称重式降水传感器测雨性能分析

为更好地利用降水观测数据,充分发挥新型探测设备建设效益,选取海东市5个国家级地面观测站2016年6—9月份称重式降水传感器与翻斗观测降水量业务资料,探讨称重观测与翻斗观测降水量的差异,并进行相关性研究。结果表明:小时降雨量分析中,翻斗与称重观测方式对降雨判断的差异较小,出现差异时小时降水量介于零星降雨和小雨之间;称重观测与翻斗观测日降水量相关系数为0.9918,称重式观测比翻斗观测的日降雨量平均偏小0.54mm,均方根误差为1.22mm,56.3%的对比次数中,两者日降水量差值满足业务要求;两者在日降水量等级判断差异较小,在有明显降水时,称重式与翻斗在降水量等级上的差别很小。     

GRAPES-TCM对登陆热带气旋降水的预报及其性能评估

基于GRAPES-TCM对2006年登陆热带气旋的降水预报结果,对该系统的24 h和6 h降水预报能力进行评估,并与基于卫星降水反演的外推预报(TRaP,Tropical Rainfall Potential)和相似台风降水预报技术(Analog Prediction Technique for Ty-phoon Precipitation,TAPT)进行对比.各方法对登陆热带气旋降水的综合预报能力通过分析预报和观测降水散点图、预报平均绝对误差(MAE)及均方根误差得到,降水分布型态的预报能力通过计算预报和观测降水的相关系数估计.此外,还分析了BS、POD、FAR、ETS评分等常用降水预报评估指标.结果显示,GRAPES-TCM的24 h降水预报绝对误差和均方根误差比TRaP和TAPT都大.但是,GRAPES-TCM的24 h降水预报与观测降水的相关系数远比TRaP和TAPT高.对其他指标的分析表明,GRAPES-TCM的漏报率远低于TRaP和TAPT,但3种方法的空报率在同一水平;对任一强度的降水,GRAPES-TCM的ETS评分总是最高,TRaP和TAPT对于大暴雨以上的强降水则几乎没有预报能力.对24小时内每6 h的降水预报,3种方法相对性能与24 h总降水相似.通过对各强度降水造成的降水量在总降水量中的百分比的对比分析,发现GRAPES-TCM预报强降水占总降水量的比重与观测十分接近.总体上说,GRAPES-TCM能较好地预报出登陆热带气旋降水的分布型态,对强降水的预报能力强于外推和相似预报方法,但是预报的降水量绝对误差偏大,尤其对暴雨级别以上降水,其BS值明显偏大.     

黑河流域降水统计——动力降尺度问题研究

依据区域气候模式RIEMS2.0输出的3 km高分辨率数据和站点降水记录分析了中国西北黑河流域降水的动力降尺度和统计—动力降尺度问题,检验了多种因子组合下多元线性回归（MLR）和贝叶斯模式平均（BMA）降尺度模型,评估了降尺度降水的均方根误差、相关系数、方差百分率及“负降水”偏差率等方面的统计特征。结果表明,动力降尺度降水相关系数最高,误差也最大,降水方差达到观测值的1.5～2倍;除相关系数外,统计—动力降尺度模型的几个统计特征均最优,纯统计模型次之。检验表明,仅用700 hPa位势高度场、经向风和比湿等构建的统计降尺度模型估计的站点降水相关系数较低,均方根误差也较大。当在统计降尺度模型中引入模式降水因子后站点降水的估计得到明显改善,其中MLR类模型的降水相关系数和方差百分率均明显高于BMA类模型,均方根误差二者相当,但前者“负降水”出现频次明显大于后者,“负降水”偏差主要出现在降水稀少的冬半年及黑河中、下游干旱或极端干旱区,上游出现频率较低,其中MLR类模型“负降水”出现频次明显高于BMA类模型,后者仅出现在黑河中、下游地区。包含模式降水因子的统计—动力降尺度模型能减少“负降水”出现...     

