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.     

DERF 2.0对贵州气温、降水的预测性能评估

该文基于第二代月动力延伸预测模式业务系统(DERF2.0)不同起报日的气温、降水预测数据,利用多种评分方法评估1983—2014年预测数据的月尺度预测性能,研究表明:不同起报日的预测评分差异性不大。DERF2.0对冬季和春季的气温预测评分较好,而DERF2.0对降水评分较好的月份主要集中在秋季,表明DERF2.0基本能够预测出贵州的秋季总体旱涝趋势。从空间分布来看,气温的3种评分明显优于降水,表明在空间范围内,气温的预测性能好于降水,尤其是在省的南部和西部地区预测性能较好且稳定,参考性较高;而降水的稳定性较差,参考性相对较低,模式仍有很大的改进空间。从异常预测的优势来看,无论是气温还是降水,该模式对气温和降水异常预测具有一定的优势。     

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。     

月动力延伸预测产品DERF2.0对广西气温和降水的预测评估

基于国家气候中心第二代月动力延伸预测模式业务系统(DERF2.0)开展的1983~2015年的回报试验结果和广西87个台站气象资料,利用距平相关系数ACC、距平符号一致率R和短期气候预测业务趋势异常综合评分(Ps)等3种方法,综合评估了DERF2.0系统对广西的气温和降水的预测性能。结果表明:DERF2.0模式对广西月气温的总体预测效果优于降水,气温与降水的预测效果有明显的月季变化,气温和降水在夏季的总体预报效果不好,但对降水异常的把握程度较高。DERF2.0对广西发生在1994、1996、1998、2005年6、7月的典型洪涝个例有一定的预测能力,影响模式6、7月降水预报误差的原因可能是模式对中高纬度阻塞系统预报偏差,模式仍有很大的改进空间。     

基于DERF2.0产品的重庆月动力延伸期预测分析及应用

根据2015年国家气候中心实时下发的第二代月动力延伸模式(DERF2.0)逐日资料和历史回算资料,统计构建不同时间起报的月500 hPa高度场格点数据序列,针对重庆2月气温和8月降水量方差和预测难度较大的事实,分别分析2010—2014年逐年1月和7月16日、21日、26日、31日起报的2月和8月500 hPa高度场预报场与同期NCEP资料实况场的分布型。结果表明:预测效果低纬好于中高纬,8月总体好于2月;基于上述滚动的500 hPa预报场,试验了4个关键区和5种统计降尺度方法,对重庆2010—2015年2月气温和2010—2014年8月降水量进行回报预测和检验。结果表明,16日起报的模式场对2月气温有较好的参考价值,配合最好的关键区为本区上空,而降尺度方案中Lamb方法效果最佳,二者结合的预测效果最好;虽然8月降水预测效果不如2月气温,但在预测关键区取自定义关键区时,车氏方法的降尺度方案预测效果相对较好。     

基于随机森林模型的雅鲁藏布江流域气温降尺度研究

采用随机森林RF(Random Forest)模型对雅鲁藏布江流域22个站点的日平均气温进行降尺度研究,为了探求在雅鲁藏布江流域更适宜的气温降尺度方法,采用多元线性回归MLR、人工神经网络ANN和支持向量机SVM三种方法作为对比模型,并且采用主成分分析PCA和偏相关分析PAR两种分析方法,进行特征变量筛选。采用纳西效率系数NASH、均方根误差RMSE系数、绝对误差MAE和相关系数r值四种标准来评价模型的模拟效果。结果表明,RF模型的模拟效果要明显优于其他几种方法的模拟结果;采用PAR筛选特征变量的模型计算结果,不仅优于采用PCA筛选特征变量模型的模拟结果,且较稳定,另外,各种模型验证期的NASH效率系数都在0. 86以上,相关系数都在0. 93以上,所用几种模型都能较好地模拟雅江流域平均气温。选取MPI-ESM-LR模式在未来(2016-2050年)两种极端典型浓度路径RCP(Representative Concentration Pathway)排放情景RCP2. 6和RCP8. 5下的试验数据,研究雅鲁藏布江流域未来气温变化趋势表明,雅鲁藏布江流域未来2016-2050年在RCP2. 6和RCP8. 5两种排放情景下,平均气温都呈现出持续上升的趋势,在RCP2. 6排放情景下日平均气温平均上升0. 14℃,在RCP8. 5排放情景下日平均气温平均上升0. 30℃。     

