一种新静力扣除方案在AREM中的应用与试验

引入一种新的参考大气方案,对AREM模式动力框架进行静力扣除修改,并选取暴雨个例进行后报模拟试验,考察模式改进后对暴雨过程的预报效果。试验结果表明:新静力扣除方案对模式预报强降水有较好改进,其主要表现在暴雨、大暴雨范围和强度及其中心位置预报上;新方案也提高了模式对气象要素场的预报准确度,特别是对流层中下层及下平流层的温度和纬向风预报,较模式修改前有了较明显的改进。汛期批量试验进一步证实了以上结果,该新静力扣除方案合理有效。     

基于GRAPES_Meso的集合预报扰动方案设计与比较

基于GRAPES_Meso区域集合预报系统,设计了三种集合预报扰动方案,即多初值、多初值多物理、多初值多物理多边值,并针对三种方案进行了连续一个月的批量试验,重点分析了2008年7月23日江淮暴雨过程.结果表明,对于降水预报,三种集合扰动方案均相对于控制预报均有所改善,多初值多物理与多初值多物理多边值方案对小雨、中雨预报改进效果显著,对暴雨预报略有改进;多初值方案仅能产生有限的集合离散度且难以增长,引入物理参数方案扰动及边界条件扰动能显著提高集合离散度,改善各物理量场的预报效果;通过比较,多初值多物理多边值为最优方案.该批量试验表明,模式物理过程及边界条件是影响GRAPES _Meso区域集合预报不确定性的不可忽视因素.     

初值不确定性对暴雨数值预报影响的初步研究

为了研究初值不确定性对我国南方暴雨数值预报的影响,依据历史降水资料的统计分型,选取华南暴雨型、江淮暴雨型和黄淮暴雨型等三类型中具有代表性的暴雨过程,采用AREM模式以不同资料分析场(常规观测资料、NCEP和ERA40同化分析资料)作为初值进行暴雨预报对比试验。试验结果表明,对于各类型暴雨,不同资料初值的差异都会引起暴雨数值预报结果的较大差异;在此基础上,采用经验正交函数(EOF)分析方法,分析了各类暴雨初值误差及其变化信息,从中提取出主要的误差分量,并对这类误差的数值预报影响进行了敏感性试验和预报验证,结果显示,寻找和消除主要的初值误差,对改进暴雨数值预报结果具有重要作用。     

基于多中心TIGGE资料的区域GRAPES集合预报初步试验

基于全球交互式大集合(TIGGE)预报资料,研究利用TIGGE全球集合预报大尺度不确定信息,构造区域GRAPES集合预报的初值扰动方法和试验方案,并对2008年7月22日发生在黄淮地区的一次暴雨过程进行了集合预报试验.试验结果表明:构造的初值扰动场能够表征TIGGE全球集合预报初值中的大尺度不确定信息,区域GRAPES集合预报系统可以捕获极端降水天气,对降水预报具有显著的改进作用,集合预报平均及降水概率预报能有效地反映暴雨降水特点,暴雨发生概率较高的区域与实况对应关系较好.积分初期,暴雨的预报一致性(集合离散度)和预报技巧(集合平均预报均方根误差)之间的关系显示了区域GRAPES集合预报系统是合理的,但积分后期,由于模式在积分过程中的动力调整作用,减小了初值扰动对预报结果的影响,限制了集合离散度的增长速度.     

两种短期降水集合预报方案的对比试验

将MM5V3作为试验模式,利用初值扰动和物理参数化方案,分别对东南沿海地区2004年7—9月的短期降水进行了模拟,并运用均方根误差法对模拟试验效果进行了评估检验,以比较两种方案的集合预报效果。结果表明,对于汛期短期降水预报而言,两种方案的预报效果都有一定的改进。相对于初值误差而言,积云对流过程在汛期降水过程中起着更为重要的作用,因而物理参数化方案扰动的集合预报效果,总体优于基于初值扰动的集合预报效果。研究还发现,模式物理参数化方案扰动的集合预报效果在9月出现了明显的下滑,这主要由于7—8月对流活动旺盛,而9月对流活动随热力因素减弱而减弱的原因所致。     

