基于U-net神经网络的新疆10 m风速预报订正研究

本文以新疆地区1~7 d预报时效的10 m高度处风速为研究对象,基于2000~2019年NCEP全球集合预报系统(Global Ensemble Forecasting System,GEFS)新疆地区10 m风再预报资料,构建了基于U-net神经网络的深度学习预报订正模型,并以两种传统方法递减平均、分位数映射作为参考进行订正技巧对比分析。结果表明,原始GEFS风速预报误差呈不对称分布,表现出更多的正偏差特征,且在天山和昆仑山等海拔较高地区误差较大。与两种传统方法相比,U-net模型提高了整个新疆地区的风速预报技巧,有效改善了原始风速预报的正偏差情况,且对天山和昆仑山等原始预报误差较大区域改善效果尤为显著。此外,采用基于均方误差分解的误差分解方法来分析误差来源,结果表明,预报订正前后,序列误差项始终是主要误差来源,且随预报时效显著增长。三种订正方法对风速预报的偏差项、分布误差项和序列误差项都有不同程度的改进,其中U-net模型相较于两种参考预报的优势主要在于其对序列误差项的改进效果。经过U-net模型订正后序列误差项随预报时效增长缓慢,即使在7 d预报时效下,其序列误差项比原始预报减小60%。

冬春两湖盆地地区大气气溶胶污染的年代际变化特征及其与东亚经向风南北反相位的联系

基于MERRA-2及ERA5逐月再分析资料,本文采用EOF分析、线性回归和合成分析等方法,分析了1980~2020年长江流域中游两湖盆地地区气溶胶光学厚度(AOD)的年代际变化特征及东亚经向风南北反位相模态对其的影响。结果表明,在年代际尺度上两湖盆地地区AOD呈现非线性的变化趋势,20世纪80、90年代处于低值,21世纪初AOD持续升高,2010年后开始下降。空间场上表现为全区一致的变化特征,高值区主要位于两湖盆地中部,以洞庭湖为中心呈南北纵向分布。进一步对两湖盆地AOD年代际变化与大气环流异常关系的分析表明,在东亚经向风南北反相模的影响下,偏北风输送是影响两湖盆地AOD年代际变化的主要气象原因。在年代际尺度上,当西伯利亚高压的强度、面积增大,东亚大槽西移,西北太平洋副热带高压脊线南移时,东亚经向风南北反相模趋于正相位(即长江以北有异常偏南风、长江以南有异常偏北风)。此时,两湖盆地位于气旋性环流异常的底部,在异常的偏北风的作用下,西北地区的气溶胶向两湖盆地输送加强。且两湖盆地处于两个异常气旋性环流的中间,气压梯度小,风速偏弱,使得两湖盆地气溶胶输入大于输出,促进21世纪初AOD年代际升高。

基于TIGGE资料的地面气温和降水的多模式集成预报

利用TIGGE资料集下中国气象局(CMA)、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)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96h延长至192h,且除个别时效外,小雨、中雨的TS评分得到明显提高。

多模式集成的概率天气预报和气候预测研究进展

基于大气的混沌特性,单一的确定性预报逐步向多值的不确定性概率预报转化已成为一种趋势。本文系统地评述了概率天气预报产生的背景,介绍了概率预报的相关概念及国内外的研究状况,着重讨论了多模式集成的概率预报的两种集成方法,即贝叶斯模式平均(Bayesian model averaging,BMA)和多元高斯集合核拟合法(Gaussian ensemble kernel dressing,GEKD),并给出了两个例子的概率预报试验结果。利用BMA方法制作的概率预报的方差较小,减小了预报的不确定性,因此预报结果更接近大气的真实值。作为另一种多模式集成方法,多元高斯集合核拟合法回报的地面气温距平均值及趋势的概率预测结果与实测结果基本一致。利用此方法建立了地面气温年代际变化的概率多模式集合预测模型,并从中提取年代际气候变化特征,对东亚季风区年代际预测具有重要应用价值。

