基于DLG建库数据自动生成林业专题图的方法

为了更好地利用数字线划图(DLG)建库数据,以林业部门专题图制作项目为契机,研究了基于DLG建库数据自动生成林业专题图的方法。设计了可自由定制的转换规则,开发了自动转换程序,从而通过DLG建库数据和林业现状数据自动生成了林业专题图。研究成果在34个县(市、区)的林地保护利用规划现状图制作项目中得到了应用,转换程序还适用于其他专题图的制作,具有非常好的推广价值。     

金沙江下游多种面雨量集成预报方法的对比分析

集成方法有利于提高降水要素预报的准确性和可预报性。本文基于格点实况资料和智能网格预报、西南区域数值预报、ECMWF模式预报、GRAPES模式预报产品,以面雨量为研究对象,采用多元回归法、BP神经网络法、评分权重法、加权集成预报法和算术平均法,得到集成面雨量预报,再运用平均绝对误差、模糊评分、正确率、TS评分、偏差分析等方法,对2020年4—10月金沙江下游面雨量预报效果进行对比分析。结果表明：多元回归集成法和BP神经网络法的预报效果总体上优于其他几种集成方法。在考虑流域面雨量的预报量级时,下游可以采用预报量级较小的模式和集成方法。集成后偏差百分比均有降低,且多元回归法和BP神经网络法对预报量级较小的模式有矫正作用。在面雨量有无、小雨和中雨预报中,多元回归法集成效果较好,在大雨量级预报中,BP神经网络法集成效果较好。这些结论可为流域面雨量预报提供参考借鉴。     

基于集合预报极端天气预测指数的浙江分类强对流预报模型

利用2016—2021年ECWMF集合预报资料、浙江自动站实况资料等,计算浙江短时强降水、雷暴大风和冰雹等强对流天气相关物理量的极端天气预报指数（EFI：Extreme Forecast Index）,分析EFI分布特征,并构建了分类强对流预报模型。结果表明：强对流天气与物理量的EFI有密切联系,发生短时强降水时,对流有效位能、整层可降水量、850 hPa与500 hPa温差和位温差的EFI较大,而垂直风切变的EFI为负值,因而较小的垂直风切变更有利于出现极端降水;发生雷暴大风和冰雹时,对流有效位能、850 hPa与500 hPa温差和位温差以及850 hPa温度露点差的EFI较大,700 hPa露点温度的EFI为负值,与上层干冷下层暖湿的有利层结条件有关。利用支持向量机多分类方法,将强对流天气相关物理量的EFI作为特征值开展训练,构建的预报模型对于非局地强对流天气有较好的预报效果,其中短时强降水的误判率明显低于雷暴大风。     

扩展水凝物控制变量的雷达资料同化对台风“天鸽”数值模拟的影响

利用WRF(Weather Research and Forecast)模式及WRFDA(WRF model data assimilation system)系统,针对2017年台风“天鸽”个例通过同化雷达径向速度(Vr)和反射率因子(RF),研究水凝物控制变量的雷达资料同化对台风分析预报的影响。研究表明：雷达径向速度的直接同化有效地改进了模式初始场中台风涡旋区的中小尺度信息,分析场中产生了气旋性的风场增量,对模式背景场中的台风有显著增强作用。通过在传统控制变量中扩展针对水凝物的控制变量可有效地同化雷达反射率因子资料,对初始场的水物质进行调整,并对随后确定性预报的台风路径和强度都有一定的正效果。此外,相比没有水凝物控制变量的雷达同化试验,加入了水凝物控制变量的雷达资料同化试验降水预报效果更好。这为将我国近海的地基多普勒天气雷达用于台风初始化分析和预报提供了一定的技术支撑和保障。     

基于集合预报的异常温度预报产品在中国的应用分析

基于欧洲中期天气预报中心(ECMWF)第五代全球再分析资料(ERA5)构建模式气候,应用ECMWF集合预报,采用“集合预报标准化异常预报法”,针对最高和最低气温构建中国地区集合平均异常温度预报和异常温度概率预报产品,并与极端预报指数(extreme forecast index,EFI)开展检验和对比分析预报性能,并基于“异常温度影响矩阵”,构建了异常温度影响程度预报指数,通过异常温度事件个例探讨相关产品的预报应用。结果表明:基于ECMWF的ERA5和集合预报构建的集合平均异常温度预报产品对我国夏季和冬季异常温度事件均有比较好的预报效果,预报性能好于或接近EFI,可作为业务上对异常温度事件预报的支撑产品。异常温度概率预报产品可以体现集合成员中的预报异常温度事件的信息,在中期预报时效对发现早期异常温度事件信号有优势,并可反映对异常天气预报的不确定性信息。异常温度影响程度预报指数结合了异常天气概率预报信息和异常程度预报信息,可对异常温度时间给出客观定量的预报结果,对一次异常低温事件的个例预报证明该指数有比较好的预报效果,对异常温度事件的预报和早期科学预警有一定指示意义和业务应用前景。     

