集合卡尔曼滤波同化多普勒雷达资料的数值试验

利用集合卡尔曼滤波(EnKF)在云数值模式中同化模拟多普勒雷达资料,并考察了不同条件下EnKF同化方法的性能.结果显示,经过几个同化周期后,EnKF分析结果非常接近真值.单多普勒雷达资料EnKF同化对雷达位置不太敏感,双雷达资料同化结果在同化的初期阶段比单雷达资料同化结果准确.同化由反射率导出的雨水比直接同化反射率资料更有效,联合同化径向速度和雨水有利于提高同化分析效果.协方差对EnKF同化效果起着非常重要的作用,考虑模式全部预报变量与径向速度协方差的同化效果比仅考虑速度场与径向速度协方差的同化效果好.雷达资料缺值降低了同化效果,此时增加地面常规观测资料的同化可以明显提高同化分析效果.EnKF同化技术对雷达观测资料误差不太敏感.初始集合对同化分析有较大影响.EnKF同化受集合大小和观测资料影响半径.同化对模式误差较敏感.利用EnKF同化双多普勒雷达资料,分析了一次梅雨锋暴雨过程的中尺度结构.结果表明,EnKF同化技术能够从双多普勒雷达资料反演暴雨中尺度系统的动力场、热力场和微物理场,反演的风场是较准确的,反演的热力场和微物理场分布也是基本合理的.中低层切变线是此次暴雨的主要动力特征,对流云表现为低层辐合、高层辐散并有垂直上升运动伴随,其热力特征表现为低层是低压区,高层为高压区,中部为暖区而上、下部为冷区,水汽、云水和雨水分别集中在对流云体内、上升气流区和强回波区.     

基于CMIP5模式的中国气候变化敏感性预估与分析

以CMIP5提供的26个全球气候系统模式的温度和降水数据为基础,采用区域气候变化指数(Regional Climate Change Index,RCCI)分析中国的不同区域对21世纪气候变化响应的敏感性。结果表明,三种排放情景(RCP 2.6、RCP 4.5、RCP 8.5)下,21世纪全期,气候变化最敏感的区域分布在西藏地区,其次为我国西北地区以及东北地区,气候变化敏感性最低的区域分布在我国内蒙古中东部、华北地区以及长江中下游一带,且高排放情景对应更高的气候变化敏感性。对RCCI指数贡献因子分析结果表明,对中国气候变化敏感性贡献的大小依次为Δσ_TΔσ_pΔRRWAF。冬夏两季温度变化的大值区与RCCI指数的大致区分布一致,RCCI大小的分布很大程度上由温度变化的敏感性决定。而夏季降水变化的大值区主要出现在西藏地区、华南地区和东北地区,冬季降水变化的大值区则主要出现在黄河以南长江以北的中原地区以及东北地区。     

基于VIC模型与集合卡尔曼滤波的土壤水分同化研究

基于可变下渗能力水文模型(Variable Infiltration Capacity,VIC)和集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)算法发展了一种土壤表层水分的数据同化方案,并在新疆维吾尔自治区的森林、高盖草和低盖草3种植被覆盖类型地区进行试验。在同化过程中,有强降水存在时,3种植被覆盖类型的同化值均比实际测量值高;降水较少时,高盖草和低盖草两种类型的同化值比实际测量值略低,而在森林地区,同化值比实际测量值略高。总体上,该同化方案得到的结果比VIC模拟得到的结果更接近于实际测量值,取得较好同化效果。     

岩体可爆性分级物元分析模型及其应用

首次提出用物元分析进行岩体可爆性分级的新方法。该模型将岩体可爆性类别、分类指标及其特征值作为物元，根据岩体可爆性分级标准建立关联函数，通过计算综合关联度判断岩体可爆性类别，用实例与其他方法进行了对比，得到一致的结果。该方法计算简便、分类合理，实用性强。     

舍入误差对大气环流模式模拟结果的影响

此文旨在研究气候数值模式的长期计算时受舍入误差的影响。通过对大气环流谱模式SAMIL采用不同CPU数计算时获得的长时间积分结果进行分析,发现使用不同CPU数进行单精度计算时,其十年平均月平均500 hPa高度场随机误差在正负6～8 gpm范围内,而使用双精度计算时相应的误差为正负3～4 gpm。对于气候平均场而言,作者的试验表明SAMIL在并行计算时由于计算顺序改变而引起的误差在可接受范围之内。然而,虽然舍入误差的全球平均值不大,但其误差分布的差别范围并不小。数值试验得到的不同模拟结果之间误差大小与模拟结果的自身年际变化大小在同样的量级,因此对于“年际变化”这样的问题来说,其影响是不可忽略的,必须要使用集合预报的办法来减小误差的影响。文中列出了3种研究复杂数值模式舍入误差的实验方法,指出其一定条件下的等效性和不同适用范围,对于其他模式的舍入误差影响研究有一定的参考价值。在舍入误差分析的基础上,介绍了一种新型的专门针对舍入误差的集合预报方法（舍入误差平均集合,RME）,指出了其在气候模拟研究中的应用价值。     

