跨季度气候距平数值预测研究小结

中国科学院大气物理研究所发展了一个准业务跨季度气候距平数值预测系统,包括气候模式、大气和海洋初始条件同化、年际气候异常信号的提取、集合积分与概率计算、预测值系统误差的订正方法以及预测评分技术等方面,以东亚夏季风降水和太平洋海温异常为主要预测对象。本文主要报告５年来中国夏季降水跨季度预测准业务试验的结果。１９８９～１９９５年夏季降水跨季度实时预测试验的结果表明：对于导致气候灾害的夏季降水异常,例如中国东部的严重旱涝,我们能够作出很好的预测;对于比较弱的夏季降水异常,预测技巧较低。另外,预测效果有明显的地区差异,比如,中国东部比西部好,东部又以长江中下游为最佳。本文还介绍了一些由西太平洋海温异常影响大气的物理过程及机理,提出了一个“持续异常区假说”。进而讨论了集合预测的理论和方法,并通过一个实例来说明如何使用集合积分技术来识别持续异常区。最后对短期气候预测的几个基本问题以及改进的途径进行了讨论     

基于海洋气候数据集的区域海平面变化非线性预测

本文基于中国首套长时间序列、高精度、高时空一致性的全球海洋气候数据集产品, 利用1993年1月至2015年12月的山东半岛近海海平面异常数据, 构建了基于集合经验模式分解(EEMD)和长短期记忆神经网络(LSTM)的海平面非线性变化组合预测模型。EEMD可以得到海平面异常的各周期项、线性趋势及残差部分, LSTM模型可对其进行逐个预测并重构得到最终的海平面异常预测结果。EEMD-LSTM组合模型海平面异常预测的均方根误差仅为25.87 mm, 取得了令人满意的效果。基于该组合模型预测2016-2025年山东半岛近海海平面上升速率将达到3.54 mm·a^-1。     

ECMWF集合预报产品在重庆暴雨预报中的检验与应用北大核心

利用重庆地区34个国家气象站降水资料和ECMWF集合预报降水资料,系统检验和评估了集合预报统计量产品及后处理技术产品对2014—2016年5—9月重庆暴雨的预报性能。结果表明:集合统计量产品中最大值、90%分位数、融合产品、概率匹配平均、75%分位数对暴雨预报有一定参考性,其中90%分位数和融合产品对暴雨落区预报较好,最大值对暴雨强度预报有一定指示意义,但表现为明显的湿偏差。集合预报后处理技术产品的暴雨TS评分较控制预报和集合平均有明显提高,其中概率预报、最优百分位、融合—概率匹配、频率匹配法的暴雨TS评分超过最大值,对暴雨强度预报具有较好的指导意义,其预报偏差均表现为湿偏差,融合—概率匹配和频率匹配法对暴雨落区预报较好,概率匹配—融合对降低暴雨空报率较好。     

集合变换卡尔曼滤波局地化对区域集合初始扰动的影响

集合变换卡尔曼滤波(ensemble transform Kalman filter,ETKF)是一种有效的集合预报初始扰动构造方案.但是,有限的集合样本、相同的集合成员设置以及预报模式误差等可能会使两个距离较远的状态变量产生虚假相关,从而影响ETKF集合扰动的质量.为了有效解决远距离虚假相关问题,将局地化思想引入ET...     

新型局地增长模培育法对两次飑线个例的对流尺度集合预报试验

利用局地增长模培育法对两次典型飑线过程进行了对流尺度集合预报试验,通过与传统增长模培育法对比,检验了局地增长模培育法的实际预报效果.通过概率匹配平均处理后,将降水预报结果与实况资料进行对比分析,并用分数技巧评分来代替传统公平技巧评分实现对降水结果的合理检验,得出结论:1)在飑线降水预报上,局地增长模培育法优于增长模培育...     

