基于WRF-NAQPMS的一次沙尘天气预报评估

为提高沙尘天气的预报准确率,利用ECWMF再分析资料和近地面PM_(10)小时质量浓度监测数据,评估WRFNAQPMS模式对2021年3月15—21日甘肃强沙尘过程的预报能力。结果表明,WRF-NAQPMS能够在一定程度上模拟此次污染过程:WRF对“3·15”天气系统的模拟与实况整体趋势较为一致,随着预报时效延长,气象模拟场移动偏快,导致沙尘预报场发展偏快、沙尘二次传输影响下游时间提前;近地面风向的局地偏差是导致甘肃中东部地区沙尘浓度出现预报误差的主要气象因素。NAQPMS模式对PM_(10)小时质量浓度的模拟随着预报时效增加和离沙源地距离的增大,预报误差逐步增大:在河西地区,沙尘影响时段和起沙浓度的模拟值均接近监测值,其中嘉峪关、酒泉、张掖的PM_(10)小时质量浓度模拟值与监测值相关系数r>0.8;中部地区城市的沙尘影响时段预报略有偏差,且模拟值低于监测值;受复杂下垫面和气象场预报误差影响,省内其他地区沙尘预报结果参考性较低。

基于GRAPES的西北地区沙尘暴数值预报模式及其应用研究

介绍了中国气象局兰州干旱气象研究所和中国气象科学研究院数值预报研究中心合作研制的耦合于GRAPES(Global/Regional Assimilation and Prediction Enhanced System)的沙尘暴数值模式GRAPES_SDM.该模式包括沙尘的起沙、传输、吸湿增长、并合、干沉降与云下清洗等详细的物理过程,可以对沙尘暴的起沙和空气中沙尘浓度进行模拟和预报.在此基础上形成了西北地区的沙尘暴数值预报模式系统,并于2005年4月开始在兰州中心气象台试运行,同时还将模式结果与卫星遥感资料反演的沙尘暴监测结果进行了对比验证.以2005年4月17～19日和5月28～29日发生在西北地区的2次强沙尘暴为例,利用GRAPES_SDM对这两次沙尘天气的起沙、传输、扩散直至消散进行了数值模拟.结果表明,模式输出的沙尘时空分布与实况观测和卫星云图监测的沙尘分布范围基本一致,说明该模式系统对西北地区沙尘暴天气的起沙、传输有较好的模拟和预报能力.

粒子群算法优化RBF-SVM沙尘暴预报模型参数

为提高沙尘暴的预报准确率,针对目前已出现的RBF-SVM沙尘暴预报模型中的参数优化进行研究.利用基本粒子群优化算法(SPSO算法)中粒子速度及其位置与RBF-SVM模型中参数对相对应,对沙尘暴进行预报,为解决SPSO算法易陷入局部解的缺陷,提出了惯性权值自适应调节的改进粒子群算法(WPSO算法),并对沙尘暴RBF-SVM模型参数进行了优化.仿真结果表明,无论是SPSO算法,还是WPSO算法,在优化RBF-SVM沙尘暴预报模型参数方面都表现出了良好的性能,分别比已有的SVM方法的预报准确率提高了22.3%和45.3%.

宁夏区域性强沙尘暴短期预报系统

通过对产生强沙尘暴天气三大因子的实时诊断，从强冷空气、热力不稳定和近地层环境分析入手，依据宁夏强沙尘暴天气预报着眼点，在较全面地对产生强沙尘暴天气的三维空间物理量结构和动力过程所进行的动力过程相似检验前提下，通过渗入有明确天气学意义并对宁夏强沙尘暴有实际预报能力的综合指标和组合模型，在天气系统自动识别技术的支持下，应用螺旋度修正方案确定强沙尘暴落区，建立自动、客观化的宁夏强沙尘暴天气监测和预报系统。

不确定性理论集对分析在沙尘暴预报中的应用研究

应用集对分析(SPA)这一关于不确定性问题的数学理论和方法,基于概率统计分析,从SPA的同、异、反分析出发,用联系度公式导出解决预报中合理地使用预报因子的方法,实现预报模型因子结构的动态优化,增强模型预报机制的合理性,达到提高模型预报能力的目的。在以往对沙尘暴研究成果的基础上,以强风、热力和沙源三大影响因子为着眼点,结合2001—2003年的沙尘暴天气个例,对沙尘暴天气进行了分类,分别选取预报因子,建立基于SPA的沙尘暴预报模型。根据数值预报产品输出结果,于2004年春季进行了短期(24h)预报试用,结果表明,这一方法具有较好的效果。

