时空投影模型(STPM)的次季节至季节(S2S)预测应用进展

随着数值天气预报技术和季节动力预报系统的发展,短期天气预报及长期气候预测的能力持续提高,然而介于两者之间的次季节至季节(S2S,两周至三个月)预测技巧偏低,成为当今气象学界和业务服务的难题。南京信息工程大学国家特聘专家李天明教授团队于2012年研发了基于时空投影技术的统计预报模型(STPM),成功地对中国大陆降水和气温距平,以及区域极端降水、夏季高温、冬季低温和西太平洋台风群发事件等高影响天气进行提前10~30 d的预报,并在国家气候中心及多个省份开展了业务应用。STPM也成功应用于台湾春雨预报、南海季风爆发和ENSO预测等季节至年际变化的预测。本文对S2S预测的理论基础、STPM的发展和应用进行了完整的介绍,并讨论了S2S预测业务中所面临的挑战和未来展望。     

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。     

澜沧江-湄公河流域径流与气候因子变化的季节差异特征研究

根据DELWARE温度和降水数据、GLDAS蒸散发数据和湄公河干流9个水文站的实测径流,采用回归分析、均值T检验和低通滤波,分析了该流域气候和径流在1950-2017年间的变化情况,经分析表明流域内气候和径流在研究时段内有较大变化,而且在不同的月份呈现不同的变化特征。流域年平均温度整体呈增加趋势,2008年后的平均温度相对2008年前平均温度有显著增加;流域年平均降水的变化幅度不大;流域平均蒸散发在12月-次年2月呈下降趋势,其他月份呈增加趋势,2008-2017年月平均蒸散发与1950-2007年月平均蒸散发相比大幅提升,尤其是在6-10月;湄公河流域年径流没有显著变化,但径流在12月-次年4月呈上升趋势,7-10月呈下降趋势,其中,上升趋势比下降趋势显著,1-4月径流上升趋势在2008年之后更为显著;最小径流在2008年后有显著增加趋势,最大径流在2008年后呈下降趋势;年流量逆转次数自20世纪90年代起有明显升高趋势。通过比较温度、降水、蒸散发和径流在不同时间段的变化情况,可以看出径流在2008年后变化趋势和气候自然变化关系不显著,但可能跟大坝蓄水能力显著提高等人为活动有较大关系。     

基于频率匹配法的中国降水多模式预报订正研究

基于TIGGE资料中欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心及英国气象局1～7 d日降水量预报以及中国自动站观测资料与CMORPH降水产品融合的逐时降水量网格数据集,利用频率匹配法(Frequency-Matching Method,FMM)对中国降水预报进行客观订正。首先利用卡尔曼滤波方法对降水频率进行调整,并根据不同区域降水强度差异将全国分为7个子区域分别进行频率匹配。结果表明,FMM可以有效减小降水量预报的误差。经过频率匹配法订正后各模式降水预报的平均绝对误差(Mean Absolute Error,MAE)大幅减小,且订正后各量级降水的雨区面积更加接近实际观测值。FMM对小于5 mm和大于15 mm的降水预报技巧改进明显。此外,FMM降低了模式预报的小雨空报率和大雨漏报率,并且明显提高了晴雨预报的准确率。FMM明显消除了大范围小雨空报区域,但是对强降水预报FMM仅能调整降水量大小,强降水落区预报并不能得到明显改善。     

两广地区前、后汛期降水异常反位相现象及可能机理

利用1961—2018年中国地面气象台站2 400站中广东省和广西壮族自治区(两广地区)134站逐日降水资料、英国Hadley中心逐月海表温度资料、NCEP/NCAR逐月再分析资料,筛选了两广地区前汛期降水正(负)异常、后汛期降水负(正)异常的年份,即前、后汛期降水异常反位相年份。结果表明,近60 a来,两广地区前、后汛期降水反位相现象与热带西太平洋海温异常存在密切联系。前汛期期间,当热带西太平洋海温为负异常时,大气对该冷源的Rossby波响应引起西北太平洋反气旋环流异常,且水汽由热带西太平洋向两广地区输送并辐合,同时两广地区为水汽的湿平流区域、风场异常辐合区域,其上空受异常上升运动控制,这样的环流配置有利于两广前汛期期间降水正异常。热带西太平洋海温负异常可持续至后汛期期间,大气的Rossby波响应所致的西太平洋反气旋较前汛期偏西北,两广地区为水汽异常辐散区域,同时水汽干平流且风场异常辐散,受异常下沉运动控制,不利于两广地区降水的产生。反之亦然。     

