温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
2022
2023
黑龙江省
延伸
降温
过程
预报
检验
收稿日期院 圆园23原3原1第一作者简介院王营渊1996-冤袁女袁辽宁省朝阳市人袁沈阳农业大学袁硕士生袁助理工程师.王营袁李永生袁赵佳莹袁马舒扬袁班晋袁宋成玉袁王昊渊黑龙江省气候中心袁黑龙江 哈尔滨 150036冤2022-2023 年黑龙江省 1 月延伸期强降温过程预报检验摘要院利用黑龙江省 83 个气象观测站 2022 年和 2023 年 1 月的逐日温度资料袁以单站日平均温度 24 h 内降温幅度8 益为标准袁对强降温事件进行统计袁并对 CFSv2 延伸期预报进行检验遥 结果表明院两年共发生 6 次强降温过程袁发布延伸期强降温过程 12 次袁预报准确率为 33%袁空报过程 10 次袁漏报 4 次袁2023 年预报准确率高于 2022 年遥对比不同预报时效的结果袁发现延伸期预报效果与起报时间并没有显著联系遥 CFSv2 模式对大范围强降温过程的预报有一定技巧袁超前 10 d预报的旬气温距平也具有参考价值袁 与实况相比袁 延伸期强降温过程预报的时段和强度略有偏差袁但是预报的变化趋势基本一致袁可以为黑龙江省 1 月强降温预报提供参考遥关键词院延伸期曰强降温曰模式检验中图分类号院P456.7文献标识码院AForecast and Test of Strong Cooling Process During January Extension Period in Heilongjiang Provincefrom 2022 to 2023WANG Ying,LI Yong-sheng,ZHAO Jia-ying,MA Shu-yang,BAN Jin,SONG Cheng-yu,WANG Hao(Climate Center of Heilongjiang Province,Heilongjiang Harbin 150036)Abstract:Based on the daily temperature data of 83 meteorological observation stations in Heilongjiang Provincein January 2022 and 2023,based on the standard that daily average temperature of a single station drops by morethan 8 益 within 24 hours,statistical analysis is conducted on strong cooling events and compared with the CFSv2extended period forecast.The results show that there are 6 strong cooling processes in the two years,12 strongcooling processes in the extended period are released,and the forecast accuracy is 33%.The forecast accuracy of2023 is higher than that of 2022.By comparing the results of different forecasting efficiency,it is found that thereis no significant relationship between forecasting effectiveness and start time of forecasting.The CFSv2 model hascertain skills for the prediction of large-scale strong cooling process,and the ten-day temperature anomaly pre鄄dicted by 10 days in advance also has reference value.Compared with the actual situation,the prediction periodand intensity of the extended period strong cooling process are slightly different,but the change trend of the pre鄄diction is basically the same,which can provide a reference for the January strong cooling forecast in Hei鄄longjiang Province.Key words:Extension period;Strong cooling;Pattern verification文章编号院员园园圆原圆缘圆载穴圆园23雪园2原园园10原园31引言在全球气候变暖背景下袁 极端天气气候事件频繁发生袁而极端气候事件具有突发性尧破坏性和精准预测难度大等特征袁 其中强降温天气是冬季常见的灾害性天气之一袁可能会引发大风尧雪灾等多种自然灾害袁给农林畜牧业尧交通运输和人们的日常生活带来不利影响1-2遥 黑龙江省地处欧亚大陆中高纬度地带袁气候多变袁是我国易受强降温影响的地区之一袁近年来极端强降温过程频发袁 对社会经济发展造成了重大影响袁 因此做好延伸期强降温预报对气象灾害防御具有十分重要的现实意义遥延伸期预报是天气预报和短期气候预测之间无第 40 卷第 2 期2023 年 6 月黑 龙 江 气 象HEILONGJIANG METEOROLOGYVol.40No.2Jun.2023缝隙预测的关键环节袁 是气象现代化的基本要求之一袁也是大气科学领域的重点和难点问题遥 