一种动态权重的台风集成预报方法

提出了1种动态权重的台风路径与强度集成预报方法,根据前4个时刻(24h,间隔6h)的预报误差来滑动确定接下来预报所用成员及其权重。设计了3种权重形式(最小误差、绝对偏差与相对偏差),并利用2013—2015年6家气象机构的台风预报数据,对台风路径与强度进行了时效为24,48和72h的预报应用检验。结果表明:1)动态权重集成方法在台风路径与强度预报上均有改进,平均预报误差小于单一成员的预报误差。2)路径预报以绝对偏差形式效果最佳,24,48和72h时效的预报误差减小2.4%～40.4%;强度预报以相对偏差形式效果最佳,3个时效的台风最大风速的预报误差减少11.2%～49.9%,而台风中心气压则为11.9%～52.6%。3)相对偏差动态集成预报能有效减小西北太平洋台风在东西方向上的偏差,24和48h均方根误差分别为92.5和146.7km。     

WRF模式中台风"启德"模拟对 参数化方案的敏感性分析

为准确模拟台风路径和强度,采用WRF模式比较不同微物理过程和积云对流过程参数化方案对台风路径和强度模拟的影响,并基于集合预报方法考虑对台风预报系统误差进行优化。选用4种微物理过程方案和3种积云对流参数化方案,针对1213号台风“启德”进行模拟,结果表明不同的参数化方案对台风路径和强度的预报结果有明显影响,积云对流过程参数化方案相对于微物理过程参数化方案更加敏感。基于不同参数化方案扰动成员的集合平均预报方法,对于台风路径和强度的模拟误差均有明显改善,台风路径误差随时间增幅较小,其结果优于全部12个单方案试验的模拟结果;从台风强度方面来看,基于集合预报方法模拟得到的台风强度变化趋势与实况结果一致,且误差较小,优于大多数试验方案。结果表明:采用不同微物理过程和积云对流过程参数化方案的组合构建的集合预报模型,对于台风路径和强度的模拟均有一定程度改善,减小了采用不同参数化方案产生的路径不确定性,使其在台风“启德”的路径模拟上与实况更为接近,可为提升台风预报能力提供科学参考。     

台风路径集合化预报方法的优化

在现有集合化预报方法的基础上,基于预估偏差的思想设计了一种新的优化方案,以进一步提高台风路径预报的精度和稳定性。首先以1307号台风"苏力"为例进行了单场台风的24 h集合预报,对预报过程中的误差进行了详细分析;然后对2013—2015年发生在西北太平洋的所有台风进行了24 h、48 h和72 h集合预报,就其整体误差进行了对比分析。结果表明:优化预报方案在对单场台风的路径预报中,其24 h集合预报误差相较于美、日、中、台等4个气象台站和现有集合预报方案分别减小了12.88%、18.40%、30.58%、19.44%、33.72%,各个预报时刻的预报偏差值波动相对较小;在对2013—2015年的多场台风路径预报中,在24 h预报时效下,优化方案的平均预报误差比现有集合预报方法提高了2.85%,而均方差则减小了10.6%,说明优化方案在保持与现有预报方案精度相当的基础上,在预报稳定性上有了较为显著的提高;48 h的集合预报误差相比于最好的台站中国台减小了4.38%,而72 h的集合预报误差与表现最好的中国台的预报误差相当,且明显小于现有方案的预报误差。     

台风风暴潮异模式集合数值预报技术研究及应用

台风风暴潮数值预报的准确性在很大程度上取决于台风路径预报和强度预报的精度以及风暴潮预报模型的计算精度。目前,国际上24/48 h台风路径预报平均误差分别约为120/210 km左右[1],对于走向异常的台风误差更大;更有,根据单一的台风路径和单族的风暴潮数值预报模式并不能保证获得可靠的风暴潮预报结果。考虑多重网格法原理具有在疏密不同的网格层上进行迭代以达到平滑不同频率的误差分量,使得计算快速收敛,精度提高的特性。在前期研究基础上基于业务化高分辨率(结构网格/有限差分算法)和精细化(非结构网格/有限元算法)台风风暴潮集合数值预报模型构建多模型台风风暴潮集合数值预报系统。采用"非同族"模型进行集合预报很大程度上降低了误差相似遗传的可能性。应用该方法对典型台风风暴潮过程进行了试应用,试报结果表明:该方法对风暴潮增、减水预报效果高于单一集合预报,具有一定的应用前景。     

