小波分解与SOFM-BP网络结合的西太平洋副高数值预报产品优化技术

基于1995～1997年夏季（5～8月）T106数值预报场资料,研究讨论了夏季西太平洋副热带高压面积指数的预报误差修正与预报优化问题。首先通过小波分解对预报目标进行频域分解和高频滤波,随后引入了人工神经网络BP模型与自组织特征映射网络（SOFM）相结合的方法,对副高指数的数值预报结果进行了预报优化与误差修正的训练建模。试验结果表明,所建模型能够较为客观、有效地修正副高指数的数值预报误差,优化和改进副高预报效果。     

支持向量机与卡尔曼滤波集合的西太平洋副热带高压数值预报误差修正

基于T106数值预报产品资料,提出了支持向量机和卡尔曼滤波相结合的方法来进行夏季西太平洋副热带高压数值预报的误差修正与预报优化。首先采用支持向量机方法建立了西太平洋副热带高压面积指数的误差修正模型。基于支持向量机预报优化模型尽管有比较好的拟合精度和预报效果,但与实际副热带高压指数尚有一定的差异。究其原因,除预报对象(副热带高压)本身比较复杂、模型优化因子不够充分以及数值预报误差自身的随机性以外,优化模型的输入、输出基本上是一个静态映射结构,因此前一时刻的预测误差难以得到有效的反馈、调整和修正。为考虑前一时刻预报误差的反馈信息,动态跟踪副高的变化趋势,随后引入卡尔曼滤波方法建立支持向量机-卡尔曼滤波模型,对支持向量机模型的输出结果作进一步的调整和优化。试验结果表明,该方法模型的预报优化效果优于T106数值预报产品以及单纯的神经网络修正模型和卡尔曼滤波修正模型的优化效果,能够较为客观、有效地修正西太平洋副热带高压指数的数值预报误差,改进和优化西太平洋副热带高压的数值预报效果。该方法为副热带高压等复杂天气系统和要素场预报提供了一种新的思路,表现出较好的应用前景。     

T106数值预报产品误差检验和分析

运用国家气象中心数控室提供的T106数值产品资料,分别对1997年夏季(7-8月)预报场中的5个要素、5个时次、3个层次、4个关键区的预报值和分析值进行对比分析,检验结果对于在业务预报中进一步用好T106数值预报产品,指导业务预报,具有重要的意义.     

MOS，PP方法在降水及温度预报中的效果对比检验

利用1995～1997年的北京T106数值预报产品资料,建立了山东省各测站夏季（6～9）1～5天日极端温度、降水MOS预报方程和PP预报方程,并对1999年7～9月的预报进行了对比检验,结果表明,MOS方法预报效果明显优于PP方法。     

T106 与T63 500 hPa数值预报产品对天气系统预报能力的对比分析

目前我国中期数值预报产品已由T63改为T106模式,为分析T106模式对天气系统的预报能力,并与T63模式的预报能力进行比较,在已对1996年8月T63数值预报产品进行检验的基础上,本文对1997年8月T106500hPa24～144h数值预报产品用相同的检验标准进行检验,并与T63产品的检验结果进行比较。1检验标准1．1西风槽脊位置的检验标准本文规定：西风槽脊位置与实况经度误差小于等于5个经度、纬度误差小于等于3个纬距为正确;经度误差在5～10个经度或纬度误差在3～5个纬距为基本正确;经度误差大于10个经度或纬度误差大于5个纬距为错误。豆．2高、低…     

Kalman滤波在贵州短中期温度预报中的应用及其业务化流程

Kalman滤波方法建立的预报模式是随着时间的变化而变化的。它是一种利用上一次的预报误差反馈信息来作修正原模式中的参数和量测方程的方法。用Kalman滤波方法建立的可变预报模式,对于用Mos方法建立的预报模式来说有了很大的进步。这主要是由于Kalman滤波不需要对新模式产品资料的积累过程和回归系数是随时间变化的原因,使得Kalman滤波方法具有很好的自我调整能力,从而使预报值不断适应实况的变化。     

用西风指数和副高脊线预报内蒙古夏季降水过程

为了提高对T106模式中期数值预报产品的解释应用，利用其中的西风指数、副高脊线及常规资料，采用两线图、经验公式的方法，对1999年6～9月内蒙地区发生的27次降水过程进行分析。结果发现：西风指数与副高脊线变化特征与内蒙地区中期大范围降水过程有明显对应关系，对中高纬度地区确定中期降水过程有实用价值。由特征图解表明内蒙夏季区域性明显降水过程有利的天气形势主要是500hPa图上是稳定的东高西低的环流背景；而盛夏旱涝时段的变化与东亚异常环流有关。     

地表参数对T106模式预报的影响

利用ISLSCP的土壤湿度、植被和NOAA的实时雪盖、海温资料, 通过改变T106模式的地表参数及改进地表通量计算方法, 探讨了地表参数对T106谱模式预报效果的影响.试验表明, 地表参数及地面过程对T106模式的预报结果有较大影响, 试验方案改进了模式的预报效果, 尤其对西太平洋副热带高压的预报, 如对副高特征值588 dagpm线北界和西伸脊点、面积指数和强度指数以及副高整体进退预报都比业务模式更接近实况.     

