欧亚高空形势和中国地面气象要素预报的多模式集成研究

欧亚高空形势和中国地面气象要素预报的多模式集成研究

论文摘要

本文基于TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)五个集合预报中心的模式资料,对中国区域2m气温、10m风场和24h累积降水以及欧亚区域500 hPa位势高度、温度和风场进行了多模式集成预报试验,所用多模式集成方法为卡尔曼滤波、消除偏差集合平均(BREM)、模式加权平均以及简单集合平均(EMN)。在中国地面气象要素的预报中,无论是多模式集成预报还是单模式预报,其均方根误差均随着预报时效的增长而不断增大。多模式集成预报能够显著降低2m气温和10m风场预报的预报误差,而在地形复杂区的改进效果尤为显著;而对24h累积降水来说,卡尔曼滤波能够稳定提升其预报技巧,其他方法则效果甚微。四种多模式集成方法对预报的改善效果参差不齐,而总体来看,卡尔曼滤波的改善效果最佳且最稳定,模式加权平均则次之。在欧亚区域500 hPa要素的预报中,卡尔曼滤波对位势高度、温度以及风场预报的改善均在20%以上,预报技巧最高;模式加权平均则只在预报时效小于等于48h时有改进效果,BREM和EMN则几乎没有改进。对卡尔曼滤波和模式加权平均权重分配的分析可以得出,ECMWF为多模式集成预报中的主要贡献者。本文还分析了复卡尔曼滤波技术在风场预报中的优化效果,结果表明其对纬向风场的改进优于经向风场,对地面风场的改进则要优于高空风场,而在复杂地形区和海洋上的改进效果要优于其他地区。总的来说,复卡尔曼滤波技术跟于卡尔曼滤波相比,其在风场预报上的预报技巧更高,预报误差也更小。综上所述,卡尔曼滤波在本文所做的各气象要素的预报试验中通过合理优化分配各模式成员的权重系数,使预报技巧得到了显著提高。相比于BREM、模式加权平均以及EMN,其预报表现更佳且稳定。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 引言
  •   1.2 多模式集成预报研究进展
  •   1.3 论文研究内容
  •   1.4 本文各章节主要内容
  • 第二章 资料与方法
  •   2.1 TIGGE资料背景简介
  •   2.2 资料与方法
  •     2.2.1 资料
  •     2.2.2 预报方法
  •     2.2.3 评分方法
  • 第三章 中国地面气象要素的多模式集成研究
  •   3.1 引言
  •   3.2 近地面多模式集成预报
  •     3.2.1 多模式集成方法训练期长度的选取
  •     3.2.2 2m气温预报
  •     3.2.3 24h累计降水预报
  •     3.2.4 10m风场预报
  •   3.3 本章小结
  • 第四章 欧亚高空形势的多模式集成研究
  •   4.1 引言
  •   4.2 500 hPa气象要素多模式集成预报
  •     4.2.1 500hPa位势高度场预报
  •     4.2.2 500hPa温度场预报
  •     4.2.3 500hPa风场预报
  •   4.3 多模式集成预报的权重
  •   4.4 本章小结
  • 第五章 复卡尔曼滤波技术对风场预报的优化研究
  •   5.1 引言
  •   5.2 复卡尔曼滤波技术对风场预报的优化
  •     5.2.1 10m风场预报
  •     5.2.2 500hPa风场预报
  •   5.3 本章小结
  • 第六章 结果和讨论
  • 参考文献
  • 作者简介
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 黄闻

    导师: 智协飞

    关键词: 多模式集成,卡尔曼滤波,消除偏差集合平均

    来源: 南京信息工程大学

    年度: 2019

    分类: 基础科学

    专业: 气象学

    单位: 南京信息工程大学

    分类号: P456.7

    DOI: 10.27248/d.cnki.gnjqc.2019.000323

    总页数: 79

    文件大小: 9505K

    下载量: 38

    相关论文文献

    • [1].风切变对飞行的影响及其预报时效分析[J]. 气象科技 2010(02)
    • [2].2011年长江中下游梅雨期强降水延伸期集合预报性能初探[J]. 气象 2016(09)
    • [3].模式距平积分订正法对广西区域ECMWF地面2m温度预报的订正效果评估[J]. 气象研究与应用 2018(03)
    • [4].CUACE系统在乌鲁木齐空气质量预报中的效果检验[J]. 沙漠与绿洲气象 2014(05)
    • [5].插值方法在提高热带气旋路径预报时效分辨率中的应用[J]. 广东气象 2011(01)
    • [6].确定性预报和集合预报融合降水预报产品应用[J]. 海峡科学 2020(05)
    • [7].我国近海洋面10 m风速集合预报客观订正方法[J]. 气象 2017(07)
    • [8].中山市空气质量预报预警系统建设现状[J]. 资源节约与环保 2015(04)
    • [9].不同集合预报产品对1907号台风“韦帕”的检验[J]. 广东气象 2020(03)
    • [10].多隐层BP神经网络在模式预报中的简化应用[J]. 气象与环境科学 2019(04)
    • [11].“雨燕”中风暴算法在北京奥运天气预报示范项目中的应用及改进[J]. 高原气象 2009(06)
    • [12].延伸期预报的思考及其应用研究进展[J]. 气象科技进展 2013(01)
    • [13].对流尺度集合预报中模式地形扰动对其预报技巧的影响研究[J]. 暴雨灾害 2019(06)
    • [14].基于雨量分级回归分析的站点日降水量预报订正[J]. 气象科技 2020(03)
    • [15].ECMWF细网格模式探空在阿勒泰地区短时强降水预报中的统计检验[J]. 沙漠与绿洲气象 2020(03)
    • [16].基于DERF2.0的乌鲁木齐2013年春季降温过程的延伸期预报检验[J]. 沙漠与绿洲气象 2018(03)
    • [17].地面气温的概率预报试验[J]. 气象科技 2015(01)
    • [18].北京快速更新循环预报系统(BJ-RUC)要素预报质量评估[J]. 气象 2011(12)
    • [19].EC细网格2m温度对沧州市的预报能力检验及订正[J]. 气象研究与应用 2019(04)
    • [20].媒体扫描[J]. 气象科技进展 2018(03)
    • [21].2016年乌鲁木齐区域数值天气预报系统预报性能客观检验[J]. 沙漠与绿洲气象 2017(05)
    • [22].递减平均法对陕西SCMOC精细化温度预报的订正效果[J]. 干旱气象 2016(03)
    • [23].GRAPES和日本模式广东定量降水预报对比[J]. 气象研究与应用 2013(S1)
    • [24].主编语[J]. 气象科技进展 2013(01)
    • [25].南方特大冻雨雪灾成因分析提出的严峻问题不能不搞清![J]. 科学决策 2008(04)
    • [26].GRAPES_GFS 2.0模式系统误差评估[J]. 应用气象学报 2018(05)
    • [27].我国地面降水的分级回归统计降尺度预报研究[J]. 大气科学学报 2016(03)
    • [28].地面观测资料同化在GRAPES模式中的应用研究[J]. 高原山地气象研究 2014(04)
    • [29].浅析某小流域防汛中水文气象的结合应用[J]. 科技信息 2011(05)
    • [30].数值天气预报时效统计检验方法的研究与应用[J]. 黑龙江气象 2020(02)

    标签:;  ;  ;  

    欧亚高空形势和中国地面气象要素预报的多模式集成研究
    下载Doc文档

    猜你喜欢