ENSEMBLE PREDICTION EXPERIMENTS OF TYPHOON TRACK BASED ON THE STOCHASTIC TOTAL TENDENCY PERTURBATION

The GRAPES-TCM is used to make ensemble prediction experiments for typhoon track. Three kinds of ensemble schemes are designed for the experiments. A total of 109 experiments are made for the nine typhoons in 2011 and the integral time is 72 h. The experiment results are shown as follows. In the three ensemble schemes, on the whole, scheme 1 has the best track prediction. Its average absolute track error and overall deviations of typhoon moving speed and moving direction are all the smallest in the three schemes. For both scheme 1 and scheme 2, they are all smaller than those of their control predictions. Both of their ensemble predictions show superiority to their deterministic predictions. Overall, compared with the observations, the typhoon moving directions of the three schemes mainly skew to the right, and in the late integration they mainly tend to be relatively slow. In the three schemes, the track dispersion of scheme 1 is the largest and that of scheme 3 the smallest. In scheme 1 it is much larger than in schemes 2 and 3. The difference of dispersion between scheme 2 and scheme 3 is small. The track dispersions of the three schemes are all much smaller than their rational dispersions. Compared with the eight domestic and overseas operational numerical weather prediction (NWP) models, scheme 1 has better predictions than the other seven operational models except ECMWF NWP model. Scheme 1 has the value of operational application.     

集合预报产品在台风麦莎预报中的应用

为了提高集合预报效果,利用T106L19全球谱模式和增长模繁殖法对台风麦莎制作了13个成员的集合预报,并对其结果进行集合预报产品解释应用研究。首先在离散距离分簇法中,引入方差分析的方法确定分簇基础,然后对集合预报的形势场进行了分簇,相对于以往采用96小时样本为分簇基础进行分簇的方法,分簇效果提高明显,分簇结果能给出台风移动的几种可能路径及其概率;其次对要素随时间的演变利用系统聚类法进行了分类,根据分簇平均图可以确定几个可能的台风登陆地点,制作了这些特殊点要素分类烟羽图,通过分析要素随时间的演变特征,提高对台风登陆地点和时间的预报精度;最后制作了盒须图,通过盒须图中数据组主体以外的数据点,确认出值得注意的一些特殊集合成员的预报结果,减少了小概率事件的漏报率。研究结果表明,将方差分析引入离散距离分簇法,要素烟羽聚类法以及盒须图的应用有利于提高和改善集合预报效果,集合预报产品解释应用效果得到改进。     

基于深度学习的天气雷达回波序列外推及效果分析

天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。      

基于优化样本组合的集合-变分混合同化方案研究

为有效引入“流依赖”的背景场误差协方差,同时降低集合预报带来的计算量,尝试通过优选与同化时刻天气形势更相似的历史预报样本,并结合预报过程中的时间滞后样本,将两种样本引入集合-变分混合同化系统中,构建基于优选历史预报样本和时间滞后样本的集合-变分混合同化方案。单点观测理想试验表明,优选历史预报样本结合时间滞后样本,既能够缓解样本不足所导致的采样误差,又能够为同化系统提供“流依赖”的背景场误差协方差。连续一周的循环同化及预报试验结果显示,相较于ERA5资料和探空资料,三维变分方案整体表现稍差,样本组合混合同化方案分析场和预报场的均方根误差最小,且比仅用时间滞后样本的混合同化方案有所改进;降水评分整体也表现最优,尤其对中雨和暴雨的模拟改进较明显,较好地模拟出了强降水中心的强度和位置,且改善了降水过报的问题。      

集合卡尔曼滤波同化多普勒雷达资料的数值试验

利用集合卡尔曼滤波(EnKF)在云数值模式中同化模拟多普勒雷达资料,并考察了不同条件下EnKF同化方法的性能.结果显示,经过几个同化周期后,EnKF分析结果非常接近真值.单多普勒雷达资料EnKF同化对雷达位置不太敏感,双雷达资料同化结果在同化的初期阶段比单雷达资料同化结果准确.同化由反射率导出的雨水比直接同化反射率资料更有效,联合同化径向速度和雨水有利于提高同化分析效果.协方差对EnKF同化效果起着非常重要的作用,考虑模式全部预报变量与径向速度协方差的同化效果比仅考虑速度场与径向速度协方差的同化效果好.雷达资料缺值降低了同化效果,此时增加地面常规观测资料的同化可以明显提高同化分析效果.EnKF同化技术对雷达观测资料误差不太敏感.初始集合对同化分析有较大影响.EnKF同化受集合大小和观测资料影响半径.同化对模式误差较敏感.利用EnKF同化双多普勒雷达资料,分析了一次梅雨锋暴雨过程的中尺度结构.结果表明,EnKF同化技术能够从双多普勒雷达资料反演暴雨中尺度系统的动力场、热力场和微物理场,反演的风场是较准确的,反演的热力场和微物理场分布也是基本合理的.中低层切变线是此次暴雨的主要动力特征,对流云表现为低层辐合、高层辐散并有垂直上升运动伴随,其热力特征表现为低层是低压区,高层为高压区,中部为暖区而上、下部为冷区,水汽、云水和雨水分别集中在对流云体内、上升气流区和强回波区.     

