集合方法在月动力预报信息提取中的应用

本工作将集合方法应用于提取月动力预报有用信息。利用中国气象局国家气候中心Ｔ６３Ｌ１６全球谱模式的５００百帕高度场月集合预报产品（集合成员数为８个，初始场的选取采用滞后方法（ＬＡＦ），即相邻两天的００００，０６００，１２００和１８００ＧＭＴ的初始化资料），就１９９７年１月至５月共１５次预报，分析了集合预报成员间的离散度与预报评分（距平相关系数和均方根误差）的关系，研究了用集合各成员预报离散度作为各个成员逐日预报的权重对月预报效果的影响。结果表明集合预报成员的离散度与预报评分有显著的相关，是有效预报长度Ｎ的一个很好估计；用离散度作为权重平均的月预报高度距平相关系数明显高于算术平均和线性权重，此外个例分析表明月平均环流及其异常的预报得到明显的提高。     

多物理ETKF在暴雨集合预报中的初步应用

基于集合转换卡尔曼滤波（ETKF）的初值扰动方法是目前集合预报领域热点方法之一,但应用在短期集合预报中仍存在离散度不够、误差较大等问题。考虑到在区域短期集合预报中,模式不确定性和边界不确定性的影响不能忽略,本文尝试在ETKF生成分析扰动的过程中,同时考虑初值不确定性、物理不确定性与边界不确定性,进而构建多初值、多物理、多边界ETKF集合,并以2010年9月30日到10月8日海南岛特大暴雨作为研究个例,对其在暴雨集合预报中的应用展开初步研究,重点分析多种物理参数化过程对预报结果的影响。结果表明,多物理过程的ETKF（多物理ETKF）和单物理过程的ETKF（单一ETKF）均优于对照预报,多物理ETKF优势更加明显,其均方根误差、离散度等指标均得到很好的改善;对于降水采用SAL方法进行检验,发现多物理ETKF对于降水位置的预报有明显的改善,对于特大暴雨的强度预报也略有改善。研究表明,在ETKF初值扰动中加入多种物理过程,可以有效改善短期集合的离散度,提高预报准确率,有良好的发展前景和应用潜力。     

MODES系统对贵州月气温、降水预测初步评估

通过对2013年1月—2015年6月(MODES)发布的最优月预测产品在贵州省月平均气温距平和降水距平百分率的预测检验评估,发现MODES对全省平均气温有较好的预报,分析时段内预测与实况的相关系数为0.24,距平同号率为65.5%,且对气温偏高预测的可参考性高于其对气温偏低的预测。相比于气温,MODES对降水预测能力较弱,参考性也相对较低,其中对贵州全省平均降水偏多趋势的预测技巧要优于对全省平均偏少趋势的预报技巧。逐站分析显示,MODES对贵州气温预测效果较好的地区在西部、北部和东部,对降水偏多的预测效果较好的地区位于除西北部和北部边缘地区外的其余大部地区。通过对MODES与预报员综合预报的结果评估发现,MODES月预测总体效果较预报员好,且稳定性高于预报员,可为预报员提供参考信息。     

风暴尺度集合预报中的混合初始扰动方法及其在北京2012年“7.21”暴雨预报中的应用

风暴尺度集合预报系统（Storm-Scale Ensemble Forecast system,简称SSEFs）中集合成员之间发散度不足一直都是研究的难点。本文尝试了将Barnes空间滤波融入到集合转换卡尔曼滤波（ETKF）更新预报系统中的混合初值扰动法。该方案将ETKF方法的小尺度信息与来自于侧边界条件扰动的大尺度信息相结合,缓解了扰动在侧边界不匹配的问题。通过2012年北京“7.21”暴雨并使用邻位方法对比分析了不同初值扰动方案在不同时间尺度与空间尺度上的特征,在此基础上进一步探讨了构造混合初始扰动法的可行性。结果表明:ETKF试验所构造的初始扰动无法与侧边界条件扰动相匹配,混合后的初始扰动可以有效缓解SSEFs中由于初始扰动与侧边界扰动不匹配产生的虚假波动,其中大尺度信息保留较多的混合试验（ETKF80）和动力降尺度方案（Down）在减少虚假波动方面的效果最优;从集合离散度来看,在前期暖区降水阶段ETKF的离散度在小尺度上最大,随着锋面降水的开始,Down的离散度逐渐超过ETKF,而使用各滤波波段构造的混合试验同时具备ETKF与Down二者的特征。选择合理的滤波波段可以获得最为合理的离散度表现（ETKF180）,说明仅考虑侧边界匹配（Down和ETKF80）并不能获得最合理的集合离散度,应综合考虑其他因素。从降水概率预报结果来看,选取合适的滤波波段所构造的混合扰动试验同样获得了较好的效果。     

