基于CNN-LSTM的珠江河口台风过程实时滚动修正预报

为改善台风预报精度,基于实时滚动修正预报思路,利用卷积神经网络嵌套长短期记忆神经网络（CNN-LSTM）和误差校正（EC）技术,搭建了珠江河口台风实时预报模型。研究结果表明：“滚动预报”比单次预报有更好的路径和强度预报效果,随着模型滚动时间的延长,预报整体精度有逐渐改善的趋势。路径预报结果的均方根误差比单次预报减小了25.67%,强度预报结果的平均绝对误差比单次预报减小了65.04%;考虑误差校正的CNN-LSTM-EC的路径、强度“滚动预报”效果均优于CNN-LSTM,前者的路径预报误差较后者减小了22.57%,强度预报误差减小2.5%。     

基于机器学习的海洋环境预报订正方法研究

结合中尺度数值模式 WRF 预报数据和 ERA5 再分析资料，利用机器学习方法对 WRF 预报场的风场、温度、气压进行预报订正。采用 ERA5 作为真值，与原始 WRF 预报相比，利用随机森林模型可以将预报结果整体均方根误差降低 44%以 上，利用深度神经网络模型可以将预报结果整体均方根误差降低 34%以上。通过随机森林模型实验得到不同输入特征对预报要素的影响程度，分析了关键的预报订正因子。     

高分辨率风场对长江口海域波浪场模拟能力的影响研究——以台风“灿都”为例

长江口海域岛屿众多, 地形复杂多变, 对灾害性海浪模拟和预报能力的提升有迫切需求。本研究基于长江口高分辨率非结构网格海浪模式SWAN(Simulating WAve Nearshore), 结合“两洋一海”区域耦合预报系统模拟风场, 以2021年第14号台风“灿都”为例, 研究了台风轨迹、台风移速和台风风场分辨率等对长江口及邻近海域海浪模拟和预报的影响。结果表明: 风场模型水平分辨率增加有利于台风细结构和台风悬臂状结构的模拟。分辨率增加, 风速整体呈减弱趋势, 但在台风中心(小于两倍最大风速半径)和外围悬臂区域风速增加显著。风场分辨率从27 km提升至9 km和3 km, 波浪模拟精度增加显著, 3 km风场驱动的波浪模拟精度最高, 继续提升风场分辨率至1 km对波浪模拟无明显提升。改变风场模型分辨率同时会影响台风路径和移动速度。波浪场的差异反映了台风结构、路径和移动速度的共同影响, 由于波浪的波动传播属性, 台风浪的差异一般比风场差异的范围更大。     

HY-2卫星高度计波高资料在集合最优插值同化中的应用研究——以台风“Lipee”为例

基于海浪模式SWAN（Simulating Waves Nearshore）,以台风“Lipee”为例,开展了集合最优插值（EnOI）同化HY-2卫星高度计有效波高（SWH）资料的台风浪数值预报影响研究。结果表明,利用HY-2卫星高度计波高资料结合EnOI方法进行同化,可有效改善海浪初始场质量,同化对绝对误差的改进可达15%,均方根误差改进14%。同化对预报误差、均方根误差都有一定程度的改进,其中在0~24 h预报时效内的改进最为明显,绝对误差可改进12%,均方根误差改进13%。研究结果不仅可为海洋预报、同化提供参考,而且可为进一步加强HY-2卫星高度计资料的应用提供技术支持。     

新一代静止气象卫星葵花8号的晴空红外辐射率资料同化对台风“天鸽”的预报影响研究

本文以2017年第13号台风“天鸽”（Hato）为例,在WRFDA同化系统中结合日本葵花8号（Himawari-8）资料,通过同化Himawari-8晴空红外辐射率资料并进一步考察其对台风“天鸽”的结构、强度、路径分析和预报的影响。研究结果表明:同化Himawari-8晴空红外辐射率资料对台风背景场的水汽相关变量分析有显著改进,对背景场中的台风水汽信息有一定的改进作用。与控制实验,即没有同化Himawari-8晴空红外辐射率资料的实验相比,加入同化实验对台风“天鸽”的风场、500 hPa气压场的分析效果有所提高,台风气旋性环流加强,并进一步改进了对台风“天鸽”的路径、台风中心最低气压和近中心最大风速的预报。平均路径误差和降水预报相对于常规观测变量的均方根误差均有所改善。     

