多隐层BP神经网络在模式预报中的简化应用

EC细网格预报效果好,基本满足业务需要,在工作中被广泛应用。为进一步提升预报准确性,做好迪士尼园区的气象服务保障,选取2016年7月至2017年6月1年的2 m温度预报场,24 h预报时效的时间分辨率为3 h,72 h预报时效的时间分辨率为24 h,分别用回归分析法、S型和简化Line型BP神经网络法进行模式释用,与迪士尼气象站观测数据对比。结果表明:阈值为1℃时,对模式结果释用后,均方根误差减少了0.5℃到1.0℃,3—9 h和21—72 h预报时效的准确率由原来的50%和30%分别上升到70%和50%。采用S型多隐层BP神经网络误差最小,不同预报时效释用稳定性最高,同时该释用方法对t_(min)的预报特征把握更精准,释用效果明显优于对t_(max)的预报释用,但迭代计算耗费时间大幅增多,与预报效果的提升不成正比。简化Line型的BP神经网络通过8个半月的数据量和简单的网络模式,捕获了EC预报的特征,不但减小了计算量,大幅缩短了计算时间,而且预报结果也有显著提升,预报稳定性较好,具有广泛的业务应用空间。     

降水相态转换机制及积雪深度预报技术研究

利用2014—2017年山西省地面和高空气象观测资料、NCEP/NCAR FNL再分析资料、山西及周边地区多普勒天气雷达资料,对山西冬半年雨转雪过程进行归类与分析,探讨地面气温在降水相态转换中的作用,提取降水相态转换的前兆信息。针对降雪过程,统计分析降雪量和积雪深度增量的关系,总结提炼积雪深度预报指标。最后,选取气候特征相似的两次雨转雪过程进行对比分析,揭示降水相态转换的物理机制。结果表明:(1)山西省11月发生雨转雪的站次最多,其次为2月。地面气温作为降水相态变化的重要指标,其与气候和天气(如冷空气强度和路径)特征、地理位置等有关。(2)山西冬半年积雪深度增量与降雪量比值约0.68 cm·mm~(-1),且比值随着气温降低而增大,因此存在明显的时空差异。(3)在雨转雪的不同时段,随着对流层低层降温,冰雪层厚度在总云层的比例有所增加,且云中固态凝结物下落路径缩短,使得固态凝结物在下落过程中融化概率减小,造成相态变化。     

中国东部夏季降水与气温的联合EOF分析

采用JEOF等方法分析中国东部夏季降水和气温的协同变化时空分布特征,结果表明:当时间系数为正时,第1典型场降水型态从北向南(下同)呈"++-"分布,气温表现为冷异常,500 hPa回归场在中纬度地区呈显著低压异常,SST回归场表现为太平洋海域呈西北-东南的分布;第2典型场降水呈"+-"分布,气温则呈"-+"分布;第3典型场降水分布呈中间型,气温场呈"-+"分布。     

2017-2018年冬季黑龙江省气温异常成因分析

2017-2018年冬季全省平均气温为-19.7℃,较历年同期偏低2.2℃,为1981年以来的第3位,仅次于2000年和2012年。本文利用NCEP再分析资料,对2017-2018年黑龙江省冬季气温异常成因进行分析,结果表明大气环流的异常是造成黑龙江省冬季气温异常偏低的直接原因。东亚季风环流系统表现为:东亚冬季风强度偏强,西伯利亚高压偏强,500hPa东亚大槽异常偏深。分析下垫面外强迫因素,2017-2018年赤道中东太平洋出现拉尼娜事件,分析显示拉尼娜事件发生可能导致冬季风偏强,从而也是造成全省气温偏低的主要原因之一。     

拉萨河冬季径流对气候变暖和冻土退化的响应

20世纪90年代以来,拉萨河流域的气温经历了10年升高0.54 ^oC的气候变暖,这期间以秋冬季升温为主。在近40年 (1963~2004年) 气候和28年 (1976~2004年) 月径流数据的基础上,研究了具有多年冻土的高海拔拉萨河流域的冻土和水文响应。结果表明,冬季径流对11~2月气温升高具有显著响应,在12~2月份增加了16%,其中2月份增加22%。水热相关分析表明,10~11月地表温度升高0.8~0.9 ^oC导致冬季河流水量增多,介于0.9~1.5m深度的季节冻土深度和温度变化导致了径流量变化的响应。20世纪90年代的气候变暖使得多年冻土区的季节冻土深度萎缩了大约14cm,冻土区的冬季径流水文响应比气温更快、更显著。但冻土积雪观测的不足使冬季水文变化具有不确定性。     

ECMWF业务预报模式地面气温预报的不一致性特征研究

为探讨ECMWF业务预报模式(以下简称ECMWF)的地面气温预报不一致性问题,本文利用2015年12月1日—2016年11月30日业务预报中常用的地面气温预报数据,研究ECMWF地面气温预报产品在不同季节里的不一致性指数分布及变化特征。结果表明:各个季节不一致性指数有不同的特点,冬季不一致性指数最大,大值区主要分布在除华南和青藏高原外的大部分区域;而夏季不一致性指数最小,在青藏高原地区不一致性指数相对较大;春、秋两季不一致性指数大小均处于冬、夏季之间。此外,研究还发现冬季地面气温预报不一致性指数单日变化较大,而夏季较小。夏季不同起报时间的地面气温预报比较稳定。     

前期土壤湿度、海表面温度对中国夏季极端气温的预测能力评估

基于中国587站日最高、最低气温观测资料、月平均的ERA_interim土壤湿度（Soil Moisture,SM）再分析资料及扩展重建的海表面温度（Sea Surface Temperature,SST）资料（ERSST）,对极端气温指数进行了定义,利用变形的典型相关分析和集合典型相关分析方法（Ensemble Canonical Correlation,ECC）,分析了1979-2009年我国夏季极端气温与前期（春、前冬）SM、SST间的线性联系,建立了中国夏季极端气温预测模型,并对独立样本检验的效果进行了评估。结果表明：1）与中国夏季极端气温联系密切的前期SST异常的空间分布为类PDO（Pacific Decadal Oscillation）型,前期土壤湿度异常的区域为华南、青藏高原、东北和西北地区。2）交叉检验结果表明基于前冬预测因子的极端气温预测模型技巧高于春季,基于SM的极端气温预测模型技巧高于SST。3）独立样本检验表明基于前期SM、SST的ECC模型对中国东部夏季极端气温有一定的预测能力。因此,可以在夏季极端气温的预测业务中考虑前期SM、SST的影响。     

Precursory atmospheric teleconnection patterns for strong Siberian High events

本文利用日本55年逐日再分析资料,发现在SH异常增强前,有三种不同的大气遥相关型前兆信号,即斯堪的纳维亚(SCA)型,西太平洋(WP)型,极地-欧亚(POL)型.据此,本文将异常增强的SH分为对应的三类事件.合成结果表明,三类事件在典型环流特征和对东亚气温的影响上存在着明显的不同.具体而言,SCA类事件主要表现为在欧亚中高纬度上自西向东的波列异常,WP类事件表现为环流异常自下游太平洋/俄罗斯远东地区向西发展的特征,POL型事件的显著信号则来源于自极区向南移动的反气旋式环流异常.在对东亚地表气温的影响上,SCA类与POL类事件类似,它们均可造成大范围的低温异常.而WP类仅在我国北方和东部地区造成强度较弱的地表气温异常,但该异常的持续性特征较明显.