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。     

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.     

Noah-MP模型中积雪模拟对参数化方案的敏感性评估

针对Noah-MP模型多参数化方案、模拟结果不确定性范围难以确定的特点,选取北疆地区具有代表性的阿勒泰站气象资料作为模型驱动数据,探讨了积雪对多参数化方案的敏感性。在不考虑模型参数和驱动数据不确定性的条件下,设计了集合数为13824的多参数化方案集合模拟试验。选用Natural selection方法对物理过程的敏感性进行分析,并在敏感性分析结果的基础上进一步讨论了模拟结果的不确定性。结果表明:积雪对地表热交换、雨雪分离、土壤温度底层边界条件和第一层积雪或土壤时间方案4个物理过程敏感;在不考虑驱动数据和模型参数不确定性的条件下,多参数化方案集合模拟试验中的不确定性主要来源于敏感物理过程。去除敏感物理过程中能够明显降低模拟性能的参数化方案后,集合模拟结果的不确定性大幅减小。最后,根据分析结果构建了该站雪深和雪水当量模拟的最优参数化方案组合。     

基于集成学习的阶跃型滑坡阶跃点判别分析

针对阶跃型滑坡阶跃点识别和预测难的问题,提出了一种基于聚类分析和集成学习的阶跃型滑坡阶跃点识别和判别模型。以三峡库区八字门滑坡ZG110钻孔2010年4月至2016年12月80个滑坡位移、库水位和降雨数据为例,通过聚类分析方法识别滑坡累积位移-时间曲线中的阶跃点和平稳点,并利用K均值聚类分析检验分类结果的准确性。基于灰色关联确定了滑坡位移的最佳诱发因素,结合随机森林模型建立阶跃型滑坡阶跃点判别模型并利用八字门滑坡ZG111钻孔验证该模型的准确性。模型阶跃点和平稳点的识别准确率均达90%以上,表明该方法在阶跃型滑坡识别中具有较好的适用性,可为阶跃型滑坡的预测提供参考。     

基于动力降尺度的区域集合预报初值扰动构建方法研究

利用全球集合预报系统资料(Global Ensemble Forecast System,GEFS),基于WRF中尺度模式构建了区域集合预报系统,区域集合初值的构建采用两种方案,一种是GEFS全球集合预报初值场直接动力降尺度(称为DOWN集合),另一种是提取GEFS全球集合降尺度后的扰动场,并叠加到区域数值预报系统(北京快速更新循环数值预报系统:Beijing Rapid Update Cycle System,BJ-RUC)分析场上构建集合初值场(称为D-RUC集合)。进行了批量试验,通过对比发现D-RUC集合的中小尺度扰动增长优于DOWN集合,而大尺度扰动分量的增长两者相当,说明与高分辨率分析场叠加可以促进动力降尺度扰动的中小尺度扰动分量的增长。集合预报扰动准确性检验结果显示,短预报时效内DOWN集合扰动明显低估了预报误差,在预报误差较大的位置扰动较小,而D-RUC集合能够更好地识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,D-RUC方法能显著改善短时效预报效果,集合离散度有所增加、均方根误差有所减少,概率预报评分显示D-RUC集合比DOWN集合在短预报时效占优。降水个例分析结果表明D-RUC方法能显著改善短时效内的降水概率预报效果。     

A Prototype Regional GSI-based EnKF-Variational Hybrid Data Assimilation System for the Rapid Refresh Forecasting System:Dual-Resolution Implementation and Testing Results

A dual-resolution(DR) version of a regional ensemble Kalman filter(EnKF)-3D ensemble variational(3DEnVar) coupled hybrid data assimilation system is implemented as a prototype for the operational Rapid Refresh forecasting system. The DR 3DEnVar system combines a high-resolution(HR) deterministic background forecast with lower-resolution(LR) EnKF ensemble perturbations used for flow-dependent background error covariance to produce a HR analysis. The computational cost is substantially reduced by running the ensemble forecasts and EnKF analyses at LR. The DR 3DEnVar system is tested with 3-h cycles over a 9-day period using a 40/13-km grid spacing combination. The HR forecasts from the DR hybrid analyses are compared with forecasts launched from HR Gridpoint Statistical Interpolation(GSI) 3D variational(3DVar)analyses, and single LR hybrid analyses interpolated to the HR grid. With the DR 3DEnVar system, a 90% weight for the ensemble covariance yields the lowest forecast errors and the DR hybrid system clearly outperforms the HR GSI 3DVar.Humidity and wind forecasts are also better than those launched from interpolated LR hybrid analyses, but the temperature forecasts are slightly worse. The humidity forecasts are improved most. For precipitation forecasts, the DR 3DEnVar always outperforms HR GSI 3DVar. It also outperforms the LR 3DEnVar, except for the initial forecast period and lower thresholds.     

“7·20”华北强暴雨集合预报的中期预报转折和不确定性分析

中央气象台主观预报和数值模式对2016年7月20日华北强暴雨过程的中期预报出现了一定的误差,本文利用ECMWF(简称EC)集合预报和T639集合预报等资料对"7·20"华北强暴雨过程的中期预报效果进行了分析,结果发现:(1)EC集合预报在7月16日前后对降雨区及强度的预报出现了明显转折,其因是大尺度影响天气系统的预报发生了转折性变化,7月16日20:00起报的环流形势集合平均场对比15日20:00起报场显示,在河套地区附近500hPa低槽发展更深,其下游华北高压脊也更强,形成了移动缓慢"东高西低"的环流型,黄河气旋及中低层西南涡北抬加强,导致降雨预报更接近于实况;(2)集合敏感性分析发现对降雨中期预报敏感的区域与转折前后预报的环流差异的分布型一致,引起降雨预报转折的影响系统也是降雨中期预报不确定性的来源;(3)对于降雨预报最敏感的环流系统是黄河气旋,集合成员预报的黄河气旋偏西偏北,强度越强,则预报的京津冀地区降水量越大。     

定量测量降水量的回波结构自适应算法研究

为提高临近预报中对流性降水估测的准确性,分析了统计法估算降水的局限性。依据降水物理机制和降水回波结构,研究雷达反射率因子定量测量降水量(QPE-Qualitative Precipitation Estimate)的自适应算法,旨在减少由于雨滴谱变化导致的Z-I关系不稳定所引起的降水量测量误差。同时考虑组合反射率因子RC和垂直液态水含量VIL两个参量对降水的影响,建立适于城市区域的动态自适应的Z-I关系,改进对强降水严重低估的问题。     

中期数值天气预报业务的回顾与展望

本文回顾了近年来国内外中期数值天气预报业务的新进展,简略地介绍了当今国外（以欧洲中期天气预报中心为主）和我国中期数值天气预报业务系统。最后对未来中期数值天气预报的发展作一展望,指出其未来发展的主要方向。