基于DERF2.0的月平均温度概率订正预报

国家气候中心第二代月动力延伸模式回算资料的分析表明,二代模式月平均温度预报与观测实况仍然存在较大偏差,模式预报有较大改进空间。本文采用非参数百分位映射法对模式月平均温度预报进行概率订正,该方法基于模式集合平均给出的确定性预报,结合模式回算资料各集合成员计算得到的模式概率密度分布,给出确定性预报在模式概率密度分布中的百分位值,并将百分位值投影到观测资料的概率密度分布中,得到模式预报的概率订正值。对订正前后模式预报的检验评估显示,该订正方案不仅有效降低了模式预报与实况的均方根误差（RMSE）,对月平均温度距平分布的预报技巧也有所改善,不同超前时间模式预报的预测技巧评分（PS）和距平相关系数（ACC）均有提升,同时模式预报误差的大小对订正效果无明显影响。从分月的订正预报结果来看,对夏季各月的温度预测技巧的提升整体高于冬季各月。     

分位数调整法在北京动力降尺度模拟订正中的适用性评估

基于分位数调整法对变网格模式LMDZ4在中国区域进行动力降尺度模拟的北京日平均气温和降水结果进行了统计误差订正。订正后的日平均气温在年循环、平均值和频率等方面均十分接近观测值,全年平均气温偏差由-1.2℃降至-0.4℃。降水的订正过程较气温更加复杂,首先对降水日数进行订正,以消除模式产生的虚假微量降水,订正后降水日数误差由61.5%降至3.7%。此外,分位数调整法可有效订正中小型与极端降水的频率和强度,订正后全年降水误差由0.28 mm/d降至0.07 mm/d。订正后最大降水月为7月,与观测一致,消除了冬季的虚假极端降水。分位数调整法无论是对气温还是降水,其订正效果都存在明显的季节性差异。日平均气温的订正在冬、夏季要优于春、秋季,对极端高、低气温的订正更加显著。该统计误差订正方法不仅有效消除了气候平均值的漂移,同时对极值也有一定改善,是一种相对完善的订正方案。分位数调整法也存在一定的不确定性,订正效果受观测资料和模式模拟能力影响较大。     

分位数映射法在RegCM4中国气温模拟订正中的应用

将一种分位数映射法RQUANT,应用到一个区域气候模式（RegCM4）所模拟中国气温的误差订正中。从气候平均态、年际变率、极端气候及农业气候等多方面,评估了该方法对日平均气温、日最高气温和日最低气温模拟的订正效果。结果表明,该订正方法对模式模拟的日平均、日最高和最低气温气候平均态的订正效果都非常明显,中国大部分地区的订正结果与观测的偏差在±0.5℃之间。在降低极端气温指数和农业气候相关指数的模拟误差方面也有显著的效果,但对气温年际变率的订正效果有限。结合以往对降水订正的评估分析,该方法对模式模拟结果有较好的订正效果,可以应用于区域气候模式的气候变化模拟预估中,为气候变化及相关影响评估研究提供更适用和可靠的数据。     

基于DERF2.0的乌鲁木齐春季降温过程的延伸期预报检验

基于DERF2.0数据,应用均一化标准差、均方根误差等方法,以2013年乌鲁木齐春季逐日温度及24h变温检验为背景,初步评估了该模式对延伸期春季强降温过程的预报能力。结果表明：(1)逐日气温预报整体偏差随预报时效推进而增大,延伸期预报偏差明显大于中期。(2)旬平均温度的中期预报偏差普遍在-2～-8℃,延伸期的预报偏差最小在0℃左右,最大为-15.5℃。(3)日平均气温以及最高、最低气温的逐日偏差均以冷偏差为主,偏差范围为5～-15℃,延伸期预报偏差范围为-5～-15℃。模式对升温阶段的预报冷偏差随升温加剧而增大,对降温阶段的预报偏差随降温加剧而减小。24h变温偏差主要在5℃范围内变化,延伸期的24h变温偏差比中期预报偏大可达|8|℃以上。(4)DERF2.0模式对中短期温度预报有一定水平,延伸期预报能力下降,可参考价值较弱。(5)对强降温过程的结束日的温度预报偏差小,而对过程初始日的温度预报冷偏差大,造成对降温过程的预报暖偏差大,强降温过程普遍漏报。     

Calibration framework for a Kalman filter applied to a groundwater model

The paper presents a novel approach to the setup of a Kalman filter by using an automatic calibration framework for estimation of the covariance matrices. The calibration consists of two sequential steps: (1) Automatic calibration of a set of covariance parameters to optimize the performance of the system and (2) adjustment of the model and observation variance to provide an uncertainty analysis relying on the data instead of ad-hoc covariance values. The method is applied to a twin-test experiment with a groundwater model and a colored noise Kalman filter. The filter is implemented in an ensemble framework. It is demonstrated that lattice sampling is preferable to the usual Monte Carlo simulation because its ability to preserve the theoretical mean reduces the size of the ensemble needed. The resulting Kalman filter proves to be efficient in correcting dynamic error and bias over the whole domain studied. The uncertainty analysis provides a reliable estimate of the error in the neighborhood of assimilation points but the simplicity of the covariance models leads to underestimation of the errors far from assimilation points.     

