梅雨降水季节预测的多方法比较

基于1961—2000年逐月降水观测资料和全球大气再分析资料,分析了6—7月长江中下游(108°~123°E,27°~33°N)梅雨的时空分布特征。通过观测诊断和数值试验确定了影响梅雨异常偏多的3个前期因子:4—5月平均的西北太平洋海平面气压正异常;3月至5月北大西洋海平面气压负变压倾向;1月至4月西伯利亚的2 m温度负倾向。利用这3个具有物理意义的影响因子构建了梅雨季节预测模型,该模型在训练期(1961—2000年)和独立预测期(2001—2022年)均具有显著的预测技巧(相关系数分别为0.79和0.77,均方根误差分别为0.59和0.68)。同时,基于相似的潜在预测因子,对比了利用偏最小二乘回归方法和5种机器学习方法(随机森林、轻量级梯度提升机、自适应提升、类别型特征提升、极端梯度提升)建立的预测模型的技巧。虽然训练期(1961—2000年)偏最小二乘回归和机器学习建模拟合效果更高,但在独立预测期(2001—2022年)上述模型的预测技巧显著降低(相关系数均低于0.44,均方根误差均大于0.93),出现了明显的过拟合问题。本研究强调梅雨的短期气候预测应建立在物理机制基础之上,而使用机器学习方法需谨慎。

德国气候预测系统中东亚冬季风的季节预测及可预报性

东亚冬季风(EAWM)作为北半球冬季最强的中纬度环流系统之一,主导着东亚的冬季气候。因此,开展东亚冬季风季节预测和可预报性研究具有十分重要的意义。本研究使用德国气候预测系统(German Climate Forecast System,简称GCFS2)输出的回报数据(1993~2016年)对EAWM的预测性能进行全面评估。GCFS2很好地预测了EAWM气候态的主要特征,包括西伯利亚高压、阿留申低压、东亚大槽、东亚高空急流及东亚上空的地表气温和降水,并可以熟练地预测东亚大槽及东亚地表气温的年际变化。GCFS2对一个海平面气压定义的EAWM指数(EAWMI)显示出了预测技巧,同时可以很好地预测与EAWM相关的位于海洋上的大气环流、地表气温及降水异常。GCFS2中EAWM的预测技巧主要得益于对观测中的EAWM–ENSO关系及ENSO遥相关的成功再现,模式中增强的EAWM–ENSO[强于观测,观测中整个24年(1993~2016)EAWM与ENSO的相关系数为-0.46]关系,有助于提前2个月或更长时间预测EAWM。GCFS2中12月初始化的EAWMI在去除ENSO信号后仍有0.42的预测技巧,说明有另一预测源,为冬季巴伦支—喀拉海区域海冰覆盖度(BK_SIC)。观测中BK_SIC减少,增强西伯利亚高压,EAWM从而增强;模式中BK_SIC的变化可以增加西伯利亚高压东北部的可预测性,使得12月初始化的EAWM预测技巧增加。

FGOALS-f2气候预测系统对西南地区持续性极端降水的次季节预测评估

区域持续性极端降水具有降水范围广、时间久、强度大且灾害性强的特征,亟需提高其预测时效和准确性。本文通过挑选1999—2019年西南地区发生的7个区域持续性极端降水事件,评估了FGOALS-f2 S2S模式对西南地区持续性极端降水的次季节预测性能。结果表明:FGOALS-f2对四川盆地及周边地区降水存在明显低估,导致了模式所预测的极端降水阈值在四川盆地、重庆和贵州大部分地区比观测偏低约15 mm/d,而在四川西部及云南等高海拔地区基本与观测接近。降水强度的模拟误差进一步导致在该区域发生的持续性极端降水和短时极端降水事件强度被模式低估,但偏差基本不随预测时效延长而变化。在极端降水发生概率方面,模式对区域持续性极端降水事件和短时极端降水事件的命中率、误警率和Heidke技巧评分在1~10 d内迅速下降,然后在11~30 d内基本维持不变,但区域持续性极端降水的预测性能明显优于短时极端降水。可见,该模式对区域持续性极端降水发生概率的预报技巧更好,可为西南地区极端降水的次季节预报提供科学参考。

