利用车贝雪夫多项式进行资料缺测插补的研究

使用一维车贝雪夫多项式展开进行历史年降水量和月平均气温各种缺测情况下资料的插补试验，在迭代计算过程中，还对理想初值的两种临界迭代次数选取方案和迭代终值法进行了大量的试验。结果表明，一般情况下迭代终值计算精度较高，旱涝年则理想初值拟合结果更好一些；一年缺测插补精度高于连续多年缺测；双向插补计算结果优于单独使用顺序或逆序插补结果。     

时间序列预报方法的推广

文中讨论了车贝雪夫多项式值计算误差对作者以前提出的一种新的时间序列预报方法的预报结果的影响,并在此基础上对原来的计算方案作了推广,推广后的算法有利于提高预报准确率。     

多因子的EOF迭代预报方案

本文提出一种基于ＥＯＦ分析的ＥＯＦ迭代预报方案，详细介绍了各有关参数的选取方法，并提出利用主成分分析方法确定拟合时特征场截止阶数，这是预报成功与否的关键。该方案尤其适用于备选因子较多，但因子两两之间又有显著相关时的情形。文中最后利用一实例验证该方案的预报能力。     

CMA-GD模式江西省智能网格预报区域2 m气温预报误差分析

利用2020年6月1日—2022年5月31日CMA GD模式2 m气温预报产品（预报时效为13—36 h）和同期江西省智能网格预报区域内地面站气温观测资料,计算气温预报准确率、平均误差和均方根误差,并统计分析其时空分布特征。结果表明： 1）模式预报准确率在不同月份、起报时次存在差异,暖季总体较高,冷季总体较低;暖季08时起报产品的月准确率总体高于20时,冷季反之;秋、冬季旬准确率分布更离散。模式预报产品其准确率明显低于中央气象台和江西省气象台订正产品,需订正后使用。08时起报产品对寒潮的预报效果优于20时。2）气温预报年误差分布存在日变化,最大值出现在08时,最小值出现在15时;年均方根误差峰值出现在15时和06时,白天大于夜间。3）冬季平均误差多为正值,夏季为负值,春、秋季平均误差大小界于冬、夏季之间;白天时段夏季均方根误差最大,夜间时段冬季最大。4）气温预报年误差地理分布特征明显,平原地区预报值偏低,年均方根误差最小;丘陵和山区22 h时效预报值偏高,31 h时效偏低;高山站预报值偏高,年均方根误差最大。丘陵地区负误差最大,平原地区最小;山区正误差最大。     

北京地区中尺度数值业务预报的客观检验

对北京地区中尺度数值天气预报客观检验系统的框架和方法进行了详细的介绍，分析了北京地区冬季（2001年11月1日~2002年2月28日）主要预报要素的客观检验结果，在此基础上给出北京地区冬季中尺度数值预报业务的误差特征，并根据检验结果定性地分析了模式预报系统性和非系统性误差的可能来源。结果表明，模式地形的强迫作用是地面和对流层低层预报系统性误差的重要来源；测站高空预报要素的非系统性误差显著，初始时刻存在的误差在积分过程中被进一步放大；对北京 (54511) 单站地面要素预报的检验结果发现，2-m温度预报冬季整体偏低。在系统性误差为主要误差分量时对模式的平均误差进行订正能有效地提高温度预报的准确率。     

MM5模式中不同对流参数化方案对降水预报效果影响的对比试验

本文应用MM5模式，在45km和25km模式分辨率及Blackadar和MRF边界层参数化方案下，选择AK、Grcll、KF和BM等4种对流参数化方案对非汛期22个降水个例进行48h预报试验。结果表明KF和AK方案预报的降水量误差较小，BM方案预报的降水量误差较大；各种方案预报降水效果的优劣对于量级不同的降水是不同的，对中雨、大雨和暴雨的预报，没有哪一种方案的预报效果是绝对最优的；不同方案预报降水结果的差异对量级大的降水比对量级小的降水大；在大部分情况下，相同方案在45km分辨率下的预报结果好于在25km分辨率下的预报结果。     

