GRAPES 奇异向量研究及其在暴雨集合预报中的应用

为了产生好的集合预报初始扰动, 并能够用有限的集合样本来模拟大气概率密度函数在相空间中的时间演变, 把奇异向量法引入非静力 GRAPES 中尺度模式中, 研究了 GRAPES 奇异向量的基础性问题和基于奇异 向量构造集合样本的方法。对2008 年7 月的一次西南涡移动带来的暴雨过程进行 GRAPES SVs 求解, 并进行集合预报试验。结果表明: 前 27 个 GRAPES SVs 反映了分析误差的主要信息; 要素的集合平均的均方根误差比控制预报具有更好的预报技巧, 且它们的集合离散度随时间逐渐增加, 反映了预报误差的主要信息; 从降水 Brier 评分和 ROC 技巧上可以看出该集合预报具有好的概率预报技巧, 能为暴雨预报提供一定的指导作用。     

耦合TIGGE降水集合预报的洪水预报

耦合数值降水预报信息的洪水预报延长了预见期,为防洪调度赢得了宝贵的决策时间.但"单一"的降水预报具有较大的不确定性,即基于"单一"的降水预报所做出的调度决策可能不是优化的,甚至可能会出现较大的偏差,因此在洪水预报中引入了降水集合预报信息来考虑相应的降水不确定性.文中以桓仁水库以上流域为试验流域,将欧洲中期天气预报中心(ECMWF)的降水集合预报数据驱动新安江模型,得到预报径流的区间范围,为决策者提供更多有用的风险信息.计算结果表明,ECMWF降水集合预报可用于洪水预报,且能较好地描述洪水预报的不确定性.根据集合平均降水预报的特点,对集合平均降水数据进行了修正,并将修正后的集合平均数据驱动水文模型,其预报效果有了很大的改善.     

ECMWF集合预报在淮河蒋家集流域的应用

基于欧洲中期天气预报中心(ECMWF)集合降水预报产品(预见期为10 d),提取淮河蒋家集以上流域的预报数据并进行降尺度处理,驱动洪水预报模型,对2008年8月的一次洪水过程进行模拟预报。为探讨ECMWF集合降水预报驱动洪水预报模型的应用效果,将模拟预报的结果与仅采用地面降水观测数据驱动模型的模拟结果进行对比分析。结果表明:采用ECMWF集合降水预报后,洪水模拟预报精度有明显改进,可使洪水预见期提前48 h;洪水模拟预报流量过程线能刻画洪水预报的不确定性范围,可为防洪减灾提供科学决策依据。     

ECMWF集合预报产品在河南省暴雨预报中的应用

对2014到2015年5—8月欧洲中期天气预报中心(ECMWF)的9类与降水相关的集合预报基本产品和统计量(以下简称集合预报产品)进行暴雨TS评分检验,筛选出:%90分位数、最大值、控制预报、融合产品、概率匹配平均5个评分较高产品.对所选产品做暴雨过程的应用效果分析发现:5个集合预报产品的强降水中心位置预报与实况较接近,大部分产品对大雨以上降水落区预报与实况较接近,但存在强降水中心极值预报较实况偏小的不足;最大值产品对于暴雨落区范围和强降水中心极值的预报通常较实况偏大;5个集合预报产品均表现为0~72 h时效内预报效果最好,72 h之后各产品对暴雨的预报能力明显减弱.基于检验和分析结果,采用百分比权重集成技术建立暴雨预报方法,2016年业务应用结果表明,集成后的暴雨预报产品效果优于单个集合预报产品.     

集合预报中初始扰动生成方法的探讨

阐述了4种生成集合预报初始扰动的方法,用其中的3种方法在微机版本的T63L9全球谱模式上进行了中期数值预报的集合预报试验,通过集合预报效果来检验初始扰动的优劣。结果表明：初始扰动的好坏对集合预报效果有至关重要的影响,总体而言,增长模繁殖法优于控制预报、蒙特卡洛法和时间滞后法,且集合预报的确能起到提高数值预报效果的作用。     

