基于统计和天文周期模型的怀集县年降水预测

采用均值-标准差分级法对怀集地区1958—2018年年降水量序列进行状态分级,分为特多、偏多正常、偏少、特少5个状态,分别利用基于统计的加权马尔科夫链法和天文周期法建立年降水量模型,对怀集县2009—2018年近10年年降水量进行预测,并通过实际降水量值和预测值的应用检验,结果表明:除了在极端年份时预测有较大误差外,两种方法对年降雨量预测均具有较好效果,并有一定的预测能力,其中加权马尔科夫链模型对预测丰水年预报满意度更高。     

Uncertainty in hottest years ranking: analysis of Tibetan Plateau surface air temperature

气温剧烈变化可通过诸如热浪等极端天气气候事件对全球农业、水循环和生态系统等造成不利影响。因此,气候变化研究中的一个重要指标是对各种极端冷暖年份进行高低排序。本文采用Wilcoxon符号秩和检验和蒙特卡洛模拟研究了近几十年来青藏高原极端高温年的高低排序及其不确定性。结果显示,青藏高原前十个极端高温年均发生在1998年之后,其中最热的三年为2006、2009和2010年。当考虑抽样误差和观测误差后,仅有五年有概率成为最热年份,其概率最高的三年为2006(47.231%),2009(40.390%)和2010(12.376%)。此外,对于某一年份是否有概率成为最暖的十年,结果表明Wilcoxon符号秩和检验结果中前十个最暖年份均有超过10%的概率,而2001和2002年仅有3%和4%的概率成为最暖的十年。     

试用转移概率作曲江年降水旱涝趋势预测

每一时间单元的天气只取某一种状态 ,天气就成为时间离散 ,状态离散的随机时间序列 ,即马尔科夫链。天气从某一时间的某种状态 ,变成另一时间的某种状态 ,称为状态的转移。转移概率指某一时间出现某种天气状态的条件下 ,下一个时间出现各种天气状态的条件概率。若将气象要素的历史演变分成若干种状态 ,多年资料组成一个各态遍历的马尔科夫链由此只要统计出各种状态的转移概率 ,就可以利用它由前一时间的状态预测下一个时间的状态。1　方法简介　　首先将气象要素的历史演变分成若干种状态 ,多年资料组成一个各态遍历的马尔科夫链 ,由此求取…     

降水时间随机性对月总降水量的影响

降水量在时间分布上呈现较大的随机性,极端降水事件尤为如此。受此影响,月初(月末) 1～5 d之内的累积降水量很可能会超过当月总降水量的50%乃至更多。对1961—2017年中国2 400多站点资料统计分析结果发现,月初(月末) 1～5 d累积降水量对当月总降水量显著影响事件的出现频次,在季节和空间分布上都有鲜明特征。主要包括:1)月初累积降水量对秋冬季中各月的总降水量影响更大,月末累积降水量对1—4月的月总降水量影响较大。2)受月初累积降水量的影响,显著站点数在某些年份的某些月份出现极大值;受单次事件显著影响的站点数占全国总站点数的30%～50%,此即对应着一次全国大范围的极端降水事件。3)受月初(月末)累积降水量显著影响的站点空间分布随季节变化呈现出明显空间集聚特征。     

青藏高原中东部夏季极端降水年代际变化特征

基于中国国家级地面气象站基本气象要素日值数据集得到的均一化降水序列,计算了夏季极端降水指数,分析青藏高原中东部1961—2014年夏季极端降水年代际变化趋势。结果表明:青藏高原中东部地区夏季降水量占全年总降水的50%以上,且夏季降水的变化趋势存在区域性差异,北部站点主要为增加趋势,南部增加和减少趋势的站点相当。夏季极端降水除西藏东部主要为减少趋势外,其他地区主要为增加趋势,且极强降水量的年代际变化趋势显著。大部分夏季极端降水指数的变化趋势在1970s发生转折,在此之前表现为减少的趋势,之后为增加趋势。通过Mann-Kendall趋势检验,在2000年之后强降水量和极强降水量出现突变。     

