集合数据同化方法的发展与应用概述

集合数据同化方法具有简洁概念化的公式和应用起来相对容易等优点,因此,它们获得了普及性的应用;近10年来集合数据同化方法已经得到了快速的发展。综述了包括集合卡尔曼滤波(EnKF,Ensemble Kalman Filter)、集合卡尔曼平滑(EnKS,Ensemble Kalman Smoother)、集合方均根滤波(EnSRF,Ensemble Square-Root Filter)和减秩卡尔曼滤波(SEEK,Singular Evolutive Extended Kalman Filter)等集合数据同化方法的研究进展状况。通过与其它数据同化方法的对比,总结出了这些方法的特点,探讨了我国在集合数据同化方法研究中存在的问题并展望了该方法的研究和应用前景。     

基于CMIP6多模式集合的华中地区气候变化模拟与预估

选用华中地区1961—2014年逐日气象观测资料、1961—2100年12个CMIP6模式统计降尺度和偏差订正结果,评估CMIP6模式在区域的气温和降水量时空分布模拟结果,选出6个气温模式、4个降水量模式。基于优选模式集合的平均结果,分别分析未来SSP1-2.6、SSP2-4.5、SSP5-8.5三种情景下2021—2100年华中地区不同时期气温和降水量的变化趋势。结果表明：多模式集合平均结果的气温年际变率模拟好于降水量,降水量空间模拟好于气温。三种情景下区域气温、降水量均为增加趋势,气温增速分别为0.13℃/10 a、0.30℃/10 a、0.62℃/10 a,降水量增速分别为16.2 mm/10 a、12.3 mm/10 a、19.3 mm/10 a。未来2021—2100年三种情景下华中地区降水量多为南部减小北部增大,气温近期、中期为西部降低、中东部升高,远期除湖北西部山区降低外,其他地区均为升高趋势。     

CMIP5模式对南海SST的模拟和预估

分析了32个CMIP5模式对南海历史海表温度(SST)的模拟能力和不同排放情景下未来SST变化的预估。通过检验各气候模式对南海历史SST增温趋势和均方差的模拟,发现大部分模式都能较好地模拟出南海20世纪历史SST的基本特征和变化规律,但也有部分模式的模拟存在较大偏差。尽管这些模拟偏差较大的模式对SST多模式集合平均的影响不大,但会增加未来情景预估的不确定性。剔除15个模式后,分析了南海SST在RCP26、RCP45和RCP85三种排放情景下的变化趋势,发现在未来百年呈明显的增温趋势,多模式集合平均的增温趋势分别为0.42、1.50和3.30℃/(100a)。这些增温趋势在空间上变化不大,但随时间并不是均匀变化的。在前两种排放情景下,21世纪前期的增温趋势明显强于后期,而在RCP85情景下,21世纪后期的增温趋势强于前期。     

无主漂油源集合预测方法研究

采用基于"拉格朗日"粒子追踪方法的油粒子数值溯源模式,引入天气预报中的"集合预报"方法,考虑气象、海洋环境背景场误差因素,研究无主溢油源的集合预测方法。对某次渤海中西部溢油溯源事件的数值模拟结果表明,溢油源集合预测分析结果与溢油源实际调查情况相符,表明无主漂油源集合预测方法科学、结论可信。     

青岛近海大型水母漂移集合预测方法研究

考虑水母垂直运动等自主运动,基于集合预报和拉格朗日粒子追踪方法,建立青岛近海大型水母的集合漂移预测模型。并利用2012—2013年青岛近海水母实时监测数据和集合漂移预测模型,快速预测水母集合漂移轨迹、速度、趋势和可能影响范围等要素。通过分析水母监测数据和数值模拟结果,在水母如何自主运动及其机理尚不十分清楚的情况下,多轨迹漂移预测结果比单轨迹的更合理、科学、可信,能够传达更多的信息量,对水母灾害的应急处置更具有指导意义。     

黑潮流域海温适应性观测敏感区诊断方法研究

敏感区诊断是适应性观测的关键问题,集合变换卡尔曼方法(EnsembleTransformKalmanFilter,ETKF)是目前主要的诊断方法之一。将集合变换卡尔曼方法应用于海洋环境适应性观测,根据ROMS海洋模式数据构建海表温度集合预报,以黑潮流域宫古海峡附近海域为验证区进行敏感区诊断计算,分析不同间隔时间条件下敏感区分布情况,结合模拟系统观测试验验证在敏感区进行适应性观测对预报质量的提升效果。结果表明,在诊断所得敏感区内添加观测能够提升预报质量;随时间间隔增大,敏感区向上游区域平移且预报质量提升效果减小;与在验证区整体添加观测相比,敏感区观测对预报质量提升效果基本相同并且观测成本明显减少。     

基于EEMD-SARIMA的对流层延迟预测模型研究

在无气象数据的条件下,提出一种基于集合经验模态分解（EEMD）和季节性自回归移动平均模型（SARIMA）的对流层延迟（ZTD）预报新方法,并分别选取长春、上海、乌鲁木齐3个地区4个季节的ZTD数据进行预测分析。结果表明,基于EEMD-SARIMA的ZTD改正预报模型能够满足不同地区、不同季节下的ZTD估计需求,是一种高精度的ZTD预报方法。     

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

集合卡尔曼滤波在流域水文模型流量预报中的应用

针对流域降雨入渗过程,引入集合卡尔曼滤波(EnKF)理论,视整个边坡流域为一个随机动态系统,将边坡流域流量观测值作为系统的输出,用集合卡尔曼滤波模型来描述系统的状态;结合流域流量计算方法,实现水文模型参数的随机动态估计,在有效获得待估参数的同时还给出估计值的不确定性.通过数值算例表明,集合卡尔曼滤波可以有效地对含噪声的量测数据进行处理,能够跟踪水文模型的动态变化.相对于常用最优化算法,集合卡尔曼滤波同时给出反演结果和先验知识的后验分布,显示出更好的实时性和可靠性.     

回归直线的拟合度

采用模糊数学的方法研究回归直线与实测点的拟合度,提出回归直线的似合度,给出计算回归直线拟合度的方法。