Monthly Extended Predicting Experiments with Nonlinear Regional Prediction. Part I: Prediction of Zonal Mean Flow

Systematic errors have recently been founded to be distinct in the zonal mean component forecasts,which account for a large portion of the total monthly-mean forecast errors. To overcome the difficulty of numerical model, the monthly pentad-mean nonlinear dynamic regional prediction models of the zonal mean geopotential height at 200, 300, 500, and 700 hPa based on a large number of historical data (NCEP/NCAR reanalysis data) were constituted by employing the local approximation of the phase space reconstruction theory and nonlinear spatio-temporal series prediction method. The 12-month forecast experiments of 1996 indicated that the results of the nonlinear model are better than those of the persistent, climatic prediction,and T42L9 model either over the high- and mid-latitude areas of the Northern and Southern Hemispheres or the tropical area. The root-mean-square of the monthly-mean height of T42L9 model was considerably decreased with a change of 30.4%, 26.6%, 82.6%, and 39.4%, respectively, over the high- and mid-latitudes of the Northern Hemisphere, over the high- and mid-latitudes of the Southern Hemisphere, over the tropics and over the globe, and also the corresponding anomaly correlation coe cients over the four areas were respectively increased by 0.306-0.312, 0.304-0.429, 0.739-0.746, and 0.360-0.400 (averagely a relative change of 11.0% over the globe) by nonlinear correction after integration, implying that the forecasts given by nonlinear model include more useful information than those of T42L9 model.     

与非线性区域预测方法结合的月延伸预报试验Ⅰ:纬向平均环流的预报

为克服数值模式普遍存在的纬向平均环流预报误差,文中在36a NCEP/NCAR再分析高度场资料的基础上,应用非线性时空序列预测理论的局域近似法构建了200,300,500和700hPa4个等压面上的月尺度逐候纬向平均高度距平场非线性动力学区域预报模型.对1996年12个月所做的预报试验表明,无论是南、北半球中高纬度地区还是低纬度地区,非线性模型的候纬向平均高度预报结果均优于持续性预报、气候预报和T42L9模式动力预报.用非线性结果对T42L9模式月平均高度场预报结果进行订正,则使该谱模式系统性预报误差显著减少,也大大减少了其预报高度场的均方根误差,相应地,高度场距平相关评分也有一定程度的提高,表明纬向平均高度的非线性预报比谱模式动力预报包含了更多的有用信息.     

城市空气污染数值预报试验

采用城市空气污染数值预报模式系统, 并结合天津市部分气象资料和浓度监测资料对１９９８ 年１ 月１～１５ 日的ＳＯ２、ＮＯｘ和ＴＳＰ浓度进行数值模拟和试预报。结果表明,该模式运行稳定, 计算满足预报时效要求, 对ＳＯ２和ＮＯｘ日均值预报的准确率可分别达到６４％ 和７０％ , 对ＳＯ２逐时预报的准确率为５５％ ～６２％ , 对ＴＳＰ预报的准确率低于ＳＯ２和ＮＯｘ。此次预报试验说明,该模式可作为城市空气污染数值预报的基本模式进行初步应用,但仍需进一步的研究、发展和完善     

Monthly Extended Predicting Experiments with Nonlinear Regional Prediction.PartⅠ:Prediction of Zonal Mean Flow