气候变化影响下极端水文事件的多变量统计模型研究

以黄河流域太原气象站和淮河流域鲁台子水文站为研究对象,利用Copula函数构建气候要素（降水）同极端水文事件（干旱和洪水）之间的多元统计模型,分析不同降水条件下不同等级干旱和洪水的发生概率变化。结果表明,Gumbel Copula能够较好地描述太原站7月份的前期累加降水量和帕默尔干旱指数（PDSI）的相关结构。随着降水量的增加,极端干旱的发生概率逐渐减小,重旱、中旱和轻旱的发生概率则先增加后减小。Clayton Copula能够较好地描述鲁台子水文站前期累加降水量和洪峰流量之间的相关结构。当前期累加降水量大于等于某一定值时,随着年最大洪峰x的增大,发生洪峰≥x的极端洪水事件的概率逐渐减小。在同一个极端洪水发生概率下,前期累加降水量越大,洪峰流量出现大值的可能性越大。     

数据处理方法对中国区域平均降水序列精度的影响

利用地面观测站点资料研究大范围地区的降水长期变化规律,选取不同的指标会使分析结果出现显著差异。利用中国大陆区域内2139个国家站的逐日降水资料,比较不同数据处理方法得到全国和中国西部、中国东部地区的降水量、降水日数和降水强度的区域平均时间序列,探讨对其变化趋势估算的偏差。研究表明,1951—1957年估算的中国区域平均降水量原始值出现虚假的偏高,使趋势估算出现较大误差;1951—2016年中国西部地区平均降水量距平百分率时间序列的波动幅度显著偏大;区域平均降水量、降水日数和降水强度的距平和标准化距平序列较为可信。全国平均降水量、降水日数的原始值和距平值序列都基本反映了中国东部湿润地区降水的变化,降水量距平百分率的变化主要由西部干燥区域的降水变化构成,降水量标准化距平则可综合反映湿润和干燥地区的降水变化。     

湿日与干日随机变化的概率

本文提出用正则马尔科夫链计算湿日与干日随机变化的概率,这些计算结果对于单站补充预报有一走用处。其次,本文还直接根据条件概率推导出高阶转移概率的循环公式,其计算结果和马尔科夫链计算结果是一样的,根据这些循环公式还可以求得计算高阶转移概率样本值的公式。根据高阶转移概率样本值的计算,可以检查马尔科夫链的计算结果是否符合于实际情况。     

TRMM 卫星降水数据在商洛地区的精度分析及订正

利用商洛地区193 个国家和区域气象站点实测降水数据，从时间和空间尺度，运用相关分析、偏差、均方根误差等统计分析方法对 TRMM 卫星 3B43 v7降水数据在商洛地区的适用性进行了分析，在此基础上采用比值系数法对TRMM 卫星月降水产品进行订正。结果表明：①在时间尺度上，TRMM 月降水数据与站点实测月降水数据线性高度相关，TRMM 降水数据低估站点实测降水数据。②对月、季和年尺度的TRMM和站点降水量进行比较，决定系数R２均在0.8以上，拟合优度较高，季降水量结果拟合结果较月降水量有所提高。③利用比值系数法对TRMM降水量产品进行偏差订正，验证结果表明，订正后的TRMM 3B43月降水结果偏差更小，决定系数更高。TRMM 降水精度与降水强度和地形有关，TRMM月降水量与实测月降水量时间序列趋势一致，拟合性较高，分布规律相一致。总体上，降水量多的年份，TRMM 数据倾向于低估降水量，反之，高估站点降水量。通过对TRMM 卫星降水产品在商洛地区的精度评估和订正，为该地区地面降水数据提供有效补充。     

长三角地区雾的时空分布及频次模型研究

根据1980—2006年长三角地区6个站点累计27a的雾资料,分析了长江三角洲地区雾的时间、空间分布特征。结果表明,秋末、冬季和春季长江三角洲地区雾频次较多,夏季较少,年平均雾日数呈缓慢减少趋势;雾区域分布不均匀,总体说来是东多西少。在此基础上,用时间序列方法建立了雾频次预测模型,并对2007年1—12月各月的雾频次进行预测检验,结果表明预测值与实际值误差较小,该模型具备较好的预测能力。     

