月动力延伸预报产品在西北地区月降水预测中的释用

利用西北地区较密的163个气象观测站点逐月降水资料、NCEP/NCAR再分析资料500 hPa逐月高度场和月动力延伸集合预报500 hPa高度场资料, 进行了气候预报、持续性预报、实况解释检验和月动力延伸预报产品释用预测试验的比较。结果表明:实况解释检验结果的准确率 (PS) 评分最高, 气候预报平均PS最低, 月动力延伸预报解释应用方法略低于实况解释检验, 高于气候预报和持续性预报。PS的空间分布表明, 月动力延伸预报解释应用结果和实况回报试验的分布非常相似, PS最大值分布在青海南部、陇南和陕西大部等各月降水气候值相对较大的地区, PS较小的地方则在新疆部分地区、甘肃河西西部等各月降水气候值相对较小的地区, 西北其他地区PS值相差不明显。此外, 利用密集站点资料进行解释应用的效果高于利用稀疏站点资料的结果, 表明更多观测信息的应用有利于改善预测技巧。     

月动力延伸预报产品在新疆月尺度降水预测中的应用检验

利用新疆101个气象观测站点逐月降水实况资料和2001~2010年国家动力气候模式产品,进行月动力延伸预报产品的应用预测检验。采用PS评分和同号率对内插预测结果进行效果评估,并与业务评分进行对比。结果表明：月动力延伸预报产品对新疆地区月降水趋势预测Ps评分高于业务评分,而对各月降水距平百分率的同号率差异较大。夏、秋季Ps评分较高,冬、春季PS评分较低,季节转换时预测Ps评分变率较大。     

月动力延伸预报产品在阿勒泰地区预报中的应用检验

利用2005年7月—2009年12月阿勒泰地区7个气象观测站逐月和旬的降水和温度实况资料、国家气候中心制作的月动力延伸预测模式的图形资料,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进行检验。结果表明:月动力延伸预报产品对各月温度距平同号率要明显高于降水距平百分率预报与实况同号率,对各月温度距平的预报评分比较稳定,而对各月降水距平百分率的预报评分差异较大。     

青海省月降水、气温的动力模式解释应用及其效果检验

利用月动力延伸预报500hPa高度场资料、青海省36站实况降水、气温等资料,研究对不同月份及不同季节降水分别有重大影响的大尺度预测因子。并选取稳定高相关、物理意义明确、彼此间独立的影响因子,通过多次试验选择适合的统计降尺度方法,建立青海省月降水、气温的动力降尺度解释应用预测模型。按国家气候中心业务评分标准,用独立样本对模型预测效果进行检验,通过与近6年实际预报评分比较,模式降尺度应用后预测评分大部分超过业务评分,其中降水预测评分最高达84％,最低为67％。月平均气温降尺度解释应用评分最高达84％,最低也达到67％,平均评分虽不及业务评分高,仍是比较客观的预报方法,在短期气候预测中有实用价值。     

月动力延伸预报产品在甘肃省的释用及评估

把月动力延伸预报产品的释用方法应用在甘肃省 58个气象站点 ,将其实况回报试验结果与持续性预报和近 6～ 1 0年的业务评分进行对比 ,结果表明 ,动力释用方法预报准确率明显高于持续性预报 ,也高于业务评分。同时分析了 1月和 7月预测效果好与差的环流场特征以及甘肃省分片区域的预测评估。     

月动力延伸预报产品的评估和解释应用

该文用3种客观评分方法对国家气候中心的月动力延伸预报结果（500 hPa位势高度场）进行了全面评估。结果表明,延伸预报环流的旬和月平均场预报准确率明显高于持续性预报,有一定的预报技巧和业务参考价值,但仍未达到可用于实际业务预报的技巧。对形势预报进一步分析发现,500 hPa的部分环流特征量模拟效果好,其预报技巧高于整个形势场的预报。根据已有的经验和研究成果,这些环流特征量和要素预报有较好的相关,可以直接在业务中应用。该方法为动力产品的解释应用提供了又一条途径。     

