黑龙江省集成预报方法,本文是黑龙江方面毕业论文怎么写和集成和预报和黑龙江省方面论文范例.
黑龙江论文参考文献：
摘 要：在利用黑龙江省84个自动站降水和温度资料对2013年和2014年欧洲中心确定性模式高分辨率预报产品、GRAPES_MESO数值产品和日本高分辨率大气模式产品进行系统误差订正基础上,进行基于超级集合思想的多模式动态变权集成预报.结果表明：三种格点预报产品都存在系统误差,三种格点资料对黑龙江地区的降水预报都存在着较多的空报现象,去除微量降水预报后,降水预报质量得到了很大的提升；温度预报去除一段时间的平均相对误差后,预报准确率也有较大提升,尤其是前5 d；ECMWF-thin去除微量降水和平均相对误差预报效果对黑龙江省5 d预报准确率晴雨在80%以上；前3 d最高气温准确率在70%以上,最低预报准确率为60%以上,按照国家局TS评分最高为75%,最低为64%；GRAPES_MESO格点预报产品预报效果在黑龙江省很好；最优集成预报效果动态权重集成预报没有太大差别,但是相对于去除误差的ECMWF-thin预报产品基本没有提升.
关键词：高分辨率资料；预报订正；动态变权集成
1 引言
随着经济发展和社会进步对天气预报准确率和精度需求日益增高,精细化天气预报作为气象部门重要的社会公益服务产品,越来越受到社会和公众的广泛关注.为了提高预报的精细化水平、提高预报的时空分辨率,中国气象局在现代化发展中对国家级和省级业务提出格点化预报的要求,要求省级对国家局预报具有订正能力.目前黑龙江在格点化预报方面,尚未开展系统的研究工作.
由于格点化观测产品的缺乏,因此,目前的格点预报普遍以站点预报为基础,在提高站点预报的准确率基础上,进一步进行格点预报.本文章研究方法主要致力于黑龙江站点的客观预报方法的研究与建立,针对观测数据较为完整、可用性较高的县站建立预报方程,并在业务中应用.
2 资料的选取与处理
本项目选取中国气象信息中心提供的2013和2014年欧洲中心确定性模式高分辨率预报产品（ECMWF-thin,0.25°*0.25°）、GRAPES_MESO数值产品（GRAPES_MESO,0.1°*0.1°）和日本高分辨率大气模式产品（japan-thin,0.5°*0.5°）以及黑龙江省84个县站降水和最低、最高温度实况.对其中的ECMWF-thin、GRAPES_MESO、japan_thin三种细网格08时、20时数值预报产品（12 h降水量和2 m温度）,然后进行站点最近格点取值处理,最后进行相应预报时段截取,取得08时、20时和后推12 h起报降水、最低气温和最高气温1—10 d的预报结果.
3 方法
(1)预报准确率是采用《全国城镇天气预报质量国家级检验方案》及《关于改革城镇精细化预报检验办法的通知》（气科函[2013]9号）,以24 h时效分别检验（晴雨按12 h段汇总为24 h）.
(2)Cui氏等提出的通过滞后平均降低误差尺度的自适应(卡尔曼滤波类型)误差订正方法,属于后验订正,即只在整个积分完成后对预报结果进行订正处理.
(3)动态地分析各种模式的近期误差,动态地分配各成员的权重,称之为“变权集成预报方法”.
(4)滑动变权法用于离散点降水集成预报.
(5)误差递归训练变权法应用于格点场温度集成预报.
4 步骤
4.1 首先对原始数值预报产品进行预报评分
对原始数值预报产品数据采用方法(1)中的降水和温度预报方法进行评分（以下评分都为此法）,得结果如表1所示.说明“-hh”是向后延后12 h预报.
从表1上看,各种模式晴雨和温度评分都随时效增加预报准确率减小；晴雨和温度评分表现都高的是EC-thin,而且预报时效也是最长的为240 h,资料分发及格式也为最稳定；Grapes-mose前60 h降水晴雨预报准确率最高,72 h晴雨预报准确率下降明显（可能与其2013年6月前预报时效只有60 h有联系）,所以可以看出我国Grapes-mose模式72 h晴雨预报在黑龙江省效果远远超过日本,甚至超过欧洲中心,前48 h气温预报准确率也是远远超过日本,但是和欧洲中心相比相差较大；日本气温预报如果不加处理在黑龙江是不可以用的.
