欧洲业务集合预报系统进展

由于大气初值与数值模式中物理过程存在不确定性等客观事实,集合预报无疑代表着数值天气预报未来前进与发展的方向,它标志着天气预报的预报范式转变,即用户不仅可以得到未来大气状态的单一现实,还可得到未来大气可能出现的一系列场景。文中扼要地梳理了欧洲全球业务集合预报与有限区域模式高分辨业务集合预报的研究动态与技术发展、基本问题及其未来最新发展方向,包括:1)欧洲中期天气预报中心的业务集合预报系统发展沿革及概况;2)欧洲国家主要业务高分辨率集合预报系统概况;3)当前业务集合预报存在的问题、挑战及未来前进的方向。文中除了关注欧洲中期天气预报中心的集合预报应用,还梳理了目前欧洲高分辨业务集合预报取得的成就,以引起有关研究人员的注意。总之,借鉴欧洲业务集合预报的发展思路,不仅有助于集合预报理论创新,还对发展集合预报业务有重要指导意义。     

基于深度学习改进数值天气预报模式和预报的研究及挑战

随着高分辨率数值天气模式以及新一代地球观测系统的发展,气象领域的数据量在迅速增加,为天气和气候的理论研究和业务应用提供了丰富的信息,同时也对传统的数据处理方法及天气分析和预报技术带来了新的挑战。深度学习具有从大量的高维时空分布气象数据中提取复杂时空特征的能力,且具备计算效率高、可迁移性强、协同性和灵活性优的特点。目前深度学习已经在对流短时临近预报、极端事件检测和改进数值天气模式及其预报误差订正等方面得到了较为广泛的研究。首先概述目前气象领域所应用的深度学习方法和模型,然后聚焦介绍和讨论数据驱动的深度学习在理论驱动的数值天气预报模式方面的应用。深度学习在数值天气预报模式的资料同化、次网格物理过程参数化、数值天气模式后处理等方面展现出很好的应用前景,但仍需要进一步改善深度学习模型的可解释性和不确定性量化问题。构建数据驱动的深度学习和理论驱动的数值天气模式混合模型,发挥深度学习和数值天气模式的协同作用,将是进一步改善数值天气预报能力的新途径。     

基于MICAPS4的智能网格预报平台设计与实现

随着我国智能网格预报业务的开展,海量高分辨率客观数据需要便捷的分析显示及产品制作平台高效处理。该文基于MICAPS4（Meteorological Information Comprehensive Analysis and Processing System Version 4.0,人机交互气象信息处理和天气预报制作系统）设计并实现智能网格预报平台,采用MVVM（模型-视图-视图模型,model-view-viewmodel）设计模式,实现业务逻辑与视图的分离,通过对各子功能模块的划分,降低模块之间的耦合度,具有良好的可扩展性。平台实现了高分辨率网格预报数据的显示分析和产品输出,开发了基于等值线、网格、关键点等智能化预报制作工具,集成了降水时间拆分、温度极值订正等客观预报方法,开发了降水、温度、相对湿度等要素一致性处理方法,可有效帮助预报员提高工作效率,同时能够确保产品之间的一致性。平台继承MICAPS4的微内核组件服务、高性能渲染引擎和开放式插件扩展管理等优良特性,实现面向智能网格预报的业务编排、智能编辑和算法集成。目前,该平台已经实现业务应用,为全国智能网格预报业务提供重要支撑。     

地面气象要素多模式集成预报研究进展

目前,集合预报已成为天气预报业务的主要支撑。然而,由于数值模式本身的限制与不完善以及集合系统存在初值扰动、集合大小等方面的局限,常存在预报偏差。不同预报模式通常具有不同的物理过程参数化方案、初始条件等,导致其预报能力各有不同。为此,如何纠正预报偏差以及如何充分有效地利用不同模式的预报信息以获得更加准确的天气预报广受关注。近年来,利用统计理论与预报诊断,基于多个集合预报系统的多模式集成预报技术得到快速发展,已成为有效消除预报偏差从而提高天气预报技巧的一种统计后处理方法。针对气温、降水和风3个最基本的地面气象要素,首先依据预报形式将应用范围较广的简单集合平均、消除偏差集合平均、超级集合、贝叶斯模式平均、集合模式输出统计等加权或等权平均多模式集成技术,分成确定性预报和概率预报两大类,并做系统介绍。最后,讨论使用和发展多模式集成技术需要关注的问题,包括考虑参与集成的模式个数、发展降水及风速分级预报模型和发展基于机器学习的多模式集成新技术。     