中国区域月平均温度和降水的模式可预报性分析

基于中国台站降水和温度观测资料、中国气象局国家气候中心月动力延伸预报的回算和预测结果讨论了中国区域月平均温度和降水模式可预报性的时空变化特征。文中以持续性预报来表征中国区域月平均温度和降水受外强迫影响下的可预报性,持续性预报技巧存在明显的年际和年代际变化特征;春末夏初和秋季预报评分相对偏低;在中国区域气候变暖和平均降水强度极值增加的背景下,温度的持续性预报评分有明显提高,降水的持续性预报略有下降。月动力延伸预报对月降水和温度的预报能力也存在明显的年际和年代际变化特征;与持续性预报相比,月动力延伸温度预报总体优于持续性预报,降水预报在初春略差,温度预报在8月相对最低。近20余年,月动力延伸预报相对于持续性预报的温度和降水的均方根误差技巧均大于零,其年际变化表现为模式对降水的预测略有提高。两种预报评估结果的空间分布分析表明月动力延伸预报达到显著性水平的正相关区域总体上比持续性预报的范围大,并基本涵盖了持续性预报的高相关区。原因是可预测信息部分来源于外强迫异常的影响,部分来源于对大气内部动力过程的模拟。     

动力延伸预报产品在东北地区月尺度气候预测中的释用及评估

针对东北地区53站的降水距平百分率和温度距平这两个基本业务要素,运用李维京等在1999年提出来的动力统计相结合和典型相关回归这两种方案,对国家气候中心T63动力延伸集合预报的500hPa月平均高度距平进行释用,对释用结果采用PS评分和同号率进行预测效果评估．结果表明：这两种方法有较好的应用价值。     

MODES月预测产品在贵州的释用

基于符号一致率评分(Pc)法,对多模式解释应用集成预测系统(MODES)的6种模式产品开展贵州85站2要素月预测释用,根据评估结果进一步采用等权平均方案和最优方案对6种模式产品展开2012—2015年48个月的回算统计。分析表明:不同的模式产品的预报性能各不相同,其中ECMWF的模式产品的预测性能较NCC和NCEP来说相对较高;模式产品释用时,最优方案的预报评分均高于其它6个模式产品的Pc评分平均值,且最优方案的预报评分高于等权平均方法的预报评分;回算结果,无论是气温还是降水,最优方案的Pc评分均都高于省级发布的月预测产品评分,这说明利用最优方案可以有效地提高MODES对贵州月气温和降水预测能力。     

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。     

月动力延伸预报产品在三峡工程建设服务中的应用

用3种客观评分方法对国家气候中心为三峡库区提供的月动力延伸预报产品（500hPa位势高度场）进行了全面评估，结果表明，延伸预报月平均环流场预报准确率明显高于持续性预报和气候预报，有一定的预报技巧，对三峡工程气象服务有参考价值，从动力统计相结合的角度出发，利用推导的月降水距平与月环流场的关系，建立了三峡库区代表站点月降水距平预报议程，利用月动力延伸预报的500hPa高度场和实际降水场资料反演出月降水距平预报方程的系数，经过1999年降水预报试验，证明效果较好。     

T63月动力延伸预报产品的检验

采用NCEP／NCAR再分析资料和T63谱模式月动力延伸预报产品资料,对200、500hPa高度场及200hPa、700hPaU、V风场进行相关系数、距平、距平同号率、距平相关系数的分析,得出如下结论：月动力延伸预报产品对极涡、南亚高压、副热带高压预报能力较强,夏季副热带系统预报偏强,西风带系统预报偏弱;冬季西风带系统预报偏强,副热带系统预报偏弱。西风带和副热带系统的距平误差基本反映出影响我国年季气候变化主导系统的进退及预报误差。     

动力延伸预报产品释用方法的研究

目前以数值形势预报为基础的动力产品释用方法主要有模式输出统计法（ＭＯＳ）和完全预报方法（ＰＰＭ）。由这两种方法建立的预报方程缺乏明确的物理意义,所以文中提出了一种动力与统计相结合的方法。该方法从大尺度大气动力学方程组出发,推导出月降水距平百分率与月环流场的关系,从而建立了月降水距平百分率预报方程,随后利用月动力延伸预报的５００ｈＰａ高度场和实际降水场资料反演出月降水距平百分率预报方程的系数。该方程经过独立样本检验,表明这种方法对利用动力延伸集合预报的环流形势作月降水距平预报具有一定的能力。     

