Algorithms of automatic calibration of multi-parameter models used in operational systems of flash flood forecasting

In the second article of the serie, new tools of fast and effective automatic calibration of multi-parameter hydrological models are presented. In particular, it is shown that the basic method, the Stepwise Line Search (SLS), two its modifications (SLS-F and SLS-2L) and their combination (SLS-2LF) can be used in automated systems of operational flash flood forecasting where computational efficiency is critical due to a great number of catchments that should be calibrated. Results of implementation of the SLS-based calibration procedures for parametrization of the Sacramento Soil Moisture Accounting Model, which demonstrate their high effectiveness and efficiency, are shown.     

长江上游流域数值预报产品评价分析

使用宜昌市气象局研制的数值预报产品评价分析和客观订正系统,对ECMWF、T213L31模式分别进行预报误差分析和降水主要影响系统预报能力分析。结果表明:ECMWF模式总体误差水平好于T213L31模式,T213L31模式24 h的总体误差水平接近ECMWF 72 h预报;ECMWF、T213L31对影响长江上游流域暴雨的主要天气系统有不同的预报能力,使用宜昌市气象局所研制的订正系统可从一定程度上改善模式预报的输出结果。     

气温和降水时变影响参数的多步预测模型

本文提出了一种气温和降水时变影响参数的多步预测建模新方案。该方案用时间序列均生函数外延矩阵生成的主分量作基函数对序变量建模，同时考虑变量前期数据对后期数据的影响，在模型中引入一个时变影响参数Ｋ１。并用方差分析法求出Ｋ１的显著周期和未来时刻的Ｋ１＋１值，从而建立气温和降水序列的时变影响参数的多步预测模型。该模型用于四川省２０个地、市的气温和降水预报数值试验，其历史拟合率和试报结果与实况值的比较表明，     

基于雷达反射率因子和雷电定位数据的深度学习雷电预报模型

利用卷积神经网络和门控循环单元（Gated recurrent units ）神经网络,基于雷达反射率因子和雷电定位数据开展了雷电预报研究。首先构建了引用注意力机制的基于卷积神经网络和门控循环单元神经网络的深度学习模型（Attention ConvGRU）;然后将雷达反射率因子数据和对应时间段（6 min）的雷电定位数据处理成图像数据后输入深度学习模型,训练出可预报雷电的模型,包括3种模型：单雷电数据模型、单雷达数据模型和雷电〖CD*2〗雷达双数据模型;最后开展了预报试验和定量评估。综合评估表明,本文建立的雷电预报模型综合预报准确率达到96.74%,虚警率35.83%,关键成功指数（Critical Success Index, CSI）为0.2072。个例分析表明,预报模型对于具有明显移动趋势的雷暴过程（A类雷暴）的预报效果优于不具有明显移动趋势的雷暴过程（B类雷暴）,且随着B类雷暴强度减弱模型预报能力逐渐减弱。     

新一代省级农业气象预报系统通用统计预报模型的设计与实现

统计预报方法是农业气象预报业务中常用的一种方法。在“新一代农业气象预报系统”中，系统设计了一种通用统计预报模型构建方法，可用于作物产量预报、农业气象灾害预报等农气预报业务。本文主要介绍了通用预报模型的设计原理、实现方法及应用试验结果等。     

基于聚类天气分型的KNN方法在风预报中的应用

以模式识别和相似预报思想为基础, 建立基于自组织神经网络 (SOM) 的聚类天气分型和交叉验证的K最近邻域非参数估计仿真模型 (KNN)。该模型首先以自组织神经网络技术对西北地区的高空流场和高度场进行聚类分型, 针对不同天气形势下的历史样本, 通过交叉检验, 分别寻求各类天气型下的最佳K组合。为了验证聚类天气分型对KNN方法的影响, 使用2003—2006年冬半年T213数值预报产品和宁夏日最大风速资料, 同时建立了宁夏冬半年日最大风速≥6 m/s天气分型和未分型的KNN预报模型, 并对2007年1—5月进行了预报试验, 预报评估结果表明:天气分型后的预报模型总体上降低了预报空报率, 提高了预报准确率, 特别是某些类天气型, 提高幅度更大, 为分类相似预报开拓了思路。     

基于ELM的风电场短期风速订正技术研究

风速预测是风电场风功率预测的基础,其准确度严重影响着风电场的运行效率。为了提高短期风速预测的准确性,本研究采用了WRF中尺度数值模式,对我国东部沿海某风电场的风速进行预报。在此基础上,利用极限学习机算法(ELM)对WRF模式预报的风速进一步订正。实验结果表明,WRF模式对风速、风向等气象要素有着较好的回报效果,利用ELM算法对WRF模式预报风速进行订正后,预报风速的误差进一步减小,相对均方根误差和相对平均绝对误差降低了20%～30%。与其他的智能算法(BP神经网络、SVM算法)对比分析后得出,ELM算法对WRF模式预报风速具有较好的订正效果,能够有效提高风速预报准确率。     

