泰州市气温多模式集成预报系统的建立与评估

基于欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心3个中心的气温模式预报资料，采用多模式简单集合平均(EMN)、滑动训练期消除偏差集合平均（Running Training Period Bias removed Ensemble Mean，R BREM）、滑动训练期超级集合预报（Running Training Period Superensemble Forecast，R SUP） 3种多模式集成方法，通过均方根误差（Root Mean Square Error，RMSE）和距平相关系数（Anomaly Correlation Coefficient，ACC）两种检验评估方法，比较了气温的单模式预报和多模式集成预报结果，建立了针对江苏省泰州市的地面气温多模式集成预报系统。结果表明：对于该市08：00和20：00起报的气温预报，R BREM均是相对最优的多模式集成方法，且基于该方法的多模式集成预报结果明显优于单模式预报结果，其RMSE相对于最优单模式减小了0.5 ℃左右，ACC增大了约0.16，改进效果显著。同时，将R BREM方法投入到泰州市的日常气温业务预报中，有效提高了业务预报准确率