重庆风暴尺度集合预报系统降水预报性能分析

基于在重庆市气象局业务运行的对流可分辨尺度（3 km）集合预报系统,在已有初值扰动、模式物理过程扰动和侧边界扰动的基础上,对不同集合成员采用不同地形插值方案和地形平滑方案实现对模式静态地形高度的扰动,体现数值模式中地形转换过程的不确定性,开展集合预报批量平行试验。结果表明：（1）实现对模式静态地形高度的扰动后,各集合成员地形高度的离散度与实际地形的起伏程度对应关系较好,两者空间分布特征非常相似,地形较平坦的平原地区离散度较小,而地形较复杂的高原地区或山区离散度较大;（2）加入模式地形扰动方案后,集合扰动能量总体上有所增大,且低层比中、高层更明显,能量增幅在较短预报时效（12 h）内最显著,随着预报时效延长呈逐渐减小趋势,且能量增幅大值中心主要出现在地形较复杂、集合成员地形高度离散度较大地区;（3）模式地形扰动方案一定程度上能提高降水概率预报技巧及改进集合平均降水预报,在对高空要素和2 m温度、10 m风场等近地面要素的集合平均均方根误差和集合离散度无负面影响的前提下,能一定程度上优化集合分布。

     

基于机器学习的海洋环境预报订正方法研究

结合中尺度数值模式WRF预报数据和ERA5再分析资料,利用机器学习方法对WRF预报场的风场、温度、气压进行预报订正。采用ERA5作为真值,与原始WRF预报相比,利用随机森林模型可以将预报结果整体均方根误差降低44%以上,利用深度神经网络模型可以将预报结果整体均方根误差降低34%以上。通过随机森林模型实验得到不同输入特征对预报要素的影响程度,分析了关键的预报订正因子。     

基于神经网络的滑坡变形预测报研究

利用ＢＰ神经网络方法建立了滑坡变形预报模型,在此模型的基础上对几个典型滑坡进行了预报分析,其结果表明用ＢＰ模型进行滑坡短期预报效果较好。     

人工神经网络在云南5月雨量预测中的应用

提出了一个基于３层ＰＢ神经网络的云南５月雨量的短期气候预测模型。由于神经网络本身是一个非线性动态系统,将其应用到短期气候变化预测这一非线性系统中,更能反映出气候系统状态量之间的物理关系和动力行为特性。并用该预测模型对云南５个区域１９９１～１９９８年的５月雨量距平趋势进行了共４０次的预测试验和检验,其预测的距平符号相关准确率可达到７７．５％。     

Beneath the surface: Characteristics of oceanic ecosystems under weak mixing conditions – A theoretical investigation

This study considers an important biome in aquatic environments, the subsurface ecosystem that evolves under low mixing conditions, from a theoretical point of view. Employing a conceptual model that involves phytoplankton, a limiting nutrient and sinking detritus, we use a set of key characteristics (thickness, depth, biomass amplitude/productivity) to qualitatively and quantitatively describe subsurface biomass maximum layers (SBMLs) of phytoplankton. These SBMLs are defined by the existence of two community compensation depths in the water column, which confine the layer of net community production; their depth coincides with the upper nutricline. Analysing the results of a large ensemble of simulations with a one-dimensional numerical model, we explore the parameter dependencies to obtain fundamental steady-state relationships that connect primary production, mortality and grazing, remineralization, vertical diffusion and detrital sinking. As a main result, we find that we can distinguish between factors that determine the vertically integrated primary production and others that affect only depth and shape (thickness and biomass amplitude) of this subsurface production layer. A simple relationship is derived analytically, which can be used to estimate the steady-state primary productivity in the subsurface oligotrophic ocean. The fundamental nature of the results provides further insight into the dynamics of these “hidden” ecosystems and their role in marine nutrient cycling.     

数值天气预报业务模式现状与展望

动力统计结合是提高天气、气候预报水平的重要途径之一,关键问题是如何将数值模式与历史资料进行有效结合;相似预报这一传统方法与动力统计的结合是未来提高天气、气候预报水平的一个重要方向,尽管其原理目前仍停留在相似假设基础上且缺乏坚实的物理基础。文中从准确模式的初值问题出发,提出准确模式初值扰动概念,进而发展了动力统计相似集合预报（Dynamical Statistical Analog Ensemble Forecast,DSAEF）理论。DSAEF理论不仅回答了为什么可以进行相似预报,同时还指出了如何进行相似预报,即其原理是利用准确模式来做预报,并采用集合预报的方式实现预报。基于 DSAEF 理论,建立了登陆台风降水动力统计相似集合预报DSAEF_LTP （Landfalling Typhoon Precipitation,LTP）模型,该模型包括4个步骤：台风路径预报、广义初值构建、初值相似性判别和台风降水集合,其中广义初值由影响台风降水的物理因子构成。DSAEF_LTP模型具有可持续发展特性—可通过引入新因子或改善模型参数来改进模型的性能;目前该模型发布了广义初值包含台风路径、登陆季节和台风强度3个物理因子的1.0版和在此基础上改进了“相似区域”和“集合方案”的1.1版。该模型的性能提升很快,已完成的最新版本（1.1版）3次大样本预报试验均显示,与ECMWF、CMA-GFS、NCEP-GFS和SMS-WARMS （上海区域模式）对比,对≥100 mm和≥250 mm台风过程降水预报的TS评分,DSAEF_LTP模型（V1.1）排名第1。今后,围绕广义初值不断改善,研究引入更多影响登陆台风降水的物理因子,DSAEF_LTP 模型的发展前景广阔。     