MICAPS4预报业务系统建设进展与未来发展

以精细化预报为标志的现代天气预报业务对高时空分辨率气象数据的应用提出了更高的需求,而传统的预报分析制作系统MICAPS3（Meteorological Information Comprehensive Analysis and Processing System Version 3）无法满足符合大数据特征的实时预报相关的数据应用。同时,模式预报和集合预报应用已在各专业预报领域中发挥越来越重要的作用,网格预报产品正在涵盖全部的预报业务流程,而MICAPS3无法提供便捷高效的支撑。为解决上述问题,国家气象中心启动了MICAPS4建设,一方面建立了基于大数据的气象实时预报应用技术体系,解决了气象大数据处理、存储、分析和显示效率的关键技术难题;另一方面搭建了多个满足不同复杂预报业务需求的专业化版本。MICAPS4将信息化技术与预报技术、预报业务流程紧密结合,解决了现代化预报方法的平台化集成应用与精细化预报制作的关键技术难题,基于MICAPS4基础框架的多个专业版在中央气象台和部分省级气象台进行业务化应用推广。基于CIMISS（China Integrated Meteorological Information Sharing System）-MICAPS4的海量数据存储环境,极大减轻了系统部署和本地化工作量,显著提升了数据解析及数据存储访问效率。     

智能网络预报业务发展前景下预报员作用的思考

利用MICAPS常规数据,陕西现代气象一体化智能网格预报平台预报检验数据,以及陕西天气业务实时评估平台预报评分数据,选取2017年1—6月省级预报员综合主观预报结果与智能网格平台的多模式集成结果进行对比分析,同时选取2017年8月11—14日在西安周边发生的一次分散性强对流天气的预报服务作为个案分析,研究在智能预报发展前景下,预报员在预报业务体系中的位置与作用。研究结果表明,智能预报体系中预报员的作用是不可取代的,但是,预报员的职能将根据气象业务现代化的推进实现角色的转变,常规精细化预报产品将越来越不需要预报员的人工干预,预报员需要更加快速准确地进行灾害性天气的精细化订正,制作针对性服务产品,深入研究灾害性天气的机理,总结预报经验,改进数值预报模型的算法,为提高人工智能的效果提出建议和方法;对预报员的评价体系应该从预报准确率评分转变为灾害性天气订正技巧评分,以订正技巧来衡量一个预报员的业务水平。     

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。      

国家级天气预报检验分析系统建设与应用

为了适应精细化预报和业务管理的发展需求,国家气象中心建设开发了基于Web的国家级天气预报检验分析系统。系统分为预报检验、检验文件解析处理、检验数据查询分析与检验平台管理4个功能模块,关键技术包括标准化的数据管理、开放式的算法模块管理与调度和检验数据的可视化分析。系统建立了规范高效的检验业务数据流程,兼容处理预报分析制作系统（MICAPS）数据、GRIB2数据、城镇报数据、自动气象站数据等其他专业气象数据,涵盖了国家级省级智能网格预报、全国城镇天气预报、定量降水预报、大城市空气质量预报等数十项检验业务产品,给出了空间分布、柱状图及数据表格等展现形式。系统为全国各级预报员、模式开发人员和管理人员提供预报检验反馈信息,为各省以及国家级预报业务考核提供了信息支撑;同时系统提供逐旬、月、年度的智能网格预报以及城镇天气预报的检验结果对比,有力支撑了智能网格预报产品业务研发和业务试验。     

赴加拿大安大略风暴预报中心交流总结

1交流目的 根据中加气象科技联合工作组第11次会议纪要相关内容,国家气象中心天气预报室孙军和强天气预报中心刘鑫华于2009年10月26～30日赴加拿大安大略风暴预报中心进行了为期一周的交流访问,旨在全面了解加拿大气象部门的天气预报业务开展情况,重点学习强对流、暴雪等灾害性天气预报技术、集合预报技术在业务中应用的经验。     