BCC-CSM2模式耦合同化对北极海冰次季节预测的影响

近年来北极海冰的加速融化对北半球天气和气候的影响逐渐加剧,开展准确的海冰次季节预测已成为迫切需求。基于北京气候中心气候系统模式(BCC-CSM2),采用多种耦合同化方案(大气同化、海洋-大气同化、海洋-海冰-大气同化)产生模式初值,开展大气(FST-A)、海洋-大气(FST-AO)、海洋-海冰-大气(FST-AOI)预测试验,进而探讨了多圈层耦合同化对北极海冰次季节预测的影响。结果表明,随着耦合同化分量的增加,模式对海冰密集度气候态和变率的预测技巧逐渐提高,其中FSTAOI在所有试验中表现最优。海洋-海冰-大气同化对预测的影响存在明显的季节性差异,其在大多数月份(尤其是少冰期(9—10月))能够明显降低海冰密集度预测误差,但在快速融冰期(6—7月),若干海冰边缘区(波弗特海、东西伯利亚海、拉普捷夫海、喀拉海附近)的密集度误差随预测时间延长而快速增大。因此,多圈层耦合同化在总体上能够有效改善北极海冰次季节预测,但其在快速融冰阶段对预测的影响存在较大不确定性。进一步诊断表明,在快速融冰期,采用海洋-海冰-大气同化初值的试验在预报开始阶段(主要指第1周)低估了海冰边缘区的密集度。在海冰-反照率正反馈机制影响下,这可能导致模拟地表短波辐射吸收增加,引起海水升温和海冰融化加快,进而导致海冰误差快速增长。未来研究将致力于继续提升海洋-海冰-大气多分量耦合同化的协调,以持续改进北极海冰次季节—季节预测能力。

BCC二代气候系统模式的季节预测评估和可预报性分析

本文利用国家气候中心(BCC)第二代季节预测模式系统历史回报数据,从确定性预报和概率预报两个方面系统地评估了该模式对气温、降水和大气环流的季节预报性能,并与BCC一代气候预测模式的结果进行了对比,重点分析了二代模式的季节可预报性问题。结果显示,BCC二代模式对全球气温、降水和环流的预报性能整体上优于一代模式,特别在热带中东太平洋、印度洋和海洋大陆地区的温度和降水的预报效果改进尤为明显。这些热带地区降水预报的改进,可以通过激发太平洋—北美型(PNA)、东亚—太平洋型(EAP)等遥相关波列提升该模式在中高纬地区的季节预报技巧。分析表明,厄尔尼诺和南方涛动(ENSO)信号在热带和热带外地区均是模式季节可预报性的重要来源,BCC二代模式能够较好把握全球大气环流对ENSO信号的响应特征,从而通过对ENSO预报技巧的改进有效地提升了模式整体的预报性能。从概率预报来看,BCC二代模式对我国冬季气温和夏季降水具备一定的预报能力,特别是对我国东部大部分地区冬季气温正异常和负异常事件预报的可靠性和辨析度相对较高。因此,进一步提高模式对热带大尺度异常信号和大气主要模态的预报能力、加强概率预报产品释用对提高季节气候预测水平具有重要意义。

