集合预报初始扰动产生的一个新方法: 条件非线性最优扰动

在不考虑模式误差的情况下, 用正压准地转模式探讨了条件非线性最优扰动(奇异向量在非线性框架下的推广)在集合预报中的可能应用. 奇异向量和条件非线性最优扰动被用来产生集合预报试验的初始扰动. 对14 d的预报结果作了比较, 发现用条件非线性最优扰动代替第一奇异向量的集合预报技巧在中期预报范围(6~14 d)明显高于奇异向量法. 该结论是在分析误差为快速增长扰动的条件下得到 的, 即分析误差的非线性发展在预报后期快于奇异向量的非线性发展, 不依赖于分析误差的大小. 通过相似指数和经验正交函数分析, 解释了为什么用新方法产生的集合预报技巧优于奇异向量法.     

初始误差和模式误差对ENSO集合预报的影响

基于作者发展的一个ENSO(El Niño-Southern Oscillation)集合预报系统, 利用4组14 a的(单一或集合)回报试验(试验方案按照是否在预报过程中考虑了初始或模式随机误差扰动进行划分), 分别从确定性预报和概率预报角度, 检验和探讨了随机的初始误差扰动和模式误差扰动对ENSO集合预报水平的影响. 试验结果初步表明, 主要体现了模式物理过程不确定性的随机模式误差扰动, 能够在整个12个月预报过程有效地提高集合预报系统的预报水平. 但是对该系统而言, 随机初始误差扰动对预报水平的影响相对较小, 其影响时效主要集中在预报的前3个月左右.     

条件非线性最优扰动及其在天气和气候可预报性研究中的应用

条件非线性最优扰动(CNOP)是非线性动力系统中满足一定物理约束条件, 且在预报时刻有最大非线性发展的一类初始扰动. 它不仅可以代表某一天气或气候事件的“最优前期征兆”, 而且可以用来研究预报时刻对预报结果有最大影响的初始误差. 在流体运动的(不)稳定性(或敏感性)问题研究中, 它还可以代表最不稳定(或最敏感)的初始模态. CNOP还可以被用来估计某一天气或气候事件预报误差的上界. CNOP的上述物理特征在厄尔尼诺-南方涛动(ENSO)的可预报性研究和海洋热盐环流(THC)的敏感性分析中得到了实现: 在一个海气耦合ENSO模式中, CNOP代表了最容易发展成ENSO事件的初始模态(即最优前期征兆); 在ENSO事件的预报误差研究中, CNOP代表了在预报时刻对ENSO预报有最大影响的初始误差. 当CNOP作为观测ENSO事件的初始扰动时, 它给出了ENSO事件预报误差的上界估计; 当CNOP作为THC的最不稳定(或最敏感)的初始模态时, 它揭示了THC对有限振幅扰动的非线性不对称响应. 最后, 讨论了CNOP方法在较复杂模式中的应用, 结果表明CNOP方法对于较高维数的模式也是适用的, 对应的优化算法也是有效的.     

改善月动力延伸预报水平的一种新途径

从数值模式普遍存在的一个重要预报误差源—— 纬向平均环流入手, 提出了一种改进月动力延伸预报的新途径. 首先, 应用重构相空间理论和非线性时空序列预测方法, 在大量历史资料的基础上构建纬圈平均环流(纬向平均高度场)月尺度逐候非线性动力学区域预报模型; 然后将非线性动力预报和数值模式动力预报结合起来, 即将非线性预报结果转化为模式需要的预报量, 再在模式积分过程中实施过程订正. 试验结果表明, 这种方法不仅有效减少了模式的系统性预报误差, 而且通过波流非线性相互作用, 使部分波分量的预报得到了较明显的改善.     

ENSO可预报性研究的一个新方法:条件非线性最优扰动

首先给出了条件非线性最优扰动的概念; 其次, 采用简单的ENSO海-气耦合模式, 通过比较条件非线性最优扰动和线性奇异向量的异同, 揭示出在气候可预报性研究中考察误差增长应该使用非线性模式; 然后, 使用条件非线性最优扰动, 初步研究了该ENSO模式的“春季预报障碍”问题.     

