基于省区协调发展的GDP预测模型

基于柯布-道格拉斯生产函数与自回归移动平均模型(ARIMA)构建出一个GDP综合预测模型,并且考虑十九大全面建成小康社会与实现共同富裕的精神与国家关于技术、资本、劳动力等方面的区域平衡发展战略调整模型的参数,计算了2016—2050年中国分省的GDP总量与人均GDP,进一步通过计算省区间人均GDP的基尼系数来分析省区协调发展的水平。研究结果表明,在考虑省区协调发展时,各省区在2016—2050年间的GDP总量与人均GDP的差距逐渐缩小,省区间人均GDP的基尼系数将从2015年的0.219下降到2030年的0.176和2050年的0.137,未来区域间发展不均衡的态势在实现经济稳步增长同时可以得到缓解。     

Validation for a tropical belt version of WRF: sensitivity tests on radiation and cumulus convection parameterizations

对基本气候态和降水日变化的分析是检验模式模拟性能、理解模式误差来源的重要手段。为了评估出对热带气候模拟效果较好的物理参数化方案组合,本文应用WRF带状区域模式,主要比较了四种积云对流参数化方案:NewTiedtke、Kain-Fritsch、newSAS、Tiedtke,和两种辐射参数化方案:RRTMG和CAM,对热带带状区域的气候模拟结果。研究表明:使用NewTiedtke积云对流参数化方案和RRTMG辐射方案的试验,表现出对气温、降水及降水日变化等综合性最好的模拟性能;NewTiedtke积云对流参数化方案能模拟出较好的降水空间分布和降水日变化位相分布特征;与RRTMG辐射方案相比,CAM辐射方案会使温度模拟偏低,特别是陆地上更明显,这种陆地上的冷偏差可能主要来源于Tmin的模拟偏冷。     

苏州市一次重霾污染天气过程的数值模拟

本文对苏州地区2015年12月13—15日发生的一次典型的重霾污染天气过程进行了数值模拟,分析了颗粒物及其组分的时空变化特征及其气象影响因子,以期为该区域空气污染治理和预防提供科学依据。结果表明:(1)利用WRF-Chem模式对此次重霾污染天气过程的污染气体成分进行数值模拟后发现,小时平均的PM_(2.5)、PM_(10)、CO、SO_2、NO_2模拟值与实测值的相关系数较高,达到0.68以上,通过了P0.01的显著性检验,且日变化过程对应也较好。(2)通过分析此次污染过程的天气背景,发现污染形成期高空环流比较平直,中层为均匀的弱高压控制,地面受弱高压脊控制,这种形势容易导致颗粒物的堆积。后期地面等压线密集时,风速大,有利于污染物的输送与扩散。(3)通过分析此次污染过程期间气象要素的变化发现,有逆温、风速小、相对湿度大等不利的气象条件是导致此次污染过程发生的重要原因之一。(4)HYSPLIT轨迹分析显示,此次重霾过程主要受北方大范围灰霾颗粒物南下影响,北方污染气团逐步南推,14至15日本地大气扩散条件差、污染物累积,最终导致本地污染加重,从而发生重霾事件。(5)火点图的分布进一步验证了此次重霾污染过程是由外来污染气团输入所导致。     

近50多年来淮河流域气候水分盈亏时空变化

水分盈亏是区域干湿气候划分的重要依据。基于淮河流域63个气象台站1957—2014年逐日观测数据,运用累积距平、Mann-Kendall突变分析、Morlet小波分析及ArcGIS反权重空间插值法,结合Penman-Monteith蒸散计算模型获得淮河流域水分盈亏量的周期特征、突变特征及其时空分布特征,并分析其主要影响因子。结果表明:(1)水分盈亏月变化基本符合5月最低,7月最高。(2)从季节分布来看,水分亏缺面积秋季春季冬季夏季,亏缺程度春季最强。从平均年水分盈亏量分布来看,水分盈亏量由南向北递减。且不论季节还是年状况,山地及河流对区域水分盈亏量的南北递减存在滞后作用。(3)从各因子气候倾向率的时空分布来看,江苏东南部、山东西部、河南大部、湖北中部水分盈亏量变化的主导因子为潜在蒸散量,其他区域的主导因子为降雨量。(4)淮河流域水分盈亏量存在周期特征,第一主周期为10 a。     

