Quality control methods for KOOS operational sea surface temperature products

Sea surface temperature SST obtained from the initial version of the Korea Operational Oceanographic System(KOOS) SST satellite have low accuracy during summer and daytime. This is attributed to the diurnal warming effect. Error estimation of SST data must be carried out to use the real-time forecasting numerical model of the KOOS. This study suggests two quality control methods for the KOOS SST system. To minimize the diurnal warming effect, SSTs of areas where wind speed is higher than 5 m/s were used. Depending on the wind threshold value, KOOS SST data for August 2014 were reduced by 0.15°C. Errors in SST data are considered to be a combination of random, sampling, and bias errors. To estimate bias error, the standard deviation of bias between KOOS SSTs and climatology SSTs were used. KOOS SST data yielded an analysis error standard deviation value similar to OSTIA and NOAA NCDC(OISST) data. The KOOS SST shows lower random and sampling errors with increasing number of observations using six satellite datasets. In further studies, the proposed quality control methods for the KOOS SST system will be applied through more long-term case studies and comparisons with other SST systems.     

Bias estimation and correction for triangle-based surface area calculations

The calculation of surface area is meaningful for a variety of space-filling phenomena, e.g., the packing of plants or animals within an area of land. With Digital Elevation Model (DEM) data we can calculate the surface area by using a continuous surface model, such as by the Triangulated Irregular Network (TIN). However, just as the triangle-based surface area discussed in this paper, the surface area is generally biased because it is a nonlinear mapping about the DEM data which contain measurement errors. To reduce the bias in the surface area, we propose a second-order bias correction by applying nonlinear error propagation to the triangle-based surface area. This process reveals that the random errors in the DEM data result in a bias in the triangle-based surface area while the systematic errors in the DEM data can be reduced by using the height differences. The bias is theoretically given by a probability integral which can be approximated by numerical approaches including the numerical integral and the Monte Carlo method; but these approaches need a theoretical distribution assumption about the DEM measurement errors, and have a very high computational cost. In most cases, we only have variance information on the measurement errors; thus, a bias estimation based on nonlinear error propagation is proposed. Based on the second-order bias estimation proposed, the variance of the surface area can be improved immediately by removing the bias from the original variance estimation. The main results are verified by the Monte Carlo method and by the numerical integral. They show that an unbiased surface area can be obtained by removing the proposed bias estimation from the triangle-based surface area originally calculated from the DEM data.     

1961—2017年中国华东区域高空温度变化特征

利用中国华东六省一市13个探空站1961—2017年高空温度数据,对850 hPa、500 hPa、200 hPa高空温度的时间变化特征和空间变化特征进行分析,结果表明：1961—2017年中国华东区域对流层中下层增温趋势明显,向上增温趋势减弱,对流层顶增温趋势有所增强。850 hPa、500 hPa温度的年代际变化均呈现出先降低后升高的趋势,而200 hPa温度的年代际变化则呈现持续升高的趋势。秋、冬季在各个层次上均为显著的增温趋势,冬季的增温趋势明显大于其他季节,500 hPa春季和200 hPa夏季有微弱的降温趋势。不同层次年平均气温的空间分布均有明显的南北差异,且随着高度的增加,南北平均温差先增大后减小。850 hPa、500 hPa年平均温度的空间变化趋势一定程度上呈现出华东沿海地区增温趋势大于内陆的特征,200 hPa则呈现华东南部的增温趋势大于北部的特征。850 hPa各季节呈现出中国华东沿海地区增温、内陆增温趋势不如沿海地区或内陆呈现降温趋势,500 hPa的春季和200 hPa的夏、秋季则呈现出中国华东南部地区增温、北部地区降温的趋势。     

多源降水预报集成技术应用研究

基于欧洲中期天气预报中心全球高分辨率预报模式ECMWF、中国自主研发的新一代业务化区域数值模式GRAPES_Meso和WRF中国全国区域预报模式的降水预报结果进行未来3 d降水集成预报。以中国地面-卫星-雷达三源融合逐时降水格点产品(CMPA-Hourly,V2.0)作为"观测值"进行建模,采用消除偏差多模式平均法和基于无偏平均绝对误差集成法对中国大陆地区进行降水集成预报,同时采用2800个国家自动气象站降水观测数据对降水集成预报效果进行检验。结果表明：基于无偏平均绝对误差的降水集成方法能够综合每个模式成员降水预报场的优势,提供一种更为稳定可靠且具有更高分辨率的优质精细化降水预报产品;其在试验期间对中国大陆地区汛期的降水预报ETS评分,优于消除偏差多模式平均降水集成预报和最优单模式降水预报,BIAS评分更接近于1,与"实况"的距平相关系数也明显提高,是对降水大值捕捉能力较优的一种集成方法,尤其对中雨到暴雨量级预报的改进较好。     

CMIP6通量距平强迫模式比较计划（FAFMIP）概况与评述

通量距平强迫模式比较计划（FAFMIP）是第六次国际耦合模式比较计划（CMIP6）的子计划之一。FAFMIP共设计了5组试验,利用CMIP6中的大气-海洋耦合环流模式（AOGCM）对海表施加动量通量、热通量和淡水通量扰动,旨在研究在CO₂强迫下模式模拟的海洋热吸收,由热膨胀引起的全球平均海平面上升,及由海洋密度和环流导致的动力海平面变化等方面的不确定性。     

