中国地面气温自适应递减平均降尺度方法的改进研究

针对基于卡尔曼滤波类型的自适应递减平均降尺度方案对中国地面气温精细化预报中,原方案在强降温天气预报结果不理想的问题,将其中只随空间变化的递减平均权重系数w(i)改进为含有空间、天气过程信息的自适应函数w(i,p)(i为站点信息,p为天气过程信息);在此基础上将上一次的强降温日信息当做预报前一天信息,应用改进w(i,p)递减平均降尺度方案称为w(i,p)相似法;而直接从强降温历史信息中统计插值预报与观测值的系统性偏差均值,并用以修正预报结果的方法称为w(i,p)统计法。结果表明:改进为自适应函数w(i,p)后的降尺度方案对中国地面气温的预报效果有不同程度的改善,对于24 h强降温预报,采用w(i,p)降尺度方案的预报误差均方差较原方案减小了0.19℃;而进一步改进的w(i,p)相似法与w(i,p)统计法的预报误差均方差分别减小了1.12℃、1.45℃,改进效果显著。     

基于降尺度技术的精细化气温预报研究

采用中国T639预报模式提供的气温数值预报资料及两要素加密自动站气温资料,对贵州省内2 000多个乡镇站点进行气温精细化预报研究。结果表明,在对2013年1—3月预报时效为24~168 h的气温预报试验中,无论从均方根误差的角度还是按照贵州省的业务评分标准,进行降尺度技术处理后的精细化气温预报效果较直接的气温预报有着明显的改进。试验中,对于24 h的预报改进最明显,均方根误差减少达19.1%,预报业务评分改进达24.5%,全省平均评分均在70%以上,较大幅度地改进了T639预报模式直接提供的气温预报。     

基于TIGGE资料的北半球地面气温预报的统计降尺度研究

基于TIGGE(THORPEX Interactive Grand Global Ensemble,全球交互式大集合)资料中欧洲中期天气预报中心(European Centre for Medium-Range Weather,ECMWF)、日本气象厅(Japan Meteorological Agency,JMA)、美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)和英国气象局(United Kingdom Met Office,UKMO)4个中心的北半球地面2 m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均(bias-removed ensemble mean,BREM)和多模式超级集合(superensemble,SUP)方法进行统计降尺度预报研究。结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果。引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小。对比综合表现最好的单中心ECMWF的预报,1~7 d的降尺度预报误差改进率均达20%以上。研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法。     

统计降尺度方法在天津小时降水和气温精细化预报中的应用

基于ECWMF模式预报数据对2018年3—11月降水和2 m温度进行统计降尺度,利用先频率匹配法、再阈值法对插值后的降水订正,利用Kalman滤波型的递减平均统计降尺度法对插值后的温度订正,最终获得逐小时降水量和温度的预报。结果表明：(1)对于晴雨预报准确率,绝大多数预报时效频率匹配法和阈值法均对其有明显提高,前者最大改进幅度可达20%以上。对于相对误差,阈值法对空报现象有较显著改进。对于1 h降雨量大于等于20 mm的短时强降水,频率匹配法订正后的TS评分有明显提高。对2018年“安比”台风事件,除具有以上改进效果外,频率匹配法提高了降水主体形态和量级的预报水平,阈值法对空报站订正正确。(2)对于温度的ECWMF模式预报检验,几乎在任何预报时效内都是3月的绝对误差最大。通过Kalman滤波型的递减平均统计降尺度法后,各月的绝对误差都有不同程度减小。总体上,订正后的绝对误差曲线仍具有订正前的周期性波动,波峰、波谷位置也与订正前基本一致,且绝对误差越大,订正幅度越大。个例分析也表明订正后保留了温度预报空间分布的准确性,且绝对误差有明显下降。     

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。     

基于大尺度模式产品的误差订正与统计降尺度气象要素预报技术

应用自适应卡尔曼滤波方法,对大尺度模式要素预报进行误差订正和降尺度精细化气象要素预报。并通过对订正系数科学选取的研究,改进了滤波方法的应用效果。通过对大尺度模式系统进行误差订正,改善了大尺度模式预报的准确率,提高了模式要素,如2 m温度、10 m风等预报的精度,并基于改善了的大尺度模式预报场和高分辨率观测场,生成降尺度函数,得到高精度的气象要素预报产品,为精细化气象要素预报服务提供了有效的方法。     

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.     

