本站小編為你精心準備了中長期天氣預報方法參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《蘭州大學學報》2015年第四期

近年來中國陸續發生了多起災害性極端天氣氣候事件,如2008年冬季歷史罕見、肆虐南方的低溫雨雪冰凍災害,2010年西南地區秋冬春特大干旱,2010年甘肅舟曲特大山洪泥石流災害,2011年6月長江中下游地區旱澇急轉,2011、2013年頻繁的霧霾天氣,這些極端天氣氣候事件造成交通連連受阻等重大氣象災害,給國民經濟和人民生產、生活帶來了嚴重損失.從經濟建設和社會發展、人民生活及防災減災的需求出發,迫切需要氣象部門提供具有中短期預報內容的長期天氣預報.得益于數值預報水平的不斷提高,天氣預報及短期氣候預測的準確率都較以往有了較大幅度的提升.但是,介于常規天氣預報和氣候預測之間的中長期預報仍是目前業務預報中的一個“盲點和難點”,如何做出具有中短期預報內容的中長期天氣預報,是社會發展的一個重要需求,構建有效的中長期天氣預報方法,將發揮聯系天氣預報和氣候預測的橋梁作用,為填補常規天氣預報與短期氣候預測業務之間的預報時段縫隙提供重要的技術支撐.

中長期天氣預報的主要困難在于大氣系統的混沌特性使得預報誤差不可避免的快速增長,因而數值預報模式無法在10d以后的預報中給出可用信息,同時中長期預報的時間尺度又小于氣候預測的月、季時間尺度,無法利用氣候模式.多年以來,學者對中長期預報進行了卓有成效的研究,尤其在數值預報模式研究方面有了長足的進步.令人疑惑的是,那些所謂的完善的數值預報模式所達到的預報效果并不比用非常簡單的經驗統計預報工具的預報好多少[6].長期以來,大量工作致力于從數值預報尋找預報的可能性,而如何利用有一定效果和普遍應用的半經驗長期預報方法,并從這里尋找新的理論線索,關注不夠.陰陽歷疊加法是一種傳統的預報方法,其一定程度上考慮了氣象變化周期性規律,所需資料較少,只需要歷史的實況觀測資料,計算量小,應用方便.宋任峰等[7]對19951997年桓仁地區中長期降水預報試驗表明:陰陽歷疊加對夏季較大降水過程和秋冬季一般降水過程有較好指導意義,總暴雨準確率達到56.3%;陳禎烈等[8]進行的20012002年成都地區降水預報試驗表明:陰陽歷疊加不僅能對降雨日數趨勢做出較為準確的預報,對降水過程的預報準確率可達75%90%.中國地域廣闊、天氣氣候系統復雜、地理條件多變,進行全國范圍內的長期天氣預報,需要耗費大量的精力,且局地系統的影響不盡相同,找準長期預報影響因子存在很大困難.研究指出[9]:19572006年中國降水增加趨勢最顯著區位于青藏高原東部,減少區域最顯著的地區在華北平原.在發生顯著變化區域做出準確預報的難度更大,選擇典型天氣區進行延伸期預報研究,若取得一定效果,也利于方法的推廣應用.鑒于此,本文以環渤海地區和青藏高原東北部地區為例,利用陰陽歷疊加法進行延伸期預報研究.

1基本資料及處理

本文所用的資料為中國氣象部門地面觀測站地面要素日平均資料.從兩個典型地區中選取日平均資料齊全的站點共計101個(圖1),其中環渤海地區57個,高原東北部地區站點44個,要素包括日降水量、日平均風速和日最大風速,時間為1960年1月1日2010年12月31日。將日降水量大于0.1mm的降水日作為有效樣本,有降水現象發生但無法測定降水量的微量降水不予考慮.大風定義為平均風速大于12m/s(或極大風速大于17m/s).陰陽歷疊加時考慮以下幾種情況:1)同一陰歷月在不同年的天數可能不同,對無陰歷30日的月份,取該月29日和下月1日數據的平均值作為該月30日的實況資料;2)閏年2月份29日的預報,歷史上閏年的資料可照常計算,但平年的資料缺29日,則取28日和3月1日兩天平均值內插;3)對于資料中缺項的處理,如果僅缺1或2d的資料,則用該天前、后1d的資料進行插值.

