最佳气候相似法及在短期气候预测中的应用

本文采用了最佳气候找相似的预报方法来制作长期天气预报。由于这种方法使用了地面、高空、太阳活动和海温资料,具有长时段,多要素,综合性强的特点,所以预报较客观,对预报年的年景能作出较为准确的判断。由于不同站点资料代表着不同地区的气候背景,因而能分片制作短期气候预测,为解决目前短期预报中小尺度天气难的问题提供了较为详实的气候背景和可靠的预报依据。此方法虽属统计方法,但与中、短期数值预报有某些相似之处,主要体现在预测因子的同时性和连续性,对要素的预测如同数值预报产品的释用。     

模块化模糊神经网络的数值预报产品释用预报研究

综合应用预报量自身时间序列的拓展,数值预报产品和模块化模糊神经网络方法,进行了一种新的数值预报产品释用预报研究。将这种新方法与常规的数值预报产品完全预报(PP)方法进行了对比试验。结果表明,这种模块化模糊神经网络数值预报产品释用预报方法比PP预报方法的预报精度显著提高。并且,通过对预报模型“过拟合”现象的研究发现,这种模块化模糊神经网络的数值预报产品释用预报模型具有很好的泛化性能。     

区域降水数值预报产品人工神经网络释用预报研究

利用T213、日本细网格降水预报等数值预报产品,采用人工神经网络方法进行预报释用。通过聚类分析方法对广西自治区测站进行分类,简化预报对象,对数量众多的T213数值预报产品采用自然正交分解(EOF)方法,浓缩大量因子的有效信息,并结合日本降水预报因子建立广西5~6月区域降水量级的逐日人工神经网络预报模型。运用与实际业务预报相同的方法进行逐日预报试验。结果表明,用这种数值预报产品释用方法建立广西3个预报区域的B-P人工神经网络预报模型对中雨以上降水量级预报的TS评分分别为0.55、0.5和0.26,比目前业务预报中参考使用的T213和日本数值预报产品降水预报具有更好的预报效果。     

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。     

短期数值预报产品统计释用系统

短期数值预报产品统计释用系统是在吸收了各地ＭＯＳ预报应用研究和使用数值预报产品的经验的基础上，开展的以ＥＣＭＷＦ产品为基础的释用研究而建立起来的一套从资料处理、预报模型研制到日常业务运行的全自动化数值预报产品解释应用系统，该系统能够很好地应用于目前的Ｔ（６３）产品的释用。     

人工神经网络在西藏中短期温度预报中的应用

根据2003年11月—2005年10月西藏自治区32个站点的气象资料,采用动态学习率BP算法的人工神经网络建模,在ECWMF、T213等模式数值预报产品释用基础上,进行1~7天逐日最高、最低温度模拟预测。模型业务试用结果表明,该神经网络模型具有较强的自适应学习和非线性映射能力,其预报结果能够满足实时预报的精度要求,对西藏中、短期极端温度的实时业务预报具有较好的参考价值。     

短期数值预报产品统计释用系统

短期数值预报产品计释用系统是在吸收了各地ＭＯＳ预报应用研究和使用数值预报产品的经验的基础上，开展的以ＥＣＭＷＦ产品为基础的释用研究而建立起来的一套从资料处理、预报模型研制到日常业务运行的全自动化数值预报产品解释应用系统，该系统能够很好地应用于目前的Ｔ６３产品的释用。     

T213资料在冰雹短期预报中的释用

基于MICAPS系统,利用T213数值预报格点资料和预报关键区域30个站点的高空天气图．以及市内7县(区)4个观测时次的气象要素等资料,从单站要素反映、天气形势分析、热力、动力、稳定度等参数计算,选取对冰雹天气具有明显物理意义的预报因子和消空指标,利用PP数值预报释用方法,建立了盛夏平凉市冰雹短期预报模型。经2003年7～8月份业务运行,基本报准了唯一出现的一次冰雹过程,空报率0．0％。     

低纬度地区局地暴雨的神经网络预报方法研究

以南宁市所辖8个站暴雨集中的6-8月逐日降水量作为预报对象,采用人工神经网络方法进行了新的数值预报产品释用预报方法研究.通过运用动力相似法,结合日本降水预报模式对未来暴雨发生的可能性进行判别,然后通过对欧洲中期数值预报中心预报场进行滑动分区车氏展开计算,求出与降水量序列相关较好的预报因子,并对这些因子进行自然正交分解,有效浓缩数值预报产品因子,建立了南宁市逐日暴雨的神经网络释用预报模型.利用该预报模型,对2006年6-8月的逐日暴雨预报试验结果表明,该预报模型对南宁市的暴雨强降水具有很好的预报能力.     