Systematic errors have recently been founded to be distinct in the zonal mean component forecasts, which account for a large portion of the total monthly-mean forecast errors. To overcome the difficulty of numerical model, the monthly pentad-riean nonlinear dynamic regional prediction models of the zonal mean geopotential height at 200, 300, 500, and 700 hPa based on a large number of historical data (NCEP/NCAR reanalysis data) were constituted by employing the local approximation of the phase space reconstruction theory and nonlinear spatio-temporal series prediction method. The 12-month forecast experiments of 1996 indicated that the results of the nonlinear model are better than those of the persistent, climatic prediction, and T42L9 model either over the high- and mid-latitude areas of the Northern and Southern Hemispheres or the tropical area. The root-mean-square of the monthly-mean height of T42L9 model was considerably decreased with a change of 30.4%, 26.6%, 82.6%, and 39.4%, respectively, over the high- and mid-latitudes of the Northern Hemisphere, over the high- and mid-latitudes of the Southern Hemisphere, over the tropics and over the globe, and also the corresponding anomaly correlation coefficients over the four areas were respectively increased by 0.306-0.312, 0.304-0.429, 0.739-0.746, and 0.360-0.400 (averagely a relative change of 11.0% over the globe) by nonlinear correction after integration, implying that the forecasts given by nonlinear model include more useful information than those of T42L9 model.     

国家气象中心中期集合预报系统概况

随着对大气初值及数值模式存在不确定性的认识以及计算机技术的飞速发展，集合预报已经成为数值预报发展的重要方向之一。本文介绍集合预报的基本概念及初值扰动的特点和国家气象中心集合预报系统的概况。     

2002年夏季气候及汛期实时预测与检验

简要介绍了中国科学院大气物理研究所2002年汛期预测的结果.作者首先利用IAP ENSO预测系统,较好地预测出2002年夏季将有一个强度偏弱的El Nno事件发生;IAP动力学气候预测系统(IAP DCP-Ⅱ)的跨季度预测结果则表明2002年夏季我国华北和东北大部将持续干旱少雨,长江下游和南方大部地区降水较常年偏多;在数值预测的基础上,结合其他的动力统计预测方法,最终得到中国科学院大气物理研究所2002年夏季旱涝趋势的跨季度集成预测结果.与实况比较表明,IAP DCP-Ⅱ预测和集成预报均较好地预测出我国夏季旱涝的大范围形势分布,特别是动力数值预测的效果在我国东部略优于集成预测.至于汛期(6～8月)每天的天气分析研究和数值天气预报,则表明国内外现有的中高分辨率数值天气预报模式均有很好的预测能力,并给出了我国长江流域和华北地区2002年持续性降水的天气学模型.     

利用全球环流模式进行我国汛期短期气候预测的试验

利用OSU/NCC全球大气环流模式耦合全球混合层海洋与海冰模式,采用集合预报的方法,对中国汛期降水进行了1982~1995年共14年的跨季度综合性回报检验研究。结果表明,该模式对我国汛期降水具有一定的跨季度预报能力,对部分地区（江淮至华东沿海、东北部分地区等）有较强的预报能力。     

集合数值天气预报的研究进展

集合预报是目前国外广泛应用的一种新的数值预报技术,国内由于计算条件的限制,集合预报的研究应用起步较晚,目前虽已取得了一些研究成果,但还没有广泛的应用到实际的业务预报之中。集合预报的应用,在天气预报上主要是概率预报,另外在“目标观测”、资料同化等方面也有广泛应用。集合概率预报的一系列适用的验证,增加了概率预报的信度。     

与非线性区域预测方法结合的月延伸预报试验I:纬向平均环流的预报

为克服数值模式普遍存在的纬向平均环流预报误差 ,文中在 3 6aNCEP/NCAR再分析高度场资料的基础上 ,应用非线性时空序列预测理论的局域近似法构建了 2 0 0 ,3 0 0 ,50 0和 70 0hPa 4个等压面上的月尺度逐候纬向平均高度距平场非线性动力学区域预报模型。对 1996年 12个月所做的预报试验表明 ,无论是南、北半球中高纬度地区还是低纬度地区 ,非线性模型的候纬向平均高度预报结果均优于持续性预报、气候预报和T 42L9模式动力预报。用非线性结果对T42L9模式月平均高度场预报结果进行订正 ,则使该谱模式系统性预报误差显著减少 ,也大大减少了其预报高度场的均方根误差 ,相应地 ,高度场距平相关评分也有一定程度的提高 ,表明纬向平均高度的非线性预报比谱模式动力预报包含了更多的有用信息     