台风"卡努"的数值模拟试验

台风“卡努”(Khanun,200515)是近年来登陆台风中给沿途造成重大灾害的台风之一。本文以第五代中尺度气象模式(MM5V3)为基础,采用三重嵌套的高分辨率网格设置,分别用四种初始化方案,对台风“卡努”进行了数值模拟试验,分析和探讨了模式的初始化对预报效果的影响。结果表明,MM5模式对台风的模拟预报具有一定的能力,按照常规的方法利用Bogus人造台风涡旋对初始场进行调整以及加入常规观测资料,路径和强度的预报效果都有明显的改进;再加入Quikscat卫星海面风非常规资料,能够减小台风路径预报逐小时预报误差,台风的强度预报也有所改善。     

台风“梅花”(2212)的主要特点和路径预报难点分析

对2022年第12号台风“梅花”的主要特点、路径预报难点问题和路径预报误差特征进行分析,研究主要结论显示：(1)“梅花”登陆次数多、登陆强度强,是首个4次登陆不同省(市)的台风,也是2022年最强登陆台风,造成华东与东北地区长时间、大范围的风雨影响。(2)台风生成初期的中长期时效路径预报是路径预报难点之一,模式对台风主要影响系统的长时效预报存在明显偏差,针对模式的及时检验和订正对预报调整非常重要。(3)双台风或多涡旋情景下,集合预报发散度大,“梅花”陆上路径预报偏西偏慢,其东侧“南玛都”的强度和位置差异对其路径有明显影响。(4)台风变性过程中的移速误差是路径预报极大误差的来源,关注台风是否处于变性过程可作为调整台风移速预报的参考。未来开展多模式交叉实时检验,基于集合预报研发针对转向变性台风路径预报订正技术可为主观预报提供支撑。     

台风Bogus资料的四维变分同化试验

给出人造台风(即Bogus)资料同化方案,并用于生成台风的初始结构,同时用9608号台风进行了测试,资料同化和预报均采用第5代中尺度模式系统(The Fifth-Generation NCAR/Penn State Mesoscale Model,简称MM5),结果发现该方案能产生成熟台风的许多结构特征,对9608号台风的预报也有明显改进.模式的初始场更适合于预报模式,能有效抑制积分初期的旋转加强(即Spinup)现象;强度预报和路径预报都得到改善,Bogus资料同化方案的各时次路径预报误差均比Bogus资料直接嵌入方案的误差要小.     

基于机器学习方法对台风浪短期预报应用

基于第三代海浪模型SWAN建立中国东海波浪数值模型,模拟1509号“灿鸿”台风,1909号“利奇马”台风和2106号“烟花”台风过境期间的波浪场,并将结果作为多层感知机,随机森林和支持向量回归预报台风浪模型的数据集,同时引入空间性特征对算法输入进行改进,并对比不同模型的训练速度。结果显示,加入空间性特征后,模型预报精度得到提升,其中多层感知机均方根误差降低40.4%,运行速度最快,随机森林均方根误差降低20.8%,运行速度最慢,支持向量回归均方根误差降低8.7%,运行速度介于前两者之间。表明改进后的模型有效提高了预报精度,可以用于针对台风浪的短期预报。     

新一代静止气象卫星葵花8号的晴空红外辐射率资料同化对台风“天鸽”的预报影响研究

本文以2017年第13号台风“天鸽”（Hato）为例,在WRFDA同化系统中结合日本葵花8号（Himawari-8）资料,通过同化Himawari-8晴空红外辐射率资料并进一步考察其对台风“天鸽”的结构、强度、路径分析和预报的影响。研究结果表明:同化Himawari-8晴空红外辐射率资料对台风背景场的水汽相关变量分析有显著改进,对背景场中的台风水汽信息有一定的改进作用。与控制实验,即没有同化Himawari-8晴空红外辐射率资料的实验相比,加入同化实验对台风“天鸽”的风场、500 hPa气压场的分析效果有所提高,台风气旋性环流加强,并进一步改进了对台风“天鸽”的路径、台风中心最低气压和近中心最大风速的预报。平均路径误差和降水预报相对于常规观测变量的均方根误差均有所改善。     