ECMWF集合预报产品在广西暴雨预报中的释用

基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心（ECMWF）集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。     

基于BPSO-NBayes的雷暴释用预报技术研究

提出了一种新的雷暴预报法,即二进制粒子群-朴素贝叶斯分类器(Binary Particle Swarm Optimization-Naive Bayesian Classifiers,BPSO-NBayes)方法,以福州、连城、宁波3站为例,对使用T511数值预报产品站点的雷暴释用预报技术进行研究。利用2010—2014年T511数值预报产品和单站观测资料,使用BPSO-NBayes方法,建立了0~72 h雷暴预报模型,并与Fisher判别准则和Bayes判别准则进行比较。预报结果表明,BPSO-NBayes模型临界成功指数都在0.29以上,平均值达到0.33以上,是3种方法中最好的,空报率都在0.59以下,漏报率在0.60以下,而且变化幅度很小。BPSO-NBayes模型明显优于Fisher判别准则和Bayes判别准则,具有良好的稳定性和预报能力。     

成都区域中心动力气候模式产品降尺度应用业务系统

利用动力气候模式（T63）产品进行降尺度解释应用,是目前以及未来开展气候预测的主要手段。本系统基于国家气候中心下发的气候模式产品、NCEP／NCAR500hPa高度场、西南区域84个代表站温度降水历年资料,采用动力统计相结合的技术方法,建立了“成都区域气象中心动力气候模式解释应用系统”,该系统以统计降尺度方法在西南区短期气候预测中的业务化应用为目的,实现了统计方法与动力模式相结合的业务化,经过5年业务回报试验和近2年的预测业务运行,结果表明：该系统对西南区域的月尺度温度和降水有较好的预报能力,已成为西南区域气候中心日常业务的主要参考依据。本文主要介绍该系统平台的各子系统性能及采用的技术方法。     

MOS方法在短时要素预报中的应用与检验

通过对MM5数值预报产品的释用,将MOS统计方法应用到短时要素预报中,综合利用MM5数值预报产品、自动站实况数据和雷达数据等资料,建立降水和温度的4 h预报模型;降水作为不连续变量,将其通过建立降水可能函数的方法转化为连续变量,利用统计预报方法,可以达到定量预报的目的。通过对4140个时次的样本进行检验。结果表明：MOS预报结果较MM5直接输出结果整体有所改进,当数值模式误差较大时,统计方法显示出一定的优势;降水预报检验结果显示,TS评分为65%,预报正确率PC为91%。降水明显的样本(3 h雨量>5 mm)平均误差在8 mm以内,弱降水样本(3 h雨量<3 mm)平均误差在1 mm以内,预报方程对非雨日样本的整体预报效果较好,优于MM5模式预报,预报正确率高达98%,但对流性降水仍是预报难点;对于温度预报,20-08时段误差较小、平均在1.0℃以内,而11-17时、误差平均在1.5℃左右,但经过误差的季节订正,可以控制在1.0℃左右。     

京津冀站点风温湿要素的机器学习订正方法

基于线性回归方法、梯度提升回归方法(GBRT方法)、XGBoost方法和堆叠集成学习方法(Stacking方法)4种机器学习方法,采用误差分析建模思路,针对北京城市气象研究院研发的睿图-睿思系统对2020年12月—2021年11月所有起报时次未来3~12 h的2 m温度、2 m相对湿度、10 m风速以及10 m风向4种气象要素预报,开展京津冀复杂地形下的站点预报误差订正技术研究及试验应用。结果表明:基于预报误差分析构建的4种订正模型中,由于Stacking方法集成了前3种方法的优势,在4个季节的4种气象要素订正中均表现最佳,其他3种单一机器学习方法试验中,XGBoost方法表现最佳,其后依次为GBRT方法、线性回归方法,但均对预报准确率有明显的正向提升效果。总体上,基于机器学习方法构建的预报误差订正模型可有效降低系统原始预报误差,有助于进一步提升复杂地形下站点客观释用产品的预报准确性。     

天气动力学组合因子在MOS降水预报中的应用

利用我国的数值产品ＨＬＡＦＳ格点场资料,结合内蒙古地区降水系统的天气动力学演变特征,构造出能反映降水系统的天气动力学发展机制的结构特征因子,采用ＭＯＳ方法建立预报方程。用较短的样本资料建立ＭＯＳ预报方程,提高了ＭＯＳ预报方程的预报能力和适应性。试验结果表明,该ＭＯＳ预报方程计算稳定并具有很好的预报能力和效果,易于业务化。     

