基于CFS模式的中国站点夏季降水统计降尺度预测

本研究针对中国夏季站点降水,研制建立了基于Climate Forecast System(CFS)实时预测数值产品及观测资料的统计降尺度预测系统。此预测系统选取了CFS模式中当年夏季500 hPa高度场和观测资料中前一年秋、冬季海表面温度场作为预测因子,两因子的关键区分别为泛东亚地区和热带太平洋地区。统计降尺度模型对1982~2011年中国夏季降水的回报效果较CFS模式原始结果显著提高,空间距平相关系数由0.03提高到0.31,时间相关系数在中国大部分地区显著提高,最大可达0.6。均方根误差较CFS模式原始结果明显降低,同时,此降尺度模型较好的回报出2011年汛期降水的距平百分率的空间分布型。     

NCEP CFSv2模式对川渝夏季降水次季节预测技巧评估及预报偏差分析

利用NCEP的第二代气候预测系统(CFSv2)提供的2000-2009年降水场历史回报试验资料以及川渝182个测站的降水实况资料。采用时间相关系数、均方根误差、距平相关系数、距平符号一致率以及PS评分等方法,对模式在川渝地区夏季降水以及夏季降水异常的次季节尺度预测技巧进行检验,并进一步分析了模式在概率密度和降水频次方面的预报偏差特征。结果表明：该模式对川渝夏季降水的可用预报时效为3候左右,能够较好地模拟出夏季降水的高值中心,但量级偏大。预报技巧高值区主要位于四川盆地西北部及渝东北地区,对攀西地区南部及川西高原部分地区也有一定的预报技巧。该模式也能够较好地把握川渝地区夏季降水异常偏少的趋势,有效预报技巧为2候以内。模式各时效预报与观测的降水概率密度主要集中在10 mm以下量级;模式预报各量级降水频次与实况相比均偏高得较为明显,且随着预报时效延长,偏差越大,其中偏高最为明显的是小雨频次。     

黄淮地区夏季降水的统计降尺度预测

利用1991-2011年黄淮地区夏季降水、NCEP/NCAR再分析资料和国家气候中心第2代动力气候模式（BCC_CSM1.1m）夏季回报结果,研究黄淮地区夏季降水降尺度预测模型和可预报性来源。诊断发现,黄淮地区夏季降水与同期南亚高压、乌拉尔山附近阻塞高压、西风急流、西太平洋赤道上空200 hPa纬向风场呈明显正相关。分析BCC_CSM1.1m对夏季环流的回报结果发现,模式对200 hPa和500 hPa位势高度场、200 hPa纬向风场和850 hPa经向风场上影响黄淮地区夏季降水的部分关键区域有较好的模拟能力。利用模式预报技巧较高且对黄淮地区夏季降水的影响有物理含义的环流特征作为预测因子,对比预测因子进行独立性筛选前后分别建立的降尺度预测模型发现,黄淮地区夏季降水预测与实况的距平符号一致率由61%提高到72%。预测技巧来源分析发现,降尺度预测能力与BCC_CSM1.1m对影响黄淮地区夏季降水的3个关键因子乌拉尔山附近环流、南亚高压、西太平洋赤道上空西风强弱的预测技巧密切相关,尤其是模式对西太平洋赤道上空西风的模拟能力起到决定性作用。     

动力模式产品在河南省夏季降水预测中的降尺度应用

利用NCEP/NCAR再分析资料和河南省106个站点夏季降水资料,建立了河南省夏季降水降尺度预测模型。该模型利用模式产品的500 h Pa高度场信息,通过统计降尺度方法,对河南省106个站点的夏季降水进行降尺度预测,实现了气候模式产品在河南省夏季降水预测中的降尺度解释应用,弥补了气候模式空间分辨率较低的缺陷。对该模型的历史回报检验表明,该降尺度模型对河南省夏季降水预测效果较好且较为稳定,尤其对北部、西部和豫南南部地区的效果最好。利用BCC-CGCM1和ECMWF-SYSTEM4模式资料,进行了独立样本的检验,结果表明,两种模式在5月起报的预测效果要优于3月起报的预测效果,BCC-CGCM1模式3月的预测效果要好于ECMWF-SYSTEM4的,两种模式在5月的预测效果相当。目前,此方法实现了可视化开发,并集成了检验方法,已应用于河南省气候预测业务中。     