热带数值预报中的初值问题

一、引言热带质量场与流场之间的平衡关系目前尚不很清楚,因此热带数值预报模式中都采用原始方程而不再作滤波近似,但原始方程对初值十分敏感,初始场上的小扰动很容易增长.有些小扰动是观测误差,另一些是没有天气意义的小波动.有的小扰动具有天气意义,但是很难与没有天气意义的小扰动区分开,在我们的模式中也难以描写它.因此,在初值处理过程中将这     

集合预报最优初值形成的四维变分同化方法

提出一种利用四维变分同化方法吸纳ＭｏｎｔｅＣａｒｌｏ法具有明确统计意义的特点和滞后平均预报法包含多时刻初值信息的长处，来形成一组与动力模式相协调的集合预报初值的方法，以克服初值由ＭｏｎｔｅＣａｒｌｏ法或滞后平均预报法形成的不足，改善集合预报效果，在已建立的Ｔ４２谱模式四维分同化系统基础上，对６组个例分别进行了控制，对比数值试验，结果表明，由四维变分同化方法形成集合预报初值的预报效果旬尺度上要好于滞     

初始扰动对数值模式模拟能力的影响

大气和海洋模式数值模拟的结果是否准确, 首先取决于模式的模拟能力. 由于大气和海洋运动本质上是非线性的, 其运动状态依赖于初始场(初值). 模式作为非线性发展方程的离散化形式, 其运动状态仍然依赖于初始场. 初始场的微小变化有可能导致模式的结果完全不同, 甚至使模式丧失模拟能力. 而对大气和海洋运动的实际问题进行数值模拟时, 无论所用的观测资料如何准确, 初始场难免存在着误差. 由于这些误差的存在, 可能会使得模式的结果与实际状态相比大相径庭. 因此, 探讨初始扰动对模式模拟能力的影响就成为大气和海洋科学中的一个热点和难点问题. 正是基于这种情况, 激发了20世纪80, 90年代资料同化技术的快速发展. 通过资料同化的方法对初始场误差进行订正, 极大地改善了初始场的质量, 使其更接近大气和海洋运动的实际状态, 模式的模拟能力得到了一定的提高. 但资料同化的方法到底能在多大程度上改进模式的模拟能力, 到目前为止仍是一个尚未解决的难题.     

黑龙江省夏季降水“多层递阶”长期预报模型

本文根据文献[1]提出的动态系统预报的新方法,适当选取输入变量,建立黑龙江省夏季降水“多层递阶”长期预报模型。由于这种新方法在预报过程中充分考虑到系统的时变特性,把预报问题分成了对时变参数的预报和在此基础上对系统的状态(或输出)预报两部分,克服了一般预报方法因固定参数模型而造成的较大误差,预报趋势准确率和预报精度都有所提高。     

多种观测资料的四维变分同化对台风路径预报的影响

利用了MM5V3模式及其伴随模式、快速辐射传输模式RTTOVS-5及其伴随模式, 研究了多种资料的四维变分资料同化对台风路径预报的影响. 同化资料包括大尺度背景场资料、Bogus资料、云迹风资料、卫星反演资料和卫星红外辐射计(HIRS)资料等, 一共针对5个台风个例进行了数值试验和同化试验. 数值结果表明, 应用了四维变分资料同化方法, 能够更好地描写初始时刻的台风结构以及提高数值模式的初始场质量.     

多种观测资料的四维变分同化对台风路径预报的影响

利用了MM5V3模式及其伴随模式、快速辐射传输模式RTTOVS-5及其伴随模式, 研究了多种资料的四维变分资料同化对台风路径预报的影响. 同化资料包括大尺度背景场资料、Bogus资料、云迹风资料、卫星反演资料和卫星红外辐射计(HIRS)资料等, 一共针对5个台风个例进行了数值试验和同化试验. 数值结果表明, 应用了四维变分资料同化方法, 能够更好地描写初始时刻的台风结构以及提高数值模式的初始场质量.     

