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。     

四种定量降水预报客观订正方法对比研究

基于2019年全年、不同季节、不同预报时效的欧洲中期天气预报中心模式的定量降水预报,检验评估了频率匹配、最优TS评分、最优百分位、概率匹配4种定量降水预报客观订正法的综合性能.利用理想模型研究了不同雨带位移偏差和干湿偏差情形下频率匹配法与最优TS评分的表现,并通过个例订正展示了4种定量降水预报订正法的基本特征.结果表明...     

基于频率匹配法的降水预报订正

使用四川省国家气象站2020年和2021年汛期逐日降水观测资料、欧洲中期天气预报中心（ECMWF）、美国国家环境预报中心（NCEP）两家数值模式24～72 h降水预报资料,采用频率匹配法订正两家模式的预报降水,并进行降水检验和个例对比分析。结果表明,频率匹配法使ECMWF、NCEP的小雨、暴雨预报技巧提升,但中雨、大雨的订正效果不佳。频率匹配法减小小雨空报率,使晴雨预报准确率大幅提升。频率匹配法减小暴雨漏报率,使暴雨TS评分提高,但它无法订正与观测雨量相差较大的暴雨漏报区。     

基于概率匹配的西南区域模式定量降水订正试验

利用2014—2015年5—10月地面观测降水资料和同时段的西南区域模式降水预报资料,基于概率匹配方法,采取分区及点对点匹配两种方案对2016年6—8月降水集中时段逐12h累积降水进行订正试验。结果表明:(1)订正后的模式预报相比订正前而言,平均(绝对)误差有所减小,降水落区的范围和平均强度与实况更加接近;(2)量级偏差越大,运用该方法的订正效果越好,夜间降水订正效果优于白天;(3)分区统计方案对模式系统性偏差的订正效果优于点对点方案,合理的区域划分增加统计样本量可以提高订正效果。     

基于频率匹配法的SWC-WARMS模式降水订正试验

基于西南区域数值预报模式（SWC-WARMS）2019年5~8月00时起报的24h累计降水预报资料和四川省气象站点降水观测资料,采用频率匹配法对6月1日~8月31日降水预报值进行了偏差订正。结果表明：模式预报的24h累计降水量总体为湿偏差;订正后降水量平均绝对误差减小;大雨和暴雨的偏差评分提高;小雨、中雨、大雨的TS评分提高,暴雨TS评分降低;各量级的空报率均有所降低,小雨和中雨漏报率减小,大雨和暴雨漏报率增大,尤其是暴雨漏报率显著增加;当模式对暴雨降水落区预报较好（差）时,频率匹配订正能提高（降低）TS评分。     

基于分位数映射法的黑河上游气候模式降水误差订正

区域气候模式降水弥补了高寒山区气象站点稀少的缺陷,是水文模拟的重要驱动变量。然而,高寒山区模式输出降水的总量和频率都存在较大不确定性。因此,改进了用于降水频率纠正的分位数映射法(Quantile Mapping,QM),对中尺度数值预报模式(Weather Research and Forecasting model,WRF)模拟的黑河上游日降水输出数据进行误差订正。选取第95分位和第98分位降水量为阈值,选择2004-2009年为建模时段,2010-2013年为验证时段,使用分段拟合的方法建立传递函数,侧重于对极端降水进行单独订正。研究结果表明:该方法不仅对降水空间分布有明显的改善,对极端降水也有很好的订正效果。订正前模式模拟日降水与台站之间的均方根误差为3.41 mm·d^-1,绝对偏差为115.67 mm·y^-1,订正后均方根误差减少为3.11 mm·d^-1,绝对偏差有明显改善,为60.3 mm·y^-1。订正后流域内年降水空间分布更加合理,年降水量也更接近于观测降水插值结果,其空间相关系数由0.74改善为0.94。春、夏季订正效果优于秋、冬季,其中夏季订正效果较为明显,订正前降水偏差百分比在-0.1~0.1以内的区域面积仅占流域总面积的28%,而订正后占比增加至66%。同时,该方法对极端降水有较好的订正效果,减小了日降水强度(SDII)和极强降水量(R99p)的模拟偏差,订正后的第95分位模拟降水与观测降水插值的相关系数由0.15提高到0.48。本研究为站点稀少的黑河上游提供了一种更有效的误差订正方案,有利于为寒区水文研究获取更精确的降水数据。     

