ISSN 1004-4965

CN 44-1326/P

用微信扫描二维码

分享至好友和朋友圈

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于CMA-TRAMS模式地形高度偏差的地面气温误差订正方法研究

倪悦 冯业荣 黄燕燕 潘宁

倪悦, 冯业荣, 黄燕燕, 潘宁. 基于CMA-TRAMS模式地形高度偏差的地面气温误差订正方法研究[J]. 热带气象学报, 2024, 40(1): 1-10. doi: 10.16032/j.issn.1004-4965.2024.001
引用本文: 倪悦, 冯业荣, 黄燕燕, 潘宁. 基于CMA-TRAMS模式地形高度偏差的地面气温误差订正方法研究[J]. 热带气象学报, 2024, 40(1): 1-10. doi: 10.16032/j.issn.1004-4965.2024.001
NI Yue, FENG Yerong, HUANG Yanyan, PAN Ning. Study on Surface Temperature Error Correction Method Based on the Terrain Height Deviation of CMA-TRAMS Model[J]. Journal of Tropical Meteorology, 2024, 40(1): 1-10. doi: 10.16032/j.issn.1004-4965.2024.001
Citation: NI Yue, FENG Yerong, HUANG Yanyan, PAN Ning. Study on Surface Temperature Error Correction Method Based on the Terrain Height Deviation of CMA-TRAMS Model[J]. Journal of Tropical Meteorology, 2024, 40(1): 1-10. doi: 10.16032/j.issn.1004-4965.2024.001

基于CMA-TRAMS模式地形高度偏差的地面气温误差订正方法研究

doi: 10.16032/j.issn.1004-4965.2024.001
基金项目: 

国家重点研发计划项目 2018YFC1506902

国家自然科学基金项目 U1811464

国家自然科学基金项目 41705089

泛珠三角区资助项目区域数值预报联合发展专项 PPRD202104

详细信息
    通讯作者:

    倪悦,女,辽宁省人,高级工程师,从事数值模式产品解释应用和检验技术研究。E-mail: Niyue163@163.com

  • 中图分类号: P435

Study on Surface Temperature Error Correction Method Based on the Terrain Height Deviation of CMA-TRAMS Model

  • 摘要: 采用一元线性方法建立南海台风模式CMA-TRAMS地形高度偏差和地面气温预报误差的回归关系,分别开展不分级、高度偏差分级和地面气温误差分级的三种订正方法的研究,并进行订正效果评估。结果表明,模式地面气温预报误差与地形高度偏差总体呈负的线性相关关系,地面气温预报绝对误差随地形高度偏差绝对值增大而增大(对模式地形高度偏低站点尤为明显),但不同时刻地面气温预报误差特征表现不同,模式对地形高度偏高(即模式地形高于测站高度)和地形高度偏差小于50 m的站点,06时地面气温(世界时,下同)预报总体偏低,对地形高度偏低大于50 m的站点(即模式地形低于测站高度),06时地面气温预报总体偏高;而无论站点地形高度偏差如何,模式对18时地面气温预报总体偏高。三种订正方法中地面气温误差分级法能有效地减小地面气温预报误差,该方法订正后的分析场准确率可达96%~99%,12~48小时时效预报场准确率总体可提升至90% 以上,该方法具有回归关系稳定、效果显著、适用性广、简单易行等特点。

     

  • 图  1  模式地形高度偏差分级站点数统计图(a)和各级台站高度模式地形平均高度偏差统计(b)

    图  2  2021年1月、3月、6月、9月每日06时、18时模式地面气温分析场误差分级站点数统计(a);模式地形高度分级偏差的地面气温分析场平均误差(b)和平均绝对误差(c)统计;模式地形高度偏差与12~48 h时效地面气温误差相关系数(d)

    图  3  模式地形高度偏差与2020年12月06时(a)、18时(b)地面气温分析场误差分布

    图  4  06时(a、c)、08时(b、d)模式地形高度偏差分级回归分析(a、b)和模式分析场地面气温误差分级回归分析(c、d)

