GEFSv12降水再预报数据在淮河流域的适用性评估

新一代全球集合预报(global ensemble forecast system version 12,GEFSv12)是美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)发布的最新的再预报数据集,对该数据集中的降水数据在淮河流域的适用性进行评估。由于原始预报存在系统偏差,所以应用贝叶斯联合概率模型(Bayesian joint probability,BJP),对原始GEFSv12再预报数据进行统计后处理。预报验证的评价指标包括均方根误差(E)、Brier技巧评分(E)、连续等级概率技巧评分(E)、α指数及可靠性框图,注重从预报偏差、精度以及可靠性3方面评价原始预报及经过后处理的预报。结果表明:GEFSv12降水再预报数据对淮河流域具有较好的适用性,在预见期1~7 d具有预报技能;BJP统计后处理方法能有效降低预报系统性偏差,增加预报精度以及预报可靠性,经过后处理的降水集合预报将有利于进一步的水文集合预报应用。

机器学习对延伸期降水集合预报的订正分析

为了扩展气象业务中历史预报资料在集合预报产品中的应用性,本文尝试基于机器学习的后处理模型,对欧洲中期天气预报中心(ECMWF)ECMF模式的数值天气预报模式生成的2019年5月—8月历史再预报(训练期)数据进行各模型参数训练,可对2019年5月—8月实时延伸期月降水预报(预报期)进行集合预报分析,均选取华东地区(23.0°N~38.5°N,113.0°E~123.0°E)。采用均方根误差和绝对误差插值空间分布对预报订正效果进行评估,通过K-近邻算法(KNN)、Bagging算法、随机森林(RF)、梯度提升回归树(GBRT)、极端随机树(ET)这5种后处理回归模型的预报订正效果的对比表明:5种后处理模型的均方根误差随预报时效的增长呈现波动变化;受地形分布的影响,华东地区的北部均方根误差较小,从空间分布清楚得出,K-近邻算法的订正预报效果最好,对应的平均绝对误差在10~20 mm,其他4种机器学习模型的误差在50~100 mm。

NCEP再分析资料在大气环境预测中的应用

为了给大气环境预测中使用非常规气象资料提供参考依据,基于美国法规空气质量(AERMOD)模式,以2011年哈尔滨常规观测资料、美国国家环境预报中心(NCEP)再分析资料构建标准情景和NCEP气象情景,分析NCEP气象情景与标准情景大气污染物预测质量浓度的符合度指数和相对误差.结果表明:NCEP再分析高空资料、云量资料用于大气环境预测与标准情景相比误差小,可以替代同类常规观测数据;而NCEP再分析资料替代地面自动站资料进行大气环境预测误差偏大,不宜采用.

一种中国区GNSS加权平均温度分层格网模型

为了进一步提升大气加权平均温度(T_(m))模型在地基全球卫星导航系统(GNSS)反演可降水量(PWV)中的精度,提出一种中国区GNSS加权平均温度模型:针对中国地势复杂多变,气候多样的环境特征,基于1990—2019年欧洲中期天气预报中心第五代大气再分析数据集(ERA5),综合考虑T_(m)的季节性变化及长期线性趋势,构建T_(m)的分层格网模型(CT_(m)S);然后以74个无线电探空站提供的2020年气象数据为参考,评估CT_(m)S的精度及可用性,并利用第三代全球T_(m)模型(GT_(m)-III)及全球气压温度(GPT3)模型进行对比验证。结果表明:CT_(m)S模型的均方根偏差(RMSE)均值为4.0 K,较GPT3及GT_(m)-III模型分别提升21.6%及8.0%,且在高海拔地区表现出明显的精度优势;CT_(m)S模型的PWV不确定度均值为0.32mm,相比于GPT3及GT_(m)-III模型分别减少16.6%及6.5%,且在中国西北地区表现出更优的精度及稳定性;提出的模型可为中国地区GNSS实时水汽监测提供参考。