基于CFS模式的中国站点夏季降水统计降尺度预测

本研究针对中国夏季站点降水,研制建立了基于Climate Forecast System(CFS)实时预测数值产品及观测资料的统计降尺度预测系统。此预测系统选取了CFS模式中当年夏季500 hPa高度场和观测资料中前一年秋、冬季海表面温度场作为预测因子,两因子的关键区分别为泛东亚地区和热带太平洋地区。统计降尺度模型对1982~2011年中国夏季降水的回报效果较CFS模式原始结果显著提高,空间距平相关系数由0.03提高到0.31,时间相关系数在中国大部分地区显著提高,最大可达0.6。均方根误差较CFS模式原始结果明显降低,同时,此降尺度模型较好的回报出2011年汛期降水的距平百分率的空间分布型。     

济南夏季降水量带ARMA误差的回归预测模型初探

应用统计软件SAS建立了济南气温和降水量的数据集。利用济南1951－2000年夏季（6－8月）降水资料，以济南3月气温作为预报因子，建立济南夏季降水量带ARMA误差的回归预测模型，并详细介绍该模型在SAS系统下ETS模块中识别、估计检验和预测过程。由该模型产生的预报值与实际观测值基本符合。     

一种分离时间尺度的统计降尺度模型的建立和应用——以华北汛期降水为例

针对预报量变化中存在受不同物理因子控制的不同时间尺度变率特征, 本文提出了分离时间尺度的统计降尺度模型。应用滤波方法, 将不同尺度的变率分量分开, 在各自对应的时间尺度上利用不同的大尺度气候因子分别建立降尺度模型。华北汛期 (7～8月) 降水具有年际变率和年代际变率, 本文以华北汛期降水为例利用分离时间尺度的统计降尺度模型进行预测研究。采用的预报因子来自海平面气压场、 500 hPa位势高度场、 850 hPa经向风场和海表温度场以及一些已知的大尺度气候指数。利用基于交叉检验的逐步回归法建立模型。结果表明, 年际尺度上, 华北汛期降水与前期6月赤道中东太平洋海温以及同期中国东部的低层经向风密切相关; 年代际尺度上, 在东印度洋—西太平洋暖池海温的作用下, 华北降水与前期6月西南印度洋海平面气压有同步变化关系。年际模型和年代际模型的结果相加得到对总降水量的降尺度结果。1991～2008年的独立检验中, 模型估计的降水和观测降水的相关系数是0.82, 平均均方根误差是14.8%。结合模式的回报资料, 利用降尺度模型对1991～2001年的华北汛期降水进行回报试验。相比于模式直接预测的降水, 降尺度模型预测的结果有明显改进。改进了模式预测中年际变率过小的问题, 与观测降水的相关系数由0.12提高到0.45。     

奇异谱分析-最大熵结合最优子集回归方法在中国夏季降水预测中的应用

基于奇异谱分析-最大熵预报方法（SSA-MEM）和最优子集回归方法（OSR）,综合考虑降水量序列自身的变化特征和外强迫因子对降水的贡献,把奇异谱分析-最大熵预报方法和最优子集回归方法结合起来,提出了SSA-MEM和OSR集成的新方法。对1961—2000年的夏季降水量进行拟合并试做2001—2004年的夏季降水预测。结果表明,回报拟合值与实况值距平相关系数达到0.85,通过了0.01的显著性水平检验。预报的平均技巧得分较高,试报准确率达到69%,略高于目前国内对汛期降雨预测的平均准确率。初步的试验表明,本方法对全国范围夏季降水有较好的预测能力,在东北及西南地区预测结果尤为显著。     

基于BCC_CSM模式的中国东部夏季降水预测检验及订正

基于国家气候中心第二代季节预测模式的历史回报试验数据,检验了模式对我国东部夏季降水的预测能力,探讨了预测误差形成的可能原因,并应用降尺度方法提高了模式的降水预测技巧。分析表明:（1）模式能在一定程度上把握我国东部夏季降水时空变率的两个主要模态（偶极子型模态和全区一致型模态）,但是不同超前时间的预测在刻画模态方差贡献、异常空间分布特征、时间系数的年际变化等方面存在明显误差;（2）模式能够合理预测大尺度环流和海表温度（SST）的变化特征,但是对中国东部夏季降水的总体预测技巧有限,这与模式不能准确刻画西太平洋副热带高压、大陆高压、中高纬阻塞高压等环流系统以及热带太平洋、印度洋SST变率对中国东部降水模态的影响有关;（3）针对1991~2003年回报试验数据中的500 hPa位势高度、850 hPa纬向风和经向风、SST变量,在全球范围内寻找并定位与中国东部站点降水关系最密切的预报因子,进而建立针对降水预测的单因子线性回归、多因子逐步和多元回归模型。采用2004~2013年回报试验对所建立的降水预测模型进行了独立检验,结果表明:所建立的降尺度预测模型能显著提高中国东部地区夏季降水的预报技巧。以6月1日起报试验为例,预测的第一模态（第二模态）与观测的空间相关系数由原始的0.12（0.48）提高到了0.58（0.80）,时间相关系数则从0.47（0.15）提高到0.80（0.67）;其它超前时间的预测试验中,降尺度预测模型的降水预测技巧相比模式原始预测技巧也同样明显提高。     

