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。     

青藏高原北部地区M≥7强震有序网络结构及其预测研究

青藏高原北部地区是中国西部主要地震区,自1700年以来,该区M≥7强震具有显著的有序性,其主要有序值为106~107 a、77~78 a、53~54 a、26~27 a、10~11 a与3~4 a等.以翁文波信息预测理论为指导,将有序性分析与复杂网络技术相结合,努力探索具有中国特色自主创新的强震中长期预测方法,构建了青藏高原北部地区M≥7强震信息有序网络结构.在总结该区21世纪以来3次大震(2001年昆仑山8.1级大震、2008年汶川8.0级大震和2010年玉树7.3级强震)预测研究的基础上,根据所建强震有序网络结构提出新的预测意见:2014—2015年、2026—2027年和2030年前后该区仍有可能发生M≥7强震.研究结果表明此方法对于强震的中长期预测具有独特的效果.     

南黄海海域M≥6强震趋势预测及其论证分析研究

南黄海地区是我国东部中强地震活动最为活跃的地区之一,自1846年以来,该研究区M≥6强震活动具有显著的可公度性和有序性,其主要有序值为74~75 a、57~58 a、11~12 a和5~6 a,其中74~75 a和57~58 a具有突出的预测作用.根据翁文波信息预测理论,在回顾总结成功预测1996年11月9日南黄海6.1级强震的基础上,深入研究了南黄海海域M≥6强震活动的可公度性及其预测功能,构建并完善了南黄海海域M≥6强震的二维和三维有序网络结构,对该区未来M≥6强震趋势进行了预测,并对预测的可能性与合理性进行了论证分析.研究结论表明：南黄海海域未来新一轮强震活跃幕的首次M≥6强震将发生在2053-2054年前后,未来第2次M≥6强震或强震群可能发生在2058-2059年前后.     

新疆地区M≥7强震有序网络结构及其预测研究

自1800年以来,新疆及其邻区M≥7强震具有显著的可公度性和有序性,其主要有序值为30a×k(k=1,2,3)、11～12a、41～43a与18～19a等.根据翁文波信息预测理论和复杂网络技术,努力探索具有中国特色自主创新的强震预测方法,构建新疆地区M≥7强震信息有序网络结构,充分揭示了新疆地区近200a来M≥7强震链的活动规律,并据此较为成功地预测了2008年于田7.3级强震的发生.同时还提出新的预测意见:2014-2015年、2019-2020年以及2026年前后新疆地区仍有可能发生M≥7强震.研究结果表明强震是可以预测的.该方法对于强震的中长期跨越式预测具有独特效果.     

基于TIGGE多模式降水量预报的统计降尺度研究

利用TIGGE资料中欧洲中期天气预报中心、美国国家环境预报中心、英国气象局以及日本气象厅4个中心,1~7 d预报时效的降水量预报资料,以TRMM/3B42RT降水量作为"观测值",对东亚地区降水量进行统计降尺度处理。首先利用逻辑回归方法将天气分为有雨和无雨,再对有雨的情况,利用线性回归方法对插值后的预报结果进行降尺度订正,最后将4个中心的预报值进行消除偏差集合平均,得到多模式集成的降水量预报场。结果表明:逻辑回归能够有效地改善预报中小雨的空报情况,统计降尺度订正后的预报结果比直接插值更加准确,多模式集成的预报效果优于单模式结果,其改进效果随预报时效的延长逐渐减小。     

基于深度学习的中国地面气温的多模式集成预报研究

基于TIGGE资料中的欧洲中期天气预报中心、英国气象局、美国国家环境预报中心、韩国气象厅和日本气象厅2015年1月1日—9月30日中国及周边地区地面2 m气温24～168 h集合预报资料,利用长短期记忆神经网络(Long Short-Term Memory,LSTM)、浅层神经网络(Neural Networks,NN)、滑动训练期消除偏差集合平均(BREM)和滑动训练期多模式超级集合(SUP)方法对2015年9月5—30日26 d预报期进行集成预报试验。结果表明,BREM对5个单模式进行等权集成,预报结果易受预报效果较差模式的影响,整体预报技巧略低于单个最优模式ECMWF的预报技巧。其中在新疆南部,等权集成后的预报技巧更低。SUP的预报结果比所有单个模式预报更为准确。在144 h之前,SUP的误差明显小于ECMWF的预报误差,但随预报时效增加,误差增长幅度增大。NN对地面气温的预报效果与SUP的预报效果相当。LSTM整体预报效果最好,特别是在预报时效较长(超过72 h)时,比其他方法预报准确率明显提高。LSTM神经网络方法明显改进了我国西北、华北、东北、西南和华南大部分地区的气温预报,但在南疆部分地区误差较大。     