BP-CCA方法用于中国冬季温度和降水的可预报性研究和降尺度季节预测

使用变形的典型相关分析(BP-CCA)方法,基于交叉检验的结果建立了东亚冬季500 hPa大尺度环流和中国冬季温度、降水的最优BP-CCA降尺度预测模型,并在此基础上进行了中国冬季温度和降水的可预报性研究,表明用东亚冬季500hPa高度场降维后的大尺度环流来解释中国冬季温度,平均距平相关系数(ACC)为0.7左右,最高可达0.9,解释中国冬季降水的平均ACC为0.3左右,最高可达0.7,温度的可预报性远高于降水,且二者的可预报水平存在明显的区域差异。可预报性研究表明东亚冬季500 hPa大尺度环流异常与中国冬季温度、降水异常有密切的联系,BP-CCA方法可以很好地揭示大尺度环流与温度、降水的内在联系,并且物理意义清晰。在东亚大尺度环流系统中,东亚大槽和西太平洋副热带高压是影响中国冬季温度、降水异常的重要系统。进一步利用国家气候中心海气耦合模式(CGCM/NCC)回报和预测的500 hPa环流场和BP-CCA方法对温度和降水进行降尺度预测应用,对温度和降水的预测效果明显高于模式直接输出的结果,而且对温度预测的改善高于对降水的改善。对模式预测的环流进行EOF(经验正交函数)分析,表明BP-CCA方法对降尺度要素预报的可预报性来源于CGCM/NCC对500 hPa高度场主要大尺度特征的模拟能力较好。

北京气候中心次季节-季节预测系统对西南地区夏季降水次季节预报技巧评估及误差订正

利用北京气候中心(BCC)次季节-季节(Sub-seasonal to Seasonal,S2S)预测系统20年(1994-2013年)回报试验数据,在评估BCC S2S预测系统对中国西南地区夏季降水次季节预报性能基础上,进而采用基于奇异值分解(Singular Value Decomposition,SVD)的误差订正方案对预测结果进行订正。结果表明:BCC S2S预测系统对西南地区夏季降水的次季节预报技巧随起报时间的提前不断下降,在起报时间提前10天以内具有一定预报技巧,而在起报时间提前10天以上基本无技巧,同时存在明显的区域性和年际差异。采用SVD误差订正方案能够较好改善BCC S2S系统对西南地区夏季降水的次季节预测水平,起报时间提前0~10、11~20、21~30天原始预测结果与观测间的异常相关系数分别为0.50,0.31和0.25,订正后分别提高至0.70,0.75和0.70,同时订正后的预测结果与观测间的空间相关系数在起报时间提前0~10天提高了0.3左右,尤其对起报时间提前11~30天的预测结果改进更加明显,空间相关系数提高了0.6左右。

CERNET流量行为季节预测模型

网络流量行为预测是网络行为学的一个重要研究方向 .常规的网络流量预测大多采用的是 ARIMA时间序列模型 ,但普通时间序列预测模型的参数难以估计并且模型较难处理非平稳时间序列问题 .本文基于时间序列的神经网络模型研究 ,根据网络流量行为的季节性特点 ,提出了季节型神经网络模型 .用模型对 CERNET网络流量行为的预测分析表明 ,该模型预测效果较好 ,结果合理 ,对进行网络实时监控及网络管理都具有一定的理论和实践价值 .

高分辨率模式对中国地表短波辐射季节预测

基于中国气象科学研究院T255全球高分辨率气候系统模式(CAMS-CSM)2011—2020年多样本集合回报试验,评估模式在中国及3个典型区域地表短波辐射(downward short-wave radiation flux,DSWRF)的季节预测能力。结果表明:CAMS-CSM模式能较好预测DSWRF的季节变化特征,但春季、夏季预测强度偏弱,秋季、冬季偏强。不同季节、不同地区DSWRF异常场的预报技巧差异明显。由DSWRF异常的空间相关系数和时间相关系数可以看到,内蒙古和西北地区秋季、冬季预报技巧较高,京津冀部分地区夏季、秋季节预报技巧较低。从趋势异常综合评分指数看,中国区域超前1个月预报各季节评分均超过70分,对西北地区夏季、秋季的评分指数最高,超过80分。整体而言,高分辨率气候模式对中国区域DSWRF超前0~1个月预报有一定预测能力,尤其是太阳能资源丰富的西北地区,可为未来DSWRF短期预测及太阳能清洁能源选址等提供参考。除模式系统性偏差外,春季、夏季DSWRF预报偏差主要来源于总云量预报的模拟偏差,改进模式云微物理过程是提高DSWRF季节预测能力的重要途径。

