资料同化在空气质量预报中的应用

随着数值模式的不断完善和观测技术的不断提高,资料同化逐渐成为能够进一步提高数值预报水平的一种有效方法。20世纪70年代,资料同化开始引入空气质量预报领域,成为当前大气环境科学研究的一个新方向。简要介绍了资料同化的含义,较详细地介绍了Kalman滤波法、四维变分同化法、牛顿松弛法的基本思想和优缺点,重点阐述了国内外资料同化在空气质量预报中的研究应用情况,最后指出资料同化应用于空气质量预报时存在的问题和今后的研究方向。     

论动力相似预报的物理基础问题

为了更好地发展动力相似预报的策略和方法,基于非线性动力学成果,综合探讨了动力相似预报的物理基础问题。分析表明,“相似预报—低频流型—可预报性”在物理上存在密切联系,这在统计相似预报和动力相似预报问题中均适用。通过类比集合预报,并对实际大气不同尺度模式预报的个例分析,初步证实了相似初值对应的动力预报结果及其预报误差行为具有相似性。在此基础上,进一步提出三类相似性问题,并归纳了动力相似预报的物理基础：在初始状态相似性持续的情况下,动力预报结果以及预报误差行为具有相似性。     

数值天气预报检验方法研究进展

数值天气预报检验是改进及应用数值模式的重要环节。近年来,模式检验中的观念不断更新,适用于不同预报产品及不同用户需求的模式检验方法也不断涌现。首先简单回顾了以列联表为基础的传统的模式检验方法。其次重点总结了伴随高分辨率数值预报而出现的空间诊断检验技术,按照检验目的的不同,诊断方法可以归纳为:①基于滤波技术的分辨模式在不同时空尺度上预报能力的邻域法、尺度分离法;②利用位移偏差诊断模式预报位置、面积、方位、轴角等与观测差异的属性判别法、变形评估法。然后阐述了集合样本成员的概率分布函数(PDF)、集合预报与观测概率分布函数相似程度、事件发生的概率预报等集合预报检验方法。最后论述了空间诊断技术、集合预报检验方法的适用领域,并讨论了模式检验中存在的一些问题及未来的发展方向。     

基于DEM的集总式水文预报模型产流结构生成

降水数值预报和水文预报的耦合是水文研究的热点问题之一,在避免水文预报模型开发的前提下,本文探讨了如何利用现有的集总式水文预报模型,实现两个系统耦合的问题。提出了在DEM资料提取的数字流域基础上,人工干预子流域和泰森多边形的生成方法,使生成的子流域、泰森多边形与原集总式的水文预报方案划分情况基本一致,在产流层面解决了降水数值预报和集总式水文预报方案耦合的技术问题,为降水数值预报成果在水文预报中广泛应用创造了条件。该方法在潘家口水库的水文预报中应用,取得了较好的效果。     

人工神经网络在海浪数值预报中的应用

探讨将人工神经网络技术和传统的数值模式相结合,以期得到一个更有效的海浪预报方法.以第3代海浪模式的模拟结果作为输入,浮标观测资料作为输出,采用人工神经网络进行训练,训练的初步结果显示,人工神经网络可以改进海浪数值模式的预报精度,但在波高比较大时,改进的效果并不令人满意.为此,对观测值大于1.5m时的有效波高进行再训练,从而结果有了进一步的改善.研究结果证明人工神经网络技术可以提高海浪数值预报的精度.     

海洋可预报性和集合预报研究综述

海洋是高度复杂的非线性动力系统,由于海洋初值和数值模式本身存在无法避免的误差,海洋数值预报具有不确定性。通过理解和认识海洋不同时空尺度运动的特征和规律,定量估计和预测海洋动力系统的可预报性,研究预报误差产生的原因及其增长和传播机制,探讨减小预报误差的方法和延长可预报时限的途径,对于改进海洋预报系统、提高预报技巧,具有重要意义。系统回顾了海洋可预报性及其应用的研究进展,论述了海洋可预报性的概念、分类以及国内外的研究现状,其中重点介绍了常用的奇异向量法、李亚普诺夫指数法和繁殖向量法等3种动力学方法以及海洋集合预报研究现状,最后对海洋可预报性的未来发展方向和应用前景给以展望。     