基于时间尺度分离的中国东部夏季降水预测

基于时间尺度分离,利用NCEP第2代气候预测系统 (CFSv2) 每年4月起报的夏季月平均预测资料, 结合实际观测资料和再分析资料,对江淮流域及华北地区夏季降水距平百分率进行降尺度预测。将预测量和预测因子分为年际分量和年代际分量,在两个时间尺度上分别建立降尺度模型,两个预测分量之和为总预测量。对1982—2008年拟合时段的夏季降水距平百分率的回报结果表明:降尺度预测结果相对于原始模式结果预测技巧显著提高。降尺度预测与实况降水在江淮流域和华北地区的空间相关系数最大值超过0.8,多年平均值也分别提高到0.53和0.51;时间相关在每个站点也显著增强,相关系数为0.38~0.65。对2009—2013年进行独立样本检验,结果表明:降尺度模型能较好地预测出该时段的降水异常空间型态。同时,该模型对2014年夏季降水长江以南偏多、黄淮地区偏少的分布形势也有一定预测能力。     

中国夏季降水的组合统计降尺度模型预测研究

现阶段的动力气候模式尚不能满足东亚区域气候预测的实际需求,这就需要动力和统计相结合的方法,将动力模式中具有较高预测技巧的大尺度环流信息应用到降水等气象要素的统计预测模型当中,以改善后者预测效果。本文中所介绍的组合统计降尺度模型,可将动力气候模式预测的大尺度环流变量和前期观测的外强迫信号作为预测因子来预测中国夏季降水异常。交叉检验结果显示,组合统计降尺度预测模型的距平相关系数较原始模式结果有较大提高。在实时夏季降水预测中,2013～2018年平均的预测技巧相对较高,趋势异常综合检验（PS）评分平均为71.5分,特别是2015～2018年平均的PS评分预测技巧达到72.7分,总体上高于业务模式原始预测和业务发布预测的技巧。该组合统计降尺度模型预测性能稳定,为我国季节预测业务提供了一种有效参考。     

基于BCC_CSM模式的中国东部夏季降水预测检验及订正

基于国家气候中心第二代季节预测模式的历史回报试验数据,检验了模式对我国东部夏季降水的预测能力,探讨了预测误差形成的可能原因,并应用降尺度方法提高了模式的降水预测技巧。分析表明:（1）模式能在一定程度上把握我国东部夏季降水时空变率的两个主要模态（偶极子型模态和全区一致型模态）,但是不同超前时间的预测在刻画模态方差贡献、异常空间分布特征、时间系数的年际变化等方面存在明显误差;（2）模式能够合理预测大尺度环流和海表温度（SST）的变化特征,但是对中国东部夏季降水的总体预测技巧有限,这与模式不能准确刻画西太平洋副热带高压、大陆高压、中高纬阻塞高压等环流系统以及热带太平洋、印度洋SST变率对中国东部降水模态的影响有关;（3）针对1991~2003年回报试验数据中的500 hPa位势高度、850 hPa纬向风和经向风、SST变量,在全球范围内寻找并定位与中国东部站点降水关系最密切的预报因子,进而建立针对降水预测的单因子线性回归、多因子逐步和多元回归模型。采用2004~2013年回报试验对所建立的降水预测模型进行了独立检验,结果表明:所建立的降尺度预测模型能显著提高中国东部地区夏季降水的预报技巧。以6月1日起报试验为例,预测的第一模态（第二模态）与观测的空间相关系数由原始的0.12（0.48）提高到了0.58（0.80）,时间相关系数则从0.47（0.15）提高到0.80（0.67）;其它超前时间的预测试验中,降尺度预测模型的降水预测技巧相比模式原始预测技巧也同样明显提高。     