深圳香港海域浪潮耦合模型的建立及其应用

以河口海岸海洋模型ECOM和第三代海浪模型SWAN为基础,以全球天文潮预报模式TPXO6.2和台风参数模型风场及气压场作为驱动,采用海洋-陆架区-海岸三重嵌套网格,建立了适用于深圳香港水域天文潮-风暴潮-台风浪耦合模型。以0814号台风"黑格比"为算例,进行了耦合模拟计算,计算结果显示,天文潮、风暴潮位和浪高与实测值符合良好,天文潮的均方根误差小于0.15 m,有效波高误差0.9 m,风暴高潮位平均误差0.23 m;并分析了风暴潮位和波浪的相互影响,以及深港水域波浪场的分布,4 m水深考虑风暴潮位影响有效波高提高0.40 m,沿岸波浪增水在0.20 m以内。     

2019年8-10月长江口近岸海上风电场风浪预报

针对长江口近岸海上风电场,利用2019年8—10月NCEP全球天气预报产品和第三代海浪模式Wave Watch Ⅲ的全球预报产品做上海长禁五号、长江口灯船和东海浮标站的单点预报,利用这些站点的观测数据,针对风电场的需求评估预报精度。结果表明:全球天气预报产品中的风速预报对区域内的单站预报结果有一定参考价值,大于6 m/s风速的24 h预报准确率达到46.3%;使用递减平均法可以使风速预报的均方根误差减少10%～14%,预报准确率提高为57.0%。全球海浪预报结果在长江口近海较精确,长江口灯船站48 h预报有效波高均方根误差在0.25 m以下,相关系数高达0.80。在台风极端天气条件下,全球天气预报产品对长江口风速仍有一定的预报技巧,但最大风速的出现时间滞后6 h左右。全球海浪预报产品的预报技巧与无台风情况下没有明显差别。     

一种动态权重的台风集成预报方法

提出了1种动态权重的台风路径与强度集成预报方法,根据前4个时刻(24h,间隔6h)的预报误差来滑动确定接下来预报所用成员及其权重。设计了3种权重形式(最小误差、绝对偏差与相对偏差),并利用2013—2015年6家气象机构的台风预报数据,对台风路径与强度进行了时效为24,48和72h的预报应用检验。结果表明:1)动态权重集成方法在台风路径与强度预报上均有改进,平均预报误差小于单一成员的预报误差。2)路径预报以绝对偏差形式效果最佳,24,48和72h时效的预报误差减小2.4%～40.4%;强度预报以相对偏差形式效果最佳,3个时效的台风最大风速的预报误差减少11.2%～49.9%,而台风中心气压则为11.9%～52.6%。3)相对偏差动态集成预报能有效减小西北太平洋台风在东西方向上的偏差,24和48h均方根误差分别为92.5和146.7km。     

基于SVM的海浪要素预测试验研究

采用支持向量机对海浪要素中的有效波高进行预测,采用风场和波浪场作为学习要素,对比不同特征向量对有效波高预测结果的准确度。取台湾岛东部海区作为实验区域,使用NCEP再分析的数值模式数据作为学习样本。选用支持向量分类机,建立了4组不同特征向量的模型进行海浪有效波高的预测,并对4种模型的结果进行比较和分析。实验表明,当输入的特征向量过多或过少时,会对模型的预测结果和计算效率产生不同的影响。当使用风场和波浪场共同作为特征向量进行学习时,在该区域预测结果与模式预报结果相比更接近,相关系数将近99%,均方根误差约0.2 m。     

基于Stacking机器学习模型的南海北部海温预报

基于Stacking(ET-ET)的机器学习算法,利用美国国家环境预报中心再分析数据和MGDSST海温融合数据,建立了一套高效的海温长期预报方法,并在南海北部海域开展了1 a的表层海温长期预报实验。结果表明：基于Stacking(ET-ET)机器学习模型的表层海温长期预报的均方根误差降至0.52℃,平均绝对百分比误差降至1.58%,明显优于基于支持向量机、人工神经网络和长短期记忆模型的预报结果。     

