文摘

本文展示了一个操作的性能预测系统,基于区域大气建模系统(公),在3公里水平分辨率在意大利南部。初始化模型12 UTC业务分析/预测周期的欧洲中期天气预报中心(ECMWF)。预测的是以下三天。一整年的性能是评价表面参数:温度、相对湿度、风速和风向,沉淀。验证已经完成对SYNOP站意大利南部。密集non-GTS网络在卡拉布里亚用于沉淀。结果表明,RMSE大约是2 - 3 K的温度、12 - 16%相对湿度,2.0 - -2.8米/秒的风速、风向和55 - 75°,性能不同的季节和预测时间。第一和第三之间的误差增加预测的日子。降雨预报的验证表明,该模型低估了降水的区域。模型的输出数据(MOS)是应用于所有参数,但降水。 Results show that the MOS reduces the RMSE by 0–30%, depending on the forecasting time, on the season and on the meteorological parameter.

1。介绍

本文展示了一个操作的性能预测系统在意大利南部。天气预报是由下列三天在3公里水平分辨率和基于区域大气建模系统(公)。

意大利南部是地中海盆地的中心,显示了一个典型的地中海气候1]。这气候有很强的季节性依赖性的影响引起的世界范围的压力模式作用于区域(2- - - - - -4]。

在夏天,亚速尔群岛反气旋在地中海盆地和意大利南部进行了扩展,支持发展的干燥,气候温和。微风发行量发展沿着海岸(陆微风)和内陆(山谷发行量)[5- - - - - -7]。

在冬天亚速尔群岛反气旋撤退和西伯利亚高扩展北欧有利于气旋的发生在意大利南部。这些飓风可能形成盆地内,经常发起为二级风暴之发展形成,或从外部进入盆地(8- - - - - -11]。

地貌在意大利南部的气候产生重大影响。其中存在一个温暖的海洋和亚平宁山脉的山岳志达到顶峰,全国从南到北,是特别重要的。

地中海中央调节推微风沿着沿海地区政权,最终与山谷流,因为它是一个温暖的海洋,它确保大型水蒸气可用性的风暴发展区域。如果合适的条件得到满足,大海有利于对流不稳定和极端降水,在几项研究报道意大利南部([12,13),例如)。

山的存在也对当地的天气和气候产生重大影响。除了山谷流的发展和地方政权的相互作用引起的地形与风符类流,影响控制的数量和分布在意大利南部降水。气候研究[4]显示降水梯度的存在之间的西部和东部南部意大利亚平宁山脉的存在造成的。此外,地形提高当地降水冷锋隆起(14- - - - - -16)或集中降雨在局部地点(17]。

上述特点使意大利南部一个具有挑战性和有趣的国家气候和天气的研究。然而,大多数的文献关注区域是基于案例研究的方法,指的是研究恶劣天气(18]。所以,数值天气预报系统的验证在意大利南部仍然缺乏,尤其是对参数不同于降水。

这项工作的目的是评估预测的性能在高空间(3公里)和时间(O (1 h))分辨率的表面参数:温度、相对湿度、降水、风速和风向。

一整年的验证(2012年12月1日- 2013年11月30日),由于季节性的重要性迫使该地区的天气和气候,分析提出了为每个季节。

本文考虑另一个问题是改善表面参数的预测(温度、相对湿度和风速和方向)的统计方法,即模型输出数据(金属氧化物半导体,19,20.])。的确,在复杂地形表面参数的预测,意大利南部,是困难和影响动力学和物理错误。除了缺陷的物理参数化模型的动力学,次网格现象,诱导的小型水体的存在或当地地形、天气预报有重要的影响。由于这些问题,预测可以减少系统误差影响,统计方法(21,22]。