山东省气象业务一体化平台设计与实现

山东省气象业务一体化平台（简称“一体化平台”）,是在气象业务系统集约化、自动化、智能化的建设要求下,为满足山东气象现代业务发展要求,解决山东气象业务运行中的诸多关键问题,利用互联网技术,面向山东全省天气预报业务设计研发的高度集约化的智能业务平台。一体化平台实现了基于内网 WebGIS 的气象数据渲染,基于 CIMISS、Oracle、Redis的三级数据库架构,基于 FTP、SMTP、传真服务器、阿里短信等技术的一键式发布引擎,基于 WebOffice的智能网格预报定制化气象服务,建立了山东短时和临近预报业务体系,融合了山东省气象部门近年来的多项科研成果。在此基础上实现了实况监测、短时临近预报、山洪预警、网格预报、产品制作发布、预报共享、预报检验和业务管理等功能。一体化平台支撑了 “省—市—县” 三级台站的天气预报业务和重大活动气象保障服务,提升了监测分析、短时和临近预警、决策服务能力。     

台风集合预报研究进展

台风数值预报是防台减灾的关键,而集合预报是体现和减少数值预报不确定性的常用方法。本文对近年来台风集合预报方法的研究进展进行了梳理和总结,涉及初值集合扰动、模式扰动技术以及基于统计的台风集合预报后处理技术。对全球几个主要集合预报系统的发展及我国的区域台风集合预报系统做了回顾。最后,在回顾的基础上,讨论和提出了关于台风集合预报仍存在的问题及未来可能的研究方向。     

集合数值预报在洪水预报中的应用进展

水文集合预报是近几年正在形成和发展的水文预报分支,其发展大致可分为两个阶段:第1阶段是1970年至20世纪末进行的长期径流预报,第2阶段从21世纪开始,主要学习气象数值预报中集合预报的概念在短期水文集合预报中的应用。目前,除了单一预报中心的集合预报系统在水文集合预报中应用外,多个预报中心的集合预报大集合也逐渐被应用于流域水文预报,甚至一些小流域的洪水预报。如利用TIGGE(THORPEX Interactive Grand Global Ensemble)集合预报驱动形成的大气-水文-水力的串联系统进行早期的洪水预警研究,将全球集合预报作为洪水模型输入的有限区域模式的初始条件和侧边界条件的研究。这些均表明,基于水文集合预报的洪水预报增加了预报附加值,并能够延长预警提前时间。以欧洲中期天气预报中心的欧洲洪水预警系统(EFAS)和美国NOAA的先进水文预报系统(AHPS)为代表,实现了集合预报在洪水中的实时业务预报,但仍存在数据处理和计算量大,以及如何基于集合水文预报做决策等问题。对于水文集合预报的前处理和后处理的各种技术已处于探索和验证阶段,如何更好地理解基于概率预报的洪水预警决策仍存在许多困难和挑战。     

强对流天气短时临近预报业务技术进展与挑战

强对流天气短时临近预报业务是国家防灾减灾、重大社会活动和精细化天气预报的迫切需要。虽然我国强对流天气短时临近预报业务已经取得了巨大进展,但与国外先进水平相比还有不少差距。本文总结了近年国内外强对流天气短时临近预报业务现状、技术进展、目前国内的技术支撑状况和所面临的挑战,并提出了相应的应对措施。目前强对流天气短时临近预报技术仍然主要是外推预报技术、数值预报技术和概念模型预报技术等,但快速更新循环的高时空分辨率数值模式预报和新一代静止气象卫星资料将在强对流天气短时临近预报中发挥重要作用。强对流天气监测、分析和机理研究是强对流天气短时临近预报的重要基础;先进的外推预报方法同快速更新循环的高时空分辨率数值模式预报以及二者的融合是未来强对流天气短时临近预报的重要发展方向。     

GRAPES-GEPS环流集合预报的分类释用方法研究与检验

集合预报在数值天气预报体系中具有重要地位，因此如何有效提取集合样本信息以提高集合预报技巧一直是一个重要课题。基于中国全球集合预报业务系统（GRAPES-GEPS）的500 hPa高度场集合资料开展对环流集合预报的分类释用方法研究，并对集合聚类预报结果进行了检验分析。通过在传统Ward聚类法中引入动态聚类的“手肘法”方案，发展了环流集合预报分类释用方法。针对该方法的个例分析表明，对于中国中东部地区环流集合预报的聚类释用方法能够有效地划分出最有可能发生的环流形势类型并提供发生概率。确定性预报综合检验结果显示，集合预报聚类结果中发生概率最高的集合大类相对于集合平均的预报技巧有明显提升，并随着预报时效的延长提升更明显。总体来看，通过集合预报的分类释用方法划分环流形势类型可以为天气预报提供参考依据，具有实际应用价值。      