1986年台风路径业务预报的评价

本文介绍了我国、日本和美国关岛的1986年台风路径业务预报和国内各种客观预报方法的平均距离误差、技巧水平以及对三个台风关键时刻的预报精度,分析了预报误差增大的原因后指出:提高台风实时定位精度是改进路径预报的重要途径;目前除了对那些移向移速突变和路径异常的台风缺乏预报能力外,对那些移向变化稍大的转折点预报同样存在一定难度。在业务预报中必须引起重视。     

基于GPU技术的风暴潮集合预报

台风预报的准确性在风暴潮预报中起着重要作用。台风强度和路径的不确定性意味着使用集合模式来预报风暴潮。本文利用中央气象台的最优路径台风参数驱动国家海洋环境预报中心业务化的水动力学模型,开展华南沿海的风暴潮模拟,模式模拟结果与实测吻合较好。为了改进计算效率,采用CUDA Fortran 语言对模型进行了改造,改造后的模型在计算结果与原模型基本一致的基础上,计算时间缩短了99%以上。通过融合欧洲中期天气预报中心（ECWMF）的50条路径与3种可能台风强度构造出了150个台风事件,并用150个台风事件驱动改进的风暴潮数值模型,计算结果可以提供集合预报产品和概率预报产品。通过“山竹”台风风暴潮过程可以发现集合平均预报结果和概率预报结果与实测吻合较好。改进的数值模型可以运行普通工作站上,非常适合风暴潮集合预报,并且可以提供更好的决策产品。     

不同 AMDAR资料同化时间窗对台风“摩羯”预报影响研究

2018年第14号台风“摩羯”对山东造成了大范围暴雨和大风天气,基于WRF（Weather Research and Forecasting）模式及其Hybrid-3DVAR混合同化预报系统,对Hybrid-3DVAR不同集合协方差比例和不同航空气象数据转发（aircraft meteorological data relay,以下简称AMDAR）资料同化时间窗对台风“摩羯”预报的影响进行了数值研究。结果表明：加大集合协方差比例对台风“摩羯”路径预报有较大影响和改进;当全部取来自集合体的流依赖误差协方差时,预报的台风路径最好,降水预报也最接近实况;AMDAR资料同化对于台风路径和降水预报也有正的改进作用,但加大集合协方差比例到100%时对台风路径预报影响更大;不同资料同化时间窗会影响同化的AMDAR资料数量,从而影响台风降水精细化预报;45 min同化时间窗的要素预报误差最小,对台风造成的强降水精细特征预报最接近实况;不同资料同化时间窗主要影响台风降水预报落区分布,对台风路径预报影响相对较小。     

CMA数值模式对台风“杜苏芮”(2305)的预报性能分析

2023年第5号台风“杜苏芮”海上维持超强台风时间长达约72 h,登陆福建时为强台风级,登陆后维持时间长达22 h,给我国近海、沿海和内陆地区造成了严重的风雨影响。各家数值模式预报出现较大分歧,给综合预报造成较大困难。为了更好地对模式做出解释应用,重点检验中国气象局区域台风数值预报系统（China Meteorological Administration_Regional Mesoscale Typhoon Numerical Prediction System,CMA-TYM）和中国气象局全球同化预报系统（China Meteorological Administration_Global Forecast System,CMA-GFS）的路径和强度预报在“杜苏芮”预报过程中的表现,并采用欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）和美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）预报与之对比,从而找出国产模式的优势和不足。检验结果发现,CMA-TYM路径预报误差与NCEP相近,大于ECMWF和CMA-GFS。在台风生成初期,CMA-TYM对其移动方向预报出现较大偏差,明显偏向了实况路径的右侧。23日开始的路径预报对登陆点把握良好,误差主要由对移动速度的预报偏快造成。CMA-TYM对快速加强过程的预报效果较其他模式具有显著优势。CMA-GFS的路径预报质量较好,平均误差略大于ECMWF,但小于NCEP和CMA-TYM,尤其是对长时效预报具有较好的可参考性,但对强度预报明显偏弱。     

基于非稳态调和分析和长短时记忆神经网络的河口潮位短期预报混合模型

河口潮汐过程受上游径流、外海潮波等因素影响,动力机制复杂,潮位预报难度大。本文提出了一种基于非稳态调和分析（NS＿TIDE）和长短时记忆（LSTM）神经网络的混合模型,对河口潮位进行12～48 h短期预报。该模型首先对河口实测潮汐数据进行非稳态调和分析,通过与实测资料对比得到分析误差的时序序列,并以此作为LSTM神经网络的输入数据,通过网络学习并预测未来12～48 h潮位预报误差,据此对NS＿TIDE的预测结果进行实时校正。利用该模型对2020年长江口潮位过程进行了预报检验,结果表明混合模型12 h、24 h、36 h和48 h短期水位预报的均方根误差（RMSE）相比NS＿TIDE模型至多分别降低了0.16 m、0.15 m、0.14 m和0.12 m;针对2020年南京站最高水位预测,NS＿TIDE模型预报误差为0.64 m,而混合模型预报误差仅为0.10 m。     