在本文中,一个简单的金属氧化物半导体的性能,为每个预测值与一个预测,调查,统计MOS评估改进的鲁棒性。

本文的组织结构如下:在部分2我们给出了公羊模型配置,观测数据集用于验证,用于预测和统计分数评价;分数部分所示3以及影响的MOS预报统计数据。

2。数据和方法

2.1。公羊模型配置

本研究的模拟是由公羊模型。公羊模型给出的详细描述(23),下面是一个简短的描述模型的设置。公羊模型也是操作在意大利南部24),而本文的结果显示升级的模式设置。两个双向嵌套域12公里,3公里水平分辨率,分别使用(表1,图1(a))。第一个网格覆盖地中海中部盆地而第二个扩展了整个意大利南部。35垂直的水平,到21797年的地形跟踪坐标系,用于这两个领域。水平不等距的:下层1500 a.g.l. 50到200米厚,而层在中间和上部对流层(> 7000 a.g.l。) 1000米厚。

土地ecosystem-atmosphere反馈模型(叶)用于计算土壤之间的交换,植被和大气25]。叶表面特征的表示,包括植被、土壤、湖泊和海洋,和积雪,及其相互影响,大气。

明确解决降水计算从大量微观物理学预后方程的混合比率七水类:云水、雨、原始冰,雪,骨料,霰,冰雹26]。雪、骨料和原始冰被假定完全冻结;水和雨是云液态水,而霰和冰雹是混合相位的类别。计划使用广义伽马size-spectrum和使用一个随机收集,而不是一个连续的吸积。该计划包括一个热量收支方程对每个水汽凝结体类,允许热存储和混合阶段水文气象的存在。

Sub-grid-scale对流效应和nonconvective云参数化后莫伦纳和Corsetti27郭的]提出一个简化的形式方案(28),占上升气流和下降气流。

公羊的参数化解决运输使用k理论,协方差的评价作为涡流的产品混合系数的梯度运输数量。水平方向的湍流混合参数化后Smagorinsky [29日],它与流体的混合系数的应变率的影响,包括修正Brunt-Vaisala频率和理查森数(30.]。

full-column,二束单波段辐射方案用于计算短波和长波辐射(31日]。计划占大气中冷凝,而不是是否云,雨,或冰。

使用这个模型配置,一年的预测(2012年12月1日- 2013年11月30日)被收集。天气预报开始,每天12 UTC,持续每小时84 h和模型输出可用。前12小时的预测是向上时间和被丢弃的验证过程。这一次就足以达到一个动态平衡的物理和动力学模型的组件,在此前的一项研究中报道(32]。初始和边界条件的ECMWF操作分析和预测周期在12 UTC。

2.2。观测数据和验证的温度、相对湿度、风速和风向

观测数据集用来量化模型性能的温度、相对湿度、风速、风向是由SYNOP电台的报道,陆地和移动,通过GTS分布。

验证,预测是双线性插值SYNOP观察的位置。统计已经计算了公羊嵌套域(意大利南部)GTS计数42表面土地站(图1(b))。可用的报告从10为每个预测时间取决于42天。即使有相对更多站在沿海地区比内陆,SYNOP站是可靠的和有弹性的报告给一个独特的样本的预测验证。这是很重要的对于评估未来发展的经营模式。

除了42 SYNOP土地站,SYNOP移动电台的报道被认为是(图1(c))。然而,报告可用于移动电台比土地站少得多。例如,图1(b)显示了每个报告的多样性42 SYNOP地面站发出的在春天小时预报。多样性是由加法计算在整个春天。大多数电台的多样性大于85。

移动站的情况是不同的。图1(c)显示了移动电台的报道多样性对整个春天被选中,预测时间最大化可用的报告。这次有80移动站,不过多样性是,在大多数情况下,一个。

类似的结果数据1(b)和1(c)被发现在其他季节和预测时间显示更多的数据用于土地站而移动。这一点部分将进一步考虑3所示。1。

温度,实现一个简单的修正来解释之间的差距的真正高度表面气象站,公羊模型对应的坐标。特别是,指图2在车站,温度是由 在哪里和双线性插值的重量,的高度,是温度,垂直温度梯度。这种梯度计算的模型输出考虑车站周围的网格点。