基于分位数映射法的四川省ECMWF模式降水预报误差订正分析

为做好ECMWF(European Centre for Medium-Range Weather Forecasting)模式本地化释用,提高四川省降水预报准确率,对四川省2020—2021年7—9月模式各量级降水预报系统性偏差规律分析发现,该模式预报的雨日较实况偏多,尤其是攀西地区和川西高原;预报的大雨日数盆地西南部及攀西地区多于实况,而盆地南部少于实况。然后,基于分位数映射法对模式预报的24 h累积降水开展大量级降水订正试验与检验。基于分位数映射法订正后,暴雨及以上量级TS(Threat Score)提高7%～15%,且各量级降水TS均高于多模式集成客观预报产品2%～4%,大雨及以上、暴雨及以上量级命中率提高10%～20%,订正后雨带位置特别是暴雨落区与实况更接近。     

华南前汛期不同降水时段的特征分析

利用1957-2001年华南地区74个测站逐日降水资料和同期NCEP／NCAR逐日再分析格点资料，对华南前汛期(4-6月)不同降水时段的特征进行了比较。分析发现，华南前汛期降水由锋面降水和夏季风降水两个时段组成。锋面降水时段主要集中在4月，为典型的由冬到夏过渡的环流形势，华南地区高空为平直的副热带西风急流，大气层结稳定，水汽来源主要是阿拉伯海的西风输送和西太平洋副高南侧东风的转向输送；南海夏季风爆发前，副高仍控制南海地区，华南地区水汽输送主要来源于阿拉伯海的西风输送和西太平洋副高南侧东风的转向输送及孟加拉湾的西南输送；南海夏季风爆发后，副高东撤退出南海地区，南半球越赤道水汽输送加强并与孟加拉湾水汽输送连通，华南区域内对流发展；夏季风降水时段盛期主要集中在6月，此时南亚高压跃上高原，华南地区处于南亚高压东部，对流发展极其旺盛，强大的南半球越赤道水汽输送越过孟加拉湾和南海地区向华南地区输送。     

基于Delta分位数映射法的青藏高原中东部IMERG卫星降水误差订正

可靠的降水资料对理解青藏高原水量平衡和水循环过程尤为重要。IMERG(Integrated Multi-satellitE Retrievals for Global Precipitation Measurement)是新一代卫星降水产品,具有更广的覆盖范围与更高的时空分辨率,但在高原复杂地形条件下仍然存在较大的不确定性。鉴于此,本研究应用Delta分位数映射法(Quantile Delta Mapping, QDM),对IMERG日降水数据进行偏差订正,使用2001-2010年的中国区域地面气象要素数据集(China Meteorological Forcing Dataset, CMFD)降水数据和IMERG日降水产品分季节建立传递函数,对2011-2014年的IMERG逐日降水进行订正。研究结果表明：(1)Delta分位数映射法能够有效订正IMERG的降水频率、数值和空间分布,对极端降水和负偏差较大区域的订正效果更为明显。订正后的IMERG降水概率分布更加接近观测概率分布,降水偏差也更符合正态分布,改进了对全年和季节降水空间分布的刻画,提高了月降水的精度。(2)订正后日降水量均...     

海河流域东北冷涡背景下的降水预报订正研究

针对海河流域东北冷涡降水样本,应用海河流域加密自动站降水资料及欧洲中期天气预报中心(ECMCWF)降水预报资料,利用滑动相关分析方法建立重组预报序列,基于加密自动站24 h累积降水量及重组24 h降水预报序列的Gamma累积概率分布曲线,采用预报—实况概率匹配方法建立1～3日的短期订正模型并进行试报检验.结果表明:欧洲...     

