共查询到19条相似文献，搜索用时 484 毫秒
1.
本文在嵌套网格空气质量预报模式系统（NAQPMS）的基础上,结合蒙特卡罗模拟方法搭建了多扰动的空气质量集合预报系统。利用该系统对京津冀及其周边地区“2+26”城市的PM2.5浓度进行预报试验,试验时段为2017年9～12月,模式水平分辨率为15 km。研究发现,基于蒙特卡罗集合预报系统,采用“集合样本优选”均值集成法能显著提升PM2.5预报精度,大幅减小预报偏差。与所有集合样本的均值集成法相比,该方法将PM2.5预报均方根误差（RMSE）由58.0 μg m?3降低至34.7 μg m?3,将模拟—观测两倍因子百分比（FAC2）由67%提升至87%。此外,“集合样本优选”均值集成法对各污染等级的整体预报效果优于均值集成法。本文结果可为改进城市PM2.5预报效果和减小PM2.5预报偏差提供参考。 相似文献
2.
CUACE系统在乌鲁木齐空气质量预报中的效果检验 总被引：1，自引：0，他引：1
采用2013年12月1日—2014年2月28日空气质量观测数据,对CUACE系统在乌鲁木齐空气质量预报中的效果进行离线检验。结果表明,在污染物浓度和空气质量分指数方面,NO2的预报效果优于PM10和PM2.5,28 h预报时效的预报效果优于52 h预报时效;在首要污染物预报结果中,28 h预报时效的总体预报效果优于52 h,28 h预报时效中PM2.5预报正确率为65%;从空气质量等级的预报效果来看,28 h预报时效与52 h预报时效无明显差别,对NO2和PM10的预报准确率达到100%,对PM2.5三级预报准确率达到90%以上,对二、四级预报准确率在70%～80%之间,对五、六级重度污染预报值偏低两个级别或以上。 相似文献
3.
采用2007年8—9月空气质量数据,对CAPPS-3空气质量预报系统进行模拟预报检验。结果表明,从污染物浓度值的模拟预报结果看,SO2的模拟效果优于NO2和PM10;从API指数检验结果看,SO2的模拟效果较好,而PM10模拟效果略差于SO2;从API指数分级检验结果看,SO2的模拟效果最好,PM10次之,而NO2预报结果最差。如果将模拟预报的结果与提前两天的观测值进行对比,预报的准确率会显著提升。总体上看,CAPPS-3空气质量预报系统运行效果良好,经订正后,该模式在奥运期间空气质量预报中得以应用,并取得了较好效果。 相似文献
4.
在介绍银川市空气质量动力预测模型的基础上,重点对该模型的预测结果及误差进行分析。结果表明:该系统能较好地对24 h污染气象条件进行预测,污染气象条件的预测结果与监测结果比较吻合,预报准确率PM10为61%、SO2为92%;春季各月PM10预测值的平均绝对误差较大,其它3个季节相对较小,SO2的情况与PM10正好相反;考虑风沙条件对模式预测准确性的影响,可根据不同时间、不同季节,逐步调整模式中的扬沙系数,能有效地提高该模式对银川市多风沙季节以PM10为首要污染物的空气质量预测准确率,以适应银川市特殊的气候及环境条件。 相似文献
5.
为降低单个模式预报的不确定性和提高多模式集成空气质量预报系统的精细化程度,利用Cressman插值初步建立了我国0.25°X0.25°网格化污染物实况。结合4套空气质量数值预报模式,通过均值集成、权重集成和多元线性回归集成分别逐格点建立了集成预报。在预报当天各单一模式和集成方法前50 d预报效果评估基础上,建立了最优集成预报。对2018年12月19一22日一次重污染过程中集成预报的PM_(2.5)浓度评估结果显示:在污染较重时刻,最优集成预报与观测之间的归一化平均偏差(NMB)值在重污染地区保持在—20%～40%,对污染程度为良及以上区域的预报范围相较于单个模式更接近观测。整个过程中,最优集成在大部分污染区域与观测之间的NMB值为—20%～20%,均方根误差(RMSE)值为35～75μg·m~(-3),相关系数(R)值大于0.4。相较于所有单一模式和其他集成方法,最优集成在全国最多的格点有着较高的总体评分。在污染最重区域的8个城市,最优集成预报的污染过程平均开始和结束时间分别比观测时间早1.8和6.9 h。未来需融合卫星反演和地表观测来提高网格化污染物实况的精细化程度,利用降尺度、主客观融合和滚动订正等方法进一步提高网格化多模式集成空气质量预报的准确率。 相似文献
6.
