南海及邻近海域大气-海浪-海洋耦合精细化数值预报系统研制

本文主要介绍了南海及邻近海域大气-海浪-海洋耦合精细化数值预报系统的研制概况。预报区域为99°E~135°E，15°S~45°N，包括渤海、黄海、东海和南海及其周边海域。为了给耦合预报模式提供较准确的预报初始场，在预报开始之前，分别进行了海浪模式和海洋模式的前24小时同化后报模拟。海浪模式和海洋模式都采用了集合调整Kalman滤波同化方法，海浪模式同化了Jason-2有效波高数据；海洋模式同化了SST数据、MADT数据和ARGO剖面数据。为了改进海洋温度和盐度的模拟，我们在海洋模式的垂向混合方案中引入波致混合和内波致混合的作用。预报系统的运行主要包括两个阶段，首先海浪模式和海洋模式进行了2014年1月至2015年10月底的同化后报模拟，强迫场源自欧洲气象中心的六小时的再分析数据产品。然后耦合预报系统将同化后报模拟的结果作为初始场进行了14个月的耦合预报。预报产品包括大气产品（气温、风速风向、气压等）、海浪产品（有效波高和波向等）、海流产品（温度、盐度和海流等）。一系列观测资料的检验比较表明该大气-海浪-海洋耦合精细化数值预报系统的预报结果较为可靠，可以为南海及周边海洋资源开发和安全保障提供数据和信息产品服务。     

基于遥感数据与数值模式的浒苔漂移输运预报：以江苏近海为例

浒苔暴发是影响全球近岸海域最为严重的海洋灾害之一,引起了社会各方的重视。该研究基于大气-波浪-海洋集合模式,根据卫星遥感数据提取浒苔位置,采用拉格朗日漂流模式对浒苔进行追踪并预报其漂移路径。与卫星观测结果对比表明,该集合模式能够较好地预报浒苔的位置、分布及其漂移路径。此外,该研究还讨论了Stokes漂流对于模式预报的影响,结果表明考虑Stokes漂流可以修正浒苔漂移路径,有效提高预报的准确性。     

黑潮流域海温适应性观测敏感区诊断方法研究

敏感区诊断是适应性观测的关键问题,集合变换卡尔曼方法(EnsembleTransformKalmanFilter,ETKF)是目前主要的诊断方法之一。将集合变换卡尔曼方法应用于海洋环境适应性观测,根据ROMS海洋模式数据构建海表温度集合预报,以黑潮流域宫古海峡附近海域为验证区进行敏感区诊断计算,分析不同间隔时间条件下敏感区分布情况,结合模拟系统观测试验验证在敏感区进行适应性观测对预报质量的提升效果。结果表明,在诊断所得敏感区内添加观测能够提升预报质量;随时间间隔增大,敏感区向上游区域平移且预报质量提升效果减小;与在验证区整体添加观测相比,敏感区观测对预报质量提升效果基本相同并且观测成本明显减少。     

一次黄海海雾的集合预报试验

基于WRF(Weather Research and Forecasting)模式及其杂合三维变分(Hybird-3DVAR)同化模块,对2006年3月发生的一次大范围黄海海雾进行了集合预报尝试。详细分析了其预报效果,并与决定性预报结果作了比较。研究揭示:集合预报50%概率雾区预报的公正预兆得分(Equitable threat score,ETS)优于决定性预报大约29%;集合预报中加入海温扰动非常必要,对浓雾预报改善作用明显,ETS提高至少10%;在集合预报中混用YSU与MYNN边界层方案的做法,可以降低只使用其中之一可能导致的预报误差。研究表明,借助Hybrid-3DVAR开展黄海海雾的集合预报技术上可行,集合预报将成为黄海海雾数值预报的一种有希望的途径。     

