日本短期数值预报、绍兴MOS预报、预报员综合预报的检验分析

通过对日本短期数值产品、ＭＯＳ和预报员对２００１年绍兴市降水和温度预报效果的检验、对比和分析，从中得到一些启示，对做好短期天气预报工作有一定的参考作用。     

气候集成预报的初步探讨

将气候集成预报的ＭｏｎｔｅＣａｒｌｏｓ模拟方法应用到带有门限的海气耦合随机动力模式中。利用相空间概念确定报误差,对不同相变量初值随机扰动的概率密度分布函数以及ＭｏｎｔｅＣａｒｌｏ模拟的集成样本数进行了最佳选择试验。     

高分辨率有限区务数值预报模式及降水预报试验

该文介绍了国家气象中心在原业务有限区模式基础上开发的一个新的高分辨率有限区模式，该模式除分辨率提高外，其主要改进表现在：１．增加了地面土壤过程，地面辐射过程，地面摩擦及边界层垂直湍流输送；２．积云对流参数化方案改用质量通量方案取代了原来的Ｋｕｏ方案。文章还对模式的准业务运行结果作了较全面地评述。     

日本细网格模式物理量预报产品在宜晶市初夏降水预报中的应用

针对宜昌市初夏短期降水预报的需要，在分析结降水前日本细网格模式物理量预报场分布特征的基础上，选取关键区及相关指标，配其它预报工具，建立地初夏降水预报方法。     

卡尔曼滤波方法预报因子的选择

利用ECMWF格点资料，设计了5种不同的预报因子选择方案，运用卡尔曼滤波方法制作1999年11月－2000年2月逐日14时温度预报，通过考察准确率，均方差，平均绝对误差，确定了最优因子选择方案。     

数值预报产品在短期降水分级预报中的应用

和１９９４、９５年７－８月Ｔ６３数值预报产品，结合日本ＦＳＦＥ０２、０３资料，研制出东营市各站汛期短期降水分级ＭＯＳ预报系统。     

全国棉花发育期业务预报方法研究

棉花发育期是反映棉花个体与群体生育状况的重要标志, 正确预报棉花发育期对于开展棉花气象灾害预警防御和生产管理措施建议至关重要。为此, 针对全国农业气象业务服务中尚未开展棉花发育期预报的状况, 通过对全国农业气象观测网50个站棉花发育期的变异性和影响棉花生长发育速率因子的分析, 根据实际业务资料现状和业务运行特点, 结合天气预报, 提出了以棉花发育阶段有效积温和间隔日数为指标建立棉花发育期业务预报模式的思路, 实现了可实时动态预报棉花发育期的业务运行方法。模式历史拟合、外推和试预报与实际对比的结果表明:全国50个站棉花第五真叶和开花发育期误差在5 d以内出现的频次达80%以上, 出苗、第三真叶、现蕾等发育期在70%以上, 平均绝对误差小于4 d; 裂铃期误差在6 d以内出现的频次接近70%, 平均绝对误差小于6 d, 效果较好。对棉花停止生长发育期综合考虑积温和初霜日期两个因素, 其历史拟合、外推和试预报误差在10 d以内出现的频次接近70%, 平均绝对误差接近10 d, 基本可以满足全国农业气象业务以旬为服务时效的要求。     

Impacts of climate change on cotton yield in China from 1961 to 2010 based on provincial data

To develop scientific countermeasures,the impacts of climate change on cotton yield during 1961-2010in three major cotton-producing regions of China were studied by using the available provincial data.The results indicate that(1)a rise in average temperature increased the cotton yield in most provinces of Northwest China and the Yellow River valley;however,the rise in average temperature decreased the cotton yield in the Yangtze River valley.Moreover,cotton production across the entire study region was reduced by approximately 0.1%relative to the average during 1961-2010.(2)A decrease in diurnal temperature range(DTR)reduced cotton yield in some provinces,while a beneficial DTR effect was observed in the other provinces.Changes in DTR resulted in an average decrease in production by approximatly 5.5%across the entire study region.(3)A change in the amount of precipitation increased the cotton yield in some provinces;however,it caused a decrease in other provinces.The decrease in average production due to the change in precipitation was approximately 1.1%.We concluded that the changes in temperature and precipitation decreased cotton yields in China,while beneficial effects of temperature and precipitation existed in the cotton-growing regions of Northwest China during 1961-2010.     

IAP短期气候距平预测系统的定量评估及订正技术的改进研究

采用一套多指标的评估方法, 对中国科学院大气物理所研制的短期气候距平数值预测系统（ＩＡＰＰＳＳＣＡ） 方案１ 的预测性能进行了定量的、系统的评估。评估表明： ＩＡＰＰＳＳＣＡ 对中国汛期大尺度的、重大的降水异常预报较好; 在不同区域,ＩＡＰＰＳＳＣＡ 的预测能力不同, 对中国东南区域显示出较高的预报准确度和可信度; 与单个预报相比, 集合预测水平稳定, 能提高总体预测水平。另外, 还对订正技术进行了改进研究, 距平百分率订正较距平订正效果为佳。     