基于深度学习的7~15 d温度格点预报偏差订正北大核心CSCD

为了提高模式对于7~15 d温度格点预报准确性,基于U-Net模型以及U-Net残差连接模型,采用2018年12月25日—2022年7月5日多种组合气象数据作为输入数据特征,针对TIGGE数据中心提供的全球集合预报CMA-GEPS 2 m气温控制预报,开展168~360 h时效的格点预报误差订正试验。结果表明:对于240 h预报时效,两种深度学习模型中,U-Net模型表现较好;对于不同输入数据特征,加入起报时刻ERA52 m气温产品的U-Net模型表现最佳,在多个预报时效上有较好的订正效果,均方根误差减小率为10%~25%,可有效改善模式对于15.75°~55.25°N,73°~136.5°E区域北部的蒙古高原、西部的青藏高原及部分山地的预报误差较大的不足;而加入CMA-GEPS控制预报10 m风预报产品后改进不明显。总体上,基于U-Net模型构建的模式格点预报偏差订正模型可有效降低7~15 d温度格点预报误差,进一步提升复杂地形下格点预报的准确性。     

基于旋转经验正交分解的流域降水气候预测误差订正方法

流域尺度的降水短期气候预测水平对流域的防灾减灾具有重要价值。为了进一步提高中国科学院大气物理研究所新一代大气环流模式IAP AGCM 4.1在淮河和长江流域夏季降水预测效果,利用旋转经验正交分解（Rotated Empirical Orthogonal Function, REOF）方法对两个流域夏季降水区域特征进行分析的基础上,建立了一个适用于流域的分区经验正交分解（Empirical Orthogonal Function, EOF）订正方案,并利用IAP AGCM 4.1气候预测系统在两个流域的夏季降水共30年（1981～2010年）的集合回报试验结果进行了订正试验。结果表明分区订正方法明显改进了模式对淮河流域的夏季降水预测水平,淮河流域的流域平均相关系数从0.03提高到了0.22。对长江流域的季度降水预报也有显著的改进效果,平均相关系数从-0.05提高到0.24。分区订正结果明显优于流域整体订正方案,证明了基于REOF分析确定降水具有强局地性特征的订正区域,能够很好地提高EOF订正方法的效果稳定性,这对其他流域降水预测的订正研究具有很好的借鉴意义。     

粤港澳高速韶关段冰雪的预警技术

通过对粤港澳高速韶关段降雪冰冻过程统计分析,按时间梯度模式制定预报产品、临近预警和实况预警3种预报预警模式及Ⅰ到Ⅳ的4种级别,并建立降雪、冻雨和道路结冰预报预警模型实现分路段自动化预警,结果表明：(1)预报预警级别启动条件主要由冷空气强度、影响持续时间长短及降水量多少综合决定。(2)降雪、冻雨和道路结冰发生在寒潮或强冷空气影响下,平流降温显著、地面0℃线过南岭、高空中层(一般700或500 hPa)为西南暖湿气流、冷暖空气南岭附近交汇。(3)气温垂直廓线分布差异造成降水相态不同,其中大气中高层为冷层0℃以下(500 hPa及以上)、中层为暖层0℃以上(700 hPa附近)、低层为冷层0℃以下(925 hPa以下),中低层存在明显逆温层,出现的降水相态为冻雨;从地面至高空各层温度都在0℃以下,则降水相态为降雪。(4)实现模型和预警条件自动化运算,数据依赖于多家数值预报气象要素预报的加权平均以及路面自动气象站监测融合数据和中国气象局陆面数据同化系统中气温等实况数据,随着数值预报能力提升和路面监测密度增加,运算精准度会进一步提升。     

基于对流可分辨集合预报的阜宁龙卷概率预报研究

本文针对2016年6月23日江苏阜宁龙卷,设计了两组对流可分辨尺度集合预报:一组以ERA5再分析资料为初始和侧边界(CEFS_ERA5);另一组以NCEP GEFS为初始和侧边界(CEFS_GEFS),评估了两组试验对此次龙卷的预报能力。结果显示:两组对流尺度集合预报均有约半数以上成员能够再现龙卷超级单体的特征;2~5 km上升螺旋度(UH25)对本次龙卷超级单体有较好的预报指示意义。在上述分析的基础上,考虑位置预报偏差,提出了一种基于UH25的邻域龙卷概率预报产品,分析了龙卷概率预报技巧对关键参数邻域半径和UH25阈值的敏感性,CEFS_ERA5邻域半径取15个格点,UH25阈值取250 m²·s^-2最优;而CEFS_GEFS邻域半径取15个格点,UH25阈值取100 m²·s^-2最优。总的来说,邻域概率预报产品显著提升了对此次龙卷概率预报水平。