4.2 误差订正
4.2.1 降水预报误差订正
由于各家预报的种种原因,微量降水存在着大量的空报,所以有必要先对四种预报进行微量降水的去除.去除方法是从0.1 mm开始,以0.1 mm逐步去除计算黑龙江省84个县站1—5 d预报准确,直至其中出现预报准确率有所下降或超过1.0 mm为止.
欧洲中心细网格晴雨数值预报产品在黑龙江去除微量降水0.1 mm准确率迅速提升,到0.6 mm时12和24 h预报准确率达到一个峰值,且和去除0.5 mm预报准确率相差不大；Grapes-mose模式晴雨数值预报产品在黑龙江去除微量降水准确率提升不明显,到0.5 mm时12 h预报准确率达到一个峰值,且和去除0.6 mm预报准确率相差不大；日本气象中心细网格晴雨数值预报产品在黑龙江去除微量降水准确率迅速提升,到1.0 mm时晴雨准确率还在上升,但是提高幅度不大了.
EC-thin、Grapes-mose、Japan-thin三种数值预报晴雨预报产品去除微量降水预报准确率都有所提升.其中提升最为明显的是日本气象中心预报产品,提升10%以上,说明其空报率高,去除量级1.0 mm以上,即使提升后的准确率和另外两种数值预报产品差距还是很大（原始晴雨预报准确率太低）；Grapes-mose模式晴雨预报产品提升幅度最小,提升了1-2%；欧洲中心数值预报晴雨预报产品前期提升特别明显,去除值大于0.5 mm后变化不大了,在去除0.6 mm时12 h和24 h晴雨预报准确率达到一个峰值,并且准确率超过Grapes-mose模式,达到最高值.
4.2.2 温度预报误差订正
模式误差是预报误差的主要来源之一,本文采用Cui氏等提出的通过滞后平均降低误差尺度的自适应(卡尔曼滤波类型)误差订正方法,属于后验订正,即只在整个积分完成后对预报结果进行订正处理.
首先,把三种模式数值预报产品84个站2 m最低和最高温度预报记为Ti,计算预报在各站点i时次t的30 d滑动平均绝对误差|fi- ai|/30.公式(1)中ai为温度实况, fi为历史预报结果.
利用此种方法计算出这三种数值预报温度预报产品,最低温度预报按照中国气象局气温预报准确率评定办法在黑龙江省成绩不理想,（讨论是否因为最低气温多数没有出现在02、05和08时三个时刻）ECMWF-thin温度最低预报成绩72 h为60%左右,Grapes-mose前72 h预报准确率在40%以下,japan-thin在2%左右.由此也可以说明黑龙江省最低气温预报难度相当大,是精细化天气预报中的难点之一.去除30 d滑动平均相对误差预报准确率后成绩都有显著提高,其中japan-thin模式温度预报产品最低气温提高20%,其模式预报黑龙江省最低气温存在整体偏高趋势,尤其是冬季时偏高幅度很大,整体偏高30 ℃以上, 2016-2017年冬季日本高分辨率大气模式温度预报产品已经有所调整,冬季气温趋势不再整体偏高,而且上下偏幅较小；GRAPES_MESO数值产品去除相对误差后成绩提高10-20%,其主要原因是GRAPES_MESO数值温度产品最低气温预报整体偏高4-6 ℃；ECMWF-thin去除30 d滑动平均相对误差预报准确率前7 d提升了4%.
利用此种方法计算出这三种数值预报温度预报产品,最高温度预报按照中国气象局气温预报准确率评定办法在黑龙江省成绩较为理想,比最低气温预报效果好很多.ECMWF-thin温度最高预报成绩72 h为60%以上,Grapes-mose前72 h预报准确率在50%以上,japan-thin在15%左右.但是去除30 d滑动平均相对误差预报准确率后成绩都有显著提高,其中japan-thin模式温度预报产品最低气温提高10%,其模式预报黑龙江省最高气温存在整体偏高趋势,尤其是冬季时偏高幅度很大,整体偏高20 ℃以上, 2016-2017年冬季japan-thin模式气温预报产品已经有所调整,冬季气温趋势不再整体偏高,而且上下偏幅较小；GRAPES_MESO数值产品去除相对误差后成绩提高7-10%；ECMWF-thin去除30 d滑动平均相对误差预报准确率前4 d提升了10%左右,后6 d变化不再明显.
4.3 变权集成预报方法的引入
本文采用ECMWF-thin、GRAPES_MESO、japan_thin数值预报产品动态地分析各种模式的近期误差,动态地分配各成员的权重,称之为“变权集成预报方法”.
