基于ECMWF集合预报资料的乡镇温度预报误差订正方法

利用滑动平均法和递减平均法对2013—2014年江西省1 216个乡镇站点ECMWF集合预报2 m温度集合平均产品进行误差订正试验。结果表明:1)滑动平均法和递减平均法对江西地区乡镇温度预报为正的订正效果,订正后的预报准确率大于订正前,并且递减平均法的订正效果要略优于滑动平均法。2)误差订正方法对各时段温度TRMSE的订正能力都随预报时效的增加而减小,对高温预报准确率的提高明显大于低温,对山区预报准确率的提高大于平原,对有规律的预报误差的站点订正效果较好。3)随季节和站点变化的自适应递减平均法的预报结果较各季节和全年定常最优订正系数好,订正方法对秋季温度预报订正能力最强,春季最差。     

基于瑞万思温度预报制作咸阳市客观温度预报方法

对咸阳市12县（市）半年内逐日24-72 h＂瑞万思天气预测辅助信息系统＂（简称＂瑞万思＂）、＂德国天气在线＂与＂兰州区域气象中心业务产品网＂的温度预报准确率进行对比分析,发现瑞万思对咸阳市温度预报具有较高的指示作用,值得借鉴;对瑞万思的温度预报值与实况值进行趋势、误差分析,并对瑞万思温度预报进行两种3 d滑动误差计算,发现3 d滑动误差可有效改善瑞万思系统性误差;以其制作的咸阳市客观温度预报方法准确率明显提高,在常规温度要素预报业务中起到指导作用。     

超级集合预报在湖南地区的试验分析

基于TIGGE集合预报资料分析评估了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)4个模式系统在湖南2008年低温雨雪冰冻天气过程中的气温预报技巧,并对湖南地面气温和欧亚地区500 hPa天气形势进行了超级集合预报试验.结果表明,在湖南地区,ECMWF的预报效果最好,CMA的预报效果最差,并且ECMWF的168 h预报误差小于CMA的24 h预报误差.滑动训练期超级集合预报误差比较稳定,预报效果优于最好的单中心模式和固定训练期超级集合预报.对于24～ 72 h预报时效滑动窗口可选取50 d左右,而对于96 ～168 h预报时效的滑动窗口有必要选取2个月以上.此外,滑动训练期超级集合预报各时效对500 hPa天气形势的预报技巧都比单中心的预报技巧高,并且和实况资料相比,其预报效果也比较好.     

基于ECMWF集合预报产品的降水相态客观预报方法

基于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）集合预报系统的降水相态产品（precipitation type,PTYPE）,分别以HSS评分最优、TS评分最优和频率偏差最优为标准,运用最优概率阈值法,生成雨、雨夹雪、雪和冻雨4类降水相态的确定性预报产品,并与ECMWF集合预报系统控制成员及细网格模式确定性预报进行对比。最优概率阈值显示：3种最优标准下,不同相态降水最优概率阈值不同,但冻雨和降雪最优概率阈值均最大,为40%~80%,雨夹雪最优概率阈值最小,约为10%,三者最优概率阈值均随预报时效延长而减小;降雨最优概率阈值为7%~25%,随预报时效延长而增大。对比检验结果显示：最优概率阈值法明显提高了降水相态预报能力,且以HSS评分最优时预报效果最佳;最优概率阈值法有效减小冻雨空报,同时显著改善降雨和降雪预报的频率偏差和TS评分,对雨夹雪预报改进效果有限。     

NINO3.4指数的多模式集合预报方法

基于贝叶斯模式平均方法(Bayesian Model Averaging),发展了一个NINO3.4指数的多模式客观权重集合预报方法(简称OBJ)。该方法基于训练期内单个模式的预报结果,用线性回归订正单个预报的偏差,依据模式的预报效果估计单个模式的权重。利用2002年2月—2015年10月美国哥伦比亚大学国际气候与社会研究所(IRI)提供的7个单一模式对NINO3.4指数的预报结果进行OBJ试验,并采用均方根误差对多模式集合平均预报(简称ENS)和OBJ的预报结果进行检验和评估。结果表明,ENS的预报效果优于7个单一模式的预报效果,而OBJ预报效果优于ENS预报效果,其NINO3.4指数的均方根误差比ENS方法降低了4%。将单一模式预报结果按时间划分为训练期和预报期,利用独立样本估计OBJ的参数并进行预报试验,这些试验也表明,OBJ能进一步提高预报精度。      

