区域气象站日气温极值延长方法研究与误差分析

摘要：

区域气象站由于建站时间短,难以提供具有气候统计学意义的气象资料,因此对区域站短序列气象要素进行延长是部分区域气象服务(如农业保险气象指数产品开发)的需求.为此,采用单元线性回归、逐步回归、神经网络三种建模方案,基于浙江省66个国家站气压、气温、相对湿度、风速、日照等具有天气意义的气象要素,对浙江省100个随机选取的区域站逐日最低/高气温开展延长方法的探究,并对模型的估计误差进行分析.结果表明,相较于传统单元线性回归,利用多因子的逐步回归和神经网络能有效提高延长数据的准确性.神经网络由于能描述非线性统计关系,估计的准确性优于基于线性统计的逐步回归的准确性.三种建模方案的误差分析显示:逐日最低气温的估计误差在6-8月较小、12月-次年2月较大,逐日最高气温的估计误差在12月-次年2月较小、3-5月较大;样本数的增加对模型的估计准确性有一定提升作用;较高海拔区域站逐日最低/高气温的估计误差,高于较低海拔区域站的估计误差.

关键词：区域气象站、资料延长、气温极值、逐步回归、神经网络

所属期刊栏目：46

分类号：P413.2+1(大气探测（气象观测）)

资助基金：国家重点研发计划;浙江省气象局一般项目

在线出版日期：2023-08-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：95-103