山东夏季降水异常的环流特征及降尺度解释应用预测方法研究

基于山东省123个国家级气象观测站1961—2015年夏季降水资料、1991—2015年NCEP再分析资料,分析了山东夏季降水变化特征及其与大气环流的关系。结果表明,在山东夏季降水偏多（少）时,乌拉尔山阻塞高压偏弱（强）,副热带高压偏强（弱）,南亚高压偏强（弱）,并且200 hPa经向风场有明显的类似丝绸之路遥相关型的波列结构。利用国家气候中心第二代海气耦合模式3月起报的未来夏季海平面气压场建立降尺度预测模型,该模型对山东夏季降水的预测符号一致率达到64%,有一定的预测能力,进一步分析发现,模式对关键区环流因子的模拟预测能力显著影响降尺度预测方法的准确率。     

2005年辽宁夏季降水预测评述

2005年辽宁6～8月降水实况特征概况及趋势预测进行了回顾与评价，指出了预测成功与不足。并从气使背景、大气环流、海温、太阳黑子、积雪、副热带高压、CBO、热带对流活动等方面，初步分析了造成2005年夏季旱涝分布的可能成因，认为大气内部的动力过程和太阳黑子起主导作用。     

基于海气耦合模式的山西省夏季降水统计降尺度预测研究

基于中国气象局国国家气候中心海气耦合模式(CGCM/NCC)预测产品和山西省50站夏季降水资料,利用典型因子回归的方法(CCA),建立了山西省夏季降水的统计降尺度预测模型。该预测模型选取了CGCM/NCC模式夏季500 h Pa高度场和海平面气压作为预测因子,分别选取了长江中下游地区和热带中东太平洋作为预报关键区。统计降尺度模型对2007~2014年山西省夏季降水的回算较模式原始结果有显著提高,除2008年外,空间距平相似系数(ACC)均通过了0.01的显著性检验,时间相关系数(TCC)在山西省大部分地区都有显著提高,最大可达0.6,降水预测(PS)评分在70分以上。检验结果显示,基于CCA降尺度方法建立的预测模型对山西省夏季降水模态预测的准确率较高且比较稳定,其预测效果远高于CGCM/NCC直接输出降水结果。     

利用深度神经网络和先兆信号的江苏夏季降水客观预测方法

利用1961—2019年江苏省67个站降水量和气候指数数据集等资料,选取大气环流、海温和积雪等先兆信号的不同组合作为预测因子方案,通过对比不同机器学习方法对江苏省夏季降水开展预测试验。结果表明,深度神经网络（Deep Neural Network,DNN）较传统统计方法和其他机器学习方法有一定优势,深度神经网络结合动态权重集合因子方案对江苏省夏季降水的预测技巧最高,其独立样本检验结果稳定,2015—2019年的平均PS评分为76.0,距平符号一致率为0.62,距平相关系数达0.35,尤其对江苏省中南部的预测技巧更高,具有业务应用价值。不同预测因子方案对比分析表明,大气环流因子在江苏省夏季降水预测中做主要贡献,而海温因子和积雪等其他因子也有正贡献,说明使用综合性预测因子以及集合方案有助于提升季节预测准确率。      

吉林省夏季降水时空变化特征研究

根据吉林省46个气象站1961-2010年夏季6-8月降水资料,采用线性趋势估计、旋转经验正交函数(REOF)等方法,对吉林省夏季降水的空间分布结构和长期变化特征进行了分析.得到如下结论:(1)近50 a吉林省夏季降水整体有减少的趋势,但未能通过显著性检验;从1980s初期开始,夏季极端旱涝事件发生频率有增大趋势,旱涝交替变化更加频繁;在降水异常的背景下吉林省大部分地方的暴雨发生频率呈增多趋势;(2)采用REOF客观的数学方法得到吉林省夏季降水的3个气候分区,即西北部平原区、中南部区和东部山区,这3个分区较好地反映了夏季降水的地域差异分布特征;(3)吉林省3个降水气候区分别呈现不同的降水趋势变化,西北部平原区降水趋势减少导致干旱发生概率增大,中南部区降水趋势增加导致洪涝发生概率增大,东部山区降水稳定少变.     

