统计降尺度方法在北京月尺度预测中的应用

利用SDSM(statistical downscaling method)方法对北京47年(1961-2007年)的最低、最高气温和降水变化情况进行模拟评估,在此基础上对2008年北京奥运期间和2009年国庆期间天气变化进行实际预测应用。结果表明,SDSM方法具备模拟气温和降水等要素的能力。从年际变化模拟的情况上看,SDSM模型对气温模拟的效果好于降水,其中对于月平均最低(最高)气温模拟的效果好于最低(最高)气温极值的模拟。模型模拟的逐年极端最高(最低)气温结果在整体上偏低于实况气温,体现出气温极值模拟能力的不足。SDSM模型模拟的降水量整体上小于实测值,对降水极大值模拟能力更弱。对奥运会和国庆期间北京天气预测结果表明,模型对日最高、最低气温和降水的数值预测能力较差,预测值偏低于实际值,但升温和降温过程发生的时段能够准确的预测。     

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。     

霾日数的统计方法讨论—以西安地区为例

利用西安1959—2010年每天02、08、14、20时能见度、日平均相对湿度以及天气现象等地面气象观测资料,采用四种方法对西安市霾日数统计分析。结果表明:四种方法统计霾日数的气候变化趋势基本一致,表明四种方法均可比较准确地反映霾出现时间,其中单时次能见度和湿度判断方法确定的历年霾日数最多,日均能见度和湿度以及天气现象综合判断方法确定的年霾日数最少。四种方法的统计结果显示,西安市1959—2010年期间年霾日数1999年最少。将四种方法统计的霾日数与实际观测霾日数的变化趋势相比,发现单时次满足条件能见度与湿度及天气现象综合判断的结果与西安历年实际变化趋势最为接近。
 

     

剔除“系统误差”对月尺度区域气候动力预测影响的研究

通过大气环流模式提供侧边界条件,单向嵌套并入了水文模型VXM的区域气候模式RegCM3对我国华东地区进行月尺度气候预测。根据嵌套模式1991～2000年10年各月的积分结果与美国气候预测中心的降水综合分析资料(CMAP)、美国国家气象中心(NMC)的温度资料建立了一组针对各月的“系统误差”,对2001～2005年5年各月的回报结果进行订正,通过对原始回报结果和订正结果进行评估发现,经剔除“系统误差”后的预测结果较原始预测结果改进较为明显,表明该方法可有效提高月尺度区域气候动力预测的准确率。     

基于气候系统内在层次性的气象干旱指数研究

气候系统除了具有非线性/非平稳性,还有层次性,许多大小不一的时空尺度构成了多层次结构,不同层次的气候系统具有不同的可预报性和稳定性。对于一种气象干旱指数而言,主要考虑从某一时段(尺度)内降水、温度、土壤湿度等要素测量值来建立干旱指数。本文首先从气候系统的非线性/非平稳性和内在层次性出发,针对中国不同地区的区域气候及其变化特征,使用信息熵方法从降水观测资料中提取出区域降水的两个(均态和变化)本征尺度,提出一种基于区域气候系统层次性内在特征的气象干旱指数MSPI。以2011年长江中下游春季严重气象干旱的发生、发展、持续、缓解情况为例,对MSPI的干旱监测能力进行检验。发现MSPI对不同程度的干旱都有较好的表征能力,并且对于干旱过程也有较好的识别能力。从各方面综合考虑,MSPI是一种可以较好满足逐日气象干旱监测、检测需求的气象干旱指数。在实际应用中,气象干旱指数MSPI可以作为其他不同时间尺度上的各种干旱指数的有益补充。     

基于东亚冬季风指数的安徽省冬季霾预测研究

东亚冬季风强度与中国中东部冬季霾日数的变化在年际尺度上密切相关,这为霾的短期气候预测提供了可能的物理因子。利用NCEP/NCAR再分析资料和安徽省1980-2016年气象观测数据,采用统计分析方法研究安徽省1月霾日数与同期不同东亚季风指数的关系,确定了安徽省不同区域冬季霾的主要季风指数预测因子,建立安徽省冬季霾的月尺度预测模型,并进行了验证。结果表明:(1)1月气候霾日数与6类东亚冬季风指数均呈反相关关系,其中淮河以北、江淮之间两个区东亚大槽强度指数与气候霾日数的相关系数在各项指数中最高,沿江江南为西伯利亚高压强度指数与气候霾日数的相关系数在各项指数中最高。(2)不同分区建立的1月气候霾日数的预测模型均通过了α=0. 01的显著性水平检,验证结果表明,霾日数预测等级与实况等级基本一致,各区均未出现预测错误的情况,表明模型具有较好的预测表现。(3)在安徽省冬季霾实际预测业务中,相比NCEPCFS2模式输出的环流预报场,ECMWFSYSTEM4模式输出环流预报场的预测效果更好。     