台风风暴潮异模式集合数值预报技术研究及应用

台风风暴潮数值预报的准确性在很大程度上取决于台风路径预报和强度预报的精度以及风暴潮预报模型的计算精度。目前,国际上24/48 h台风路径预报平均误差分别约为120/210 km左右[1],对于走向异常的台风误差更大;更有,根据单一的台风路径和单族的风暴潮数值预报模式并不能保证获得可靠的风暴潮预报结果。考虑多重网格法原理具有在疏密不同的网格层上进行迭代以达到平滑不同频率的误差分量,使得计算快速收敛,精度提高的特性。在前期研究基础上基于业务化高分辨率(结构网格/有限差分算法)和精细化(非结构网格/有限元算法)台风风暴潮集合数值预报模型构建多模型台风风暴潮集合数值预报系统。采用"非同族"模型进行集合预报很大程度上降低了误差相似遗传的可能性。应用该方法对典型台风风暴潮过程进行了试应用,试报结果表明:该方法对风暴潮增、减水预报效果高于单一集合预报,具有一定的应用前景。     

基于WOA-LSSVM的海底沉积物物性参数建模

电阻率测量是海底沉积物工程地质勘察的主要原位观测方法之一,作为一种间接测量方法,需要建立沉积物物性参数与沉积物电阻率的回归模型。为提高建模精度,本文提出了一种基于鲸鱼算法优化的最小二乘支持向量机(Whale Optimization Algorithm-Least Squares Support Vector Machine,WOA-LSSVM)的海底沉积物物性参数与电阻率回归建模方法。该方法建立了海底沉积物电阻率与沉积物4种基本物性参数(含水率、密度、孔隙比、塑性指数)的单输入、单输出最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)回归模型,利用WOA算法对LSSVM参数进行寻优取值。对比研究了WOA算法、遗传算法(Genetic Algorithm,GA)、粒子群(Particle Swarm Optimization,PSO)算法优化的LSSVM建模结果,结果表明,基于WOA-LSSVM建立的海底沉积物物性参数与电阻率的回归模型具有更好的预测效果,均方根误差降低1.1%～14.9%,平均绝对百分比误差降低0.4%～19.9%。     

数值模式与统计模型相耦合的近岸海浪预报方法

针对数值模式和统计模型预报近岸海浪存在的局限性,构建了数值模式和统计模型相耦合的近岸海浪预报框架,在模式计算格点和近岸预报目标点之间定义一个海浪能量密度谱传递系数,通过经验正交函数分解和卡尔曼滤波方法建立传递系数的统计预报模型并与数值模式进行耦合。经过对近岸波浪观测站1a的预报试验表明:该方法能够提高近岸海浪有效波高预报精度,有效波高的均方根误差降低了约0.16m,平均相对误差降低约9%。进一步试验和分析发现,该方法的预报有效时间小于24h,将海浪能量密度谱经过分解后得到的基本模态反映了近岸波侯的主要特征,海浪能量密度谱传递系数的变化体现了波侯的季节变化特点。     

不同 AMDAR资料同化时间窗对台风“摩羯”预报影响研究

2018年第14号台风“摩羯”对山东造成了大范围暴雨和大风天气,基于WRF（Weather Research and Forecasting）模式及其Hybrid-3DVAR混合同化预报系统,对Hybrid-3DVAR不同集合协方差比例和不同航空气象数据转发（aircraft meteorological data relay,以下简称AMDAR）资料同化时间窗对台风“摩羯”预报的影响进行了数值研究。结果表明：加大集合协方差比例对台风“摩羯”路径预报有较大影响和改进;当全部取来自集合体的流依赖误差协方差时,预报的台风路径最好,降水预报也最接近实况;AMDAR资料同化对于台风路径和降水预报也有正的改进作用,但加大集合协方差比例到100%时对台风路径预报影响更大;不同资料同化时间窗会影响同化的AMDAR资料数量,从而影响台风降水精细化预报;45 min同化时间窗的要素预报误差最小,对台风造成的强降水精细特征预报最接近实况;不同资料同化时间窗主要影响台风降水预报落区分布,对台风路径预报影响相对较小。     