中国地区集合预报产品自适应递减平均偏差订正法的改进研究

基于中国地区T213集合预报产品2 m温度预报数据,采用卡尔曼滤波类型的自适应递减平均法进行偏差订正处理,原方案在剧烈降温天气订正效果表现不理想。通过对递减平均参数w的重新构建得到改进的订正方案w(i,p)(i为站点信息,p为天气过程信息),在此基础上进一步优化对历史信息的有效提取,得到改进的方案w(i,p)相似法和w(i,p)统计法,并进行效果检验。结果表明:改进为包含空间和天气过程信息的函数w(i,p)后方案的订正效果得到不同程度的提高,其中24 h剧烈降温预报各成员预报均方根误差平均减小了0. 15℃;而进一步改进的w(i,p)统计法在当前几种剧烈降温预报中订正效果最优,其集合平均偏差与w(i,p)方案相比减小2. 54℃。     

基于频率匹配法的中国降水多模式预报订正研究

基于TIGGE资料中欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心及英国气象局1～7 d日降水量预报以及中国自动站观测资料与CMORPH降水产品融合的逐时降水量网格数据集,利用频率匹配法(Frequency-Matching Method,FMM)对中国降水预报进行客观订正。首先利用卡尔曼滤波方法对降水频率进行调整,并根据不同区域降水强度差异将全国分为7个子区域分别进行频率匹配。结果表明,FMM可以有效减小降水量预报的误差。经过频率匹配法订正后各模式降水预报的平均绝对误差(Mean Absolute Error,MAE)大幅减小,且订正后各量级降水的雨区面积更加接近实际观测值。FMM对小于5 mm和大于15 mm的降水预报技巧改进明显。此外,FMM降低了模式预报的小雨空报率和大雨漏报率,并且明显提高了晴雨预报的准确率。FMM明显消除了大范围小雨空报区域,但是对强降水预报FMM仅能调整降水量大小,强降水落区预报并不能得到明显改善。     

基于卡尔曼滤波的中国区域气温和降水的多模式集成预报

利用TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。     

气候系统模式FGOALS模拟的南亚夏季风：偏差和原因分析

本文通过与观测和再分析资料的对比,评估了LASG/IAP发展的气候系统模式FGOALS的两个版本FGOALS-g2和FGOALS-s2对南亚夏季风的气候态和年际变率的模拟能力,并使用水汽收支方程诊断,研究了造成降水模拟偏差的原因。结果表明,两个模式夏季气候态降水均在陆地季风槽内偏少,印度半岛附近海域偏多,在降水年循环中表现为夏季北侧辐合带北推范围不足。FGOALS-g2中赤道印度洋"东西型"海温偏差导致模拟的东赤道印度洋海上辐合带偏弱,而FGOALS-s2中印度洋"南北型"海温偏差导致模拟的海上辐合带偏向西南。水汽收支分析表明,两个模式中气候态夏季风降水的模拟偏差主要来自于整层积分的水汽通量,尤其是垂直动力平流项的模拟偏差。一方面,夏季阿拉伯海和孟加拉湾的海温偏冷而赤道西印度洋海温偏暖,造成向印度半岛的水汽输送偏少;另一方面,对流层温度偏冷,冷中心位于印度半岛北部对流层上层,同时季风槽内总云量偏少,云长波辐射效应偏弱,对流层经向温度梯度偏弱以及大气湿静力稳定度偏强引起的下沉异常造成陆地季风槽内降水偏少。在年际变率上,观测中南亚夏季风环流和降水指数与Ni?o3.4指数存在负相关关系,但FGOALS两个版本模式均存在较大偏差。两个模式中与ENSO暖事件相关的沃克环流异常下沉支和对应的负降水异常西移至赤道以南的热带中西印度洋,沿赤道非对称的加热异常令两个模式中越赤道环流季风增强,导致印度半岛南部产生正降水异常。ENSO相关的沃克环流异常下沉支及其对应的负降水异常偏西与两个模式对热带南印度洋气候态降水的模拟偏差有关。研究结果表明,若要提高FGOALS两个版本模式对南亚夏季风气候态模拟技巧,需减小耦合模式对印度洋海温、对流层温度及云的模拟偏差;若要提高南亚夏季风和ENSO相关性模拟技巧需要提高模式对热带印度洋气候态降水以及与ENSO相关的环流异常的模拟能力。     

CMIP5多模式集合对江苏省气候变化模拟评估及情景预估

利用中国气象局所属的2 400余个台站观测资料制作的分辨率为0.25°×0.25°数据集中的气温、降水量资料评估了CMIP5中17个模式对于1961—2004年江苏省气温和降水量空间分布特征的模拟能力,筛选出了5个对江苏省气候特征模拟较好的模式。之后基于5个优选模式集合平均的结果预估了3种典型浓度路径(Representative Concentration Pathways,RCPs)下江苏省2006—2100年的气温和降水量变化趋势。结果表明:(1)全球耦合气候模式对江苏省的气温和降水量空间分布特征具有一定的模拟能力,并且模式集合平均的气温和降水量与观测资料的空间相关系数分别为0.85和0.93;(2)在低浓度路径(RCP2.6)、中浓度路径(RCP4.5)和高浓度路径(RCP8.5)3种温室气体排放情景下,江苏省2006—2100年的地表温度均呈现明显的增温趋势,并且苏北的增温幅度要高于苏南;(3)3种温室气体排放情景下,江苏省未来百年降水量均呈现出北方增多南方减少的趋势;(4)未来百年江苏省降水量随气温变化的趋势并不稳定,RCP2.6和RCP4.5情景下降水量随气温的升高而增加,而RCP8.5情景下降水量随气温的增加而减少。