辽宁降水分区变化特征及夏季降水影响因子分析

根据1961—2000年辽宁地区降水资料,将辽宁地区降水划分为4个区,分析各分区降水的年际、年代际、季节变化以及周期特征。结果表明:辽宁南部和东南部地区降水明显减少;自20世纪90年代开始,东南部和南部地区降水显著减少,而中部地区降水增加;东南部地区的夏冬季和南部地区的冬季降水减少,西部地区春季降水增多。周期特征为春季和冬季周期为2 a或4 a,夏季和秋季为10 a。各分区夏季降水的影响因子不同,辽南地区多雨年东亚槽明显加深,东南区多雨年东亚槽略有加深并且偏东;南部和东南部夏季降水与副热带高压系统相关显著;各区夏季降水与太阳黑子负相关较好,其中8月相关显著,南部和中部相关性均好于东南部和西部地区。     

RSM模式对中国东部夏季降水模拟能力的检验

本文利用美国国家环境预报中心NCEP(National Centers for Environmental Prediction)区域谱模式RSM(Regional Spectral Model)对中国东部地区夏季降水进行了为期20 a(1984—2003年)、水平分辨率为30 km的高精度模拟,并对模拟所得降水的气候态、年际变率、逐日变化以及极端事件进行了检验,和对造成降水偏差的大气环流特征进行了分析。结果表明RSM模拟所得夏季降水的空间分布、时间变率,以及降水量值都与实况相近,也基本可以再现夏季降水的年际变率分布情况,但是模拟所得的雨带存在偏南且偏弱的特点。对于逐日降水特征,RSM模拟所得季节内逐日降水变化与实况的走势基本一致,再现了夏季降水主要集中于东部和南部的特点,模拟出了江淮地区6月日降水区随时间北抬的特点。对于极端事件,模拟和实测的夏季不同雨强的天数分布对比表明模拟与实况基本接近,但是模拟的降水日大值中心较实况偏北;极端降水指数的计算结果也表明RSM模拟的极端降水情况与实况基本一致。综上,RSM模式对中国东部地区降水有着较好的模拟能力,可以用于中国东部地区的夏季降水气候特征研究。     

机器学习方法在湖南夏季降水预测中的应用

利用湖南97个国家站的逐月降水资料、国家气候中心130项气候指数集以及国家气候中心和美国国家环境预报中心两套季节预测模式的降水预测资料,采用递归特征消除法确定预测因子并使用多层前馈神经网络、支持向量回归和自然梯度提升三种算法建立了两种湖南夏季降水统计预测方案的模型,检验了预测效果.结果表明:基于机器学习的预测模型对湖南...     

基于NCEP风向数据的中国夏季降水估算研究

提出一个基于NCEP风向数据估算全国夏季降水的模型。根据NCEP地面气压、经纬向风数据计算得到全国1971—2000年夏季各月盛行风向;并将盛行风向与宏观坡向夹角的余弦值作为降水的坡向因子,以此区分山体迎风坡和背风坡降水的空间分布。利用站点观测资料、数字高程模型数据、坡向、坡度因子,采用逐步回归分析法,建立估算夏季降水的回归方程,得到全国1971—2000年夏季各月及总降水量的空间分布图,并对模型结果进行检验与对比分析。结果表明,此方法估算夏季总降水量的平均绝对误差为27 mm,平均相对误差为11.8%。模型结果能体现迎风坡与背风坡的雨量差,符合客观规律,能够定性、定量地再现中国夏季降水的实际空间分布特征。     

