利用深度神经网络和先兆信号的江苏夏季降水客观预测方法

利用1961—2019年江苏省67个站降水量和气候指数数据集等资料,选取大气环流、海温和积雪等先兆信号的不同组合作为预测因子方案,通过对比不同机器学习方法对江苏省夏季降水开展预测试验。结果表明,深度神经网络（Deep Neural Network,DNN）较传统统计方法和其他机器学习方法有一定优势,深度神经网络结合动态权重集合因子方案对江苏省夏季降水的预测技巧最高,其独立样本检验结果稳定,2015—2019年的平均PS评分为76.0,距平符号一致率为0.62,距平相关系数达0.35,尤其对江苏省中南部的预测技巧更高,具有业务应用价值。不同预测因子方案对比分析表明,大气环流因子在江苏省夏季降水预测中做主要贡献,而海温因子和积雪等其他因子也有正贡献,说明使用综合性预测因子以及集合方案有助于提升季节预测准确率。      

多模式集合预报及其降尺度技术在东亚夏季降水预测中的应用

利用动力季节模式输出的匹配域投影技术和多模式集合预报技术对多个国家和城市的站点月平均降水进行预报。预报变量是北京1个站、韩国60个站和曼谷地区8个站点的月平均降水,预报因子是从多个业务动力季节预报模式输出的多个大尺度变量。模式回报数据和站点观测降水数据时段是1983—2003年。降尺度预报降水的技巧是在交叉验证的框架下进行的。匹配域投影方法是设定一个可以活动的窗口在全球范围内大尺度场上进行扫描,寻求与目标站点降水最优化的因子和最相关的区域,目标站点的降水变率就是由该匹配域上大尺度环流场信息决定的。最终预报是用多个降尺度模式预报结果的集合预报(DMME)。多个降尺度模式预报结果的集合预报能显著地提高站点降水的预报技巧。北京站,多个降尺度模式预报结果的集合预报的预报和观测降水的相关系数可以提高到0.71;韩国地区,多个降尺度模式预报结果的集合预报平均技巧提高到0.75;泰国,多个降尺度模式预报结果的集合预报技巧是0.61。     

基于ECMWF集合预报的极端天气预报产品应用和检验

通过个例总结和大样本分析的方法,本文分析和总结了ECMWF集合预报系统(EPS)中的极端温度和降水预报产品。以上产品主要为08—08时的平均气温、最高气温、最低气温和降水量四个要素的极端天气预报指数(extreme forecast index,EFI)和SOT("shift of tail"index)。研究显示,气温EFI和SOT预报效果接近,降水SOT优于EFI。运用过去3年的资料,以TS评分最大为标准,分别确定了不同时效、不同百分位的极端高低温和极端强降水事件在我国的预报阈值,及其对应的各检验参数。对于1%(99%)百分位的极端低温(高温)事件,平均气温EFI和SOT的阈值分别在-0.85(0.75)和0.38(0),最高和最低气温的阈值与平均气温的阈值接近。对于95%和99%的极端强降水事件,EFI的阈值分别在0.45和0.7左右,SOT的阈值分别在-0.6和0.4左右。整体上呈现时效越长阈值越小,预报效果越差;事件越极端,阈值越大的特点。且此时的bias接近或略大于1,表明预报的发生频率与实况比较接近,具有较好的应用价值。气温EFI和SOT的预报效果和阈值存在明显的季节差异,夏季预报较好,阈值较大,冬季预报较差,阈值较小。降水的季节差异不明显。EFI和SOT的预报效果和阈值在空间分布上也存在一定的差异,且不同的产品空间分布差异不同。     

新疆夏季降水和冬季气温预测方法及效果评估

本文利用4个国内外先进的气候模式（国家气候中心、ECMWF、NCEP和JMA）业务预测数据,采用2种多模式集合方法（等权平均和超级集合）、3种降尺度方法（BP-CCA、EOF迭代、高相关回归集成）和3种统计方法（CCA、最优气候值、高相关回归集成）以及降尺度集成和降尺度-统计方法集成,分析了目前季节模式、多模式集合、降尺度、统计方法、降尺度-统计集合等目前常用气候预测技术对新疆夏季降水和冬季气温的业务预测能力。 研究表明,以上技术方法对新疆夏季降水和冬季气温的预测预测能力有较大差别。目前先进的气候业务模式的预测技巧普遍很低,多模式超级集合和降尺度方法的技巧常高于单个模式,并且最佳的降尺度方法通常技巧高于最佳多模式集合方法。同时,统计方法和降尺度方法的预测技巧通常较为接近,而对二者进行超级集合可以具有相对很高的预测技巧。此外,现有常用气候预测技术方法对新疆夏季降水和冬季气温的趋势有一定的预测能力,但对气候异常的空间分布基本无预测能力。建议新疆气候预测技术围绕统计和降尺度方法集合发展。     

暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究

利用2008—2011年6—8月中国气象局T213全球集合预报24—240 h降水预报资料和四川盆地观测降水资料,提出四川盆地暴雨集合预报-观测概率匹配订正法。该方法将集合预报降水累积概率分布与观测降水累积概率分布进行概率匹配,对降水量为50 mm的集合预报平均值进行订正,获得暴雨预报订正值(A Calibrated Heavy Rainfall forecast value),累积降水概率分布拟合函数采用Gamma函数。选取2013年6月28日—7月10日进行独立样本暴雨预报试验,分析四川盆地暴雨预报订正值分布特征和订正前后降水检验评分变化,讨论该方法存在的若干局限性。结果显示:T213集合预报对四川盆地降水预报存在预报量较观测量级小、模式预报时效越长降水预报越弱等系统性偏差,暴雨集合预报-观测概率匹配订正值普遍小于50 mm,且随预报时效延长而逐渐减小,有效地订正了T213暴雨集合预报系统性误差;暴雨集合预报-观测概率匹配订正法对"有或无暴雨"二分类暴雨预报改善较明显,ETs评分获得提高,且漏报率和空报率有所降低。     