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。     

淮河流域能量和水分循环观测系统及作用

淮河流域是中国南北气候重要的过渡带,气象灾害频繁发生。这里水网、农田、丘陵、山地、城镇密布,地-气作用复杂,干冷与暖湿空气时常交汇于此,造成局地或流域旱涝经常发生。淮河流域处于梅雨区,且是中国重要的农业生产基地,具有气象和水文综合观测系统,积累了长序列的气象和水文观测资料。因此,淮河流域是研究能量和水分循环的理想试验区。国家自然科学基金重大项目“淮河流域能量与水分循环试验和研究（HUaihe river Basin Experiment,简称HUBEX）”于1998、1999年夏在淮河流域开展了气象和水文联合观测试验。文中回顾了HUBEX试验的目的、观测网设计与布局,介绍了HUBEX推动下的淮河流域综合观测网的发展,总结了HUBEX观测试验对区域气候事件和暴雨等灾害性天气机理研究、提高模式模拟和预报能力及建立长期连续的气象观测数据集等方面的成果和作用。      

基于青藏高原春季感热异常信号的中国东部夏季降水统计预测模型

使用1980-2014年由青藏高原中东部的地面气象观测台站观测资料计算得到的地表感热通量以及中国东部高分辨率的降水格点资料,在年代际变化和年际变率两个时间尺度上,使用最大协方差分析方法研究了青藏高原春季感热与中国东部夏季6、7和8月降水的关系,基于最大协方差关联因子的时间尺度分解回归分析方法建立了一个降水统计预测模型。青藏高原春季感热的各个关联预报因子与中国东部夏季各月降水的相关分析表明,在年代际成分中,6、7和8月在中国东部绝大部分地区均存在显著相关,方差贡献分别为75.6%、99.9%和79.7%;在年际成分中,相关区域在6月是华南地区、华北沿海地区和江淮流域,7月是华南地区西南部、长江流域、东北地区东南部和黄河中下游地区,8月是东北地区和华南地区西部,方差贡献分别为42.7%、43.4%和32.0%。预测模型的解释方差分析和后报试验检验表明,7月对整个中国东部地区预测效果最好,6月主要在长江以南地区,而8月主要在东北地区和华南地区西部预测效果较好。该预测模型能很好描述青藏高原春季感热与中国东部夏季各月降水的关联性,并对局地降水实现较好的定量预测,具有在短期气候预测业务应用的价值。      

Probabilistic seasonal prediction of summer rainfall over East China based on multi-model ensemble schemes

The skill of probability density function (PDF) prediction of summer rainfall over East China using optimal ensemble schemes is evaluated based on the precipitation data from five coupled atmosphere-ocean general circulation models that participate in the ENSEMBLES project. The optimal ensemble scheme in each region is the scheme with the highest skill among the four commonly-used ones: the equally-weighted ensemble (EE), EE for calibrated model-simulations (Cali-EE), the ensemble scheme based on multiple linear regression analysis (MLR), and the Bayesian ensemble scheme (Bayes). The results show that the optimal ensemble scheme is the Bayes in the southern part of East China; the Cali-EE in the Yangtze River valley, the Yangtze-Huaihe River basin, and the central part of northern China; and the MLR in the eastern part of northern China. Their PDF predictions are well calibrated, and are sharper than or have approximately equal interval-width to the climatology prediction. In all regions, these optimal ensemble schemes outperform the climatology prediction, indicating that current commonly-used multi-model ensemble schemes are able to produce skillful PDF prediction of summer rainfall over East China, even though more information for other model variables is not derived.     

阿克苏棉区膜下滴灌农业气象服务对策初步研究

目前棉花膜下滴灌技术已在阿克苏得到应用,棉花膜下滴灌植棉比常规高密度植棉在灌溉方式上具有明显的优越性,灌水灵活,控制力强,增产潜力较大。由于棉花膜下灌溉技术改变了棉田的生态环境,面对这一新型的节水技术,需找准气象服务的切入点。研究表明,农业气象服务在膜下滴灌植棉和常规植棉中的应对措施具有较大的差异性。     

基于多模式集合方案的中国东部夏季降水概率季度预测

借助ENSEMBLES计划提供的5个海-气耦合模式(CGCM)的多初值后报降水资料,采用常用的4种多模式集合方案,即等权集合(EE)、对单个集合成员先订正再等权集合(Cali-EE)、基于多元线性回归的集合方案(MLR)、基于贝叶斯统计学的集合方案(Bayes),制作1960—2005年中国东部夏季降水概率密度函数(PDF)季度预测。在此基础上,比较最优(技巧最高)集合方案与气候学预测(衡量概率密度函数预测是否有技巧的基准)的技巧,初步评估目前基于多模式集合方案的、中国东部夏季降水的概率密度函数季度预测能力。结果表明,Bayes方案在华南最优,Cali-EE在长江流域、江淮流域以及中国北方的中部最优,MLR在中国北方的东部最优;基于这些最优集合方案的概率密度函数预测产品均具有高校准度,且其锐度高于或接近气候学预测;并且,对于所有区域,最优集合方案的预测技巧总是高于气候学预测,这暗示即使不提取模式其他变量中所包含的预测信息,对于中国东部夏季降水季度预测,常用的多模式集合方案也已具备制作有技巧的概率密度函数预测产品的能力。     

基于决策树算法的江苏省不同区域 短时强降水预报研究

采用2000—2019年13个地级市气象站地面观测站点观测资料以及ERA5再分析资料,基于机器学习中的经典的C4.5算法对江苏省不同区域是否出现短时强降水建立气象要素预报模型。结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对江苏省不同区域是否发生短时强降水进行预测,并且该决策树模型具有较高的泛化能力。决策树模型利用各区域总样本的前15 a数据样本进行自学习,学习准确率在淮北地区为89.70%,在江淮之间地区为87.89%,在长江以南地区为87.88%,利用各区域剩余5 a样本对该决策树模型的泛化能力进行测试,测试准确率在淮北地区为85.73%,在江淮之间地区为83.39%,在长江以南地区为93.92%。