基于CMIP5模式的中国气候变化敏感性预估与分析

以CMIP5提供的26个全球气候系统模式的温度和降水数据为基础,采用区域气候变化指数(Regional Climate Change Index,RCCI)分析中国的不同区域对21世纪气候变化响应的敏感性。结果表明,三种排放情景(RCP 2.6、RCP 4.5、RCP 8.5)下,21世纪全期,气候变化最敏感的区域分布在西藏地区,其次为我国西北地区以及东北地区,气候变化敏感性最低的区域分布在我国内蒙古中东部、华北地区以及长江中下游一带,且高排放情景对应更高的气候变化敏感性。对RCCI指数贡献因子分析结果表明,对中国气候变化敏感性贡献的大小依次为Δσ_TΔσ_pΔRRWAF。冬夏两季温度变化的大值区与RCCI指数的大致区分布一致,RCCI大小的分布很大程度上由温度变化的敏感性决定。而夏季降水变化的大值区主要出现在西藏地区、华南地区和东北地区,冬季降水变化的大值区则主要出现在黄河以南长江以北的中原地区以及东北地区。     

成矿预测:从二维到三维

随着矿产资源勘探方法以及计算机科学技术的不断发展,成矿预测的理论和方法已从定性发展至定量,从二维拓展到三维。近十年来,随着深部矿产资源勘探工作的推进,三维成矿预测研究得到了迅猛发展,相关理论与方法也已逐步走向成熟。本文总结了国内外二维成矿预测研究的现状,同时对近十年来国内外学者在三维地质建模技术、三维成矿预测方法等方面的主要成果和进展做了系统总结和分析。目前,国内外多个地区已相继开展了三维成矿预测工作,并成功圈定多个深部找矿靶区,相关成果为深部找矿勘探工作提供了新的方法和方向。在此基础上,本文对未来三维成矿预测的发展趋势进行展望,相较于传统的二维成矿预测,三维成矿预测往往受限于三维预测信息的缺乏。如何更好的挖掘二维数据在深度方向的指示能力,将二维数据推演至三维环境,利用数值模拟、机器学习等方法开展数据挖掘、充分发挥已有数据的内蕴信息将在未来推动三维成矿预测理论的深入发展,提高三维成矿预测的理论方法及应用实践水平。     

基于BMA多模型组合的疏勒河径流预测研究

准确可靠的径流预测对于水资源的科学管理与规划具有重要意义,特别是在水资源紧缺的干旱半干旱地区,径流预测对流域内水资源高效利用与水利工程经济运行具有重要现实意义。针对径流预测通常采用单一方法进行建模与预测,难以利用各预测模型优势的问题,本文利用极限学习机（ELM）模型、支持向量机（SVM）模型、多元自适应回归样条（MARS）等机器学习方法建立了疏勒河上游未来1~7日的径流预测模型。在此基础上,运用贝叶斯模型平均（BMA）方法对ELM、SVM、MARS模型的预测结果进行组合,构建了径流组合预测模型,以获取更可靠的预测结果,并采用蒙特卡洛抽样方法获取BMA的95%置信区间,对预测结果进行了不确定性分析。结果表明：ELM、SVM、MARS模型以及BMA组合模型均适用于干旱半干旱地区的中长期日径流预测;BMA的预测精度较单一模型更高,能够提供更准确的预测值;BMA的95%置信区间对实测值覆盖率高,同时能够提供较好的确定性预测和概率预测结果。表明BMA在资料有限的条件下,表现出较单一模型更高的预测性能,可以成为干旱半干旱地区中长期日径流预测的有效方法。     

基于CART算法的三维成矿预测研究——以安徽白象山矿区为例

把地质大数据和人工智能技术引入矿产资源定量评价及成矿预测体系中,提高了海量地质数据的有效信息挖掘,弥补了传统方法的不足。本文基于白象山矿区基础地质资料和物化探成果资料,利用三维地质体建模技术和三维空间分析技术,量化三维控矿因素,建立了一种基于CART 算法的三维成矿预测模型。通过在白象山矿区的实验表明：该模型能较好的定位已知矿体,并且预测出在已知矿体北部、东部、东北部、西部、南部和东南部具有较高的成矿概率,可圈定找矿靶区。该模型将地质大数据应用于找矿勘探工作,具有纯数据驱动、预测精度高、预测结果可靠等优点。研究发现,该模型的预测效果与训练数据集的数量、矿控因素提取、决策树深度等有关。     

西北太平洋(含南海)热带气旋路径集成预报分析

基于2004—2009 年中国中央气象台、日本气象厅、美国联合台风警报中心、欧洲中心对西北太平洋和南海编号热带气旋主客观预报资料,利用算术平均、多元回归以及历史平均误差等三种集成方法,建立了热带气旋路径集成预报业务化系统。通过2007—2009 年的业务运行结果分析发现,欧洲中心客观预报参与的24、48 和72 h 集成比主观预报三个成员集成预报水平分别提高约2%、3%～5%和3%～5%,减小误差2.5 km左右、6～9 km 和10～12 km。技巧分析发现,24～72 h 集成预报有正技巧,多元回归集成技巧相对稍低,而算术平均和以各成员平均误差的平方倒数为权重系数的集成技巧对于各集成成员来说技巧差异不大。96 h 集成预报对欧洲中心的客观预报没有正技巧。