基于CLDAS的格点温度预报偏差订正方法

利用国家气象信息中心CLDAS格点温度实况、中央气象台SCMOC格点温度预报以及山西省站点观测温度,采用非独立性检验综合评估CLDAS在山西区域的适用性。在此基础上,采用滑动训练期订正方案,基于格点实况开展SCMOC温度预报场的客观订正。结果表明:(1)复杂地形对山西CLDAS格点温度实况的精度有一定影响,但最高气温的分析精度优于最低气温,表明地形对最低气温的偏差影响更显著,高海拔地区CLDAS最低气温一般对应为负偏差,低海拔地区一般对应为正偏差。(2)CLDAS格点温度实况的偏差空间分布具有时间延续性,进行简单的系统偏差订正后,最高、最低气温格点实况的精度分别提升1.1%、9.7%,与站点观测更为吻合。(3)基于改进后的CLDAS格点温度实况,采用滑动偏差订正方案,显著改善了山西省SCMOC温度预报的准确率。2019年,滑动偏差订正后的24 h时效最高、最低气温预报准确率较SCMOC温度预报分别提升2.7%、4.7%,订正后的短期温度预报质量有较大提高,优于预报员主观预报。     

降水温度分县客观预报方法研究

应用国家气象中心T106数值预报产品和MOS预报方法，研究建立了贵州省81个站1～5天的降水分级预报和最高、最低温度预报方程，并投入业务应用，检验证明效果较好，为业务提供了有效的省级客观预报指导产品，重点探讨了建立分县MOS预报方程中的关键技术，分析了其在业务应用中的误差特点并提出了改进方法。     

温度集合预报的类卡尔曼滤波自适应订正方法在海南省东北部的应用

利用类卡尔曼滤波的自适应业务订正方法,对2010—2016年欧洲中心数值模式集合预报产品在海南东北部地区的温度预报进行订正分析,结果表明:1)数值模式集合预报较控制模式和业务模式在最高、最低温度预报上有准确率更高和时效更长的优势;2)对类卡尔曼滤波自适应订正方法中权重系数的选取进行了试验,从而通过在不同时效选择最优的权重系数对该方法进行本地化改进;3)对优化后的订正方法进行检验,结果显示有效地提高最高、最低温度预报准确率,各时效温度平均绝对误差有效下降0.5℃,接近甚至超过主观预报水平;同时可以改善模式对高温事件的预报性能,提高高温事件概率预报的Brier评分和技巧评分。     

基于集合预报的异常温度预报产品在中国的应用分析

基于欧洲中期天气预报中心(ECMWF)第五代全球再分析资料(ERA5)构建模式气候,应用ECMWF集合预报,采用“集合预报标准化异常预报法”,针对最高和最低气温构建中国地区集合平均异常温度预报和异常温度概率预报产品,并与极端预报指数(extreme forecast index,EFI)开展检验和对比分析预报性能,并基于“异常温度影响矩阵”,构建了异常温度影响程度预报指数,通过异常温度事件个例探讨相关产品的预报应用。结果表明:基于ECMWF的ERA5和集合预报构建的集合平均异常温度预报产品对我国夏季和冬季异常温度事件均有比较好的预报效果,预报性能好于或接近EFI,可作为业务上对异常温度事件预报的支撑产品。异常温度概率预报产品可以体现集合成员中的预报异常温度事件的信息,在中期预报时效对发现早期异常温度事件信号有优势,并可反映对异常天气预报的不确定性信息。异常温度影响程度预报指数结合了异常天气概率预报信息和异常程度预报信息,可对异常温度时间给出客观定量的预报结果,对一次异常低温事件的个例预报证明该指数有比较好的预报效果,对异常温度事件的预报和早期科学预警有一定指示意义和业务应用前景。     

延伸期温度预报误差订正技术初探

应用滑动平均误差订正方法和历史偏差订正方法,对欧洲中期天气预报中心的数值模式延伸期2 m温度预报进行误差订正。研究发现,应用滑动平均误差订正方法进行11～15 d逐日温度预报订正时,25～30 d是最优的训练期长度。对2018年订正预报的检验分析显示,应用上述两种误差订正方法均可减小模式预报的系统偏差,有效修正模式温度预报较实况明显偏低的问题,并将预报准确率提高30%以上。在6—10月,订正后的温度预报平均绝对误差基本在2℃以内,具有一定的参考性,其业务化产品可支撑预报员的业务预报需求。在15 d内的延伸期预报时效上,两种订正方法对温度预报的订正效果差异并不明显。随着时效的延长,历史偏差订正方法的优势逐渐显现。     

