集合预报最优ETKF初始扰动方法设计及其在暴雨中的应用

为改进集合转换卡尔曼滤波方法(Ensemble Transform Kalman Filter,ETKF)在初始扰动中离散度偏小的问题,考虑引入物理不确定性。使用初始时刻离散度检验两种ETKF初始扰动方案改进的程度,通过动力和水汽条件分析探求改进机制。利用WRF模式构建更新预报系统,选取2014年5月一次暴雨个例进行集合降水预报试验,通过ETKF方法设计两种不同的初始扰动方案。结果表明:在分析循环中引入多物理扰动的初始扰动方案(multi)相比单一物理过程的初始扰动方案(mono)在初始时刻离散度和模拟动力水汽条件以及降水评分上均有较大改进。初始扰动中multi的离散度相比mono整体更优,显然添加了多物理扰动方案的试验对结果有改进作用;在对两种方案的机理分析中,multi对于降水位置的明显改善主要取决于散度及水汽通量散度模拟能力的提高;在离散度分析中,multi方案在强对流区域的改进效果比在整个区域中的更好,而对各变量的离散度和均方根误差之比相当,说明集合预报系统的合理性;对各量级预报结果评分显示,multi方案均呈现较好表现能力。     

两种统计降尺度方法在秦岭山地的适用性

基于ASD（automated statistical downscaling）统计降尺度模型提供的多元线性回归和岭回归两种统计降尺度方法,采用RCP4.5（representative concentration pathways 4.5）和RCP8.5情景下全球气候模式MPI-ESM-LR输出的预报因子数据、NCEP/NCAR再分析数据和秦岭山地周边10个气象站观测数据,评估两种统计降尺度方法在秦岭山地的适用性及预估秦岭山地未来3个时期（2006-2040年、2041-2070年和2071-2100年）的平均气温和降水。结果表明:率定期和验证期内,两种统计降尺度方法均可以较好地模拟研究区域的平均气温和降水的变化特征,且多元线性回归的模拟效果优于岭回归。在未来气候情景下,两种统计降尺度方法预估的研究区域平均气温均呈明显上升趋势,气温增幅随辐射强迫增加而增大。降水方面,21世纪未来3个时期降水均呈不明显减少趋势,但季节分配发生变化。综合考虑两种统计降尺度方法在秦岭山地对平均气温和降水的模拟效果和情景预估结果,认为多元线性回归降尺度方法更适用于秦岭山地气候变化的降尺度预估研究。     

南海—热带西北太平洋地区季节内尺度海气变化关系

本文系统地回顾了作者近年来关于南海-热带西北太平洋地区大气和海洋季节内尺度变化关系方面的主要研究成果。文中对10~20天和30~60天两种季节内振荡海气变化关系的不同以及冬、夏季间的差异进行了系统地比较。相比较而言,大气中10~20天振荡所占比例大于30~60天振荡,海表温度30~60天的振荡在南海和西北太平洋副热带地区比10~20天振荡的贡献大,而在低纬度西太平洋地区10~20天振荡与30~60天振荡贡献相近或稍大。在北半球夏季,10~20天低频振荡的分布呈西南—东北走向,由赤道西太平洋地区向西北偏西方向传播,而30~60天低频振荡则以东西向分布为主,表现为由南向北的传播特征。在北半球冬季,10~20天和30~60天两种低频振荡的水平结构类似,均表现为西南—东北走向;同时,南海地区季节内变化信号表现出明显的向南传播的独特特征,并与东亚冬季风的季节内变化密切相关。北半球夏季,南海—菲律宾海地区10~20天低频振荡强度在厄尔尼诺发展年得到加强,而30~60天低频振荡强度则在拉尼娜衰减年得以加强。分析还指出,热带西北太平洋地区夏季热带辐合带附近的季节内变化,尤其是10~20天尺度变化,对季节平均海表温度异常有显著的反馈作用。     

GRAPES区域集合预报尺度混合初始扰动构造的新方案

集合预报初始扰动能否准确反映预报误差的结构特征是决定区域集合预报质量的关键因素之一。本文针对GRAPES区域数值预报模式,发展设计了一种基于资料同化思想的混合尺度初始扰动构造新方案。该方案以全球大尺度信息为背景场,区域模式预报作为观测资料,借助GRAPES三维变分同化系统,将高质量的全球大尺度信息与区域模式预报中质量较高的中小尺度信息有效融合,构造混合尺度区域集合预报初始扰动,并通过个例试验和批量试验,比较分析了新方案和原区域集合预报的性能。试验结果表明,基于资料同化构造的初始扰动能够有效融合全球大尺度信息和中小尺度天气系统的信息,其降水概率预报更具参考价值。总体上看,区域集合预报混合初始扰动新方案能够较好地改进区域集合预报质量,尤其是对高度场和温度场效果更为显著,但对风场的集合预报性能影响略小。     

降水的统计降尺度预报及其空间相关性和时间连续性重建

利用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)以及英国气象局(UKMO)四个中心1~7 d日累计降水量集合预报资料,以中国降水融合产品作为"观测值",对我国地面降水量进行统计降尺度预报,并对预报降水的空间相关性和时间连续性进行重建。对降水量进行分级后,建立各个量级的回归方程进行统计降尺度预报。此外,还利用Schaake Shuffle方法重建丢失的空间相关性和时间连续性。结果表明,分级回归比未分级回归后的预报结果相关系数更高,预报误差更小,更接近观测值。Schaake Shuffle方法可以有效地改进降水预报的空间相关性和时间连续性,使之更接近实况观测,集合成员间的相关性也更好。     

