基于多模式预报的四川盆地强降水订正方法

四川盆地地形地貌复杂,强降水预报难度大,对模式降水预报产品进行订正,是提升强降水预报质量的重要手段。本文选取2018—2019年发生在四川盆地的35次强降水过程,对ECMWF、CMA_MESO和SWC_WARMS三种模式的24 h强降水预报采用常规评分和空间平移两个方法进行检验,并利用最优评分、多模式集成和位移订正三种方法进行订正试验。结果表明:最优评分订正方法可以有效改善各模式降水预报的强度,而多模式集成订正法可以改进降水落区和极值预报,在此基础上计算位移偏差,根据最优的位移偏差值对降水预报进行位移订正,可以进一步改进强降水落区预报效果。然后利用2020—2021年强降水过程进行订正效果验证,结果显示:经订正后的降水极值预报更接近实况,各量级降水预报评分明显优于单一模式,暴雨和大暴雨预报的TS评分提高率较最优单模式分别可达24.3%和42.8%,订正后空报率基本维持,漏报率显著下降,订正效果良好。

数值预报AI气象大模型国际发展动态研究

数值预报是研究地球系统的重要工具,有助于加深科学家对大气、海洋、气候和环境等复杂系统之间相互作用和变化过程的理解,在防灾减灾、气候变化和环境治理等方面发挥着不可或缺的作用。随着模式复杂度和分辨率的提高,传统数值模式在气候变化研究和气候预测方面取得了迅速的进展,但也面临一些挑战,需要得到数据同化、集合耦合、高性能计算和不确定性分析等多方面的支持。而近年来,“AI+气象”的交叉研究在气象领域引起了广泛关注。基于多种深度学习架构的人工智能大模型,依托强大的计算资源和海量的数据进行训练,能够以新的科学范式进行高效数值预报。气象大模型不断涌现,一些科技公司如华为、英伟达、DeepMind、谷歌、微软等,以及国内外高校如清华大学、复旦大学、密歇根大学、莱斯大学等发布了多个涵盖临近预报、短时预报、中期预报和延伸期预报等不同领域的气象大模型。这标志着人工智能与气象领域的交叉融合已经达到新的高度。尽管气象大模型在现阶段取得了较大突破,但其发展仍然面临弱可解释性、泛化能力不足、极端事件预报强度偏低、智能预报结果过平滑、深度学习框架能力需要拓展等诸多挑战。

数值预报中气象卫星资料同化前处理技术进展

在数值天气预报变分同化中,利用同化前处理将卫星资料完成有效信息优选、资料拼接和稀疏化、初级通道选择、下边界参数耦合等处理,实现卫星资料同化对数值天气预报业务的正贡献,是决定海量卫星资料同化效率、质量和效果的重要环节。针对多种格式的卫星资料,中国气象局研发标准格式的高时效卫星资料拼接等技术,有效减小整轨卫星资料时间滞后对数值天气预报业务的负面影响。对于风云气象卫星资料,将云和降水检测、资料质量分析等处理置于同化前处理中,实现多光谱资料融合的同化预质量控制,保证了风云卫星微波温度探测资料和红外高光谱资料的同化正贡献。利用统一资料格式对预处理卫星资料进行再处理,拓展针对卫星成像和主动探测资料的处理,将卫星资料同化的部分质量控制功能置于卫星资料同化前处理中,是风云卫星资料同化前处理技术发展的重要趋势。

地形影响的水平相关模型在CMA-MESO中的应用

在背景误差水平相关模型中引入地形作用,研究复杂地形下近地面观测资料同化对分析和预报的影响。CMAMESO三维变分系统中背景误差水平相关关系采用高斯相关模型描述,观测信息在高度追随坐标的模式面上各向同性传播。然而在地形复杂的近地面层,观测信息传播受到山脉阻挡,因而其背景误差协方差非均匀且各向异性,观测信息传播应随地形高度变化。为此,采用美国国家气象中心NMC方法统计复杂地形下背景误差水平相关结构,构建包含地形高度和地形梯度影响的高斯相关模型,并将改进的水平相关模型应用于CMA-MESO三维变分分析。理想试验表明:考虑地形项的水平相关模型方案使观测信息以随地形高度变化的各向异性形式传播,越过大地形观测信息影响明显减弱,分析增量更加合理。我国北方一次强降水过程分析预报试验表明:随地形高度变化的水平相关模型方案使地面观测信息各向异性传播,削弱了大地形处近地面的分析增量,对降水预报略有正贡献。针对华东地区降水过程进行5 d逐小时快速更新分析预报循环试验结果表明,随地形变化的水平相关模型方案对10 m风场和24 h时效内降水预报有正贡献。