华北及周边地区夏季分区客观降水预报

在降水客观分区的基础上,对华北及周边地区进行夏季降水预报。利用2006—2008年的6—8月T213资料和相应时段的实况资料,通过概率回归降水等级方案建模,对2009年和2010年6—8月进行了试报。结果表明:分区建模的降水预报与单站建模预报相比,TS评分在不同时效、不同量级上均有提高,并且在空报和漏报上有较大改善,特别是大量级降水预报改善明显。从因子分析上看,分区建模较单站建模所选因子更丰富,利用了模式产品的有用信息,因此做出了更好的预报。分区建模与模式降水预报的对比分析表明:分区建模的降水预报效果好于模式直接降水预报,空报现象改善明显。     

ECMWF集合预报产品在广西暴雨预报中的释用

基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心（ECMWF）集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。     

年际增量方法在西南夏季降水预测中的应用

利用中国西南地区80站逐月降水资料及NCEP/NCAR再分析资料等,采用降水预测新方法——年际增量法,考察影响中国西南地区夏季降水年际增量的前期冬、春季大气环流年际增量状况,并选取5个关键影响因子,采用多元回归法建立中国西南夏季降水年际增量预测模型。对降水年际增量进行预测,在1971—2010年的建模阶段,预测模型的拟合率为0.78,在2011—2017的后报检验7年中,有6年与实况值同位相。后报检验2011—2017年的降水距平百分率,均方根误差为16%。为考察对降水异常分布型的预报效果,逐站建立回归方程,并进行趋势预报检验,近5年的趋势异常综合评分高于发布预测,预报效果较好。因此,该方法的应用及模型的建立对提高西南地区夏季降水预测水平有重要意义。      

华北夏季降水异常的客观分区及时间变化特征

应用1981—2007年华北地区703个站逐日加密站降水资料,运用旋转经验正交函数分解方法,对华北地区夏季降水进行了客观分区研究,并在此基础上应用Mann-Kendall和统计t检验方法分析了华北夏季降水不同区域的时间变化特征。结果表明:华北地区夏季降水区域性较强,华北地区夏季降水可分为7个典型天气区,7个典型天气区集中降水的起止时间不同,各分区的降水季节有别于自然季节,其中华北中部汛期开始迟,南、北部汛期开始早;华北东南部汛期结束最早,京津、河北东北部结束最晚。所分区域和所确定的各区域降水集中时间可应用到建立客观降水预报区域模型中,改善实际业务中客观降水的预报效果。     

基于降水极端预报指数的福建台风极端降水预报研究

应用1961—2017年中国气象局热带气旋最佳路径数据集、国家地面气象观测站日降水观测资料和2015年8月—2017年12月欧洲中期天气预报中心(ECMWF)集合预报系统降水极端预报指数(EFI)数据,根据百分位法定义台风影响期间福建省各站点的台风极端降水阈值,采用最小阈值法剔除台风极端降水时EFI箱线图中的异常值,保...     

GRAPES区域集合预报系统模式不确定性的随机扰动技术研究

为进一步描述GRAPES(Global/Regional Assimilation and Prediction System)区域集合预报系统(GRAPES Me—soscale Ensemble Prediction System,GRAPES—MEPS)中GRAPES—Meso模式的不确定性特征,本研究在GRAPES—MEPS系统中引人了模式物理参数化倾向随机扰动方案(Stochastically Perturbed Parameterization Tendencies,SPPT),随机扰动型的产生是基于-阶马尔科夫链,其具有时间相关性特征,并服从正态分布,另外经过谱展开随机场具有空间结构特征,在水平结构上较平滑和连续。本文开展了基于SPPT方案的GRAPES—MEPS集合预报试验,针对SPPT方案中随机场的扰动幅度和时间相关尺度参数开展了一系列敏感性试验,并对试验结果进行了较全面的集合预报客观检验,此外,针对一次强降水过程,分析了SPPT方案对降水预报的影响。试验结果表明,引入SPPT方案能在一定程度上提高GRAPES—MEPS系统的预报技巧,降低系统的漏报率;且能显著改进预报后期大雨量级降水的预报技巧。通过敏感性试验发现,对于GRAPES—MEPS系统,SPPT方案的效果与随机扰动场幅度的范围,及扰动场的时间相关尺度选择相关,需经过敏感性试验确定出较适合的参数。     

Study on Ensemble-Based Forecast of Extremely Heavy Rainfalls in China: Experiments for July 2011 Cases