不同随机物理扰动方案在一次暴雨集合预报中的对比研究

针对2018年4月22日发生在湖北西部山地的一次特大暴雨过程,采用降尺度方案和显式对流参数化方案模式,开展了高分辨率对流许可尺度(3 km)的集合预报试验,并对全球集合预报(GEFS)和对流尺度集合预报(SSEF)的降水预报进行了对比评估,结果表明：(1)SSEF集合平均的雨量和落区预报均优于GEFS。(2)SSEF各成员的降水离散度分布更合理,因而具有更优的降水区间预报,其“离散度-误差关系”更优,能更好地给出预报误差的分布及其可能的大小。(3)SSEF的概率预报在所有空间尺度上均优于GEFS,且在短历时强降水上的优势更加明显。由此可见,针对此类山地暴雨过程,对流尺度集合预报相对于全球集合预报具有巨大的改进潜力。

     

影响预报员应用先进天气预报技术的因素分析

先进的天气预报技术只有被预报员有效应用才能发挥其重要作用。为了促进预报员应用先进技术,有必要对影响预报员应用先进技术的各方面因素进行分析研究并提出对策,以提升气象服务能力和提高气象服务质量。本研究对短时临近预报新技术产品从无到有、预报员对新技术产品从陌生到接纳应用的整个过程进行连续3年的互动式调查评估,以B08FDP技术产品被预报员在北京2008年奥运气象服务中的应用过程为例,采用问卷调查和深度访谈的方式,通过2006年预报员的需求调查,挖掘出先进的预报技术产品要被预报员接纳和应用所面临的3个突出问题,并进行分析研究提出对策建议反馈给气象部门;通过2007和2008年追踪分析B08FDP被预报员逐步接受并应用的情况,揭示出要提高预报员对先进技术的应用,就要深入调查预报员需求并给予满足、有针对性地开展预报员培训教育、建立完善预报员与科研人员互动反馈的常态机制。     

东亚夏季风降雨的可预报性研究

本文根据CMAP(The Climate Prediction Center Merged Analysis of Precipitation)观测资料,使用相关系数和均方根误差,对CHFP2(Coupled Historical Forecast Project, phase 2 )的2个模式对东亚夏季降雨的季节预报技巧作出评价。在完美模式的理论框架下,分别使用基于信噪比的潜在相关系数和基于信息熵的潜在可预报性指标,对该区域主要针对夏季降雨的可预报性作出评价。通过最可预报分量分析(PrCA),得到季节降雨的最可预报型。将最可预报型投影到海温场,得到了降水最可预报型对应的海温分布。研究发现:相关系数所反映的预报和观测的线性相关程度总体上是低纬度海洋区域比高纬度陆地区域高,而均方根误差反映的则是在海洋区域降雨预报偏离实际值的程度较陆地区域大,预报水平与目前降雨的季节预报水平相符。潜在可预报性估计表明,潜在可预报率存在空间上的变化,从低纬度向高纬度、从海洋到内陆,呈衰减趋势。同时,信号和噪音的分析表明,信号成分占主导作用,形成了潜在可预报率的空间分布格局,暗示了海洋外强迫的重要作用;中国大陆缺少像海洋区域那样明显的外强迫,因此降水季节预报技巧相比热带海洋区域非常有限。海温投影的分析表明海洋的外强迫是东亚降雨季节预报的重要来源。尽管厄尔尼诺本身的复杂性,它对东亚夏季风的重要影响及其与东亚降雨预报之间的遥相关揭示了它们内在的联系。     

导航卫星钟差预报的Elman神经网络算法研究

针对卫星钟差不能被精确模型化的问题,将具有较强记忆功能和强大计算能力的Elman神经网络运用到卫星钟差预报中,提出适用于卫星钟差预报的Elman模型。首先对原始钟差数据进行一次差处理,然后选择合适的神经网络结构建立预报效果最佳的Elman钟差预报模型,最后选用国际GNSS服务（IGS）提供的精密钟差数据进行GPS卫星钟差预报,并与二次多项式模型、附加周期项的多项式模型和灰色系统模型进行对比分析。结果表明,Elman模型进行1 d、7 d和30 d钟差预报的精度得到显著提高,分别达到亚ns、ns和μs级,表明该模型的钟差预报性能优于3种常用模型,在卫星钟差预报中具有可行性。