基于概率神经网络的沙尘天气预报

为了对敦煌地区沙尘天气过程进行预报,构造概率神经网络模型。尝试组合多种预报因子,选取最优预报因子。通过叠套方法进行预报消空,减小冗余的晴好天气样本。使用Matlab神经网络工具箱提供的函数建立沙尘天气预报模型,并采用遗传算法获得模式层最佳平滑参数,来优化概率神经网络模型结构,使概率神经网络的函数逼近能力和网络性能得到提升。以此进行的沙尘天气预报效果较好,准确率达57%以上。

沙尘暴数值预报与预报服务推广

CUACE／Dust完成2007年春季沙尘暴预报服务，为中央气象台、华风影视集团、气象报社、新华社等国内多家单位提供沙尘暴数值预报产品184期；为国际沙尘暴网站制作发布提供英语沙尘暴预报公报110期。为业务会商提供幻灯片和文档材料共66期，5次参加08：00天气会商；CUACE／Dust对东北亚春季25次沙尘暴过程中的22次都做到有效预报。

相似离度的沙尘暴预报业务系统

选择1988年以来ECMWF资料齐全的沙尘暴个例,将其按区域分为全区、西部、中部、中西部以及中东部5类,再按强弱分别分为强和一般2类,建立不同的样本库。根据多年预报经验建立消空指标,对实时资料进行消空,在消空的基础上,用相似离度分析方法对ECMWF的3个场(500hPa高度场、850hPa温度场和海平面气压场)的历史资料库和实时资料进行比较,制作不同时次的沙尘暴预报。并利用VB和Fortran语言编程,建立沙尘暴预报业务系统,用人机交互的方式完成预报的制作,实现预报结果在Micaps系统下的自动显示。

大连地区沙尘天气预报预警业务平台

为完善沙尘暴下游的预报预警业务,开发设计了大连地区沙尘天气预报预警业务平台。在概述平台设计思路、结构及其特点基础上,介绍了沙尘预报预警流程,对起沙预警和相似判别分析等预警原理进行探讨,并分析了平台试用结果。结果表明:平台是一个实用性强的业务工作平台,运行流程符合预报员工作流程,顺应预报思路,具有较强的实时业务应用能力,应用效果显著,可初步满足大连地区沙尘预报业务工作需要,为沙尘预报预警服务提供技术保障。

未卜先知——沙尘天气是如何预报出来的

作为世界气象组织亚洲沙尘暴预报区域专业气象中心,我国在沙尘暴起沙、传输、沉降等领域有多年研究经验,在沙尘暴监测、预报、预警方面也积累了丰富的经验,沙尘暴数值预报水平得到国际认可。那么,沙尘天气具体是如何预报出来的呢?

揭秘:全球仅有的两个沙尘暴预报区域中心为何设在北京和巴塞罗那

近年来,每到三四月,我国中东部地区就会接连遭遇沙尘天气,一个名为“世界气象组织亚洲沙尘暴预报区域专业气象中心”的机构也开始为更多人所熟知。那么,类似的沙尘暴预报区域中心在全球还有几家?它们又肩负着怎样的责任?

基于遗传神经网的沙尘暴预测模型的研究

神经网络结构和学习算法在很大程度影响模型建立的时间和预测结果的准确性,论文针对现有BP神经网络的缺陷,提出了基于遗传算法的神经网络预测模型,并利用该模型研究了沙尘暴的预测问题。仿真预测研究表明,提出的方法无论是收敛速度方面还是预报准确率方面,都取得了比较满意的结果。

沙尘暴监测与预警方法研究

基于对以往沙尘暴监测和预报的研究,依托天气气候观测网,应用不断发展的卫星遥感监测和天气预报技术,提出符合陕西省天气气候特点的沙尘暴监测、综合预警方法。

国际沙尘暴研究计划进展显著

该项目已经获得世界气象组织（WMO）正式批准，由中国气象科学研究院张小曳研究员作为科学指导委员会联合主席负责牵头组织，执行期为10年。该项目执行2年以来已经在国际沙尘暴预报、预警和科学研究领域取得诸多进展。2006年10月31日至11月1日在上海召开了国际沙尘暴计划科学指导委员会第2次会议。来自中国、美国、德国、加拿大、韩国、西班牙、蒙古、埃及8个国家的20多位科学指导委员会委员以及会议特邀专家出席了会议。

