应用分布式存储技术优化省级CIMISS数据服务能力

随着气象数据量的不断增长,进一步提升CIMISS数据管理和服务能力的需求变得日益迫切。为解决存储系统动态扩展能力不足、并行计算与吞吐效率低下等限制CIMISS继续发展的问题,采用分布式文件系统和NAS技术替代GPFS建设共享文件系统,实现非结构化气象数据的存储功能;采用分布式数据库替代Oracle RAC建设关系数据库管理系统,实现结构化气象数据的存储功能和非结构化气象数据的索引功能。实践证明,该方案能够有效地改善CIMISS的数据存储能力、并发响应能力,适应未来气象业务对数据存储和应用的需求。     

世界气象中心(北京)全球预报服务共享平台设计与实现

世界气象中心(北京)建设是中国气象局承担世界气象组织(WMO)的全球数据处理和预报系统(GDPFS)要求的任务,为全球实时气象预报预测业务提供高效丰富的无缝隙天气气候监测、预报、预测分析指导产品及数据产品服务共享,提高区域性国际天气业务会商交流效率,国家气象中心设计并实现了世界气象中心(北京)全球预报服务共享平台,通过分析全球监测、预报预测等业务数据海量、异构、实时性强等特征,采用浏览器/服务器(B/S结构)多层架构和分布式实时处理、任务调度等关键技术实现了全球实况监测、天气模式、气候模式、模式检验数据的高效加工预处理、产品分析制作、产品自动流转、网络服务共享和业务指导等全流程业务功能,并提供了国际天气预报会商等专业化功能。平台自2018年6月6日业务运行以来,已有13个国家和地区注册会商用户,超过15万次全球访问量,为全球专业用户高效提供了全球实时天气监测、预报服务产品业务指导,未来将成为中国气象局对外气象业务指导和气象服务的重要窗口和纽带。     

CCSM4模式对东北气温和降水的模拟及预估

利用东北地区162个气象观测站逐月气温和降水资料对CCSM4模式的模拟性能进行了评价,并预估了2021—2050年东北地区的气候变化情景。结果表明:CCSM4模式长期历史气候模拟实验模拟的1961—2005年月平均气温、降水量值能较好地再现东北区域年平均气温、降水量的空间分布形态,但气温模拟值比观测偏低,91. 4%站点误差在1. 5℃以内;降水中心比观测略偏北,全区平均偏多35. 18 mm。2021—2050年东北区域年平均气温呈增温趋势,高纬度地区的增温幅度明显大于低纬度地区,与基准年相比,RCP2. 6、RCP4. 5和RCP8. 5情景下全区分别偏高6. 00℃、5. 86℃和6. 42℃。年降水量分布呈东南向西北递减的形态,降水大值中心出现在东南部吉林与辽宁交界处,RCP2. 6、RCP4. 5和RCP8. 5情景下全区分别偏多15. 2%、3. 1%和2. 0%。     

陕西气象信息化现状及发展趋势

近年来,陕西气象信息化工作在不同层次和领域均取得了长足的发展,但仍然存在一些不足。通过对陕西气象信息化现状分析,得出陕西信息化存在的主要问题为:信息基础设施供给能力支撑不足、气象业务数据支撑能力有待提升,气象数据服务精准供给水平不足,气象信息安全保障防护能力不足,气象信息综合治理能力有待提升,气象信息技术人才队伍有待加强。根据信息化工作当前面临的新形势,探讨陕西气象信息化发展方向,提出应对措施。     

INTERDECADAL VARIABILITY OF QUASI-BIENNIAL OSCILLATION OF STRATOSPHERIC ZONAL WIND

This study investigates the interdecadal variability of Quasi-biennial Oscillation (QBO) based on the sounding data in the stratosphere, ERA-40 and ERA-interim reanalysis data in the past 62 years. The QBO periodicity experiences a significant interdecadal variability; the longer (shorter) the mean period, the smaller (larger) the amplitude of variation is. The QBO amplitude varies in a cycle around 10 to 15 years and in an out-of-phase correlation with the period. In addition, there is an increasing trend of the QBO amplitude in 30 to 10 hPa, while a little declining trend in 70 to 40 hPa. The deviation of the QBO zonal wind extremum centers from the equator also shows interdecadal variability. The deviation location of the easterly core is generally in the reverse side to the westerly core, which means that when the easterly core is on one side of a hemisphere, the westerly core is on the other side.     