2009年6—8月T639、ECMWF及日本数值模式中期预报性能检验

每年的6-8月是我国主汛期,这个季节高温干旱、暴雨洪涝等气象灾害最为严重.为更好地了解业务主流模式的预报性能,以提高汛期气象服务能力,对2009年6-8月T639、 ECMWF(以下简称EC)及JAPAN(以下简称JP)数值模式的预报产品进行了对比分析和检验.结果表明, 各家模式对亚洲中高纬度大尺度环流的演变和调整都有较好的预报能力,但均表现出指数值预报偏高的误差;对夏季副高和850hPa气温,T639有一定的中期预报能力,但与EC和JP模式相比,误差偏大,并存在一定的系统性偏差;T639对莫拉克台风的生成预报较好,台风移动和登陆的预报与实况相比有较大误差.     

集合Kalman滤波同化理论及其数值试验

集合Kalman滤波用于数值试验有着坚实的理论基础.本文介绍了集合Kalman滤波理论及其技术实现, 在此基础上搭建了集合Kalman滤波同化系统, 用MM5模式同化了实测探空资料并作了48 h的预报试验, 并将预报结果与实测值及4D VAR同化的结果作了比较.试验结果表明: 集合Kalman滤波同化探空资料可以改进MM5模式的预报效果, 且集合Kalman滤波同化后模式的预报效果明显优于4D VAR同化后模式的预报效果.     

基于贝叶斯理论的单站地面气温的概率预报研究

基于贝叶斯理论,建立了将确定性预报向概率预报转换的基本模式,并利用TIGGE资料中欧洲中期天气预报中心(ECMWF)地面气温预报资料及地面气温观测资料,对概率化后的预报进行了评估与释用。结果表明,概率化后的预报结果不但能提供丰富的预报产品,而且所提供的预报均值优于原始的确定性预报。应用贝叶斯模式平均法(BMA)将中国气象局(CMA)、美国国家环境预报中心(NCEP)和ECMWF 3个模式的预报结果进行多模式集成,得到了更为合理的概率分布,其中分布的均值可作为模式的预报结果,方差和置信区间反映了预报量的可变范围。因此,基于贝叶斯预报模式的概率预报相对于确定性预报,不但能够提供更高精度的预报,而且能提供更全面的预报信息。BMA集成预报结果不但优于集合平均预报,而且还能定量描述预报的不确定性。利用ECMWF预报中心51个预报成员进行集成贝叶斯概率预报试验,发现BMA预报融合了各成员对预报不确定性的描述,还对概率预报的均值进行了调整,使之与观测值更为接近。BMA预报的概率密度分布更能反映大气的真实分布情况。     

辽宁省分县指导预报评定检验系统

辽宁省分县指导预报评定检验系统是根据业务工作需要,以"辽宁省气象台中短期指导预报天气预报质量检验办法"为评分标准,使用VB语言为工具,应用分县指导预报及每日实况等基础资料开发研制的。系统实现了54个县站24—168 h的降水、温度等指导预报产品以及实况资料的自动入库、评定功能;建立了辽宁省指导预报评分统计平台,实现了对全省中短期指导预报产品按不同的预报项目、预报时段和预报区域的评定检验功能,基本实现了指导预报评分的标准统一化、操作简单化、报表规范化及评分自动化。通过对指导产品分站、分区和分时效的预报结果检验,可找出天气预报的薄弱环节,提高指导预报的水平,为各级台站提供具有一定可信度的指导预报产品具有重要的意义,有利于提高指导预报准确率及各市县级台站对指导预报的有效使用及评价。     

山东省霜冻天气分区客观预报方法

根据山东省霜冻气候概况,把全省分成６个预报区,每个区选取有代表性的测站,应用探空、地面观测资料和逐步回归方法,建立测站的日最低气温和日最低地温的短期预报方程;把ＨＬＡＦＳ数值预报资料代替高空资料代入预报方程,进行最低气温和地温的预报;根据霜冻与气温和地温的关系及分区预报霜冻的标准,判别预报区内有无霜冻。建立了山东省霜冻天气短期分区预报业务系统。     

新疆DOGRAFS_3km夏季预报试验与分析

为了提升新疆区域数值天气预报模式的精细化预报能力,基于目前业务应用的沙漠绿洲戈壁区域同化预报系统(Desert Oasis Gobi Regional Assimilation Forecast System,简称DOGRAFS),搭建了DOGRAFS_3 km运行系统,将2016年7月作为预报检验月份,对比分析了目前业务化运行的DOGRAFS_9 km与新搭建的DOGRAFS_3 km系统的短期、短临预报效果,并针对7月31日—8月2日的降水过程进行对比。结果表明:(1)3 km分辨率系统的地面温度、风基本气象要素的预报效果整体要优于9 km系统;(2)从不同层次上的位势高度、温度、风要素预报结果看,3 km系统在925、850、700、500 h Pa预报效果优于9 km系统,300 h Pa和200 h Pa略差于9 km系统;(3)降水检验看,3 km分辨率系统在降水时段、落区和量级等方面的效果均好于9 km系统,尤其是对中量和大量级降水的预报,3 km分辨率系统与9 km系统的降水预报能力均有限。(4)通过用加密自动站的降水量监测值检验分析得知,对于典型降水过程的的过程降水落区、24 h降水落区、以及6 h降水落区的预报,3 km分辨率系统的预报效果更好。综合2016年夏季代表月份的预报以及一次强降水过程的对比分析结果,DOGRAFS_3 km系统在夏季的整体预报性能优于DOGRAFS_9 km,推进DOGRAFS_3 km高分辨率系统建设尤为必要。     

