基于卫星遥感海温数据的南海SST预报误差订正

尝试利用卫星遥感高分辨率海表温度资料GHRSST (Group for High Resolution Sea Surface Temperature) 与海表温度(sea surface temperature, SST)数值预报产品之间的误差, 建立一种南海SST模式预报订正方法。首先, 利用南海的Argo浮标上层海温数据对GHRSST 海温数据进行验证, 结果表明两者之间均方根误差约为0.3℃, 相关系数为0.98, GHRSST 海温数据可用于南海业务化数值预报SST的订正。预报订正后的SST与Argo浮标海温数据相比, 24h、48h和72h的均方根误差均由0.8℃左右下降到0.5℃以内。与GHRSST 海温数据相比, 南海北部海域(110°E—121°E, 13°N—23°N)订正后的24h、48h和72h的SST预报空间误差均显著减小, 在冷空气影响南海期间或中尺度涡存在的过程中, SST预报订正效果也较为显著。因此, 该方法可考虑在南海业务化SST数值预报系统中应用。     

滑坡预测预报中改进的Pearl模型及其应用

针对选点法和变换法在求取Pearl模型参数时误差较大的缺陷，且预报判据缺乏足够论证，可能导致预测预报准确度较低问题，将非线性拟合确定参数的方法应用到Pearl模型的滑坡预测预报中，推导了Pearl模型速度和加速度最大值判据预报滑坡发生时间的计算公式。将非线性拟合确定参数的方法和推导的判据计算公式应用于一些滑坡实例的预报中，结果表明:滑坡实际发生时间介于Pearl模型速度最大值判据和加速度最大值判据的预报时间之间，用Pearl模型加速度最大值判据能起到提前预报的作用。     

一种基于卫星遥感的临近预报方法

中尺度对流系统（MCS）是形成强对流天气的主要原因，云团在MCS生命周期中的分裂合并问题是临近预报的难点。为解决这一问题，本文提出了FCC方法，该方法使用质心位移和FY-2卫星数据预测多个对流单体的运动轨迹。多个案例分析证明，FCC算法在MCS的各个生命周期均能进行有效的预测，包括初生、成熟和消散阶段。此外，通过列联表方法验证了所提算法的有效性。     

一个基于MOM的全球海洋数值同化预报系统

随着国家战略利益的拓展,国家对全球海洋环境预报保障的需求日益凸显。近年来,国家海洋环境预报中心研发并建立我国首个涵盖全球大洋的"全球海洋数值预报系统",该预报系统由MOM4全球海洋环流模式及三维变分同化系统组成。该系统的建立,实现了全球范围海洋环流预报业务全覆盖,为我国探索深海大洋环境的迫切需求提供有力保障,明显提升了我国海洋环境预报能力,体现了我国海洋数值预报技术的发展和进步。该系统的历史回报试验和业务化试运行结果表明其对全球海洋环境要素具有较好的预报能力,其预测结果已经在实际业务中得到了应用,在"雪龙号"极地遇险脱困、马航MH370失联飞机搜救等重大事件的预报保障任务中发挥了重要作用,为我国实施海洋强国战略,推进实施"21世纪海上丝绸之路"的战略构想,应对海上突发事件、维护国家海洋权益等各个方面提供有力的科技支撑和保障,并成为我国全球海洋预报业务的重要参考依据。     

地面稠密观测资料在强对流天气监测预警中的研究进展

综述国内外数篇论文,从强对流天气监测、预报预警、模式同化3个方面总结分析了近年来地面稠密观测资料的应用与优劣之处。综述表明:地面加密自动站、风廓线雷达、地基GPS、雨滴谱仪等多种观测仪器组成的地面稠密观测网具有时间尺度密集、覆盖面积广泛、能捕捉较多细微变化的优势,通过该观测网所得数据总结出的一系列指示性指标在强对流监测预警中具有重要的指示意义。但因中国地形天气情况复杂多变、数据缺失、仪器造价昂贵等问题,导致该观测网所得指示性指标不能适用于中国全境,应根据该观测网数据分析总结适应本地的预报指标。     

构建“三强三化”保障体系 推进数字化档案建设取得实效

在城市规模不断扩张的当下,自然资源档案的数据量飞速增长,内容日趋多元,传统模式下的档案管理手段方法已较难满足时代发展需求。为此,杭州市规划和自然资源局江干分局紧紧围绕职能机构改革这一重要契机,全面推进档案信息化建设迭代升级,以数字化转型为引领,不断构建制度规范化、采编智能化、运用便利化的服务体系。近年来,该局通过不懈努力,在业务档案方面实现了100%数字化覆盖,连续十一年档案年检考核优秀,2021年被浙江省档案局评选为“示范数字档案室”。     

江苏海域动态监管业务运行现状及分析

海域动态监管业务是实施海域管理精细化、科学化的重要手段。文章从海域监管工作模式、海域使用动态监测、海域资源调查、分析评价与决策支持成果等方面对江苏海域动态监视监测业务进行梳理，以期为全国海域动态监管业务化拓展提供参考。     

基于机器学习的海洋环境预报订正方法研究

结合中尺度数值模式 WRF 预报数据和 ERA5 再分析资料，利用机器学习方法对 WRF 预报场的风场、温度、气压进行预报订正。采用 ERA5 作为真值，与原始 WRF 预报相比，利用随机森林模型可以将预报结果整体均方根误差降低 44%以 上，利用深度神经网络模型可以将预报结果整体均方根误差降低 34%以上。通过随机森林模型实验得到不同输入特征对预报要素的影响程度，分析了关键的预报订正因子。     

海洋渔业志愿船观测数据可用性评估

以船测数据、浮标数据和岸基观测站数据应用为基础,对海洋渔业志愿船的观测数据进行质量评估和可用性评估。结果表明:经过质量控制后的观测数据在近海精细化预报的初始场构建和预报同化应用中,具有高可用性。     

融机器学习与WRF大气模式的PM2.5预报方法

针对当前我国重污染天气实时的空气质量预报问题,该文提出了一种融合随机森林算法与WRF大气模式的PM2.5浓度实时预报方法。该方法结合了北京市地面空气质量监测数据和WRF气象数据进行分析,将高层大气状态(如逆温层高度等)融入了预报模型中,建立了0~72h的PM2.5浓度实时预报模型。实验证明,该模型能够对0~72h单站点的PM2.5浓度进行较高精度的实时预报,且在24~72h的长时预报结果上较基于地面空气污染物数据与地表气象站数据的预报方法精度有明显提升,即该方法可以更好地模拟大气物理化学状态,从而更为精准地进行长时PM2.5浓度预报。