长江中下游6—7月降水的降尺度模型

基于偏相关的强迫因子选取方法,以长江中下游6—7月降水为例,进行了降水变率的归因分析,并建立了相应的统计降尺度模型。结果表明,影响长江中下游6—7月降水的强迫因子主要有两个:西太平洋850 h Pa的位势高度(W_(PH8))和黑潮延伸区的海表温度(K_(SST))。W_(PH8)反映的是西太平洋副热带高压对长江中下游降水的影响;K_(SST)反映了黑潮延伸区的变率。基于这两个因子的线性降尺度模型能较好地拟合长江中下游6—7月的降水,在独立检验和模式检验阶段,模型体现出了可靠性,因而可用于长江中下游降水的季节预测。     

景观尺度、过程及格局（LSPP）研究的内涵及特点

景观尺度、过程与格局（LSPP）及其相互作用是景观生态学研究的核心内容。在分析景观尺度及效应、景观生态过程、景观格局及变化的基础上,凝练出了LSPP一体化理念的主要特征,并探索了LSPP中各要素之间的耦合关系。研究表明：LSPP一体化具有一定的理论价值,景观时空尺度是LSPP的重要基础,LSPP体现了景观过程及其生态效应。景观生态研究所涉及的结构、功能、动态与LSPP一体化等的理论与应用问题,随着新时代生态环境的复杂化,在情景模拟技术、大数据挖掘技术,以及生态物联网等技术支撑下,促进了景观生态学机理研究与应用范式的拓展与深化,对于当前区域发展与生态文明建设具有重要指导意义。     

区域一体化研究综述：尺度、联系与边界

区域一体化是当今世界最具活力的经济现象之一,它是一个多维度的空间现象,也是一个多学科参与的科学问题。地理学独特的尺度、联系和边界视角对于理解区域一体化是如何改变世界经济格局及其对国家和区域发展的影响有重要意义。文章梳理了区域一体化理论和发展,以尺度、联系和边界的分析视角重新审视了快速发展的区域一体化进程,阐述了区域一体化的网络化特征和多维联系,重新定义了区域一体化中的多重边界,并从“全球―地方”联系的角度对区域一体化进程下有关区域和地方发展的研究进行了综述。区域一体化的实践表现出越来越多的网络特征,形成了以国家权力和关系为导向,涵盖多维度邻近的立体网络空间;区域一体化的边界效应重塑了全球经济格局,同时传统的领土边界依然重要;区域一体化的制度安排深刻影响了一国边境地区的发展和经济地理格局。最后,针对区域一体化,从尺度建构、内部联系、边界效应和多元分析框架等角度指出了亟待学界解决的一些问题,并展望了未来的研究趋势。     

东南湿润区坡面土壤水文过程研究进展与展望

东南湿润区是我国生态环境问题最为突出的区域之一,水体的富营养化是困扰该区域经济和社会发展的主要问题。尤其近些年来,在政府鼓励和市场推动双重作用下,丘陵山区的开发力度逐步加强,越来越多的原生态竹林被开发为经济型用地(如茶园)。但该土地利用方式的转变在带来经济效益的同时,也改变了下垫面土壤孔隙结构和土壤水文过程,从而极大地影响着营养盐随土壤水分的迁移和转化。在国家自然科学基金青年科学基金项目“太湖流域丘陵区坡面土壤水文过程物理机制及模拟研究”的资助下,在以下3个方面取得了重要进展：①不同土地利用坡面土壤水分时空变化与影响因素;②坡面水文过程与水量平衡;③坡面土壤水文过程影响机制。目前对太湖流域丘陵区土壤水文过程研究虽取得一些进展,但其影响机制仍不十分明确,有待进一步深入的探讨。上述成果的取得以及未来的持续探索,对于太湖水体富营养化与流域面源农业面源污染控制具有重要的环境意义,进而为推动我国流域生态文明建设提供理论支持。     

基于机器学习算法的多源月尺度融合降水产品在中国区域的检验评估

栅格格式降水产品相对于地面气象站观测资料有更好的空间监测能力,但是不同产品性能存在显著差异。本文评估了9种月尺度格栅降水产品TRMM、GPM、CMORPH、CHIRPS、ERA5、ERA5-Land、PERSIANN、PERSIANN-CDR、PERSIANN-CCS在中国的精度,从中择优选取5种较好的降水产品,利用XGBoost、随机森林和多元线性回归3种机器学习算法分别进行数据融合。研究发现,TRMM、GPM、CMORPH、CHIRPS、PERSIANN-CDR 5种产品具有相对较好的精度;在高海拔与干旱区域,降水产品的误差均明显增大。经过机器学习算法融合后,最优的XGBoost算法模型产品相关系数明显提升,均方根误差和偏差明显降低。3种算法各月均表现较高精度,其中XGBoost算法模型产品在夏季表现较好,而随机森林算法模型产品在冬季表现较好,且3种算法模型产品在不同区域均表现较高精度。和融合之前的5种原始产品比较,3种算法模型产品的精度均有提升。经过XGBoost算法融合后的产品在空间上相比较最优的原始GPM产品与气象站点插值产品具有更多的变化和局部降水细节信息。