2008年T213与德国降水数值预报产品对比检验分析

为了解各种数值预报的误差特点,更好地在预报过程中选择数值预报产品作为参考依据,将中国国家气象中心的T213降水预报和德国降水预报分别进行晴雨预报检验,对2008年5—8月期间东北地区降水资料进行对比分析。结果表明：两种模式24—120h预报正确率为60%—70%左右,随着预报时效的增加,正确率呈下降趋势,德国降水预报的正确率高于T213,两种预报漏报率均明显小于空报率,T213漏报率较低,为5%左右,德国降水预报空报率较低,为20%左右。对2008年4—6月出现东北冷涡过程的两种模式降水预报进行对比分析,发现德国降水预报正确率明显高于T213预报,对冷涡降水预报有一定的指示意义。     

基于深度学习的中国地面气温的多模式集成预报研究

基于TIGGE资料中的欧洲中期天气预报中心、英国气象局、美国国家环境预报中心、韩国气象厅和日本气象厅2015年1月1日—9月30日中国及周边地区地面2 m气温24～168 h集合预报资料,利用长短期记忆神经网络(Long Short-Term Memory,LSTM)、浅层神经网络(Neural Networks,NN)、滑动训练期消除偏差集合平均(BREM)和滑动训练期多模式超级集合(SUP)方法对2015年9月5—30日26 d预报期进行集成预报试验。结果表明,BREM对5个单模式进行等权集成,预报结果易受预报效果较差模式的影响,整体预报技巧略低于单个最优模式ECMWF的预报技巧。其中在新疆南部,等权集成后的预报技巧更低。SUP的预报结果比所有单个模式预报更为准确。在144 h之前,SUP的误差明显小于ECMWF的预报误差,但随预报时效增加,误差增长幅度增大。NN对地面气温的预报效果与SUP的预报效果相当。LSTM整体预报效果最好,特别是在预报时效较长(超过72 h)时,比其他方法预报准确率明显提高。LSTM神经网络方法明显改进了我国西北、华北、东北、西南和华南大部分地区的气温预报,但在南疆部分地区误差较大。     

暴雨站数预报在暴雨落点预报中的应用

采用暴雨站数预报与站点降水量预报相结合的方法预报暴雨落点,在１９９８年７～８月的暴雨落点预报中,ＴＳ评分达到２２．４％,超过了ＨＬＡＦＳ和主观预报。进一步的研究分析表明：这种方法可充分利用降水量预报的空间分布信息,预报准确率还存在较大的可提高空间,是一种较为有效的暴雨落点客观预报方法     

IMPACT OF SUMMER WARMING ON DYNAMICS-STATISTICS-COMBINED METHOD TO PREDICT THE SUMMER TEMPERATURE IN CHINA

Based on NCEP/NCAR daily reanalysis data, climate trend rate and other methods are used to quantitatively analyze the change trend of China's summer observed temperature in 1983—2012. Moreover, a dynamics-statistics-combined seasonal forecast method with optimal multi-factor portfolio is applied to analyze the impact of this trend on summer temperature forecast. The results show that: in the three decades, the summer temperature shows a clear upward trend under the condition of global warming, especially over South China, East China, Northeast China and Xinjiang Region, and the trend rate of national average summer temperature was 0.27℃ per decade. However, it is found that the current business model forecast(Coupled Global Climate Model) of National Climate Centre is unable to forecast summer warming trends in China, so that the post-processing forecast effect of dynamics-statistics-combined method is relatively poor. In this study, observed temperatures are processed first by removing linear fitting trend, and then adding it after forecast to offset the deficiency of model forecast indirectly. After test, ACC average value in the latest decade was 0.44 through dynamics-statistics-combined independent sample return forecast. The temporal correlation(TCC) between forecast and observed temperature was significantly improved compared with direct forecast results in most regions, and effectively improved the skill of the dynamics-statistics-combined forecast method in seasonal temperature forecast.     

最佳数值预报模式选取与订正系统设计——温度集成预报系统

本文依据国家指导预报产品,山西省MOS预报以及MM5数值预报产品,对山西省的温度预报进行集成,通过3种客观预报方法的前期准确率对比,建立数学模型,从而产生一种新的客观预报方法。系统对3种数值预报产品进行了集成,建立了一个统一的预报指导产品分析、对比平台,为省台预报员提供一种客观的温度预报参考手段。