2022年四川省复杂地形下持续性极端高温特征与模式误差分析

2022年8月四川省持续性极端高温天气过程范围广、强度大且持续时间长,全省有74.8%的站点打破近70年历史同期极值。本文选取四川地区2022年8月逐时2 m气温实况站点和历史同期数据,结合EC、CMA-GFS及CMA-MESO模式的2 m气温预报数据,分析了此次极端高温天气特征及预报误差。结果表明:(1)受地形影响,最高气温极值呈东高西低的分布特征;(2)受热岛效应影响,最高气温超历史极值较多的站点主要集中在盆地西部龙泉山脉附近;(3)3个代表站的最高气温平均值高、距平大、高温持续时间长,该时段的累计降水量明显低于历史同期平均值且降水日数显著偏少;(4)3个模式对于最低气温的预报准确率明显高于最高气温,而最优模式的高温预报准确率仅39.1%;(5)EC模式的预报优势主要在盆地低海拔站点,CMA-MESO模式在陡峭地形区域的预报效果要优于EC模式;(6)对于最高气温出现日期预报,EC模式在盆地和攀西地区效果更佳,CMA-GFS和CMA-MESO模式在川西高原效果更优。

黑龙江省准对称混合训练期MOS气温预报性能分析

本文选取ECMWF细网格地面2 m气温要素预报产品作为预报因子,选取中国气象局陆面数据同化系统(CLDAS-V2.0)地面2 m气温格点实况数据作为预报量,应用准对称混合训练期MOS方法,建立黑龙江省格点气温MOS方法,并对MOS方法在24 h预报时效内间隔3 h的格点气温预报性能进行检验分析。结果表明:MOS平均绝对误差≤1.5℃;MOS夏半年≤2℃预报准确率为84.1%,比ECMWF提高7.6%;冬半年预报准确率为71.5%,比ECMWF提高18.3%;预报技巧夏半年为14.2%,冬半年为29.8%。MOS夏半年预报效果好于冬半年,冬半年预报改善效果好于夏半年。大、小兴安岭和东南部山区MOS预报效果不如平原地区好,但是MOS改善效果明显好于平原地区。

一次江淮气旋引起的区域大暴雨可预报性分析及模式检验

利用常规观测资料和逐6 h的ERA5空间分辨率为0.25°×0.25°的再分析资料及数值产品,采用天气学分析和物理量诊断等方法,对河南2020年6月一次江淮气旋区域大暴雨的可预报性进行分析.结果表明:(1)强降水主要出现在850 hPa低涡前部西南急流出口区顶部和切变线两侧50~100 km的重叠区域内、地面气旋辐合线附近及左侧冷暖空气交汇处,以冷区降水为主.(2)水汽和动力条件均具有极端性,PWAT、Q850、Qu850、垂直上升运动速度值均超过了河南各类型100 mm以上强降水统计阈值.(3)850 hPa低涡的移动方向和地面3 h负变压中心移动方向对地面气旋的移动有引导作用,负变压中心较气旋中心出现时间早12 h左右.(4)数值模式EC在24~240 h内、CMA-GFS在24~168 h内晴雨准确率和小雨量级TS评分>0.8,暴雨及以下量级的降水TS评分24~72 h内CMA-GFS优于EC,96 h后CMA-GFS低于EC.(5)EC和CMA-GFS强降水落区较实况偏北0.7~0.8个纬度.