一次短期集合预报试验

数值模式中物理过程描述不准确是造成数值预报误差的主要来源之一,采用数值模式中不同物理过程的集合预报方案是减小模式预报误差的有效方法。本文结合一个典型的夏季东北冷涡型降水天气过程,选用不同的积云对流参数化方案、显式降水方案、辐射方案以及模式采用不同的地表分辨率构成10集合预报成员,进行了48h的预报。结果显示集合预报在总体预报效果上比各个集合成员的预报效果好,简单的集合平均就可以提高模式形势场和降水要素场的预报准确率。在集合平均提高预报准确率的同时,采用天气系统移动路径图、面条图以及降水概率预报等方法,可以增强小概率事件的预报能力。     

“非bogus初值”热带气旋数值预报及其性能

从高分辨模式特点及精细预报的需要出发，尝试了用“非bogus初值”开展热带气旋精细数值预报的方案。即直接采用四维同化形成的热带气旋（TC）初值，而不再加入“人造台风”（BOGUS）信息，以图避免人为理想结构带来的虚假信息，对热带气旋路径、强度、结构等有更为精细和准确的预报。用2001年所有影响华南的TC实例，对方案的可行性进行了分析。结果表明，本方案可以较好地预报TC的生成；路径预报准确率较高，对疑难路径及局地效应反映较为细致，路径预报误差随时效增大不显著；强度趋势预报指示意义强，准确率较高；尤其是能很好地反映TC的云、雨、风等的非对称结构、螺旋结构等特征的时空演化，对TC中尺度结构的刻画能力和预报可用性较强。显示了方案的优越性和发展潜力，也意味着“非bogus初值”方案应该作为未来TC数值预报发展的一个主要技术方向。分析表明目前条件下本方案还存在一些不足之处，主要表现在因初始信息的不足，当在TC过弱、初生或远离大陆等情况下，常会出现初始场中TC位置和强度与实况偏差过大，容易造成较大预报误差。     

多次取样的网格化暴雨预报“配料法”研究

利用2008—2019年甘肃省陇东342个测站的逐日降水资料和ECMWF_ERA5再分析资料，总结了不同暴雨天气过程的环流特征，建立了精细至模式预报每个格点、综合考虑暴雨日每个预报时次的多次取样网格化暴雨预报“配料法”方案，并通过2020年5次暴雨过程进行验证。结果表明，陇东暴雨可分为副高扰动型、冷槽切变型和偏北气流对流型；由于不同类型暴雨的环流特征差异明显，降水范围及持续时间不同，具有代表意义的关键物理量及阈值也不相同；网格化配料法的过程预报准确率相比ECMWF_THIN提高了20%，站点预报准确率提高了7.8%，性能优于ECMWF_THIN模式的暴雨预报；配料法对小区域预报效果优秀，预报范围越大预报准确率越低。     

提高方差分析预报效果的一些体会

方差分析是分析时间序列周期性变化的一种方法，在水文气象的中长期预报中一直为台站广泛应用。怎样提高方差分析的预报效果？我们在制作月平均气温和月降水量预报工作中有一些作会，提出来供大家参考。三样本时段的选取方差分析的结果和样本时段的选取有很大关系，同一个要素的时间序列取不同时段的样本作方差分析会出现不同的结果。例如我们运用历年《月乎均气温资料，对不同的样本作方差分析，作1996年4月平均气温的预报，结果见表1。表中定性拟合准确率是指预报误差在全0．st内的次数与预报次数之比。从表1可见，1、2、5三个样本预报结…     

多时次资料的EOF迭代在云南夏季气候预测中的应用

多时次资料的EOF迭代预测方法能较好地应用历史资料中的信息，并能将经验法则、观测事实和气候规律等引入到实际的短期气候预测过程中，特别是随着我们对影响短期气候变化的物理过程和因子认识的深入，这种预测方法将会得到更加有效地改进和实际应用。本文考虑4个区域月平均海表水温的多时次历史资料，基于EOF迭代方案，建立了云南夏季气候变化的一种多时次EOF迭代预测模型。在对云南分5个区域，每个区域16个气象观测站点的夏季降水和气温趋势的预测中，该模型对云南1995－1999年的夏季6－8月总雨量和平均气温趋势预测检验的最新业务标准评分平均分别达到79．6％和87．0％。该评分成绩表明，这种容纳多时次资料，基于EOF迭代的物理一统计预测方法是一种有效的短期气候预测途径。     

An online model correction method based on an inverse problem: Part I—Model error estimation by iteration

