基于主成分分析的人工智能台风路径预报模型

利用主成分分析可以从具有随机噪声干扰的气象场提取主要信号特征,排除随机干扰的能力,论文以1980～2010年共31年6～9月西行进入南海海域的台风样本为基础,综合考虑台风移动路径的气候持续因子和数值预报产品动力预报因子,采用主成分分析的特征提取与逐步回归计算相结合的预报因子信息数据挖掘技术,以进化计算的遗传算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行了分月台风路径预报模型的预报建模研究。在预报建模样本、独立预报样本相同的情况下,分别采用人工智能集合预报方法和气候持续法进行了预报试验,试验对比结果表明,前者较后者在6、7、8和9月份台风路径预报中,平均绝对误差分别下降了7.4%、4.8%、12.4%、17.0%。另外,论文进一步在初选预报因子和样本个例相同的情况下,通过比较新模型与直接采用主成分分析方法选因子并分别运用逐步回归和遗传—神经网络集合预报模型进行计算的预报精度差异表明,前者具有更高的预报精度,其原因是该方法挖掘利用了全部备选预报因子的有用预报信息,而且遗传—神经网络集合预报模型的是由多个神经网络个体预报结果合成,集合模型的各个神经网络个体的网络结构,是通过遗传算法的优化计算确定的,因此,该集合预报模型的泛化能力显著提高,在实际天气预报中具有较好的实用性和推广价值。     

基于TIGGE资料的沂沭河流域6小时降水集合预报能力分析

全球多模式集合预报(TIGGE)资料为发展局地水文风险预报方法提供了新基础。对不同预报系统的集合预报资料进行评价与对比,可为综合应用多源资料实现超集合预报提供参考。本文以沂沭河流域内10个站点观测降水作为参照,对2007～2010年7、8、9月中BABJ(北京)、ECMF(欧洲)、EGRR(英国)、RJTD(日本)和KWBC(美国NCEP)五种预报模式的6h集合预报降水做了相关系数、均方根误差、Nash效率系数、TS评分(风险评分)和Brier评分等定量评估和对比。对于各模式集合平均预报,EGRR表现最好,4日预见期内的相关系数达0.48,Nash系数为0.21,BABJ最差,其他三模式预报能力相当。对于确定的控制性预报,4日预见期内RJTD表现最优,相关系数为0.19,Nash系数为0.13,其次为BABJ和EGRR。各模式集合平均与控制性预报相比,预报能力都占绝对优势,而多模式集合平均其预报能力又强于任何单模式集合平均。在4日预见期内,多模式平均的相关系数达0.49,Nash系数达0.24。在不同百分位阈值下TS评分和Brier评分也表明了类似的各模式评比结果,但多模式平均虽然在较低阈值下评分较优,但不占据绝对优势。各中心资料均具有一个随预见时长增加的稳定衰减期,其中EGRR衰减期最长(达9天)且最为稳定,而其他资料则存在不同稳定程度的衰减,稳定衰减期都能持续4天以上。各中心资料对较大降水的预报还存在各自不同的系统性偏差。     

中国东部夏季雨型的人工神经网络集合预测

在BP(back propagation)人工神经网络方法的基础上,考虑到历史资料的个体差异及其年代际变化会影响到样本均值,由此使得中国东部夏季雨型模拟和预测效果产生差异,故引入交叉检验及集合预报思想,以改进人工神经网络独立预报方法.在利用不同历史样本资料建立人工神经网络模型,并进行交叉检验的同时,对预测年的雨型进行预测,可获得预测年的多次预测结果.该方法在中国东部夏季四类雨型的试验预报中表现出较好效果.     