北半球中纬度地区地面气温的超级集合预报

基于TIGGE资料中的ECMWF、JMA、NCEP和UKMO四个中心2007年6月1日-8月31日北半球中纬度地区地面气温24～168h集合预报资料，分别利用固定训练期超级集合（SUP，Superensemble）和滑动训练期超级集合（R—SUP，Running Training Period Superensemble）对2007年8月8—31日预报期24d进行超级集合预报试验。采用均方根误差对预报结果进行检验评估，比较了两种超级集合方法与最好的单个中心模式预报、多模式集合平均的预报效果。结果表明，SUP预报有效降低了预报误差，24～144h的预报效果优于多模式集合平均（EMN，Ensemble Mean）和最好的单个中心预报，168h的预报效果略差于EMN。R－SUP预报进一步改善了预报效果。对于24～168h的预报，R－SUP预报效果都要优于EMN。尤其对于168h的预报，R－SUP改进了预报效果，优于EMN。

基于IPCC-AR4模式资料的地面气温超级集合预测

利用参与IPCC-AR4的8个全球气候系统模式对20世纪气候模拟情景下地面气温的模拟结果,对其进行多模式集成处理。在此基础上,对这些全球气候系统模式在各种能源之间的平衡（A1B）情景下2010—2030年的地面气温进行多模式超级集合预测。结果发现,8个全球气候系统模式模拟的地面温度均方根误差都比多模式简单集合平均的大。超级集合相对于各个模式及简单集合平均的模拟效果更好,其均方根误差比最好的模式误差减小了1.3℃。在A1B情景下,超级集合预测未来20 a北半球平均地面气温将普遍升高,大洋上的增温幅度比陆地上小。中国东部地区以及青藏高原、新疆大部未来20 a气温将明显升高,内蒙东部和辽宁西部最高升温可达2.0~2.4℃,其余地区升温在2.0℃以内。

我国地面降水的分级回归统计降尺度预报研究

利用TIGGE资料中欧洲中期天气预报中心（ECMWF,the European Centre for Medium-Range Weather Forecasts）、日本气象厅（JMA,the Japan Meteorological Agency）、美国国家环境预报中心（NCEP,the National Centers for Environmental Prediction）以及英国气象局（UKMO,the UK Met Office）4个中心1~7 d预报的日降水量集合预报资料,并以中国降水融合产品作为＂观测值＂,对我国地面降水量预报进行统计降尺度处理。采用空间滑动窗口增加中雨和大雨雨量样本,建立分级雨量的回归方程,并与未分级雨量的统计降尺度预报进行对比。结果表明,对于不同模式、不同预报时效以及不同降水量级,统计降尺度的预报技巧改进程度不尽相同。统计降尺度的预报技巧依赖于模式本身的预报效果。相比雨量未分级回归,雨量分级回归的统计降尺度预报与观测值的距平相关系数更高,均方根误差更小,不同量级降水的ETS评分明显提高。对雨量分级回归统计降尺度预报结果进行二次订正,可大大减少小雨的空报。

2009年夏季西太平洋台风的集合预报和多模式集成预报试验

基于WRF模式,利用增长模繁殖法（Breeding of Growing Modes,BGM）建立了一个台风路径和强度的集合预报试验系统（WRF-EPS）。此外,将此集合预报结果与TIGGE（THORPEX Interactive Grand Global Ensemble）集合预报资料中4个中心的预报进行多模式集成,对2009年8月1—31日西北太平洋台风路径和强度进行24-72 h集成预报,并对0908号＂莫拉克＂台风预报进行个例分析。结果表明,基于BGM的WRF-EPS的西北太平洋台风路径和强度的预报误差,与CMA（China Meteorological Administration,中国气象局）、JMA（Japan Meteorological Agency,日本气象厅）、ECMWF（European Centre for Medium-range Weather Forecasts,欧洲中期天气预报中心）、NCEP（US National Center for Environment Prediction,美国国家环境预报中心）的预报误差大致相当;与CMA的集合预报结果相比,有些预报时效WRF-EPS的预报技巧具有明显优势。总体上,WRF-EPS对2009年夏季西北太平洋台风路径和强度的预报较好,可以与TIGGE多模式预报结果进行集成。消除偏差集合平均和加权集合平均显著地改进了台风路径和强度的预报技巧,预报效果优于最好的单模式预报和多模式简单集合平均。对于24-72 h预报,加权集合平均预报性能最优。