2預報方法與方案設計

2.1預報方法以降水預報為例來說明.1)用歷史資料分別統計要預報的陽歷日期t日及其對應的陰歷日期tl、降水出現的頻數,并作陰陽歷疊加.2)預報制作:以陰陽歷疊加值Rt的大小作為預報依據.顯然,Rt值越大,則t日出現降水的可能性越大;3)確定奇異點.一般選Rt大于氣候平均值的日期為奇異點,這些奇異點就是預報可能有降水的日期.

2.2預報方案設計及流程

2.2.1方案設計1)歷史資料長度選擇樣本容量的大小是長期天氣預報人員所關心的問題,預報結果可能會因使用資料的年代不同而發生較大變化[10].一般來講,在建立統計預報方程時,樣本容量的增加,可以提高置信度,使相關系數在長年代中穩定下來,如果年代過長,則不能突出近年的天氣氣候特點,所做預報必然不準確.反之如果選擇時間過短,則缺乏代表性,預報結果接近于隨機值.是否存在一個最佳的樣本容量,使得預報的準確率最高？這是本文將要探討的問題之一.2)降水日預報結果訂正相似預報理論認為:在相似的大氣環流形勢背景下所產生的天氣現象也往往是相似的.在某一地區,影響該地區的大氣環流形勢是確定的,站點發生的天氣現象間存在一定的相關性.盡管某地區每日發生降水的站點不盡相同,但某些站點有降水發生時,其它站點也大都會有降水發生的現象普遍存在.那么,能否利用站點的相關性,通過適當的方法,使本站的預報效果有所提升呢?本文擬按以下思路進行降水日預報結果訂正:從歷史資料中,找出每個站點歷史相關最好的幾個站點(以通過α=0.001的水平相關顯著性檢驗為準,一般選取5個),從已獲得的陰陽歷疊加預報結果中找出這幾個站點的預報結果,如果這幾個站點及本站的預報結果中有1/3的站點有降水,則預報本站有降水,否則,預報本站無降水.

2.2.2預報流程預報流程圖如圖2所示.在進行預報時,樣本長度從10a到40a遞增,分別統計出不同樣本長度下各預報要素陰陽歷疊加的每日發生頻數,并與該月平均發生次數進行比較,確定奇異點位置進行預報,之后按年比較預報效果,并挑選出陰陽歷疊加預報效果最好的樣本長度l.以l作為下一步預報的歷史樣本數,做陰陽歷疊加預報.對降水日預報,還要利用站點相關進行訂正,最后給出預報結果.

2.2.3預報檢驗考慮到延伸期預報的預報時間長度,本文在計算準確率時做如下規定:對于要素y(降水日、大風)的預報,在預報日的前、后1d內有y出現,則認為預報準確.

3預報結果分析

3.1降水預報效果檢驗

3.1.1降水日預報效果分析圖3為兩個典型地區在不同樣本長度下降水日預報TS評分曲線圖.青藏高原東北部地區的降水日預報TS評分呈現出單峰型特征,在樣本長度為22a處出現最大值,約為0.43,遠高于TS評分為0.28的氣候概率值;環渤海地區的降水日TS評分振蕩增加,在各樣本長度下降水日TS評分均高于0.19的氣候概率值,且在40a處達到最大值0.33.青藏高原東北部地區降水日TS評分高于環渤海地區.圖4為取距預報年份最為接近的22a和40a資料為歷史樣本庫,分別進行的青藏高原東北部地區和環渤海地區20002010年112月陰陽歷疊加降水日預報TS評分曲線圖,其中虛線所示為氣候概率值.從圖4中可以看出:環渤海地區和青藏高原東北部地區降水日預報TS評分呈單峰型變化趨勢,兩區的峰值均集中在夏季,68月降水日預報TS評分均高于0.4,具有較高的可信度,這與兩區降水主要集中在夏季有關.青藏高原東北部地區TS評分要高于環渤海地區,前者TS評分最高的月為6月,TS評分達到0.56,后者TS評分最高的月為7月,為0.50.環渤海地區的降水日預報TS評分均高于氣候概率TS評分;青藏高原東北部地區除1月外,也高于氣候概率值.