赣东主汛期模式降水预报检验分析

基于ECMWF模式形势场预报资料及JAPANFAX、GFS、EC-THIN、JMA、T639、NCEP等11家模式降水预报资料,从面雨量、极值降雨量2个方面对2015年江西省抚州市主汛期(6月上旬至7月上旬)区域性暴雨的降水预报结果进行了短期主观检验,对比分析了11种数值模式对江西省抚州市区域性暴雨系统预报的效果。结果表明:1)在面雨量预报方面,EC集合预报、T639模式预报、GFS预报在主汛期的降水预报准确率较好; 2)在极值降雨量的预报方面,EC-THIN、T639模式预报在主汛期的降水预报准确率更好; 3)得到本地化预报准确的模式,再对2016-2017年的强降水天气过程的面雨量和极值降水量进行了预报验证,找出这2个要素的预报思路及指标,为今后主汛期降水起到较好的参考指导意义。     

用T106L19全球谱模式制作中期集合预报的试验

为解决传统的数值预报初值存在的不确定性,利用增长模繁殖法在T106L19全球谱模式上进行了中期集合预报试验.繁殖循环的初始扰动由模式24 h预报均方根误差和随机数的乘积构成,该随机数服从[-1,＋1]区间上的均匀分布,繁殖循环的周期为6 h,繁殖的总时间为3 d,集合成员为15个.结果表明：在1～10 a的预报中,无论是距平相关系数还是预报均方根误差,除第1天外,集合预报都优于控制预报,集合预报相对于控制预报的优势更主要地体现在对第3天以后的中期预报时段.从计算的离散度来看,集合平均预报的可信度要比控制预报的高.     

确定性预报和集合预报融合降水预报产品应用

针对确定性模式和集合预报模式降水产品没有得到最优应用的问题,该文开展多模式降水融合预报研究。应用福建省智能网格预报业务关键点的降水观测资料,对4种确定性模式降水预报和欧洲中期天气预报中心(ECMWF)集合预报的降水集合统计量产品进行降水分级统计检验,确定融合方案,并根据融合方案产生多模式和集合预报降水融合产品。结果表明,除了后汛期(7～9月)外,大部分产品的TS评分随降水量级的增大而下降,随着预报时效的延长,各量级降水TS有所下降。融合产品在3～4月的表现较确定性预报有一定的性能提升; 5～6月融合产品表现最差; 7～9月融合产品TS评分基本与最优确定性预报接近。对于个例检验而言,融合产品能够较为准确地刻画强降水的落区,但存在大暴雨落区范围过大等偏差。     

一种新的遗传策略在含“开关”过程的集合预报中的有效应用

针对初值及模式的不确定性,进行了初值扰动集合预报和模式扰动集合预报。在初值扰动集合预报中,将一种新的遗传策略用于四维变分资料同化生成集合预报的分析场,求解条件非线-}生最优扰动,并结合第二、第三主奇异向量（SVs）生成集合预报的初始扰动。为了检验该方法的有效性,采用一个含“开关”过程的偏微分方程的预报模式,设计了3种比较数值试验方案。结果表明：采用第3方案的集合预报在预报技巧上明显高于其他两种方案。第2方案和第1方案相比,由于“开关”的影响,集合预报技巧提高并不明显。在模式扰动集合预报数值实验中,为了模拟模式的不确定性,在控制方程右端添加6个随机的误差项模拟由于物理参数化方案的不同而带来的模式扰动,采用新的遗传策略在扰动模式中同化出6个对应于扰动模式的分析场后进行集合预报,并与基于伴随技术的方法进行比较。结果表明,基于遗传算法的扰动模式集合预报的预报技巧明显优于伴随方法,且这种优势随着预报时间的增加愈发明显。     

基于TIGGE数据的西太平洋副热带高压多模式集成预报及检验

基于TIGGE(THORPEX Interactive Grand Global Ensemble)资料中的中国气象局(CMA)、日本气象厅(JMA)、欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)等5个中心的500hPa位势高度场数据,评估了各中心对西太副高控制预报和集合预报的效果,并采用了多模式集成平均(EMN)、消除偏差集成平均(BREM)和滑动训练期超级集合(R_SUP)3种方法对各中心数据进行集成.评估方法包括Talagrand分布、相关系数、均方根误差、Brier技巧评分等.结果表明:各中心预报效果有明显差异,各模式对500hPa位势高度场控制预报中,UKMO预报效果最好,而各模式对500hPa位势高度场集合预报中,则是ECMWF预报效果最好.从均方根误差改进率来看,基于控制预报的BREM和R_SUP集成方法明显降低了对500hPa位势高度场预报的均方根误差,而EMN则无明显改进.基于集合预报的3种集成方法对500hPa位势高度场预报的改进效果不明显,综合评分略低于ECMWF单模式集合预报.     