基于全球及区域气候模式的江苏省降水变化趋势预估

利用气象观测资料,8个全球耦合气候系统模式的集合平均以及区域气候模式(RegCM4)的结果,通过方差分析、相关分析、趋势分析、扰动法等方法对模式性能进行了评估,并对江苏省在未来RCP8.5高端排放情景下降水的变化趋势进行了预估。结果表明,在RCP8.5情景下,至2020、2030和2050年,全球模式模拟的江苏省年平均降水在未来有逐渐增加的趋势,线性增加率约为7 mm/(10 a)。至2050年,江苏省年平均降水量将增加2%左右;区域模式模拟的年平均降水在未来线性增加率为1.5 mm/(10 a),变化不显著。区域模式模拟的夏季降水在未来有所增加,最多可增加20%～30%,但增幅随时间逐渐减小;全球模式模拟的夏季降水比现在有所减少,至2050年,减少了大约10%。区域模式模拟的冬季降水在未来不同时间段均比现在有所减少,同现在相比,最多可减少30%～40%;而全球模式模拟的冬季降水在未来则是先减少,后增加,至2050年,比现在大约增加10%。对于不同季节,总体而言,南部地区降水量的变化较北部地区显著。对于极端降水事件来说,江苏省未来小雨日数将减少,而暴雨日数则微弱增加。但由于全球模式本身的性能、区域模式对全球模式的依赖性以及温室气体排放的不确定性使上述预估结果仍具有不确定性。     

江淮流域极端降水时空变化特征:站点观测和再分析的对比

利用淮河流域1979—2011年260个站点观测、ERA-Interim和NCEP/DOE再分析资料的日降水量数据,选用8个极端降水指数,从空间分布、发展趋势、时间变化等方面对比分析了我国江淮流域极端降水的变化规律,研究了再分析数据的适用性,结果表明:1)持续湿润指数(CWD)、强降水日数(R10mm,R20mm)以及百分位指数(R95p,R99p)具有一致的北少南多的分布特征,而持续干燥指数(CDD)为北多南少,且强度指数(Rx1day,Rx5day)和百分位指数在浙江沿海均有极大值存在。2)大部分地区的强降水日数呈减少趋势,仅在江淮周边地区有弱上升趋势。3)区域平均的降水强度指数具有上升的趋势变化,逐月变化具有先增长后减少的结构特征,5—6月的增长量最大,峰值出现在7月,在夏末、冬季有较明显的随年代增加的趋势,在秋季则随年代减少。4)再分析资料ERA-Interim和NCEP/DOE对不同指数的再现能力有所不同,ERA-Interim对强降水日数(R10mm)、CDD、百分位指数的空间分布以及CDD的变化趋势再现能力较好,与强度指数和百分位指数年际变化的相关性较高,但对CWD变化趋势分布特点的再现能力较弱;NCEP/DOE更善于再现较强降水日数(R20mm)的空间分布以及强度指数和百分位指数的线性变化趋势。5)两种再分析资料能合理地再现强降水日数(R10mm,R20mm)和CDD年际变化特征和强度指数的季节变化特征。     

基于卡尔曼滤波的中国区域气温和降水的多模式集成预报

利用TIGGE资料集下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)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。     

开封中、短期逐日降水分级滚动预报方法

利用欧洲中心和T213数值预报产品格点资料,经环流形势特征分析、格点读数、指标量化、计算机编程等步骤,研制了逐日降水分级滚动预报方法.     

一个ENSO多模式集合预报系统介绍

厄尔尼诺-南方涛动(El Ni?o and Southern Oscillation,简称ENSO)是短期气候预测的主要可预报性来源.为提高ENSO的预报水平,我们构建了一个包含5个动力耦合模式的多模式集合预报系统,其中各个模式具有不同的复杂程度、参数化方案、分辨率、初始化和集合扰动生成方案,以尽可能全面地考虑各种不确定性对预报结果的影响.回报试验结果表明:多模式集合的预报效果明显好于任何一个单一模式,其显著降低了均方根误差,并提高了异常相关性技巧.该多模式集合的预报效果可以比肩甚至优于同期北美多模式比较计划中的ENSO多模式集合预报技巧.此外,多模式集合预报能够削弱“春季预报障碍”的影响,提供更为可靠的概率预报.实时预报能够提前六个月准确地捕捉到近期连续两年的拉尼娜事件,并且该系统从2022年4月开始的预报也显示出连续三年拉尼娜事件的可能性.总体来说,这一多模式集合预报系统能够提供比任何模式成员更加准确的确定性预报和概率预报.这些改进主要得益于:一方面不同模式之间的优势互补增加了可预报信息,另一方面该系统集合成员规模较大有助于更为合理地刻画预报不确定性的分布.