利用多因子分析和多元回归模型,对1998—2004年秦皇岛市城区空气污染物浓度逐日监测数据及气象要素进行分析,并调查污染源,得出主要污染物与气象要素的关系,建立当地空气质量预报。结果表明：上游西北地区是对秦皇岛市空气质量影响最大的污染源地;空气质量首要污染物PM10的峰值出现在4月,SO2的峰值出现在采暖季,NO2浓度全年稳定少变; SO2和PM10的浓度受风场影响较大,NO2最小;春季“南高北低”型气压场造成PM10污染指数全年最高;大于等于1 mm的降水对空气净化作用效果较小于1 mm的降水显著;春季气旋控制下,5级以上西风可形成中度以上污染,而非气旋控制下,6级以上西风才可形成中度以上污染。 相似文献
7.
空气质量数值模式预报中资料同化的初步研究 总被引：11，自引：1，他引：10
利用嵌套网格空气质量预报模式,在对上海市环境监测中心提供的观测数据进行必要的质量控制后,采用最优插值方法对可吸入颗粒物(PM10)、二氧化氮(NO2)和二氧化硫(SO2)进行资料同化。选取2004年8月1～20日做作逐日同化试验的结果表明,无论是PM10、NO2还是SO2,其同化偏差平均值均在20μg.m-3以下,比同化前减少了至少50%;3种污染物的同化偏差小于其未同化偏差的天数均在16天以上。在大气清洁和污染两种情况下,对PM10分别作10天的同化试验表明,同化后的均方根误差均小于同化之前。此同化方法能利用观测数据较好地修正空气质量模式预报场,从而为模式提供与实际更加接近的初始场。 相似文献
8.
《气象与环境学报》2016,(6)
本文基于CUACE系统,利用2015年4—5月沈阳市大气环境观测数据对沈阳地区春季空气质量的预报效果进行了校验和修正。结果表明:CUACE模式对6种污染物(PM10、PM2.5、NO2、O3、SO2和CO)质量浓度的预报值普遍小于观测值,对PM10浓度的预报存在严重低估。CUACE模式预报的沈阳地区春季日首要污染物多为PM2.5,而观测表明沈阳地区春季PM10和PM2.5为日首要污染物的日数相当。同时,CUACE模式预报的空气污染等级与实际观测的空气污染等级相比存在较高的等级偏差率。利用污染物观测浓度和预报浓度之间的线性拟合公式修正CUACE模式的预报结果,修正后首要污染物的预报结果与实际观测结果基本吻合,同时空气污染等级的预报准确率也明显提高,提高幅度为50.0%—80.0%。 相似文献
9.
2012年环境保护部发布的《环境空气质量标准》实施后,贵阳市空气质量状况发生了变化。利用贵阳市空气质量指数和常规气象要素等资料,分析空气质量特征及其与气象要素的关系,通过多元线性逐步回归和BP神经网络方法,分季节建立空气质量指数预报模型,并同CUACE模式进行对比检验。结果表明:近3年贵阳市空气质量状况良好,优良天数增多,污染天数减少且污染天气多出现在冬季,首要污染物为PM2.5、PM10和O_3;各季相关因子不同,但主要与相对湿度和风速有关;两种模型预报效果均表现为夏季评价最高,等级TS评分超过85%,指数准确率近99%,冬季预报效果相对最差,TS评分接近或达到70%,指数准确率超过或接近80%,而春、秋季效果指标差距不大;对2015—2016年AQI的预报效果回归模型的优于CUACE模式的,TS评分和预报准确率分别相差16.2%和20.0%。 相似文献
10.
为了深入研究曹妃甸工业区的建立和大型工业企业的迁入对京津冀地区空气质量的影响,利用嵌套网格空气质量预报模式系统NAQPMS(Nested Air Quality Prediction Modeling System)研究该工业区和周边地区在2016年秋、冬季空气质量状况,并对PM2.5(空气动力学当量直径小于等于2.5μm的颗粒物,即细颗粒物)来源与区域输送进行分析。结果表明:模式能很好地再现气象要素和污染物浓度分布特征;曹妃甸地区本地排放在1月和10月的月均贡献分别为17.8%和25.8%。当空气质量为优良时,曹妃甸地区PM2.5主要受短距离周边传输影响,唐山和天津贡献率之和达23%～53%;当空气出现轻度及以上污染时,曹妃甸地区PM2.5浓度主要受到长距离输送的影响,河北中南部和山东地区贡献之和达40%～50%。曹妃甸工业园区排放对周边地区PM2.5浓度贡献相对较小,对唐山和天津地区贡献为3%～7%,对京津冀地区其他城市PM2.5浓度贡献可忽略不计。空气质量转差时,曹妃甸、北京和天津地区PM2.5中一次排放占比相较于空气质量优良时明显下降,二次生成的无机盐类和二次有机气溶胶贡献率增加;曹妃甸地区10月二次生成硫酸盐贡献率较1月明显增加,月均贡献率为22%。因此,在致力于削减京津冀地区PM2.5一次排放的同时,对SO2、NOx等进行控制,能有效改善该地区空气质量。 相似文献
11.
