CMIP5模式对辽宁省气温模拟能力及未来2℃升温阈值出现时间评估

利用全球气候模式、多模式集合和辽宁省气象观测数据,评估了不同典型浓度路径下19个全球气候模式和多模式集合对辽宁省气温变化模拟能力和可信度。结果表明:最优模式模拟结果优于多模式集合,具有较高的可信度。随着全球二氧化碳排放浓度增加,气温变化率和可信度呈增加趋势,首次达到2℃年份呈提前趋势,大部分站点出现在2011年之前,且出现年份越晚,升幅往往越高,反之亦然。大部分站点首次稳定到达2℃阈值开始年份在2022年之前,结束年份出现在2019—2026年,持续时间在13 a以下,开始年份均呈西早—东晚分布形势,结束时间和持续时间分布较均匀,且随着全球二氧化碳排放浓度增加,升温幅度呈上升趋势。不同典型浓度路径下各区域最高温、最低温和平均气温出现年份和变化特征均比较一致。     

基于AMSR-E土壤湿度产品的LIS同化试验

由陆面信息系统 (Land Information System, 简称LIS) 通过NOAH陆面过程模型使用集合卡尔曼滤波开展AMSR-E (Advanced Microwave Scanning Radiometer-Earth Observing System) 土壤湿度同化试验,得到2003年中国区域垂直深度为4层、水平空间分辨率为0.25°×0.25°的土壤湿度试验数据。使用农业气象观测站土壤相对湿度和国家生态系统野外科学观测研究站土壤体积含水量对试验结果进行检验,结果表明:同化过程整体上提高了陆面模型的模拟精度,草地生态系统模拟精度高于作物和森林生态系统;有效的同化过程依赖于AMSR-E土壤湿度的准确性;模拟出的土壤湿度空间分布特征与实际相符。同化试验得到的时空相对连续且精度相对准确的土壤湿度数据是气候变化和干旱监测的重要数据基础。     

区域集合预报系统2 m温度预报的校准技术

采用非齐次高斯回归 (NGR) 技术对国家气象中心区域集合预报系统的2 m温度预报结果开展了一阶偏差和二阶离散度的校准研究。对预报结果比较详尽的检验分析表明:校准后的2 m温度预报可靠性和预报技巧均显著提高,表现为校准后集合预报成员的均方根误差与离散度更为接近;原Talagrand直方图中的“L”形分布现象得到有效改善;Brier评分、最小连续分级概率评分 (CRPS) 明显减小,相对作用特征 (ROC) 面积增大,说明校准后的2 m温度预报表现出更好的预报技能。此外,NGR技术与自适应误差订正技术的对比试验表明,NGR在消除集合平均偏差和提高集合离散度两个方面均有优势。     

最优子集回归方法在季节气候预测中的应用

利用DEMETER计划多个模式的模拟资料研究1959～2001年多模式集合预报的季节降水在中国区域的表现, 并结合最优子集回归(OSR)方法对中国区域的季节降水进行降尺度预报, 比较其与多模式集合预报的技巧。研究表明: 多个单模式在中国区域对季节降水的模拟性能普遍较差, 多元线性回归(MLR)集合的预报技巧不如集合平均(EM)。利用OSR方法进行降尺度预报可以极大改善中国区域季节降水的预报技巧。夏季, 降水距平相关系数(ACC)在长江以南、西藏以及内蒙古中部等地区提高很显著, ACC在中国区域的平均达到0.29, 明显高于多模式集合平均与多元线性回归集合。冬季, OSR方法可以改善多模式集合在中国北方地区较低的预报技巧。概率Brier技巧评分(BSS)也表明了OSR方法对季节降水预报的改善。需要说明的是, 虽然OSR方法在中国区域能明显提高季节降水的预报技巧, 但是其选取的预报因子与中国区域季节降水的物理机制问题仍有待于进一步的研究。     

基于TIGGE资料的地面气温多模式超级集合预报

基于TIGGE资料, 采用均方根误差分别对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和英国气象局4个中心集合预报的地面气温场集合平均结果进行检验评估, 比较各中心地面气温的预报效果。并利用超级集合、多模式集合平均和消除偏差集合平均3种方法对4个中心的地面气温预报进行集成, 同时对预报结果进行分析。结果表明: 2007年夏季日本气象厅与欧洲中期天气预报中心在北半球大部分地区预报效果最好, 各中心在不同地区预报效果不同。超级集合与消除偏差集合平均降低了预报误差, 预报效果优于最好的单个中心预报和多模式集合平均。对于较长的预报时效, 消除偏差集合平均表现出了更好的预报性能。     

