北京地区体感温度误差订正方法研究

作     者：武略 焦瑞莉 王毅 夏江江 严中伟 李昊辰 WU Lüe;JIAO Ruili;WANG Yi;XIA Jiangjiang;YAN Zhongwei;LI Haochen

作者机构：北京信息科技大学信息与通信工程学院北京100101 国家气象中心北京100081 中国科学院大气物理研究所北京100029 中国科学院大学北京100049 北京邮电大学理科学院北京100876 北京大学北京100871 

出 版 物：《气象科学》 (Journal of the Meteorological Sciences)

年 卷 期：2022年第42卷第2期

页      面：261-269页

学科分类：07[理学] 070601[理学-气象学] 0706[理学-大气科学] 

基　　金：中国科学院战略性先导科技专项(A类)资助(XDA19040202) 

主　　题：误差订正 机器学习 体感温度 北京地区 梯度提升回归树 

摘      要：基于欧洲中期天气预报中心(European Centre for Medium-range weather Forecasts,ECMWF)模式的预报数据和北京地区气象站点的观测数据,使用两种机器学习算法(线性回归和梯度提升回归树)对站点的体感温度进行误差订正,并采用均方根误差(Root Mean Square Error,RMSE)对预报效果进行评估,进一步与传统订正方法模式输出统计(Model Output Statistics,MOS)得到的订正结果进行对比。结果表明:线性回归、梯度提升回归树、MOS和ECMWF预报得到的平均RMSE分别为3.12、3.06、3.45、4.06℃,即机器学习算法明显优于MOS和ECMWF模式原始预报。机器学习订正方法不仅在平原地区取得了较好的效果,在高海拔站点的订正效果更加突出,为北京冬奥会复杂山地条件下赛事正常运行提供了一定的技术保障。