中尺度降水集合预报随机参数扰动方法敏感性试验

中尺度降水模式预报具有很大的不确定性,为更好地描述与模式降水预报密切相关的物理过程关键参数的不确定性,基于中国气象局GRAPES（Global/Regional Assimilation and Prediction System）中尺度区域集合预报模式,从对模式降水预报不确定性有较大影响的积云对流、云微物理、边界层及近地面层等4个参数化方案中选取了18个关键参数,设计了一种随机参数扰动方案（Stochastically Perturbed Parameterization,SPP）,并通过2015年6—7月总计10 d的随机扰动集合预报试验,对比分析了SPP方案对不同物理过程参数扰动敏感性、随机场时、空尺度敏感性、能量变化特征及其集合预报效果。结果显示,对所选择的任一物理过程参数化方案增加SPP扰动后,降水及等压面要素的概率预报技巧优于无SPP扰动的预报,而扰动积云对流和边界层过程中的参数较扰动云微物理过程中的参数影响更显著,且同时扰动积云对流、云微物理、边界层及近地面层参数化方案中的18个参数的集合预报效果优于扰动任何单一物理过程中的部分参数,表明SPP方案能够有效地提高中尺度降水概率预报技巧;从能量变化特征可知,不同物理过程的参数扰动对动能、内能和总能量的影响层次和特征有所不同,但总体而言,扰动前后各项能量基本相同;随机场时、空尺度敏感性试验发现,SPP扰动随机场时间、空间相关尺度对集合预报效果有明显影响,当扰动随机场选用12 h抗相关时间及截断波数20时,集合预报结果最优。上述结果表明,SPP随机参数扰动方案不仅能够有效提高集合概率预报效果,还能够提高集合降水概率预报技巧,具有良好的业务应用与发展前景。      

强对流临近预警中集合预报成员的即时分析——以陇东一次暴雨过程ECMWF集合预报应用为例

2015年5月31日甘肃陇东地区出现一次暴雨天气过程,ECMWF集合预报系统的降水预报只有1个成员(简称EM-p)预报出暴雨,并且EM-p对预报暴雨落区、量级和降水时段的预报与观测实况基本接近。本文通过对EM-p和集合预报系统控制成员预报效果的对比分析,以及EM-p与实况的对比分析表明,EM-p对产生暴雨的对流参数预报完全符合本地经验指标,虽然对低层急流预报出现一定程度偏差,但对低层辐合区(暴雨落区)位置的预报与观测实况极为接近,因此EM-p成员能够为暴雨的短时预报和临近预警提供可靠的定量依据,可有效提前暴雨预警时间。通过分析,期望为如何利用ECMWF集合预报有效判断低概率但高影响天气的发生提供一些有益的思路。     

GRAPES区域集合预报两种侧边界扰动方法对比试验

中国气象局数值预报中心自2014年建立了区域集合预报业务系统,其使用的侧边界扰动由全球集合预报系统动力降尺度得到。为深入了解侧边界扰动对区域集合预报的影响,基于15 km水平分辨率的区域集合预报模式,使用动力降尺度方法和尺度化滞后平均法(scaled lagged average forecasting,SLAF)设计构造了两种侧边界扰动方案,并开展了2015年7月共6天的集合预报试验,利用集合均方根误差、集合离散度、连续分级概率评分、离群值、Brier Score及相对作用特征曲线面积等概率预报检验方法进行了多方面检验,分析了两种侧边界扰动方案对区域集合预报质量的影响。结果表明:动力降尺度侧边界扰动方案(DOWN)的扰动总能量在各垂直层次均大于SLAF方案,使得边界上前者的离散度大于后者,集合扰动增长更为合理;对于等压面要素和地面要素,DOWN方案的离散度、Outlier、CRPS等评分优于SLAF方案,反映了DOWN方案构造的侧边界扰动更加合理;在降水概率预报技巧方面,SLAF方案在评分上具有一定优势,但评分的提高没有通过显著性水平检验,因此认为两种方案对降水预报的改进基本相当。     

TIGGE技术对西南地区地面要素预报性能的分析

基于TIGGE中欧洲中期天气预报中心和美国国家环境预报中心全球集合预报系统(EC_GEPS和NCEP_GEPS)的2016年1月1日—2017年12月31日连续2 a的预报资料,对两套系统在西南地区10 d以内的2 m温度和24 h定量降水预报进行检验评估和综合分析。2 m温度预报检验结果表明:EC_GEPS和NCEP_GEPS的2 m温度控制预报和集合平均预报的均方根误差均普遍偏高且NCEP_GEPS总体而言优于EC_GEPS;两套系统集合平均均方根误差相对于控制预报改进不明显;集合离散度均明显偏低;Talagrand分布均呈现出非常明显的"J型"分布特征,Outlier评分普遍偏高且EC_GEPS的Outlier评分明显低于NCEP_GEPS;从集合最小值到集合最大值,随着集合百分位的增大,各个预报时效的均方根误差逐渐减小,集合最大值预报技巧最高。降水预报检验结果表明:EC_GEPS和NCEP_GEPS的24 h定量降水预报的Talagrand分布总体而言均呈现出"L型"分布特征且NCEP_GEPS更加明显;NCEP_GEPS各个预报时效的Outlier评分均普遍偏高且明显高于EC_GEPS;EC_GEPS的降水概率预报技巧明显优于NCEP_GEPS;EC_GEPS的70%集合百分位预报技巧最高,NCEP_GEPS的80%集合百分位预报技巧最高。EC_GEPS和NCEP_GEPS在西南地区的2 m温度预报和降水预报均存在一定的系统性误差,进行相应的集合预报系统性偏差订正应该能较好地改进预报技巧。     