4种蒸发波导模型的对比与分析

蒸发波导模型常用来计算海上蒸发波导高度。为了认识当前不同蒸发波导模型之间的差异和方法,本文选取了目前使用广泛的4种蒸发波导模型(即P-J模型、Babin模型、NPS模型和伪折射率模型)进行对比和分析。本文首先探讨了在理想情况下它们对气象要素的敏感性,随后并利用我国南海近海大气层观测试验数据对比了这4种模型的蒸发波导高度计算结果。分析表明:相对湿度、风速和气—海温差的变化对4种模型的计算都有着较大的影响,特别是在不稳定层结状况下,4种模型计算得到的蒸发波导高度都随着相对湿度的增大而降低、随着风速的增大而增高。Babin模型和NPS模型计算的波导高度较为一致,伪折射率模型与前两种模型的计算结果存在差异,而P-J模型与其他3种模型存在较明显的偏差。基于南海气象数据的计算结果表明,不同蒸发波导模型在该海域蒸发波导的模拟结果略有不同,但4种模型计算得到的波导高度日变化变化趋势较为一致,波导高度极低值常出现在早晨,而极高值常出现在傍晚。     

Interannual Salinity Variability in the Tropical Pacific in CMIP5 Simulations

Salinity variability and its causes in the tropical Pacific are analyzed using observations, reanalysis products and model simulations. The mixed-layer salinity(MLS) budget analyses from observations and reanalysis products indicate that its interannual evolution is closely related to ENSO and is predominantly governed by surface forcing and surface advection in the western-central equatorial Pacific. It is found that the observed MLS tendency leads Nin?o3.4 by about 12 months due to the effect of negative freshwater flux(evaporation minus precipitation). These observation-based analyses are used to evaluate the corresponding simulation using GFDL-ESM2 M. It is evident that the model can simulate the spatiotemporal variations of MLS with some discrepancies compared to observations. In the warm pool of the equatorial Pacific the MLS tendency in the model is sensitive to ocean dynamics, however model biases cause the tendency to be underestimated. In particular, the freshwater flux is overestimated while the ocean surface zonal current and vertical velocity at the base of the mixed layer are underestimated. Due to model biases in representing the related physics, the effects of surface forcing on the simulated MLS budget are overestimated and those of subsurface and surface advection are relatively weak. Due to weaker surface advection and subsurface forcing than observed, the simulated compensations for surface forcing are suppressed, and the simulated MLS tendency that leads Nin?o3.4 by 8–10 months, which is shorter than the observed lead time. These results are useful for the interpretation of observational analyses and other model simulations in the tropical Pacific.     

线性化物理过程对GRAPES 4DVAR同化的影响

线性化物理过程能够改善四维变分同化中极小化收敛的稳定性和增加极小化过程中对大气物理过程和动力更加精确的描述,它是四维变分同化中非常重要的一部分。通过在GRAPES全球模式中研究线性化物理过程,尤其是两个湿线性化物理过程,改善切线性模式预报精度,来提高GRAPES全球四维变分同化的分析和预报效果。线性化物理过程的开发首先需要简化原非线性化物理过程中的强非线性项,然后对线性化物理过程进行规约化,以抑制切线性扰动的异常增长。目前GRAEPS全球模式中的线性化物理过程主要包括次网格尺度地形参数化、垂直扩散、积云深对流和大尺度凝结。线性化物理过程预报精度的检验方法是通过选择合适大小的初始扰动（同化分析增量）,来比较非线性模式和切线性模式中的扰动演化的纬向平均误差。然后以绝热版本的切线性模式为基础,通过冬、夏两个个例试验来分别检验4个线性化物理过程的12 h预报效果。试验结果表明,通过添加次网格地形参数化和垂直扩散两个干线性化物理过程方案,可以有效抑制住绝热版本切线性模式低层扰动的异常增长,大幅度改善切线性模式预报效果。通过添加积云深对流和大尺度凝结两个湿线性化物理过程,可以在热带区域和中、高纬度地区提高切线性模式中湿变量和温度变量的近似精度,提高GRAPES全球四维变分同化的分析和预报效果。      