黑龙江省2020-2022年汛期多模式降水预报检验评估

本文利用黑龙江省考核站降水观测数据,对2020-2022年汛期6-8月全球尺度模式预报、中尺度模式预报、客观订正预报等在黑龙江省预报性能、误差进行了对比分析。对比检验分析发现,定量降水预报误差与观测降水量密切相关,汛期降水量较大,预报定量误差较大。黑龙江省气象台客观预报和融合预报误差相对较小,中尺度模式的定量误差相对较大。五种降水预报存在预报范围偏大的问题,EC预报范围偏大现象最为显著。针对一般性降水,两种订正预报随机误差表现最好,其次为EC预报,两种中尺度模式降水预报的随机误差表现相对较差。订正预报pm＿fm在大雨及以下量级随机误差表现最好,暴雨量级CMA-SH9最好。订正预报不但可以有效消除模式系统性误差,也可以改善原始模式随机误差。降水分级检验结果表明,CMA-MESO在大暴雨量级有一定的预报能力,fuse在大雨量级上表现较好,pm＿fm在小雨、暴雨量级上预报能力明显优于其它模式。     

CFSv2对2018年浙江梅雨降水多尺度预测的性能评估北大核心

从梅雨预测的业务需求出发,系统开展了CFSv2模式对2018年浙江梅雨期降水预报能力的多时间尺度评估。结果发现3月1日—5月31日的起报结果整体上未能较准确地预测6月浙江大部降水偏少的趋势、仅5月31日的预测结果与实况相符;在延伸期尺度上,CFSv2预测的梅雨期总降水量较实况偏少30%左右;基于相关系数、均方根误差和新定义的综合预报技巧指数等指标分析模式的延伸期预报性能,发现对梅雨期总降水量、逐日区域平均降水量和逐日全省各站降水量的预报技巧有限,对浙江梅雨区的预报水平总体高于浙江全省。评估结果表明CFSv2预报产品表现出显著的系统性干偏差;在延伸期尺度上,随着预报时效的缩短,预报效果并非逐步提升、而是客观存在一个最佳预报时效,各起报日也分别对应着不同的最优预报时段,整体而言梅雨降水的延伸期预测可能对初值并不敏感。     

Improvement of model forecast on the Asian summer rainfall anomaly with the application of a spatial filtering scheme

Summary A revised 25-point Shuman-Shapiro Spatial Filter (RSSSF) has been applied to six atmospheric circulation models and multi-model ensemble (MME) predictions, and its effect on the improvement of model forecast skill scores of the Asian summer precipitation anomaly is discussed in this paper. On the basis of 21-yr model ensemble predictions, the RSSSF can remove the unpredictable ‘noise’ with respect to the 2-grid wavelength in the model precipitation anomaly fields and maintain the large-scale counterpart, which is related to the response of the model to large-scale boundary forcing. Therefore, this could possibly enhance the forecast skill of the Asian summer rainfall anomaly in the models and the MME. The potential improvement of model forecasting skill is found in the Asian summer monsoon region, where the anomaly correlation coefficient (ACC) has been improved by 7–40%, corresponding to the decreased root mean square error (RMSE) in the model and the MME precipitation anomaly forecasts.     