动力季节预测中预报误差与物理因子的关系

为了在动力季节预测中更好地运用统计经验来改进预报,从研究气候系统物理因子影响模式预报误差的角度入手,探讨了与气候模式有关的统计经验获取问题,并利用国家气候中心海-气耦合模式的历史回报数据,考察了动力季节预测中夏季环流和降水的预报误差与主要物理因子,包括Nio3区海温指数、太平洋年代际振荡指数、南北半球环状模指数以及北大西洋涛动指数相关关系。分析结果显示:上述物理因子与模式预报的夏季环流和降水误差之间存在前期或同期的某种显著相关关系,并且显著关系分布随因子的不同而表现出明显不同的区域性特征,这为发展一种基于预报因子的误差订正新方法提供了新思路。

长江下游地区降水50—80d低频分量的次季节预测研究

用1979—2000年逐日长江下游降水的50—80d低频分量和全球850hPa低频纬向风主成分,构建了长江下游降水低频分量的次季节预测的扩展复数自回归模型(ECAR)。这种基于数据驱动建模的气候预测方法,不仅能在复数空间上反映全球环流主要低频主分量和长江下游降水低频分量之间的时滞变化信息,而且能更好地描述气候系统的主要分量在低维空间中的变化规律。对2001—2014年长江下游降水低频分量进行次季节逐日变化回报试验的结果表明,50—80d时间尺度的长江下游低频降水分量的预测时效可达52d左右,预报能力明显优于自回归模型(AR),而且6—8月的预报技巧最高。基于全球环流主要50—80d振荡型的发展和变化以及与长江下游低频降水相关的时间演变,对于提前50—60d预报长江下游地区持续多(少)雨过程很有帮助(尤其是夏季),其中,东亚经向三极子型(EAT)是影响长江下游地区季节内降水变化的最主要的环流因子之一。

利用EXCEL建立季节预测模型

Microsoft Excel是Microsoft Office应用软件包中的一员,是一个功能强大、技术先进、使用方便的表格式数据综合管理和分析软件。它采用电子表格方式进行数据处理,通过丰富的内置函数和分析工具可以进行各种数据处理、统计分析、辅助决策,并具有强大的制图功能,可以方便地绘出各种专业图表,实现了图、文、表三者的完美结合。近几年来,人们广泛利用其工具来进行财务预测,本文主要阐述了如何利用Excel来建立季节预测模型的方法,相信通过这些方法,有助于我们科学的分析市场,准确的预测市场,从而更加灵敏的反应市场,更加有效的满足市场,有利于提升市场营销主体的基本能力。

季节预测模式对东亚夏季环流的预测能力及其对热带海洋的响应分析

东亚夏季环流变化对中国夏季降水的年际变化有重要影响,因此需要进一步理解季节预测模式对东亚夏季环流的预测能力。利用1991~2013年美国国家环境预测中心(NCEP)、中国气象局国家气候中心(NCC)和日本东京气候中心(TCC)的三个季节预测模式(CFS V2、BCC_CSM V2和MRI-CGCM)以及NCEP/NCAR再分析资料,定量评估了模式对东亚夏季风(EASM)和夏季西太平洋副热带高压(WPSH)强度的预测能力。在此基础上,分析了模式预测的EASM和WPSH对热带海温异常的响应能力,以及ENSO事件对EASM和WPSH预测的影响,阐述了预测误差产生的原因。结果表明:整体而言,三个模式对EASM和WPSH的预测技巧较高,但TCC模式对WPSH的预测技巧相对较低。三个模式预测的850 h Pa风场在西北太平洋存在一个异常气旋,使得预测的EASM偏强和WPSH偏弱。同时,二者的年际变率整体比观测小。三个模式预测的EASM和WPSH对热带海洋海温异常的响应随季节演变特征与观测比较接近,但NCEP模式和TCC模式预测的EASM对前期热带太平洋和前期、同期热带印度洋的海温异常响应要强于观测,NCC模式预测的EASM对前期和同期的热带太平洋的海温异常响应明显比观测强。此外,三个模式预测的WPSH对前期和同期的热带太平洋、热带印度洋和热带大西洋的海温异常响应明显强于观测。三个模式预测的EASM和WPSH在ENSO年的平均绝对误差(MAE)整体而言要比正常年的小很多,NCEP模式和NCC模式预测的EASM和WPSH的MAE在La Ni?a年和El Ni?o年差别不大,而TCC模式预测的EASM和WPSH的MAE在El Ni?o年比在La Ni?a年大很多,表明ENSO事件是东亚夏季环流重要的可预报源。