CFSv2模式对汛期黑龙江省延伸期时段降水预测检验评估

利用1999-2010年CFSv2模式资料,基于国家气候中心Ps和Cs检验方法,对汛期黑龙江省延伸期时段降水趋势和过程进行检验评估。结果发现:模式预测6月延伸期降水趋势效果较差,但从7月上旬开始至8月中旬模式预测技巧明显提高,Ps评分基本通过65分,距平符号一致率也达到50%以上。模式预测延伸期降水过程效果较好的时间为6月上旬、7月上旬、7月下旬和8月中旬,预测降水日数准确率在20%以上。预测结论可以为业务中延伸期降水预测提供参考依据。

基于雷达估测降雨及WRF-Hydro模型的典型山洪模拟研究

受复杂地形与基础气象水文资料缺乏限制,山区小尺度流域的水文预警预报技术较为薄弱,利用高分辨率雷达观测资料驱动分布式水文模型是提高山区小流域洪水预报性能的有效途径之一。本文以位于重庆中部的山区小流域二河流域为研究区域,开展基于雷达估测降雨数据的WRF-Hydro模型在山区小流域的山洪模拟研究,以评估雷达估测降雨的水文应用效果和WRF-Hydro模型在山区小流域的适用性。选取流域内典型的暴雨洪水过程,利用S波段的多普勒天气雷达的估测降雨数据驱动WRF-Hydro模型,并结合新安江模型进一步对比分析模拟效果。研究结果表明:(1)在二河流域,采用雷达估测降雨数据驱动WRF-Hydro模型,可以较好地模拟洪水过程、洪水流量以及峰现时间,纳什效率系数高于0.65,克林-古普塔效率系数高于0.50,相关系数高于0.85。(2)将WRF-Hydro模型与新安江模型进行比较分析,在二河流域,WRF-Hydro模型的模拟效果优于新安江模型,纳什系数差值0.03,相关系数差值为0.04,进一步表明WRF-Hydro模型在山区小流域较优的洪水模拟性能。总体而言,基于雷达估测降雨数据的WRF-Hydro模型在二河流域表现出了良好的模拟洪水的性能,可进一步在类似小尺度山区流域进行应用研究。

新疆智能网格日极端气温在阿勒泰地区的预报效果检验

利用2020年9月1日—2022年8月31日新疆智能网格日最高、最低气温预报产品,结合阿勒泰地区154个气象站的日最高、最低气温观测资料,采用中短期天气预报检验方法,对新疆智能网格日极端气温在阿勒泰地区的预报效果进行了检验评估。结果表明:日最高气温的准确率高于日最低气温的准确率,国家站的准确率高于区域站的准确率;预报准确率较高的区域主要集中在阿勒泰地区的河谷平原,准确率较低的区域主要集中在阿尔泰山的沿山和山区;春季、夏季、秋季的准确率较为接近,明显高于冬季;预报误差按河谷平原、沿山、山区的顺序递增,且平均误差均为负值,显示预报模型存在轻微的系统性偏低误差;不同预报时效的误差空间分布相对稳定,显示出良好的一致性。

“23·7”华北特大暴雨数值预报检验评估

针对“23·7”华北特大暴雨过程,采用天气学检验及TS(thrcat scorc)评分和MODE(mcthod for objcct-bascd diagnostic cvaluation)方法对中国气象局高分辨率全球同化预报系统(CMA-GFS)、较低分辨率全球集合预报系统(CMA-EPS)、欧洲中期数值预报中心集合预报系统(EC-EPS)和业务预报模式(EC-HR)、美国环境预报中心全球预报系统(NCEP-GFS)等全球模式和中国气象局区域台风数值预报系统(CMA-TYM)、中尺度天气数值预报系统(CMA-MESO)和区域数值预报系统(CMA-BJ)等进行中短期预报效果检验评估。结果表明:EC-EPS提前14 d预报京津冀一带有过程累积降水量超过100 mm强降水的发生概率,CMA-EPS可提前12 d报出,但预报欠稳定且落区偏东偏南。EC-HR对100 mm以上过程累积降水量及2 d以上暴雨日的位置预报提前时效均达8 d左右,CMA-GFS的过程累积降水量预报显著偏小、强降水落区明显偏东,可用预报时效短;NCEP-GFS预报性能介于二者之间。各模式均可提前36 h预报强降水落区和强度的变化趋势,中尺度模式可更加精细地刻画其形态和位置分布,尤以CMA-BJ为佳,但其预报偏强,其余模式不同程度偏弱,其中CMA-GFS显著偏弱。EC-HR提前8 d预报关键影响系统发生发展,但低层倒槽位置偏西偏北,低空急流偏弱,低估了地形对强降水的增幅作用,是太行山东麓降水量预报偏弱的重要原因之一。整体上,EC-EPS、EC-HR的提前时效和稳定性,以及CMA-BJ的落区形态和强度预报等对预报业务有较高参考价值。