中国气温的降尺度研究

Monthly mean temperatures at 562 stations in China are estimated using a statistical downscaling technique. The technique used is multiple linear regressions （MLRs） of principal components （PCs）. A stepwise screening procedure is used for selecting the skilful PCs as predictors used in the regression equation. The predictors include temperature at 850 hPa （7）, the combination of sea-level pressure and temperature at 850 hPa （P＋T） and the combination of geo-potential height and temperature at 850 hPa （H＋T）. The downscaling procedure is tested with the three predictors over three predictor domains. The optimum statistical model is obtained for each station and month by finding the predictor and predictor domain corresponding to the highest correlation. Finally, the optimum statistical downscaling models are applied to the Hadley Centre Coupled Model, version 3 （HadCM3） outputs under the Special Report on Emission Scenarios （SRES） A2 and B2 scenarios to construct local future temperature change scenarios for each station and month, The results show that （1） statistical downscaling produces less warming than the HadCM3 output itself; （2） the downscaled annual cycles of temperature differ from the HadCM3 output, but are similar to the observation; （3） the downscaled temperature scenarios show more warming in the north than in the south; （4） the downscaled temperature scenarios vary with emission scenarios, and the A2 scenario produces more warming than the B2, especially in the north of China.     

统计降尺度方法集合预估华东气温的初步研究

利用共同经验正交函数(EOF)分解和逐步线性回归相结合的统计降尺度方法,研究了1月和7月华东地区41个气象观测站2070—2100年未来月平均温度变化情景的集合预估。同时采用850 hPa温度场、850 hPa位势高度和温度的联合场以及海平面气压和850 hPa温度的联合场作为预报因子变量场,对于两个场联合的预报因子变量场,采用的是两个变量场空间联合的EOF分解的方法。同时通过改变统计降尺度过程中输入的预报因子变量场、预报因子变量取值的区域,以及输入逐步线性回归方程的主分量个数共建立27种统计降尺度模型,并把它们应用于2种全球气候模式(GCMs):Echam5和HadCM3 IPCC AR4 20C3M和A1b情景,从而每个站点均生成1950—2099年(HadCM3)或1951—2100年(Echam5)1月和7月共54个IPCC TR4 A1b温度变化情景,然后对54种预估情景进行集合分析。多个温度变化情景的集合预估采用它们的中位数来表示。结果表明:(1)当前气候条件下,多个统计降尺度结果的集合预报如采用箱线图的中位数能够在一定程度上提高统计降尺度方法的模拟性能;(2)2070—2100年1月和7月未来气温情景相比当前气候条件的增温约3～4℃,7月与1月相比不确定性增大。     

降尺度技术在月降水预报中的应用

着重介绍月动力延伸数值预报模拟技巧较高的大气环流在局域降水方面的降尺度（downscaling）应用。克服动力降尺度和统计降尺度技术的缺点,从动力与统计相结合的角度,给出月尺度大气环流与局地降水之间的关系,该联系有清楚的动力学背景和天气学意义。120个月的历史实况资料回报试验证明了该关系的合理性。T63/NCC月动力延伸形势场集合预报进行中国降水的降尺度应用亦取得了较好的结果。     

基于统计降尺度方法的夏季降水精细化预报

利用1999—2009年安徽省淮河以南地区60个县市站夏季逐日降水资料和安庆市探空站逐日资料,研究了中低层不同风向配置下局地降水与大尺度降水场之间的关系,以3种不同预报对象及相应的预报因子分别采用神经网络和线性回归方法设计6种预报模型对观测资料进行逼近和优化,从而实现空间降尺度.分析对比6种预报模型46站逐日降水量的拟合和预报效果,结果表明:采取相同的预报对象及预报因子的BP神经网络模型在拟合和预报效果上均好于线性回归模型,可见夏季降水场之间以非线性相关为主;神经网络模型预报结果同常用的Cressman插值预报相比,能很好地反映出降水的基本分布及局地特征;预报对象为单站降水序列的神经网络模型在以平原、河流为主要地形的区域预报效果较好,预报对象为REOF主成分的神经网络模型则在山地和丘陵地形区域预报效果较好.     

华东地区月平均气温统计降尺度方法比较

用中国地面气象观测站的逐日气温观测资料和NCEP/NCAR再分析资料,分别使用基于多元线性回归(MLR)和3种主成分分析(PCA)的统计降尺度方法,对1959-2008年的华东地区的月平均气温分两个时段进行统计降尺度分析并加以检验,比较了不同降尺度方法的结果。结果表明:对于华东地区气温的统计降尺度预报,基于MLR的统计降尺度方法相对于3种PCA方法而言,对单站年际变化模拟方面有一定优势。PCA方法应用于统计降尺度时,预报因子的区域选择是影响统计降尺度结果的重要因素之一。对于温度进行统计降尺度分析时,预报因子中包含温度因子是非常必要的;所试验的4种降尺度方法,对各站点多年平均情况的模拟要好于对区域平均的年际变化的模拟。     

