21世纪黑河流域降水统计降尺度及预估北大核心CSCD

借助第五阶段国际耦合模式比较计划(CMIP5)多模式集合数据、欧洲中期预报中心再分析资料及黑河流域站点观测记录等,检验了模式降水估计偏差,设计了3种降尺度方法,对2011~2100年模式集合预估降水做了降尺度偏差订正。结果表明,即使去掉模式气候飘移,在黑河流域的模拟或估计降水偏差依然较大。本文选用15个CMIP5模式集合做降水预估。依据贝叶斯模式平均(BMA)和多元线性回归(MLR)构造降尺度模型,其因子有700 hPa位势高度场、经向风和比湿等。检验表明,两种降尺度模型各有优缺点,BMA降尺度降水平均值精度较高,但方差和相关系数较低;MLR的方差和相关系数均较高,但在黑河下游极端干旱区或少雨季节易出现“负降水”偏差。在降尺度模型中加入模式降水因子后,BMA的降水方差和相关系数均有明显提高,MLR的负降水问题得到一定程度抑制。BMA模型在黑河上游最优,MLR在中、下游及整个流域最优。因此,选用BMA和MLR对RCP4.5情景下2011~2100年的降水预估做降尺度偏差订正,结果表明,经BMA和MLR降尺度后预估的整个黑河流域降水呈下降趋势,相对于1971~2000年参考期,流域前期(2011~2040年)、中期(2041~2070年)、后期(2071~2100年)降水下降率依次为−9.7%、−12.5、−12.1%,即前、中期降水明显减少,后期变化不大。其中上游降水有一个弱的增加趋势,其变化率依次为1.4%、1.6%、2.3%;中游降水呈明显减少趋势,其变化率依次为−16.3%、−21.4%、−22.6%;下游降水前期减少,中、后期明显增加,其变化率依次为−13.0%、4.2%、21.4%。该预估结果表明,随着全球气候暖化,黑河上游祁连山区降水会缓慢增加,但中游农耕区降水明显减少,流域水资源供需矛盾可能会进一步加剧。因此,黑河流域未来的分水方案及相关的生态、农业、经济等发展规划需要据此做一些调整,以适应未来气候和黑河流域水资源的可能变化。     

基于CFS模式的中国站点夏季降水统计降尺度预测

本研究针对中国夏季站点降水,研制建立了基于Climate Forecast System(CFS)实时预测数值产品及观测资料的统计降尺度预测系统。此预测系统选取了CFS模式中当年夏季500 hPa高度场和观测资料中前一年秋、冬季海表面温度场作为预测因子,两因子的关键区分别为泛东亚地区和热带太平洋地区。统计降尺度模型对1982~2011年中国夏季降水的回报效果较CFS模式原始结果显著提高,空间距平相关系数由0.03提高到0.31,时间相关系数在中国大部分地区显著提高,最大可达0.6。均方根误差较CFS模式原始结果明显降低,同时,此降尺度模型较好的回报出2011年汛期降水的距平百分率的空间分布型。     

基于BP-CCA统计降尺度的中亚春季降水的多模式集合模拟与预估

利用中亚地区30个观测台站逐月降水资料及同期ERA-40再分析资料,结合8个CMIP5全球气候模式模拟与未来预估大尺度环流场,使用基于变形典型相关分析的统计降尺度方法（BP-CCA）建立降尺度模型,评估多个气候模式对当前气候下中亚地区春季降水的降尺度模拟能力,并对春季降水进行降尺度集合未来预估。结果表明,建立的降尺度模型能够很好地模拟出交叉检验期内春季降水的时间变化和空间结构：降尺度春季降水与相应观测序列的平均时间相关系数为0.35,最高为0.62,平均空间相关系数为0.87。气候模式对中亚春季降水的模拟能力通过降尺度方法得到了显著提高：8个模式降尺度后模拟的降水气候平均态相对误差绝对值降至0.2%—8%,相比降尺度前减小了10%—60%,模拟的降水量场与相应观测场的空间相关均超过0.77;对比降尺度前多模式集合结果,多模式降尺度集合模拟的相对误差绝对值由64%减小至4%,空间相关系数由0.47增大至0.81,标准化均方根误差降至0.59,且多模式降尺度集合结果优于大部分单个模式降尺度结果。多模式降尺度集合预估结果表明,在RCP4.5排放情景下,21世纪前期（2016—2035年）、中期（2046—2065年）和末期（2081—2100年）的全区平均降水变化率分别为-5.3%、3.0%和17.4%。21世纪前期中亚大部分地区降水呈减少趋势,降水呈增多趋势的站点主要分布在南部。21世纪中期整体降水变化率由减少变为增多趋势,21世纪末期中亚大部分台站降水增多较为明显。21世纪初期和末期可信度高的台站均主要位于中亚西部地区。     