2006年12月至2007年2月T213与ECMWF及日本模式中期预报性能检验

针对2006年12月至2007年1月T213模式96小时中期数值预报产品进行了天气学检验,并与ECMWF、日本模式96小时预报性能做了对比分析。结果表明,T213、ECMWF、日本模式对亚洲中高纬度地区大尺度环流形势演变和重大调整过程均有较好的预报能力,因此对重大灾害性天气的预报有较好的指示意义。三种模式相比,ECMWF模式对西风指数、850hPa温度、南支槽东移的预报较为准确。     

短期集合预报技术在梅雨降水预报中的试验研究

数值预报的误差来源于初始场和模式的误差,集合预报技术是减小这些误差的有效方法。该文以MM5模式作为试验模式框架,模式的积云参数化方案分别取Anthes-Kuo、Grell、Kain-Fritsch和Betts-Miller方案,边界层参数化方案分别取MRF和Eta方案,通过组合4种积云参数化方案和两种边界层参数化方案产生8个集合成员,对1999年华东地区梅雨期间3个降水个例进行48 h集合预报试验。结果显示不同集合成员的预报结果各不相同,积云参数化方案对降水的影响比边界层参数化方案对降水的影响大;不同集合成员预报降水的偏差也各不相同,大多存在湿偏差,量级小的降水的湿偏差程度比量级大的降水的湿偏差程度小;对于不同个例,各成员中预报效果相对较好的成员是不同的,集合平均后可以得到一个比较稳定的预报结果;从集合预报结果中还能得到客观化和定量化的降水概率预报,它能对可能发生的天气现象发出信号。     

水文气象研究进展

从面向流域的定量降水估测与预报、流域水文模型、水文气象耦合预报三个方面系统介绍水文气象研究进展。研究指出,融合天气雷达、卫星遥感及实况降水等多源信息是精细化定量降水估测产品的主要发展方向;采用多模式降水预报集成技术是提高定量降水预报精度的重要途径;分布式水文模型是流域水文模型的发展方向;引入定量降水预报的水文气象耦合预报模式可以延长洪水预报预见期,水文集合预报是水文预报方法的有效解决途径,而数值预报模式与水文模型的双向耦合模式是另一重要发展方向。     

基于最小二乘支持向量机的副热带高压预测模型

采用EOF时空分解、小波频牢分解和最小二乘支持向量机（LS-SVM）交叉互补方法,建立夏季500 hPa位势高度场的预测模型,用以描绘和表述副热带高压形势场的形态和变化。首先用经验正交函数分解（EOF）方法将NCEP/NCAR再分析资料500 hPa位势高度场序列分解为彼此正交的特征向量及其对应时间系数,随后提取前15个主要特征向龟的时间系数（方差贡献96.2%）,采用小波分解方法将其分解为相对简单的带通信号,再利用LS-SVM方法建立各分量信号的预测模型,最后通过小波时频分量重构和EOF时空重构,得到500hPa位势高度场的预测结果以及副热带高压形势场的预测。通过对预测模型的试验情况和分析对比,结果表明:基于上述思想提出的算法模型能较为准确地描述500 hPa位势高度场的形态分布并预测1~7 d的副热带高压活动,对10~15 d的副热带高压活动预测结果也有参考意义。     

基于模式先验信息的贝叶斯集合降水概率预报试验

为了更好地利用降水预报历史先验概率分布函数信息修订集合概率预报效果,基于贝叶斯原理和贝叶斯降水概率预报模型,分别使用1952—2007年历史观测资料和2009—2011年6月24~120 h中国T213全球集合预报历史资料作为先验信息,对中国不同气候区代表站（广州、南京、武汉和成都）建立贝叶斯降水概率预报模型,对比不同先验信息下集合成员与集成贝叶斯降水概率预报拟合结果差异,分析先验信息对贝叶斯降水概率预报模型的影响,在此基础上,采用模式先验信息的贝叶斯降水概率预报模型,进行2008年6月降水概率预报试验。试验结果表明,由T213集合预报产生的先验信息较历史观测资料产生的先验信息更优,当先验信息的降水概率分布函数曲率最大处偏向降水大值区时,贝叶斯模型的降水预报结果也偏向降水大值区,反之亦然。结果还显示,先验信息对贝叶斯降水概率预报模型有重要影响,若先验信息偏向更多更大降水量时,贝叶斯降水概率预报对有降水的预报更优,若降水先验信息偏向更少更小降水量时,对无雨或微量降水预报效果越好。     

南京市SO2污染浓度时空分布特征及统计预报方法的研究

本文根据南京市六个空气污染浓度监测站的2001年6月至2005年7月的SO2污染浓度监测资料分析南京市SO2污染浓度的时空分布变化特征,结果为6个站浓度值有明显的季节变化特征,且在冬季容易出现南北相反的分布特征。针对目前常用的回归预报方法在选取气象要素时没有考虑其互相之间的相关性的缺点,本文提出了一种建立在EOF展开基础上的首先使预报因子正交化,再与逐步回归方程结合并且资料逐日更新的变系数的新型统计预报模型,经过实际预报检验,预报准确率比较高,有很好的应用效果。     