GRAPES区域集合预报条件性台风涡旋重定位方法研究

为了在集合预报中更合理描述台风涡旋中心定位的不确定性,采用2009—2018年中国气象局和日本气象厅台风最佳路径数据,分析台风最佳路径涡旋中心定位的不确定性特征,在此基础上设计条件性台风涡旋重定位方法（Conditional Typhoon Vortex Relocation,CTVR）,构建集合成员台风涡旋中心重定位阈值条件、台风涡旋分离数学处理及涡旋重定位等数学处理过程,利用中国气象局数值预报中心区域集合预报系统（Global/Regional Assimilation and Prediciton System-Regional Ensemble System,GRAPES-REPS）对2018年西北太平洋上的3个台风（1808号“玛莉亚”、1824号“谭美”和1825号“康妮”）进行轴对称结构和轴对称+非对称结构条件性台风涡旋重定位两种方案的集合预报试验和检验评估。结果表明:（1）中国气象局和日本气象厅台风最佳路径误差平均值为13.72 km,可视为台风涡旋中心定位不确定性的合理估计值;（2）统计检验结果和典型个例分析表明,采用轴对称结构和轴对称+非对称结构条件性台风涡旋重定位方法的台风集合预报路径误差及集合预报一致性结果比较接近;（3）条件性台风涡旋重定位方法可以有效改进GRAPES-REPS区域集合预报台风路径概率预报效果,如台风路径集合预报平均误差有所减小,集合预报一致性（路径离散度与路径均方根误差比值）增大,特别是预报初期概率预报效果改进更为显著,而预报中后期改进有限;（4）通过对“玛莉亚”台风集合预报诊断分析发现,经过条件性台风涡旋重定位后,各集合成员的台风路径误差在预报初期明显减小且路径收敛,但随着预报时效的延长台风路径逐渐发散。应用条件性台风涡旋重定位方法后,台风涡旋环流与大尺度环境场仍然比较连续协调,且台风涡旋环流外的大尺度环境场具有一致性特点,最低气压误差、最大风速误差和降水预报技巧基本不变。可见,条件性台风涡旋重定位方法的应用可以提供更准确的台风路径预报不确定性信息,帮助预报员做出更准确的预报决策。      

基于WRF模式的对流尺度边界层方案参数随机扰动方法研究

边界层参数化方案的准确性会影响模式对近地面变量和大气低层热动力结构的模拟,对雷暴等强对流天气的预报非常重要,但边界层方案内在的不确定性使得单一预报具有局限性。为了提高对流尺度数值模式中边界层方案的预报效果,基于WRF（The Weather Research and Forecasting Model）模式,应用随机参数扰动（SPP）方法对Mellor-Yamada-Nakanishi-Niino（MYNN）边界层方案中重要的3个不确定参数进行扰动,探究了该方法对北京地区一次雷暴过程模拟的影响。同时考虑了对流尺度集合预报系统的特点,调整随机参数扰动方法的3个参量（去相关时间尺度、空间尺度和格点标准差）探究了对流尺度中对MYNN方案参数进行扰动的最优设置。结果显示:随机扰动MYNN边界层方案参数（SPPM）方法可以有效提高近地面变量和700 hPa以下低层变量的离散度,同时提高了短时强降水位置和强度的预报技巧。3个参量的试验说明,去相关时间尺度增大到12 h集合离散度有明显提高;格点标准差增大到0.20,预报技巧也略有提高;去相关空间尺度维持在默认值700 km较好,尺度过小（150 km）预报技巧明显降低。上述结果表明,在对流尺度中SPPM方法可以有效表达边界层参数化方案的不确定性,提高集合预报系统的预报技巧。      

GRAPES全球集合预报系统不同随机物理扰动方案影响分析

为了更好地理解不同随机物理扰动方案对全球中期集合预报的影响差异,本研究基于GRAPES全球集合预报系统（GRAPES-GEPS）对比分析了随机物理倾向扰动（Stochastically Perturbed Parameterization Tendencies,SPPT）、随机动能补偿（Stochastic Kinetic Energy Backscatter,SKEB）及联合使用SPPT与SKEB三种模式扰动方案所产生的扰动特征及其对集合预报的影响。为避免初值扰动影响,考察随机物理方案所产生的扰动特征时,不使用初值扰动。通过扰动与误差相关性分析（PECA）发现,不同随机物理扰动方案所产生的扰动对预报误差均具有一定的描述能力,而且联合使用SPPT与SKEB方案时,扰动对误差的描述能力最好。对所有扰动方案来说,扰动总能量最初主要集中在热带地区对流层中高层以及平流层低层。随着预报时效的延长,扰动总能量不断增大,其大值区不断向热带外地区转移。从扰动总能量的谱结构来看,扰动能量均呈现升尺度发展的特征。在基于奇异向量初值扰动的GRAPES-GEPS中,随机物理扰动方案的使用均能够显著增加不同地区等压面要素的集合离散度,并在一定程度上改善集合平均误差。由于集合离散度的增大,预报失误率显著减小。连续分级概率评分也有所减小,尤其是在热带地区,改进更为明显。此外,中国地区不同量级（小雨、中雨、大雨和暴雨）降水概率预报技巧在一定程度上得到改善。上述改进均在联合使用SPPT与SKEB方案时最好,这与扰动总能量、扰动与误差相关分析结果一致。      