基于LSTM网络的中国夏季降水预测研究

基于BCC-CSM季节气候预测模式系统历史回报数据和国家气象信息中心提供的中国地面降水月值数据,通过多方法对比并讨论了影响预测结果的因素,利用长短期记忆（Long Short-Term Memory,LSTM）网络预测2014年和2015年中国夏季降水。结果表明:LSTM网络的预测效果较逐步回归、BP神经网络及模式输出结果有一定优势。参数调优对于LSTM网络预测效果影响较大,重要参数有隐含层节点数、训练次数和学习率。选择合适的起报月份数据有助于提升季节预测的准确性,利用4月起报的数据预测夏季降水效果较好。海冰分量因子对降水季节预测有正贡献。在2014年、2015年夏季降水回报试验中,LSTM网络对降水整体形势有一定的预测能力,Ps评分分别为74分、71分,距平符号一致率分别为55.63%、55.25%,Ps评分的均值高于同期全国会商及业务模式。     

通用地球系统模式对亚洲夏季风降水的模拟能力评估

通过与观测/再分析资料和参加第五次耦合模式比较计划(CMIP5)的模式模拟结果进行对比,评估了通用地球系统模式(CESM,1.0.3版本)对亚洲夏季风降水的模拟能力。结果表明:CESM能够合理地模拟出亚洲夏季风降水的气候平均态,但与其他CMIP5模式模拟结果类似,对中国东南地区降水模拟偏少,而对中国西部高原地区降水模拟偏多;CESM可以再现亚洲季风区降水冬弱夏强、雨带北进南退的季节变化特征,其模拟偏差具有区域性和季节性差异;从EOF分析结果来看,CESM能够模拟出亚洲夏季风降水的时空变化特征,且能较好地抓住亚洲夏季风降水与厄尔尼诺-南方涛动(El Ni?o-Southern Oscillation,简称ENSO)的相关关系。总的说来,CESM对亚洲夏季风降水的模拟是合理的,模拟水平与4个最好的CMIP5模式相当。     

格点降水资料在中国东部夏季降水变率研究中的适用性

本文使用1951~2010年PREC、CRU、APHRO和GPCC 4种格点降水资料,通过比较其与中国756站点观测降水资料在中国东部(105°E以东)夏季降水变率中的差异,检验和评估了它们的可靠性和适用性。结果表明:中国东部夏季降水变率的前3个主要模态分别是以江淮流域、长江流域和华北与东北南部为核心的经向多中心分布,有明显的年际和年代际变率特征,且干旱特征较洪涝更明显;长江流域夏季降水异常的主周期为3~7 a和20~50 a,而江淮流域和华北地区夏季降水异常的主周期则为准2 a和准10 a。另外,长江与江淮流域和华南地区分别在1970s末和1990s初发生了显著的年代际转变;4种格点降水资料都能很好地再现中国东部夏季降水的时空变率特征,但由于GPCC格点降水资料是基于更多的基站观测和更精细复杂的质量控制方案得到的,因此它具有更高的可靠性。     

华北夏季旱涝的特征分析

根据华北地区18个代表站1951-2006年月平均降水量资料,对华北地区夏季降水进行了统计分析.采用单站旱涝Z指数变换和区域旱涝指数对华北区域56 a的旱涝进行了分析,利用经验正交函数展开、小波分析、M-K突变检验等方法,对华北地区夏季降水时空分布特征进行了研究,并分析了华北夏季降水异常的大气环流特征.结果表明:降水偏多或偏少时段明显,华北夏季降水最主要的空间分布型是全区一致, 华北夏季降水量具有准18 a、准10 a和准2~4 a的周期,由多雨阶段转为少雨阶段的突变点为1976年;华北地区夏季旱、涝年份,其对应的高空环流存在显著性差异.