南方电网区域降水季节预测系统的构建及评估

基于我国自主研发的气候模式,构建了面向南方电网区域的全球-区域双向耦合模式,开展了1991—2020年集合回报试验,研发了适合南方电网区域降水预测的误差订正方法,并构建了适合于南方电网区域的降水季节预测系统。集合回报结果表明:全球-区域双向耦合技术可显著改善模式对南方电网区域降水空间分布及其主导模态的模拟预报能力,误差订正方案可显著提高对南方电网区域夏季降水异常的预测技巧。30年平均空间相关系数和预报技巧评分分别可达0.27和74.31,南方电网区域平均时间相关系数可达0.28。预测系统对典型旱涝年也展现出良好的预测技巧。总体而言,此系统可向南方电网区域提供可靠的季节性降水预测产品,为南方电网的安全运行和调配管理提供技术支持。

利用EXCEL建立季节预测模型

本文主要阐述了如何利用Excel来建立季节预测模型的方法,有助于我们科学的分析市场,准确的预测市场,从而更加灵敏的反应市场,更加有效的满足市场,有利于提升市场营销主体的基本能力。

基于BCC第二代短期气候预测模式系统的中国夏季降水季节预测评估

利用BCC第二代气候预测模式系统1996-2015年提前1~3个月的回报试验结果,评估了模式在季节尺度上预测中国夏季降水空间分布和降水异常的能力,分析了模式预报效果的年际差异,并探讨了模式预测误差产生的可能原因。结果表明,模式对中国夏季降水的季节预测具有一定的技巧,西南至长江中下游南部、黄淮平原西部、东北北部及藏北高原等地区季节预测技巧较高,同时,模式对降水距平预报效果整体较好,其中在长江中下游、黄淮地区、华南地区、西北地区及东北北部距平符号一致率较高。而模式对降水季节预测的偏差主要表现为我国东部降水量强度预测偏小,对夏季降水异常的预报技巧有限,且不同年份模式的预测效果差异较大。模式对夏季西太平洋及印度洋高海温区范围预测偏小,对副热带高压和东亚地区低层水汽辐合的强度预测偏弱,从而导致风场与环流场的配置与观测不一致,使得模式对我国东部夏季降水预测显著偏少。从模式预测效果年际差异来看,当华南地区实况降水量偏多、长江中下游及东北地区降水量偏少时,模式具有较高的预测技巧,反之,模式的预报技巧较低。分析中国东部降水与海温的相关关系发现,夏季西北太平洋、热带西太平洋和北印度洋是影响中国东部夏季降水的关键区域,模式中西北太平洋海温偏低对模式预报技巧具有重要影响,海温场、高度场、风场及水汽通量散度场不同的相互配置导致中国东部夏季降水的分布及强度差异,而模式不能合理把握各物理量场间相互作用过程,从而影响模式的预报效果。因此,改进模式对外强迫因子与降水异常相关关系的预测能力是提高我国夏季降水季节预测技巧的主要途径。