其他参数没有使用双线性插值的梯度(即调整。,(1),)。

不同的统计分数计算如下。(我)偏见或平均误差(以下也偏见)措施平均模拟和观测的区别: (2)平均绝对误差(以下简称ABS)措施的平均振幅的模拟误差对观察: (3)均方根误差(以下也RMSE)措施之间的均方差距观察和模拟数据: 在哪里是observation-forecast对进入统计的总数。这个数字变化在不同案件的数量取决于可用的GTS报告。

错误计算12个月(2012年12月1日- 2013年11月30日)。考虑的重要性在意大利南部气候季节性周期,统计显示不同的季节。

验证的降水预测不同的数据集,因为数据可以通过使用GTS太稀疏,太少的充分验证。数据集和随后的方法来验证部分中讨论的降水场3所示。2。

3所示。结果

3.1。验证模型的性能

图3显示了温度偏差和RMSE。统计数据都显示来,在那里是最初的预测时间。每12小时图中显示结果。12小时,36岁,60岁,84表示00 UTC (LST = UTC + 1 h),而24小时、48和72是12 UTC。

不含春的偏见,当一个小正值(< 0.1 K)显示,所有值是负的,和预测低估了观察。没有特别的依赖,最大的绝对值是不同季节根据预测时间。较大的偏差显示了明显的昼夜循环在12 UTC(绝对值,,)。

图3 (b)显示的RMSE温度。值在2 K对大多数预测时间和季节。冬季和春季最小值,而最大的值是夏天和秋天。一个重要行为RMSE所示是在夏天昼夜循环。00的RMSE大约是2 K UTC虽然增加了3.2 K 12 UTC。也注意到小RMSE增加预测时间。

考虑到相对湿度(图的统计数据4),大多数预测的偏差显示负值时间和季节。特别是,从−1%值降低−3%在春天,与此同时,在冬天从−1%−1.5%在。夏天的昼夜循环显示最大绝对值偏差发生的00 UTC (−3.5%)。秋天显示了一个正偏压(1.5%),几乎与积分时间常数。

RMSE(图4 (b))显示了不同预测时间相当恒定值(根据季节12 - 16%)。为冬季和秋季最小值,而最大的错误发生在夏季和春天。至于温度,有一个小RMSE预测时间的增加。

考虑到风速的统计数据(图5)我们注意到不同的行为相比,冬季和秋季夏季和春天。在冬天和秋天所有预测的预测低估了观测值,值从−0.3 m / s−0.7 m / s。在夏季和春季明显的昼夜循环显示负值在00 UTC和小值,根据预测时间,积极或消极12 UTC。

的RMSE风速(图5 (b))范围介于2.0和2.8 m / s。最大的值是冬季和春季,夏季和秋季的最小值。

图6(图显示了偏见6(一))和RMSE(图6 (b)风向)。−6.5和3度之间的偏差范围,根据季节和预测时间。没有特别的行为偏差的季节或预测时间如图6(一)。这是预期的考虑,而验证数据集(数据的均匀分布1(b)和1(c)),沿海,与西方或东方大海的表面。

风向的RMSE值介于55°、75°之间根据季节和预测时间。有一个小的错误预测时间叠加昼夜循环。正如所料,这个周期是在夏天更加明显,当最大的错误发生在00 UTC。

比较的结果数据5和6夏季和冬季,我们注意到,在夏天风速误差较低,而在冬天风方向误差较低。这种行为是由当地发行量,主导当地气候在夏天。特别是,因为几个SYNOP站(数字1(b)和1(c))在海边或在海事领域的海风中起着重要作用[33,34]。

在夏天,风速较低和更大的比在冬季昼夜循环。在这些条件下风向是可变的,特别是对于低风速,在00 UTC(图6)。在冬季夏季风速大于和发行量是专注于特定的方向,决定,从案件的情况下,天气迫使规模。