    图  5  三种方法订正模式地面气温预报准确率

    a.1月06时;b.1月18时;c.3月06时;d.3月18;e.6月06时;f.6月18时;g.9月06时;h.9月18时。

    图  6  1月(a)、3月(b)、6月(c)、9月(d)三种方法对模式地面气温预报准确率订正幅度

    图  7  基于2021年6月资料建模的三种方法对模式9月地面气温预报准确率订正幅度

    表  1  三种订正方法的模式地形高度偏差与2020年12月06时、18时不同预报时效地面气温误差的线性回归关系

    时效 不分级订正法 高度偏差分级订正法 地面气温误差分级订正法
    (-∞,-50) [-50, 50] (50,+∞) (-∞,-2) [-2, 2] (2,+∞)
    06时 回归系数 00 -0.004 -0.005 -0.004 -0.003 0.000 -0.001 -0.002
    12 -0.005 -0.006 -0.000 -0.004 -0.001 -0.001 -0.002
    24 -0.005 -0.005 -0.003 -0.003 -0.001 -0.001 -0.002
    36 -0.004 -0.006 0.002 -0.003 -0.001 -0.001 -0.002
    48 -0.005 -0.006 -0.001 -0.004 -0.001 -0.001 -0.002
    常数项 00 0.776 1.216 0.320 0.537 -3.149 0.141 3.498
    12 0.603 1.013 -0.119 0.517 -3.098 0.049 3.681
    24 0.974 1.366 0.435 0.785 -3.184 0.159 3.736
    36 1.578 1.912 0.734 1.544 -3.070 0.235 4.140
    48 1.249 1.517 0.703 1.197 -3.019 0.174 3.924
    18时 回归系数 00 -0.003 -0.003 -0.002 -0.002 0.000 -0.001 -0.002
    12 -0.003 -0.003 -0.007 -0.002 -0.001 -0.001 -0.001
    24 -0.003 -0.003 -0.003 -0.002 -0.000 -0.001 -0.001
    36 -0.003 -0.003 -0.009 -0.002 -0.000 -0.001 -0.001
    48 -0.003 -0.003 -0.003 -0.002 -0.000 -0.001 -0.001
    常数项 00 1.085 1.662 0.573 0.873 -3.030 0.256 3.386
    12 0.645 1.213 0.409 0.347 -2.837 0.152 3.236
    24 1.019 1.596 0.604 0.757 -2.903 0.192 3.529
    36 0.719 1.339 0.543 0.377 -3.023 0.153 3.438
    48 1.537 2.102 1.023 1.331 -2.805 0.281 3.821
    下载: 导出CSV
  • [1] 任宏利, 丑纪范. 数值模式的预报策略和方法研究进展[J]. 地球科学进展, 2007, 22(4): 376-385. doi: 10.3321/j.issn:1001-8166.2007.04.007
    [2] SURANJANA S. Response of the NMC MRF model to systematic-error correction within integration[J]. Mon Wea Rev, 1992, 120(2): 345-360. doi: 10.1175/1520-0493(1992)120<0345:ROTNMM>2.0.CO;2
    [3] 吴启树, 韩美, 郭弘, 等. MOS温度预报中最优训练期方案[J]. 应用气象学报, 2016, 27(4): 426-434. https://www.cnki.com.cn/Article/CJFDTOTAL-YYQX201604005.htm
    [4] 李佰平, 智协飞. ECMWF模式地面气温预报的四种误差订正方法的比较研究[J]. 气象, 2012, 38(8): 897-902. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX201208003.htm
    [5] 王丹, 王建鹏, 白庆梅, 等. 递减平均法与一元线性回归法对ECMWF温度预报订正能力对比[J]. 气象, 2019, 45(9): 1 310-1 321. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX201909011.htm
    [6] 吴国雄, 王军, 刘新, 等. 欧亚地形对不同季节大气环流影响的数值模拟研究[J]. 气象学报, 2005, 63(5): 603-612. doi: 10.3321/j.issn:0577-6619.2005.05.006
    [7] 陶诗言. 中国之暴雨[M]. 北京: 科学出版社, 1980, 13.
    [8] 赵滨, 李子良, 张博, 等. 三维插值方法在2m温度评估中的应用[J]. 南京信息工程大学学报(自然科学版), 2016, 8(4): 343-355. https://www.cnki.com.cn/Article/CJFDTOTAL-NJXZ201604008.htm
    [9] SUN R H, ZHANG B P. Topographic effects on spatial pattern of surface air temperature in complex mountain environment[J]. Environmental Earth Sciences, 2016, 75(7): 1-12.
    [10] 智协飞, 吴佩, 俞剑蔚, 等. GFS模式地形高度偏差对地面2 m气温预报的影响[J]. 大气科学学报, 2019, 42(5): 652-659. https://www.cnki.com.cn/Article/CJFDTOTAL-NJQX201905002.htm
    [11] 陈德辉, 沈学顺. 新一代数值预报系统GRAPES研究进展[J]. 应用气象学报, 2006, 17(6): 773-777. doi: 10.3969/j.issn.1001-7313.2006.06.014
    [12] 徐道生, 陈子通, 钟水新, 等. 对流参数化与微物理过程的耦合及其对台风预报的影响研究[J]. 气象学报, 2014, 72(2): 337-349. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201402011.htm
    [13] 徐道生, 陈子通, 戴光丰, 等. 对流参数化方案的改进对GRAPES模式台风预报的影响研究[J]. 热带气象学报, 2014, 30(2): 831-840. https://rdqxxb.itmm.org.cn/article/id/20140202
    [14] 陈子通, 戴光丰, 钟水新, 等. 中国南海台风模式(TRAMS-V2.0)技术特点及其预报性能[J]. 热带气象学报, 2016, 32(6): 210-218. https://rdqxxb.itmm.org.cn/article/id/20160605
    [15] 林晓霞, 冯业荣, 陈子通, 等. 华南区域高分辨率数值模式前汛期预报初步评估[J]. 热带气象学报, 2021, 37(4): 656-668. doi: 10.16032/j.issn.1004-4965.2021.062
    [16] 中国气象局. 全国智能网格气象预报业务规定(试行)[S]. 北京: 中国气象局, 2017.
  • 加载中
图(7) / 表(1)
计量
  • 文章访问数:  57
  • HTML全文浏览量:  9
  • PDF下载量:  25
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-04-17
  • 修回日期:  2023-11-01
  • 刊出日期:  2024-02-20

目录

    /

    返回文章
    返回