According to the Anderson-Darling principle, a method for forecast of extremely heavy rainfall (abbreviated as extreme rainfall/precipitation) was developed based on the ensemble forecast data of the T213 global ensemble prediction system (EPS) of the China Meteorological Administration (CMA). Using the T213 forecast precipitation data during 2007-2010 and the observed rainfall data in June-August of 2001-2010, characteristics of the cumulative distribution functions (CDFs) of the observed and the T213 EPS forecast precipitation were analyzed. Accordingly, in the light of the continuous differences of the CDFs between model climate and EPS forecasts, a mathematical model of Extreme Precipitation Forecast Index (EPFI) was established and applied to forecast experiments of several extreme rainfall events in China during 17-31 July 2011. The results show that the EPFI has taken advantage of the tail information of the model climatic CDF and provided agreeable forecasts of extreme rainfalls. The EPFI based on the T213 EPS is useful for issuing early warnings of extreme rainfalls 3-7 days in advance. With extension of the forecast lead time, the EPFI becomes less skillful. The results also demonstrate that the rationality of the model climate CDF was of vital importance to the skill of EPFI.     

重庆中尺度集合预报系统预报性能分析

本文利用2017年6～8月重庆中尺度集合预报系统逐日20时起报的预报资料及相应的观测资料对该系统的预报性能进行了综合分析,结果表明:500hPa位势高度、850hPa温度和2m温度的集合平均预报的均方根误差均优于控制预报,集合离散度均明显低于集合平均的均方根误差,Talagrand分布均呈现出“J型”或“U型”分布,500hPa位势高度和850hPa温度Outlier评分介于0.26～0.32,2m温度的Outlier评分普遍较高,总体介于0.33～0.67;降水预报方面,集合平均和概率匹配平均相对于控制预报表现出了较为明显的优势;小雨和中雨量级降水集合平均的TS评分明显优于概率匹配平均;大雨和暴雨量级的降水概率匹配平均的TS评分明显优于集合平均;0～24小时和24～48小时累计降水的Talagrand分布呈现出一定的“U型”分布且0～24小时更为明显,其余时效较为理想,Outlier评分随预报时效的延长而减小,最高0.31,最低0.20;降水概率预报检验方面,各个降水量级的Brier评分和相对作用特征技巧评分AROC均较为理想。总体而言,该系统相对于单一的确定性预报表现出了一定的优势。      

基于集合预报的中国极端强降水预报方法研究

极端强降水天气属于小概率事件,其发生具有很多不确定的因素,预报难度很大。根据Anderson-Darling检验原理研究基于集合预报资料的极端强降水天气预报方法,利用2007—2010年中国T213集合预报资料和2001—2010年6—8月中国降水观测资料,分析观测与集合预报累积概率密度分布函数的特征,建立基于集合预报与模式历史预报累积概率密度分布函数连续差异的数学模型——极端降水天气预报指数(EPFI),并对2011年7月中国极端强降水天气进行预报试验。结果表明,极端降水天气预报指数可以充分利用集合降水累积概率密度分布的尾端信息,为极端强降水提供科学合理的预报,基于中国气象局(CMA) T213集合预报的极端降水天气预报指数可提前3—7 d发出极端强降水预警信号,随着预报时效的延长,预报技巧逐渐降低。研究还表明,模式气候累积概率分布的合理性将直接影响极端强降水天气识别能力。     

MOS方法在短时要素预报中的应用与检验

通过对MM5数值预报产品的释用,将MOS统计方法应用到短时要素预报中,综合利用MM5数值预报产品、自动站实况数据和雷达数据等资料,建立降水和温度的4 h预报模型;降水作为不连续变量,将其通过建立降水可能函数的方法转化为连续变量,利用统计预报方法,可以达到定量预报的目的。通过对4140个时次的样本进行检验。结果表明：MOS预报结果较MM5直接输出结果整体有所改进,当数值模式误差较大时,统计方法显示出一定的优势;降水预报检验结果显示,TS评分为65%,预报正确率PC为91%。降水明显的样本(3 h雨量>5 mm)平均误差在8 mm以内,弱降水样本(3 h雨量<3 mm)平均误差在1 mm以内,预报方程对非雨日样本的整体预报效果较好,优于MM5模式预报,预报正确率高达98%,但对流性降水仍是预报难点;对于温度预报,20-08时段误差较小、平均在1.0℃以内,而11-17时、误差平均在1.5℃左右,但经过误差的季节订正,可以控制在1.0℃左右。