热带大气季节内振荡对华南前汛期降水的影响

本文基于实时的热带大气季节内振荡(MJO)指数和中国台站降水资料,研究了MJO对中国华南前汛期(4～6月)降水的影响.结果表明,随着MJO的活跃中心从印度洋进入西太平洋,华南地区的降水由偏多转为偏少.最显著的降水正负异常分别位于第4位相和第7位相,其区域平均的最大正负异常值相对于气候平均值的变化约为17%和11%.与降...     

华南前汛期降水异常与水汽输送的关系

采用1958-2000年华南57站前汛期日降水资料和NCEP／NCAR逐日水汽输送再分析资料，分析了华南前汛期降水异常与水汽输送的关系，并对旱、涝年进行了比较分析。结果表明：华南地区经向水汽输送的异常变化将导致该地区的异常旱涝，而纬向水汽输送的异常变化只导致该地区出现小范围的降水异常。旱年和涝年的异常水汽输送不是简单的反位相关系。来自印度洋和西太平洋的水汽对华南地区前汛期的降水异常没有明显的作用，南海(主要是其北部)才是华南降水异常的关键区。     

基于SVD与机器学习的华南降水预报订正方法

降水是在多种天气系统和复杂物理过程共同影响下形成的,因此降水预报难度较大。由于数值预报模式的局限性,使得模式预报产品存在一定误差。为探讨更加有效的模式预报产品误差订正方法,基于奇异值分解（SVD）与机器学习（多元线性回归、套索回归、岭回归）构建订正模型,对2007—2019年4月1日—6月30日华南前汛期欧洲中期天气预报中心（EC）模式降水预报产品进行误差订正试验。结果表明：基于SVD与机器学习相结合的订正模型能有效降低EC模式降水预报产品在华南的预报误差,均方根误差最大优化率达4.2%,累计超过69%的站点得到不同程度的优化;SVD与机器学习相结合的订正模型能很好地处理因子间共线性问题,具有更好的鲁棒性;而对多个订正模型加权集成,均方根误差优化率达5.7%,累计超过77%的站点得到优化,显然加权集成方法订正效果不仅优于EC模式预报产品,也优于参与集成的任一订正模型。     

概率匹配订正法在湖北襄阳地区降水预报中的应用

数值预报产品在天气预报预警中有着重要的作用。2016—2020年汛期ECMWF模式预报降水与湖北襄阳区域站观测降水的对比分析表明：ECMWF对中雨及以上降雨的预报，第1、2天预报偏小，而第3天预报偏大；三个预报时段强降雨中心位置偏差无规律。为了更好地对ECMWF产品进行释用，提高汛期降水预报准确率，从概率匹配角度研究了不同降水量级订正值，并对2021年汛期ECMWF降水预报进行逐日检验。结果显示：概率匹配订正法可有效地改善模式预报性能，对中雨及以上降雨预报均有良好的订正效果，尤其对第1天暴雨预报改进最为明显。228站平均的TS评分提高了6个百分点，由11.1%增加到17.1%，漏报情况改良了13.5个百分点，由85.0%降为71.5%。采用该订正法开展定量降水预报，由于增加了当地降雨概率分布的背景信息，能表现出比原模式更高的参考价值。     

前汛期福建最后一场强降水分析

前汛期最后一场强降水结束后，副高往往有一段稳定期，位置适外福建睛空，全省进入少雨阶段，人们称之伏旱。研究前汛期最后一场强降水迟早的气候特征，活动规律，成因，并对其预测，这无疑对水库的调度，以及电力，农业，水产等各行各业生产和人民生活具有重要的现实意义。     