基于ERA5的快速辐射传输模式与FY-4A成像仪观测结果的偏差分析

2016年12月发射升空的FY-4A是中国第二代静止轨道气象卫星,该星上搭载了可提供东半球近实时高分辨率卫星观测数据的扫描辐射成像仪——AGRI（Advanced Geostationary Radiation Imager）。在其观测数据应用于大气参数反演或同化前,数据偏差的定量化分析是一个必要环节。采用快速辐射传输模式RTTOV（Radiative Transfer for the TIROS Operational Vertical Sounder）,基于欧洲中期天气预报中心（ECMWF）第5个全球再分析数据产品（ERA5）对AGRI的7个红外通道（通道08—14）进行了模拟,并利用MODIS云检测产品对模拟结果进行了晴空筛选,以期得到一些对AGRI的定量应用有价值的偏差分析结果。观测-模拟（O-B）的偏差分析结果显示:海洋和陆地上,通道10（7.1 μm）存在明显大于其他红外通道的系统性偏差,这很可能来源于ERA5在对流层中层对水汽的高估。通道08为近红外短波通道,地表反射作用影响强烈,陆地上存在较大的平均偏差,而海洋上平均偏差小于0.4 K。通道14在ERA5近地层气温偏高及定标偏差的影响下,海洋存在接近1 K的平均偏差;陆地上存在2 K左右的平均偏差。其余各红外通道在海洋和陆地上的平均偏差分别在0.6和1.3 K以下。偏差影响因子分析结果显示:地表海拔高度、观测天顶角对偏差也存在一定程度的影响;海洋上偏差分布存在季节变化可能来源于再分析资料中海表温度估算的季节性误差。      

GRAPES全球奇异向量方法改进及试验分析

基于总能量模的奇异向量扰动常用于构造集合预报的初始条件。以建立GRAPES（Global and Regional Assimilation PrEdiction System）全球集合预报系统为目的,基于前期研发的GRAPES全球模式奇异向量方法,在GRAPES全球切线性模式和伴随模式2.0版的框架下,开展了引入线性化边界层方案来改善奇异向量结构,并提高奇异向量计算效率的研究。通过连续试验,从奇异向量的扰动能量结构、扰动能量谱及扰动空间分布等方面,综合分析改进GRAPES全球奇异向量的结构及演变特征。试验结果表明,改进后的GRAPES奇异向量方法有效抑制了之前扰动能量在近地面层不合理的快速增长,同时,奇异向量最优扰动的结构更客观地体现了中高纬度区域大气初始条件中的斜压不稳定扰动及其演变,如在初始时刻奇异向量扰动能量主要位于对流层中层,并呈现出随高度向西倾斜的大气斜压特征;经过线性化演变,扰动能量向较大水平尺度转移,并在垂直结构上表现出向对流层高层上传及向对流层低层下传的特征等。针对GRAPES奇异向量迭代求解中伴随模式计算耗时为主的情况,改进伴随模式中广义共轭余差方案的调用方式,并采用大内存存储法来提高其计算效率,进而将奇异向量总计算时间缩短了25%。总之,改进后的GRAPES奇异向量方法,可应用于构建面向业务应用的GRAPES全球集合预报系统。      

基于小波长短期记忆网络的风电功率超短期概率预测

随着大规模的风电并网,风电所具有的间歇性与随机性对电力系统的稳定性产生了很大的影响,风电功率预测成为当前解决该问题重要的方式之一.本文利用长短期记忆（LSTM）网络良好的时序记忆特性,将小波分解技术与LSTM深度网络结合,提出基于小波长短期记忆网络的风电功率超短期概率预测模型.首先通过小波分解技术将原始时间序列进行平稳化处理,再建立各子序列样本的LSTM网络预测模型,借助最大似然估计法估计预测误差的高斯分布函数,最终实现对未来4 h时刻的风电功率概率区间预测.最后,采用中国东北某风电场数据对所提方法进行算例分析,结果表明,将小波分解与深度学习方法结合可以较好地提高预测的精度,提高概率预测的区间可靠性.