区域环境系统集成模式对1997/1998年夏季中国两个极端气候事件模拟能力分析

区域环境系统集成模式(RIEMS2.0,Regional Integrated Environment Modeling System Version 2.0)是由中国科学院大气物理研究所东亚区域气候环境重点实验室在RIEMS1.0基础上发展的区域气候模式。为了检验RIEMS2.0对短期气候的模拟能力,利用降水和气温(2 m)观测资料检验RIESM2.0不同物理过程和初始条件集合模拟1997/1998年夏季中国华北地区高温干旱和长江流域洪涝两个连续极端气候事件的能力(连续积分时间(1997年3月1日—1998年8月31日)共18个月),比较模拟和观测的1997/1998年夏季降水和气温。集合模拟结果表明RIEMS2.0能很好模拟1997/1998年夏季降水和气温及其两年差值分布;模拟和观测的日降水和平均气温结果有很好的相关性,但是降水模拟总体高估,干旱和江淮及江南区气温模拟偏高而半干旱和湿润区气温模拟偏低。在不同物理过程集合模拟中,虽然集合平均距平相关系数(ACC)和均方根误差(RMSE)并不是优于所有集合成员值,但集合模拟能减小模式的不确定性,在一定程度上提高模拟精度。不同显式水汽方案和积云参数化方案对降水、气温模拟效果表现出很好的一致性,湿润区一致性最好。因此,RIEMS2.0模拟能揭示1997/1998年两个连续极端气候事件夏季降水和气温空间分布,反映不同子区域降水和气温分布特征,各集合成员的模拟结果存在差异的同时也保持了很好的稳定性,选择合适的物理过程可以提高模式对区域气候的模拟能力。     

风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验I.不考虑模式误差的情形

本文在假定模式无偏差的情况下, 利用一次风暴过程的模拟多普勒雷达资料进行一系列风暴天气尺度的集合卡尔曼滤波资料同化试验, 检验集合卡尔曼滤波在风暴天气尺度资料同化方面的效果, 并验证各集合卡尔曼滤波参数对同化效果的影响。试验结果表明, 集合卡尔曼滤波能有效地应用于风暴尺度的资料同化; 40个集合成员以及6 km的局地化尺度能较好地滤除采样误差造成的虚假相关, 同时可以将观测信息传递到无观测的模式格点; 利用背景场加上空间平滑的高斯型随机扰动生成初始成员的方式较未经过平滑的方式有更好的分析效果; 背景场扰动方法能够提高样本的离散度; 只同化反射率的同化试验表明, 反射率的同化效果较明显, 也证明了集合卡尔曼滤波在非常规资料同化中的作用; 增加径向风资料同化的效果优于只进行反射率同化的结果。     

台风麦莎渤海转向的可预报性研究

利用MM5模式研究了2005年第9号台风"麦莎"在渤海向东北转向路径的可预报性.试验用不同的积云参数化方案、不同的预报时效分别从确定性和集合预报角度对"麦莎"在渤海向东北方向的转向过程做了模拟.结果表明,"麦莎"在渤海的转向可预报时效为48小时左右.不同的积云参数化方案对台风麦莎路径的48小时预报结果显示台风均转向东北,预示"麦莎 "基本不会直接影响北京.60和72小时的预报结果显示,Kuo和Betts-Miller积云参数化方案的台风模拟路径与实况比较接近,而Grell和KeinFritch积云参数化方案的台风模拟路径却偏向了实际台风位置的西北,台风有可能直接影响北京.研究表明,对于台风麦莎而言,时效超过两天的转向预报可信度较低,Kuo和Betts-Miller积云参数化方案的预报准确性较高.     

第5届区域风暴潮和风浪预报研讨会简介

1会议概况 应WMO海洋气象和海洋事务部门Alice女士的邀请,上海市气象局邵玲玲等3人参加了第5届区域风暴潮和风浪预报工作会议。会议于2008年12月1～5日在澳大利亚墨尔本召开,会上各国专家学者介绍了全球和区域风浪预报模式和产品、风浪集合预报系统产品、风暴潮模式及其产品、     

ECC方法在中国夏季气温预测研究中的应用

以中国夏季气温为预测对象,选取东亚地区冬季500 h Pa高度场、海平面气压场、地表温度场和850 h Pa温度场为预测因子,采用1951~2009年去趋势处理后的资料,通过变形的典型相关分析(Barnett-Preisendorfer Canonical Correlation Analysis,BP-CCA)方法分别建立单因子预测模型,再利用集合典型相关分析(Ensemble Canonical Correlation,ECC)方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010~2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。