大西洋风暴活动预测的一个潜在高效能的预测方案

A new empirical approach for the seasonal prediction of annual Atlantic tropical storm number (ATSN) was developed using precipitation and 500 hPa geopotential height data from the preceding January-February and April-May. The 2.5º×2.5º resolution reanalysis data from both the US National Center for Environmental Prediction/the National Center for Atmospheric Research (NCEP/NCAR) and the European Center for Medium-Range Weather Forecasting (ECMWF) were applied. The model was cross-validated using data from 1979-2002. The ATSN predictions from the two reanalysis models were correlated with the observations with the anomaly correlation coefficients (ACC) of 0.79 (NCEP/NCAR) and 0.78 (ECMWF) and the multi-year mean absolute prediction errors (MAE) of 1.85 and 1.76, respectively. When the predictions of the two models were averaged, the ACC increased to 0.90 and the MAE decreased to 1.18, an exceptionally high score. Therefore, this new empirical approach has the potential to improve the operational prediction of the annual tropical Atlantic storm frequency.     

A GENERALIZED CANONICAL MIXED REGRESSION MODEL FOR ENSO PREDICTION WITH ITS EXPELMENT

A scheme is proposed for predicting NINO-region SST in terms of a generalized canonical mixedregression model based on principal component canonical correlation analysis(PC-CCA). and into the scheme are introduced such techniques as EEOF, PRESS criterion and consensus prediction. By optimizing physicalfactors and selecting optimal model parameters, experiments were made successful in predicting the LINO SST index for 1 to 4 seasons to follow. The scheme is shown to be stable in operation and its total technical level compares well with that of the model published in NOAA/NWS/NCEP CPC Climate Diagnostics Bulletin. butthe number of factors needed in our scheme is much fewer than that for the CPC's model in dealing with the sameproblems. This makes it possible to establish an operational ENSO monitoring system in China.     

通量和平流形式预报方程的数值预报试验

本文利用1982年5月8日和1979年6月28日两个实例,进行了四种方案的48小时数值预报试验,比较了它们的预报质量及彼此间的差异。四种方案是:经典通量、通量修正、经典平流和平流修正。试验表明,在有地形的数值预报模式中,采用平流形式的预报方程组比采用通量形式的为好,既可有较高的计算精度,又可节省计算时间。     

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     

基于多种集合的中国冬季气温逐月滚动预测

利用1979—2015年中国国家气候中心整编的160站月平均气温和NCEP/NCAR全球大气再分析资料,从1979/1980—2008/2009年冬季前期500 h Pa高度场、200 h Pa势函数和850 h Pa势函数场选择预测因子,考虑不同时效因子的组合及其独立性,综合应用多因子回归集合、交叉检验集合、逐月滚动集合,建立了针对中国冬季气温的逐月滚动预测模型,并利用该模型对2010/2011—2014/2015年冬季气温进行了独立预测试验和检验。结果表明,综合运用多种集合可提高短期气候客观定量预测的可行性和稳定性。多因子回归集合能增加可预测站点数,交叉检验集合可减少因统计关系不稳定而产生的对预报效果的影响,逐月滚动集合的应用不仅增加了可预测站点数,而且使预测效果更加稳定。本文建立的预测模型可对中国冬季气温进行长时效的预测,且有一定的预报技巧,对实际的季节预测业务有重要应用价值。     

IAP／CAS的短期气候距平数值预测研究

本文介绍了中国科学院在气物理研究所（ＩＡＰ／ＣＡＳ）近十年来在短期气候距平数值预测研究方面的一些进展情况,首先介绍了近十年来准业务跨季度汛期降水预测的结果及评分,对预测的物理基础、预测可能性、集合预测方法、订正的必要性与方案进行了初步探讨,提出了我们的看法,发现预测中可能出现多平衡态,可以应用来改进不同区域的预测,并对些方法所作预测的特点、与经验半经验统计的相互配合、不同地区预测效果的差异、如何选     