一种分离时间尺度的统计降尺度模型的建立和应用——以华北汛期降水为例

针对预报量变化中存在受不同物理因子控制的不同时间尺度变率特征, 本文提出了分离时间尺度的统计降尺度模型。应用滤波方法, 将不同尺度的变率分量分开, 在各自对应的时间尺度上利用不同的大尺度气候因子分别建立降尺度模型。华北汛期 (7～8月) 降水具有年际变率和年代际变率, 本文以华北汛期降水为例利用分离时间尺度的统计降尺度模型进行预测研究。采用的预报因子来自海平面气压场、 500 hPa位势高度场、 850 hPa经向风场和海表温度场以及一些已知的大尺度气候指数。利用基于交叉检验的逐步回归法建立模型。结果表明, 年际尺度上, 华北汛期降水与前期6月赤道中东太平洋海温以及同期中国东部的低层经向风密切相关; 年代际尺度上, 在东印度洋—西太平洋暖池海温的作用下, 华北降水与前期6月西南印度洋海平面气压有同步变化关系。年际模型和年代际模型的结果相加得到对总降水量的降尺度结果。1991～2008年的独立检验中, 模型估计的降水和观测降水的相关系数是0.82, 平均均方根误差是14.8%。结合模式的回报资料, 利用降尺度模型对1991～2001年的华北汛期降水进行回报试验。相比于模式直接预测的降水, 降尺度模型预测的结果有明显改进。改进了模式预测中年际变率过小的问题, 与观测降水的相关系数由0.12提高到0.45。     

基于印度洋海温信号的我国西北地区东部夏季降水组合降尺度预测方法研究

利用国家气候中心第二代气候模式预测业务系统(BCC-CPSv2)预测产品,引入印度洋海温信号,采用组合降尺度方法建立了西北地区东部汛期降水预测模型。该预测模型对1991—2017年西北地区东部夏季降水的回报技巧较BCC-CPSv2预测技巧显著提高,空间相关系数由0.42提高到0.75,均方根误差明显减小,最多下降达80%。预测模型对降水空间分布型的预测能力较好,很好地回报了典型年份（1987年和2010年）夏季的降水距平百分率分布。通过抓住气象变量的空间分布特征,组合降尺度方法可以修正动力模式产品的预测误差,为西北地区东部夏季降水预测提供科学依据和技术支持,具有较好的应用前景。     

多模式集合预报及其降尺度技术在东亚夏季降水预测中的应用

利用动力季节模式输出的匹配域投影技术和多模式集合预报技术对多个国家和城市的站点月平均降水进行预报。预报变量是北京1个站、韩国60个站和曼谷地区8个站点的月平均降水,预报因子是从多个业务动力季节预报模式输出的多个大尺度变量。模式回报数据和站点观测降水数据时段是1983—2003年。降尺度预报降水的技巧是在交叉验证的框架下进行的。匹配域投影方法是设定一个可以活动的窗口在全球范围内大尺度场上进行扫描,寻求与目标站点降水最优化的因子和最相关的区域,目标站点的降水变率就是由该匹配域上大尺度环流场信息决定的。最终预报是用多个降尺度模式预报结果的集合预报(DMME)。多个降尺度模式预报结果的集合预报能显著地提高站点降水的预报技巧。北京站,多个降尺度模式预报结果的集合预报的预报和观测降水的相关系数可以提高到0.71;韩国地区,多个降尺度模式预报结果的集合预报平均技巧提高到0.75;泰国,多个降尺度模式预报结果的集合预报技巧是0.61。     

基于时间尺度分离的中国东部夏季降水预测

基于时间尺度分离,利用NCEP第2代气候预测系统 (CFSv2) 每年4月起报的夏季月平均预测资料, 结合实际观测资料和再分析资料,对江淮流域及华北地区夏季降水距平百分率进行降尺度预测。将预测量和预测因子分为年际分量和年代际分量,在两个时间尺度上分别建立降尺度模型,两个预测分量之和为总预测量。对1982—2008年拟合时段的夏季降水距平百分率的回报结果表明:降尺度预测结果相对于原始模式结果预测技巧显著提高。降尺度预测与实况降水在江淮流域和华北地区的空间相关系数最大值超过0.8,多年平均值也分别提高到0.53和0.51;时间相关在每个站点也显著增强,相关系数为0.38~0.65。对2009—2013年进行独立样本检验,结果表明:降尺度模型能较好地预测出该时段的降水异常空间型态。同时,该模型对2014年夏季降水长江以南偏多、黄淮地区偏少的分布形势也有一定预测能力。     

