华北汛期降水分离时间尺度降尺度预测模型的改进

本文采用偏相关预报因子挑选法和条件降尺度法,对已有的华北汛期(7~8月)降水时间尺度分离(TSD)降尺度模型进行了改进.利用偏相关法,找到一个新的影响华北汛期降水年际分量的前期预报因子,即6月北大西洋—欧亚遥相关(AEAT).该因子将扰动信号储存于北大西洋三极子结构,并在7~8月释放出来影响下游贝加尔湖低压系统的发展,从而影响华北汛期降水.利用6月Ni?o3指数和AEAT指数,本文建立了条件TSD统计降尺度模型,即按照预报因子的强度进行逐年分类,对于每个分类设计相应的预报模型,从而避免信息较弱因子的干扰.条件TSD降尺度方法显著改善了华北汛期降水的预测技巧,在独立检验阶段,预报降水与观测降水的相关系数由原模型的0.61提高到0.77,符号一致率从70%提高到87%.     

用动态时间序列周期分析预测模型作郑州汛期降水预报

动态时间序列周期分析预测模型是将多层递阶方法与逐步回归周期分析的基本原理相结合,可以有效地选取时间序列的各个隐含周期。利用所选取的隐含周期,可作更长时间的预测。本文以郑州汛期降水为样本,对该预测模型进行了应用及讨论。     

用动态时间序列周期分析预测模型作郑州汛期降水预报

动态时间序列周期分析预测模型是将多层递阶方法与逐步回归周期分析的基本原理相结合,可以有效地选取时间序列的各个隐含周期.利用所选取的隐含周期,可作更长时间的预测.本文以郑州汛期降水为样本,对该预测模型进行了应用及讨论.     

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.     

北京地区夏季多模式降水预报的降尺度集成应用

以2008—2010年5—9月日本、德国、T639数值预报模式降水产品为基础,采取反距离插值的统计降尺度分析方法,将数值预报模式降水格点数据插值到北京西北、东北、西南、东南区域的延庆、密云、房山、观象台4个典型代表站点上;再结合统计分析,将夏季产生降水的天气系统分为西来槽、东北低涡、蒙古低涡、其他系统4种类型,采用预报准确率定级方法对各家模式配以不等权权重系数,从而建立北京地区夏季多模式集成降水预报模型,并用独立的样本对预报模型进行了业务试运行检验,检验结果表明:所建模型对降水预报的改进效果较好,优于单个数值模式降水预报。该模型的建立和应用方法为其他区域本地释用数值模式降水预报产品提供了一定的客观参考。     

聊城市汛期降水气候特征及旱涝预测模型

利用1961~2000年聊城市8个测站汛期降水距平百分率资料,分析了聊城市汛期旱涝气候特征,并利用模糊均生函数的概念建立了相应的旱涝预测模型。将建立好的预测模型用历史资料进行回代检验,并对2001~2003年进行预报试用,拟合值曲线与实况值曲线十分接近,预报结果也和实况基本一致。     

华南前汛期降水预测模型及其预测试验

将中国华南区域分为东、西2个区,对每个区(8个站)的前汛期(4—6月)平均降水量作自然正交展开(EOF),选取各区累积方差贡献超过75%的前4个主分量作为预报分量。再利用偏最小二乘回归方法结合均生函数方法,提出一种同时考虑预报量自身显著变化周期和前期物理量因子对预报量未来变化影响的预报模型,分别建立东、西区前汛期平均降水量的偏最小二乘回归预报方程。试验结果表明,新的预报模型的预报效果比单纯采用前期物理量因子的逐步回归模型更好,并且其预报能力的提高具有合理的分析依据。      

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。     

降尺度法在海南省降水趋势预测中的应用

从动力和统计相结合的角度,利用国家气候中心研制的动力气候模式输出的月、季平均500hPa高度场及其派生变量场作为预测因子,制作海南省月、季降水量趋势预测。月降水量经22个独立样本试验、季降水量经17个独立样本试验,趋势预报评分均超过国家局业务考核标准和同期业务发布评分,表明建立的预测模型可在海南省短期气候预测业务中参考使用。     

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。     

An Experiment of a Statistical Downscaling Forecast Model for Summer Precipitation over China

A combination of the optimal subset regression (OSR) approach, the coupled general circulation model of the National Climate Center (NCC-CGCM) and precipitation observations from 160 stations over China is used to construct a statistical downscaling forecast model for precipitation in summer. Retroactive forecasts are performed to assess the skill of statistical downscaling during the period from 2003 to 2009. The results show a poor simulation for summer precipitation by the NCC- CGCM for China, and the average spatial anomaly correlation coefficient (ACC) is 0.01 in the forecast period. The forecast skill can be improved by OSR statistical downscaling, and the OSR forecast performs better than the NCC-CGCM in most years except 2003. The spatial ACC is more than 0.2 in the years 2008 and 2009, which proves to be relatively skillful. Moreover, the statistical downscaling forecast performs relatively well for the main rain belt of the summer precipitation in some years, including 2005, 2006, 2008, and 2009. However, the forecast skill of statistical downscaling is restricted to some extent by the relatively low skill of the NCC- CGCM.     

