不同海温强迫的月动力延伸集合预报试验

利用全球谱模式T106L19和增长模繁殖法（BGM）建立了月动力延伸集合预报系统,基于气候海表面温度（SST）和预测海表面温度,设计了三组集合预报试验,一组为气候SST作为模式下边界条件的集合预报试验（CSST试验）,另一组为预测SST作为模式的下边界条件的集合预报试验（FSST试验）,第三组为前两组试验的集合预报结果之和（AVE30试验）,对两种海温强迫分别进行了48个月的试验,并对预报结果进行了检验和分析。结果表明：相对于单一的控制预报,不管是CSST试验还是FSST试验,利用BGM方法制作的初值集合预报能显著提高月平均环流的预报技巧,集合预报对PNA区域的预报技巧改进显著,特别是预测SST强迫有正的贡献;同时考虑初值和边值不确定性影响的集合预报试验（AVE30试验）,其全球预报技巧不仅高于控制预报,也分别高于FSST试验和CSST试验,这说明要提高月延伸预报技巧,必须同时考虑初值和边值的影响;大气对SST强迫的响应在模式积分10天开始显著,SST对第二旬和第三旬的作用直接影响月平均环流的预报效果,而SST对第二旬和第三旬预报的影响不仅与SST本身变化有关,还与初值有关,不同的初值其作用不同;集合预报对我国夏季月平均温度分布具有较强预报能力,采用预报海温强迫的预报结果,总体上优于气候海温强迫的结果。     

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。     

对短期气候预测有关问题的探讨

本文提出了短期气候预测的基本时间单位应是年，这样可以与天为基本时间单位的天气预报进行对比分析；将天气预报中的某些思路和方法引进短期气候预测中来，如突出灾害性天气的预报思路，多种方法相配套的预报思路，以天气过程为主要预报对象的预报思路和用概率表示预测结果的方法等，要大大开阔知期气候预测的思路和方法。经沈阳地区的预测试验，证明是可行的。     

中国东部夏季雨型的人工神经网络集合预测

在BP(back propagation)人工神经网络方法的基础上,考虑到历史资料的个体差异及其年代际变化会影响到样本均值,由此使得中国东部夏季雨型模拟和预测效果产生差异,故引入交叉检验及集合预报思想,以改进人工神经网络独立预报方法.在利用不同历史样本资料建立人工神经网络模型,并进行交叉检验的同时,对预测年的雨型进行预测,可获得预测年的多次预测结果.该方法在中国东部夏季四类雨型的试验预报中表现出较好效果.     

动力气候模式降水预测能力初步评估

利用1982-2002年陕西省94个气象观测站逐月降水实况资料、国家气候中心制作的月动力延伸预测模式集合预报500hPa高度场资料，降尺度内插出94个站点月降水预测值，采用预报评分法（P）和距平符号异同评分法对内插预测结果检验。结果表明：预报评分法（P）评价结果较距平符号异同评分法评价结果整体偏高，二者在评分趋势上基本相同，尤其体现在降水较少的月份。     

汛期预测的集合预告模拟研究

本文介绍一个跨季度汛期降水预测的集合预测模拟试验，以1987年为例，用2月1日～26日每隔5天的观测资料作初值进行了6个积分，取其平均作为集合预测，共有7个预测结果，计算了7个预测与观测场的同号率，计算了6个预测的标准差，结果表明:集合预测比个别试验更为合理，这6个试验的结果在大尺度分布上是相近的，其差别也是不大的。集合预测值得继续进行试验。文中也讨论了一些由于大气运动固有的动力学特性，其集合预测与经典的数学考虑有所区别，对集合预测提出了一些新的看法，许多问题还需要继续深入探讨，以期能对该方法作出恰当的评     

多模式集成的概率天气预报和气候预测研究进展

基于大气的混沌特性,单一的确定性预报逐步向多值的不确定性概率预报转化已成为一种趋势。本文系统地评述了概率天气预报产生的背景,介绍了概率预报的相关概念及国内外的研究状况,着重讨论了多模式集成的概率预报的两种集成方法,即贝叶斯模式平均(Bayesian model averaging,BMA)和多元高斯集合核拟合法(Gaussian ensemble kernel dressing,GEKD),并给出了两个例子的概率预报试验结果。利用BMA方法制作的概率预报的方差较小,减小了预报的不确定性,因此预报结果更接近大气的真实值。作为另一种多模式集成方法,多元高斯集合核拟合法回报的地面气温距平均值及趋势的概率预测结果与实测结果基本一致。利用此方法建立了地面气温年代际变化的概率多模式集合预测模型,并从中提取年代际气候变化特征,对东亚季风区年代际预测具有重要应用价值。     