海洋生态预报的复杂性与研究方法的讨论

海洋生态动态预报预测研究已经成为海洋科学乃至地球系统科学领域中的热点问题。比较深入地分析了海洋生态预报的复杂性、不确定性和实况监测资料严重不足等问题,为促进海洋生态预报研究的快速发展,借鉴中期数值天气预报的一些有效方法,提出以下建议：①加深理解海洋生态系统的非线性动力学特征,深入开展随机-动力耦合的海洋生态系统模型研究;②加强海洋生态集合（ensemble）预报和综合预报方法研究;③大力促进卫星遥感信息的海洋生态应用研究,加强资料同化研究和反问题研究方法的应用,努力发掘各种信息资料的预报应用。     

云分析预报方法研究进展

云作为地球大气系统的重要组成部分,不仅影响着气候变化和天气系统的发展演变,还与航空活动密切相关,一直以来是空军和民航部门非常关注的气象要素之一。在云探测、资料同化和反演方法发展的基础上,从实际业务保障和数值模式发展需求出发,综述国内外云分析、预报方法和云分析预报系统开发的研究成果,分析各类方法的优势和不足,明确国内外研究的主要差距,并探讨国内未来研究的方向。云分析方法中,探空对云廓线识别较好,卫星可见光和红外资料在云顶信息反演方面优势明显,多普勒雷达能够获取对流层中层和底层的云信息,而毫米波雷达能够很好地反映云三维结构信息,发展潜力巨大。云预报方法中,传统的统计和诊断方法发展较为成熟,而考虑了大气温湿和云微物理状况的大气辐射传输模式正演模拟云顶亮温的方法是未来的发展趋势。加强云探测技术,综合利用云分析预报方法,借鉴国外先进云分析预报系统的设计理念,积极开发我国自主的云分析预报系统,推动天气预报、航空气象保障和数值预报模式的发展将会是我国云研究的重要方面。     

滑坡破坏时间预报新理论探讨

本文概述了当前滑坡破坏时间预报的研究水平和现状。为了完善滑坡预报方法和提高滑坡预报水平,作者从滑坡破坏的基本概念入手,提出了一种滑坡破坏时间预报的新理论,推导和确定了预报标准,比较科学地建立了预报参数,并具体地探讨了各阶段预报的预报策略及其分析处理方法。同时,还展望了滑坡动力反应及其应用研究的广阔前景。     

基于GRAPES的西北地区沙尘暴数值预报模式及其应用研究

介绍了中国气象局兰州干旱气象研究所和中国气象科学研究院数值预报研究中心合作研制的耦合于GRAPES（Global/Regional Assimilation and Prediction Enhanced System）的沙尘暴数值模式GRAPES_SDM。该模式包括沙尘的起沙、传输、吸湿增长、并合、干沉降与云下清洗等详细的物理过程，可以对沙尘暴的起沙和空气中沙尘浓度进行模拟和预报。在此基础上形成了西北地区的沙尘暴数值预报模式系统，并于2005年4月开始在兰州中心气象台试运行，同时还将模式结果与卫星遥感资料反演的沙尘暴监测结果进行了对比验证。以2005年4月17~19日和5月28~29日发生在西北地区的2次强沙尘暴为例，利用GRAPES_SDM对这两次沙尘天气的起沙、传输、扩散直至消散进行了数值模拟。结果表明，模式输出的沙尘时空分布与实况观测和卫星云图监测的沙尘分布范围基本一致，说明该模式系统对西北地区沙尘暴天气的起沙、传输有较好的模拟和预报能力。     

