初始场的同化对短期气候预测的影响

基于已建立的三维变分资料同化系统(3D-VAR),利用大气环流模式(IAP9L2°×2.5°-AGCM),对同化和未同化2种初始场分别进行了17a(1988—2004年)的集合回报试验,并对试验结果进行了相关分析.结果表明:在热带地区,2组初始场下的集合回报结果差别很小,除热带外的中高纬地区差别较大,尤其是东亚地区;另外,大部分物理量场的17a异常空间相关系数的均值在同化后的初始场下也得到了提高,可能是因为同化的初始场包含了一段时间的大气信息,动力模式更加协调.     

大气初始异常在跨季度短期气候预测中作用的研究

针对大气初始异常在跨季度短期气候预测中的可能作用,利用中国科学院大气物理研究所9层大气环流格点模式(简称IAP 9L-AGCM)对全球夏季气候进行了30年(1970～1999年)集合回报试验,系统地考察了基于大气初始异常条件下模式对跨季度短期气候异常的可预测性.结果表明,在热带、副热带及高纬都存在气候异常的可预测性区域,说明大气初始场异常本身对跨季度短期气候预测有很重要的影响.相对于全球来说,大气初始异常对跨季度短期气候预测的影响在东亚地区更为显著,其作用不可忽略.通过对典型年份的个例分析发现,在某些气候异常剧烈的特殊年份,春季大气初始异常在我国夏季气候形成中扮演着尤为重要的角色.     

IAP／CAS的短期气候距平数值预测研究

本文介绍了中国科学院在气物理研究所（ＩＡＰ／ＣＡＳ）近十年来在短期气候距平数值预测研究方面的一些进展情况,首先介绍了近十年来准业务跨季度汛期降水预测的结果及评分,对预测的物理基础、预测可能性、集合预测方法、订正的必要性与方案进行了初步探讨,提出了我们的看法,发现预测中可能出现多平衡态,可以应用来改进不同区域的预测,并对些方法所作预测的特点、与经验半经验统计的相互配合、不同地区预测效果的差异、如何选     

气候数值模拟研究中初始场衰减理论的理解和应用

根据对大气原始方程的定性理论和相空间的理论研究,初始场对数值模拟的作用会随着时间的增长而逐步衰减.文章分析初始场作用衰减理论的关键问题,通过对大气环流谱模式SAMIL和ECHAM的数值试验,在实际的计算环境中研究其初始场作用的变化情况.研究中使用到对舍入误差干扰的一种集合消减方法(REME),保证了验证试验所受舍入误差的影响小于给定的范围.结果表明有舍入误差存在的计算环境中,当初始差别较大时,其逐步衰减到一个波动值.而对于特别微小的初始场差别,其长期影响也应是衰减的,但由于计算精度有限,可能会出现增大到一个波动值的现象,这些结果与非线性误差理论所描述的误差饱和现象一致.试验得到了具体模式的衰减速率曲线,发现衰减需要的时间范围大约为40-60 d.文中还利用初始场作用衰减的理论探讨了如何解释初始场集合预报(IME)能够减少模拟结果误差的现象.     

欧洲多个耦合气候模式对东亚冬季气候的预测性能研究

在短期气候预测方法中,多模式集合预测作为一种实用方法得到了广泛的研究。利用DEMETER多模式集合预测系统1980—2001年的回报试验,研究了欧洲7个耦合模式对东亚地区(0°—60°N,70°—140°E)冬季大气环流和气候异常的预测效能。研究的气候要素是冬季500 hPa高度场、850 hPa风场、表面气温场和降水场。集合平均(EM)是最基本的多模式集合构建方法。为了进一步订正模式预测的误差,基于经验正交函数分解进行订正,产生“合成数据集”,并利用该数据集进行合成集合平均或合成超级集合(SEM/SSE)。研究表明,东亚地区冬季气候异常的模式预测效能热带高于中高纬度地区,海洋高于内陆。多模式集合平均和合成集合平均或合成超级集合均从整体上对东亚地区冬季气候异常的预测效能有一定程度的提高,体现了其相对于7个单一模式的优势。两类不同的多模式集合方法对预测结果也有一定的影响,其中,合成集合平均或合成超级集合对冬季500 hPa高度场、850 hPa风场和降水场异常的预测效能优于集合平均;但是对于冬季表面气温场异常的预测,集合平均优于合成集合平均或合成超级集合。     

