集合预报产品释用方法的研究

提出一种动力与统计相结合的集合预报产品的动力统计释用方法，该方法从大尺度大气动力学方程组出发，考虑中期旬尺度的大气环流特征，采用简单的斜压模式，推导出旬降水距平百分率与旬环流形势场的关系，从而建立了旬降水距平百分率预报方程，与相当正压的月降水距平百分率预报方程相比，更符合常规天气预报业务中对实际大气的动力学和天气学意义的考虑，试报结果表明，动力与统计相结合的方法对旬尺度动力延伸集合预报产品的释用具有明显的效果。     

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。     

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.     

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。     

降尺度方法在安徽省月降水量预测中的试用

基于NCEP/NCAR 500 hPa高度场、T63月动力延伸预报500 hPa高度场和安徽省降水资料,依据动力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,从月和旬两种不同时间尺度以及固定资料和选择资料来反演方程系数共4种降尺度方法来预报安徽省20个代表站月降水。1995—2005年11 a的回报检验表明了4种方法都具有较好的预报能力,从旬时间尺度较月尺度来预报月降水具有优势,在汛期和汛期降水偏多年更为明显。     

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。     

P-σ全球模式的月尺度动力延伸预报试验

用P－σ混合坐标系原始方程模式（Nju-PσM)，以观测的瞬时气象要素场作为模式初始场，作了24个月动力延伸预报试验，利用距平符号一致率（P）、距平相关系数（AC）和均方根误差（RMS）对预报结果进行了评估和分析。试验表明Nju-PσM对月平均环流有一定的预报能力，气候漂移证正和预报结果的线性、势力的线型两种合成方法都对预报效果有明显的改进，把动力延伸预报与年际和月际持续性预报进行对比后，表明动力预报结果的各项评估分均为最高。预报场和实况场的空间滤波和经验正交函数（EOF）分析表明，模式对大尺度天气系统的预报能力较强，而对较小尺度天气系统的预报能力则差一例。     

相似-动力方法在动力延伸预报产品释用方法中的应用研究

在分析过去基于统计-动力月降水距平百分率预报方程基础上,建立了以500 hPa月平均高度场为核心的相似-动力月降水预报方程.以安徽省1998-2004年各月的降水为预报对象,发现该方法对安徽省月降水预报具有一定的预报能力.文中指出该方法对安徽省每年3月、11月月降水预报效果较好,6月、10月月降水预报效果较差;由于引起1999年气候异常的原因有其独特性,导致无法选择到足够合适的历史资料来反演方程的系数,这可能是1999年月降水预报结果相对较差的主要原因.     

DERF产品在江西汛期降水预测中的释用

利用T63月动力延伸预报DERF模式输出的北半球500hPa位势高度场资料和江西省83站逐月降水量实况资料,运用EOF迭代方法对江西省2005-2009年汛期4-6月逐月降水距平百分率进行解释应用预测试验.结果表明,预测模型对江西汛期降水趋势预测的评估效果比较好.月降水距平百分率的预测Ps评分总体平均为72%,平均距平...     

降尺度技术在月降水预报中的应用

着重介绍月动力延伸数值预报模拟技巧较高的大气环流在局域降水方面的降尺度（downscaling）应用。克服动力降尺度和统计降尺度技术的缺点，从动力与统计相结合的角度，给出月尺度大气环流与局地降水之间的关系，该联系有清楚的动力学背景和天气学意义。120个月的历史实况资料回报试验证明了该关系的合理性。T63/NCC月动力延伸形势场集合预报进行中国降水的降尺度应用亦取得了较好的结果。     

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。     

基于月动力延伸预报最优信息的中国降水降尺度预测模型

利用国家气候中心月动力延伸预报结果、NCEP/NCAR再分析资料和中国160个站观测资料,通过计算两次相关的方法,获取最优预报信息作为建立降尺度预测模型的预测因子,提取的最优预测因子同时满足既是观测环流要素场影响降水的关键区域,又是模式要素场预报的高技巧区域两个条件.结合挑选出的最优预测因子,利用最优子集回归建立月平均降水的降尺度预测模型.文中设计了消除预测因子和预测量的线性趋势值后建立预测模型(方案1)和直接利用原始资料建立预测模型(方案2)两种方案.经过独立样本检验,发现这两种方案建立的预测模型都能够提高月尺度降水预测,方案1对月尺度降水预测的距平相关系数平均可达0.35.利用该方案对超前时间分别为0、5、10 d的月动力延伸预报产品进行月降水的降尺度预测表明,模式初值信息不仅影响月动力延伸预报结果,也影响降尺度应用效果,利用超前时间为0和5 d的月动力延伸预报结果进行降水降尺度预测可在业务中参考.此外,降尺度预测模型中选取的预测因子不仪在统计上是显著的,同时也具有清楚的物理意义.     

基于DERF的SD方法预测月降水和极端降水日数

针对动力气候模式对区域或更小空间尺度内的日降水预测技巧偏低的问题,应用最优子集回归 (OSR) 方法对国家气候中心业务化的月动力气候模式 (DERF) 输出的高度场、风场和海平面气压场进行降尺度处理用于降水预测,旨在提高预测准确率。1982—2006年交叉检验结果表明:OSR方法能显著提高降水预测技巧,其中11~40 d改善效果最为显著。在此基础上,应用一步法和两步法两种统计降尺度方法预测极端降水日数,交叉检验结果表明:两种方法均优于随机预测,冬季两步法预测技巧略高于一步法,夏季一步法略优于两步法。综合认为OSR,OSR结合随机天气发生器 (WG) 两种统计降尺度方法对月尺度降水或极端降水日数的预测均具有较高的技巧,可作为短期气候预测的重要参考信息。     

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。