天气预报不能够遵循大的可变性的风向夏天比冬天更专注的方向,所以风方向的错误在夏天比冬天更大。

另一方面,模型更能够预测低风速和定期在夏天昼夜循环相比更强的风在冬天发生。

详细分析更多的昼夜循环错误和不同的行为在赛季中,数字7和8的时间序列的观测和预报温度和风速在冬天和夏天。时间序列观察和预测的平均值计算出第二个域公羊的预测。

考虑到温度在冬季和夏季,我们注意到在夏天昼夜循环的更大的振幅。在冬季和夏季模型低估了观察到的温度,尤其是白天,确认的结果图3(一个)。

在冬季风速较大(图7 (b)比在夏天(图)8 (b))显示天气尺度的重要性迫使在这个季节。在夏天有明显的昼夜循环风的速度,造成当地发行量。冬天一个风速昼夜循环也存在,但其振幅比夏季低。也注意到预测高估了昼夜循环的振幅在冬天,这是另一个误差源造成更大的RMSE在冬季比夏季风速。

我们也注意到预测低估了风速在夏季和冬季(参见图5(一个))。

的统计数据3- - - - - -6显示结果考虑土地和移动SYNOP报告。这将是有趣的考虑模型的性能在海事领域,最终把这个结果与发现的土地。

这个分析是困难的在本文的上下文中,因为记录的数量可以从移动电台绝对值较小,和远小于土地(静止)电台的报道。图9(一个)显示了土地记录的数量和移动站在夏天的风速。记录的数量可供SYNOP土地站在1900年至3000年之间,根据预测时间,而报告SYNOP移动所有预测不到100倍。类似的结果发现其他季节和其他参数,确认数量较小的海事领域的数据相比,土地。此外,图的结果9(一个)显示统计数据3- - - - - -6是目前由SYNOP-land站。

限制可用的小数据集,发现错误在海事领域符合整个数据集的所有参数,但风速。更具体地说,偏见和RMSE温度、相对湿度和风向海上区域有时小有时比那些数据3,4,6,但他们不显示一个特定的行为相比,对整个数据集的结果。

风速,然而,更大的错误在海事领域相比,土地(图9 (b))。这是所有季节和预测时间验证。风速偏差对整个数据集是负所有季节,大多数预测时间显示模式倾向于低估表面风(图5(一个))。表面风的低估是加剧了海上区域(图中未显示)确定一个更大的RMSE。表面风速的低估,尤其是对海事领域,可能是多种因素的结果。,公羊的物理参数化模型中的错误,缺乏大气模型和海波之间的耦合模型,低数量的原位大气模型数据同化的大海相比在土地,可以扮演一个角色。这些问题的详细调查,然而,需要一个更大的数据集和一个更大的域扩展比考虑这项工作为研究主题在不同地形和气象条件。由于这些原因,评估模型的性能在海事领域及其与性能比较的土地将在未来的研究中详细调查。

3.2。验证的降水预报

如上所述的末尾部分2,GTS降水太少,太稀疏数据充分验证的预测,所以这个领域在卡拉布里亚地区(图验证了10每天),第一,第二和第三天的预测。卡拉布里亚的选择是出于三个主要原因:(a)卡拉布里亚代表的地中海气候4];(b)卡拉布里亚的密集网络non-GTS雨量数据。更具体地说,我们认为135年雨量数据网络,而均匀分布于该地区(图10);(c)数据库的日常降水维持在ISAC-CNR卡拉布里亚(35),确保数据的质量,质量检查过程中详细费德里科•et al。35]。

四点法(36)是采用验证的降水预报。在这种方法中,模型和观测降水之间的差异在车站周围的四个网格点计算。然后降水模型与观察最小的差异被认为是预测的价值。以这种方式在降水领域转变公里被认为是可以忽略的。

在应用四点方法之前,两个或两个以上的降雨雪站在相同的公羊模型的网格单元分组在一个super-observation,过的降水是由平均降雨记录下车站在网格单元(相同)。