“9711”号台风高潮位预报及其经验

对在浙江省温岭登陆的“9711”号台风的风暴潮预报过程作了回顾, 总结了预报成功的经验, 探讨了对海门站预报误差较大的原因。预报实践证明, 正确的气象预报是台风暴潮预报的基础,密切关注风暴的增水变化,随时调整预报值是风暴潮预报的关键。与实测资料比较,“9711”号台风高潮位的预报是及时、准确的,它为进一步提高风暴潮的预报精度和时效积累了经验     

1307号台风“苏力”期间T639风场预报产品的有效性检验及应用

文章利用T639风场预报产品,对发生在2013年7月中旬的201307号台风"苏力"的海表风场进行预报,分析台风的结构特征,并探索性地利用来自我国台湾、韩国的观测资料,检验T639风场预报产品在台风期间的精度,以期可为台风风场预报、防灾减灾等提供科学依据。结果表明:(1)从定性的角度来看,预报风速与观测风速在曲线走势上保持了很好的一致性,预报风速具有较高可信度;综合考虑相关系数、偏差、均方根误差、平均绝对误差,定量地分析发现,预报风速具有较高精度,预报值在数值上稍大于观测值。(2)T639风场预报产品在中国海范围整体上具有较高精度,但在部分小区域没有充分考虑到地形效应。(3)T639风场预报产品很好地刻画了台风"苏力"的结构特征,对台风眼、台风尾迹、大风区等台风的显著特征刻画的较为形象,预报的台风走向与观测路径也大体上保持一致。     

南海上层海洋温度垂向结构的反演

南海上层海洋温度垂向结构对海洋气候研究及海洋防灾减灾具有重要意义,然而由于现场观测数据有限,很难获取高时空分辨率的网格化数据。基于 2007–2021 年的 Argo 剖面数据、海面高度异常数据和月平均气候态数据,评估了两层动力模型和多层回归模型在南海海区反演海洋温度结构的性能。两层动力模型反演得到的 26 ℃(D26)与 20 ℃(D20)等温线深度的均方根误差分别 13.25 m 和 21.12 m,多层回归模型的 D26、D20 均方根误差分别 11.55 m 和 14.32 m。通过对比 2 种模型的结果：多层回归模型在时间与空间上反演结果性能更佳。2 种模型反演的南海上层海洋热含量空间分布较为一致,均能应用于台风“威马逊”的强度评估;然而,在南海特殊的强内潮的背景下,2 种模型得到的 D20 性能都有所降低。     

基于遗传算法-支持向量机模型在热带气旋强度预报中的应用

利用遗传算法对支持向量机(SVM)模型参数进行寻优,找到最优参数组合后代入SVM模型中,得到基于遗传算法的支持向量机模型(GA-SVM),利用此模型对热带气旋强度进行预报实验。该模型对热带气旋强度12 h、24 h和48 h的预报平均绝对误差分别为3.01 m/s、4.46 m/s和6.57 m/s;比最小二乘回归法的预报精度分别提高了12%、11%、14%。     

基于OS071X测波雷达的波浪探测分析

文章利用舟山海洋环境监测站2014年第16号台风"凤凰"过境影响期间,对OS071X测波雷达和3m波浪浮标在同一海域内的波浪探测资料进行了对比验证。通过分析,OS071X测波雷达探测反演的有效波高、周期与3m波浪浮标探测结果对比,二者按先后顺序的均方根误差分别为0.27m和0.29m,相关系数分别为0.93和0.90。结果表明,OS071X测波雷达系统的探测精度得到了验证,能够满足实时探测近岸海域波浪的需求。     

1003号台风“灿都”风暴潮特征分析与模拟

根据粤西沿海4个海洋站潮位资料分析、讨论了“灿都”台风风暴潮特征:利用改进的Jelesnianski风场,并采用耦合天文潮模拟与非耦合天文潮两种方案,对1003号台风“灿都”进行模拟、分析,模拟结果显示:在改进的杰氏风场驱动下,两种预报结果误差都比较小,但耦合天文潮预报结果优于非耦合天文潮预报结果.