自组织映射神经网络(SOM)降尺度方法对江淮流域逐日降水量的模拟评估

利用1961~2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-Organizing Maps,简称SOM)的统计降尺度方法,对江淮流域夏季(6~8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(Brier Score)均近似为0,显著性评分(Significance Score)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%~60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。     

中国夏季降水的组合统计降尺度模型预测研究

现阶段的动力气候模式尚不能满足东亚区域气候预测的实际需求,这就需要动力和统计相结合的方法,将动力模式中具有较高预测技巧的大尺度环流信息应用到降水等气象要素的统计预测模型当中,以改善后者预测效果。本文中所介绍的组合统计降尺度模型,可将动力气候模式预测的大尺度环流变量和前期观测的外强迫信号作为预测因子来预测中国夏季降水异常。交叉检验结果显示,组合统计降尺度预测模型的距平相关系数较原始模式结果有较大提高。在实时夏季降水预测中,2013～2018年平均的预测技巧相对较高,趋势异常综合检验（PS）评分平均为71.5分,特别是2015～2018年平均的PS评分预测技巧达到72.7分,总体上高于业务模式原始预测和业务发布预测的技巧。该组合统计降尺度模型预测性能稳定,为我国季节预测业务提供了一种有效参考。     

一种基于全球动力模式和SMART原理结合的统计降尺度区域季节气候预测方法

针对江苏夏季旱涝和高温热浪等异常气候的预测难题，以江苏夏季站点降水和气温为预测目标，建立了一种基于全球动力模式BCC_CSM1.1（m）和最优可预测气候模态和异常相对倾向（SMART）原理结合的统计降尺度季节气候预测方法。利用历史观测资料和SVD方法提取决定中国夏季降水异常相对倾向的同期热带地区向外长波辐射（Outgoing Longwave Radiation，OLR）和北半球中高纬500 hPa位势高度场异常相对倾向的最优可预测气候模态，并利用逐步回归法构建其与同期江苏站点降水和气温异常相对倾向同期关系的统计降尺度模型；将动力模式对最优可预测气候模态的预测带入统计降尺度模型，实现对区域降水和气温异常相对倾向的预测；最后通过引入观测的近期背景异常实现对降尺度的降水和气温总距平的预测。通过对1991—2019年江苏夏季降水和气温的回报检验表明，本文建立的统计降尺度模型效果较BCC_CSM1.1（m）动力模式的直接预测效果有显著提高，为区域精细化季节气候预测提供了一种有效的手段。     

长江流域年降水预测动力-统计降尺度方法及其应用

基于站点资料、再分析数据和动力气候模式回报数据,利用经验正交函数分解（EOF,Empirical Orthogonal Function）迭代和年际增量方法,探讨了长江流域年尺度降水异常的动力-统计降尺度预测方法及其应用效果。结果表明,基于再分析数据的年尺度环流场,建立的长江流域年尺度降水异常增量的统计降尺度预测方案,其26 a回报检验的距平相关系数（ACC）平均达0.6,证明该方案具有较高的可预报性。进一步利用模式预测的年尺度环流场,建立了年降水异常增量的动力-统计降尺度预测方案,其ACC平均为0.42,显示了较高的回报技巧,远优于模式直接输出的年降水动力预报结果。通过分析调制年降水预报技巧高低的因素发现,赤道中东太平洋年平均海温距平为负值时,预报技巧更高,ACC平均达0.5以上。在拉尼娜发展年或拉尼娜持续年的冷水背景下,利用EOF迭代选取的特征向量偏多时,多尺度的大气环流信息被纳入预测模型中作为预测信号,预测技巧得到了提高。     