基于TIGGE资料, 采用均方根误差分别对欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心和英国气象局4个中心集合预报的地面气温场集合平均结果进行检验评估, 比较各中心地面气温的预报效果。并利用超级集合、多模式集合平均和消除偏差集合平均3种方法对4个中心的地面气温预报进行集成, 同时对预报结果进行分析。结果表明: 2007年夏季日本气象厅与欧洲中期天气预报中心在北半球大部分地区预报效果最好, 各中心在不同地区预报效果不同。超级集合与消除偏差集合平均降低了预报误差, 预报效果优于最好的单个中心预报和多模式集合平均。对于较长的预报时效, 消除偏差集合平均表现出了更好的预报性能。 相似文献
12.
针对当前单模式系统臭氧（O3）预报的不确定性问题,提出了一种基于活动区间的多模式超级集成的、高效的预报方法。本研究基于长江三角洲（长三角）地区多模式空气质量预报系统,将改进后的超级集成预报方法（AR-SUP）运用到2015年长三角地区的O3预报中,并与滑动训练期的超级集成预报（R-SUP）、多模式集成平均预报（EMN）、消除偏差的集成平均预报（BREM）对比,结果表明AR-SUP对预报效果的改善最明显,其在暖季和冷季的均方根误差（RMSE）较最优单模式平均下降了20%和23%。将AR-SUP运用到48 h和72 h预报中发现,当预报时效增加时该方法依旧保持较高的预报技巧。多项统计数据均证明AR-SUP在研究时段内所有站点均能显著减小O3预报误差、提高整体相关性和一致性,有效提高当前短期（三天）预报准确率。 相似文献
13.
基于TIGGE资料集下欧洲中期天气预报中心（ECMWF）、日本气象厅（JMA）、英国气象局（UKMO）、美国国家环境预报中心（NCEP）和中国气象局（CMA）5个气象预报中心2016年5月1日—8月31日中国地区逐日起报预报时效为24~168 h的24 h累积降水量集合预报的结果,对各个集合预报成员进行了频率匹配法的订正,并对订正前后的多模式集成预报效果进行评估。结果表明:采用频率匹配法订正后的降水预报,有效改善了集合平均预报中强降水（日降水量25 mm以上）预报由平滑作用产生的量级偏小现象,使预报的降水量级更接近实况,但对降水落区预报改进不明显。基于卡尔曼滤波技术的集成预报效果优于基于线性回归的超级集合预报和消除偏差集合平均预报,对强降水落区的预报较单模式更优。基于集合成员订正的降水多模式集成预报在强降水的落区预报和降水中心的量级预报更接近实况,效果优于原始多模式集成预报与单模式结果。 相似文献
14.
利用2011—2015年6—8月TIGGE(THORPEX Interactive Grand Global Ensemble)数据集中欧洲中期天气预报中心(ECMWF,以下简称EC)的集合降水预报数据和江苏省70个基本站逐日24 h(20时至次日20时)降水数据,通过大量暴雨样本系统检验和评估了EC集合预报及多种后处理释用产品对江苏暴雨的预报能力。结果表明:作为集合预报的初级产品,集合平均对暴雨的预报存在明显的漏报率,TS预报评分尚不及EC确定性预报;集合预报不同成员间对暴雨的预报技巧差异大,其最优成员组合的预报能力显著优于EC确定性预报,表明集合预报具有较大的应用潜力;在多种集合预报后处理释用技术中,最大值、最优百分位、降水偏差订正频率匹配法、概率预报、集合异常预报法和杜-周排序法(最大值法)的平均TS评分均较高,超过10%,其次90%分位数、融合、融合-概率匹配和杜-周排序法(集合平均或中位值法)的预报效果也均优于EC确定性预报。集合中位值、概率匹配方法对江苏暴雨的预报评分低于集合平均预报,在暴雨预报上的参考价值相对较低。该评估结果进一步加深了对各集合预报产品区域暴雨预报能力的认识,为预报员更直接快速地选取有效的集合预报产品提供参考。 相似文献
15.