4.3.1 误差概率递归训练变权法应用于格点场温度集成预报
对于数值预报的格点场,考虑到模式的整体预报能力,一般不对每一点进行权重分配,而是考虑某个区域的权重系数.另外,格点场数值预报原始模式如果具有一定的资料积累,可以适当考虑模式的历史误差问题.
P1 、P2为基于误差概率的第一种、第二种模式在集成中的权重系数,是归一化的,由此得出权重预报的最低和最高气温预报.
最优预报为临近前7 d三种模式预报84个站点和10 d预报时效中各自去除30 d平均相对误差后最低、最高累计绝对误差最小的那种模式的预报值.
4.3.2 滑动变权法用于离散点降水集成预报
首先计算最优法集成降水量：各站各时次预报降水中准确率最高模式所预报的降水量.
其次计算权重降水量：
(1)先评出近7 d的各种模式的降水预报准确率.
(2)计算预报有降水模式的预报准确率.
(3)判断预报降水模式的预报准确率是否> 总预报准确率的50%.
(4)降水量等于∑J*a/A
J为预报降水各模式降水量,a为预报降水各模式降水准确率,A为预报降水模式总预报准确率
(5)如果评分为0（前期缺报或实况缺失）或为50%直接取最优法集成降水量
通过上述两种方法（误差概率递归训练变权法应用于格点场温度集成预报和滑动变权法用于离散点降水集成预报）最后集成预报的预报准确率结果如下：
从表2可以看出,本项目通过所选ECMWF-thin、Grapes-mose和japan-thin三种数值预报产品生成的最优集成和权重集成降水和最低、最高气温效果不是很理想,相对于ECMWF-thin30 d滑动平均相对误差预报没有明显的提升,主要原因可能是Grapes-mose和japan-thin正处于模式调整期,预报时效和效果有待完善后效果可能会显现.后期跟踪释用Grapes-mose更改为GRAPES_GFS（0.25°*0.25°）,因为虽然GRAPES_GFS格点为0.25°*0.25°,但是预报时效为240 h和中短期预报时效相对应,日本高分辨率大气模式产品（japan-thin,0.5°*0.5°）调整也已经完成.
5 小结
（1）ECMWF-thin、GRAPES_MESO、japan-thin三种格点资料都存在系统误差.三种格点资料对黑龙江省地区的降水预报都存在着较多的空报现象,去除微量降水预报后,降水预报质量得到了很大的提升；温度预报去除一段时间的平均相对误差后,预报准确率也有较大提升,尤其是前5 d.
（2）ECMWF-thin资料收取和处理稳定,预报质量最高,且收取时间早,在这些格点预报产品中是标杆.它的微量降水空报为最小,在0.6 mm左右,它本身预报效果就很好,去除微量降水和平均相对误差,预报效果对黑龙江省5 d晴雨预报准确率在80%以上；前3 d最高气温准确率在70%以上,最低预报准确率为60%以上,按照国家局TS评分最高为75%,最低为64%.
（3）GRAPES_MESO格点预报产品预报效果在黑龙江省很好.GRAPES_MESO格点预报产品在黑龙江省可用性超过japan-thin预报产品,japan-thin预报产品中2 m气温预报对黑龙江省预报效果非常差,气温误差在冬季一段时间内可达到30 ℃左右,调整后效果较好.
最优集成预报效果动态权重集成预报没有太大差别,但是相对于去除误差的ECMWF-thin预报产品基本没有提升.由于资料存储和可提供渠道限制,此项目所应用的资料有所局限和调整期.
小结，此文为一篇大学硕士与黑龙江本科黑龙江毕业论文开题报告范文和相关优秀学术职称论文参考文献资料，关于免费教你怎么写集成和预报和黑龙江省方面论文范文.
基于EOS/MODIS的黑龙江省大气可降水量反演方法
翟 墨,原 帅(佳木斯气象卫星地面站,黑龙江 佳木斯154007)摘 要本文以大气水汽反演为中心,将双通道和三通道反演算法应用于实际的黑龙江省MODIS影像中,通过对多个通道多组数据反演结果的分析和验.
黑龙江省一次局地强降水过程成因与预报难点分析
Abstract Analyzes the reasons for the low level of local convective precipitation forecast in the mi.
黑龙江省加油站的雷电防御方法和案例分析
1 引言 闪电是一种伴有电闪和雷声,自然释放电现象 雷电同时也导致了很多问题,雷电引起森林火灾,点燃爆炸物,导致输电线路与电力系统故障扰乱控制系统的电子设备,每年我国因雷电引起的损失达到几十亿 .