T63月动力延伸预报产品的检验

采用NCEP/NCAR再分析资料和T63谱模式月动力延伸预报产品资料,对200、500hPa高度场及200hPa、700hPaU、V风场进行相关系数、距平、距平同号率、距平相关系数的分析,得出如下结论:月动力延伸预报产品对极涡、南亚高压、副热带高压预报能力较强,夏季副热带系统预报偏强,西风带系统预报偏弱;冬季西风带系统预报偏强,副热带系统预报偏弱。西风带和副热带系统的距平误差基本反映出影响我国年季气候变化主导系统的进退及预报误差。      

基于集合预报产品的降尺度降水预报试验

利用降水距平百分率的降尺度预报方法和1951-2008 NCEP资料及我国降水资料,建立了降水距平百分率的预报模型,基于T106L19模式的月动力延伸集合预报结果,进行了2007-2009年3 a的预报试验和效果检验.结果表明,基于集合预报产品的统计降尺度方法对降水距平百分率的预报技巧高于模式降水的预报技巧;500 hPa月平均高度场的预报技巧直接影响到降水距平百分率的预报技巧,平均环流的预报技巧越高,降水距平百分率的预报技巧越高;无论集合成员数为多少,集合预报的结果都明显优于控制预报,随着集合成员数的增多,预报技巧呈增大的趋势;我国降水具有显著的季节性和区域性,以江淮地区的降水距平百分率预报技巧最高,华南地区的预报技巧其次.     

集合方法在月动力预报信息提取中的应用

本工作将集合方法应用于提取月动力预报有用信息。利用中国气象局国家气候中心Ｔ６３Ｌ１６全球谱模式的５００百帕高度场月集合预报产品（集合成员数为８个，初始场的选取采用滞后方法（ＬＡＦ），即相邻两天的００００，０６００，１２００和１８００ＧＭＴ的初始化资料），就１９９７年１月至５月共１５次预报，分析了集合预报成员间的离散度与预报评分（距平相关系数和均方根误差）的关系，研究了用集合各成员预报离散度作为各个成员逐日预报的权重对月预报效果的影响。结果表明集合预报成员的离散度与预报评分有显著的相关，是有效预报长度Ｎ的一个很好估计；用离散度作为权重平均的月预报高度距平相关系数明显高于算术平均和线性权重，此外个例分析表明月平均环流及其异常的预报得到明显的提高。     

动力延伸预报产品释用方法的改进试验

依据动力延伸预报产品释用方法中所建立的月降水距平百分率预报方程，将方程系数看成是动态系数，采用与预报月高度场相似月份的资料作为样本资料，通过改善方程系数的计算来提高月降水预报。1998～2004年的历史实况资料在安徽省的回报实验证明:在目前T63／NCC月动力延伸预报产品的准确率不能快速提高的情况下，该方法具有实际应用价值。利用T63／NCC月动力延伸产品进行安徽省月降水预报应用亦取得较好的效果。     

DOWNSCALING FORECAST OF MONTHLY PRECIPITATION OVER GUANGXI BASED ON BP NEURAL NETWORK MODEL

Variables fields such as enstrophy, meridional-wind and zonal-wind variables are derived from monthly 500 hPa geopotential height anomalous fields. In this work, we select original predictors from monthly 500-hPa geopotential height anomalous fields and their variables in June of 1958 - 2001, and determine comprehensive predictors by conducting empirical orthogonal function (EOF) respectively with the original predictors. A downscaling forecast model based on the back propagation (BP) neural network is built by use of the comprehensive predictors to predict the monthly precipitation in June over Guangxi with the monthly dynamic extended range forecast products. For comparison, we also build another BP neural network model with the same predictands by using the former comprehensive predictors selected from 500-hPa geopotential height anomalous fields in May to December of 1957 - 2000 and January to April of 1958 - 2001. The two models are tested and results show that the precision of superposition of the downscaling model is better than that of the one based on former comprehensive predictors, but the prediction accuracy of the downscaling model depends on the output of monthly dynamic extended range forecast.