基于小波分析的客观预报方法在智能网格高低温预报中的应用

基于2017—2018年中国气象局高分辨率数值预报产品、甘肃实时城镇预报产品和国家级地面观测站数据,利用小波分析、滑动训练、最优融合等技术,研发出甘肃省智能网格高低温客观订正产品。检验分析表明:城镇预报产品、滑动训练订正产品、最优融合产品3种订正产品对CMA预报均有订正能力,3种客观订正产品的最高气温订正能力强于最低气温订正能力;滑动训练法与最优融合法产生的高低温订正产品,在系统误差明显地区(甘南、陇南等)的预报结果要好于模式客观预报,而高低温城镇预报产品在气温局地性强或者模式客观预报能力差的区域有优势;最优融合预报方法生成的高低温产品预报能力略高于滑动训练订正产品且与现有预报员制作城镇预报产品基本持平,初步具备了替代主观预报的能力。     

成都区域中心动力气候模式产品降尺度应用业务系统

利用动力气候模式(T63)产品进行降尺度解释应用,是目前以及未来开展气候预测的主要手段。本系统基于国家气候中心下发的气候模式产品、NCEP/NCAR 500 hPa高度场、西南区域84个代表站温度降水历年资料,采用动力统计相结合的技术方法,建立了“成都区域气象中心动力气候模式解释应用系统”,该系统以统计降尺度方法在西南区短期气候预测中的业务化应用为目的,实现了统计方法与动力模式相结合的业务化,经过5年业务回报试验和近2年的预测业务运行,结果表明:该系统对西南区域的月尺度温度和降水有较好的预报能力,已成为西南区域气候中心日常业务的主要参考依据。本文主要介绍该系统平台的各子系统性能及采用的技术方法。      

北京地区夏季多模式降水预报的降尺度集成应用

以2008—2010年5—9月日本、德国、T639数值预报模式降水产品为基础,采取反距离插值的统计降尺度分析方法,将数值预报模式降水格点数据插值到北京西北、东北、西南、东南区域的延庆、密云、房山、观象台4个典型代表站点上;再结合统计分析,将夏季产生降水的天气系统分为西来槽、东北低涡、蒙古低涡、其他系统4种类型,采用预报准确率定级方法对各家模式配以不等权权重系数,从而建立北京地区夏季多模式集成降水预报模型,并用独立的样本对预报模型进行了业务试运行检验,检验结果表明:所建模型对降水预报的改进效果较好,优于单个数值模式降水预报。该模型的建立和应用方法为其他区域本地释用数值模式降水预报产品提供了一定的客观参考。     

云贵川三省汛期月降水的模式释用集成预测研究

基于国家气候中心（NCC_CSM11）、美国国家环境预报中心（NCEP_CFS2）和欧洲中期天气预报中心（ECMWF_SYSTEM4）三种模式产品资料,以及美国国家环境预报中心（NCEP）的大气环流再分析资料和云南、贵州及四川三省359个站点月降水资料,搜寻模式“有预测技巧的高影响关键区”,使用逐步回归方法建立预测释用模型,比较采用原始资料和年际增量两种资料序列的释用结果与模式结果的预测性能。结果表明:原始资料释用结果月均PC评分与模式结果相近,PS和ACC评分则有所提高;增量资料释用结果对月降水预测性能的改进优于原始资料释用结果;进一步采用超级集合平均方法对各月三种模式增量资料释用结果进行集成,预测评分在绝大多数情形下超过参与集成的各成员评分最高值,集成结果对ACC提升最明显,其次为PC评分,对PS评分改进不明显。      

数值预报误差订正技术中相似-动力方法的发展

Due to the increasing requirement for high-level weather and climate forecasting accuracy, it is necessary to exploit a strategy for model error correction while developing numerical modeling and data assimilation techniques. This study classifies the correction strategies according to the types of forecast errors, and reviews recent studies on these correction strategies. Among others, the analogue-dynamical method has been developed in China, which combines statistical methods with the dynamical model, corrects model errors based on analogue information, and effectively utilizes historical data in dynamical forecasts. In this study, the fundamental principles and technical solutions of the analogue-dynamical method and associated development history for forecasts on different timescales are introduced. It is shown that this method can effectively improve medium- and extended-range forecasts, monthly-average circulation forecast, and short-term climate prediction. As an innovative technique independently developed in China, the analogue- dynamical method plays an important role in both weather forecast and climate prediction, and has potential applications in wider fields.