我国南方冬季气候变暖前后极端降水事件分析

利用我国南方逐日降水资料及逐月温度资料,采用Mann-Kendall突变检验方法,并计算极端降水的GPD(Generalized Pareto Distribution)重现值,讨论了气候变暖前后我国南方冬季极端降水事件的变化。结果表明,我国南方冬季气候变暖的突变发生在1991年前后,且气候变暖后我国南方冬季的极端降水强度普遍有所增加。利用NCEP/NCAR再分析资料进一步分析气候变暖前后的环流场特征,发现东亚热带冬季风异常与我国华南、江南地区降水异常有显著的相关关系。东亚热带冬季风偏强(弱),华南、江南地区降水偏少(多)。气候变暖后中高纬度环流经向度加大,有利于北方的冷空气向南输送。此外,气候变暖后我国南方地面气温升高,海陆热力差异减小,东亚热带冬季风减弱,有利于西太平洋的暖湿气流向我国大陆东南部输送,并在东南部形成异常的水汽通量辐合,有利于形成强降水。气候变暖后,中高纬度与中低纬度异常环流系统的相互作用是我国东南部降水强度增加的主要原因。

GFS模式地形高度偏差对地面2m气温预报的影响

利用2016年1月1日—12月31日全球预报系统(GFS,Global Forecasting System)1~5 d的2 m气温预报资料,以及同期中国地面气象站2 m气温观测资料,研究模式地形高度偏差对地面2 m气温预报的影响。结果表明,较大模式地形高度偏差可严重影响2 m气温模式预报性能,导致较大预报误差。随着模式预报时效延长,2 m气温预报均方根误差也略有增加。比较模式地形高度偏差和预报时效对于模式预报性能的影响,发现模式地形高度偏差对于模式预报效果的影响更加显著。两种地形订正方案,即不做温度垂直订正的线性回归以及对温度进行垂直订正的线性回归都能显著减小2 m气温模式预报的误差,后者的订正效果更好。

CMIP5多模式资料中气温的BMA预测方法研究

利用CMIP5的8个全球气候系统模式对气温的回报结果进行贝叶斯模式平均（简称BMA）试验,并采用均方根误差、距平相关系数、连续等级概率评分等对多模式集合平均（简称EMN）和BMA的回报结果进行检验、评估。结果表明,EMN的回报效果优于8个单模式的回报效果,而BMA的回报效果最好,其区域平均的均方根误差比EMN小0.5℃左右。在此基础上,利用中等排放情景RCP4.5下CMIP5模式中的年际年代际预估资料对2011—2035年的气温进行预估。研究发现东亚地区在2011—2035年气温将普遍升高,海洋上的增暖幅度较小,陆地上的增暖幅度较大,且增暖幅度随纬度升高而增大。青藏高原及中国北方大部分地区气温将明显升高,升温幅度在1℃左右,而南方的升温幅度较小,约为0.3~0.6℃。

基于CMIP5多模式回报资料的地面气温超级集合研究

利用CMIP5的15个全球气候系统模式对东亚及周边地区（70~150°E,0°~60°N）地面气温的回报结果进行超级集合（简称SUP）试验,以欧洲中期天气预报中心ERA逐月气温资料作为观测值,并采用均方根误差（RMSE）、距平相关系数（ACC）、绝对误差（MAE）对多模式集合平均（EMN）以及超级集合（SUP）的回报结果进行检验和评估。结果表明,超级集合回报结果一定程度上取决于训练期的长度。随训练期长度的增加,距平相关系数呈增大的趋势,均方根误差呈减小的趋势,但训练期达到一定长度后,误差不再有明显的减小,甚至出现误差增长。15个全球气候系统模式对东亚及周边地区的地面气温具有一定的回报能力,可以较好地回报出地面气温的年际变化和空间分布,海洋上回报的均方根误差小于陆地。但不同模式回报的结果不尽相同,在单模式中CCSM4对地面气温的回报效果最好。多模式集成的回报效果优于单模式的回报效果,SUP的回报效果优于EMN,其区域平均的均方根误差比多模式集合平均小0.43℃,超级集合极大地改善了地面气温的回报效果。