考虑多维评价体系的降水集合预报

为满足水库智能运行调控对高精度实时降水预报的需求,提出了基于多维降水预报评价体系的降水集合预报方法．首先,建立涵盖云微物理、积云对流及长/短波辐射等多物理参数的中尺度数值天气预报模式;然后,引入误差指标、偏差评分、准确度指标等评价指标,提出了融合降水分级、降水量及降水时空分布维度的降水预报综合评价方法．以梅江流域典型降水事件为例,结合多尺度降水预报评价结果对集合预报模型进行了检验．结果表明：当构建降水集合预报模型时,将多维降水预报评价体系优选出的参数化方案组合作为集合预报成员,集合预报具有更好的预报稳定性,减小了模式预报误差．     

2021年蚌埠市6种空气质量预报模式的检验

本文把2021年安徽省空气质量预报预警平台采用6种空气质量预报模式的具体预报情况,与2021年蚌埠市空气质量实测值进行对比检验,分析了6种模式在蚌埠市的预报效果。结果表明,集合预报、CMAQ、统计预报模式在24 h时效内,集合预报、CMAQ、CAMX模式在48 h、72 h时效内的AQI预报中具有较高参考价值;在除冬季外的24h时效AQI预报中,集合预报、CMAQ、统计预报准确率较高,而NAQPMS则在冬季准确率较高;仍需通过人工综合分析,进一步提高AQI范围预报准确率。     

ECMWF集合预报产品对福建前汛期暴雨的预报性能评估

通过对2013—2015年福建前汛期暴雨过程中ECMWF集合预报降水产品在暴雨以上级别的预报性能评估,并结合其他量级降水的预报性能,融合产品性能最好。各集合预报产品的预报性能受暴雨的范围影响,对日暴雨1～4站的预报性能都较差,日暴雨4站以上的预报性能明显提高。部分产品对日暴雨8站以上比5～8站的预报性能还有明显提高,但一部分产品随站数的增加,其预报性能不再增加甚至有所下降。进而导致在不同的年份里由于日暴雨范围组成的不同,某些产品逐年预报性能起伏较大,某些产品则变化较小。各集合预报产品在不同的时效、地理区域预报性能不同,都有其独特的价值,实际业务中要考虑地理位臵并结合适当的产品综合使用。     

多模式集成MOS方法在精细化温度预报中的应用

利用T213和ECMWF模式产品,对集成MOS预报方法在温度预报方面做了研究试验,并将其与单模式MOS预报方法进行了对比分析.研究结果表明,多模式集成MOS预报方法与传统MOS预报方法相比,预报水平有了进一步的提高,它能同时充分利用多个模式产品的有用信息,吸取其各自的优点,做出更好的预报.在系统程序设计时,给各因子附带...     

基于人工神经网络集合预报的济南市臭氧预报方法

由于观测的不准确以及资料分析、同化中的误差,单一预报仅是一个可能的解。为弥补其不足,提出了一种基于人工神经网络集合预报的臭氧(O₃)预报模型,选取8类气象因子及2类污染物因子,搭建人工神经网络预报模型,并采用随机扰动方法,产生15组相互独立的随机扰动气象场,搭建人工神经网络集合预报模型,并以2013年—2019年5月—9月数据作为训练集,以2020年5月—9月数据作为测试集。结果表明:与单一人工神经网络预报相比,人工神经网络集合预报准确率明显提高,O₃污染命中率明显提高,O₃污染漏报率明显减少,O₃污染空报率略有增加;人工神经网络集合预报对O₃污染预报有过多倾向,而单一人工神经网络预报则有过少倾向;以2020年7月3日—9日的一次O₃重污染过程为例,与单一人工神经网络的确定性预报相比,人工神经网络集合预报能够更好地反映出污染的迅速累积上升及持续过程。通过提供定量的概率预报,人工神经网络集合预报可以给出多种可能性及其发生的概率,能为预报员提供包括不确定性在内的更多预报信息,该模型具有一定的实际应用价值。     