夏季青藏高原那曲地区一次对流降水及云微物理的数值模拟

利用NCEP FNL再分析资料为初始场,通过WRF中尺度数值模式(V4.0版)对2019年夏季青藏高原那曲地区一次对流云降水及云微物理特征进行了数值模拟.结果表明:WRF模式能够较好地再现本次降水的时空特征和云发展过程.固态水凝物分布高度普遍高于液态水凝物,其中冰和雪主要位于中高层,中低层以霰和云水为主,低层多为雨水粒子;降水过程中雪、霰和雨水粒子高值中心出现时段与降水峰值时间较好对应,表明本次降水以冰相过程为主,且雪粒子和霰粒子的贡献最大,其原因为雪粒子通过贝杰龙过程和自身的碰并过程增加,霰粒子则通过与雪粒子碰并和自身凇附作用不断增长,随着上升气流逐渐减弱,大量霰粒子和部分雪粒子落至0℃层左右融化形成降水,加之雨水与云水的碰并作用,进一步促进了降水的形成.此外,暖雨过程对降水的直接贡献较小,但对冰相粒子的形成贡献明显.

CMA全球混合四维变分同化系统的方法研究

随流型演变的变量间背景误差协方差特征非常重要,而变分系统中传统气候背景误差很难描述这些信息。虽然四维变分同化(4DVar)能通过切线性和伴随模式隐式演变初始背景误差协方差,但其存在开发维护复杂、计算成本昂贵等问题,而且在高精度可扩展全球大气模式中尤为突出。为规避切线性和伴随模式,将四维集合预报误差引入CMA全球资料同化系统,发展了H-4DEnVar同化方案,开展批量循环同化及其预报试验和台风预报试验,并与4DVar方案对比。批量预报试验表明,四维集合预报误差的引入改善了分析场,显著提高了同化系统的全球预报能力;台风预报试验表明,H-4DEnVar中随流型演变的背景误差是台风路径预报误差减小的主要原因;与4DVar对比发现,考虑集合预报误差IO成本情况下,H-4DEnVar以4DVar 26%计算成本表现出基本相当的预报能力。H-4DEnVar同化方案在规避切线性和伴随模式的同时表现出了良好的同化预报效果,为在不使用切线性和伴随模式情况下实现四维同化提供了参考。

基于随机森林模型的长江流域分区多源融合降水模拟方法研究

基于3种卫星降水产品,提出了一种基于随机森林模型的长江流域分区多源融合降水模拟算法(FCM-RF算法)。采用模糊C均值算法,结合地面观测站点资料对长江流域进行降水区域划分,引入降水比降刻画降水空间性,进一步通过普通克里金插值法优化融合结果,得到一套长江流域空间分辨率为0.25°×0.25°的多源融合降水产品,并对其进行了评估。结果表明:FCM-RF算法在长江流域具有良好的表现,可以有效提高原始卫星降水产品对于降水事件的捕捉能力,在验证站点模拟降水量与实测降水量的相关系数可达到0.76;FCM-RF算法在年际上具有相似变化特征,对于春秋季降水的敏感性较高,在夏季由于强降水影响表现欠佳,冬季由于雨量稀少、存在固态降水,呈现出误差小、相关系数较低的特点;FCM-RF算法在东南地区具有较强的降水捕捉能力,在青藏高原地区的准确性较低。

