T639数值产品对吉林地区降水预报的释用分析

通过把T639数值预报产品中有关降水所需水汽、动力条件的物理量,按吉林市各点进行插值,进入数据库,与降水实况资料进行对比检验,找出各物理量在降水预报中的临界值,在此基础上用各物理量集合确率进行集合降水预报,有效提高了T639数值预报产品对吉林地区降水天气的预报水平。由于降水在天气过程中是非连续性因子,而各物理量因子都是连续性因子,本文将对使用连续性好的物理量预报非连续性的降水方面进行分析。     

三维插值方法在湖南省气温精细化预报中的应用与检验

利用三维插值方法对ECMWF、Japan及T639三种数值模式细网格气温预报产品进行客观订正,并检验评估三维插值方法对湖南省不同海拔高度和不同地理位置上2 159个气象站点的气温预报订正能力。个例结果显示,三维插值方法具有明显的订正效果,不同程度地缩小了二维平面插值预报的偏差,能较客观地反映复杂地形区域要素的实际情况;三维插值方法较二维插值对ECMWF、Japan、T639三种模式气温预报的订正能力均有不同程度的提高,改进后的ECMWF模式气温预报准确率达94%;对于海拔较高的站点,三维插值方法相对于二维插值订正的幅度更大,对模式预报有向气温降低的趋势调整,对于海拔较低的站点,对模式预报有向气温升高的趋势调整。     

基于数值预报的汉中市降水分县预报方法

利用现有基层台站所能获取的国家气象中心T213数值预报产品和欧洲中心数值预报产品,经过数学方法处理后,将各预报要素插值到站点作为预报因子,通过Г检验分析预报因子与本地降水的相关,提取相关好的因子建立预报方程。经实践检验证明:数值产品经因子累积处理后对降水预报能力明显增强,数值预报对24h的预报能力较高,中低层要素与汉中盆地降水相关较好。方法对降水量仅做了简单的分级预报,试用中发现该方法对突发性降水预报能力不理想。     

应用回归统计方法制作城镇气温预报

从城镇天气预报工作实际出发,采用插值方法将欧洲中心850hPa高空温度预报结果内插到城镇预报站点。运用线性回归方程建立站点气温预报模式,并对不同的历史时间段样本计算结果进行检验,根据结果来选择最佳的样本参数。     

非线性统计预报方法研究进展

从线性统计分析向非线性统计分析发展,从而逐步建立非线性统计预报方法,已成为统计学方法发展的方向之一。虽然非线性统计预报这些年来有了较大发展,但却缺少系统的介绍。作者将自己的研究成果及应用实例归纳整理,对非线性统计预报中参数计算基本方法,一个自变量时的统计预报模型,拟线性、半线性和曲线性预报模式,分段逼近模式,插值、距离、相似预报方法等作了系统介绍。并给出了各种非线性统计预报模型在气象预报中的具体应用实例索引。     

数值产品省级分县温度预报方法研究

将国家气象中心Ｔ６３、Ｔ１０６和欧洲中心数值模式中温度预报场、湿度预报场、Ｕ、Ｖ分量预报场分别插值到１０８个测站上,以此作为预报因子,运用ＰＰＭ法、ＭＯＳ法、ＫＬＭ滤波法,分别建立最低、最高气温预报方程,用以上预防方法所得的预报结果作为预报因子,进行二次滤波集成和全集成预报,并建立了“数值产品省级分县温度预报系统”。１９９７年６月—１１月将该预报系统投入业务运行,取得了良好的预报效果。     

一九九三年春夏季高空温度预报检验

对吞吐式有限记忆高空温度预报系统制作的1993年2～8月高空温度预报进行了检验。检验结果表明：该系统的预报能力有不同程度的提高，但春季高空温度预报的插值方案有待进一步改善。     

对T213降水预报产品短期预报水平的评估

将T213降水预报资料插值到孝感市各测站上，对24h、48h降水预报做了客观统计检验。分析结果表明：T213对孝感市有无降水预报具有较好的指导意义；强降水48h预报有比较好的参考作用。通过的降水预报误差的分析发现，在一般情况下，T213降水预报值要比实况偏大。     

数值预报产品释用若干问题的初步分析

本文就数值预报模式产品在业务预报中的释用预报方法进行了初步分析，提出了数值预报产品检验的一套方法；分析了数值预报产品的季节适用性问题；就预报对象和预报着眼点作了进一步分析，在此基础上，提出了汛期和非汛期主要预报对象的释用预报思路，并列出了相应的释用预报方法。在去冬今春的精力应用中，取得了明显成效。     