ERA-Interim风速再分析数据在山东省的适用性评估

利用1979—2013年山东省32个气象观测台站的逐日平均风速数据,对比分析了欧洲中期数值预报中心ERA-Interim风速再分析资料在山东省的适用性。结果表明：ERA-Interim风速再分析数据整体具有较高的可信度,月尺度相关系数在0.40～0.83之间,存在明显季节差异,半岛地区相关系数最高,且北部高于南部,鲁中地区最低。月尺度均方根误差在0.83～4.25m/s之间,半岛地区均方根误差最小,鲁中和鲁西北地区季节差异十分明显,鲁南地区的季节差异性最小。月尺度绝对误差在-0.20～3.89m/s之间,仅个别站点出现负误差,说明ERA-Interim平均风速资料在山东省普遍偏大。代表台站绝对误差均符合正态分布,风速较小时,以正误差为主,随风速增大,负误差增多,当风力大于5级时基本以负误差为主。     

我国地面降水的分级回归统计降尺度预报研究

利用TIGGE资料中欧洲中期天气预报中心(ECMWF,the European Centre for Medium-Range Weather Forecasts)、日本气象厅(JMA,the Japan Meteorological Agency)、美国国家环境预报中心(NCEP,the National Centers for Environmental Prediction)以及英国气象局(UKMO,the UK Met Office)4个中心1~7 d预报的日降水量集合预报资料,并以中国降水融合产品作为"观测值",对我国地面降水量预报进行统计降尺度处理。采用空间滑动窗口增加中雨和大雨雨量样本,建立分级雨量的回归方程,并与未分级雨量的统计降尺度预报进行对比。结果表明,对于不同模式、不同预报时效以及不同降水量级,统计降尺度的预报技巧改进程度不尽相同。统计降尺度的预报技巧依赖于模式本身的预报效果。相比雨量未分级回归,雨量分级回归的统计降尺度预报与观测值的距平相关系数更高,均方根误差更小,不同量级降水的ETS评分明显提高。对雨量分级回归统计降尺度预报结果进行二次订正,可大大减少小雨的空报。     

日最高温度统计降尺度方法的比较研究

针对日最高温度的降尺度问题,发展了一种统计降尺度的新方法——优选格点回归法(OPR)。利用该方法与双线性插值法(BI)对平原(山东)和高原(云南)的日最高温度进行降尺度对比分析,结果表明:无论对于平原(山东)还是高原(云南)地区以及夏季(7月)还是冬季(1月),OPR方法都明显优于BI方法,特别是从高原地区的均方根误差来看,降尺度效果优势更加明显。进一步对OPR方法降尺度过程中所做的方差放大对比分析显示,方差放大后对日最高温度的降尺度效果不但没有改进,在某些方面如均方根误差和极端误差等还有变差的表现。     

基于月动力延伸预报最优信息的中国降水降尺度预测模型

利用国家气候中心月动力延伸预报结果、NCEP/NCAR再分析资料和中国160个站观测资料,通过计算两次相关的方法,获取最优预报信息作为建立降尺度预测模型的预测因子,提取的最优预测因子同时满足既是观测环流要素场影响降水的关键区域,又是模式要素场预报的高技巧区域两个条件.结合挑选出的最优预测因子,利用最优子集回归建立月平均降水的降尺度预测模型.文中设计了消除预测因子和预测量的线性趋势值后建立预测模型(方案1)和直接利用原始资料建立预测模型(方案2)两种方案.经过独立样本检验,发现这两种方案建立的预测模型都能够提高月尺度降水预测,方案1对月尺度降水预测的距平相关系数平均可达0.35.利用该方案对超前时间分别为0、5、10 d的月动力延伸预报产品进行月降水的降尺度预测表明,模式初值信息不仅影响月动力延伸预报结果,也影响降尺度应用效果,利用超前时间为0和5 d的月动力延伸预报结果进行降水降尺度预测可在业务中参考.此外,降尺度预测模型中选取的预测因子不仪在统计上是显著的,同时也具有清楚的物理意义.     

