基于改进U-Net模型的次季节降水预报订正

针对现有次季节降水预报误差较大的问题，提出基于改进的U-Net模型的次季节降水预报订正方法.首先，通过指数变换，将非正态分布的降水预报数据变换到正态分布；其次，结合残差连接和通道注意力改进U-Net模型，用于订正模式预报结果，生成订正后的降水概率预报；最后，通过损失函数加权提高强降水预报性能.实验结果表明，订正结果相较于原始预报误差明显降低，CRPS降低了14%,概率预报的采样均值在10 mm日降水量阈值的TS评分提升48%.     

一种新的基于伪最近邻算法的降水预报方法

分析北京地区日降雨量资料,相较于其他降雨事件,大雨或暴雨事件发生的次数较少,因此该地区的降水量预报属于样本不均衡问题。在样本不平衡的情况下,K最近邻(PNN)算法的分类误差率将会大大提高,这也就使传统的基于K最近邻算法的降水量预报方法的应用受到了限制。针对北京地区降水量预报这一样本不均衡问题,应用伪最近邻算法构建了北京市的降水量预报模型。该方法利用北京地区日降雨量资料和美国国家环境预报中心全球格点资料,将降雨量作为类,将美国国家环境预报中心全球格点资料的各种因子场作为天气样本特征,通过决策规则实现最优分类。利用提出的降水预报模型对北京地区2010年6~8月进行了24 h降水预报,实验结果表明,提出的预报方法对于降水等级预报的预报准确率以及晴雨预报的TS评分、正样本概括率和漏报率均优于传统的K最近邻预报方法,该方法具有较好的预报效果。     

对CMIP5模拟北半球纬度带平均降水量的订正研究

基于气候漂移和多重线性回归的订正方法,对第5次国际耦合模式比较计划26个模式的历史时期(1956-2005年)北半球月平均降水进行了订正,对未来(2006-2060年)的月平均降水进行了订正和预估.选取英国东英格利亚大学提供的CRU降水数据集作为评估模式订正效果的参考资料.结果表明, CMIP5模式结果的集合平均在青藏高原以南、格陵兰岛南部以及南海沿岸、南美洲北部的降水模拟值偏低,而高估了索马里、阿赞德高原、亚洲中部和北部、北美洲西部和北部.相较于观测结果, CMIP5模拟的低纬度纬向平均降水被整体低估,中、高纬度带上模拟值整体偏高.订正后,历史时期降水分布、纬向平均降水量的时间序列与CRU观测结果有较好的一致性.利用上述方法对未来RCP4.5排放情景下的预估场进行订正后,沿非洲的阿赞德高原、欧洲、东南亚北部和中国长江中下游、密西西比平原,未来55 a的年平均降水量比历史时期降水量减少30 mm左右;南美洲的赤道以北、印度半岛北部、阿拉伯半岛地区的未来平均降水量同比增加50 mm.北半球未来55 a的暖季,东西伯利亚西部、蒙古高原、墨西哥南部平均降水量比历史时期明显减少,格陵兰岛东北部地区的冷季降水同比增加.     

韵律法在气象预报中的应用分析

简要介绍了韵律法的概念和关于韵律的一些观点,利用朔州市朔城区4年的日平均气温、日平均气压资料,用150天韵律对某一类气压、气温的开端特征预报降水过程。结果表明:用此方法做降水和大风天气过程预报准确率较高。由此可以引申出,运用此法可以将中期预报的预报时限延伸至150天,也可将此法运用于短期气候预测中。     

华东区域中尺度模式在景德镇暴雨过程中的检验与应用

利用2015年至2019年7月中旬期间华东区域数值模式24 h降水预报图片产品及景德镇国家站雨量资料,对该模式预报景德镇24 h暴雨进行了TS评分、空报率、漏报率检验,得出主要结论如下:模式对景德镇市24 h暴雨TS评分为0.26,空报率为68%,漏报率为37%,预报能力总体呈逐年上升趋势。6-7月模式TS评分高于空报率和漏报率,表明该时段模式预报具备较高的参考价值。模式20起报产品评分优于08。模式对不同类型暴雨预报结果统计表明,静止锋暴雨预报成功率高,参考价值大;冷锋暴雨及暖区暴雨次之。模式24 h暴雨预报一定程度上优于主观预报,但近2 a差距减小。模式对景德镇地区多次致洪暴雨预报表现良好。     