江淮切变线强度的定量化描述方法研究

从气象观测事实和物理的角度出发,定义了一种江淮切变线强度的定量化的表征方法,即综合与降水关系密切的切变涡度和散度形成能客观近似地刻画切变线附近切变强度的指标量■。并在此基础上利用再分析资料和实况降水资料分析切变强度与对应降水量之间的关系,分析表明:强切变强度区域与降水雨带有明显的对应关系,降水区往往与强切变强度区域相一致或是比强切变强度区域略偏南;证实了切变强度与降水强度有正相关关系的事实,当切变强度■时,对应区域6 h累积降水量超过10 mm,甚至达到30 mm。     

双雷达风场反演拼图在登陆台风“莫兰蒂”(1614)强降水精细预报中的同化应用试验

利用福建龙岩、漳州、泉州新一代多普勒天气雷达和厦门海沧双偏振雷达探测资料,采用动态地球坐标系下双雷达三维风场反演与拼图技术,基于天气研究和预报模式（Weather Research and Forecasting,WRF）及其资料同化系统,对登陆台风“莫兰蒂”（1614）引起的2016年9月14—15日福建强降水过程进行了双雷达风场反演拼图资料检验及其三维变分同化对强降水精细预报影响的数值试验,结果发现:（1）动态地球坐标系下双雷达反演风场能合理反映实际风场分布状况,其误差相对较小。相较厦门翔安风廓线雷达及厦门探空秒级测风数据,反演风风向（风速）平均绝对误差分别为7.8°（2.6 m/s）及3.4°（1.1 m/s）;（2）反演风场水平方向稀疏化对同化及预报结果极为重要,过密的反演风场资料会给同化及预报结果带来负效果。文中采用18、6、2 km 3重嵌套,在3重嵌套区域均进行同化以及仅在2 km区域进行同化两种情况下,均表现为当反演风场资料水平分辨率提高到0.1°时,同化分析及预报的台风环流开始受到负影响;且当反演风场资料水平分辨率越高时,负效果越明显。敏感性试验结果显示,分辨率取0.2°时数值预报效果最好;（3）以美国国家环境预报中心全球预报系统（National Centers for Environmental Prediction/Global Forecast System,NCEP/GFS）0.5°×0.5°分析场为初值,基于3个不同起报时刻（2016年9月14日14时、20时及15日02时）（北京时,下同）模拟的福建省境内台风内核雨带和螺旋雨带逐时演变、台风路径与强度、逐时降水TS评分和空间相关差异显著,其中14日14时起报试验效果最好;而14日20时起报试验效果最差,这与该试验初始台风大风轴风速明显偏大有关;（4）在上述3个不同起报时刻试验基础上,分别增加双雷达反演风场资料的三维变分同化后,福建境内地面风场和台风内核雨带、螺旋雨带逐时分布、逐时降水TS评分和空间相关、台风环流结构以及U、V风垂直廓线分布均有明显改善,最大正影响时效可达24 h;但仅对1—6 h时效内台风路径有改善。      

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。     

2015—2019年辽宁省暴雨红色预警信号分布及其特征

利用2015—2019年辽宁省发布的暴雨红色预警信号和1605个自动站的分钟级降水资料,统计暴雨红色预警信号和短时大暴雨年际变化和时空分布,分析暴雨红色预警信号的高分布区、易发时段。结果表明：2015—2017年辽宁省暴雨红色预警信号发布站数逐年递增,最大值出现在2017年,发布站数为147个;2015—2018年预警信号准确率提升,提前时间略减少,最低值为2018年,提前时间为19 min;2019年比2018年暴雨红色预警信号发布站数减少59个,提前时间增加29 min;暴雨红色预警信号的空间分布为东南部地区多、中部地区少;暴雨红色预警信号多在夜间发布;在辽宁省发布的50%以上的暴雨红色预警信号中,降水量达到预警发布标准的时间滞后于最大雨强出现时间90 min,最大雨强出现时间为暴雨红色预警信号发布的重要指标。为了达到防灾减灾的服务效果,发布暴雨红色预警信号时,应充分考虑最大雨强出现时间、发布时机、短时大暴雨高发区及地形的影响。     

基于机器学习的重庆长江航道雾图像特征识别研究

基于重庆市境内长江航道雷达站拍摄的雾天气过程影像资料,利用K最近邻、支持向量机、BP神经网络、随机森林等机器学习算法,对无雾和5类有雾天气个例进行图像识别训练,构建雾图像识别模型,并检验了识别准确率。结果表明：机器学习能够有效识别雾图像,随机森林算法的识别效果优于其余3种算法。对于能见度超过1500 m的无雾天气,模型的识别准确率为100%,对于能见度在1000—1500 m范围内的轻雾、能见度低于50 m的强浓雾,模型的识别准确率在90%以上,对于能见度在50—1000 m范围内的雾、大雾和浓雾,识别准确率超过70%。