SVD Iteration Model and Its Use in Prediction of Summer Precipitation

A new short-term climatic prediction model based on the singular value decomposition （SVD） iteration was designed with solid mathematics and strict logical reasoning. Taking predictors into prediction model, using iteration computation, and substituting the last results into the next computation, we can acquire better results with improved precision. Precipitation prediction experiments were separately done for 16 stations in North China and 30 stations in the mid-lower catchment of the Yangtze River during 1991-2000. Their average mean square errors are 0.352 and 0.312, and the results are very stable. Mean square errors of 9 yr are less than 0.5 while only that of 1 yr is more than 0.5. The mean sign correlation coefficients between forecast and observed summer precipitation during 1991-2000 are 0.575 in North China and 0.623 in the mid-lower catchment of the Yangtze River. Librations of them in North China during the 10 years are small. Only in 1996 the sign correlation coefficient is below 0.5; the others are all over 0.5. But sign correlation coefficients in the mid-lower catchment of the Yangtze River vary obviously. The lowest is only 0.3 in 1992, and the highest is 0.9 in 1998, As the distribution of the forecast precipitation anomaly field in the summer 1998 of is examined, it is known that the model captured the positive and negative anomalyies of precipitation, and also well forecasted the anomaly distributions. But the errors are obvious in quantities between the forecast and the observed precipitation anomalies. Climate characteristics of large scale meteorological elements, such as summer precipitation have obvious differences in spatial distribution. We can forecast better if we divide a big region into many subregions according to the discrepancy of climatic characteristics in the region, and predict in each subregion. The research shows that the model of SVD iteration is a very effective forecast model and has a strongly applicable value.     

深度学习方法在干旱预测中的应用

使用标准化降水蒸散指数作为农业干旱的监测指标,以站点气象要素和大尺度环流要素为驱动变量,建立干旱预测模型,分析评价传统的整合移动平均自回归(ARIMA)时间序列模型以及不同深度神经网络模型(DNN)的预测效果.结果 表明:DNN模型的总体预测能力优于ARIMA模型;同基于长短期记忆网络(LSTM)提出的传统LSTM预测...     

春玉米产量动态预报技术的改进方法探索

为及时、准确地进行玉米产量预报,为吉林省玉米产量预报业务提供参考依据,为政府调控提供科技支撑,利用吉林省19802016年春玉米产量和50个气象站逐日气温、降水量、日照时数等资料,基于相似距离和相关系数构建综合诊断指标筛选气温、降水量、日照时数等各类气象要素历史相似年,根据各类气象要素历史相似年与预报年的玉米产量丰歉气象影响指数之间的关系,建立吉林省春玉米产量动态预报模型。同时,对历史相似年的筛选方法进行改进,利用欧氏距离直接筛选综合气候历史相似年,根据气候历史相似年与预报年的玉米产量丰歉气象影响指数之间的关系,构建春玉米产量预报模型。对比改进前、后的产量预报模型的预报,结果表明:两种方法在吉林省玉米单产预报中,预报准确率均较高,普遍在85%以上。产量预报模型对20022013年的预报检验结果表明,改进方法后20022013年单产预报平均准确率提高了3.9个百分点,均方根误差降低了4个百分点,标准差降低了2。对20142016年的预报检验结果表明,改进方法的玉米产量预报结果优于传统方法的预报结果。改进方法比传统方法准确率更高,稳定性更强,应用价值更高。     

鄱阳湖区风电场风电功率预报研究

风力发电作为一种无污染可再生的能源,已逐渐成为许多国家能源战略可持续发展的重要组成部分。风电场风能预报是风力发电开发中的关键技术问题。为研究鄱阳湖区风力发电预报技术,采用中尺度模式WRF和微尺度模块CALMET对鄱阳湖区长岭风电场进行了200 m水平分辨率风能预报,并根据长岭机组理论功率曲线表和实测数据拟合出理论和实际发电机组功率曲线模型及平均有功功率与发电量模型。根据WRF+CALMET模式预报风速及建立的发电机组功率曲线模型和平均有功功率与发电量模型,预报了长岭风电场发电量。结果表明:长岭风电场23座风机逐小时风速预报值与观测值相关系数为0.42~0.61,均方根误差为2.59~3.68,相对误差为-13.7%~17.4%;对整个风场,预报风速与观测风速的相关系数为0.55,均方根误差为2.8,相对误差为-4.79%。实测发电量值高于预报值,平均偏大39.7 kW,相对误差为-12.6%,预报值与实测值相关性较好,相关系数达到0.52。总体来说,根据中尺度数值模式预报的风速结合风功率、发电量模型预测出的发电量与实测值较为接近,但各月差异性较大。     