基于SVD技术的短期气候信号提取和预测方法

在预报因子场与预报对象场物理联系的基础上，我们提出了一种基于SVD诊断分析的气象信号提取技术和预测方法。并应用于高原东侧地区降水场预测，通过前期高原地面加热场、高原上空100hPa高度场的SVD分析，成功提取了高原东侧地区降水场的前期预测信号。     

初始场对暴雨数值预报的影响及集合预报试验

以2003年7月3日至4日发生在淮河流域的暴雨过程为例,利用AREM模式,分析了初始场对暴雨预报的影响,提出了暴雨预报中初始场不确定性包含的两层含义,一是被常规观测遗漏的中小尺度信息误差;另一个则是随着环流变化造成的信息误差的不确定性。并针对着初始场的不确定性,设计了一种初值集合预报的方法,它包含了经典的集合预报方法MCF、LAF、BGM的思想。用这种方法进行了集合预报试验,结果表明:集合平均预报的预报技巧高于24 h控制预报,集合预报还可给出降水概率预报、离散度等产品为暴雨可预报性的评估提供参考。     

短期气候预测试验研究的进展

本文回顾了用大气环流模式及大气-海洋耦合模式进行短期气候预测试验研究的进展情况,综述了试验研究得出的一些初步结论,文中也介绍了我国在这方面进行的一些初步试验研究的结果,供短期气候预测研究工作的参考。     

新一代《短期气候预测综合业务系统》

介绍了我区新一代《短期气候预测综合业务系统》的设计思路、系统结构、系统功能等研制情况。该系统具有数据库的查询、气候诊断、相关分析、图形图像生成、统计计算、气候模式预测、预报质量监控、会商演示环境等功能，其特别是系统集成性好，结构设计合理、新颖、功能多、用户交互界面美观，操作简便。     

A Short-Term Climate Prediction Model Based on a Modular Fuzzy Neural Network

In terms of the modular fuzzy neural network (MFNN) combining fuzzy c-mean (FCM) cluster and single-layer neural network, a short-term climate prediction model is developed. It is found from modeling results that the MFNN model for short-term climate prediction has advantages of simple structure, no hidden layer and stable network parameters because of the assembling of sound functions of the selfadaptive learning, association and fuzzy information processing of fuzzy mathematics and neural network methods. The case computational results of Guangxi flood season (JJA) rainfall show that the mean absolute error (MAE) and mean relative error (MRE) of the prediction during 1998 2002 are 68.8 mm and 9.78%, and in comparison with the regression method, under the conditions of the same predictors and period they are 97.8 mm and 12.28% respectively. Furthermore, it is also found from the stability analysis of the modular model that the change of the prediction results of independent samples with training times in the stably convergent interval of the model is less than 1.3 mm. The obvious oscillation phenomenon of prediction results with training times, such as in the common back-propagation neural network (BPNN) model, does not occur, indicating a better practical application potential of the MFNN model.     

模糊时间序列模型在短期气候预测中的应用

将模糊时间序列模型引入短期气候预报,利用重庆34个地面气象观测站的逐日观测资料(1971—2007年)和重庆市旱涝灾害监测预警决策服务系统计算的干旱指数和洪涝指数等资料,运用模糊时间序列模型分别对2001—2007年重庆市城口县1月降水、1月平均气温的预报结果(年度预测)和重庆市春旱指数的预报结果(年度预测)进行了模糊时间序列分析,预测了2004—2007年的发展趋势,用2004—2007年实测值与预测结果进行了比较,并与加权集成、人工神经网络集成、数据挖掘集成等模型进行了精度比较和分析.结果表明:模糊时间序列模型各项精度评定指标优良,并且计算简单,具有一定的实用价值.     

Study on multi-scale blending initial condition perturbations for a regional ensemble prediction system

An initial conditions (ICs) perturbation method was developed with the aim to improve an operational regional ensemble prediction system (REPS). Three issues were identified and investigated: (2) the impacts of perturbation scale on the ensemble spread and forecast skill of the REPS; (3) the scale characteristic of the IC perturbations of the REPS; and (4) whether the REPS's skill could be improved by adding large-scale information to the IC perturbations. Numerical experiments were conducted to reveal the impact of perturbation scale on the ensemble spread and forecast skill. The scales of IC perturbations from the REPS and an operational global ensemble prediction system (GEPS) were analyzed. A "multi-scale blending" (MSB) IC perturbation scheme was developed, and the main findings can be summarized as follows: The growth rates of the ensemble spread of the REPS are sensitive to the scale of the IC perturbations; the ensemble forecast skills can benefit from large-scale perturbations; the global ensemble IC perturbations exhibit more power at larger scales, while the regional ensemble IC perturbations contain more power at smaller scales; the MSB method can generate IC perturbations by combining the small-scale component from the REPS and the large-scale component from the GEPS; the energy norm growth of the MSB-generated perturbations can be appropriate at all forecast lead times; and the MSB-based REPS shows higher skill than the original system, as determined by ensemble forecast verification.     