基于贝叶斯理论的单站地面气温的概率预报研究

基于贝叶斯理论,建立了将确定性预报向概率预报转换的基本模式,并利用TIGGE资料中欧洲中期天气预报中心(ECMWF)地面气温预报资料及地面气温观测资料,对概率化后的预报进行了评估与释用。结果表明,概率化后的预报结果不但能提供丰富的预报产品,而且所提供的预报均值优于原始的确定性预报。应用贝叶斯模式平均法(BMA)将中国气象局(CMA)、美国国家环境预报中心(NCEP)和ECMWF 3个模式的预报结果进行多模式集成,得到了更为合理的概率分布,其中分布的均值可作为模式的预报结果,方差和置信区间反映了预报量的可变范围。因此,基于贝叶斯预报模式的概率预报相对于确定性预报,不但能够提供更高精度的预报,而且能提供更全面的预报信息。BMA集成预报结果不但优于集合平均预报,而且还能定量描述预报的不确定性。利用ECMWF预报中心51个预报成员进行集成贝叶斯概率预报试验,发现BMA预报融合了各成员对预报不确定性的描述,还对概率预报的均值进行了调整,使之与观测值更为接近。BMA预报的概率密度分布更能反映大气的真实分布情况。

基于BGM与ETKF的台风“苏拉”(1209)集合预报的对比试验Ⅰ:路径预报

采用FNL再分析资料和美国联合台风警报中心(Joint Typhoon Warning Center,JTWC)资料,运用中尺度WRF(Weather Research and Forecasting)模式,分别使用增长模繁殖法(Breeding of Growing Mode,BGM)和集合卡尔曼变换方法(Ensemble Transform Kalman Filter,ETKF),对1209号台风"苏拉"进行了台风路径的集合预报试验,并对预报效果进行对比分析。结果表明:采用BGM或ETKF初始扰动的集合预报系统,集合平均预报对风场、温度场、位势高度场的预报效果均优于控制预报;ETKF方法的预报改进程度较BGM方法更大,且对风场和温度场预报技巧的优势尤为明显。BGM方法所得到的集合成员离散度小于ETKF方法,对大气真实状态的表征能力不及后者;两种扰动方法的集合平均都明显改善了台风"苏拉"的路径预报结果,尤其是控制预报在福建沿海第二次登陆后移速过快的问题,但对台风登陆位置预报的改进不明显;此外,采用ETKF方法的集合平均对台风"苏拉"路径预报的改进效果远优于采用BGM方法的集合平均预报。

THORPEX国际科学研究新进展

2009年9月14—18日,第三届THORPEX国际科学研讨会在美国加州蒙特利市顺利召开。大会就五个专题进行学术交流,分别是全球交互式预报系统,区域活动和交叉研究主题,可预报性和动力过程,资料同化和观测策略,社会和经济效益研究及应用。本文简要总结了参与此次研讨会的各区域、各工作组及与会专家的最新研究成果。从会议的报告来看,THORPEX的进展主要表现在改善高影响天气外场观测活动以及对如何设计全球观测系统的认识、面向TIGGE的集合预报技术的研究等。

双低空急流影响下华南初夏降水日变化的时空分布特征

利用2010—2016年5—6月ERA5逐小时再分析数据集和国家气象信息中心逐小时降水量融合产品,对影响华南地区的低空急流事件进行筛选和分类,并分析天气系统相关的低空急流(Synoptic-system-related Low-Level Jet,SLLJ)和边界层急流(Boundary Layer Jet,BLJ)的日变化及其影响下的华南降水日变化的时空分布特征。结果表明,BLJ和SLLJ在白天减弱、夜间增强,并在凌晨达到峰值,其日变化主要与边界层惯性振荡引起的非地转风的顺时针旋转有关。双急流日华南地区降水量显著增加,且降水日变化有明显的区域差异,这与双急流的演变和配置密切相关。广西中北部主要为SLLJ左前方发生的夜间山区降水,且降水量仅有凌晨的单峰。广西沿海和广东地区存在早晨和午后两个峰值,BLJ出口区辐合和SLLJ入口区辐散的维持有利于降水频率的增大,从而导致午后峰值的出现,而早晨的峰值除了受双急流有利配置的影响外,主要归因于早晨降水强度的增加。