3.1.2降水日預報訂正效果分析圖5是利用站點相關訂正的環渤海地區和青藏高原東北部地區降水日預報TS評分效果圖.從圖5中可以看出,訂正后,兩地各站點預報準確率均有顯著提高.其中,環渤海地區預報效果提高最少的站點扎魯特旗(54026)TS評分提高了0.041,提高最多的站點保定(54602)TS評分提高了0.142;青藏高原東北部地區預報效果提高最少的站點茫崖(51886)TS評分提高了0.043,提高最多的站點舟曲(56094)TS評分提高了0.135;即訂正后預報準確率最低提高4.1%,最高提高14.2%.平均來看,兩地TS評分均提高了0.098.表明降水日預報訂正方法是有效且顯著的,利用站點相關性進行降水日預報結果訂正的思路是可行的.

3.2大風預報分別利用1040a長度不等的歷史樣本長度對兩地2000年1月1日2008年12月31日的平均風速大于12m/s(或極大風速大于17m/s)的大風天氣進行了預報.圖6為環渤海地區和青藏高原東北部地區大風天氣的陰陽歷疊加預報TS評分曲線圖,從圖6中可以看到,預報準確率隨著歷史樣本數的增加而增加,環渤海地區在樣本數為34a時達到最大值,TS評分為0.135,此后,預報準確率隨著樣本數的增加而減小;青藏高原東北部地區在樣本數為31a時達到最大值,TS評分為0.149.以34a為環渤海地區最佳樣本長度,以31a為青藏高原東北部地區最佳樣本長度,做20002008年逐日的大風預報,并逐月分析預報效果.圖7是兩地大風逐月預報TS評分曲線圖,圖7中兩地大風預報準確率均呈現單峰型分布特征,并在35月間為明顯的波峰,這與中國大風主要發生在春季的特點相吻合.統計發現,環渤海地區及青藏高原東北部地區大風天氣也主要發生在35月,分別占全年大風總數的43.15%和40.13%.通過和氣候概率TS比較發現,除青藏高原東北部地區1月持平外,兩地的預報TS評分均高于氣候概率TS評分.所以,陰陽歷疊加預報對環渤海地區和青藏高原東北部地區的大風預報是有效的.

4結論

本文利用陰陽歷疊加法對環渤海地區57個站點和青藏高原東北部地區44個站點的降水和大風天氣進行了預報.首先利用1040a長度不等的歷史樣本,得到了各要素最佳的歷史樣本長度.基于最佳歷史樣本長度進行了降水、大風預報,并利用站點相關性對降水日預報結果進行訂正試驗。對于不同地區,不同要素最佳樣本長度略有差異,在最佳樣本長度下,各要素的預報效果是最好的.降水預報而言:環渤海地區預報效果最好的樣本長度為37a,而青藏高原東部地區預報效果最好的樣本長度為20a;對大風天氣過程來說:環渤海地區最佳樣本長度為34a,青藏高原東北部地區為31a.對降水日預報來說,環渤海地區和青藏高原東北部地區降水日預報TS評分呈單峰型變化趨勢,兩區的峰值均集中在夏季,68月降水日預報TS評分均高于0.4,具有較高的可信度,陰陽歷疊加預報的TS評分結果大多高于氣候概率值.利用站點相關對各站點降水日預報結果進行修正,發現各站預報效果均有不同程度的提高,兩地提升最高的站點提升了14.2%,最差的站點也提升了4.1%,平均提高9.8%,說明站點相關訂正是有效的.兩地大風預報準確率均呈現單峰型分布特征,并在35月間為明顯的波峰.通過和氣候概率TS比較發現,除青藏高原東北部地區1月的預報持平外,兩地的預報TS評分高于氣候概率TS評分,預報是有效的.

作者：李旭 王式功 尚可政 周海 李艷 單位：蘭州大學 大氣科學學院  半干旱氣候變化教育部重點實驗室 中國人民解放軍 95903 部隊