非齐次隐马尔可夫降尺度方法对江淮流域夏季逐日降水的模拟及其评估

引入非齐次隐马尔可夫模型(Nonhomogeneous hidden Markov model,NHMM)统计降尺度方法,利用1961—2002年江淮流域夏季逐日降水资料、欧洲中期天气预报中心(ECMWF)的ERA-40再分析资料建立模型,检验其对东部季风区(以江淮流域为代表)夏季日降水的模拟能力,并对比BCC-CSM1.1(m)模式NHMM降尺度前后的模拟效果。结果表明,NHMM降尺度方法通过建立降水概率分布态间转移参数与大尺度环流变量的联系,对江淮流域逐日降水量具有较好的降尺度效果。模拟的各站日降水量概率分布函数(PDF)曲线与观测非常接近,布赖尔评分(Brier Score,S_B)均小于0.11%,显著性评分(Significance Score,Ss)均大于0.84;夏季总降水量、降水日数、中雨日数、降水强度和95%分位降水量指数的多年平均场偏差百分率绝对值低于10%,前3个指数的空间相关系数高于0.9;该方法对各降水指数的年际变率也有一定的模拟能力,模拟得到的各指数的区域平均年际序列与观测序列的相关系数为0.62—0.87。对BCC-CSM1.1(m)模式的模拟结果进行降尺度后,SB较降尺度前平均减小0.57%,Ss平均增大0.23,皆表明降尺度后的概率分布函数曲线更接近于观测;各降水指数在多数台站的偏差百分率绝对值由大于40%降至10%以内,空间相关系数普遍提高至0.8以上。NHMM降尺度方法能够有效提高BCC-CSM1.1(m)模式对江淮流域夏季日降水的模拟能力,相对气候模式具有显著的"增值",未来可进一步利用该方法进行气候变暖背景下的日降水变化预估。     

基于集合预报产品的降尺度降水预报试验

利用降水距平百分率的降尺度预报方法和1951-2008 NCEP资料及我国降水资料,建立了降水距平百分率的预报模型,基于T106L19模式的月动力延伸集合预报结果,进行了2007-2009年3 a的预报试验和效果检验.结果表明,基于集合预报产品的统计降尺度方法对降水距平百分率的预报技巧高于模式降水的预报技巧;500 hPa月平均高度场的预报技巧直接影响到降水距平百分率的预报技巧,平均环流的预报技巧越高,降水距平百分率的预报技巧越高;无论集合成员数为多少,集合预报的结果都明显优于控制预报,随着集合成员数的增多,预报技巧呈增大的趋势;我国降水具有显著的季节性和区域性,以江淮地区的降水距平百分率预报技巧最高,华南地区的预报技巧其次.     

华东地区月平均气温统计降尺度方法比较

用中国地面气象观测站的逐日气温观测资料和NCEP/NCAR再分析资料,分别使用基于多元线性回归(MLR)和3种主成分分析(PCA)的统计降尺度方法,对1959-2008年的华东地区的月平均气温分两个时段进行统计降尺度分析并加以检验,比较了不同降尺度方法的结果。结果表明:对于华东地区气温的统计降尺度预报,基于MLR的统计降尺度方法相对于3种PCA方法而言,对单站年际变化模拟方面有一定优势。PCA方法应用于统计降尺度时,预报因子的区域选择是影响统计降尺度结果的重要因素之一。对于温度进行统计降尺度分析时,预报因子中包含温度因子是非常必要的;所试验的4种降尺度方法,对各站点多年平均情况的模拟要好于对区域平均的年际变化的模拟。     

中国地面气温和降水网格化数据精度比较

采用2013年国家气象信息中心逐日的839个中国基准、基本气象站,2419个国家级地面气象站,3万个逐小时中国地面站气温和降水数据,利用ANUSPLIN、SHERPAD和OI插值方法进行网格化,比较了日尺度上不同方法插值不同站网密度站点数据的精度。结果表明:台站点数量多的插值结果,对降水或气温描述的准确性高,相关性随站点密度增加而增大,均方根误差随站点密度增加而减少。不同方法得出的相关性、均方根误差随季节变化明显,且差异较大,并具有月尺度变化特征。夏季站点数量相同的不同插值结果,降水场的相关系数、RMSE等评分指标均优于年平均,气温的相关系数则低于年平均。降水场的评估指标时间序列不确定性更大,波动范围大于气温。国家气象信息中心制作的基于气候背景场OI插值的2419站降水场和考虑高程ANUSPLIN插值的2419站气温的综合评价较好。     

基于DERF2.0的华南前汛期降水订正

针对我国华南前汛期（4—6月）降水,基于国家气候中心第2代月动力延伸模式（DERF2.0）结果,利用非参数百分位映射方法将模式预测结果转化为概率预报,并进行概率订正。分别选用交叉建模与独立样本建模两种订正方法,并利用偏差、偏差百分率、时间相关系数、均方根误差等统计方法检验订正效果。结果表明:订正方法对预报技巧的改善与起报时间无显著相关,且具有误差稳定性,其订正效果受预报误差影响较小;与订正前模式预测降水落区的范围和平均强度相比,订正后结果与观测更接近;按百分位区间统计的不同强度降水订正预报均有明显改进;预测时段的订正效果与回报时段的订正效果基本一致。