月平均气温集成预测方法研究

为了有效综合各种预测方法的预测结果,以陕西3个气候区域1999年7月至2010年6月月平均气温的集成预测为例,利用3种预测方法和国家气候中心业务产品月平均气温预测结果历史评分建立二类6种动态客观集成预测方法进行对比研究,结果表明：（1）各种集成预测方法年评分平均值均高于参加集成的任何一个成员,6种集成预测方法评分平均值比4个成员评分平均值高4.6,比同期陕西发布的业务产品高5.1;各种集成预测方法预测与实况距平符号一致率至少高于其中3个成员,6种集成预测方法预测与实况距平符号一致率平均值比4个成员平均值高4.7%,比陕西业务产品高5.1%。（2）3个气候区域中,榆林集成预测效果最好。6种集成预测方法评分平均值比4个成员评分平均值高5.7,比陕西业务产品高5.7;预测与实况距平符号一致率比4个成员高6.9%,比陕西业务产品高7.3%。（3）第二类集成预测方法预测技巧高于第一类,全年评分平均值高0.5,预测与实况距平符号一致率高0.7%。其中Z_（23）全年评分平均值比4个成员评分平均值高5.1,比陕西业务产品高5.7,预测与实况距平符号一致率比4个成员高6.0%,比陕西业务产品高7.6%,推荐首先选择使用。     

ECC方法在中国夏季气温预测研究中的应用

以中国夏季气温为预测对象,选取东亚地区冬季500 h Pa高度场、海平面气压场、地表温度场和850 h Pa温度场为预测因子,采用1951~2009年去趋势处理后的资料,通过变形的典型相关分析(Barnett-Preisendorfer Canonical Correlation Analysis,BP-CCA)方法分别建立单因子预测模型,再利用集合典型相关分析(Ensemble Canonical Correlation,ECC)方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010~2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。     

相似方法在新疆强降水短期预报中的应用

利用1975-2005年NCEP再分析资料及ECMWF预报场资料,引入相似指数综合考虑各要素场、形势场对新疆强降水天气的影响建立相似预报模型,并选取一次中等强度天气用该模型进行试报检验。结果表明,该模型综合考虑了形势场、多种物理量场的相互作用,预报效果较好。     

基于小波分析的西北区智能网格气温客观预报方法的检验评估

基于中国气象局(China Meterological Administration,CMA)高分辨率数值预报产品、欧洲中期数值预报中心(the European Center for Medium-range Weather Forecast,ECMWF)精细化数值预报产品和国家级地面观测站数据,采用小波分析方法及滑动训练、最优融合等技术对模式误差序列进行时频处理,实现了对模式系统误差和局地误差的订正,发展了西北区智能网格气温客观预报方法(northwest intelligent grid temperature objective prediction method,NWTM)。以2017年3月—2018年2月数据作为训练样本,对2018年3月—2019年1月西北区239个国家基本站进行检验。结果表明:1)NWTM对CMA和ECMWF两种模式产品的气温预报能力有显著的提升;随着预报时效增长,两种模式订正产品的误差增大。2)NWTM对ECMWF西北区最高气温的订正效果要明显优于CMA,但就最低气温而言,NWTM对CMA的订正效果更为显著。其中,就24 h最高气温而言,ECMWF在宁夏的订正效果最好,CMA在青海的订正效果最好;而对于24 h最低气温的预报,CMA在西北4省的订正效果相差不大,ECMWF在陕西的订正效果最好。3)空间误差检验表明:针对最高气温的预报,ECMWF订正产品的订正能力明显优于CMA,特别是在甘肃河西走廊和中东部、陕西北部和南部、宁夏中南部及青海大部。就最低气温的预报而言,ECMWF和CMA对甘肃河东和陕西南部的订正能力较好;ECMWF订正产品在宁夏中南部及青海南部的订正能力高于CMA,而CMA订正产品在陕西中部的订正能力更优。     

The China Multi-Model Ensemble Prediction System and Its Application to Flood-Season Prediction in 2018

Multi-model ensemble prediction is an effective approach for improving the prediction skill short-term climate prediction and evaluating related uncertainties. Based on a combination of localized operation outputs of Chinese climate models and imported forecast data of some international operational models, the National Climate Center of the China Meteorological Administration has established the China multi-model ensemble prediction system version 1.0 (CMMEv1.0) for monthly-seasonal prediction of primary climate variability modes and climate elements. We verified the real-time forecasts of CMMEv1.0 for the 2018 flood season (June-August) starting from March 2018 and evaluated the 1991-2016 hindcasts of CMMEv1.0. The results show that CMMEv1.0 has a significantly high prediction skill for global sea surface temperature (SST) anomalies, especially for the El Nino-Southern Oscillation (ENSO) in the tropical central-eastern Pacific. Additionally, its prediction skill for the North Atlantic SST triple (NAST) mode is high, but is relatively low for the Indian Ocean Dipole (IOD) mode. Moreover, CMMEv1.0 has high skills in predicting the western Pacific subtropical high (WPSH) and East Asian summer monsoon (EASM) in the June-July-August (JJA) season. The JJA air temperature in the CMMEv1.0 is predicted with a fairly high skill in most regions of China, while the JJA precipitation exhibits some skills only in northwestern and eastern China. For real-time forecasts in March-August 2018, CMMEv1.0 has accurately predicted the ENSO phase transition from cold to neutral in the tropical central-eastern Pacific and captures evolutions of the NAST and IOD indices in general. The system has also captured the main features of the summer WPSH and EASM indices in 2018, except that the predicted EASM is slightly weaker than the observed. Furthermore, CMMEv1.0 has also successfully predicted warmer air temperatures in northern China and captured the primary rainbelt over northern China, except that it predicted much more precipitation in the middle and lower reaches of the Yangtze River than observation.     