Probabilistic prediction of Indian summer monsoon rainfall using global climate models 总被引：1，自引：0，他引：1
Makarand A. Kulkarni Nachiketa Acharya Sarat C. Kar U. C. Mohanty Michael K. Tippett Andrew W. Robertson Jing-Jia Luo Toshio Yamagata 《Theoretical and Applied Climatology》2012,107(3-4):441-450
Probabilistic seasonal predictions of rainfall that incorporate proper uncertainties are essential for climate risk management. In this study, three different multi-model ensemble (MME) approaches are used to generate probabilistic seasonal hindcasts of the Indian summer monsoon rainfall based on a set of eight global climate models for the 1982–2009 period. The three MME approaches differ in their calculation of spread of the forecast distribution, treated as a Gaussian, while all three use the simple multi-model subdivision average to define the mean of the forecast distribution. The first two approaches use the within-ensemble spread and error residuals of ensemble mean hindcasts, respectively, to compute the variance of the forecast distribution. The third approach makes use of the correlation between the ensemble mean hindcasts and the observations to define the spread using a signal-to-noise ratio. Hindcasts are verified against high-resolution gridded rainfall data from India Meteorological Department in terms of meteorological subdivision spatial averages. The use of correlation for calculating the spread provides better skill than the other two methods in terms of rank probability skill score. In order to further improve the skill, an additional method has been used to generate multi-model probabilistic predictions based on simple averaging of tercile category probabilities from individual models. It is also noted that when such a method is used, skill of probabilistic forecasts is improved as compared with using the multi-model ensemble mean to define the mean of the forecast distribution and then probabilities are estimated. However, skill of the probabilistic predictions of the Indian monsoon rainfall is too low. 相似文献
16.
利用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)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。 相似文献
17.
利用多模式超级集合预报法,以欧洲中期天气预报中心、日本气象厅、德国气象局、中国气象局和中国空军气象中心共5个决定性7 d预报产品为集合成员,对2010年8月500 hPa高度场和850 hPa温度场分别进行固定训练期和滑动训练期超级集合预报。采用均方根误差和相关系数对超级集合预报、单一模式预报和简单集合平均预报进行对比检验,同时对各预报结果的均方根误差空间分布进行对比分析。结果表明:超级集合预报在所有预报结果中最佳,且滑动集合预报对8月后期时段预报要略好于固定集合预报,两者预报效果均好于参与集合预报的各模式,也好于集合平均预报。但随着预报时效的延长,集合平均预报的优势也随之提升。从预报结果均方根误差的空间分布可知,多模式超级集合预报相比于单一模式预报效果提高的区域,500 hPa位势高度场主要位于印度半岛、印度洋、青藏高原及以西地区,而850 hPa温度场则主要位于蒙古、青藏高原、中国新疆及以西地区。 相似文献
18.
This paper proposes a method for multi-model ensemble forecasting based on Bayesian model averaging (BMA), aiming to improve the accuracy of tropical cyclone (TC) intensity forecasts, especially forecasts of minimum surface pressure at the cyclone center (Pmin). The multi-model ensemble comprises three operational forecast models: the Global Forecast System (GFS) of NCEP, the Hurricane Weather Research and Forecasting (HWRF) models of NCEP, and the Integrated Forecasting System (IFS) of ECMWF. The mean of a predictive distribution is taken as the BMA forecast. In this investigation, bias correction of the minimum surface pressure was applied at each forecast lead time, and the distribution (or probability density function, PDF) of Pmin was used and transformed. Based on summer season forecasts for three years, we found that the intensity errors in TC forecast from the three models varied significantly. The HWRF had a much smaller intensity error for short lead-time forecasts. To demonstrate the proposed methodology, cross validation was implemented to ensure more efficient use of the sample data and more reliable testing. Comparative analysis shows that BMA for this three-model ensemble, after bias correction and distribution transformation, provided more accurate forecasts than did the best of the ensemble members (HWRF), with a 5%–7% decrease in root-mean-square error on average. BMA also outperformed the multi-model ensemble, and it produced “predictive variance” that represented the forecast uncertainty of the member models. In a word, the BMA method used in the multi-model ensemble forecasting was successful in TC intensity forecasts, and it has the potential to be applied to routine operational forecasting. 相似文献
19.
This study investigates multi-model ensemble forecasts of track and intensity of tropical cyclones over the western Pacific, based on forecast outputs from the China Meteorological Administration, European Centre for Medium-Range Weather Forecasts, Japan Meteorological Agency and National Centers for Environmental Prediction in the THORPEX Interactive Grand Global Ensemble (TIGGE) datasets. The multi-model ensemble schemes, namely the bias-removed ensemble mean (BREM) and superensemble (SUP), are compared with the ensemble mean (EMN) and single-model forecasts. Moreover, a new model bias estimation scheme is investigated and applied to the BREM and SUP schemes. The results showed that, compared with single-model forecasts and EMN, the multi-model ensembles of the BREM and SUP schemes can have smaller errors in most cases. However, there were also circumstances where BREM was less skillful than EMN, indicating that using a time-averaged error as model bias is not optimal. A new model bias estimation scheme of the biweight mean is introduced. Through minimizing the negative influence of singular errors, this scheme can obtain a more accurate model bias estimation and improve the BREM forecast skill. The application of the biweight mean in the bias calculation of SUP also resulted in improved skill. The results indicate that the modification of multi-model ensemble schemes through this bias estimation method is feasible. 相似文献