降水偏差订正的频率(或面积)匹配方法介绍和分析

针对AREM模式降水预报的偏差特征,开展了基于频率(或面积)匹配方法的降水偏差订正试验,重点介绍了该方法的原理和实现过程,并对订正前后的结果进行了系统检验,深入分析了该方法的优缺点并指出了可能的改进方向。经过3个月降水集中期(2012年6—8月)的逐日试验分析结果表明:(1)该方法能显著改善模式降水预报中雨量和雨区范围的系统性偏差,订正后降水预报的范围和平均强度与实况更加接近;(2)偏差愈大订正效果愈好;(3)原理上此法不能订正降水的落区位置偏差,但通过改变雨区范围的大小,订正后降水预报的TS和ETS的评分也有一定程度提高,尤其是小雨量段,订正使数值预报的"有雨或无雨"的定性降水预报的质量得到明显改善。针对该方法"不能改进降水落区偏差"的局限性,提出了5种可以改进和尝试的方法,同时指出,该方法和原理可以用于单站降水预报、雾和水文的流域预报的偏差订正。     

Changes in Persistent and Non-Persistent Flood Season Precipitation over South China During 1961-2010

The characteristics and possible causes of changes in persistent precipitation（PP） and non-persistent precipitation（NPP） over South China during flood season are investigated using daily precipitation data from 63 stations in South China and NCEP/NCAR reanalysis data from 1961 to 2010. This investigation is performed using the Kendall＇s tau linear trend analysis, correlation analysis, abrupt climate change analysis, wavelet analysis, and composite analysis techniques. The results indicate that PP dominates total precipitation over South China throughout the year. The amounts of PP and NPP during flood season vary primarily on a 2–5-yr oscillation. This oscillation is more prominent during the early flood season（EFS; April–June）. NPP has increased significantly over the past 50 years while PP has increased slightly during the whole flood season. These trends are mainly due to a significant increase in NPP during the EFS and a weak increase in PP during the late flood season（LFS; July–September）. The contribution of EFS NPP to total flood season precipitation has increased significantly while the contribution of EFS PP has declined. The relative contributions of both types of precipitation during LFS have not changed significantly. The increase in EFS NPP over South China is likely related to the combined efects of a stronger supply of cold air from the north and a weaker supply of warm, moist air from the south. The increase in NPP amount may also be partially attributable to a reduction in the stability of the atmosphere over South China.     

CWRF模式在中国夏季极端降水模拟的误差订正

利用1980—2015年6—8月我国逐日降水观测数据评估CWRF模式（Climate-Weather Research and Forecasting model）多种参数化方案对我国夏季日降水的模拟能力,并考察累积概率变换偏差订正法（CDFt）的订正效果。通过将广义帕累托分布（GPD）引入到偏差订正模型中,提出针对极端降水的累积概率变换偏差订正法（XCDFt）,检验和评估其对极端降水订正的适用性。结果显示:CWRF模式微物理过程选用Morrison-aerosol参数化方案组合对我国降水场的模拟较好,CDFt订正效果良好;XCDFt偏差订正模型能够较好地提取模式建模与验证时期变化信号,订正后相比订正前与观测极端降水的概率分布更为接近;经过XCDFt订正后华南、华中和华北地区20年一遇的极端降水重现水平较模拟值更接近观测值,可为CWRF模式提高极端降水的业务预测水平提供参考。     

月动力延伸预测模式业务系统DERF2.0对中国气温和降水的预测性能评估

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1982～2010 年的回报试验结果和国家气象信息中心提供的669 个台站气象观测资料,利用距平相关系数ACC、平均方差技巧评分MSSS、距平符号一致率R 和短期气候预测业务分级检验Pg 等4 种方法综合评估了DERF2.0 系统对中国的气温和降水的预测性能。结果表明,DERF2.0 模式对气温的总体预测效果较好,对气温的预测性能较DERF1.0 模式有了较明显的提升。与过去全国的短期气候预测业务评分相比,DERF2.0 对气温和降水的预测都有所提高。与气温相比,DERF2.0对降水的预测性能相对较差,对降水的预测水平与DERF1.0 相接近。DERF2.0 对发生在1998 年和2006 年的极端旱、涝个例年也有一定的预测能力,且对气温的预测明显好于降水。从空间上来看,DERF2.0 在西南地区的确定性预测效果较差,模式仍然有很大的改进空间。