我国城市气象服务的若干进展和未来发展

该文简要介绍了我国城市中尺度气象监测和特种观测、数值预报模式引进和产品释用研究及城市环境气象研究、预报等方面的研究进展，并提出了城市气象服务发展中应解决的城市气象服务定位、工程和产业、数据库、数值模式应用研究和电子信息技术应用等问题。     

中国气象应用网格

“中国气象应用网格”是国家“863”项目“高性能计算机及其核心软件重大专项”的应用课题之一，发展基于网格技术的数值天气预报软件及其支持软件，观测资料和数值预报气象数据的海量处理技术，实现网格应用对海量气象数据集的无程访问。建成后的中国气象应用网格将是一个创新性的     

沈阳区域气象中心中尺度数值预报业务系统的改进与拓展

介绍了改进后的沈阳区域气象中心中尺度数值预报业务系统的产品和运行情况。沈阳区域气象中心中尺度数值预报业务系统于1997年投入业务运行，目前已从最初的仅提供降水预报产品，发展到能提供降水预报、热带气旋路径预报、空气污染气象条件预报、人工增雨服务指导产品和城市环境气象业务预报所需的基本气象要素预报等多种业务所需的预报产品。业务系统每日两次自动运行，预报产品直接进入MICAPS、Vis5d、Grads绘图系统，进行图形显示，并直接进入区域气象中心局域网上的中尺度数值预报网页。目前，本系统的预报产品已经成为预报员每日必看的参考工具，经沈阳中心气象台评定，2002年汛期对辽宁省降水预报准确率已超过日本东亚模式。     

德阳市区空气污染气象指数预报

根据空气污染与气象条件的关系分析，引入一个空气污染气象指数，用T213数值预报产品相关资料作为空气污染气象因子输入，从而作出空气污染气象指数预报。     

中尺度数值预报模式的进展和应用

随着近年来计算机技术的飞快发展,中尺度数值模式作为中尺度气象的一种预报和研究工具,越来越显示其重要性。本文综述了MM5中尺度数值模式的发展现状,并以实例介绍其在中尺度气象研究、区域天气预报、区域气候预报、航空航海气象保障、军事训练和空气质量预测等方面的广泛应用。     

区域大气成分数值预报系统（CAPPS-3）在全国推广应用

2005年中国气象局新技术推广项目“区域大气成分数值预报系统”开发了CAPPS第3版，将原来的单箱模式升级为与中尺度数值模式一致的网格化模式，可预报区域范围内的污染浓度分布；为区域气象中心和省级气象业务部门开展区域空气质量预报提供技术方法和业务平台。2006年5月CAPPS-3在中国气象局大气成分中心开始进行全国范围的空气质量业务预报试验，并建立了产品发布平台，每天发布SO2和PMIO的浓度预报图和预报结论，     

气象数值预报研究中心成立

国家气象数值预报技术创新基地——中国气象科学研究院数值预报研究中心在2001年初进行了首批研究人员和流动客座研究人员的招聘工作,4月份人员基本到岗并开始运作。共招聘了固定研究人员13人,流动客座研究人员8人。所招聘人员之中有工程院院士1人,正研究员8人,副研究员13人,其中博士6人。数值预报研究中心是中国气象科学研究院一支最年轻的研究队伍,但这是一个完全按照开放、流动、竞争、台作的新机制建立起来的新型研究开发机构。数值预报中心2001年共争取到国家支持的项目3个,其中包括国家“十五”科技攻关项目“中国气象数值预报技术创新     

新一代气象数值预报模式系统研究开发取得丰硕成果

新一代气象数值预报模式系统(GRAPES)的研究开发取得丰硕成果，几项核心的研究均已取得突破：     

浅谈IVT：24CHINAT63BAF在预报中的应用

介绍了１９９５年盛夏期间利用ＩＶＴ：２４ＣＨＩＮＡＴ６３ＢＡＦ资料对我区暴雨模式进行套用的基本情况，表明ＩＶＴ：２４ＣＨＩＮＡＴ６３ＢＡＦ的资料所套用的暴雨模式个例明显优于常规天气图资料所套用的暴雨模式的个例．阐明了ＩＶＴ；２４ＣＨＩＮＡＴ６３在实际预报中的适用性、准确性和科学性，启发了我们在搞地区性预报改革时开发、应用数值预报产品的信心和决心．     

沙尘暴数值预报技术取得新进展

（1）中国气象科学研究院自主开发的沙尘暴预报系统CUACE／Dusl与天气预报模式GRAPES实现了在线双向耦合运行。目前中国气象局业务运行的沙尘暴数值预报系统CUACE／Dust中的气象模式是MM5,大气成分中心利用我院自主开发的中尺度气象模式GRAPEs—Meso替换了MM5,建立了GRAPES_CUACE／Dust沙尘暴数值预报系统。同时把模式分辨率提高到0．5～0．5°,     