基于EMD 和集合预报技术的气候预测方法

气候系统是典型的非平稳性系统,然而对于气候观测数据的处理通常是在时间序列平稳的假定下完成的,比如气温和降水的多步预报,这通常会导致预报准确度较低。为改进该缺陷,首先将非平稳数据序列分解成平稳的、多尺度特征的本征模态函数分量(IMF),再使用数值集合预报与逐步回归分析相结合的方式对每一个IMF分量构建不同的预报模型,最后线性拟合成预报结果。通过Visual Studio 2008开发平台使用上述方法建立了一个短期气候预报系统,采用广西区88个气象站1957—2005年的2月距平气温数据进行实际验证。结果表明,相对于普通预测和单一预测方法,加入了EMD和集合预报技术的方法在仅用历史资料进行多步预测的情况下,对于气候的变化趋势以及突发性气候具有更好的预报能力。     

天山北坡次季节-季节尺度降水集合预测北大核心CSCD

在新疆天山大地形背景下,实现了中国气象局研发的高分辨率气候业务预测系统CMA-CPSv3(China Meteorological Administration-Climate Prediction System version 3)在天山北坡经济带的本地化应用,分别评估控制预报、传统集合平均预报以及改进后的最优概率阈值集合方法(deterministic ensemble forecast using a probabilistic threshold,DEFPT)对该区域次季节-季节降水的预测水平。评估结果表明:基于CMA-CPSv3预测系统的DEFPT方法可以提升天山北坡次季节-季节尺度1~5 mm阈值降水落区以及持续性的预测效果,优于传统集合平均预报和控制预报。从2016年7月29日—8月2日、2017年6月7—12日以及2020年7月8—12日时段发生在天山北坡的降水事件个例分析结果看,不论从降水落区、降水异常还是降水持续性,DEFPT集合预报在天山北坡西部和南部均有更好的效果,但在天山北坡东部和北部预测能力相对略低,这与该区域水汽的预报偏差增大有关。     

应用IAP9L-AGCM对2002年中国夏季气候的预测及效果检验

利用中科院大气所9层大气环流格点模式(IAP9L—AGCM)和IAP—ENSO预测系统对2002年中国夏季气候进行实时集合预测及其检验。结果显示，IAP9L—AGCM较好地预测出了2002年夏季我国大范围旱涝的分布形势，如华南、我国西部多雨，黄河和长江流域之间大范围干旱等；850hPa减弱的夏季风、青藏高原辐散中心以及北太平洋上空的异常气旋性环流中心亦被较好地预报出来；不足的是，模式对降水异常细致分布的预测能力有限。预测结果还表明，该模式对夏季(6—8月)平均降水的预报技巧要高于月平均状况，且月平均预报的准确度从6—8月依次递减。     

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。      

冬季稳定性降水相态预报研究进展

冬季降水无论对地面的生产生活还是对高空飞机航行都可能造成严重灾害,降水相态预报的准确性决定了冬季降水预报的成功,该文系统回顾了近几十年降水相态预报取得的成果。降水相态预报方法大致分为3类:第1类是基于观测或数值天气预报建立的指标以及回归方程,其中某些方法高度依赖数值天气预报模式准确率;第2类是基于数值天气预报模式的微物理方案法和集合预报法;第3类是基于观测和数值预报产品的人工智能预报法。近年来降水相态模式预报产品准确率不断提高,成为降水相态预报中一个重要的产品支撑。但如何将降水相态形成机制的微物理研究成果用于改善数值预报模式降水相态预报的技巧,以及如何利用人工智能等技术提高降水相态预报的准确率等方面还需要不断努力。     

几种统计预测方法对1998年南京降水的跨季节预测试验及分析

对1998年南京降水分别设计并开展了求和自回归滑动平均（Auto-Regressive Integrated Moving Average,ARIMA）模型预测、经验模态分解（Empirical Mode Decomposition,EMD）预测和基于Hilbert变换（HilbertTransformation,HT）的幅频分离预测等3种跨季节统计预测试验。结果表明：ARIMA模型预测结果存在明显的系统性误差且对夏季的降水突变现象预测困难;EMD分解预测的结果虽在降水演变趋势上有明显提高,但仍未能预测出夏季的强降水突变现象,究其原因可能是对高频分量预测效果不好所致;而基于Hilbert变换的幅频分离预测方法能够对各模态分量的瞬时频率和瞬时振幅实施隔离预测,消除两者的相互影响,显著改善高频模态的预测效果,使得最终预测结果最为理想,不仅具有最高的趋势相关性和最小的偏差,而且还较好地预测出了夏季两次强降水过程。不仅如此,在对2003年的降水预测验证中,基于Hilbert变换的幅频分离预测方法同样具有最好的预测效果,表明该方法预测效果较为稳定,为改进跨季节短期气候统计预测技术提供了一个新思路。     

Evaluating Soil Moisture Predictions Based on Ensemble Kalman Filter and SiB2 Model