An Overview of Ocean Predictability and Ocean Ensemble Forecast

Ocean is a highly complex and nonlinear dynamical system. The inevitable errors in both data and numerical models lead to uncertainties in ocean numerical prediction. By understanding features and properties in the ocean on multiple scales, it is important to quantify and estimate the predictability of the ocean, and analyze the reasons and mechanism of error growth. The efforts focus on investigating the method to reduce the uncertainties and errors in forecasting and increase the time limit of ocean predictability. The advances will result in improved marine forecasting models and forecasting skill. Understanding limitations and identifying the research needed to increase accuracy will lead to fundamental progress in ocean forecast, which is of great significance. The present study described and illustrated the mechanics and computations involved in modeling and predicting uncertainties for ocean prediction and its modern applications. Firstly, it discussed the fundamental concept and classification of the ocean predictability. The research status of ocean predictability is introduced including the dynamics methodologies and the ocean ensemble prediction. Three of the dynamical computational methodologies including the singular vector, Lyapunov exponent and bred vector method were introduced. Three ocean ensemble prediction methods including initial condition ensemble, multi-model ensemble and atmospheric forcing ensemble were described and illustrated. Finally, this paper gave a future prospective of ocean predictability and its application.     

我国重大气候灾害的形成机理和预测理论研究

国家重点基础研究发展计划项目“我国重大气候灾害的形成机理和预测理论的研究”把20世纪80年代以来我国所发生的旱涝重大气候灾害作为项目研究的切入点,从气候系统各圈层的变化及其相互作用,特别是从气候系统中海—陆—气各子系统的变化和相互作用及其对我国重大气候灾害的影响机理入手,对我国重大气候灾害进行了深入分析研究,提出了与我国旱涝重大气候灾害形成机理有关的“东亚气候系统”新理论,指出这个系统的时空变化特征及其对我国旱涝等重大气候灾害发生的重要作用;从东亚季风—西太平洋暖池—ENSO循环相互作用及机理的研究,提出了热带西太平洋对热带太平洋ENSO循环的热力和动力作用以及与亚洲季风的相互作用过程,指出了ENSO循环的不同阶段对于东亚季风和我国气候异常的不同影响及其机理;提出了高原热力适应理论,应用此理论揭示了高原热力变化对南亚高压东西振荡影响的物理过程。在上述理论研究的基础上提出了ENSO循环的数值预测模式和我国跨季度和年度气候异常的数值预测系统,研制了新一代气候耦合数值模型中的大气环流数值模式。通过这两个预测系统的研制使我国对ENSO事件预测水平有了较大提高,并成功地预测了我国1998—2003年夏季所发生的严重旱涝气候灾害。此外,成功地进行了我国西北干旱区陆—气相互作用观测试验,获取了许多有关我国典型干旱区陆—气相互作用有价值的科学数据,并得到许多原创性的科学结果,为开发大西北提供了可靠的气候环境资料。本项目的完成不仅为今后开展我国重大气候灾害的发生规律、成因与预测研究奠定了坚实的理论和数值模型基础,而且对于国家旱涝气候灾害预测水平的提高,减轻气候灾害造成的经济损失具有重要的经济和社会效益。     

Elman神经网络在地下水动态预测中的应用

详细介绍了Elman神经网络的基本结构和数学模型,同时以地下水动态预测为例,给出用Elman神经网络建立地下水动态预测模型的方法。模型检验结果表明,该模型拟合和预测精度均较高,可应用于地下水动态系统的建模,借此说明Elman网络在地下水动态预报中的可行性,并为Elman网络技术在水文水资源领域的动态模拟应用提供借鉴。     

A Bayesian network approach for predicting seismic liquefaction based on interpretive structural modeling

The Bayesian network (BN) is a type of graphical network based on probabilistic inference that has been gradually applied to assessment of seismic liquefaction potential. However, how to construct a robust BN remains underexplored in this field. This paper aims to present an efficient hybrid approach combining domain knowledge and data to construct a BN that facilitates the integration of multiple factors and the quantification of uncertainties within a network model to assess seismic liquefaction. Initially, only using given domain knowledge, a naive network model can be constructed using interpretive structural modeling. Thereafter, some effective information about the naive model is provided to construct a robust model using structural learning of BN from historic data. Finally, the returning predictive results and the predictive results are compared to other methods including non-probabilistic and probabilistic models for seismic liquefaction using the metrics of the overall accuracy, the area under the curve of receiver operating characteristic, prediction, recall and F₁ score. The methodology proposed in this paper achieved better performance, and we discussed the power and value of the proposed approach at the end of this paper, which suggest that BN is a good alternative tool for seismic liquefaction prediction.     