基于CNN和RF算法的ECMWF降水分级订正预报方法

利用卷积神经网络(CNN)和随机森林回归模型,提出了一种新的欧洲中期天气预报中心(ECMWF)降水订正预报方法。该方法首先根据ECMWF模式对站点雨量预报值所属的等级进行划分,再计算出不同等级相对应的高相关因子矩阵。进一步利用CNN模型对高相关矩阵进行综合特征提取的学习和训练。最后对CNN模型最终输出的特征因子中,选取若干个与预报站点相关性高的特征,并与ECMWF降水量场插值到预报站点的因子一起,作为随机森林回归模型的输入因子进行预报建模。通过对10个预报试验站点未来24h降水量的分级和不分级订正预报试验,结果表明:(1)ECMWF降水量分级订正预报方法的平均绝对偏差和均方根误差分别比利用ECMWF插值到站点的预报方法减小了20%和15%;(2)24h暴雨及以上的降水分级订正预报方法的平均TS评分为0.32,也显著高于EC插值的0.19;(3)与利用同样的预报模型对全样本(不分级)的传统数值预报模式产品订正预报方法相比,本文提出的分级订正预报方法在总体预报精度和暴雨及以上的强降水预报TS评分上均有更高的预报技巧。     

改进的最优窗宽理论对年径流量的插值预测研究——以黄河利津等站为例

针对小样本数据造成年径流量预测效果不理想的情况,以及非对称和非正态资料的处理问题,引入信息扩散和模糊映射思想,同时运用遗传算法改进最优窗宽理论,建立了新的扩散插值模型。该模型通过对零散数据点的信息进行模糊扩散,进而实现对有限数据点信息向其邻近区域点的概率插值。选取黄河利津站为例,根据其近70 a(1942—2011年)径流量实测数据,进行了缺损数据的插值和预测试验,同时与正态扩散插值模型进行对比分析,结果表明:1)预测值能较好地模拟实际径流序列的波形变化,对丰水年(如2007年)和枯水年(如2009年)的预报都比较准确;2)中长期预报(10a)平均相对误差仅为11.59%,相较传统方法有较大的改进;3)以黄河流域2个站点(花园口和兰州)和长江流域的3个站点(朱沱、宜昌和大通)年径流量预测试验以及海温资料的插值试验作为补充,验证了该算法的有效性和普适性。该模型可为实际水文数据资料的客观分析和中长期预报提供参考。     

基于全场信息的数值预报产品释用方法研究

对于短期气候时间尺度预报来说, 短期内尚无有效方法提高数值预报产品精度, 建立一种能综合有效利用全场信息的非线性释用方法, 通过统计释用提高短期气候的预报准确率, 是一条可行的途径。通过CCA-BP法建立的典型因子, 可以代表因子场与站点预报要素之间的大部分协方差关系, 使因子与站点要素相关性大为提高, 进而通过神经网络技术 (BPNN) 建立非线性预报模型, 实现上述目标。以平潭、福州站10月旬平均温度、降水距平百分率预报为例, 分别使用CCA-BP-BPNN模型和插值模型对1983-2001年资料建立预报方程, 对2002-2005年的试报结果表明:解释预报对数值预报产品做了较大修正,使预报产品具有一定的使用意义及参考价值。从各项评价指标来看,CCA-BP-BPNN模型优于插值模型。该方法为提高短期气候数值预报产品的释用精度提供了一个值得参考的途径。     

一种插值相似方法作温度预测的应用研究

将插值方法运用到短期气象预测中，其基本原理是按照相似原理将产生相似结果来作预报。对云南昆明等四站温度进行了九年定性和定量预报检验，结果表明：这种方法具有良好的预报能力，可以作要素预报应用。     

用一种插值方法作短期气候预测的试验

将ｓｈｅｐａｒｄ插值方法运用到短期气候预测中,建立一类非模式预报方法,按照相似原因将产生相似结果的原理来作预报,对云南降水进行了预报试验。结果表明,这种方法与多元回归相比具有良好的预报能力,值得进一步探讨和应用。     

The local spline vertical interpolation method of temperature and geopotential height fields and the time-dependent difference form of the hydrostatic equation

