探空資料測低溫

因數值預報準確度的提高, 就像熱帶氣旋路徑, 香港秋冬寒潮的幾天預測基本上是一個已解決的問題. 當然還有失準的可能, 例如在下雨和不下雨之間, 會出現日間氣溫不升甚至稍為下跌的情況. 目前只能依靠實況以人手修正.

怎樣運用數值預報來做溫度預測自然是一個非常實用的課題. 以歐中模式資料為例, 民間雖然只有海平面氣壓場, 850 hPa 風場和 500 hPa 高度場, 但仍然有可能從中發展一套低溫的客觀預測方法. 以下是簡單"食譜", 是否可行則要以實踐來證明.


步驟:

1. 下載京士柏探空資料 ftp://ftp.ncdc.noaa.gov/pub/data/igra/data-por/45004.dat.gz
解壓, 將 00Z 的 1000 hPa 及 500 hPa 資料抽出來, 用最近十年資料應以足夠. 這步驟最好用 shell script, 小弟則較喜愛用 perl.

2. 用 1000 hPa 資料演算海平面氣壓. 方程為
其中 h 和 t 為 1000 hPa 的高度(meter)及溫度(Kelvin).

3. 以 slp 和 h500 為變數, 測試它們(或它們的組合)和 t1000(或地面溫度)的關係, 繼而訂立一條預報方程: 輸入為 slp, h500, 輸出為京士柏溫度. 這裏也可以按不同月份分開來做. 我們知道海平面氣壓和地面溫度有一定關係, 所以可先做 slp 和 t1000 的相關看看. 溫度也直接和厚度有關, 因此 h500 也有機會和溫度相關. 具體要用哪組合和方法(如多元線性還是別的), 要做過才知道.

4. 每天從 NCEP 網站 ftp://ftpprd.ncep.noaa.gov/pub/data/nccf/com/mrf/prod/ 下載歐中的 00 Z 格點資料, 以插值方法算出 72, 96, ... 小時京士柏的海平面氣壓和 500 hPa 高度, 並以第 3 步的方程求出京士柏溫度預測.



以上是在有限的資源下可以嘗試的方法. 如用其他模式(例 GFS), 則有更多資料場可用而預報方程會更可靠. 日常溫度預測還有其他方法, 其中一個是以卡爾曼濾波(Kalman filter)來修正(bias correction)模式資料與觀測資料的系統性偏差.