基于CEEMDAN和SWT的地震信号随机噪声压制

完备集合经验模态分解(CEEMD)通过添加正负成对辅助噪声可较好的解决集合经验模态分解(EEMD)中信号被噪声污染的问题,但CEEMD方法分解后的单个本征模态函数(IMF)分量中仍存在部分随机噪声信息.通过转变辅助噪声形式和分解流程提出自适应噪声完备集合经验模态分解(CEEMDAN)方法,该方法在较少集总次数和筛选迭代次数的情况下,即可实现优良的信噪分离功能,大大缩减处理耗时,具备分解精度高、具有完备性的特征.同时,针对传统经验模态分解(EMD)类方法去噪时直接舍弃第1～2阶高频IMF分量,导致其内高波数有效能量损失的问题,通过计算相邻IMF分量互信息熵获取高频噪声和低频有效信号的最优能量分界,对分界点前的各阶IMF分量进行同步压缩小波变换(SWT)处理,分离有效高频信息,最后与低频IMF分量重构达到噪声压制的目的.合成及实际地震资料处理结果表明,本文联合多步骤地震随机噪声压制策略具有较好的去噪效果和能量保持能力,在运算耗时指标上优于传统的EMD噪声辅助类方法.     

基于TIGGE数据的我国寒潮自动识别预报方法

利用1951—2006年中央气象台寒潮天气过程数据以及NCEP/NCAR 500 hPa高度场等逐日再分析资料,通过客观聚类方法与主观对比分析确定寒潮爆发的典型形势场,结合寒潮过程特征量阈值,建立了基于TIGGE集合预报产品的寒潮自动识别客观预报方法,并利用TIGGE集合预报数据对2008年1月和2009年1月两次寒潮天气过程进行预报试验。结果表明:利用500 hPa高度距平场进行聚类分析,一方面可以消除环流季节特征对划分结果的影响,另一方面也突出了寒潮这种强天气的异常扰动表现;基于集合预报产品的寒潮自动识别预报方法浓缩了集合预报产品信息,可直接为预报员提供寒潮发生的概率预报,从而在集合预报产品与我国实际灾害性天气之间建立了直接联系。     

基于CMIP6模式优化集合平均预估21世纪全球陆地生态系统总初级生产力变化

利用国际耦合模式比较计划第六阶段(CMIP6)中18个地球系统模式总初级生产力(GPP)模拟数据,基于传统的多模式集合平均(MME)和可靠集合平均方法(REA),在4个未来情景(SSP1-2.6,SSP2-4.5,SSP3-7.0和SSP5-8.5)下预估了21世纪全球陆地生态系统GPP的变化量,并分析了GPP变化的驱动因子。研究结果表明：在4个未来情景下,基于REA方法预估的全球陆地生态系统年GPP在未来时期(2068—2100年)比历史时期(1982—2014年)分别增长了(14.85±3.32)、(28.43±4.97)、(37.66±7.61)和(45.89±9.21)Pg C,其增量大小和不确定性都明显低于MME方法。在4个情景下,大气CO₂浓度增长对GPP变化的贡献最大,基于REA方法计算的贡献占比分别为140%、137%、115%和75%;除SSP5-8.5(24%)外,其他情景下升温均导致全球陆地生态系统GPP降低(-42%、-37%、-16%),部分抵消了CO₂施肥效应的正面贡献。温度的影响存在纬度差异：升温在低纬度地区对GPP有负向贡献,在中高纬度地区为正向贡献。降水和辐射变化对GPP变化的贡献相对较小。     

基于时空不确定性的对流尺度集合预报效果评估检验

针对对流尺度天气系统的高度非线性特征和高分辨率模式预报结果存在时、空不确定性现象,以及当前邻域概率法主要考虑高分辨率预报结果的空间位移误差,而不能有效解决预报结果存在时间超前与滞后问题,将时间因素引入到邻域概率法中,结合一次强飑线过程进行对流尺度集合预报试验,并基于改进后的新型邻域概率法与分数技巧评分,对降水预报进行了不同时、空尺度的效果评估检验。结果表明:（1）邻域集合概率法和概率匹配平均法在极端降水的分数技巧评分远高于传统集合平均,弥补了集合平均对极端降水预报能力偏低的缺陷。（2）对于此类飑线过程的对流尺度天气系统而言,邻域半径为15—45 km的空间尺度能够改善降水位移误差的空间不确定性,并使其预报效果达到最优,其中15—30 km的邻域半径对于尺度更小的大量级降水事件预报能力更强。（3）对流尺度降水预报考虑时间尺度与降水强度存在着对应关系,不同时间尺度可以捕获到不同量级降水的时间不确定性。同时,时间尺度与空间尺度对于降水预报效果的影响是相互关联的。（4）改进的邻域概率法能够同时体现高分辨率模式预报结果在对流尺度降水事件上存在的时、空不确定性,实现了对流尺度降水在时、空尺度上的综合评估,并能为不同量级降水提供与其时、空尺度相匹配的概率预报结果。      

应用逼近理想解法综合评价区域水资源承载能力

在多目标决策中,基于传统的逼近于理想解的技术,根据区域水资源承载能力的强与弱和待评价的对象(评价方案)的不理想(负理想)与理想(劣与优)这些典型的模糊概念,提出了基于模糊集合的逼近理想解法(TOPSISFS),并应用于区域水资源承载能力的综合评价中。TOPSISFS与投影寻踪模型法(PP法)、理想区间法(MODMIIM)相比,简单、有效。TOPSISFS可广泛应用于多目标决策中。