数值预报AI气象大模型国际发展动态研究

数值预报是研究地球系统的重要工具,有助于加深科学家对大气、海洋、气候和环境等复杂系统之间相互作用和变化过程的理解,在防灾减灾、气候变化和环境治理等方面发挥着不可或缺的作用。随着模式复杂度和分辨率的提高,传统数值模式在气候变化研究和气候预测方面取得了迅速的进展,但也面临一些挑战,需要得到数据同化、集合耦合、高性能计算和不确定性分析等多方面的支持。而近年来,“AI+气象”的交叉研究在气象领域引起了广泛关注。基于多种深度学习架构的人工智能大模型,依托强大的计算资源和海量的数据进行训练,能够以新的科学范式进行高效数值预报。气象大模型不断涌现,一些科技公司如华为、英伟达、DeepMind、谷歌、微软等,以及国内外高校如清华大学、复旦大学、密歇根大学、莱斯大学等发布了多个涵盖临近预报、短时预报、中期预报和延伸期预报等不同领域的气象大模型。这标志着人工智能与气象领域的交叉融合已经达到新的高度。尽管气象大模型在现阶段取得了较大突破,但其发展仍然面临弱可解释性、泛化能力不足、极端事件预报强度偏低、智能预报结果过平滑、深度学习框架能力需要拓展等诸多挑战。     

机器学习在强对流监测预报中的应用进展

近年来,机器学习理论和方法应用蓬勃发展,已在强对流天气监测和预报中广泛应用.各类机器学习算法,包括传统机器学习算法(如随机森林、决策树、支持向量机、神经网络等)和深度学习方法,已在强对流监测、短时临近预报、短期预报领域发挥了积极的重要作用,其应用效果往往明显优于依靠统计特征或者主观经验积累的传统方法.机器学习方法能够更...     

三种高分辨率格点降水预报检验方法的对比

客观有效的评估高分辨率模式格点降水的预报能力,不仅是模式发展中的基础问题,而且直接关系到目前中国气象局主推的格点天气预报业务。以ECMWF(European Centre for Medium-Range Weather Forecasts)模式高分辨率降水格点预报资料、CMORPH(NOAA Climate Prediction Center Morphing Method)卫星与全国3×104个自动观测站的逐时降水量融合资料为基础,选择2015年6~8月55个降水个例,研究传统检验方法、面向对象MODE(Method for Object-based Diagnostic Evaluation)方法、以及邻域法在高分辨率格点降水预报检验中的适用性及优缺点,以期为高分辨率格点降水的预报性能评估提供参考。主要结论如下:(1)尽管点对点的传统方法在高分辨率格点降水检验中存在一定的局限,但传统方法能够在空间上表现高分辨率格点降水预报技巧的地域性差异,在时间上刻画预报的整体性能,对高分辨率格点预报性能评估仍然具有重要的适用价值;(2)邻域法的显著优点在于一方面能够通过变换邻域窗获得不同空间尺度上的传统预报技巧,另一方面独有的FSS(Fractions Skill Score)技巧评分能够表现预报相对于观测降水在格点数量上的比值,结合FSS和不同邻域窗上的传统技巧评分,可以判别在多大空间尺度上能够获得较好的预报技巧;(3)MODE方法在变换卷积半径的基础上提取降水对象,基于降水对象不仅能统计模式的传统技巧评分和预报性能的尺度变化,还可以表现降水对象的质心距离、轴角、面积、强度、综合收益、位移距离等多种属性,这些属性首先为用户提供了模式预报性能的多视角表现,其次从侧面定量描述了模式对天气系统发展快慢、槽脊强弱等预报误差,具有独特的优势,但如何应用对象属性来提高实际的预报能力还存在一些困难。     

集合预报的现状和前景

综合论述了近年来已在国际上引起高度重视的新一代动力随机预报方法 ——— 集合预报。 随着计算机技术的迅猛发展和由于大气初值和数值模式中物理过程存在着不确定性的事实, 这一方法无疑代表了数值天气预报未来演变发展的方向。 未来的天气预报产品预计将从“决定论”的预报转变为“随机论”的预报来正确地表达气象科学中这一所谓“可预报性问题”, 以便更好地为用户服务。 文中扼要地叙述了集合预报的概念、基本问题及其最新的研究动态和发展, 包括(1)如何建立和评估一个集合预报系统;(2)如何正确地表征大气初值和模式物理过程的不确定性与随机性;(3)如何从集合预报中提炼有用的预报信息和合理地解释、检验集合预报的产品, 特别是概率预报。 除了直接在天气预报上的应用, 还提到集合预报在气象观测和资料同化方面应用的动态, 以引起有关研究人员的注意。