扩展Nudging模式误差订正与初值蒙特卡洛集合预报的融合——模式参数和微分方程均有误差

本文主要研究扩展Nudging模式误差订正方案与初值蒙特卡洛集合预报的融合预报方法。这一方法首先使用历史资料估计出常数型模式误差,并将其叠加在模式倾向上作为新的预报模式,预报时再对此新预报模式的初始场叠加多了扰动,进行蒙特卡洛集合预报。这样在预报中不仅订正了模式误差,而且也考虑了初始场不确定性。在模式参数和微分方程均有误差的情况下,在最大简化气候模型的混沌台上,对这一新方法的预报效果做出全面的评估。数值试验结果表明,这一新方法在适当的人为扰动量级、预报时段和观测误差量级前提下,可以获得很好预报效果。

一阶模式误差订正方案的长期积分性质对初值的依赖性

采用最大简化气候模型,使用理想试验的方法,对模式用无误差的参数积分10 010 d,每隔10 d取一个值,获得1 000个初值,用任意一个初值积分500 000步,用所得的数据通过grapher软件可得出散点图和概率密度分布图,通过对模式长期积分在相空间中的概率密度分布分析得出参数无误差模式和有误差模式的长期积分性质对初值的依赖性不大而一阶模式误差订正方案长期积分性质对初值的依赖性很大,且与回溯阶有很大的关系。

诏安县冬季低温订正预报及其在农业生产的应用

利用CMA-3km模式数据和地面观测数据,对比分析模式在诏安县冬季低温预报的效果,动态统计2021—2022年冬季CMA-3km模式对诏安县20个自动站点72 h预报时效内2 m低温的预报误差规律。通过对比分析三种订正方案,得出订正方案的有效性是建立在较丰富的训练集基础之上,可利用扩展特征维度或增加样本容量来实现更好的订正效果。通过对模式进行本地化订正,可提高低温冻害预警准确性和及时性,对农业生产的防灾减灾有着重要的作用。