安徽省分地形小时极端降水气候分布特征

使用安徽省1979—2015年国家级站点小时降水量资料,对安徽省小时极端降水的气候分布特征进行分析.结果表明:①安徽省极端降水阈值由东北向西南呈现出"+-+"三极分布,淮北北部地区的极端降水阈值较大,但发生概率稍低;而大别山区和江南西部山区极端降水频次和极端降水量均较强;②安徽省各站年均极端降水频次为4.25次/a,单站年均极端降水量为127 mm/a,极端降水频次、极端降水量和极端降水比率有明显的上升趋势;③将安徽省站点分为山地区域、山地北部过渡区以及平原和丘陵区域.其中,极端降水频次在山区最高,平原和丘陵地区最少;而小时极端降水量在平原和丘陵地区最高,日变化幅度大;④安徽省极端降水大多发生于午后至晚间,过渡带地区极端降水频次集中度最高,日变化最显著.不同地形区域内,极端降水较少的时段差异较大,自南向北极端降水减弱且单日内的时段逐渐后移.     

中国西北地区东部雷暴概率预报方法对比

利用2008-2013年中国西北地区尔部60个观测站天气实况资料以及NCEP/NCAR的1°×1°阿分析资料讲算出的对流参数,在天气分型消空非雷暴日样本的基础上,通过线性逐步回归、Logistic回归、BP神经网络3种方法,建立了60个站4-10月24 h雷暴概率预报模型,并对2013年4-10月各站雷暴进行试预报.结果表明,线性逐步回归模型、Logistic回归模型、BP神经网络模型60个站平均回代颅报临界成功指数(CSI)分别为24.2%、27.5%、20.9%,平均试预报CSI分别为23.3%、24.7%、12.9%;Logistic回归模型对该区域雷暴总体预报效果最好,共计32个站该方法顶报效果最优,超过站点总数的50%.雷暴气候概率最高的高海拔站点平均预报CSI最高,气候概率最低的关中平原站点平均预报CSI最低,各模型平均预报CSI均明显大于气候概率,集合每个站最优预报模型的试预报结果,得出最优平均试预报CSI为26.6%.该预报结果可为中国西北地区东部雷暴预报研究提供参号.     

ECMWF细网格2 m温度在抚州市预报能力检验

基于2015-2017年3 a的ECMWF细网格模式2 m温度预报产品,采用格点映射站点法、天气学检验方法和逐步回归拟合订正方法,对该模式在不同季节、不同天气时的抚州市温度预报能力进行检验。结果表明:ECMWF细网格模式2 m温度预报的02:00和14:00可代表日最低、最高温度。冬半年的逐季最高气温预报准确率高出夏半年9.7%～27.4%。夏半年的逐季最低气温预报准确率高出冬半年7.0%～24.7%。A、B、C格点02:00预报的气温很好地代表临川区、资溪县、广昌县全年的日最低气温预报。拟合的ECMWF模式2 m最高温度预报订正方程适用于日最高温度预报,对24 h内的最高温度和最低温度预报提供参考依据。     

极限学习机神经网络在短期降水预报中的应用

数值预报产品释用是天气预报现代化发展方向,也是我国预报业务建设的重点之一.结合主成分分析方法从中国气象局T213资料中选取降水预报因子,利用极限学习机(Extreme Learning Machine,ELM)神经网络方法进行衢州单站逐日降水的分级预报研究.结果表明:主成分分析方法可以保留原来预报因子矩阵大部分信息并大幅降低矩阵维数,使新的预报因子之间相互正交;ELM方法不仅具有很强的历史拟合能力,独立样本所有降水预报TS评分也从T213模式预报0.3提高到0.8,特别是对大到暴雨有了较强预报能力;与相同条件下BP方法预报模型相比,ELM方法网络参数设定简单,训练速度快,历史样本的训练结果和独立样本的预报结果也都要优于BP方法.     

FY_2G总云量产品在河南省的订正检验

以河南省为检验区域,采用回归分析法基于地面总云量观测资料对FY_2G卫星观测总云量进行了订正检验.结果表明:(1)河南省采用7 km插值直径,对卫星观测总云量插值到站点,并选取2.3的订正系数,对卫星观测总云量进行订正得到的准确率较高;(2)对FY_2G卫星总云量订正后,总样本的准确率和春夏秋冬四季的准确率均有明显提高;(3)各种天气都订正比晴天不订正总体准确率高;(4)用前期的数据进行回归分析得到一个订正系数进行滑动订正,效果可能会更好,因此关于滑动订正有待后期研究进行.