大数据时代:数值天气预报的机遇与挑战

随着地球观测系统及数值模拟方法的不断发展,数值天气预报研究进入以数据驱动为核心的新范式,大气科学也迈入了大数据时代,大数据技术赋能数值天气预报发展成为大气科学研究的热点方向。从气象海洋大数据的内涵、分类及其特征出发,概括和梳理了气象海洋大数据在数值天气预报的应用,从技术方面,对资料同化、物理过程参数化、数值预报产品订正,以及机理与数据融合的模式开发等问题进行分析,并对相关应用进行了深入探讨和展望,从而为气象海洋大数据与数值天气预报的融合发展提供重要参考依据。

大气风温湿垂直观测网资料快速更新混合同化试验研究

基于WRF预报模式、WRFDA Hybrid集合变分同化系统和ETKF方法,构建了面向城市气象观测网数据的快速更新混合同化系统。针对北京地区地基微波辐射计和风廓线雷达组网观测资料数据同化,开展了静态背景误差调整因子(特征长度尺度因子和方差因子)、局地化距离和集合权重系数4个重要参数敏感性试验研究。试验结果表明:当温度、相对湿度、u风和v风的特征长度尺度因子和方差因子分别调整为0.7/1.0、1.0/1.0、0.7/1.0和0.7/1.0,局地化距离和集合权重系数分别调整为11.2 km和0.5时,快速更新混合同化系统的分析场均方根误差最小。为对比三种常用同化方案,开展了默认参数混合同化、最优参数混合同化、三维变分同化对比试验,试验结果表明:在针对北京地区地基微波辐射计和风廓线雷达组网观测资料的快速更新同化预报试验中,混合同化方案表现优于三维变分,同时相对于默认参数混合同化方案,最优参数混合同化方案的风场、温度及湿度的分析场和预报场得到了进一步改善:风温湿的分析场均方根误差分别最大降低了13%、19%和5%,12~24 h预报场的均方根误差分别最大降低了2%、12%和5%。

一种基于成对显式龙格-库塔时间积分的大气平流算法

为解决大气输送仿真中保形、正定及计算效率等问题,本研究发展了基于水平-多矩有限体积/垂直-有限差分混合格式和显式成对龙格-库塔方法的高效、高保真平流方程时空离散方案。为去除高阶算法在间断分布附近产生的数值振荡,平流方案在水平和垂直方向分别使用了基于加权本质无振荡(weighted essentially non-oscillatory,WENO)和总变差减小(total variation diminishing,TVD)方法的斜率限制器。在时间积分中,算法使用了二阶成对显式龙格-库塔方法,通过在垂直方向增加内循环中空间离散调用次数增大求解器可用CFL数。成对龙格-库塔时间积分方法能有效缓解大气模式垂直小网格距对积分时间步长的限制,使水平、垂直方向稳定性条件允许的最大时间步长尽可能接近,从而改善模式计算效率。论文中还设计了可用于库朗(Courant-Friedrichs-Lewy,CFL)数大于1情形的迭代正定修正算法,能保证平流方程计算结果严格非负。本文采用二维标准算例对所提出的平流方程算法进行了测试和比较分析。数值试验结果表明:本文提出的算法为解决高分辨、可扩展非静力大气模式中平流输送高保真计算难题提供了一条有效途径。

“21.7”河南暴雨的集合敏感性分析

河南郑州“21.7”特大暴雨是中国近年来发生的一场严重气象灾害,对此暴雨事件的数值预报模式表现出较大的不确定性,对暴雨落区和降水强度的预测均存在偏差.目前,“21.7”河南暴雨的形成机理已经得到广泛研究,但针对其集合敏感性分析的研究却十分有限.集合敏感性分析是一种利用集合预报来估计模式预报对初始场敏感性的方法,可诊断极端天气过程的影响因子、对数值模式集合预报不确定性进行分析等.因此,针对“21.7”河南暴雨个例,利用WRFARW模式,结合集合初始条件与多物理过程以及物理过程扰动等方法,构建不同的区域模式集合预报.利用集合敏感性分析方法开展“21.7”河南暴雨的可预报性和影响该暴雨的因子分析.结果表明,“21.7”河南暴雨对初始条件的温度场、湿度场、风场和位势高度场扰动具有敏感性,增强郑州地区的气旋性环流、改变郑州上空的气温、降低郑州地区的气压、增强台风“烟花”的强度可以使此次暴雨的降水强度增强.本研究能够增进对“21.7”河南暴雨成因的理解,并改进集合预报.