Soil moisture is an important variable in the fields of hydrology, meteorology, and agriculture, and has been used for numerous applications and forecasts. Accurate soil moisture predictions on both a large scale and local scale for different soil depths are needed. In this study, a soil moisture assimilation and prediction based on the Ensemble Kalman Filter(EnKF) and Simple Biosphere Model(SiB2) have been performed in Meilin watershed, eastern China, to evaluate the initial state values with different assimilation frequencies and precipitation influences on soil moisture predictions. The assimilated results at the end of the assimilation period with different assimilation frequencies were set to be the initial values for the prediction period. The measured precipitation, randomly generated precipitation,and zero precipitation were used to force the land surface model in the prediction period. Ten cases were considered based on the initial value and precipitation. The results indicate that, for the summer prediction period with the deeper water table depth, the assimilation results with different assimilation frequencies influence soil moisture predictions significantly. The higher assimilation frequency gives better soil moisture predictions for a long lead-time. The soil moisture predictions are affected by precipitation within the prediction period. For a short lead-time, the soil moisture predictions are better for the case with precipitation, but for a long lead-time, they are better without precipitation. For the winter prediction period with a lower water table depth, there are better soil moisture predictions for the whole prediction period. Unlike the summer prediction period, the soil moisture predictions of winter prediction period are not significantly influenced by precipitation. Overall, it is shown that soil moisture assimilations improve its predictions.     

利用深度神经网络和先兆信号的江苏夏季降水客观预测方法

利用1961—2019年江苏省67个站降水量和气候指数数据集等资料,选取大气环流、海温和积雪等先兆信号的不同组合作为预测因子方案,通过对比不同机器学习方法对江苏省夏季降水开展预测试验。结果表明,深度神经网络（Deep Neural Network,DNN）较传统统计方法和其他机器学习方法有一定优势,深度神经网络结合动态权重集合因子方案对江苏省夏季降水的预测技巧最高,其独立样本检验结果稳定,2015—2019年的平均PS评分为76.0,距平符号一致率为0.62,距平相关系数达0.35,尤其对江苏省中南部的预测技巧更高,具有业务应用价值。不同预测因子方案对比分析表明,大气环流因子在江苏省夏季降水预测中做主要贡献,而海温因子和积雪等其他因子也有正贡献,说明使用综合性预测因子以及集合方案有助于提升季节预测准确率。      

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。     

人工神经网络在月降水量预测业务中的研究和应用综述

月降水量的年际变化具有显著的非线性变化特征,预测难度大,历来是重大气象灾害预测的重点难点问题。BP(back propagation)神经网络在月降水量预测业务中的研究和应用中,取得了较好的成果,其中应用较广泛的是PCA-BP神经网络模型、遗传算法优化神经网络、RBF神经网络预测模型、小波神经网络模型、粒子群-神经网络模型等,这些方法也在广西月降水量预测业务中得到很好的应用,对提高月降水量预测能力有较大帮助。因此,有必要对目前神经网络在月降水量预测中的优势和不足进行综述,提出未来研究需要关注的重点关键问题。     

三峡地区降水神经元方法预报系统

介绍了神经元方法降水预报系统及其在１９９９年汛期中对三峡地区的强降水预报试用情况,分析了该系统对强降水过程的预报能力,结果表明：该系统对降水过程有一定的预报能力,特别是对转折性天气及强降水过程的预报,其效果更好。     

2013年汛期华中区域业务数值模式降水预报检验

为充分了解华中区域中尺度业务数值预报模式更新为WRF后的预报性能,对该模式2013年汛期24 h和48 h的累积降水预报产品,采用TS评分、预报正确率、漏报率、空报率、偏差及ETS评分等统计量对其进行了较详细的评估。结果表明：从日平均降水率分布来看,24 h预报的降水中心位置和强度与实况更接近,48 h的预报明显偏大、偏强;汛期总体降水检验表明,该模式的降水预报以偏大为主,随着降水量级的增大,TS和ETS评分逐渐减小,且ETS评分逐渐靠近TS;逐月降水检验结果发现,该区域汛期月晴雨预报正确率与雨日率呈正相关;通过梅雨期WRF与GRAPES_Meso的预报对比检验可见,两个模式都表现出了较好的预报性能。值得指出的是,随着降水量级的增大,WRF模式降水预报优势逐渐显现。总的来说,该模式的降水预报产品具有一定的参考价值。     

基于NCEP CFSv2模式的黑龙江省夏季降水预测研究

基于1982-2017年NCEP_CFSv2（NCEP Climate Forecast System version 2）模式预测资料对黑龙江省夏季降水进行降尺度预测。通过分析黑龙江省夏季降水与同期环流因子的关系、模式对关键区环流因子的预测,选取模式模拟与再分析资料相关较好、黑龙江降水实况与再分析资料关系较好的环流因子作为预测因子,结合最优子集回归法筛选因子,建立降尺度预测模型,最后采用交叉检验法进行预测效果检验和独立样本预测。结果表明：模式降尺度预测与实况的距平符号-致率为69%,6 a独立样本预测中有5 a预测正确,优于目前的业务预测效果。进-步研究发现,在模式能够准确预测环流因子的情况下,模式降尺度可以较好地预测黑龙江省夏季降水的趋势。此外,模式降尺度在拉尼娜年预测效果较好。