地球自转速率变化的实时快速预报

地球自转速率变化的实时快速预报具有重要的科学意义和实际应用价值. 然而由于地球自转速率复杂变化(或日长变化)的时变特性, 传统的线性时间序列分析方法往往难以取得良好的预报效果. 采用非线性的人工神经网络技术预报日长变化, 网络的拓扑结构由最小均方误差法确定. 考虑到日长变化与大气环流运动间的密切联系, 在神经网络预报模型中首次引入轴向大气角动量的实时预报值, 进行日长变化1~5 d的实时快速预报. 结果表明, 联合日长变化序列和大气角动量预报序列的神经网络模型, 比起单独采用日长变化资料的模型, 预报精度得到显著的提高.     

COMPASS导航卫星高精度轨道预报及误差控制技术

针对COMPASS各类型导航卫星的轨道预报精度随时间推移衰减较快问题,提出了基于神经网络模型的卫星轨道预报技术.该技术避开了精化动力学模型的困难,尝试从轨道预报误差的规律中寻找突破,利用神经网络作为建立预报模型的工具,将某历史时刻的轨道预报误差作为训练样本,利用训练好的神经网络模型补偿当前时刻的预报轨道以提高轨道预报精度.针对利用神经网络模型得到的预报轨道精度偶尔会出现低于动力学模型的预报精度这一现象,提出了基于反向重叠弧段比较法的轨道预报误差控制技术.利用实测数据进行实验分析,结果表明,采用神经网络模型补偿预报轨道误差时,不同卫星在不同初始时刻下的改进效果不同.预报8,15和30天导航卫星的轨道改进率分别为80%,77.77%和85%.针对改进失败的现象,利用本文提出的预报误差控制方法,失败率从30%降低到5%以内,而未消除的5%失败率所对应的预报轨道精度与动力学模型的预报轨道精度相当.     

月平均环流的Monte-Carlo预报试验

1974年,Leith为了克服矩方法遇到的困难提出了统计-动力相结合的Monte-Carlo(简称M-C)近似预报方法,并用均质、各向同性的湍流两维模式证实:M-C预报是最小平方意义下的最优预报。1981年,Seidman在Leith等人工作的基础上,提出了随机扰动初值预     

上海GPS网层析水汽三维分布改善数值预报湿度场

水汽三维分布信息是数值天气预报模式的初始条件之一, 大气中的水汽具有较强的时空变化特性, 传统观测手段受时空分辨率的限制, 对模式初始水汽场的描述远远不够. 利用地基GPS信号斜路径观测值探测水汽垂直剖面信息是目前国际上的研究前沿, 利用上海GPS综合应用网GPS信号斜路径水汽观测值, 在国内首次层析了上海地区水汽三维分布. 层析中采用高斯加权函数进行水平约束, 利用数值预报结果做先验值, 考虑了边界条件. 针对无法准确给出各类观测信息先验权的问题, 在层析水汽三维分布问题中首次采用了方差分量估计, 进行验后定权; 为了降低观测噪声对参数估计的影响, 采用了抗差估计; 针对水汽密度随高度减小的特点, 垂直方向上采用随高度变化的非等权约束方法. 层析结果与MM5数值预报结果比较, GPS信号斜路径水汽观测值对数值模式的预报湿度场有明显改善, 利用GPS信号斜路径水汽观测值准实时地探测水汽的三维分布, 应用于短期数值预报中, 可改善短期预报的初始湿度场, 提高数值预报的准确度.     