基于DERF2.0的华南前汛期降水订正

针对我国华南前汛期（4—6月）降水,基于国家气候中心第2代月动力延伸模式（DERF2.0）结果,利用非参数百分位映射方法将模式预测结果转化为概率预报,并进行概率订正。分别选用交叉建模与独立样本建模两种订正方法,并利用偏差、偏差百分率、时间相关系数、均方根误差等统计方法检验订正效果。结果表明：订正方法对预报技巧的改善与起报时间无显著相关,且具有误差稳定性,其订正效果受预报误差影响较小;与订正前模式预测降水落区的范围和平均强度相比,订正后结果与观测更接近;按百分位区间统计的不同强度降水订正预报均有明显改进;预测时段的订正效果与回报时段的订正效果基本一致。     

基于DERF2.0的长江中下游春播期气候预测

基于1983—2012年国家气候中心第2代月动力延伸模式 (DERF2.0) 回报资料和春播历史资料,结合NCEP/NCAR再分析资料,选取影响长江中下游地区春播期气候条件的关键环流因子。利用最优子集回归方法建立针对长江中下游地区春播期气候条件的动力模式解释应用预测模型,并对不同起报时次的模式解释应用预测结果进行检验评估。检验结果表明:该解释应用方案对于长江中下游春播期气候条件有较好的预测能力,且随着起报时间的临近,预测技巧整体呈上升趋势。1983—2012年的回报检验还显示,解释应用方案能够较好地模拟出连续不利日数和不利日数的年际变率,同时对年代际变率也有所体现。     

DERF2.0模式对月尺度西太平洋副热带高压预测能力评估

基于国家气候中心第二代月动力延伸预测模式业务系统(DERF2.0)1983—2015年回报数据,利用时间相关系数、标准化均方根误差、距平符号一致率和泰勒图分析等方法综合评估了DERF2.0模式对月尺度西太平洋副热带高压的预测性能。结果表明:模式能够预测出气候平均态上588 dagpm等值线的空间分布及强度和纬向风切变位置,但有偏大偏强的系统偏差。模式对高度场年际变率的预测性能好于纬向风场。模式较为准确地预测了副高气候态的年循环信息,但存在系统偏差,副高面积相对观测偏大,强度偏强,脊线偏北,西伸脊点偏西。模式对副高年际变率的预测性能较好,其中强度最佳,面积其次,脊线相对较差。副高预测性能依赖于超前起报时间,随着起报时间的临近,预测性能整体呈上升趋势,业务中及时更新预测。模式对副高面积超前0~20 d、强度超前0~2 d、西伸脊点超前0~5 d、脊线超前0~7 d起报对未来一个月的预测性能优于持续性预测,业务中可以重点参考。     

基于DERF2.0的月平均温度概率订正预报

国家气候中心第二代月动力延伸模式回算资料的分析表明,二代模式月平均温度预报与观测实况仍然存在较大偏差,模式预报有较大改进空间。本文采用非参数百分位映射法对模式月平均温度预报进行概率订正,该方法基于模式集合平均给出的确定性预报,结合模式回算资料各集合成员计算得到的模式概率密度分布,给出确定性预报在模式概率密度分布中的百分位值,并将百分位值投影到观测资料的概率密度分布中,得到模式预报的概率订正值。对订正前后模式预报的检验评估显示,该订正方案不仅有效降低了模式预报与实况的均方根误差（RMSE）,对月平均温度距平分布的预报技巧也有所改善,不同超前时间模式预报的预测技巧评分（PS）和距平相关系数（ACC）均有提升,同时模式预报误差的大小对订正效果无明显影响。从分月的订正预报结果来看,对夏季各月的温度预测技巧的提升整体高于冬季各月。     

中国地面气温统计降尺度预报方法研究

利用中国752个基本、基准地面气象观测站2000—2010年地面温度日值数据,采用具有自适应特征的Kalman滤波类型的递减平均统计降尺度技术,对中国地面温度进行精细化预报研究。分析该方案的降尺度效果,并与常用插值降尺度方法进行比较。结果表明:1)递减平均统计降尺度技术相比插值方法有较大的提高,显著减小东西部预报效果差异,1~3 d预报的均方根误差减小了1.4℃;2)该方案1~3 d预报的均方根误差为1.5℃,预报误差从东南地区(均方根误差为1.4℃)向西北地区(均方根误差为1.8℃)逐渐增大,并且预报效果夏季优于冬季。因此,递减平均统计降尺度技术对中国地面温度进行精细化预报是可行的。     