Errors inevitably exist in numerical weather prediction (NWP) due to imperfect numeric and physical parameterizations. To eliminate these errors, by considering NWP as an inverse problem, an unknown term in the prediction equations can be estimated inversely by using the past data, which are presumed to represent the imperfection of the NWP model (model error, denoted as ME). In this first paper of a two-part series, an iteration method for obtaining the MEs in past intervals is presented, and the results from testing its convergence in idealized experiments are reported. Moreover, two batches of iteration tests were applied in the global forecast system of the Global and Regional Assimilation and Prediction System (GRAPES-GFS) for July-August 2009 and January-February 2010. The datasets associated with the initial conditions and sea surface temperature (SST) were both based on NCEP (National Centers for Environmental Prediction) FNL (final) data. The results showed that 6th h forecast errors were reduced to 10% of their original value after a 20-step iteration. Then, off-line forecast error corrections were estimated linearly based on the 2-month mean MEs and compared with forecast errors. The estimated error corrections agreed well with the forecast errors, but the linear growth rate of the estimation was steeper than the forecast error. The advantage of this iteration method is that the MEs can provide the foundation for online correction. A larger proportion of the forecast errors can be expected to be canceled out by properly introducing the model error correction into GRAPES-GFS.     

基于Parsivel天气现象仪资料的郑州“7·20”罕见特大暴雨微物理特征分析

基于2016-2018年ECMWF模式温度预报和浙江省72个国家基本站观测资料,根据温度日变化特征,采用K-近邻(KNN)回归算法进行误差订正,改进浙江省172 h精细化温度预报。在KNN回归算法中,将模式起报时刻的温度视作“背景”,由模式预报减去起报时刻温度消除“背景”影响,得到温度日变化曲线,通过温度日变化曲线构建差异指标,选取历史相似个例。根据历史相似个例的误差特征,对温度预报进行订正,得到改进的温度预报。检验结果表明,KNN方案的温度预报平均绝对误差较ECMWF和30 d滑动平均误差订正方案(OCF)的分别减小26.2%和5.2%;日最高和最低温度预报误差绝对值小于2℃,准确率较ECMWF的分别提高14.8%和4.3%,较OCF的分别提高3.0%和1.3%。KNN方案对地形复杂地区的温度预报改进效果更为明显,对冷空气活动和夏季高温等天气过程预报改善效果也较稳定。     

利用多时次资料的EOF迭代温度长期预报

考虑多时次历史资料，基于ＥＯＦ迭代方案，将观测事实与统计方法结合，建立预报因子与预报对象的联系，开展长期预报试验。对四川盆地夏季温度的预报表明：这种容纳多时次资料、基于ＥＯＦ迭代的物理－统计预报方法是一种有效的长期预报途径。     

天津市多模式气温集成预报方法

在遗传算法和粒子群算法的基础上,采用权重分配方法开展基于混合演化算法的多模式气温集成预报方法研究。利用2012年5—10月中国气象局GRAPES模式、北京市气象局BJ-RUC模式、中国气象局T639模式、天津市气象局TJWRF模式24 h预报时效的逐6 h地面2 m高度气温和35个天津区域自动气象站点资料,通过逐日滚动建立集成预报模型,对混合演化算法的多模式气温集成预报方法进行了绝对误差在2℃以内的分级、分类及分站检验分析。结果表明:使用该方法建立的气温集成预报模型具有比较可靠的预报能力,预报误差明显小于任一成员,预报准确率高。按绝对误差不大于2℃的检验标准,2012年35个站逐6 h气温、最低气温、最高气温的集成预报平均准确率分别为76.34%,77.88%,78.00%。     

EOF迭代模型的月动力延伸预报产品释用方法

以动力延伸预报产品为基础, 应用EOF迭代模型对河北省2005—2007年6—8月逐月降水量进行预测试验。经过详细分析不同相关区因子、截取特征向量的项数、EOF迭代次数和迭代误差对预测结果的影响, 提出在建立模型时应该尽可能选取与预测对象关系密切的相关区因子。随着迭代次数增加, 迭代误差逐渐减小, 但预测精度与迭代误差没有必然联系。试验结果表明:迭代次数不宜过多, 甚至不需要迭代, 当仅取前一项特征向量, 不进行迭代时, 月降水量预测值和实况值的符号一致率为0.63, PS评分为0.74。     

SVD-En3DVar方法同化多普勒雷达速度观测资料 I. 模拟资料试验

利用WRF模式及模式模拟的资料,开展了利用SVD-En3DVar(基于集合和SVD技术的三维变分同化方法)方法同化雷达径向速度资料的试验.由于雷达观测经常出现大面积空缺,同化时引入了一种局地化方法避免远距离虚假相关的影响.试验着重研究了不同的初始扰动样本产生方法以及不同的样本积分时间对同化结果的影响.提出了一种为预报集...     

