基于集合预报产品的降尺度降水预报试验

利用降水距平百分率的降尺度预报方法和1951-2008 NCEP资料及我国降水资料,建立了降水距平百分率的预报模型,基于T106L19模式的月动力延伸集合预报结果,进行了2007-2009年3 a的预报试验和效果检验.结果表明,基于集合预报产品的统计降尺度方法对降水距平百分率的预报技巧高于模式降水的预报技巧;500 hPa月平均高度场的预报技巧直接影响到降水距平百分率的预报技巧,平均环流的预报技巧越高,降水距平百分率的预报技巧越高;无论集合成员数为多少,集合预报的结果都明显优于控制预报,随着集合成员数的增多,预报技巧呈增大的趋势;我国降水具有显著的季节性和区域性,以江淮地区的降水距平百分率预报技巧最高,华南地区的预报技巧其次.     

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。     

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。     

多模式集合预报及其降尺度技术在东亚夏季降水预测中的应用

利用动力季节模式输出的匹配域投影技术和多模式集合预报技术对多个国家和城市的站点月平均降水进行预报。预报变量是北京1个站、韩国60个站和曼谷地区8个站点的月平均降水,预报因子是从多个业务动力季节预报模式输出的多个大尺度变量。模式回报数据和站点观测降水数据时段是1983—2003年。降尺度预报降水的技巧是在交叉验证的框架下进行的。匹配域投影方法是设定一个可以活动的窗口在全球范围内大尺度场上进行扫描,寻求与目标站点降水最优化的因子和最相关的区域,目标站点的降水变率就是由该匹配域上大尺度环流场信息决定的。最终预报是用多个降尺度模式预报结果的集合预报(DMME)。多个降尺度模式预报结果的集合预报能显著地提高站点降水的预报技巧。北京站,多个降尺度模式预报结果的集合预报的预报和观测降水的相关系数可以提高到0.71;韩国地区,多个降尺度模式预报结果的集合预报平均技巧提高到0.75;泰国,多个降尺度模式预报结果的集合预报技巧是0.61。     

统计降尺度法在数值预报产品释用中的应用

目前数值模式输出的空间分辨率较低,缺少区域信息,很难对区域气候做精确的预测.降尺度方法通过把大尺度、低分辨率的数值模式输出信息转化为区域尺度的地面气候变化信息(如气温、降水),从而达到弥补数值模式预测区域未来气候变化不足的目的.这种做法的基础在于区域气候变化是以大尺度(如大陆尺度甚至行星尺度)气候为条件的.统计降尺度法以大尺度数值预报产品为预报因子,利用历史资料建立区域预报量与大尺度预报因子之间的统计模型,实现对数值预报产品的释用.在系统论述统计降尺度法的基本原理、一般步骤的基础上,初步探讨统计降尺度法在中期天气预报方面的应用.     

我国地面降水的分级回归统计降尺度预报研究

利用TIGGE资料中欧洲中期天气预报中心(ECMWF,the European Centre for Medium-Range Weather Forecasts)、日本气象厅(JMA,the Japan Meteorological Agency)、美国国家环境预报中心(NCEP,the National Centers for Environmental Prediction)以及英国气象局(UKMO,the UK Met Office)4个中心1~7 d预报的日降水量集合预报资料,并以中国降水融合产品作为"观测值",对我国地面降水量预报进行统计降尺度处理。采用空间滑动窗口增加中雨和大雨雨量样本,建立分级雨量的回归方程,并与未分级雨量的统计降尺度预报进行对比。结果表明,对于不同模式、不同预报时效以及不同降水量级,统计降尺度的预报技巧改进程度不尽相同。统计降尺度的预报技巧依赖于模式本身的预报效果。相比雨量未分级回归,雨量分级回归的统计降尺度预报与观测值的距平相关系数更高,均方根误差更小,不同量级降水的ETS评分明显提高。对雨量分级回归统计降尺度预报结果进行二次订正,可大大减少小雨的空报。     

月动力延伸预报产品在新疆月尺度降水预测中的应用检验

利用新疆101个气象观测站点逐月降水实况资料和2001~2010年国家动力气候模式产品,进行月动力延伸预报产品的应用预测检验。采用PS评分和同号率对内插预测结果进行效果评估,并与业务评分进行对比。结果表明：月动力延伸预报产品对新疆地区月降水趋势预测Ps评分高于业务评分,而对各月降水距平百分率的同号率差异较大。夏、秋季Ps评分较高,冬、春季PS评分较低,季节转换时预测Ps评分变率较大。     

基于BP神经网络模型的广西月降水量降尺度预报

应用1961～1998年的山东省40个代表站夏季降水资料及NCAR/NCEP再分析月平均资料,分析了山东夏季降水的气候特征,并对旱涝年的大气环流异常进行了合成对比分析。结果表明:山东夏季降水整体表现为旱涝同步,降水分布呈现由东南向西北递减的趋势。涝年与旱年的环流形势存在明显的差异:涝年,贝加尔湖及其以西地区的位势高度降低,我国东部到日本海的位势高度明显升高。东亚大槽、乌拉尔山阻高、副热带高压位置及强度的变化对山东夏季降水有重要影响。有三支暖湿气流在山东上空交汇,为降水提供了充沛的水汽来源;而在旱年,上述环流特征呈现相反的形势。     

Downscaling法在贵州冬季气温和降水预测中的应用

基于CGCM模式输出500 hPa位势高度场、NCEP/NCAR再分析500 hPa高度资料、贵州冬季降水和气温历史资料,利用降尺度法,对贵州冬季降水和气温预报的技巧和预测效果进行了预测试验和改进。结果表明,该方法从动力与统计相结合的角度,给出季尺度大气环流与局地降水、气温之间的关系,有明确的动力学背景和天气学意义。20年回算及两年回报试验证明了该关系的合理性;对贵州冬季降水的预测率约70%,而对气温的预测率为65%左右。另外,通过对气温反演方程订正后,其预测率达67%左右;在极端异常年,该方法对降水的预测率变幅不大,而对气温的预测效果影响极大。最后利用该方法对2005年贵州冬季降水和气温趋势进行了展望。     

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。     

动力延伸预报产品在广西月降水预报中的应用

利用1958—2005年NCEP/NCAR再分析资料和2003—2005年国家气候中心的动力延伸预报产品, 运用自然正交函数展开 (EOF) 求取预报关键区内的空间特征向量及其时间系数, 结合相似离度方法查找与预报月份相似的个例, 进而作出广西月降水量预报。独立样本试验证明, 利用动力延伸预报产品制作的区域月降水预报比利用前期实况高度距平场相关区域制作的预报效果更好。     

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.     

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。     

Predictor Selection for CNN-based Statistical Downscaling of Monthly Precipitation

Convolutional neural networks(CNNs) have been widely studied and found to obtain favorable results in statistical downscaling to derive high-resolution climate variables from large-scale coarse general circulation models(GCMs).However, there is a lack of research exploring the predictor selection for CNN modeling. This paper presents an effective and efficient greedy elimination algorithm to address this problem. The algorithm has three main steps: predictor importance attribution, predictor rem...     

月降水量的神经网络混合预报模型研究

以均生函数表征预报量自身周期变化，结合500hPa月平均高度场和月平均海温场预报因子，采用神经网络方法建立了一种新的短期气候预报模型。分别以广西桂北、桂中和桂南6月降水量作为预报对象进行预报试验，结果表明，这种新的预报方法比均生函数回归预报模型及高度场、海温场预报因子的回归预报模型，具有更好的物理基础和预报能力。