AREM短期集合预报系统及其降水预报检验

基于我国科学家自主开发的AREM区域中尺度模式,考虑模式初值和侧边界条件的不确定性,采用BGM方案,建立有11个成员、37km分辨率、覆盖全国区域的短期集合预报系统,并将其于2009年汛期投入准业务化试验,进行了连续2个月的预报结果检验。结果表明:由于能提供更多预报信息,集合预报系统优于单一确定性预报,集合平均预报对评分的改进主要表现在暴雨以下量级,概率预报高于集合平均和控制预报,因而更具参考价值;利用多种集合产品对降水过程进行综合分析,能提高决策预报的科学性。     

区域资料四维同化试验

根据国家气象中心有限区分析预报系统的基本方案，设计一个以6小时为周期的间歇区域资料四维同化方案，对我国的两次暴雨过程进行两种不同粗细水平分辨率的资料四维同化和短期模式预报的试验。结果表明，由同化方案初值获得的短期预报明显好于LAFS方案的预报结果，高分辨率同化方案对预报的改进更明显。     

不同参数化方案对长江中游汛期降水模式预报试验

利用中尺度模式多个物理过程组合成不同预报方案,对长江中游汛期降水预报进行了对比试验.试验结果表明,使用不同物理过程参数化方案对长江中游汛期降水的预报效果存在差异,这种差异随降水预报量级的提高而愈加明显;而就试验而言,Grell积云对流参数化方案与Blackadar边界层参数化方案的组合预报效果相对较好;就单个降水个例而言,预报效果相对好的参数化方案存在不确定性,集合平均预报相对稳定且优于大多数方案,其对降水评分的改进尤其体现在暴雨以下量级的预报中.     

华中区域LRUC系统的构建与试验

如何将区域观测资料在中尺度模式中快速有效同化是提高区域精细化数值预报准确率和时效性的关键所在。本文简单介绍了基于LAPS和WRF建立的快速循环同化预报系统LRUC,以一次影响长江中游的典型梅雨锋暴雨过程为例,设计几种试验方案,结合实况降水分布,对比分析华中区域多普勒雷达资料循环同化对改善暴雨预报的作用;根据个例试验结果,设计批量后报试验方案,对比分析雷达资料同化对华中区域2007年主汛期(6—8月)多个时效降水预报评分。暴雨个例试验结果表明,华中区域多普勒雷达资料在LAPS中的同化,能为WRF提供更优初值场;同化华中区域地面资料和雷达资料后,比仅同化地面资料更能改进模式初值,改善模式降水预报,且降雨量级越大,24 h降水预报TS评分越高。批量后报试验结果表明,建立的快速循环同化预报系统LRUC,能对区域多源观测资料进行多时次循环同化分析,为模式初值增加观测资料的时间演变信息,提高模式对暴雨量级降水的预报水平;系统具有稳定性和一定的评分水平。     

一次华南前汛期暴雨过程的数值模拟

本文建立了一个包含地形的σ坐标6层中尺度—α模式。用这个模式对一次华南暴雨过程作了数值试验。结果表明,此模式有能力预报出华南前汛期暴雨的落区,初值场和与陆风有关的沿海对流云团对预报的风场和降水有一定的影响。      

基于集合经验模态分解和自回归-移动平均模型的COVID-19流行病全球预测系统预测结果改进

2020年,新型冠状病毒肺炎(COVID-19)在世界范围内迅速传播.为准确预测各国每日新增发病人数,兰州大学开发了 COVID-19流行病全球预测系统(GPCP).在本文的研究中,我们使用集合经验模态分解(EEMD)模型和自回归-移动平均(ARMA)模型对GPCP的预测结果进行改进,并对发病人数较少或处于发病初期,不完全符合传染病规律,GPCP模型无法预测的国家进行直接预测.从结果来看,使用该方法修正预测结果,古巴等国家预测误差均大幅下降,且预测趋势更接近真实情况.对于萨尔瓦多等发病人数较少的国家直接进行预测,相对误差较小,预测结果较为准确.该方法对于改进预测结果和直接预测均较为有效.     