结合大气环流和遥相关信息的集合径流预报方法及其应用

该文采用集合径流预报(ensemble streamflow prediction,ESP)方法对汉江白河站1970～2000年逐月径流量进行了回顾式预报。针对传统集合径流预报方法中对气象条件变异性考虑不足这一问题,该文尝试引入影响径流的大气环流因子和遥相关信息,对历史气象年份进行挑选,选择与预报年相似的历史气象条件组成集合,以增加气象集合输入的代表性,从而提高径流预报的精度。以夏季(6月、7月、8月)和冬季(12月、次年1月、2月)月径流量为预报对象,改进后的集合径流预报方法显著地提高了预报精度,各月预报的合格率均超过60%,其中8月和12月的合格率达88%,能够满足实际生产需要。     

2013年西北太平洋台风路径集合预报

基于中国气象局、中国台湾气象局、日本气象厅和美国国家气象局等4个气象预报中心的台风预报资料,利用加权消除偏差集合方法对2013年发生在西北太平洋的31场台风进行了24 h、48 h和72 h集合预报,并对预报成果进行误差统计分析。结果表明:采用静态训练法的集合预报对训练期样本的选择较为敏感,整体误差波动较大;而采用动态训练法的集合预报整体误差随训练样本数的增加有减小的趋势,但当训练样本数达到40后预报误差趋于稳定。对比发现,在训练期中是否考虑双台风的影响对预报精度影响较大,去除双台风影响后,集合预报精度有明显的提高。经综合比较,就2013年台风而言,去除双台风影响、滑动训练样本为40的路径集合预报方案为推荐方案。     

WRF3.0参数化敏感性及集合预报试验

为了研究WRF模式中的参数化方案对暴雨数值模拟的影响及物理过程集合预报在WRF降水集合预报中的适用性,利用中尺度WRF3.0数值模式,将模式中的物理过程参数化方案进行组合,构造了20个集合预报成员,对2003年7月8、9日发生在江淮地区的一次降水过程进行了集合预报试验。得到:集合成员之间存在一定的不确定性,不确定性随降水量级增大而增大,最终维持在一个较高的水平;通过定量比较发现,对于0.1 mm量级降水和25 mm以上量级降水,积云对流参数化方案对降水的影响要大于行星边界层方案对降水的影响;而对于10 mm量级降水,行星边界层方案对降水的影响要大于积云参数化方案对降水的影响。对20个预报成员进行了集合平均及降水概率预报试验,结果表明,集合平均的结果要比各个成员的稳定、可靠;概率预报能够提供一些有利于降水预报的信息。     

ECMWF和T639数值预报产品在兰州市空气质量预报应用中的对比

利用2013-2015年兰州市空气污染逐日监测资料,分析了兰州市6种主要空气污染物PM_(10)、PM_(2.5)、NO_2、SO_2、CO和O_3的污染特征;以2014年欧洲中期天气预报中心(ECMWF)资料与T639气象要素预报产品,结合兰州市同期污染物质量浓度监测数据,分别建立了基于最小二乘法支持向量机(LS-SVM)的6种主要空气污染物未来2d的日均质量浓度预报模型;将ECMWF和T639中2015年2月1日-10月31日的气象要素与同期污染物质量浓度监测数据分别输入各模型进行试预报检验.结果表明,以ECMWF建立的预报模型对未来2 d的PM_(10)、PM_(2.5)、NO_2、SO_2和CO的日均质量浓度的预报效果优于T639,而T639对预报O_3有一定优势.用ECMWF建立的预报模型对未来24 h的空气质量指数等级和首要污染物的预报成功率为86.14%,48 h的为82.33%;T639对应的未来24 h预报成功率为83.52%,48 h的为74.43%.两种数值预报产品均可应用于基于LS-SVM预报模型的空气质量预报,其中使用ECMWF的预报产品的释用预报效果整体上更好.     

岭回归算法在臭氧浓度集合预报中的应用

基于机器学习方法,利用已有的预报模式构造一种全新的集合预报模型,对于提升预报的准确度和稳定性都有重要意义.以臭氧浓度预报为例子,讨论一种基于机器学习的集合预报技术——岭回归(ridge regression,简称RR)算法.首先,对RR算法的特点和实现流程进行描述.在实现RR算法之后,对我国近两年的环境空气质量真实数据进行大量的数值实验.然后,对最优化集合预测(operational consensus forecasts,简称OCF)和RR算法的预测结果在均方根误差和时间序列对比等方面进行详尽分析.实验结果表明,RR算法比OCF算法具有更好的预测精度和稳定性.最后,对算法可能的误差来源进行探讨,提出了进一步改进的方向.