清江流域降水的多模式BMA概率预报试验

基于TIGGE资料中的ECMWF、UKMO、JMA、CMA四套模式的2016年6月1至7月31日逐日降水集合预报资料,结合清江流域10个国家基准站观测数据,建立了流域贝叶斯模型平均(BMA)概率预报模型,开展流域多模式集合BMA技术的概率预报试验与评估。结果表明,在清江流域多模式集合的BMA模型最佳滑动训练期长度为40 d,BMA模型预报比原始集合预报有更高预报技巧,比四个原始集合预报MAE平均值减少近11%左右,而对于CRPS除了CMA中心无订正效果外,较其他三个模式平均值提高近15%左右。多模式集合BMA技术能预报降水全概率PDF曲线和大于某个降水量级的概率,同时能给出确定性降水预报,对于极端强降水(大暴雨一特大暴雨量级),BMA 75～90百分位数预报效果较好,对于强降水(暴雨量级),BMA 50～75百分位数预报效果较好,对于一般性降水(小雨一大雨量级),BMA确定性预报结果或50百分位数预报效果较好。     

近36年江淮地区浅层地温变化的多尺度分析

选取1981-2016年中国江淮地区28个气象站的0~20 cm地温观测资料,运用经验正交函数分解(EOF)和集合经验模态分解(EEMD)方法,得到江淮地区0~20 cm地温及气温多时间尺度的振荡规律。结果表明:江淮地区全区域有明显的空间一致性,特征向量值在全地区均为负值,时间系数在20世纪90年代中后期由正转负。1981-2016年江淮地区浅层地温和气温均表现为波动上升的趋势,其中0 cm地温的气候倾向率为0.65℃·(10a)-1,增温幅度大于5~20 cm层地温及气温。0 cm、5 cm、10 cm、20 cm四层地温及气温分解后的IMF1和IMF2分量的周期分别为准3年和准7年,且80年代的振幅要小于之后的年份,表明浅层地温及气温在80年代是稳定少变的,进入90年代波动幅度增大。年际变化在江淮地区0~20 cm地温及气温的长期变化中占主导地位。对36年0~20 cm地温的气候平均值进行分解可得,江淮地区各站点浅层地温的延伸期尺度周期基本分布在准12~16天和准26~33天两个周期内。     

集合变分混合同化方案在快速循环同化系统中的应用研究

基于北京市气象局快速循环同化系统RMAPS-ST以及对流尺度集合预报系统RMAPS-EN,构建了En-3DVAR集合变分混合同化系统,将该系统应用到业务快速循环同化系统中并进行试验,分别在冷启动与循环启动环境下对比了混合同化系统（Hybrid）与三维变分（3DVAR）的同化预报效果。获得的结论如下:单点试验结果表明,混合同化系统分析增量的分布与集合预报离散度分布具有较好的对应关系;在冷启动和循环启动中,三维变分的分析增量都表现出各向同性的特点,混合同化分析增量均表现出一定的流依赖特征;降水个例分析表明,在冷启动环境中,Hybrid与3DVAR效果相当,而在循环启动中,Hybrid的降水预报相对于3DVAR有较明显的改进效果;批量试验检验结果表明,冷启动中,Hybrid与3DVAR的评分大致相当,而在循环启动中,Hybrid相对于3DVAR的评分有明显改进;集合离散度和背景场误差的相关性分析表明二者在循环启动环境下具有更好的相关性。