基于随机全倾向扰动的台风路径集合预报试验

以GRAPES-TCM为试验模式设计3种集合方案对2011年9个台风进行109次72 h的路径集合预报试验。结果显示:在3种集合方案中,路径预报效果总体最好的是方案1,其路径平均绝对误差与台风移速、移向的总体偏差都最小;方案1和方案2的平均绝对误差与台风移速、移向的总体偏差都小于它们的控制预报的结果,集合预报表现出优于确定性预报的预报能力;与实况比较,3种集合方案预报的台风移向总体以偏右为主,台风移速在积分后期以偏慢为主;方案1的路径离散度最大,方案3最小,3种方案的集合离散度比其合理的离散度都明显偏小;与国内外8个业务数值模式的预报结果比较,方案1的路径预报优于除欧洲中心数值模式以外的7个业务模式的预报,表现出一定的业务应用价值。      

江淮流域持续性暴雨过程前期的欧亚波列特征及其模拟研究

利用50余年的NCAR/NCEP再分析资料,对江淮流域持续性暴雨过程前期的环流特征进行了相关与合成分析。发现在过程前2—1周的对流层中高层西风带上,中西亚、中国东部沿海和白令海南侧相继有低压槽发展,呈现显著的罗斯贝波列信号特征。分析表明,正是该欧亚波列的东传和消失伴随的环流调整,导致了有利于持续性暴雨产生的稳定环流的形成。进一步采用区域数值模式检验了该波列特征对后期持续性暴雨的作用和影响过程,以1991年一次典型的江淮流域持续性暴雨过程为例,根据欧亚波列信号特征设计一组初始流场扰动,进行初值集合模拟试验。结果表明,过程强雨带及其环流背景的模拟对于初始场上欧亚波列信号区的扰动特征是相当敏感的,该初始扰动对模拟环流的后继影响,与持续性暴雨期间稳定环流特征的建立和维持确有密切关系。     

基于T639集合预报的我国2016年极端温度预报检验

基于我国T639集合预报系统的2 m温度模式实时预报和分析场资料,对历史气候百分位分布进行了估算,并对2016年我国极端高温和极端低温集合预报进行了检验评估。分析表明,对于某一区域代表站点,不同超前时间对应的气候百分位分布变化趋势均与分析场的基本一致,但不同区域代表站点之间以及同一站点不同季节之间的气候百分位分布则存在差异。Talagrand分布检验结果显示,T639集合系统对哈尔滨和长沙站的预报存在暖偏差,而对北京和拉萨站的预报则存在冷偏差,其余典型站表现出预报离散度偏小的特点。基于历史气候百分位定义,对2016年极端温度进行识别、预报和检验。TS评分结果表明,T639集合系统对于我国极端温度总体上具有一定预报性能,预报技巧在各个区域有较大差别,极端高温在江南和东北区域技巧相对较高、极端低温在华北和南方技巧较高。对于不同预报方法技巧比较显示,集合平均法对极端信号有平滑效果,总体技巧偏低,集合众数法对低温技巧增加明显,而采用集合最大值和最小值法对极端信号则有放大效果,对高温技巧增加明显,但对低温技巧则不明显。由此可见,采用合适的方法对集合预报中极端信息的正确提取至关重要。     

2011年长江中下游梅雨期强降水延伸期集合预报性能初探

针对2011年长江中下游旱涝转换时期的环流形势、强降雨期间的四次强降雨过程对欧洲中心集合预报进行了预报性能初步分析。结果表明：集合平均预报对延伸期预报时效内的大尺度环流调整具有较好的预报性能,预报提前时效可达10~15 d。对强降水过程期间主要影响系统的预报在不同预报时效具有较好的稳定性。随着预报时效的临近,集合预报各个成员对天气系统预报的发散度逐渐减小。长江中下游强降水的发生与低层850 hPa较大的风速有密切关联,集合预报给出的延伸期预报时效内大风速出现的小概率预报信息是有意义的,可以为延伸期强降雨过程预报提供参考。     

不同 AMDAR资料同化时间窗对台风“摩羯”预报影响研究

2018年第14号台风“摩羯”对山东造成了大范围暴雨和大风天气,基于WRF（Weather Research and Forecasting）模式及其Hybrid-3DVAR混合同化预报系统,对Hybrid-3DVAR不同集合协方差比例和不同航空气象数据转发（aircraft meteorological data relay,以下简称AMDAR）资料同化时间窗对台风“摩羯”预报的影响进行了数值研究。结果表明：加大集合协方差比例对台风“摩羯”路径预报有较大影响和改进;当全部取来自集合体的流依赖误差协方差时,预报的台风路径最好,降水预报也最接近实况;AMDAR资料同化对于台风路径和降水预报也有正的改进作用,但加大集合协方差比例到100%时对台风路径预报影响更大;不同资料同化时间窗会影响同化的AMDAR资料数量,从而影响台风降水精细化预报;45 min同化时间窗的要素预报误差最小,对台风造成的强降水精细特征预报最接近实况;不同资料同化时间窗主要影响台风降水预报落区分布,对台风路径预报影响相对较小。