锥形束重构解析算法的研究历程及内在联系

本文提出了锥形束重构解析算法研究历程中的主要问题,阐述了锥形束重构领域相关数学理论和数值计算方法建立与发展的脉络,剖析了锥形束重构研究过程中各算法的内在联系。指出了该领域今后研究工作的某些关键问题。     

基于改进U-Net的建筑物集群识别研究

针对U-Net在高分影像建筑物提取中部分建筑物边缘特征易模糊或丢失的问题,提出一种对高分影像建筑物边缘增强,同时对U-Net部分卷积过程进行改进的优化的建筑物提取方法.首先利用域变化递归滤波的方式对建筑物边缘进行增强,将增强后影像输入U-Net神经网络中进行训练;其次为充分利用建筑物在高分影像上丰富的细节特征,尝试在原...     

基于全球及区域气候模式的江苏省降水变化趋势预估

利用气象观测资料,8个全球耦合气候系统模式的集合平均以及区域气候模式(RegCM4)的结果,通过方差分析、相关分析、趋势分析、扰动法等方法对模式性能进行了评估,并对江苏省在未来RCP8.5高端排放情景下降水的变化趋势进行了预估。结果表明,在RCP8.5情景下,至2020、2030和2050年,全球模式模拟的江苏省年平均降水在未来有逐渐增加的趋势,线性增加率约为7 mm/(10 a)。至2050年,江苏省年平均降水量将增加2%左右;区域模式模拟的年平均降水在未来线性增加率为1.5 mm/(10 a),变化不显著。区域模式模拟的夏季降水在未来有所增加,最多可增加20%～30%,但增幅随时间逐渐减小;全球模式模拟的夏季降水比现在有所减少,至2050年,减少了大约10%。区域模式模拟的冬季降水在未来不同时间段均比现在有所减少,同现在相比,最多可减少30%～40%;而全球模式模拟的冬季降水在未来则是先减少,后增加,至2050年,比现在大约增加10%。对于不同季节,总体而言,南部地区降水量的变化较北部地区显著。对于极端降水事件来说,江苏省未来小雨日数将减少,而暴雨日数则微弱增加。但由于全球模式本身的性能、区域模式对全球模式的依赖性以及温室气体排放的不确定性使上述预估结果仍具有不确定性。     

基于卡尔曼滤波的中国区域气温和降水的多模式集成预报

利用TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。     

一个ENSO多模式集合预报系统介绍

厄尔尼诺-南方涛动(El Ni?o and Southern Oscillation,简称ENSO)是短期气候预测的主要可预报性来源.为提高ENSO的预报水平,我们构建了一个包含5个动力耦合模式的多模式集合预报系统,其中各个模式具有不同的复杂程度、参数化方案、分辨率、初始化和集合扰动生成方案,以尽可能全面地考虑各种不确定性对预报结果的影响.回报试验结果表明:多模式集合的预报效果明显好于任何一个单一模式,其显著降低了均方根误差,并提高了异常相关性技巧.该多模式集合的预报效果可以比肩甚至优于同期北美多模式比较计划中的ENSO多模式集合预报技巧.此外,多模式集合预报能够削弱“春季预报障碍”的影响,提供更为可靠的概率预报.实时预报能够提前六个月准确地捕捉到近期连续两年的拉尼娜事件,并且该系统从2022年4月开始的预报也显示出连续三年拉尼娜事件的可能性.总体来说,这一多模式集合预报系统能够提供比任何模式成员更加准确的确定性预报和概率预报.这些改进主要得益于:一方面不同模式之间的优势互补增加了可预报信息,另一方面该系统集合成员规模较大有助于更为合理地刻画预报不确定性的分布.     

基于多波束前视声呐的水下静态目标的探测识别技术

基于声呐的水下目标检测是具有重要意义的研究课题.由于声呐图像质量差、对比度低、边缘模糊等,基于特征提取的识别方法在精度和速度上无法满足现有要求.鉴于此,将基于卷积神经网络的YOLOv3引入声呐图像的目标识别任务中,首先通过动态亮度分配和中值滤波对图像进行预处理建立数据集,然后对YOLOv3模型进行训练和测试,最后根据静...