MASNUM-WAM海浪模式集合Kalman滤波同化研究——Ⅱ.集合样本对同化效果的影响

背景误差相关结构的确定是影响海浪同化效果的关键因素之一。集合Kalman滤波是一种较为成熟的同化方法,其可以对背景误差进行实时更新和动态估计,现已广泛应用于海洋和大气领域的研究。本文基于MASNUM-WAM海浪模式,分别采用静态样本集合Kalman滤波和EAKF方法,针对2014年全球海域开展海浪数据同化实验,同化资料为Jason-2卫星高度计数据,利用Saral卫星高度计资料对同化实验结果进行检验。结果表明,两组同化方案均有效提高了海浪模式的模拟水平,EAKF方案在风场变化较大的西风带区域表现显著优于静态样本集合Kalman滤波方案,但总体上两者相差不大。综合考虑计算成本和同化效果,静态样本集合Kalman滤波方案更适用于海浪业务化预报。     

集合成员个数对集合预报技巧影响的试验分析

利用全球中期预报模式T63L9,选取2004年6月4日至13日10d作为试验个例进行了集合预报试验,分析了不同集合成员个数对于预报结果的影响。结果表明,集合预报的技巧都明显高于单个控制预报。在集合成员较少时,随集合成员教的增加,集合预报的技巧提高明显,当集合成员数多于11个时,集合预报的效果提高缓慢。在中期预报时段内。集合成员数11为集合预报效果随集合成员教趋于饱和的临界值,如果继续增加成员数.预报效果提高较少,但计算量却大大的增加。本文只是单个试验个例的分析结果。为验证结论的普适性,还需要进行更多的试验。     

影响黄渤海的温带气旋数值集合预报试验

为了改进温带气旋数值预报的精度,基于WRF(Weather Research and Forecasting)模式,利用GSI(Gridpoint Statistical Interpolation)-EnKF(Ensemble Kalman Filter)系统,设计了一套温带气旋集合预报方法,其具有的2种选择方案通过滤掉质量较差的集合成员从而将集合成员数目控制在10以内,达到了大幅降低集合预报计算量的目的。针对2020年7月一次影响黄海的温带气旋个例,开展了一系列决定性预报与集合预报的数值对比试验。分析结果如下:1)不采取任何择优方案的集合预报效果就已经明显优于决定性预报,而采取择优方案使得预报效果进一步得到提升;2)预报初始时刻择优(直接择优方案)的集合预报效果远不如短时积分3 h后才进行择优(积分择优方案)的预报效果; 3)积分择优方案优于直接择优方案的原因是,初始场集合体中的成员经过短时积分后其误差得以放大而使得择优更加准确。多个例的应用结果进一步表明,本文提出的积分择优方案温带气旋集合预报方法具有较好的业务预报应用前景。     

南海北部海洋四维变分同化试验研究

为了研究四维变分同化方法在南海北部海洋数值预报中的适用性,使用海洋区域模式(ROMS),建立了南海北部海洋资料四维变分同化系统,进行了温盐廓线和海面温度数据同化试验,初步对比分析了三种四维变分实现方法的同化效果。研究结果表明,四维变分同化方法具有较好的同化效果,其中,增量强约束方法(I4DVar)具有较好的稳定性,其稳定性高于4DPSAS和R4DVar。本文研究成果为建立南海业务化海洋四维变分同化及预报系统奠定技术基础。     

有限区域海面风场数值模式的建立

目前,国内外大尺度天气预报数值模式已经取得很大成就,如在预报地面气旋系统的移动和发展等方面。然而,这些模式的铅直分辨率一般不高,通常不包括边界层的动力过程,因而,在预报海面风场上,数值天气预报模式还没有令人满意的效果。目前所用的边界层预报模式尽管具有较高的水平分辨率和垂直分辨率,但要求大量的计算和资料,很难用于日常业务预报;另一种边界层诊断模式,用到的风场数据是气象工作者从天气形势(大尺度)分析中,通过差值等方法获得的,缺乏针对性,而且精度较低(WMO,1988;WMO,1990)。 作者认为,适于海洋要素预报的风场模式应是定位于有限区域,或称中尺度模式,并根据台站的具体资料来源和工作状况力争建立一套适于海洋要素预报的中尺度风场数值模式。鉴于以上,作者建立了一个适于海洋要素预报的有限区域海面风场数值模式。模式采用符合动力及热力学条件的简化方程组对大尺度风场进行加密,通过数值模拟得到适于海洋要素预报的有限区域海面风场。并将该模式运用于渤海这一有限区域,获得了良好的效果,说明该模式对海洋要素预报具有很好的应用前景。     