南海海洋气象数值预报系统(Grapes-MAMS)及其业务应用

介绍了中国气象局广州热带海洋气象研究所建立的南海海洋气象数值预报系统(Grapes-MAMS)框架、系统中各模式特点以及针对模式所做的改进工作;并基于广东省沿海浮标资料,分析和研究了该系统中各个专业模式预报性能。得到如下结论:(1)从给出的统计检验和技巧评分来看,区域海浪模式逐年改进,具有一定预报能力;区域海浪模式和欧洲中期天气预报中心全球海浪模式相比,前者预报技巧TS评分大于后者;(2)实测海表温度的同化明显改进了区域海洋环流模式对海表温度的预报,检验结果显示海表温度预报与浮标观测海表温度相关系数在0.7左右,通过了α=0.01显著性检验;(3)将基于广东茂名科学试验基地得到的拖曳系数计算方案引入风暴潮模式,可以有效地改进风暴潮模式对强台风"威马逊"风暴增水预报,2013—2015年6个风暴潮模式预报检验显示,模式可以提前20 h以上给出最大风暴增水预报,而且最大风暴增水预报与实际相差不大。     

“中国气象数值预报技术创新研究”项目公开发布成果获得强烈反响

中国气象局预测减灾司和科技发展司于2004年3月15日在中国气象局联合举办了“十五”国家科技攻关计划“中国气象数值预报系统技术创新研究”(GRAPES)阶段成果发布会。中国气象局局长秦大河在会上称赞能取得这样的成绩令人振奋,这不仅仅是中国气象局数值预报创新基地的光荣和骄做, 也是中国气象工作者的骄傲。有关业务和研究单位的代表对GRAPES模式的引进与试用表示了极大兴趣,表示要在本单位业务和研究巾试用GRAPES模式。从成果发布至今,全国近50家单位与我中心签     

区域增强模式数值预报系统及其性能

介绍一个新的中尺度模式业务数值预报系统，即区域增强模式数值预报系统，该系统具有较高的分辨率，并能在广州区域气象中心现有条件下进行实时业务预报。大量准业务预报试验表明，该系统对影响华南的种类主要大气过程、尤其是台风和前汛期暴雨等过程有较强的预报能力。对１９９３、１９９４、１９９５年所有影响华南的台风过程的预报检验其降水邓产分明显高于国家气象中心降水预报模式等大尺度模式的预报，同时，台风路径的预报误差     

中国气象科学研究院参加2008奥运气象服务演练

中国气象科学研究院大气探测研究所、大气成分观测与服务中心、数值预报中心3个单位参加了奥运气象工作。我院的奥运雷电预警预报系统、紫外线强度等级预报及防护措施、大气成分数值预报及城市空气质量等级预报、北京与青岛的酸雨情况评估和成因分析预报的预报服务产品参加了奥运气象服务演练。     

德阳市区空气污染气象指数预报

根据空气污染与气象条件的关系分析,引入一个空气污染气象指数,用T213数值预报产品相关资料作为空气污染气象因子输入,从而作出空气污染气象指数预报.     

基于η数值预报模式的四川盆地泥石流滑坡预报系统

通过对近11年四川盆地发生泥石流和滑坡灾害的气象成因分析，进行了泥石流和滑坡预测模型的研究和对四川盆地强降水η数值预报模式产品释用研究。在上述研究基础上，建立了1l数值预报模式产品释用四川盆地泥石流和滑坡预报系统。经2003年业务试运行，效果好。     

气象数值预报产品使用的博弈分析

数值预报在天气预报中的地位越来越重要,发展本国的数值预报产品是我们国家长期发展的需要,本文应用现代微观经济理论对数值预报产品的使用进行分析。通过分析我们得出,当前的激励措施不能提高本国数值预报产品的使用率,建议对消费者进行细分,将商业气象与公共气象分离。     

省地气象台精细化天气预报系统

应用先进的中尺度数值模式和业务平台,集成并行计算、可视化工具等软件,为我国地方、军队等气象业务提供一套切实可行的精细化天气预报系统。经检验系统的24 h晴雨预报准确率可以达80%以上,对暴雨的预报也有一定的参考价值。应用在海浪预报中,可以显著提高预报准确率。系统的设计有利于基层台站的实际业务应用和模式本地化处理,无论从硬件要求,还是软件的应用和预报水平检验,系统都适合省地台站开展精细化预报业务。     

莫斯科世界气象中心的发展

介绍了近年来莫斯科世界气象中心的发展状况及其预报模式和系统。     

数值预报AI气象大模型国际发展动态研究

数值预报是研究地球系统的重要工具,有助于加深科学家对大气、海洋、气候和环境等复杂系统之间相互作用和变化过程的理解,在防灾减灾、气候变化和环境治理等方面发挥着不可或缺的作用。随着模式复杂度和分辨率的提高,传统数值模式在气候变化研究和气候预测方面取得了迅速的进展,但也面临一些挑战,需要得到数据同化、集合耦合、高性能计算和不确定性分析等多方面的支持。而近年来,“AI+气象”的交叉研究在气象领域引起了广泛关注。基于多种深度学习架构的人工智能大模型,依托强大的计算资源和海量的数据进行训练,能够以新的科学范式进行高效数值预报。气象大模型不断涌现,一些科技公司如华为、英伟达、DeepMind、谷歌、微软等,以及国内外高校如清华大学、复旦大学、密歇根大学、莱斯大学等发布了多个涵盖临近预报、短时预报、中期预报和延伸期预报等不同领域的气象大模型。这标志着人工智能与气象领域的交叉融合已经达到新的高度。尽管气象大模型在现阶段取得了较大突破,但其发展仍然面临弱可解释性、泛化能力不足、极端事件预报强度偏低、智能预报结果过平滑、深度学习框架能力需要拓展等诸多挑战。