基于WRF模式的对流尺度边界层方案参数随机扰动方法研究

边界层参数化方案的准确性会影响模式对近地面变量和大气低层热动力结构的模拟,对雷暴等强对流天气的预报非常重要,但边界层方案内在的不确定性使得单一预报具有局限性。为了提高对流尺度数值模式中边界层方案的预报效果,基于WRF（The Weather Research and Forecasting Model）模式,应用随机参数扰动（SPP）方法对Mellor-Yamada-Nakanishi-Niino（MYNN）边界层方案中重要的3个不确定参数进行扰动,探究了该方法对北京地区一次雷暴过程模拟的影响。同时考虑了对流尺度集合预报系统的特点,调整随机参数扰动方法的3个参量（去相关时间尺度、空间尺度和格点标准差）探究了对流尺度中对MYNN方案参数进行扰动的最优设置。结果显示:随机扰动MYNN边界层方案参数（SPPM）方法可以有效提高近地面变量和700 hPa以下低层变量的离散度,同时提高了短时强降水位置和强度的预报技巧。3个参量的试验说明,去相关时间尺度增大到12 h集合离散度有明显提高;格点标准差增大到0.20,预报技巧也略有提高;去相关空间尺度维持在默认值700 km较好,尺度过小（150 km）预报技巧明显降低。上述结果表明,在对流尺度中SPPM方法可以有效表达边界层参数化方案的不确定性,提高集合预报系统的预报技巧。      

混合误差协方差用于集合平方根滤波同化的试验

在集合卡尔曼滤波方法中, 根据预报集合统计提供的依流型而变的预报误差协方差对同化起到决定性的作用。但在集合样本容量不足及模式存在系统误差时, 由预报集合估计的预报误差协方差会出现明显偏差。既要减小这种估计偏差对同化产生的影响而又不增加计算量, 一种可供选择的方法是将定常或准定常的高斯型预报误差协方差和由预报集合估计的预报误差协方差加权平均用于集合卡尔曼滤波同化。利用浅水方程模式, 通过观测系统模拟试验检验在不同的模式误差、 集合成员数以及观测密度条件下, 将这种混合预报误差协方差矩阵用于在集合平方根滤波的效果。试验结果表明, 当预报集合成员数较多而模式又无误差时, 不必采用混合的预报误差协方差矩阵, 否则, 采用混合的预报误差协方差矩阵都有可能改进分析和预报。混合预报误差协方差的最优的权重系数与模式误差关系密切, 模式误差越大, 定常预报误差协方差的权重越大。最优的权重系数与集合成员数及观测密度也有一定关系。     

基于NLS-4DVar方法的雷达资料同化及其在暴雨预报中的应用

在基于本征正交分解POD（Proper Orthogonal Decomposition）的集合四维变分同化方法（POD4DEnVar）建立的雷达资料同化系统（PRAS）的基础上,本文利用非线性最小二乘法的集合四维变分同化方法（NLS-4DVar）对PRAS进行改进,解决PRAS在高度非线性情况下的适应性问题,建立了新的雷达资料同化系统（NRAS）。通过观测系统模拟试验OSSEs（Observing System Simulation Experiments）和两次实际暴雨同化试验（2010年7月8日,中国中部地区;2014年3月30日,中国华南地区）对NRAS进行检验,并与PRAS的同化结果进行了对比。结果表明:无论是OSSEs还是实际雷达资料的同化,相对于PRAS,NRAS能够进一步提高同化效果。通过增加迭代的次数,NRAS能够有效地调整初始场的风场和水汽场,进一步提高了降水强度和位置的预报精度。但随着迭代次数的增加,对初始场的调整变小,进而对降水预报效果的改进也减小。试验结果表明NRAS能够有效解决PRAS在高度非线性情况下的应用问题,通过有限次数的迭代,即可得到近似收敛的结果。因而NRAS有望在数值预报中更有效地同化雷达资料,提高中小尺度天气的预报水平。