海洋数据同化与数据融合技术应用综述

简述了不同数据同化和数据融合方法在海洋环境监测与预测方面的应用、国内外相关业务单位的海洋分析和预报系统的现状,以及海洋数据同化将来的业务化应用的发展趋势。四维变分和集合卡尔曼滤波正在成为国际上海洋环境分析与预报的主要应用方向,海-气耦合数据同化以及海冰数据同化是目前数据同化方法研究的热点。     

Sea surface temperature predictability in the North Pacific from multi-model seasonal forecast

Sea surface temperature (SST) prediction based on the multi-model seasonal forecast with numerous ensemble members have more useful skills to estimate the possibility of climate events than individual models. Hence, we assessed SST predictability in the North Pacific (NP) from multi-model seasonal forecasts. We used 23 years of hindcast data from three seasonal forecasting systems in the Copernicus Climate Change Service to estimate the prediction skill based on temporal correlation. We evaluated the predictability of the SST from the ensemble members' width spread, and co-variability between the ensemble mean and observation. Our analysis revealed that areas with low prediction skills were related to either the large spread of ensemble members or the ensemble members not capturing the observation within their spread. The large spread of ensemble members reflected the high forecast uncertainty, as exemplified in the Kuroshio–Oyashio Extension region in July. The ensemble members not capturing the observation indicates the model bias; thus, there is room for improvements in model prediction. On the other hand, the high prediction skills of the multi-model were related to the small spread of ensemble members that captures the observation, as in the central NP in January. Such high predictability is linked to El Niño Southern Oscillation (ENSO) via teleconnection.

     

On ensemble prediction of ocean waves

The numerical ensemble prediction is a well accepted method for improving the performance of atmospheric models. In the context of ocean wave modeling little has been researched or documented about this technique. An essential study of the method of ensemble prediction applied to deep water waves has been carried out. A framework is defined for obtaining perturbations of the directional wave spectra and for employing an ensemble of wind fields generated by an atmospheric model. The third-generation global wave model WAM is used with real atmospheric conditions to investigate the effect on wave predictions of perturbed initial conditions and atmospheric forcing. Due to spectral shape stabilisation, perturbing wave initial conditions has limited utility in ensemble prediction. However, the members could be used in wave data assimilation schemes in an interactive way. Using ensembles of the atmospheric condition can generate diverging solutions, justifying the ensemble procedure by itself. In the cases studied, it is observed that the ensemble mean outperformed the other members. The solution behaviour suggests using a lower-order approximation of the model to generate ensemble members with less computational cost.     

基于随机森林的复坡堤越浪量预测研究

针对复坡堤越浪量的计算问题,提出了采用随机森林算法预测越浪量的方法。首先,通过对欧洲CLASH数据集进行筛选,挑选出符合复坡堤越浪量预测的数据;其次,对数据做无量纲化处理,建立以随机森林为基础的复坡堤越浪量预测模型,并通过网格搜索(GridSearchCV)方法对模型进行调参以改善模型的性能;最后,利用决定系数R~2来评估模型的精度,并将随机森林模型与集成神经网络模型做了预测能力的对比,同时还给出了随机森林模型各个特征参数对预测精度的重要性。结果显示,随机森林模型的决定系数为92.7%,集成神经网络模型的决定系数为87.7%,表明随机森林模型对越浪量具有更强的学习和预测能力。通过对特征重要性的分析,墙顶高程对模型预测精度的影响最大,堤顶高程次之,堤脚宽度影响最小。     