Sources of bias in weighted average inferences of environmental conditions

Weighted averaging is widely used for inferring environmental conditions from an observed species assemblage. However, weighted average inferences are known to be systematically biased, and linear corrections (i.e., deshrinking functions) are commonly applied to adjust for this bias. In this analysis, the magnitude of the biases in weighted average inferences (and therefore the values of the deshrinking coefficients) are shown to depend upon the range of conditions sampled in the calibration data set and the true optima and niche breadths of the species observed in the calibration data set. Since the range of conditions and the observed species can differ between the calibration data set and the new data set for which environmental conditions are inferred, the coefficients for the deshrinking function derived using the calibration data may not be applicable to inferences computed using a new data set. Thus, environmental inferences may still exhibit systematic errors even after application of the linear correction. The findings from the theoretical analysis are demonstrated using stream temperature and macroinvertebrate data collected from wadeable streams in the western United States.     

分量核旋仪偏置电流对磁偏角测量的影响分析

从理论上定量地分析了FHD-1型分量核旋仪的偏置电流对磁偏角观测值的影响,结果表明偏置电流的漂移对磁偏角观测值的影响随偏置电流的漂移量的增大而增大、也随磁偏角观测值的增大而增大,该结果对指导台站提高该仪器磁偏角观测值的精度有一定意义。     

中国L波段探空湿度观测资料的质量评估及偏差订正

L波段探空观测资料无论在天气预报还是数值预报中均为最基本和最重要的一类数据,而其湿度观测资料的质量对同化分析及降水预报有直接影响。通过用L波段探空湿度观测资料与不同类型的其他观测反演的湿度资料互校及与NCEP、GRAPES、EC等不同模式分析场为背景的湿度场比较,评估中国L波段探空湿度观测资料的质量状况,对探空湿度资料的质量有了新的认识,为更好地使用该资料提供依据。研究发现中国L波段探空湿度观测资料存在偏干的现象,特别是当背景场湿度大于60%时,观测湿度偏低更加明显。通过分析其偏差特征,找出了适合中国L波段探空湿度观测资料偏差特点的分段函数订正方法。个例试验表明,对探空湿度观测资料的偏差订正后,观测偏差明显减小,订正效果非常显著;模式降水强度预报能力有一定的提高。从连续试验检验的降水预报评分(TS)和预报偏差(Bias)看,中雨和暴雨的预报在探空湿度观测偏差订正后都表现出正效果。     

A nonparametric view of generalized covariances for kriging

Fitting trend and error covariance structure iteratively leads to bias in the estimated error variogram. Use of generalized increments overcomes this bias. Certain generalized increments yield difference equations in the variogram which permit graphical checking of the model. These equations extend to the case where errors are intrinsic random functions of order k, k=1, 2, ..., and an unbiased nonparametric graphical approach for investigating the generalized covariance function is developed. Hence, parametric models for the generalized covariance produced by BLUEPACK-3D or other methods may be assessed. Methods are illustrated on a set of coal ash data and a set of soil pH data.     

GPS接收机仪器偏差的短期时变特征提取与建模

卫星和接收机仪器偏差(Differential Code Biases,DCB)是利用GPS(Global Positioning System)研究电离层的两类主要误差源.由于所处的空间环境恒定,且可被全球跟踪站连续观测,GPS卫星的DCB具备长期稳定性和较高的估计精度.但针对各类型接收机而言,受测站环境、硬件设施等影响,其DCB可能会呈现明显的短期变化.精确地模型化接收机DCB的短期变化特征,将有助于提高GPS电离层产品的可靠性,以及基于这些产品反演空间和地球科学现象的准确性.采用零/短基线GPS数据,本文改进了提取和分析接收机DCB变化的现有方案.随后,本文推导了一种能直接估计接收机DCB的函数模型.当检验出接收机DCB的短期变化服从随机游走时,通过对比接收机DCB的直接估值与间接提取值之间的符合程度,可"试探出"过程噪声标准差的最优经验值.实验分析选用4台双频接收机(共形成1条零基线和2条短基线,间距最大为15m)多天的观测数据,主要结论包括:1)改进的接收机DCB提取方案能较好地克服低频伪距噪声和多路径效应的影响;2)针对零基线,其接收机DCB在各天内的变化量级小于1TECu,变化趋势则可采用过程噪声标准差为1.0~1.5mm的随机游走加以描述;3)对应于某短基线的接收机DCB在某天内的变化可达12TECu,当采用随机游走描述其趋势时,过程噪声标准差的经验值超过2mm.