DERF2.0模式对江西月尺度气候预测能力的检验评估

基于国家气候中心第二代月动力延伸预测模式(DERF2.0)输出的环流场、地面气象要素场和NCEP/NCAR全球再分析场以及江西省83站气象观测数据,利用空间距平相关系数(ACC)、距平符号一致率(PC)、趋势异常综合评分(PS)三种方法,检验了DERF2.0模式对1983—2018年江西月降水和气温的预测能力,并进一步分析了模式对江西主汛期(6月)异常降水事件预测能力及造成偏差的可能原因。结果表明:1)月气温ACC总体上高于降水,冬季气温和春季降水ACC预报技巧相对较高;模式预测结果总体上能够反映出气温和降水的主要趋势,月气温、降水距平符号一致率均高于55%;模式对江西月降水和气温异常有一定的预测能力,降水PS评分比气温稍好,基本保持在70分左右。2)江西主汛期降水异常偏少时,模式的预测能力较好,而降水异常偏多时,则相对较差,这可能与模式对东亚阻塞高压系统的低估,以及对西太平洋副热带高压模拟的西伸脊点偏西、脊线偏北、强度偏强有关。     

基于DERF2.0模式产品对单站旬、月极端降水日数的预测

该文利用1951—2013年贵阳站逐日降水量观测资料分析其极端降水日数的气候特征,结合DERF2.0月动力延伸预测模式输出的500 h Pa高度场格点资料,将高度距平场与该站极端降水日数距平值利用线性回归及逐步回归的方法建立5月26日起报1~40 d的预测模型,并对预测效果进行检验。结果表明:贵阳站20世纪80年代中期至90年代中期是极端降水日数偏多的时段,其余时段呈现偏少特征,在21世纪10年代之后极端降水日数呈增加趋势;影响贵阳站各旬极端降水日数的天气系统在月内具有阶段性的调整和变动,相比月尺度大气环流信号的稳定性较弱;对比固定时段建模和滑动时段建模下极端降水日数的预测结果,发现固定时段建模的预测结果与实况较为一致,尤其是月尺度预测值与实况值的相关系数较稳定,旬尺度预测值与实况值的稳定性较弱。     

青藏高原极端气温的动力降尺度模拟

利用ERA-Interim再分析资料作为边界条件,基于耦合陆面模式Noah-MP的区域气候模式WRF在东亚区域进行了动力降尺度模拟(简称WRF2),对比格点观测资料,评估了动力降尺度对青藏高原极端气温指数的模拟能力,在此控制试验基础上,分别将WRF的陆面模式替换为Noah LSM,边界条件替换为CCSM4,进行了两组敏感性试验(分别是WRF1和WRF3),通过与控制试验的比较,分析了边界条件和陆面模式对极端气温指数模拟的影响。结果表明,WRF2能较好地模拟青藏高原极端气温指数气候态的空间分布,但存在一定的冷偏差;受边界条件影响WRF3模拟的极端气温指数的气候倾向率存在负偏差。同时,尽管采用不同的边界条件,耦合相同陆面过程的两次数值试验对极端气温空间分布的模拟能力相似,相比WRF2,WRF1表现出更强的冷偏差;但边界条件对极端气温指数气候倾向率的影响大于陆面模式,WRF3模拟的极端气温指数气候倾向率与观测结果更为接近。     

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。     

基于智能网格降水产品的降尺度释用技术研究

利用空间分辨率为5km的广西智能网格降雨量预报产品以及桂南区域自动气象站降雨量实况资料,采用最邻近点法、双线性插值、双三次插值和统计降尺度方法,研究和评估空间分辨率在1km的格点降雨量插值预报释用技术.结果表明:(1)对于分辨率较高的智能网格预报产品,最邻近点法、双线性插值和双三次插值的预报效果无明显差异,其中最邻近点...     

基于GCM模式预报的江西汛期降水降尺度预测模型

基于1951—2013年江西省87个台站逐日降水数据和NCEP/NCAR再分析资料,利用偏相关统计方法选取影响江西省汛期降水的强迫因子,并进行归因分析,最终基于GCM模式预报结果建立江西省汛期降水的降尺度预测模型。结果表明:对江西省汛期降水产生主要影响的两个强迫因子分别是蒙古500 hPa位势高度和前期1—3月黑潮延伸区海表温度,前者反映中高纬的冷空气活动,后者能影响西太平洋副热带高压的位置和强度,两者都将影响江西省汛期降水。利用这两个强迫因子建立降尺度模型能够准确拟合江西省汛期降水,可较好地把握汛期降水的主要趋势,因而可用于江西省汛期降水预测。     

基于组合统计降尺度的华西南部地区冬季气温预测技术研究

利用1982—2017年华西南部地区冬季气温和NCEP再分析资料以及CFS模式实时预测资料,通过SVD诊断分析,选取影响华西南部地区冬季气温的同期关键区大气环流和前期海温及OLR因子场,建立预测与观测场相结合的组合统计降尺度预测模型。该统计降尺度预测模型对1982—2017年的回报结果显示：与观测场的空间相关系数较CFS模式原始预测结果有显著提高,多年均值从-0.06提升到0.38,最高可达0.85。同时,此降尺度预测模型可较好地回报出华西南区冬季气温的空间分布型。     

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。     

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.