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。     

WRF模式中台风"启德"模拟对 参数化方案的敏感性分析

为准确模拟台风路径和强度,采用WRF模式比较不同微物理过程和积云对流过程参数化方案对台风路径和强度模拟的影响,并基于集合预报方法考虑对台风预报系统误差进行优化。选用4种微物理过程方案和3种积云对流参数化方案,针对1213号台风“启德”进行模拟,结果表明不同的参数化方案对台风路径和强度的预报结果有明显影响,积云对流过程参数化方案相对于微物理过程参数化方案更加敏感。基于不同参数化方案扰动成员的集合平均预报方法,对于台风路径和强度的模拟误差均有明显改善,台风路径误差随时间增幅较小,其结果优于全部12个单方案试验的模拟结果;从台风强度方面来看,基于集合预报方法模拟得到的台风强度变化趋势与实况结果一致,且误差较小,优于大多数试验方案。结果表明:采用不同微物理过程和积云对流过程参数化方案的组合构建的集合预报模型,对于台风路径和强度的模拟均有一定程度改善,减小了采用不同参数化方案产生的路径不确定性,使其在台风“启德”的路径模拟上与实况更为接近,可为提升台风预报能力提供科学参考。     

基于EEMD和ARIMA的海温预测模型研究

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。     

南海及周边海域风浪流耦合同化精细化数值预报与信息服务系统简介

面向社会需求,建立覆盖南海及周边海域的高分辨率风-浪-流耦合同化数值预报与信息服务系统。系统包含耦合同化数值预报模式、海洋动力环境数据库与可视化平台两部分。其中,耦合同化数值预报模式由中尺度大气数值预报模式、海浪数值预报模式和区域海洋环流数值模式,在C-Coupler耦合器中进行耦合,引入集合调整Kalman滤波同化模块,在耦合预报前进行大气、海浪和海流的同化后报模拟,为耦合预报模式提供更为精确的初始场。预报结果经海洋动力环境数据库和可视化平台处理后,通过二维和三维可视化展示,向用户提供直观的南海及周边海域海洋环境预报产品。     

基于机器学习的青岛市区近岸海雾集成预报方法

利用2014-2017年青岛小麦岛海洋站观测资料,采用机器学习方法建立了青岛市区近岸海雾集成预报模型,通过主成分分析方法对预报因子进行了优选.结果表明:采用能见度、风向、风速、气压、露点、气温、海温、气温露点差、气海温差、相对湿度、云量、气温24h变温12个预报因子建立的海雾集成预报模型,对2018年海雾预报的TS评分...     

解析四维集合变分参数优化方法研究

传统的四维变分数据同化方法在同化观测资料的同时可以对数值模式参数进行优化,然而传统的四维变分方法需要针对不同的数值模式编写特有的伴随模式,因此算法的可移植性差,同时计算时耗费大量资源。本文提出了一种新的基于解析四维集合变分的参数优化方法,该方法以迭代搜索得到的模式参数为基准展开扰动并构建样本集合,由此显式地计算协方差矩阵,并得到代价函数极小值的解析解,从而避免了伴随模式的使用。基于Lorenz-63模型对该方法进行单参数和多参数数值试验和优化效果检验,并在不同的同化时间窗口长度和观测采样间隔情况下,采用传统四维变分方法与之进行对比,结果显示,新方法表现出与传统四维变分相同的优化性能,都能有效收敛到真值,而新方法不需要计算伴随模式,可移植性好。本文还测试了不同的集合成员个数和模式参数真值的情况下新方法的同化效果,结果表明,新方法对集合样本个数及模型参数真值不敏感,采用较少的集合样本即可完成数据同化。     

基于GPU技术的风暴潮集合预报

台风预报的准确性在风暴潮预报中起着重要作用。台风强度和路径的不确定性意味着使用集合模式来预报风暴潮。本文利用中央气象台的最优路径台风参数驱动国家海洋环境预报中心业务化的水动力学模型，开展华南沿海的风暴潮模拟，模式模拟结果与实测吻合较好。为了改进计算效率，采用CUDA Fortran 语言对模型进行了改造，改造后的模型在计算结果与原模型基本一致的基础上，计算时间缩短了99%以上。通过融合欧洲中期天气预报中心（ECWMF）的50条路径与3种可能台风强度构造出了150个台风事件，并用150个台风事件驱动改进的风暴潮数值模型，计算结果可以提供集合预报产品和概率预报产品。通过“山竹”台风风暴潮过程可以发现集合平均预报结果和概率预报结果与实测吻合较好。改进的数值模型可以运行普通工作站上，非常适合风暴潮集合预报，并且可以提供更好的决策产品。