正交地形追随坐标系中平流误差的对比分析

通过2组线性平流试验,分析随地形复杂度和空间分辨率增加,正交地形追随坐标系(OS坐标)中平流误差的变化.第一组试验采用3种地形,即:单峰、三峰和五峰的波状地形,第二组试验采用5种水平(垂直)分辨率,对比分析OS坐标和经典地形追随坐标系的混合版本(HS坐标)的平流误差.第一组多地形试验表明:单峰试验中,OS坐标与HS坐标的平流误差接近;三峰试验中,OS坐标的平流误差略小于HS坐标的平流误差;五峰试验中,OS坐标的平流误差远小于HS坐标的平流误差.其原因是,HS坐标生成的非正交网格,与OS坐标生成的正交网格,在五峰地形条件下差异最明显.这说明,在简单地形条件下,由于OS坐标和HS坐标的网格差异小,OS坐标减小平流误差的效果不明显,在复杂地形条件下,两者计算网格差异明显,相比HS坐标,OS坐标能显著减小平流误差.第二组多分辨率试验表明:OS坐标的平流误差始终小于HS坐标的平流误差,且垂直分辨率越高,效果越明显.两组理想试验的结果说明,OS坐标有可能减小高分辨率模式中,复杂地形区域的平流误差.     

混沌时间序列关联维数计算中无标度区间识别的新方法

为了得到更加精确的混沌时间序列信号的关联维数计算值, 提出了识别无标度区间的新方法. 首先基于K-means算法将关联积分双对数曲线中明显不属于无标度区间的点剔除掉; 其次提出点斜率误差算法从上一步保留下来的点中识别出一个大概的无标度区间; 最后再次基于K-means算法从大概的无标度区间中识别出更加准确的无标度区间. 应用该方法对Lorenz等4个著名的混沌吸引子, 以及对著名的Weierstrass-Mandelbrot (W-M) 分形函数产生的5条曲线分别进行了关联维数值的计算, 计算结果与理论值非常接近. 另外, 还对该方法的识别效果与现有方法进行了比较. 研究表明: 所提出的新方法能够客观准确和自动快速地识别无标度区间, 从而使得关联维数的计算结果更加精确, 这对非线性分析具有重要的意义.     

自相关分析法在中国电离层短期预报中的应用

把自相关分析法应用于中国电离层短期预报, 提出了一种简便可行的自相关系数分段预报方法: 对于提前1~4 h的预报采用临频相对变化RDF的自相关系数和“迭代法”, 对于提前4 h以上的预报采用f₀F₂的自相关系数和“一次法”. 利用重庆和广州电离层观测站的数据给出了该方法预报精度的定量估计. 该方法对提前1~4 h的预报有明显的改善, 对提前4 h以上的预报其预报误差趋向饱和, 但仍优于流动月中值法. 该方法还可应用于其他电离层参量的短期预报.     

运用一维流体太阳风模型预报行星际激波到达时间

基于一维流体太阳风模型, 建立了一个行星际激波扰动传播模型(1D-HD模型), 用来预报行星际激波到达时间. 利用1997年2月到2000年10月间的68个激波事件, 对激波到达地球轨道附近的传播时间进行了预测, 并将结果与STOA, ISPM以及HAFv.2模型所得结果进行了比较. 1D-HD模型给出的相对误差<10%的事件占31%, <30%的事件占75%, <50%的事件占84%. 与STOA, ISPM和HAFv.2模型相比, 对于相同的样本事件来说, 1D-HD模型给出的误差都不大于其他模型, 从而显示了该模型在空间天气实时预报中所具有的潜力.     

DEMETER 耦合气候模式对西北太平洋台风活动及其影响因子的预测效能

利用耦合气候模式实现一步法预测是气候预测的重要发展方向之一. 该研究基于欧洲多模式短期气候集合预测计划(DEMETER)6 个耦合气候模式1974~2001 年回报试验结果, 首先探讨了耦合气候模式对夏季(6~10 月)西北太平洋台风发生密切相关的6 个主要气候因子的预测性能, 在此基础上, 利用这6 个气候因子与台风发生频次的统计关系, 研究了耦合气候模式对西北太平洋台风频次变化的预测技巧. 结果显示, DEMETER 6 个耦合气候模式可以较好地预测影响台风频次的主要气候因子及台风频次本身的变化特征. 进一步的对比研究发现, 这种统计降尺度与耦合模式相结合的预测方法明显好于耦合气候模式的直接预测效能. 此外, 多模式集合平均表现出最优的预测性能. 可见, 采用多模式集合与统计降尺度相结合的预测方法可以大大提升耦合气候模式的预测技巧, 它将成为未来台风预测的重要方向.