中亚地区夏季温度的季节预测

根据1979～2016年春季海表温度、土壤温度以及大尺度气候指数与中亚地区夏季温度的相关关系,确定了印度洋东南部海表温度、非洲西北部土壤温度、大西洋多年代际振荡(AMO)和东亚/西俄型(EA/WR)4个春季预测因子,进而建立了中亚地区夏季温度的预测模型。春季印度洋东南部海表温度暖异常、非洲西北部土壤温度暖异常、AMO正异常与EA/WR负异常均对应夏季中亚地区500 hPa位势高度场正异常,为该地区夏季高温发生提供有利条件。预测模型留一法交叉验证产生的1979～2016年中亚地区夏季温度无(有)趋势的时间序列与观测的无(有)趋势的时间序列的相关为0.65(0.74),表明该预测模型具有良好的预测能力。研究结果有望帮助提高中亚地区夏季温度的预测技巧。

三江平原地下水位的季节预测方法

三江平原地下水位观测的预测对该地区的水资源、生态地质以及农林、经济等问题有着重大作用。文章详细介绍了季节周期预测方法的原理、模型、计算方法以及适用范围条件,并使用该方法对三江平原地下水位埋深进行了季节性月平均值的埋深预测,而且以单口井为例做了具体的预测和分析。分析结果证明了使用季节预测方法预测三江平原地下水位埋深值的合理性、准确性和实效性。

厄尔尼诺海区海温季节预测比较

利用奇异值分解方法建立多项线性统计气候预测模型，对厄尔尼诺海区各季节海温进行了短期气候预测试验，并采用历史资料独立样本检验的方法，评定不同预报时效的预报技巧。结果表明，不同海区各季节的预报效果相差很大。赤道西太平洋（ Ｎｉｎｏ ４区）有最高的可预报性，在夏季末做冬季海温预报的技巧最高，多数条件下，这个区域的预报性能比较稳定。以海温和南方涛动指数作因子场的预报效果最好，大部分预报以单季的海温和南方涛动指数为预报因子效果较好，但有些预报以连续２季或３季的海温和南方涛动指数作预报因子的预报效果更好。

基于热带和热带外独立影响途径的中国东部冬季阴天频次的季节预测

本文利用中国东部1078个测站1961~2003年逐日云量数据资料,揭示了中国东部冬季阴天频次主模态的时空分布特征,探讨了其形成的两条独立影响途径,并根据影响机理建立了季节预测模型。结果表明:(1)中国东部冬季阴天频次的经验正交函数分解第一模态独立且显著,解释了其59%的总方差。该模态基本呈现空间一致型的分布,表现出显著的年际变率特征。当该模态为正位相时,北太平洋对流层低层存在显著的大尺度反气旋环流异常,其西侧异常偏南风能够将热带海洋的水汽输送至中国东部地区,导致该地区阴天频次增多。(2)前期8月和9月北太平洋副热带持续性海温异常的纬向偶极型分布(NPD)和副热带北大西洋海平面气压9至11月的短期变化(LPA)是该模态的两个主要驱动因子。当NPD中的西极为冷异常时,在局地低层气旋性异常环流的作用下冷海温异常向南平流,发展至热带西太平洋。而当热带西太平洋冷海温异常形成后,皮耶克里斯反馈作用能够发展和维持太平洋“西冷东暖”海表温度异常分布。“西冷东暖”的海表温度异常导致的热带纬向偶极型对流异常能够进一步激发北太平洋“北正南负”的偶极型高度场异常。北部反气旋异常西侧的偏南风有利于水汽输送至中国东部,从而导致阴天频次增多;LPA主要反映的是中高纬准定常罗斯贝波列由秋季至冬季的迅速转变。当副热带北大西洋海表面气压在前秋由正转负时,罗斯贝波列在东北亚上空冬季形成准正压的异常反气旋,其西侧偏南风异常同样能够导致中国东部阴天频次增多。(3)依据以上热带和热带外的两条独立影响机理途径,我们建立了具有物理意义的季节预测模型,利用2004~2013年间数据进行独立预测获得良好预测效果,可供业务预测部门参考和借鉴。