In numerical weather prediction (NWP), the accuracy of vertical interpolation of the initial data is a problem which is greatly concerned by people. In this paper, we specify vertical distributions of the temperature and the geopotential height fields and examine three interpolation methods, i.e. the Lagrangian polynomial inter-polation method (hereafter abbreviated to LP method), the linear interpolation method (LN method) and the local spline interpolation method (LS method) proposed by the author. The examination shows that when the vertical resolution of the initial data is high enough, for example, the number of the given data levels N is 10 or more, all the three methods get good accuracy of interpolation, especially, the LP and the LS methods have very little errors almost tending to zero, while the LN method has a little larger errors than the two formers and the errors at various levels have the same sign. When N is reduced to 5, the LP and the LS methods still have quite good accuracy and similar error distributions, while the LN method has less accuracy. If the geopo-tential height field needs to be adjusted in order to satisfy the hydrostatic equilibrium with the temperature field which is assumed fixed, then the LS method has minimum errors. The examination also indicates that the vertical resolution with at least 5 levels of initial data can keep the interpolation accuracy. Otherwise the accuracy will not be guaranteed no matter which method is used.It is also pointed out in this paper that the temperature and the geopotential height fields can be given inde-pendently in numerical prediction models in order to keep higher interpolation accuracy. However, the hydro-static equation should be finite differenced in other way which is somewhat different from the conventional one. In other words, the time dependent difference form of the equation should be used, so that the initial interpola-tion accuracy could have influence on the time integration.     

一个全球海气耦合模式跨季度汛期预测能力的初步检验和评估

文中利用一个全球大气 海洋耦合模式 ,对中国汛期气候异常进行了 1991～ 2 0 0 1年共 11a的跨季度回报试验和检验研究。采用一套多指标的评估方法 ,对该模式的预报性能进行系统的定量评估。结果表明 ,该模式对中国汛期降水和温度及夏季北半球大尺度环流场等都有一定的跨季度预报能力。模式对中国不同区域夏季降水的预测能力有所不同。总的来说 ,模式对中国东部和西部的降水趋势回报较好 ,模式预报好于气候预报和持续性预报。从相关系数指标来看 ,模式跨季度预测夏季温度的技巧在中国西部比中国东部高。     

均生函数场预报模型对降水预报的试验研究

基于均生函数的处理原则,运用经验正交分解方法,将正交展开的时间系数俄为预报因子,并引入逐步算法进行因子筛选建立预报模型。将均生函数场预报模型用于云南省汛期雨量及５月雨量预报试验。结果表明：用这种模型作区域性降水预报有一定的优越性,并可作多步预测,是一咱滚动客观预报方法。     

基于深度学习的天气雷达回波序列外推及效果分析

天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。      

低纬高原地区MM5v3不同参数化方案降水模拟试验

为了进一步了解MM5模式在低纬高原降水预报性能，利用MM5模式中的3个物理过程组合了7个不同的参数化试验方案，对低纬高原地区2005年主汛期进行了降水数值试验。结果表明：第三重嵌套网格中的Grell积云参数化、Goddard显式水汽和Cloud（或RRTM）辐射过程组合的试验方案对降水预报效果较好，特别是对大雨和暴雨预报有明显的改善；在将试验结果插值到测站点时，不同扫描半径对插值结果有一定影响，相对而言，20～30km扫描半径插值结果较为理想。     

基于土壤湿度和年际增量方法的中国夏季气温预测试验

本文利用中国160站月平均气温资料和欧洲中心ERA-Interim逐月再分析表层土壤湿度资料,通过相关分析选取欧亚大陆9个关键区的土壤湿度年际增量作为预测因子,采用变形的典型相关分析(BP-CCA)结合集合典型相关分析(ECC)的方法建立集合预测模型,对我国东部夏季气温年际增量进行预测,进而预测夏季气温。其中,1980—2004年的资料用于历史拟合试验,而2005—2014年的资料用于独立样本预测试验。首先利用BP-CCA方法对9个因子分别建立单因子预测模型,然后采用ECC方法对9个预测因子按照不同的组合方式建立集合预测模型,并且分析预测技巧。结果表明,不同预测因子的组合对我国夏季气温的预测能力不同:勒拿河下游地区、中国黄河以南地区、叶尼塞河下游地区、西西伯利亚平原地区以及印度半岛西北部地区的土壤湿度对华北夏季气温预测效果较好;中国黄河以南地区、叶尼塞河下游地区、印度半岛西北部地区、贝加尔湖东北地区以及贝加尔湖以西地区的土壤湿度对江淮夏季气温有较高预测技巧。所建立的两组集合预测模型均显示了较好的实际预测能力:华北气温预测模型预测气温距平的同号率为8/10,平均均方根误差为3.4%;江淮气温预测模型预测气温距平的同号率为7/10,平均均方根误差为2.7%。并且两组模型预测出的华北和江淮气温的预测评分(PS)均超过80分,而国际上通用的距平相关系数(ACC)均在0.3以上。这说明土壤湿度因子中包含对我国夏季气温有用的预测信号,可以考虑将土壤湿度应用于夏季气温预测业务中。