基于幅频分离的气候时间序列预测试验

从气候波动的瞬时频率与瞬时振幅出发,结合最小二乘支持向量机技术,提出了基于幅频分离技术的气候时间序列预测方法,并对南京地区降水距平进行了30候的预测试验。结果表明,幅频分离预测法能够对所有模态的振幅和高频模态的瞬时频率进行较好的预测,而预测的瞬时频率累积误差会对模态分量的预测距平相关性产生敏感影响,该新方法能够显著提高气候序列高频模态的预测效果。对于气候序列的低频模态分量,集合经验模态分解的边界效应会对瞬时频率的求解产生较大误差,使得序列边界区的幅角计算不准确,导致对低频模态的最终预测效果不理想。对气候序列的高频分量采用幅频分离并进行最小二乘支持向量机预测,而对其低频分量仅采用最小二乘支持向量机进行直接预测,可同时提高高、低频分量的预测效果,并最终提高整个气候序列的预测准确性。该分频预测方法可以使南京降水预测的30候距平相关保持在0.4以上。     

基于集合预报系统的日最高和最低气温预报

根据欧洲中心集合预报系统2 m气温预报的集合统计值,提出了BP-SM方法,针对中国512个台站2016年3月的日最高（低）气温做预报分析。将集合预报系统的模式直接输出、BP和BP-SM方法得到的日最高（低）气温进行了比较,结果表明:预报时效越长,BP-SM方法较之BP方法的预报优势也更明显;在1至5 d的预报中,BP-SM方法显著降低了预报绝对误差,误差在2℃以内的准确率大部分在60%以上,部分站点达到90%;正技巧评分均值大多高于30%,在青藏高原东部和南部地区超过了60%。预报正技巧站点次数在绝对误差≤2℃（1℃）范围内有所提高,对日最高气温预报准确率的提高略好于日最低气温;BP-SM方法有效地降低了预报系统偏差,较大预报误差出现次数显著减少。      

相似集合预报方法在北京区域地面气温和风速预报中的应用

相似集合是近年来提出的一种基于相似理论、大数据挖掘和集合预报思路的统计释用方法。文中首先介绍了相似集合的基本原理,并应用该方法对北京快速更新循环数值预报系统（BJ-RUC）v3.0预报地面要素开展了订正释用试验。结果表明,相似集合订正后,在0—36 h预报时段内,10 m风速的均方根误差降低44%,2 m气温的均方根误差降低22%,均方根误差均显著减小。对比测站预报误差的水平分布,相似集合方法的应用对于提升非城区站点的10 m风速预报、复杂地形区域的2 m气温预报具有更为明显的效果。相同预报因子的相似集合和支持向量机方法对模式10 m风速和2 m气温预报均具有显著且相似的订正效果,但相似集合方法具有计算资源需求较少、不需要大量人工干预的优势。相似集合方法形成的集合较好地模拟了模式平均误差的增长情况,集合离散度与集合平均均方根误差表现出理想的统计一致性,即相似集合方法在形成确定性预报的同时,还能够提供预报要素的不确定性或概率信息。因此,相似集合方法在模式预报订正及释用方面具有广阔的应用前景。      

高空冷涡影响台风Meranti(1010)北翘路径的集合预报分析

路径突变是台风路径预报中的一个难题。2010年第10号台风Meranti（1010）在台湾岛南部海域西移过程中突然北折,而欧洲中期天气预报中心（ECMWF）集合预报对其北翘路径存在较大分歧。选取预报成功与不成功两组集合成员各8例,对比分析台风Meranti路径变化的主要原因。结果表明:（1）一个来自热带对流层上部槽的切断高空冷涡（UTCL）是该台风路径变化的一个重要影响系统。Meranti北翘路径跟它与UTCL的南北向耦合有关;（2）UTCL通过改变台风上层的环境气流影响台风引导气流。在UTCL移至台风北部过程中,台风的偏南风引导气流明显加强,有利于其路径北翘;（3）UTCL对台风Meranti北翘路径的影响还与其自身结构有关。水平环流宽且气旋性涡旋向下垂直伸展更深的UTCL对台风路径变化影响更明显;（4）位涡倾向方程的诊断分析表明,在TC与UTCL南北向耦合过程中,台风北部的正位涡水平平流项输送显著,有利于台风向北运动,且UTCL影响下产生的非对称风场在其中起主要作用。     

气候模式FIO-ESM对2015/16年厄尔尼诺的预测

Recently atmospheric and oceanic observations indicate the tropical Pacific is at the El Ni?o condition. However,it's not clear whether this El Ni?o event of this year is comparable to the very strong one of 1997/98 which brought huge influence on the whole world. In this study, based on the Ensemble Adjusted Kalman Filter(EAKF)assimilation scheme and First Institute of Oceanography-Earth System Model(FIO-ESM), the assimilation system is setup, which can provide reasonable initial conditions for prediction. And the hindcast results suggest the skill of El Ni?o-Southern Oscillation(ENSO) prediction is comparable to other dynamical coupled models. Then the prediction for 2015/16 El Ni?o by using FIO-ESM is started from 1 November 2015. The ensemble results indicate that the 2015/16 El Ni?o will continue to be strong. By the end of 2015, the strongest strength is very like more than 2.0°C and the ensemble mean strength is 2.34°C, which indicates 2015/16 El Ni?o event will be very strong but slightly less than that of 1997/98 El Ni?o event(2.40°C) calculated relative a climatology based on the years1992–2014. The prediction results also suggest 2015/16 El Ni?o event will be a transition to ENSO-neutral level in the early spring(FMA) 2016, and then may transfer to La Ni?a in summer 2016.