赴英国参加“集合方法研讨会”总结

由年、季气候变化工作组(WGSIP)、气候变化数值试验工作组(WGNE)和气候变化耦合模式工作组(WGCM)联合主办的“集合方法研讨会”于2004年10月18日至22日在英国Exeter召开。     

不同季节海温与中国夏季降水的时空特征分析

利用季降水异常的典型集合相关降水模式,分析了不同时段和不同区域的海温场与我国夏季（6～8月）降水之间的时空分布特征。结果表明：各大洋区海温存在着明显的季节、年际和年代际变化。与中国夏季降水相联系的印度洋海温的分布特征与季节有关,存在明显的偶极和单极分布形式,这种海温的异常变化对我国夏季纬向或经向雨带有一定的影响,全球特定的海温分布可以作为中国夏季旱涝预报的信号因子。不同季节海温和中国夏季降水在1970年代末都经历了一次突变,说明海温的季节差异对中国夏季降水的影响明显地受到海洋年代际基本态的制约。     

大震前后地震活动的时空分维特征

本文根据Mandelbrot提出的分形几何学观点,对海城、唐山和松潘三个大地震前后地震(ML3.0)序列,根据其时空分布的总体特征,分析了它们在时间和空间分布上的自相似结构,计算了各自的分维。结果表明:时空分布特征分别类似于一维Cantor集合或一维连续统(这里有图片19890303-251-1.jif)Cantor集合。并以大震发生为对称点,得到大震前后的分维明显不同。一般大震前,其时空分布具有较低的分维,震后偏高。本文认为,用分维定量描述地震时空分布的复杂性是一个较好的物理量,也许它对未来大震发生的时空预报将起重要作用。      

春季中国日最高气温延伸期预报误差分析及订正

数值模式直接输出和经模式后处理得到的预报误差比较,是延伸期逐日要素预报应用基础。针对中国2 583个站点在2020年春季11～30天的日最高温度预报,根据欧洲数值中心的集合预报输出,首先,使用BP-SM(Back-Propagation-Self memory)法和回归法,进行确定性预报订正效果比较;结果表明BP-SM法和回归法都明显降低了预报绝对误差;在11～14天预报中,BP-SM法得到的平均绝对误差为3.3～3.6oC,预报准确率超过35%,订正效果更优。其次,基于模式直接输出和BP-SM法获得的概率预报,使用CRPSS (continuous ranked probability skill score)进行了可预报性分析。结果表明,在地形复杂地区,经过订正,预报准确率明显改善。对于延伸期逐日要素预报,合理的模式后处理方法是降低预报误差和提高预报能力的重要环节。     

广东“18.8”季风槽极端降水事件对流尺度集合预报分析

受季风槽影响,2018年8月30—31日华南地区出现一次极端暴雨过程,单日站点累计降水量达1?056.7 mm,刷新了广东有历史纪录以来新的极值。对于此次极端降水事件,常用的业务模式包括欧洲中期天气预报中心全球模式（ECMWF）、日本气象厅谱模式（JMA）和中国气象局广东快速更新同化数值预报系统（CMA-GD）,都低估了降水强度。利用深圳市气象局业务对流尺度集合预报系统分析了此次特大暴雨过程,结果表明：对流尺度集合预报系统对本次特大暴雨过程具有比较好的预报能力,概率匹配平均最大雨量达348.7 mm·(24 h)-1,集合平均的强降水中心和观测基本一致,观测极值附近区域发生大暴雨（≥150 mm）概率最大值达到80%。选取了较“好”和较“差”集合成员预报进行对比分析,发现较“好”成员预报的强降水中心位置和观测基本一致,而较“差”成员预报的降水中心位置则偏向福建地区。较 “好”成员预报出莲花山南侧地面中尺度辐合线较长时间的维持和缓慢移动,导致强降水雨团在莲花山脉附近不断地触发和维持,同时地形的阻挡作用使得对流系统在地形附近区域持续维持,造成了罕见的特大暴雨;而较“差”成员辐合区位于莲花山以北,对流形成后向东、向北移动,最终导致强降水预报位置偏向福建地区。     

集合数值天气预报的研究进展

利用2013年11月-2014年11月ECMWF全球集合预报的51个成员降水预报资料和湖北省78个国家气象站逐日降水实况,对集合平均值、分位值、概率匹配平均值、众数（Mode值）等10种集合统计量在湖北省不同预报分区内的降水预报效果分别进行检验评估。在此基础上,采用在不同降水量级上选取TS评分最优的集合统计量的原则,设计出适用湖北降水预报的最佳集合统计量集成方案,并检验了该方法在2015年和2016年6-8月湖北降水预报的应用效果。结果表明：将集合统计量集成法应用于湖北降水预报时,集合统计量集成方案应随着预报分区的改变而改变;改进后的ECMWF集合统计量集成方案对湖北72 h内大雨及以上降水预报的TS评分均有不同程度的提高,且空报率和漏报率总体上有所降低;与ECMWF确定性预报相比,ECMWF集合统计量集成预报产品对湖北24 h内各降水量级的预报均优于ECMWF确定性预报,且对湖北72 h内的暴雨预报准确率均高于ECMWF确定性预报。

     

一种求解贝叶斯模型平均的新方法

贝叶斯模型平均（Bayesian model averaging,BMA）是最近提出的一种用于多模式集合预报的统计方法.进行贝叶斯模型平均需要准确估算模型集合中每个竞争模型的权重与方差,经常采用的方法是期望最大化（Expectation-Maximization,EM）方法与马尔可夫链蒙特卡洛（Markov Chain Monte Carlo,MCMC）方法,两种方法各有优劣.本文首先对BMA的（对数）似然函数进行改进使之无需BMA权重之和为1的显式约束,并利用一种有限记忆的拟牛顿优化算法（LBFGS-B）对其进行极大化,由此提出了一种求解贝叶斯模型平均的新方法（BMA-BFGS）.采用三个陆面模式进行的土壤湿度多模式数值模拟试验表明：在计算精度方面,BMA-BFGS的精度与MCMC方法几乎一致,优于EM算法;在计算耗时性方面,BMA-BFGS的计算耗时与EM算法相当,远小于MCMC方法.     

国家气象中心集合数值预报业务系统的发展及应用

利用ECMWF集合预报对2016年6月11—12日发生在长三角地区的一次暴雨过程进行了分析,并对集合“好” “坏”两类成员的预报结果进行了对比。分析表明：集合预报对本次暴雨过程具有比较好的预报能力,集合平均预报效果要优于确定性预报,其雨量预报的增大趋势对暴雨的预报具有一定的指示意义;高分位数集合成员对于暴雨预报有比较好的参考价值,尤其是在预报时效还较长的时候,如果连续多起报时次高分位数集合成员都预报出暴雨,以及低分位数集合成员的雨量预报呈现逐渐增大趋势,预示着暴雨的可能性在增大,有助于暴雨预报的决策;对天气系统和气象要素的预报差异是造成“好”“坏”两类集合成员对本次暴雨过程模拟效果差异的主要原因,对500 hPa高空槽、850 hPa低涡及其切变线、西南气流和偏东气流的模拟是决定“好”“坏”两类集合成员模拟效果的关键因素。