中国极端天气气候研究——“地球系统与全球变化”重点专项项目简介及最新进展

全球变暖背景下,极端天气气候事件频发,并表现出群发性、持续性、复合性等特点,不可预测性增加;持续性强降水、极端低温、复合型极端高温干旱、群发性热浪和台风等极端天气气候事件对我国经济社会和可持续发展影响巨大。然而,上述极端天气气候事件的新特征、关键过程和机理尚不完全清楚,重大极端事件的预报预测水平亟待提升。文章首先简要介绍“地球系统与全球变化”重点专项项目“中国极端天气气候事件的形成机理及其预测和归因”的基本情况。项目拟在分析全球变化背景下对我国造成重大影响的极端天气气候事件新特征的基础上,深入研究多尺度海-陆-气耦合过程影响极端天气气候事件的机理,挖掘极端天气气候事件次季节-季节预测的前兆信号;发展动力与物理统计相结合的极端事件预测新方法,研制针对中国极端事件的新一代高分辨率数值预报与检测归因系统。文章重点总结了自2022年12月项目立项至今取得的最新研究成果和进展。     

集合预报产品综合分析显示平台关键技术与实现

针对集合预报方法在天气预报业务中的应用,开发了具有自主知识产权的集合预报产品综合分析显示平台。以集合预报模式输出数据量大、气象图表显示效率和质量要求高两个主要需求为出发点,采用客户端服务器架构设计。服务器端将原始数据转换为产品数据以提高客户端执行效率。该文详细分析了平台关键技术,针对数据延时问题,轮询式数据处理技术实时检查原始数据变化状态并更新产品,采用生产者消费者互斥方法解决多线程锁死问题。为提高图表美观程度,动态页面布局显示技术对所有图形要素进行分类, 并给出显示属性的抽象描述,结合图形渲染技术,实现了看图模式和出图模式的动态切换。该平台为预报员和服务决策者提供了宝贵的不确定性信息,在中小尺度极端天气预报、台风路径预报中发挥了重要作用。     

基于数值模拟和统计分析及智能优化的风速预报系统

风速预报是风力发电研究中的关键问题,也是一个十分困难的问题,其预测、评估技术还有待进一步提高.在预测短期风力(提前48～72 h对每小时的风速进行预测)时,通常采用数值天气预报模型进行预测.然而,初始扰动和模式物理过程的不确定性会影响气象数值预报的精度.将为数值天气预报模式提出一种新的后处理优化方法作为主要的思路,利用数据挖掘得到的关联规则来优化气象数值预报的结果,在中尺度模式WRF对风电场风速进行预报的基础上,将模式预测与统计分析及智能优化算法相结合,针对中国风电场的气候特征,利用一种新的修正模式误差的方法,极大地提高了风电场风速预报精度,提出了适合中国风力发电场的有效风速预报系统方案.     

多模式热动力耦合诊断系统与暴雨预报

应用包含热动力耦合强迫的新型散度演化方程,研发了该方程的诊断计算方案和相应的软件系统,以多个数值预报模式产品为资料源,计算得到关于强降水激发、维持的热动力耦合诊断场,形成了一个多时效的诊断场序列,它包含了正压非平衡强迫和热动力耦合强迫对散度演化的作用,反映了暴雨激发和持续的数值特征,为探索暴雨激发维持机理和寻求暴雨预报指标提供了数据支持。多模式诊断场的综合分析是集合预报方法的一种实践,有利于提高预报准确率。我们对2009年的两次暴雨个例进行了诊断分析,结果表明:T213、T639模式的诊断场能够较为准确的预报出暴雨的开始和结束,有明显的预报指示意义。      

插值预报的一种新方法及其在降水预报中的应用

本文针对经典插值预报方法存在的不足,遵循插值预报的基本原理,提出了插值预报的一种新方法,此方法的实质是考虑了预报系统中不同预报因子对系统的最后演变结果的不同作用,将此方法应用于云南１８个测站五月雨量的预报中,结果表明,此方法无论在历史预报方面还是在外推预报方面均具有良好的稳定性和预报精度。     