顾及周期性变化的大气加权平均温度模型构建

针对大气加权平均温度(T_(m))是地基全球卫星导航系统(GNSS)水汽反演过程中的一个中间变量,其精度会影响地基GNSS水汽反演精度,同时T_(m)表现出较强的地域性差异的现状,研究建立地区的T_(m)模型:利用兰州市榆中探空站气象数据和欧洲中期天气预报中心第五代大气再分析数据集(ERA5)分别建立单因子、顾及年周期变化、顾及年和半年周期变化的T_(m)模型;并对2种气象数据所建的3类模型进行显著性检验和精度验证。结果表明:模型均能通过显著性水平为0.05的显著性检验,同时顾及周期性变化模型的预测值的均方根误差和平均绝对误差均小于贝维斯(Bevis)模型和单因子模型;利用顾及周期变化的模型预测的T_(m)偏差中大于5 K和大于10 K的值占比明显减小且预测残差的周期趋势明显减弱,具有零均值的正态分布特性,仅表现出误差的随机性。总体而言,ERA5气象数据所建模型预测精度高于探空站气象数据所建模型;用ERA5气象数据建立的顾及周期性变化的T_(m)模型可用于兰州市GNSS大气水汽反演。

HRCLDAS与ERA5-Land气温日统计数据在山东地区的对比评估

基于山东省2021年3月—2022年2月1519个气象观测站2 m气温观测数据,对中国气象局高分辨率陆面数据同化系统(High Resolution China Meteorological Administration Land Data Assimilation System,HRCLDAS)和欧洲中期天气预报中心第五代陆面再分析数据集(ERA5-Land)逐小时2 m气温分析的日统计数据(平均气温、最高气温、最低气温)进行对比评估。结果显示:(1)HRCLDAS/ERA5-Land日统计平均气温、最高气温、最低气温的均方根误差分别为0.1/1.2℃、0.6/1.9℃、0.4/1.7℃,表明HRCLDAS具有更高的精度,且在不同地理区域、不同海拔高度的表现均优于ERA5-Land,大部地区的偏差(-0.5~0.5℃)远低于ERA5-Land(-2.0~2.0℃)。(2)两套数据对高温及寒潮过程的监测能力对比评估表明,HRCLDAS能够捕捉到大部分的高温以及寒潮过程,其与观测的高温日数及寒潮日数空间分布较为相似,但对影响范围存在一定的低估;ERA5-Land则只能监测到部分高温及寒潮过程,并对高温日数与寒潮日数存在严重的低估。

基于CFSR资料的青藏高原低涡客观识别技术及应用

根据人工识别青藏高原低涡的基本标准,结合高原气象学和几何学相关知识,确定了高原低涡客观识别的标准,利用气候预报系统再分析资料构建了2001-2010年高原低涡活动客观识别数据集.对识别出的低涡与低涡年鉴及基于NCEP再分析资料的人工识别数据集进行对比,分析夏季低涡的气候学特征.结果表明,低涡客观识别方法在夏季生成频数、月分布等方面与主观识别的统计结果相近;客观识别与基于NCEP资料人工识别数据集的吻合率约为60%,与低涡年鉴的吻合率约为50%.客观识别出的高原低涡在6月出现最多.涡源主要分布于西藏那曲、改则、双湖和申扎一带,其中生成于高原西部、中部和东部的低涡分别占33%、39%和28%.低涡在高原停留12 h的占60%,停留24h的不足10%;低涡的移动方向主要有东北、东、东南,其中向东北移动的低涡最多.

西北涡东移的大尺度环流特征分析

利用气候预报系统再分析资料1980-2010年5月的数据,分析了东移西北涡的环流形势.结果表明,在西北涡东移过程中,东亚大槽和南支槽共同起作用.槽尾或槽后脊前产生的迴流东风提供了冷空气,起激发作用;南支槽前的西南气流向北输送水汽和热量,冷暖气流汇合,出现较大的温度梯度,导致低涡移动.受北极涛动影响,西伯利亚高压及东亚大槽的强度变化存在超前(滞后)的相关,即北极涛动负位相时,西伯利亚高压的加强早于东亚大槽的发展.对东亚大槽与南支槽之间的相关性分析显示,东亚大槽的发展早于南支槽的发展.