统计验证是由计算2×2应急表不同的降水阈值,即0.2,1、5、10、20、40、60毫米,60毫米作为阈值通常被认为是严重的地中海盆地降水事件(18]。特别是,从,假警报,错过,正确预测检测的概率(POD)误警率(远),偏见,和公平的得分威胁(ETS)计算(22]: 降水预测评估的性能预测的三天,不过没有特别的差异被发现在三天,所以以下讨论的重点是预测的第二天。

图11显示了偏见,豆荚,远,ETS的第二天预测全年。0.2毫米的偏差是0.9阈值,但它在很大程度上减少对其他阈值。它的值是10毫米阈值大约0.3和0.2阈值大于10毫米。偏差显示模型低估了降水区域尤其是对阈值大于5毫米(偏差< 0.4)。

尽管偏差值小,降水模式预测是正确位置。这是ETS的价值所示,这是对所有阈值大于零,表明预测的有效性。因此,尽管模型低估了降水区域,它正确地预测它的位置。

豆荚分数随阈值增大而减小。特别是0.2和1毫米的阈值,POD大于0.6显示,超过60%以上的降水预报这些阈值与观测共存。POD和偏差值之间的相似之处,尤其是对阈值大于5毫米,显示和想念都远远大于假警报。例如,对于40毫米阈值,,和。

遥远的分数显示了一个减少到10毫米的阈值,然后稳步增长,这种行为是典型的几种气象模型(37]。值得注意的是,豆荚大于阈值但60毫米,显示良好的预测性能,尽管干燥的预测。

考虑不同季节的分数,我们注意到行为的冬天,春天和秋天是全年类似发现,虽然夏天的分数有不同的行为。这是预期的变化在卡拉布里亚的夏季降水机制。事实上,在春季,秋季和冬季的降水主要是通过大规模的风暴(包括subsynoptic系统的空间扩展,然而,比卡拉布里亚半岛(18]),在夏天当地强制(如影响,海洋表面温度,低层大气)的稳定性是一个关键因素触发对流,和降水往往是局部的,不扩大在其他季节降水模式相比发现。夏季降水预测更加困难比其他季节(18]。

图12显示了夏季的降水分数。偏差大于1为每天0.2和1毫米降水值,然后减少对于较大的阈值,为20毫米阈值为零。ETS在0.15和0.4之间的10毫米的阈值,那么20毫米阈值降低到零。豆荚从0.8(0.2毫米阈值)降低到0(20毫米阈值),而从0.2减少到10毫米的阈值,那么20毫米阈值是1。

的结果图12表明该模型无法赶上本地化(即中等强度降水点。> 10毫米/天)在夏天发生在卡拉布里亚(35]。相反,该模型能够捕捉,高估,引发的small-precipitations当地发行量,在夏天卡拉布里亚(典型的7]。

3.3。统计预测的金属氧化物半导体

这一段我们展示一种广泛使用的后处理技术的影响,也就是说,金属氧化物半导体(19- - - - - -22),为提高预测。

有两个基本原因应用MOS的输出数值天气预报(nwp)模型。(一)数值天气预报并不完美,系统误差(偏见)。统计预测可能补偿和纠正这些偏差。(b)数值天气预报的同质化表面条件,因为他们代表了现实与有限数量的网格点。这代表了重要的小规模的影响(造成的,例如,通过小表面水体或当地地形的存在),可能对当地的天气和气候有重要影响。数值天气预报之间的统计关系可能产生输出和期望的预测数量给现实世界的进一步表示。金属氧化物半导体已经应用于气象参数:温度、相对湿度、风速和风向。

为每一种预报值预测。特别是,MOS预报值的回归曲线是气象参数观察在车站在预测模型预测预报值。

以下方法是用来量化的影响MOS预报:MOS回归方程计算使用90%的数据和应用于剩下的10%给的数据预测。这个过程重复50次,随机选择90%的数据用于MOS回归的计算。对于每个MOS预报,RMSE被计算和比较,获得不使用金属氧化物半导体。