Contribution of realistic soil moisture initial conditions to boreal summer climate predictability

Seasonal climate forecasts mainly rely on the atmospheric sensitivity to its lower boundary conditions and on their own predictability. Besides sea surface temperature (SST), soil moisture (SM) may be an additional source of climate predictability particularly during boreal summer in the mid-latitudes. In this work, we investigate the role of SM initial conditions on near-surface climate predictability during ten boreal summer seasons using three complementary ensembles of AMIP-type simulations performed with the Arpège-Climat atmospheric general circulation model. First we have conducted an assessment of the SM predictability itself through a comparison of simple empirical SM models with Arpège-Climat. The statistical and dynamical models reveal similar SM prediction skill patterns but the Arpège-Climat reaches higher scores suggesting that it is at least suitable to explore the influence of SM initialization on atmospheric predictability. Then we evaluate the relationships between SM predictability and some near surface atmospheric predictability. While SM initialization obviously improves the predictability of land surface evaporation, it has no systematic influence on the precipitation and near surface temperature skills. Nevertheless, the summer hindcast skill is clearly improved during specific years and over certain regions (mainly north America and eastern Europe in the Arpège-Climat model), when and where the SM forcing is sufficiently widespread and strong. In this case, a significant impact is also found on the occurrence of heat waves and heavy rains, whose predictability at the seasonal timescale is a crucial challenge for years to come.     

RegCM3_IAP9L-AGCM对中国跨季度短期气候预测的回报试验研究

将区域气候模式RegCM3与中国科学院大气物理研究所全球大气环流模式IAP9L-AGCM进行单向嵌套,建立嵌套区域气候模式RegCM3_IAP9L-AGCM,并利用该嵌套模式对1982—2001年中国夏季短期气候进行了跨季度集合回报试验。结果表明,RegCM3_IAP9L-AGCM对高空气候变量(500hPa位势高度场、200和850hPa纬向风场)的回报结果与实况距平相关系数(ACC)基本为正,其回报效果好于单独使用IAP9L-AGCM的结果。除850hPa纬向风场外,其他两个变量场回报与实况正相关的区域基本呈纬向带状分布且通过90%信度检验。在中国大部分地区(除长江下游、东北北部和西北北部外),嵌套区域气候模式回报的降水距平百分率与实况基本为正相关。RegCM3_IAP9L-AGCM和IAP9L-AGCM对中国不同区域的夏季降水回报效果不同,前者对华南降水的回报效果明显好于后者。     

IAP短期气候距平预测系统的定量评估及订正技术的改进研究

采用一套多指标的评估方法, 对中国科学院大气物理所研制的短期气候距平数值预测系统（ＩＡＰＰＳＳＣＡ） 方案１ 的预测性能进行了定量的、系统的评估。评估表明： ＩＡＰＰＳＳＣＡ 对中国汛期大尺度的、重大的降水异常预报较好; 在不同区域,ＩＡＰＰＳＳＣＡ 的预测能力不同, 对中国东南区域显示出较高的预报准确度和可信度; 与单个预报相比, 集合预测水平稳定, 能提高总体预测水平。另外, 还对订正技术进行了改进研究, 距平百分率订正较距平订正效果为佳。     

气候预测中的集合方法初探

介绍了气候预测中的集合方法。该文作者曾在1996年论证了在西太平洋暖池区海温异常与东亚夏季风的共同作用下存在一个可预测的气候异常区,部分地改变了气候不可预测的论断。如何从与大量不可预测结果混杂在一起的结果中提炼出可预测部分是集合方法的重要目的之一。文中也讨论了由于大气运动固有的动力学特性,其集合预测与经典的数学考虑有所区别,天气与气候预测有不同的特点,其集合方法、目的也应有所不同,由此对集合方法提出了一些新的建议。文中同时介绍了首次在气候预测中发现的多平衡态现象,建议了如何判定多平衡的出现,以及如何利用多平衡态来改善对不同区域的预测。