Evaluation of statistical downscaling in short range precipitation forecasting

The objective of this study is to compare several statistical downscaling methods for the development of an operational short-term forecast of precipitation in the area of Bilbao (Spain). The ability of statistical downscaling methods nested inside numerical simulations run by both coarse and regional model simulations is tested with several selections of predictors and domain sizes. The selection of predictors is performed both in terms of sound physical mechanisms and also by means of “blind” criteria, such as “give the statistical downscaling methods all the information they can process”.Results show that the use of statistical downscaling methods improves the ability of the mesoscale and coarse resolution models to provide quantitative precipitation forecasts. The selection of predictors in terms of sound physical principles does not necessarily improve the ability of the statistical downscaling method to select the most relevant inputs to feed the precipitation forecasting model, due to the fact that the numerical models do not always fulfil conservation laws or because precipitation events do not reflect simple phenomenological laws. Coarse resolution models are able to provide information usable in combination with a statistical downscaling method to achieve a quantitative precipitation forecast skill comparable to that obtained by other systems currently in use.     

Temporal statistical downscaling of precipitation and temperature forecasts using a stochastic weather generator

Statistical downscaling is based on the fact that the large-scale climatic state and regional/local physiographic features control the regional climate. In the present paper, a stochastic weather generator is applied to seasonal precipitation and temperature forecasts produced by the International Research Institute for Climate and Society(IRI). In conjunction with the GLM(generalized linear modeling) weather generator, a resampling scheme is used to translate the uncertainty in the seasonal forecasts(the IRI format only specifies probabilities for three categories: below normal, near normal, and above normal) into the corresponding uncertainty for the daily weather statistics. The method is able to generate potentially useful shifts in the probability distributions of seasonally aggregated precipitation and minimum and maximum temperature, as well as more meaningful daily weather statistics for crop yields, such as the number of dry days and the amount of precipitation on wet days. The approach is extended to the case of climate change scenarios, treating a hypothetical return to a previously observed drier regime in the Pampas.     

Statistical downscaling of summer temperature extremes in northern China

Two approaches of statistical downscaling were applied to indices of temperature extremes based on percentiles of daily maximum and minimum temperature observations at Beijing station in summer during 1960-2008. One was to downscale daily maximum and minimum temperatures by using EOF analysis and stepwise linear regression at first, then to calculate the indices of extremes; the other was to directly downscale the percentile-based indices by using seasonal large-scale temperature and geo-potential height records. The cross-validation results showed that the latter approach has a better performance than the former. Then, the latter approach was applied to 48 meteorological stations in northern China. The cross-validation results for all 48 stations showed close correlation between the percentile-based indices and the seasonal large-scale variables. Finally, future scenarios of indices of temperature extremes in northern China were projected by applying the statistical downscaling to Hadley Centre Coupled Model Version 3 (HadCM3) simulations under the Representative Concentration Pathways 4.5 (RCP 4.5) scenario of the Fifth Coupled Model Inter-comparison Project (CMIP5). The results showed that the 90th percentile of daily maximum temperatures will increase by about 1.5℃, and the 10th of daily minimum temperatures will increase by about 2℃ during the period 2011-35 relative to 1980-99.     

江苏—南黄海地区M≥6强震有序网络结构及其预测研究

基于TIGGE（THORPEX Interactive Grand Global Ensemble,全球交互式大集合）资料中欧洲中期天气预报中心（European Centre for Medium-Range Weather,ECMWF）、日本气象厅（Japan Meteorological Agency,JMA）、美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）和英国气象局（United Kingdom Met Office,UKMO）4个中心的北半球地面2m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均（bias-removed ensemble mean,BREM）和多模式超级集合（superensemble,SUP）方法进行统计降尺度预报研究.结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果.引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小.对比综合表现最好的单中心ECMWF的预报,1～7d的降尺度预报误差改进率均达20％以上.研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法.     

白洋淀流域未来日最高最低气温变化的统计降尺度分析

大气环流模型（GCMs）预测的气候变化情景空间分辨率低,不能满足气候变化对水资源影响进行评估的需要.利用统计降尺度模型可以解决GCMs预测的气候变化情景空间分辨率低的缺陷.在白洋淀流域应用统计降尺度模型（SDSM）,选取日平均气温作为预报量,根据NCEP再分析数据与站点实测数据序列的相关关系选择合适的预报因子,建立大气环流因子与各站点日最高气温和最低气温之间的统计关系.将数据序列分为1961-1975年和1976-1990年两个时段,对SDSM进行率定和验证.最后将HadCM3输出的未来情景降尺度到站点尺度,模拟白洋淀流域未来时期三个时段2020s（2010-2039年）、2050s（2040-2069年）和2080s（2070-2099年）的日最高气温和最低气温时间序列.结果表明：SDSM在白洋淀流域的模拟效果较好.白洋淀流域日最高气温和最低气温在A2和B2两种情景下均呈现上升趋势,且A2情景下的增幅高于B2情景,山区的增幅高于平原,日最高气温的增幅大于日最低气温.