河南“21.7”特大暴雨的区域集合预报检验和预报偏差分析

河南“21.7”特大暴雨覆盖范围广、强度大、降水时间段集中,造成了严重损失.利用中国气象局(China Meteorological Administration,CMA)多源融合降水分析产品(CMA Multisource Precipitation Analysis System,CMPASV2.1)和欧洲中期天气预报中心ERA5再分析数据,对CMA区域集合预报系统(Regional Ensemble Prediction System,CMA-REPS)在此次暴雨事件中降水最强时间段(2021年7月20日14-20时,北京时)的预报结果进行了评估与分析.研究结果显示,预报时效越短,集合平均和概率预报的降水效果越好,但降水强度与大值落区依然存在较大的预报偏差.结合多种降水预报评分筛选出最好和最坏的集合成员,并通过对比环流形势、水汽条件等因素,探讨了降水预报偏差的成因.好成员在郑州地区预测了占总降水30%的对流性降水,而坏成员则未能预报出对流性降水,两者总降水的偏移与非对流性降水的表现一致.好成员预测的降水区域偏向东北,与预报的副高位置偏东、台风“查帕卡”路径偏北以及南风偏强有关;坏成员预测的降水区域偏西,与相对湿度的大值区偏移一致,可能是因为预报的台风“烟花”引导的低层东风更强.在925 hPa上,好成员成功预测出郑州西部山脉迎风侧的强辐合区,导致超过25 mm·(6 h)^(-1)的强降水从山前延伸至地形高度800 m以上的迎风坡.相比之下,由于预报的辐合区域小、强度弱,坏成员的强降水仅分布在600 m以下的山前区域.总体而言,CMA-REPS对此次强降水过程的预报偏差主要源自大气环流的模拟偏差以及复杂地形作用.

同化ECMWF短时预报场对区域中尺度模式预报的影响研究

全球数值天气预报模式的预报场常作为背景场驱动区域中尺度天气模式业务系统,其数据质量对区域模式的预报结果具有重要的影响。华中区域中尺度业务模式使用美国环境预报中心的全球预报场(NCEP GFS)作为背景场,其预报精度有待提高。为提高模式的短期预报能力,提出一种利用三维变分方法同化高质量欧洲中期天气预报中心(ECMWF)细网格预报场改善模式初始场的方法,将NCEP GFS预报场作为背景场,同化ECMWF三维格点预报要素,开展个例和批量同化试验。首先,利用探空观测对NCEP GFS和ECMWF的12 h预报产品进行误差特征统计,ECMWF 12 h细网格预报的温度、水平风场、相对湿度的均方根误差都小于NCEP GFS预报场,因此对其进行同化是可行的。然后,对2021年8月11—13日的强降水个例进行不同分辨率的ECMWF预报场同化敏感性试验。最后,基于不同敏感性试验的结果,选择1°×1°的ECMWF预报场对2021年8月进行批量同化试验。结果如下:(1)2021年8月11—13日的强降水个例同化预报试验表明,要素场预报误差得到了较为显著的改善,尤其是在模式低层;对12~36 h、36~60 h、60~84 h累积降水的TS评分具有一定的改善能力,尤其是暴雨量级。(2)不同分辨率的ECMWF预报场同化敏感性试验表明ECMWF预报场1°×1°的预报效果要优于0.5°×0.5°和0.25°×0.25°。(3)2021年8月的批量试验结果显示,同化ECMWF 12 h 1°×1°预报要素后,12 h、36 h和60 h预报的温度、湿度和风场在垂直方向上比控制试验均方根误差有所降低,降水TS评分提高明显,特别是50 mm暴雨降水TS评分,提升了13.33%,可有效改善华中区域数值天气预报系统对强降水的预报能力。