Assimilation of satellite observations of the atmosphere

Measurements of the atmosphere by satellite were first collected in the 1960s. However, it was not until the mid-1990s that these observations were translated into systematic improvements of numerical weather forecasts. We present here the data and methodology of data assimilation that enabled this achievement. Data assimilation is essentially a filtering processing that exploits the (assumed) known error statistical properties of the observations and of the underlying numerical model in which data are assimilated. It is also a process which corrects the state of the numerical model with physical observations of the real world. This part relies on (assumed) known physical laws to relate meteorological quantities (such as temperature, humidity, pressure, and wind) to observables. Atmospheric data collected by satellite all come from the interaction of electromagnetic waves with the atmosphere. Satellite data assimilation has greatly supported the progress in numerical weather prediction and holds promises for climate studies, for example via reanalysis.     

Probabilistic assessment of rock slope stability using response surfaces determined from finite element models of geometric realizations

A methodology is developed for probabilistic rock slope stability assessment using numerical modelling that incorporates statistical analysis of the variability of joint set geometric parameters. Each probabilistic input parameter is substituted by its two point estimates. Half-factorial and central composite designs are implemented to obtain a minimum number of representative slope realizations to model. The output from the numerical models is used to construct mathematical prediction models or response surfaces. A response surface can be used to predict the factor of safety of arbitrary realizations without further numerical modelling and can be used to determine the probability of slope failure.     

“我国重大天气灾害形成机理与预测理论研究”取得的主要研究成果

国家重点基础研究发展计划项目“我国重大天气灾害形成机理与预测理论研究”经过项目全体科学家的５年研究，取得了一系列重要的研究成果：①提出了基于多种实时观测资料的梅雨锋暴雨的多尺度物理模型；②建立了梅雨锋暴雨的天气学模型；③梅雨锋是由多个不同尺度系统构成的梅雨锋系，它具有介于温带锋系结构与热带辐合带结构之间的副热带锋系结构，在长江中下游可以有时表现为双峰结构。锋前的湿物理过程与锋上强对流系统发展形成的正反馈过程以及梅雨锋系的不同尺度系统的相互作用是梅雨锋维持与发展的重要机制；④提出了多种中尺度暴雨的定量卫星遥感反演理论和方法，并形成一系列新的反演产品；⑤成功地研究了双多普勒雷达同步探测和反演中尺度暴雨三维结构的理论和方法；⑥发展了配有三维变分同化系统的中尺度暴雨数值预报模式系统，在2003年淮河抗洪救灾中发挥了积极作用；⑦成功组织了2001/2002年长江中下游梅雨锋暴雨野外科学试验，在野外试验中还开展了中日国际合作，在此基础上项目建立了规范、完善、使用便捷的暴雨野外试验数据库，实现了数据共享。     

Progress in Researches on Ensemble Forecasting of Extreme Weather Based on Numerical Models

Under the background of climate change, extreme weather events (e.g., heavy rainfall, heat wave, and cold damage) in China have been occurring more frequently with an increasing trend of induced meteorological disasters. Therefore, it is of great importance to carry out research on forecasting of extreme weather. This paper systematically reviewed the primary methodology of extreme weather forecast, current status in development of ensemble weather forecasting based on numerical models and their applications to forecast of extreme weather, as well as progress in approaches for correcting ensemble probabilistic forecast. Nowadays, the forecasting of extreme weather has been generally dominated by methodology using dynamical models. That is to say, the dynamical forecasting methods based on ensemble probabilistic forecast information have become prevailing in current operational extreme weather forecast worldwide. It can be clearly found that the current major directions of research and development in this field are the application of ensemble forecasts based on numerical models to forecasting of extreme weather, and its improvement through bias correction of ensemble probabilistic forecast. Based on a relatively comprehensive review in this paper, some suggestions with respect to development of extreme weather forecast in future were further given in terms of the issues of how to propose effective approaches on improving level of identification and forecasting of extreme events.