EOF迭代模型的月动力延伸预报产品释用方法

以动力延伸预报产品为基础, 应用EOF迭代模型对河北省2005—2007年6—8月逐月降水量进行预测试验。经过详细分析不同相关区因子、截取特征向量的项数、EOF迭代次数和迭代误差对预测结果的影响, 提出在建立模型时应该尽可能选取与预测对象关系密切的相关区因子。随着迭代次数增加, 迭代误差逐渐减小, 但预测精度与迭代误差没有必然联系。试验结果表明:迭代次数不宜过多, 甚至不需要迭代, 当仅取前一项特征向量, 不进行迭代时, 月降水量预测值和实况值的符号一致率为0.63, PS评分为0.74。     

基于DERF2.0的华南前汛期降水订正

针对我国华南前汛期(4-6月)降水,基于国家气候中心第2代月动力延伸模式(DERF2.0)结果,利用非参数百分位映射方法将模式预测结果转化为概率预报,并进行概率订正.分别选用交叉建模与独立样本建模两种订正方法,并利用偏差、偏差百分率、时间相关系数、均方根误差等统计方法检验订正效果.结果表明:订正方法对预报技巧的改善与起...     

初值中云变量对T213预报性能的影响

采用云变量自由变化的方案，在国家气象中心全球业务模式T213L31的初始场中增加有关云变量的信息，通过2005年6—8月和2015年12月—2006年2月各3个月的连续滚动对比试验的统计分析和个例预报分析，研究探讨了全球模式初值中增加云变量对模式预报性能的影响。初步研究结果表明:采用自由变化的方案在初值场中增加云的信息，使模式能够较为合理地描述出模式预报初期与云相关变量分布和变化特征，降低了spin-up现象对模式前期降水预报能力的影响，同时对500 hPa形势场预报也有一定程度提高。     

基于动力降尺度的区域集合预报初值扰动构建方法研究

利用全球集合预报系统资料(Global Ensemble Forecast System,GEFS),基于WRF中尺度模式构建了区域集合预报系统,区域集合初值的构建采用两种方案,一种是GEFS全球集合预报初值场直接动力降尺度(称为DOWN集合),另一种是提取GEFS全球集合降尺度后的扰动场,并叠加到区域数值预报系统(北京快速更新循环数值预报系统:Beijing Rapid Update Cycle System,BJ-RUC)分析场上构建集合初值场(称为D-RUC集合)。进行了批量试验,通过对比发现D-RUC集合的中小尺度扰动增长优于DOWN集合,而大尺度扰动分量的增长两者相当,说明与高分辨率分析场叠加可以促进动力降尺度扰动的中小尺度扰动分量的增长。集合预报扰动准确性检验结果显示,短预报时效内DOWN集合扰动明显低估了预报误差,在预报误差较大的位置扰动较小,而D-RUC集合能够更好地识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,D-RUC方法能显著改善短时效预报效果,集合离散度有所增加、均方根误差有所减少,概率预报评分显示D-RUC集合比DOWN集合在短预报时效占优。降水个例分析结果表明D-RUC方法能显著改善短时效内的降水概率预报效果。     

基于数理统计方法的降水量预测模型建立及应用

降水量是一个随机事件,但在一个相当长的时间段内又有一定的规律性。由于降水过程存在高度随机性和不确定性,很难用物理成因等方法来确定某一时段确切的降水量值。在国内具有代表性的权马尔科夫链预测降水量方法的基础上,结合数理统计的知识,提出了一种改进的预测降水量思路,即对原始降水量序列进行3 a滑动平均,并考虑序列间的相关程度,以减弱原始序列的随机因素,用新序列进行降水量预测的方法,并对北京、延安等5个站点的降水量序列进行了应用检验。检验结果表明,除了在极端年份(如岢岚站点2006年,偏关站点2006、2009年均为枯水年)时预测有较大误差外,其余年份的预测结果比较令人满意,总体上合格率达到80%。由于权马尔科夫链模型建立时在统计学基础上利用了降水量序列的均值和均方差,预测值是在一定概率条件下趋向于某一状态,而极端条件发生的概率较小,因此在预测极端条件时会出现较大误差。