论文部分内容阅读
本文以Grapes数值预报产品和实况资料,利用MOS预报方法,从描述天气系统的因子:高度场和温度场;②动力因子:涡度、散度、垂直速度及u、v分量等;③能量因子:总能量、潜热通量等;④湿度因子:降水、相对湿度及水汽混合比等;⑤动态因子:反映天气系统、诊断量的变化,包括以上各因子的24h变量等5个方面选取物理意义明确的因子。在预报对象与预报因子单点相关普查的基础上,选取相关系数大而且相互独立的高相关因子。将采集的数值预报产品物理量其作为因子,将其插值到武汉市的5个预报站点,逐日建立因子库。这样,每个站点都有了888个候选因子。同时,收集每个站点2002年1月1日～2006年12月31日期间的最高温度和最低温度实况。在MOS方程的建立过程中,根据武汉市相似气候背景,同时考虑到方程样本个数不能太少的原因,将一年分成1～2月、3～4月、5～6月、7～8月、9～10月、11～12月等6个时段,利用同一时期的因子库和对应的最高温度、最低温度实况资料,采用多元线性回归方法来建立最高温度、最低温度的预报方程。制作武汉市48小时内逐日最高气温、最低气温预报。对于2009年6月1日～2010年5月31日逐日的预报结果表明:1、经过MOS方法制作的日最高最低气温预报,24、48小时预报准确率都在50%以上,最高达到了79.78%,在业务上有较好的参考作用。2、最低温度的预报的准确率普遍高于最高温度的预报准确率;3、从最高温度和最低温度预报的绝对误差来看,最低温度预报的平均误差要比最高温度的平均误差小,并且预报时次越长,则最高温度的平均误差越比最低温度的平均误差大。