动力模式产品在河南省夏季降水预测中的降尺度应用

利用NCEP/NCAR再分析资料和河南省106个站点夏季降水资料,建立了河南省夏季降水降尺度预测模型。该模型利用模式产品的500 h Pa高度场信息,通过统计降尺度方法,对河南省106个站点的夏季降水进行降尺度预测,实现了气候模式产品在河南省夏季降水预测中的降尺度解释应用,弥补了气候模式空间分辨率较低的缺陷。对该模型的历史回报检验表明,该降尺度模型对河南省夏季降水预测效果较好且较为稳定,尤其对北部、西部和豫南南部地区的效果最好。利用BCC-CGCM1和ECMWF-SYSTEM4模式资料,进行了独立样本的检验,结果表明,两种模式在5月起报的预测效果要优于3月起报的预测效果,BCC-CGCM1模式3月的预测效果要好于ECMWF-SYSTEM4的,两种模式在5月的预测效果相当。目前,此方法实现了可视化开发,并集成了检验方法,已应用于河南省气候预测业务中。     

水文模型中雨量资料的解集分析及应用

分布式月水文模型由于时段长,雨强均化,导致在淮河流域的应用中,网格计算径流深出现了许多不合理的零值.利用解集方法,对月降雨资料进行解集后运行水文模型,其计算结果更加合理.并应用1998年淮河流域能量和水循环试验(HUBEX)加强观测资料对模型进行了验证.     

月尺度动力模式产品解释应用系统及预测技巧

从短期气候预测业务面临的实际问题出发,针对月尺度气候预测,利用国家气候中心月动力延伸预报(DERF)模式资料,开发了集多种统计预测方法、多种解释应用技术于一体的业务系统。利用该系统的多种预测方法对广西88个站点2005-2008年6月降水距平百分率的独立样本检验结果表明:在解释应用方法中,基于模式输出统计假设方法(MOS)的预报结果优于完全预报法(PP);利用预测站点附近的环流关键区构建的预测因子预报效果最好;经验统计函数法(EOF)和动力与统计相结合的解释应用方法的预测准确率较高且较稳定;同时满足模式预测资料中预测因子和预测对象的高相关关系,以及再分析资料中预测因子和预测对象之间高相关关系确定关键区,并在此基础上建立预测模型的预测效果更佳。解释应用预测准确率一般都在70分以上,高于传统的物理统计预测结果。     

A New Statistical Downscaling Scheme for Predicting Winter Precipitation in China

An effective statistical downscaling scheme was developed on the basis of singular value decomposition to predict boreal winter(December-January-February)precipitation over China.The variable geopotential height at 500 hPa(GH5)over East Asia,which was obtained from National Centers for Environmental Prediction’s Coupled Forecast System(NCEP CFS),was used as one predictor for the scheme.The preceding sea ice concentration(SIC)signal obtained from observed data over high latitudes of the Northern Hemisphere was chosen as an additional predictor.This downscaling scheme showed significantly improvement in predictability over the original CFS general circulation model(GCM)output in cross validation.The multi-year average spatial anomaly correlation coefficient increased from–0.03 to 0.31,and the downscaling temporal root-mean-square-error(RMSE)decreased significantly over that of the original CFS GCM for most China stations.Furthermore,large precipitation anomaly centers were reproduced with greater accuracy in the downscaling scheme than those in the original CFS GCM,and the anomaly correlation coefficient between the observation and downscaling results reached～0.6 in the winter of 2008.     

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。     

中国夏季降水的组合统计降尺度模型预测研究

现阶段的动力气候模式尚不能满足东亚区域气候预测的实际需求,这就需要动力和统计相结合的方法,将动力模式中具有较高预测技巧的大尺度环流信息应用到降水等气象要素的统计预测模型当中,以改善后者预测效果。本文中所介绍的组合统计降尺度模型,可将动力气候模式预测的大尺度环流变量和前期观测的外强迫信号作为预测因子来预测中国夏季降水异常。交叉检验结果显示,组合统计降尺度预测模型的距平相关系数较原始模式结果有较大提高。在实时夏季降水预测中,2013～2018年平均的预测技巧相对较高,趋势异常综合检验（PS）评分平均为71.5分,特别是2015～2018年平均的PS评分预测技巧达到72.7分,总体上高于业务模式原始预测和业务发布预测的技巧。该组合统计降尺度模型预测性能稳定,为我国季节预测业务提供了一种有效参考。     

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。