MOS方法在动力延伸期候平均气温预报中的应用

利用1982年1月-2010年3月动力延伸预报产品及宁夏候平均气温,采用逐步回归的MOS统计方法,预报宁夏24个测站未来40 d逐候平均气温,为了对比模式直接输出结果与资料按月和按季节划分建立的MOS方法预报效果,对2009年和2010年1-3月的预报效果分别进行了对比检验.结果表明:MOS预报效果较模式直接输出有显著...     

中国冬季气温的集合典型相关分析和预报

以欧亚大陆地面温度、北半球500 hPa高度、热带印度洋SST(sea surface temperature)以及北太平洋SST为预报因子,通过典型相关分析(canonical correlation analysis,简称CCA)建立预报关系,然后用集合典型相关分析预报(ensemble canonical correlation prediction,简称ECC)方法预报中国冬季气温,并分析预报技巧及进行独立样本检验.结果表明,不同的预报因子对各个地区有不同的预报技巧,以欧亚大陆地面温度为预报因子预报技巧较高,而ECC模式对中国冬季气温有更好的预报能力,预报技巧高于任何一个单因子场的CCA预报;采用回归法的集合平均比简单的等权集合平均预报技巧更稳定.     

GRAPES区域集合预报系统应用研究

为发展GRAPES(Global and Regional Assimilation and Prediction System)区域集合预报系统(GRAPES Regional Ensemble Prediction System,GRAPES-REPS),采用集合变换卡尔曼滤波(ETKF)初值扰动方法以及多物理过程组合的模式扰动方法,基于业务区域模式GRAPES_MesoV3.3.2.4构建了区域集合预报系统,进行了连续40 d的批量试验,重点分析了ETKF初值扰动的结构及其演变特征,并通过概率预报检验方法对GRAPES-REPS进行了集合预报系统性能检验和降水预报检验,分析了该系统对强降水个例的预报效果。试验结果表明,GRAPES-REPS能产生较合理的集合预报初值扰动,扰动结构随流型依赖并对观测有较好的响应,且扰动成员相互正交。扰动总能量分析表明集合扰动能够随预报时效保持合理增长状态。集合预报检验表明集合预报结果优于控制预报,集合成员间在72 h预报时效内能保持合理的集合离散度。将该区域集合预报系统与业务上基于WRF模式的区域集合预报系统WRF-REPS进行了降水预报对比,表明GRAPES-REPS的降水预报能力表现要优于业务WRF-REPS。强降水个例分析表明集合预报能较好预报出强降水中心,预报效果明显优于控制预报。     

夏季湿球温度客观预报服务系统

按照大气动力学和热力学的原理，采用划分天气型、定性判别和定量计算相结合，预报与服务系列化，在微机上研制出６－９月湿球温度短期客观预报服务系统，湿球预报的开展，为纺织，仓贮等行业空调工艺超前决策提供重要依据。     

一种改进的数值预报降水偏差订正方法及应用

对传统的消除偏差法进行改进,形成分等级消除偏差法,并使用混合训练期和60 d滑动训练期方案分别对2012年6—8月ECMWF (European Centre for Medium-Range Weather Forecasting) 模式夏季1~5 d的降水预报进行订正试验。为了尽可能符合中国东部夏季降水具有移动性及多种时间尺度变化的特点,混合训练期以预报期前30 d与预报期前一年同日的前后各15 d组成。结果表明:在使用分等级消除偏差法的基础上,相比ECMWF模式降水预报,两种训练期方案的订正结果几乎对各个阈值的ETS评分均有一定提高,特别是对25 mm以上降水预报评分的提高幅度,混合训练期方案的订正结果明显高于60 d滑动训练期方案;在区域性强降水预报的订正中,混合训练期方案优势更为明显。另外,通过分析两种训练期方案的预报偏差发现,分等级订正是此次消除偏差订正试验中提高强降水预报评分的关键,选择合适的训练期可以增加评分提高的幅度。由于上述试验使用的ECMWF模式预报和站点实况均是业务上常用数据,因此,该方法具有一定的业务应用价值。