新疆及其邻区4次M ≥ 7强震预测总结与未来7级强震预测研究——基于有序网络结构分析

1800年以来,新疆及其邻区M ≥ 7强震具有显著的可公度性和有序性,其主要有序值为(30 a)×k(k=1,2,3)、11~12 a、41~43 a、18~19 a与5~6 a等.利用翁文波信息预测理论,根据已有的研究成果,将有序网络结构分析与复杂网络技术相结合,补充新信息,不断总结优化和构建该研究区M ≥ 7强震二维平面与三维立体有序网络结构,充分揭示该区210多年来M ≥ 7强震的活动规律,并据此较为成功地预测了1996年以来该区所发生的4次M ≥ 7强震,即从1996年喀拉昆仑山7.1级强震,到2003年俄、蒙、中边境7.9级强震,再到2008、2014年于田2次7.3级强震.同时还提出新的预测意见:该研究区未来2次M ≥ 7强震将可能发生在2019-2020、2025-2026年前后.研究结果表明:强震是可以预测的.有序网络结构分析方法对于强震的中长期跨越式预测具有独特效果.     

基于TIGGE资料的东亚地面气温预报的不一致性研究

基于TIGGE资料中欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)和中国气象局(CMA)3个集合预报系统的地面气温集合预报资料,运用跳跃指数研究了3个集合预报系统中东亚地面气温的控制预报及集合平均预报的不一致性。结果表明,各个集合预报系统地面气温预报的时间平均不一致性指数差异较大。ECM WF时间不一致性指数最小,NCEP次之,CM A最大。另外NCEP的控制预报、ECM WF的控制预报和集合平均预报,这三者的时间平均不一致性指数随预报时效延长而增加,且集合平均预报一致性优于控制预报。而对于CMA预报的不一致性,无论是控制预报还是集合平均预报总体上都稳定地保持在较高的水平。此外,ECMWF的地面气温冬(夏)季预报的不一致性相对较强(弱),且单点跳跃随预报时效延长变化不明显,而控制预报和集合平均预报的异号两点跳跃以及三点跳跃出现的频率总体上随预报时效延长略有增加。     

基于TIGGE资料的地面气温和降水的多模式集成预报

利用TIGGE资料集下中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24 h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96 h延长至192 h,且除个别时效外,小雨、中雨的TS评分得到明显提高。     

基于卡尔曼滤波的中国区域气温和降水的多模式集成预报

利用TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。     

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.     

基于TIGGE资料的集合成员优选方法

利用2007年6月8日—8月31日东亚地区TIGGE集合预报资料中欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF)和英国气象局(United Kingdom M et Office,UKM O)两个中心的地面2 m气温资料进行集合成员优选研究。结果表明,对于24~96 h预报,集合成员优选方法能够较好地选出预报技巧较高和预报技巧较低的集合成员。个例分析表明,在极端天气出现的地区,优选集合平均的预报优势较为明显。对比ECMWF和UKMO的集合成员优选结果发现,ECMWF的预报效果优于UKMO的预报效果。     

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。     

长江中下游6—7月降水的降尺度模型

基于偏相关的强迫因子选取方法,以长江中下游6—7月降水为例,进行了降水变率的归因分析,并建立了相应的统计降尺度模型。结果表明,影响长江中下游6—7月降水的强迫因子主要有两个:西太平洋850 h Pa的位势高度(W_(PH8))和黑潮延伸区的海表温度(K_(SST))。W_(PH8)反映的是西太平洋副热带高压对长江中下游降水的影响;K_(SST)反映了黑潮延伸区的变率。基于这两个因子的线性降尺度模型能较好地拟合长江中下游6—7月的降水,在独立检验和模式检验阶段,模型体现出了可靠性,因而可用于长江中下游降水的季节预测。     

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。