提出了以后,为了简便起见,结果只有春天,然而其他季节也发现类似的结果。

图(13日)显示了rms的区别(ΔRMSE)不使用金属氧化物半导体和使用金属氧化物半导体的表面温度。正数意味着由MOS预报提高。考虑到平均的ΔRMSE fifty-MOS应用,改善~ 0.4 K是所有预测时间了。提高约20 - 30%的RMSE没有MOS(即。,2 K的春天,图3 (b)),显示出一个重要的MOS预报的影响。结果是统计健壮的因为有一个改进的五十MOS和第25百分位显示了改进大于0.2 K对所有预测倍,也就是说,大于10%的RMSE没有金属氧化物半导体。

由MOS进一步量化预测的改进,我们进行了春季的预测不使用第二种公羊域(3公里水平分辨率,图1)。这个预测的水平分辨率是12公里,考虑到研究区复杂的山岳志,水平分辨率的一个重要影响表面温度的预测。虚线(G1-G2)在图(13日)显示天气预报的RMSE区别使用只有一个网格(G1, 12公里水平分辨率)和预测使用域(G1, G2, 3公里水平分辨率)。积极的差异意味着改善预测的使用领域。

正如所料,提高横向分辨率的影响是明显的最大值RMSE G1和G2约0.6 K的区别。然而,有趣的是,改善了通过提高从12公里水平分辨率3公里就是所获得的金属氧化物半导体比得上。以其他的术语来说,使用金属氧化物半导体第二网格预测预报具有积极的影响,这是相同的顺序,由增加从12至3公里水平分辨率。

这些结果显示使用一个统计校正的重要性作为公羊MOS预报,尤其是考虑到有限的MOS所需的计算时间。

图13 (b)量化的影响相对湿度的MOS预报。使用金属氧化物半导体的改善是大约2.5%,必须的RMSE ~ 15%相比不使用金属氧化物半导体(图4 (b))。结果在统计上健壮和第25百分位大于2%的改善对于大多数预测时间。改善了MOS大于由提高横向分辨率从12公里到3公里。

风速的结果,图13 (c)显示,金属氧化物半导体的一个积极和重要的影响。ΔRMSE 0.3 m / s以上所有预测,也就是说,10至20%的RMSE没有MOS (2.5 m / s,图5 (b))。结果是统计健壮因为所有的50金属氧化物半导体应用程序给预测的改进,对于大多数预测倍大于10%。改善了MOS大于增加预测获得决议从12至3公里。

图13 (d)金属氧化物半导体应用程序的显示了结果的预测风向。ΔRMSE平均显示了所有预测时间积极的价值观和有一个改进的使用MOS预报。然而,金属氧化物半导体的影响可以忽略不计,12 UTC,中午晚上虽然增加,当ΔRMSE值在5°。

结果在统计上不那么健壮的风向相比其他参数,因为使用MOS预报是有时比,没有金属氧化物半导体(ΔRMSE < 0)。然而,ΔRMSE第25百分位是积极的预测,特别是在夜晚,显示有用的MOS预报的风向。

最后,我们注意到,RMSE昼夜循环显示的所有参数(数字3- - - - - -6镜子在ΔRMSE的昼夜循环。春天发生这种情况特别是相对湿度、风速和风向。

4所示。结论

本文展示了预测系统的性能,基于公羊模型和操作在ISAC-CNR,主要集中在意大利南部的水平分辨率模型网格是3公里。这个预测是一个升级的操作设置已经可以在意大利南部24]。