由于大气是一个非线性系统袁存在内在随机性袁确定性预报的理论上限为 2 周左右袁当预报时效超出该范围时袁预报将失去技巧袁 因此延伸期的预报在理论研究和实际预报中均存在很多挑战3-6遥 随着对大气系统认识和研究的不断深入袁 目前已有许多观测和理论研究表明袁 大气季节内振荡是延伸期预报的主要可预报来源袁其中西太平洋准双周振荡尧赤道 30-60 d 的季节内振荡尧热带地区 30-50 d 振荡渊Madden and Ju鄄lian Oscillation袁MJO冤 等低频信号为延伸期天气预报提供了有用的低频信息和预测依据7-8遥 延伸期预报方法大致可分为两类袁第一类是物理统计方法袁第二类是动力预报袁目前气象数值预报产品较多袁如美国环境预报中心 渊NCEP冤 新一代气候预测系统 CFSv2渊Climate Forecast System version 2冤袁国家气候中心第二代月动力延伸模式业务系统 DERF2.0袁 以及 S2S渊Subseasonal-to-Seasonal冤多模式数据集遥 延伸期预测过程中袁前人对各个模式的预测效果进行了分析袁发现其对不同要素和区域的预报存在较大差异袁如何充分利用模式系统的有效信息进行本地延伸期预测袁是目前延伸期预报的工作重点9-10遥2013 年黑龙江省气候中心开始进行延伸期预报试验袁至今已经形成了延伸期预报系统以及强降水尧强降温预报产品袁 前人研究发现黑龙江省夏季延伸期强降水过程预报准确率较高袁 但强度和降水落区仍需精确化11遥为了评估延伸期强降温过程的预报能力袁 本文对黑龙江省 2022 年和 2023 年 1 月强降温过程进行统计袁 同时对 CFSv2 模式预报的延伸期强降温过程进行检验袁 以期为延伸期强降温过程的预报尧预警提供科学参考遥2资料和方法所用实况资料为黑龙江省数据中心提供的黑龙江省 83 个气象观测站 2022 年和 2023 年 1 月的逐日温度资料遥 模式资料为黑龙江省气候中心基于美国国家环境预报中心研发的 CFSv2 逐日气温预报产品袁形成的强降温预报产品袁预报时长为 45 d遥 延伸期强降温过程预测以 CFSv2 模式输出报文和旬气温距平预报图为参考袁每旬旬末进行强降温过程预测遥各地强降温过程标准不一袁根据叶中短期天气预报质量检验办法曳以及寒潮年鉴袁结合黑龙江省实际气候情况并参考前人研究袁 本文以单站日平均温度 24 h内降温幅度逸8 益袁 且该地日最低气温臆4 益作为强降温标准12-14袁若有 1/3渊27 站冤及以上的站点达到强降温标准袁 即为一次区域性强降温袁 对 2022 年和2023 年 1 月实况温度资料进行统计袁 得到实况强降温过程袁对 CFSv2 预报的强降温过程进行检验遥3延伸期强降温过程预测检验2022 年和 2023 年 1 月共发生 6 次强降温过程袁共 115 站次袁1 次区域性强降温袁其中 2022 年 1 月黑龙江省发生 2 次强降温过程袁共 5 站次袁其中 3-4 日仅抚远达到单站强降温标准袁15-17 日发生强降温过程共计 4 站次遥 2023 年 1 月黑龙江省发生 4 次强降温过程袁共 110 站次袁其中 3-4 日仅呼玛 1 站达到强降温标准袁12-15 日发生区域性强降温袁共计 85 站次强降温过程袁 其中 13-14 日黑龙江省 95%的地区发生了强降温袁19-21 日共发生 22 站次强降温过程袁24-25 日仅北极村和漠河 2 站发生强降温袁均位于黑龙江省西北部遥2022 年和 2023 年 1 月共发布黑龙江省延伸期强降温过程预报 6 期袁预报强降温过程 12 次袁其中2022 年 1 月延伸期为超前 11-30 d 预测袁 共预报强降温过程 5 次袁 分别为 8-9 日尧12-13 日尧19-20 日尧23-24 日和 25-26 日曰2023 年 1 月延伸期为超前 15-30 d 预测袁共预报强降温过程 7 次袁分别为 1-3 日尧7-8 日尧9-10 日尧16-18 日尧20-22 日尧24-26 日和 29-31 日遥从预报结果来看袁2022 年 1 月延伸期强降温过程预测效果较差袁未预测出两次降温过程曰2023 年 1月 19-21 日尧24-25 日共 2 次小范围强降温过程预报准确渊表 1冤遥总体来看延伸期强降温过程预报准确率达 33%袁2023 年 1 月强降温过程预报准确率为 50%遥总体来看延伸期预报的强降温过程多于实况袁 总空报过程 10 次袁漏报 4 次袁其中 2023 年 1 月空报降温过程 5 次袁漏报 2 次遥2022 年 1 月超前 11-20 d 和超前 21-30 d 预测的强降温过程均为 3 次袁 两个时段均预测 19-20 日有 1 次强降温过程袁与实况对比为空报袁说明重复预报的强降温过程与预报准确率高低并无直接关系遥表 11 月延伸期强降温过程预测正确过程对比分析预测强降温过程实况强降温过程强降温站点数2023 年 1 月 20-22 日2023 年 1 月 19-21 日222023 年 1 月 24-26 日2023 年 1 月 24-25 日2王营,等院2022-2023 年黑龙江省 1 月延伸期强降温过程预报检验第 2 期11延伸期内漏报的强降温过程中袁2022 年 1 月 3-4 日及 2023 年 1 月 3-4 日均为单站强降温过程袁2022 年1 月 15-17 日也为小范围局地强降温过程袁延伸期预测效果较差曰2023 年 1 月 12-15 日黑龙江省发生区域性强降温过程袁其中发生了 155 站次寒潮袁14 日和15 日分别有 96%尧86%的站点有寒潮过程袁超前 15-30 d 发布的延伸期预报在 9-10 日尧16-18 日有强降温过程袁 虽然预报时间与实况存在 1-2 d 的偏差袁但也具备一定的参考价值遥 挑选黑龙江省 13 个具有代表性的站点进行对比分析渊表 2冤袁可以看出延伸期均预测 12 日前有 1 次降温过程袁 而实况中 9-12 日黑龙江省出现大范围升温袁12 日黑龙江省气温大部