WRF模式对江苏如东地区风速预报的检验分析

探讨了WRF模式在风电场的风速或者功率预报中应用的可行性, 主要研究和评估了WRF模式对地处东亚季风区及海陆交界的江苏如东地区夏季和冬季风速的短期预报效能。研究发现WRF模式可以比较好地预报如东站冬季的风速, 24 h预报的风速时间序列和观测资料的相关系数可以达到0.61, 通过置信度99%的检验, 48 h和72 h的预报与观测风速相关系数分别为0.54和0.47, 也能通过置信度99%的检验;相对而言, 模式对夏季风速的预报则要差一些, 24 h的相关系数有0.59, 48 h和72 h的相关系数只有0.47和0.30, 但仍能通过置信度99%的检验。在量值上, 模式预报的风速比观测值都略偏大一些。而江苏南通市预报结果显示, 模式的预报效能要比如东稍高一些, 和如东类似, 模式对该地冬季的预报要好于对夏季风速的预报。从更大尺度范围的分析也表明, 模式对不同地区预报的准确度是不一样的, 对海面以及海陆交界的海岸预报精度要高一些, 在平坦的内陆地区预报也比较好, 但在山区预报效能则较差。总体说来, WRF能胜任风速短期预报, 值得进一步研究和应用。     

天气预报的业务技术进展

该文总结回顾了中央气象台近年来的天气预报业务技术进展。天气预报质量的历史演变显示了预报业务水平的提高, 这种业务能力的提高既反映了预报技术的发展, 也带来了天气预报业务的变化。对业务天气预报中各种预报技术应用进展的分析表明:数值预报在天气预报业务能力提高中发挥着重要的基础性作用; 同时, 基于对不同尺度天气影响系统发展演变过程深入认识的基础上, 天气学的预报方法依然是预报业务中的重要技术方法; 动力诊断预报已成为灾害性天气预报中的重要手段之一, 数值预报产品的解释应用是实现气象要素精细定量预报的技术途径。     

基于风暴数值模拟的冰雹临近预报方法研究

该文利用基于格点冰雹识别的研究成果,结合ARPS风暴数值模式的输出结果,提出基于风暴数值模式的冰雹临近预报方法,即用风暴数值预报的水物质场反演的反射率因子场作为冰雹的预报因子,并通过建立基于格点的强冰雹识别算法作为冰雹预报模型,从而对冰雹的落区及大小做出预报。与一般的冰雹预报模型相比,新的方法有以下特点：选取的冰雹预报因子物理意义更加明确,更加全面;建立的冰雹预报模型比较稳定;建立冰雹预报模型的过程相对简单。新的方法在一次强冰雹过程中得到了成功应用,在3h的临近预报中基本准确预报了强冰雹的落区位置。     

上海地区褐飞虱发生程度预测

利用高空环流、海温资料和地面气象资料对上海地区水稻褐飞虱的发生期和发生量组建了长、短期结合的5个预测模型。它们褐飞虱田间始发期预测模型、灯诱始发期预测模型、高峰值出现时间预测模型、高峰虫量预测模型以及褐飞虱自然观察圃密度（百穴虫量）模拟模型。这些预测模型配套组合使用，可以判断上海地区每年褐飞虱发生的时间及严重程度，为褐飞虱的防治提供实时依据。     

An application of the threshold autoregression procedure to climate analysis and forecasting

In this paper a nonlinear method of time series analysis-threshold autoregressive (TAR) model in discrete time is used. The TAR procedure consists of four parts: model building, statistical identification, parameter estimation and forecasting.The object of this study is to estimate monthly total precipitation of Shanghai and Beijing by using open loop TAR model. We can see that the trend of forecasting is in agreement with observations.     

气候模式-农业气象模式集成系统的小麦灌溉管理新途径

首次采用区域数值预报模式与农业气象模型结合的技术途径, 构成一个气候模式-土壤水分模式-灌溉模式的系统模型。模型的数值天气预报部分采用大气过程与陆面过程耦合的区域气候模式; 农业气象模型采用适用于冬小麦区的土壤水分和灌溉管理预报模型。研究表明, 本模型较农业气象模型中一般用气候平均作为环境背景场的方法其预测能力有显著提高, 并提供覆盖整个小麦生长期的区域土壤水分定量预报和灌溉管理服务, 具有很好的使用和推广前景。     

用典型相关分析作副高的统计动力预报模式可预报性研究

本文提出一个关于西太平洋副热带高压（简称副高）的统计动力预报模式，利用它和典型相关分析方法对冬、春和夏季逐月副高预报的可行性进行研究。结果表明，模式的可预报性依赖于预报量场和因子场所提取的分量数，模式的差分形式及预报落后步长。对逐月和不同步长所作的可预报性分析发现步长为1个月有较高的可预报性，不同月份可预报性有所不同，一般夏季较冬季和春季要差。虽然如此，用该模式作夏季副高预报还是具有一定的可能性。在独立样本中所作的预报试验表明，月际预报符号相关系数一般均接近或超过0.60。