台风“杜苏芮”(2305)的主要特点及路径和强度预报难点分析

通过总结2023年第5号台风“杜苏芮”的主要特点,并对主要的预报难点问题进行分析和研究,得出以下主要结论：（1）“杜苏芮”登陆强度强,是2023年截至10月登陆我国最强的台风,登陆后在陆上长时间维持,造成福建、安徽等地多站点风雨观测突破历史极值,黄淮、华北等地出现历史极端强降雨天气。（2）在“杜苏芮”生成初期,由于副热带高压受到多系统的影响,数值模式对于“杜苏芮”台风东侧新生热带扰动的强度、位置预报存在偏差,是产生较大路径预报偏差的原因。（3）“杜苏芮”登陆前形成双眼墙结构增加了登陆强度预报的难度,有利的形势条件和多源观测资料的应用为台风强度预报提供了良好的支撑。（4）“杜苏芮”登陆后,来自西南季风和第6号台风“卡努”共同的水汽输送、太行山地形作用以及移动路径上弱的垂直风切变均有利于台风减弱后的低压环流长时间维持。     

基于多源数据的长江口概率风暴潮预报系统

将6个气象预报机构对西北太平洋一带台风的预报数据合并为一个分析数据。根据分析数据,共得到45个台风样本（5条台风路径、3个台风最大风速和3个台风中心气压）,基于WRF和FVCOM模型建立了一套适用于长江口及附近海域的风暴潮预报系统,以热带气旋“利奇马”（201909）为例,利用该预报系统进行了模拟预报,实现了风暴潮的集合预报和概率预报。结果表明,该系统对增水具有较好的预测精度,可提供各增水场的发生概率。     

台湾岛对登陆台风的影响特征

利用2000—2014年上海台风所最佳台风路径资料和中央气象台路径和强度综合预报资料,分析登陆台湾岛的台风在登陆前48 h和登陆后18 h期间的强度和路径变化特征。结果表明:共有35个台风登陆台湾岛,其中29个资料完整的自东向西登陆台湾岛的台风过程中有26个发生在7、8、9月,登陆频数为89.7%。台风在登陆前48~18 h内强度逐渐增强,以后基本保持不变,一直持续到登陆前6 h,之后开始减弱;从登陆前6 h到离开台湾岛后6 h的时间内,强度由41.0 m·s~(-1)减小到29.6 m·s~(-1),共减小了27.8%。台风经过台湾岛前48~36 h预报移向比实况偏北,30~0 h预报路径偏南。另外,登陆前24 h和登陆后6 h台风强度变化线性回归关系式在2015年登陆台湾岛的台风个例中得以验证,可以在业务预报中参考使用。     

一种简单的台风风暴潮过程预报方法的研究

目前,由于台风预报路经和强度上的误差,致使在台风到达前做出风暴潮数值预报是非常困难的,在克服路径和强度预报误差方面,美国、日本均采用了类似的在预报业务中简便可行的方法[1,2]。近年来,我国风暴潮数值实验蓬勃展开,获得了一些有益成果,但尚未进入预报业务。     

基于循环神经网络的单站能见度短临预报试验

由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15. 75%、31. 66%、41. 26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12. 90%、24. 45%、38. 99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。     

福建沿海精细化台风风暴潮集合数值预报技术研究及应用

该文首先基于高级环流模型(ADCIRC)建立了一个适合台湾海峡及福建沿海区域的精细化台风风暴潮数值预报模式。利用所建立的精细化数值预报模式对影响台湾海峡及福建沿海的8次台风风暴潮个例进行了模拟,对模拟的24个站次的风暴潮增水峰值与实测值进行了对比,平均绝对误差小于15 cm;其次,为了尽可能减小由于台风路径预报误差而造成的风暴潮增减水误差,本文采用了集合数值预报技术,试报证明此方法可以在一定程度上减小风暴潮增减水误差。