新型局地增长模培育法对两次飑线个例的对流尺度集合预报试验

利用局地增长模培育法对两次典型飑线过程进行了对流尺度集合预报试验,通过与传统增长模培育法对比,检验了局地增长模培育法的实际预报效果。通过概率匹配平均处理后,将降水预报结果与实况资料进行对比分析,并用分数技巧评分来代替传统公平技巧评分实现对降水结果的合理检验,得出结论:1)在飑线降水预报上,局地增长模培育法优于增长模培育法。2)分数技巧评分比公平技巧评分更好地反映对流尺度集合预报能力,特别是在大暴雨量级降水评估上。3)降水评分结果显示,集合平均对于小雨、中雨和大雨级别降水的预报技巧高于概率匹配平均,概率匹配平均对于暴雨和大暴雨级别降水更有优势。     

Extended Range(10–30 Days) Heavy Rain Forecasting Study Based on a Nonlinear Cross-Prediction Error Model

Extended range(10–30 d) heavy rain forecasting is difficult but performs an important function in disaster prevention and mitigation. In this paper,a nonlinear cross prediction error(NCPE) algorithm that combines nonlinear dynamics and statistical methods is proposed. The method is based on phase space reconstruction of chaotic single-variable time series of precipitable water and is tested in 100 global cases of heavy rain. First,nonlinear relative dynamic error for local attractor pairs is calculated at different stages of the heavy rain process,after which the local change characteristics of the attractors are analyzed. Second,the eigen-peak is defined as a prediction indicator based on an error threshold of about 1.5,and is then used to analyze the forecasting validity period. The results reveal that the prediction indicator features regarded as eigenpeaks for heavy rain extreme weather are all reflected consistently,without failure,based on the NCPE model; the prediction validity periods for 1–2 d,3–9 d and 10–30 d are 4,22 and 74 cases,respectively,without false alarm or omission. The NCPE model developed allows accurate forecasting of heavy rain over an extended range of 10–30 d and has the potential to be used to explore the mechanisms involved in the development of heavy rain according to a segmentation scale. This novel method provides new insights into extended range forecasting and atmospheric predictability,and also allows the creation of multi-variable chaotic extreme weather prediction models based on high spatiotemporal resolution data.     

NCAR绘图软件在建立概念预测模型中的应用

详细介绍了利用Ncar绘图软件包,绘制概念预测模型预报点聚图的过程,并附有一个完整的源程序.     

Improvement of the global prediction system of the COVID-19 pandemic based on the ensemble empirical mode decomposition (EEMD) and autoregressive moving average (ARMA) model in a hybrid approach 基于集合经验模态分解和自回归-移动平均模型的 COVID-19 流行病全球预测系统预测结果改进

In 2020, the COVID-19 pandemic spreads rapidly around the world. To accurately predict the number of daily new cases in each country, Lanzhou University has established the Global Prediction System of the COVID-19 Pandemic (GPCP). In this article, the authors use the ensemble empirical mode decomposition (EEMD) model and autoregressive moving average (ARMA) model to improve the prediction results of GPCP. In addition, the authors also conduct direct predictions for those countries with a small number of confirmed cases or are in the early stage of the disease, whose development trends of the pandemic do not fully comply with the law of infectious diseases and cannot be predicted by the GPCP model. Judging from the results, the absolute values of the relative errors of predictions in countries such as Cuba have been reduced significantly and their prediction trends are closer to the real situations through the method mentioned above to revise the prediction results out of GPCP. For countries such as El Salvador with a small number of cases, the absolute values of the relative errors of prediction become smaller. Therefore, this article concludes that this method is more effective for improving prediction results and direct prediction.摘要2020年, 新型冠状病毒肺炎 (COVID-19) 在世界范围内迅速传播.为准确预测各国每日新增发病人数, 兰州大学开发了 COVID-19 流行病全球预测系统 (GPCP). 在本文的研究中, 我们使用集合经验模态分解 (EEMD) 模型和自回归-移动平均 (ARMA) 模型对 GPCP 的预测结果进行改进, 并对发病人数较少或处于发病初期, 不完全符合传染病规律, GPCP 模型无法预测的国家进行直接预测.从结果来看, 使用该方法修正预测结果, 古巴等国家预测误差均大幅下降, 且预测趋势更接近真实情况.对于萨尔瓦多等发病人数较少的国家直接进行预测, 相对误差较小, 预测结果较为准确.该方法对于改进预测结果和直接预测均较为有效.