跨季度气候距平数值预测研究小结

中国科学院大气物理研究所发展了一个准业务跨季度气候距平数值预测系统,包括气候模式、大气和海洋初始条件同化、年际气候异常信号的提取、集合积分与概率计算、预测值系统误差的订正方法以及预测评分技术等方面,以东亚夏季风降水和太平洋海温异常为主要预测对象。本文主要报告５年来中国夏季降水跨季度预测准业务试验的结果。１９８９～１９９５年夏季降水跨季度实时预测试验的结果表明：对于导致气候灾害的夏季降水异常,例如中国东部的严重旱涝,我们能够作出很好的预测;对于比较弱的夏季降水异常,预测技巧较低。另外,预测效果有明显的地区差异,比如,中国东部比西部好,东部又以长江中下游为最佳。本文还介绍了一些由西太平洋海温异常影响大气的物理过程及机理,提出了一个“持续异常区假说”。进而讨论了集合预测的理论和方法,并通过一个实例来说明如何使用集合积分技术来识别持续异常区。最后对短期气候预测的几个基本问题以及改进的途径进行了讨论     

临近预报的两种高时空分辨率定量降水预报融合算法的对比试验

长期以来,雷达回波外推技术是0—2 h临近预报系统主要采用的方法,但其实际有效预报时间≤1 h,而中尺度数值模式预报则受平衡约束时间的限制,最初2 h的降水预报无效。为解决上述两种预报的缺陷,目前国际上流行采用外推预报与数值模式预报融合的技术,形成统一的0—6 h格点化的高分辨率无缝隙定量降水临近预报系统。对目前流行的两种融合算法（INCA（Integrated Nowcasting and Comprehensive Analysis System）算法及RAPIDS（Rainstorm Analysis and Prediction Integrated Data-processing System）算法）进行了分析和对比试验,以期为业务应用提供借鉴。RAPIDS算法的核心是用自动气象站雨量融合雷达估测得到的定量降水对模式预报的降水强度和位相进行修正;INCA算法则是用数值模式预报的风场修正外推技术的降水移动矢量。两种方法在0—6 h预报时效内,外推预报的权重均逐渐减小,模式预报的权重逐渐增大,从而实现外推预报和模式预报的平滑过渡。试验结果表明,两种方法对降水雨带和降水强度的预报均优于单一的外推预报或模式预报。集二者的优势研发最优的高时、空分辨率降水预报无缝隙融合算法,将有助于进一步提升高分辨率定量降水0—6 h无缝隙预报水平。      

动力季节预测中预报误差与物理因子的关系

为了在动力季节预测中更好地运用统计经验来改进预报, 从研究气候系统物理因子影响模式预报误差的角度入手, 探讨了与气候模式有关的统计经验获取问题, 并利用国家气候中心海-气耦合模式的历史回报数据, 考察了动力季节预测中夏季环流和降水的预报误差与主要物理因子, 包括Ni?o3区海温指数、太平洋年代际振荡指数、南北半球环状模指数以及北大西洋涛动指数相关关系。分析结果显示:上述物理因子与模式预报的夏季环流和降水误差之间存在前期或同期的某种显著相关关系, 并且显著关系分布随因子的不同而表现出明显不同的区域性特征, 这为发展一种基于预报因子的误差订正新方法提供了新思路。     

On spatiotemporal series analysis and its application to predict the regional short term climate process

Based on the theory of reconstructing state space, a technique for spatiotemporal series prediction ispresented. By means of this technique and NCEP/NCAR data of the monthly mean geopotential heightanomaly of the 500-hPa isobaric surface in the Northern Hemisphere, a regional prediction experiment isalso carried out. If using the correlation coefficient R between the observed field and the prediction fieldto measure the prediction accuracy, the averaged R given by 48 prediction samples reaches 21%, whichcorresponds to the current prediction level for the short range climate process.