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。     

2017年冬季北京霾日极少的大尺度气候和环流背景:兼论“霾气候”预测研究

近年北京霾问题受到广泛关注。2017年冬季北京霾日显著偏少,同样令人瞩目。Pei等2018年提出一种影响北京持续性霾事件多寡的大尺度气候和环流背景机制,指出西北太平洋关键区（K区）海表温度距平起重要作用。文中据此对比分析2017和2016年冬季情形发现:2016年冬季K区偏暖,东亚冬季风系统偏弱,华北地区多异常偏南风距平,低层大气偏稳定,导致霾日偏多;而2017年情形恰好相反。这说明北京霾也受制于大尺度气候异常。进而简述现有研究存在的问题,就如何推进“霾气候”预测研究提出若干建议。      

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.     

基于数值模式的月尺度近地层气象要素预报技术研究

利用WRF模式对美国NCEP发布的CFS气候预测业务产品在中国区域内进行动力降尺度预报,可得到预报时效为45天的逐6小时、30 km分辨率基础气象要素预测产品。再利用全国气象站观测资料和3个风电场70 m高度风速、温度观测资料对2015年冬季预测结果进行检验评估和分析,最后通过线性方法对地面要素预测结果和70 m高度风速、温度预测结果进行统计订正。结果表明:（1）2 m温度和相对湿度的全国预报平均绝对误差分别为4.71 ℃和18.81%,在华东、华中和华南地区误差较小;（2）10 m风速预报平均绝对误差为2.42 m/s,在东北、华北和西北地区误差较小;（3）线性订正后,2 m气温、相对湿度和10 m风速的预报绝对误差分别减小1.05 ℃、5.29%和1.47 m/s,并且订正后误差随时间变化更平稳;（4）订正后70 m高度风速和温度的预报绝对误差均减小,风速平均误差减小最大可达1.29 m/s（B塔）,气温平均绝对误差减小最大可达3 ℃（C塔）。研究结果表明,基于CFS产品和WRF模式的、与月尺度风电预报关系密切的气象要素预报性能较好,未来可将该方法尝试于风电场的月尺度功率预测产品研发。      

长三角地区冬季霾污染日数的季节预测

将霾日数年际增量作为预测对象、前期外强迫因子作为自变量,分别运用多元线性回归方法和广义相加模型建立长三角地区冬季霾日数预测模型.综合考察"去一法"交叉验证和循环独立样本实验的结果,选出适用于各个模型较优的建模方法,并对比长三角地区冬季霾日数预测模型(MODEL1)和长三角地区冬季霾日数分月预测模型(MODEL2).MO...     

集合模式定量降水预报的统计后处理技术研究综述

集合数值模式预报已在定量降水预报业务中广泛应用,以获得预报不确定性、最可能预报结果以及极端天气预警。由于集合系统的数值模式不完善,且不能提供所有的不确定性信息,常表现出系统性偏差以及欠离散或过离散（如对于多模式集合）。为此,需要发展统计后处理技术,在尽量保持集合预报解析度的条件下,提高预报的技巧和可靠性。近年来,各种集合预报统计后处理技术得到快速发展。针对定量降水预报,依据技术方法的途径和成熟度将后处理研究归纳为3方面进行总结,包括:（1）不基于统计模型的非参数化后处理,包括集合定量降水预报偏差订正、多成员或模式信息集成以及基于空间分析的对流尺度模式后处理;（2）基于概率分布统计模型的参数化后处理,包括集合模式输出统计和贝叶斯模型平均两种方法框架;（3）考虑预报量的时间、空间和多变量间依赖关系或结构的处理方法,包括参数化和经验连接概率法。最后,讨论发展统计后处理技术需要关注的问题,包括考虑不同来源、不同尺度的多模式信息集成;提供高质量、高分辨率的降水分析资料;发展再预报技术扩充训练样本;基于不同的订正目的和应用场景来使用不同的后处理技术;发展面向海量预报数据、捕捉极端降水以及考虑预报量结构的新技术。