后三天的预测执行和输出保存每一个小时。性能得到了量化表面温度,相对湿度,风速和风向,沉淀。除了降水、GTS气象站的数据,土地(不动)和移动,都是用于预测验证。这个网络有42观察土地站在意大利南部和数量可变的移动报告。

non-GTS雨量计网络,计算135年雨量数据在卡拉布里亚,被用来验证降水预报。

预测性能提出了不同季节因为季节性的重要性迫使意大利南部的天气和气候。

结果表明,RMSE温度2 - 3 K, 12 - 16%相对湿度,2.0 - -2.8米/秒的风速和风向55 - 75°,根据预测的时间和季节。不同参数的RMSE显示了明显的昼夜循环,特别是在夏天。例如温度在夏天的RMSE 2 K在夜间,而它增加到3.2 K。

增加的RMSE预测时间是订单的10%的初始RMSE温度、相对湿度、风速和风向。

分数的降水预报显示出明显低估降水地区,尤其是对阈值大于10毫米/天。尽管干燥模型的行为,但降水模式很好地预测和公平的得分威胁(ETS)对于大多数阈值大于零,表明预测的有效性。

即使是不能直接比较的错误提出了与那些来自其他预测系统,由于预测期的差异和地区的考虑,有趣的是本文讨论的结果类似的框架在地中海盆地工作。

最近的一篇论文的戈麦斯et al。37]介绍了实时预测系统的性能基于公羊模型在瓦伦西亚地区3公里水平分辨率。比较是针对18表面气象站相当均匀分布在该地区。期长于分析,本文认为,覆盖四年(2007 - 2010)。

他们的结果显示2 - 4 K的RMSE温度,15 - 30%的相对湿度和风速2 - 4米/秒,根据季节和预测时间(天之间他们分裂的分析,即。、13:00 UTC,即。凌晨UTC)。他们还发现了一个重要的内陆和沿海站之间的性能差异。这种差异并不在我们的研究讨论,因为我们没有找到系统的错误内陆和沿海地区之间的差异。然而,我们的结果是,至少在某种程度上,由相对较少的内陆站考虑我们的工作。

对降水预报,本文的POD和ETS的性能是一致的或比在37),然而本文中使用的公羊低得多的偏见。虽然这种差异可能是由于不同的一部分地区和时间考虑,本文的公羊模型低估了降水地区,尤其是对阈值大于5毫米/天。这个问题将在未来的研究中详细调查。

另一篇论文讨论实时预测系统的性能是Kotroni和Lagouvardos38]。他们的工作操作使用MM5[发布的预测39]在雅典。以下两天的预测验证了使用四个地面气象站2002年在雅典的城市地区。他们的分析显示了ABS的RMSE结果提出了对于每一个站,而我们的研究显示累积统计在整个意大利南部。特别是,ABS之间的温度是1.2和3.2 K, ABS对风速1.3和2.2 m / s和ABS之间风向是20到45°,根据季节,预测时间和车站的位置。我们的结果跨度更大的间隔的ABS性能相比38因为站更多的考虑。然而,我们大多数的abs在报告的值(38]。

上面的比较,即使定性表明,预报系统的性能提出了符合他人在地中海盆地和对未来计划是有用的活动和发展。

本文的一个重要研究对象的改善预测性能通过金属氧化物半导体统计预测,除降水。金属氧化物半导体是一种有效和计算减少预测误差,因为它便宜的方法补偿模型偏差和缺失的重要的小规模的影响,对当地天气可能有重要影响。

结果表明,金属氧化物半导体应用程序减少了模型误差对所有参数。特别是,根据预测时间,RMSE减少温度20 - 30%,10 - 20%相对湿度和风速和风向的0 - 10%。因此昼夜变化的RMSE认为所有参数,改进预测金属氧化物半导体显示昼夜循环。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这部分工作由项目PON04a2_E Sinergreen-ResNovae,“智能能源大师的充满活力的政府领土”和PONa3_00363气候和环境监测”“高技术基础设施由意大利的大学和研究其(MIUR) 2007 - 2013。ECMWF和CNMCA (Centro重回di Meteorologia e Climatologia)承认使用火星(气象归档和检索系统)。在卡拉布里亚ARPACAL被公认为降雨数据。作者承认的匿名审稿人有用和建设性的意见,提高论文的质量。