影响黄渤海的温带气旋数值集合预报试验

为了改进温带气旋数值预报的精度,基于WRF(Weather Research and Forecasting)模式,利用GSI(Gridpoint Statistical Interpolation)-EnKF(Ensemble Kalman Filter)系统,设计了一套温带气旋集合预报方法,其具有的2种选择方案通过滤掉质量较差的集合成员从而将集合成员数目控制在10以内,达到了大幅降低集合预报计算量的目的。针对2020年7月一次影响黄海的温带气旋个例,开展了一系列决定性预报与集合预报的数值对比试验。分析结果如下:1)不采取任何择优方案的集合预报效果就已经明显优于决定性预报,而采取择优方案使得预报效果进一步得到提升;2)预报初始时刻择优(直接择优方案)的集合预报效果远不如短时积分3 h后才进行择优(积分择优方案)的预报效果; 3)积分择优方案优于直接择优方案的原因是,初始场集合体中的成员经过短时积分后其误差得以放大而使得择优更加准确。多个例的应用结果进一步表明,本文提出的积分择优方案温带气旋集合预报方法具有较好的业务预报应用前景。     

中国近海现场海洋观测系统设计评估

中国科学院正在发展一个在中国近海(包括黄海、东海和南海)现场海洋观测系统。观测系统包括3个沿岸观测站点、4个近海离岸浮标和由观测船只按固定航线做的船舶观测断面。观测站点、浮标和断面的位置已经预先确定,这个计划在2008-2011实施。利用基于卡尔曼理论的样本集合方法对这样一个能够监测大尺度的季节和年季变率的观测系统设计进行了评估。根据卡尔曼滤波理论,用集合样本的方法能够给出经过同化这个观测系统位置的观测资料后能够减少多少分析误差和分析场的不确定性。用2个来自不同模式、不同分辨率的模式的结果作为集合样本来计算静态的背景误差协方差,这2套样本分别是来自分辨率是0.5°×0.5°的模式同化结果和高分辨0.125°×0.125°的模式结果。由这2个不同资料得到的结果是一致的。发现来自3个近岸和4个离岸浮标得到的观测能够有效地减少SST在渤海、黄海、东海和南海中部的分析误差。然而在越南东部和台湾东部海域,分析误差减少的百分比相对要小。最后,给出了中国近海最优的观测位置序列设计。     

极端天气预报指数和集合异常预报法在浙江台风和梅雨暴雨预报中的应用北大核心

利用2016—2021年ECMWF集合预报,评估了极端天气指数EFI(Extreme Forecast Index)、尾偏移指数SOT(“Shift of Tail”index)以及集合异常预报法在浙江台风和梅雨暴雨预报中的应用效果。通过研究极端天气预报指数对浙江台风和梅雨暴雨的最优预报阈值,发现梅雨暴雨阈值比台风暴雨明显偏小,且随预报时效增加减小速度偏慢。最优阈值预报相比确定性模式预报,在台风和梅雨暴雨预报检验中体现出更好的稳定性、提前性和准确性。进一步研究发现,通过区分天气类型确定的最优预报阈值,可作为台风和梅雨暴雨落区预报的参考依据。925 hPa水汽通量散度的集合异常度对浙江台风暴雨的落区和强度变化有较好的预报效果,850 hPa涡度和700 hPa垂直速度的集合异常度可以反映稳定性梅雨暴雨的过程演变。     

基于Local-BGM法的冷涡暴雨集合预报试验及评估检验北大核心

基于传统增长模繁殖法(Breeding Growing Mode,BGM)和局地增长模繁殖法(Local Breeding Growing Mode,Local-BGM)生成初始扰动成员,对一次冷涡暴雨过程进行集合预报试验,从多方面比较两种方案的预报效果,并且在邻域概率法(Neighborhood Probability,NP)中引入时间邻域,评估概率预报结果。结果表明,引入局地化思想的Local-BGM方案能够生成比传统BGM方案更合理的初始扰动,具有很明显的局地特征。对于扰动变量的预报,Local-BGM方案在均方根误差和离散度等方面均表现更好,同时能够提高各量级降水的预报技巧。邻域集合概率法能够综合各个集合成员预报的降水信息得到优于集合平均的概率预报,分数技巧评分更高。并且在考虑时间不确定性后,无论是控制预报、集合平均还是邻域集合概率法,分数技巧评分均有很大改善,并且降水阈值越大改善效果越明显,能够为极端强降水天气提供较为客观的概率预报信息。