基于频率匹配法的中国降水多模式预报订正研究

基于TIGGE资料中欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心及英国气象局1~7 d日降水量预报以及中国自动站观测资料与CMORPH降水产品融合的逐时降水量网格数据集,利用频率匹配法(Frequency-Matching Method,FMM)对中国降水预报进行客观订正。首先利用卡尔曼滤波方法对降水频率进行调整,并根据不同区域降水强度差异将全国分为7个子区域分别进行频率匹配。结果表明,FMM可以有效减小降水量预报的误差。经过频率匹配法订正后各模式降水预报的平均绝对误差(Mean Absolute Error,MAE)大幅减小,且订正后各量级降水的雨区面积更加接近实际观测值。FMM对小于5 mm和大于15 mm的降水预报技巧改进明显。此外,FMM降低了模式预报的小雨空报率和大雨漏报率,并且明显提高了晴雨预报的准确率。FMM明显消除了大范围小雨空报区域,但是对强降水预报FMM仅能调整降水量大小,强降水落区预报并不能得到明显改善。

ENSO预测的目标观测敏感区在热带太平洋海温的多模式集合预报中的应用

本文将ENSO预测的目标观测敏感区与多模式集合预报方法相结合,提出了一种能够有效提高预报技巧且又具有较小计算成本的多模式集合预报方法.该方法在目标观测敏感区内采用模式不等权的多模式超级集合预报方法（SUP）,而在其他区域采用相对简单的等权的多模式消除偏差集合平均方法（BREM）.利用CMIP5中15个气候系统模式的工业革命前参照试验（pi-Control）数据,针对热带太平洋海温的长期演变开展了理想预报试验.将新集合预报方法与现有的多模式集合预报方法进行了比较.结果表明,在所考察的预报期内（即1～20年）,新集合预报方法与整个热带太平洋区域使用SUP方法具有相当的预报技巧,但前者的计算成本明显小于后者,计算时间仅为后者的1/4.可见,新方法是一个具有较高预报技巧且计算成本较小的多模式集合预报方法.同时,其较高的预报技巧强调了热带太平洋SST预测对ENSO目标观测敏感区内的模式误差也是极端敏感的,也正因如此,多模式集合预报方法才能够有效过滤模式误差的影响,具有较高的预报技巧.

基于BMA方法的地面气温的10～15 d延伸期概率预报研究

利用TIGGE资料提供的欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)、英国气象局(UKMO)三个预报中心2013年6月1日至8月31日的地面2 m气温10~15 d预报资料,对延伸期地面气温进行贝叶斯模式平均(Bayesian Model Averaging,BMA)预报试验。结果表明,BMA方法的预报效果随训练期长度而改变,训练期长度为30 d时预报效果最优。BMA方法可提供全概率密度函数,定量描述预报不确定性的大小,且陆地上预报不确定性大于海洋上的预报不确定性,高纬度地区预报不确定性大于低纬度地区的预报不确定性。利用CRPS评分对BMA概率预报技巧进行评估,发现预报技巧随预报时效的延长降低,且预报技巧在海洋上优于陆地、低纬度地区优于高纬度地区。此外,3 d、5 d和7 d滑动平均的预报值反映某些天气过程的平均要素预报,对于提高10~15 d延伸期概率预报技巧有一定效果,且滑动天数越长,预报效果越好。

北半球平流层低层大气季节内振荡特征

利用奇异谱分析方法（ＳＳＡ）分析了１９７５年１月１日至１２月３１日北半球３０ｈＰａ高度场变化特征，结果发现：平流层低层大气除了年变化及季节变化趋势外，还存在明显的季节内振荡，最显著的周期为２０～６０天；在持续性异常多发地区，３０ｈＰａ高度场变化中２０～４０天周期振荡占优势，而在其它一些地区则盛行４０～６０天周期振荡；对流层持续性异常主要同对流层高度场的２０～４０天振荡有关，并可能通过这种周期振荡同平流层低层相同周期的振荡的相互作用影响平流层低层大气季节内变化。