断误差是主导误差(当初值误差很小时),各集合的平均结果并不收敛于真值,而是收敛于含截断误差的数值解;2)若初值误差为主导时,系统受到初值误差增长规律的影响,数值解收敛于由初值误差主导的误差解;3)这两种误差量级接近的时候,两种误差都无法消除掉。对解的统计特征进行研究表明,可信的数值解与含计算误差的数值解有许多相似的地方,但是与集合平均的数值解有很大不同,同样说明了集合平均不适用于减小计算误差这样的问题。此外,试验结果表明即使数值解的概率分布形式基本正确,也不能保证数值解是正确的。
简介:利用自动站资料和T639模式资料,对2013年宝鸡汛期5-9月5次暴雨天气过程T639模式的短期预报效果进行检验。结果表明:T639模式对中、高纬度环流的演变与调整有较好的预报能力,48h内最大误差不超过7.5%,20时起报的48h预报好于08时起报的36h预报;模式对副高的预报总体偏弱,盛夏时副高强度的预报准确率明显高于初夏时,准确率达58.3%,暴雨日前的副高强度预报较暴雨日后更为准确;48h内700hPa天气尺度系统的预报准确率可达85%,36h内达93.3%,预报效果良好;对暴雨日前的低层系统预报效果好于暴雨日后的预报;暴雨落区和散度场上辐合中心或辐合大值区有较好的对应关系,暴雨落区基本上都在辐合大值区,当散度场<-36×10-6s-1时,可出现暴雨。
简介:为了检验不同数值模式及多个模式的集合平均对山东地区10m日最大风速、2m日最高温度、2m日最低温度及降水的预报效果,利用2011年MM5、WRF-RUC、T639、日本及德国数值模式进行不同模式组合的集合平均,并对各组合进行TS评分检验。结果表明:晴雨预报,T639模式TS评分最高;对大雨以下等级降水的预报,T639模式24h预报的TS评分最高,MM5、WRF-RUC、T639、日本和德国模式集合平均48h和72h预报的TS评分最高;MM5、WRF-RUC和T639模式集合平均对大雨和暴雨24h预报的TS评分略高于单个模式。对3级以下弱风,T639模式预报准确率最高;对4级以上大风,WRFRUC及WRF-RUC三层集合平均的预报准确率最高;与单个模式相比,MM5、WRF-RUC和T639模式集合平均仅对3级风力预报准确率有所提高。MM5、WRF-RUC和T639模式集合平均对最低温度预报准确率最高,但集合平均对最高温度预报并未提高。
简介:利用东北区域实况24h累积降水资料,应用与国家气象中心建设并使用的全国业务区域模式统一检验平台一致的检验方法,采用WRFV3.3.1模式对东北地区2012年4次大暴雨过程、两次暴雪过程的预报效果进行了客观检验及统计分析,并与JAPAN模式和T639模式进行对比分析,结合主观检验,对WRF模式在东北地区的预报性能进行评估。结果表明:2012年东北地区6次强降水过程WRF模式预报效果与JAPAN模式、T639模式基本相当,即有较稳定且较高水平的预报能力,加之其中尺度模式较高的时空分辨率,因此在天气预报领域有重要的使用和研究价值。2012年东北地区6次重大降水过程,WRF模式对降水的位置及时间演变趋势预报均较好,对主降水带的位置及强度预报效果总体一般,在对主降水带位置与强度预报效果较好的前提下,其对于暴雨中心的位置预报效果也较好。与T639模式和JAPAN模式相比,WRF中尺度模式的主降水带形态刻画更细致,对强降水中心的位置和范围预报较明确,且在主降水带位置与强度预报效果较好的前提下较可靠,WRF中尺度模式的这一优点,对目前精细化预报有重要意义;客观检验并不能完全说明模式的预报效果,WRF模式预报效果的检验和模式预报水平的说明,必须结合主观检验,且需从多角度进行全面考察;WRF模式对1215号台风路径及台风暴雨过程预报均与实况基本吻合(尤其是36h和24h预报),说明WRF中尺度模式对台风系统及其诱发的暴雨过程有较好的预报能力。
简介:将BP(BackPropagation)神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现:BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。
简介:介绍了广州空气质量多模式系统并评估其对2010年9月广州市的气象要素和PM10日均浓度的24h的预报效果。评估结果表明:模式系统较好地预测了气象要素的变化,但高估了风速;各空气质量模式能合理预测广州PM10浓度的时空变化,预报效果均处于可接受范围内(平均分数偏差MFB小于±60%且平均分数误差MFE小于75%),部分模式可达到优秀水平(MFB小于±30%且MFE小于50%),但同时各模式在郊区均预测偏高而在市区偏低;总体上,模式在广州郊区的PM10预报效果优于市区。模式问对比表明,在本次业务预报实践中,不存在最优的单模式,同一模式对不同的统计指标、不同的站点,其预报效果可能存在差异,基于算术平均集成各模式结果未能获得最优的预报效果。优化排放源空间分布并引进更好的集成预报方法(如权重平均、神经网络、多元回归等)是未来改进广州空气质量多模式系统预报效果的可能途径。
简介:利用CMORPH卫星与自动气象观测站的逐时降水量融合资料,采用经验正交函数EOF、技巧评分及针对细网格模式的面向对象诊断检验方法MODE,评估T639细网格模式对2014年陕西省秋淋天气降水预报的效果。结果表明:T639模式整体较好的表现了2014年陕西省秋淋天气过程降水的空间分布,但预报的降水量级显著偏小;逐12h降水EOF分析表明,此次降水过程可分为系统性和对流性降水两种模态,T639模式对系统性降水的预报性能较好,空间模态与观测一致,但对局地性和对流性降水的预报性能相对较弱;模式整体预报能力较好,晴雨预报TS评分和ACC相关系数平均达0.6以上;空间和时间上预报降水频次偏多,是影响TS评分和ACC等晴雨评分技巧下降的主要原因。MODE检验表明,T639模式对大面积降水对象预报偏多,对局地性降水对象预报偏少;对中等强度降水对象偏多,对强降水及弱降水对象预报偏少;预报对象与观测对象的整体匹配性较好,但两者的面积存在一定差异。