沙尘天气识别和预报方法研究综述

沙尘天气是极端天气现象,会使空气浑浊、能见度骤降,给人类社会各个方面带来恶劣影响;沙尘气溶胶还通过改变大气辐射收支及云微物理特性对天气气候产生重要影响。围绕沙尘天气的相关研究一直是灾害天气预报领域中重要的研究方向,准确识别和预报沙尘天气在生态环境保护、气候变化等方面均具重要意义。回顾了近年来关于沙尘天气识别与预报方法相关的研究成果,对重要的方法进行了详细介绍,同时分析比较了不同方法的优缺点。最后,对沙尘天气识别与预报相关的研究成果进行了总结,并展望了有价值的研究方向。

运城市沙尘天气特征分析

利用运城市13个气象观测站的资料,对1961—2001年运城的沙尘天气气候特征和沙尘天气的主要环流形势特征进行了分析研究,结果表明:运城的沙尘天气中,浮尘最多,占66%;扬沙次之,占32%;沙尘暴最少,占2%。风沙多发生在春季,冬季次之,夏季最少。20世纪60年代至70年代沙尘天气多,80年代至90年代明显减少。

尺度适应性起沙机制在CMA-CUACE/Dust中的应用

沙尘暴是影响我国重要的灾害性天气之一,针对中国气象局亚洲沙尘暴数值预报系统CMA-CUACE/Dust(China Meteorological Administration Unified Atmospheric Environment for Dust)的沙尘质量浓度在中亚高估、蒙古北部低估、在我国消散过快以及极端沙尘暴预报峰值偏低等问题,应用与模式格距匹配的尺度适应性起沙机制并更新风蚀资料库对模式进行改进。对2021年3月13—17日东亚最强沙尘暴个例和2023年3—5月与业务运行环境一致的连续预报试验表明,改进后的模式(CMA-CUACE/Dust V1.5)有效改善了上述不足,极端沙尘暴过程传输至我国后的沙尘质量浓度峰值与观测接近。连续预报试验TS(threat score)评分显示:CMA-CUACE/Dust V1.5预报一致性和连续性较好,1~5 d不同时效预报TS评分明显高于改进前和韩国模式ADAM(the Asian Dust Aerosol Model),漏报率明显降低,对2023年5次沙尘过程的4次预报TS评分高于0.3,部分过程超过0.5。

新一代沙尘天气预报系统GRAPES_CUACE/Dust:模式建立、检验和数值模拟

基于中国气象局数值预报基地研发的新一代全球/区域同化、预报系统(GRAPES)的中尺度预报模式(GRAPES_meso)和中国气象科学研究院大气成分中心开发的大气化学模块(CUACE/dust),建立了中国沙尘天气预报系统(GRAPES-CUACE/Dust).该系统引入了中国地区最新的土地沙漠化资料、中国沙漠沙尘气溶胶的光学特性资料、逐日变化的土壤湿度和雪盖资料.模式质量守恒性能良好.将批量实时预报结果与地面天气观测和臭氧分光计反演的气溶胶指数(TOMS AI)的对比表明:模式能够比较准确地预报中国以及东亚地区沙尘天气发生、发展、输送以及消亡过程,能够对起沙量、干、湿沉降量、沙尘浓度以及沙尘光学厚度等一系列要素进行实时定量预报.以2006年4月7次主要沙尘天气为例,分析了起沙和干、湿沉降以及沙尘大气载荷的时空分布等特征.结果表明,2006年4月东亚地区沙漠向大气中注入沙尘总量约为2.25亿吨,沙尘排放以下面三大源区为主:中国北部内蒙古和中蒙边界附近沙漠为东亚沙尘最重要的排放源,沙尘排放量为1.53亿吨,占排放总量的68%.塔克拉玛干沙漠沙尘排放量位居第二,将近4000万吨,占沙尘排放总量的17%,浑善达克沙地排放量约为1500万吨,占排放总量的7%.其他地区的沙漠、沙地以及废弃的耕地等的沙尘排放量之和只占沙尘排放总量的8%.2006年4月东亚地区沙尘沉降总量为1.36亿吨.沙尘沉降的区域分布表明,三大沙漠源区同时也是沙尘的主要沉降区,三大源区的沉降量大约占沉降总量78%,共1.35亿吨的沙尘在三大沙漠源区沉降,其次是源区下游的中国大陆地区,沙尘沉降为沉降总量的16%,大约200多万吨.120oE以东的中国近海、韩国、日本以及西太平洋地区沉降量只占总沉降量的6%左右,约85万吨.干、湿沉降的分析表明,由于4月中国北方地区干燥少雨,在2007年4月的沙尘沉降总量中,以干沉降为主,大约占沉降总量的94%,湿沉降只占沉降总量的6%左右.

预报沙尘暴

强沙尘暴的突然降临犹如恶魔现身，狂风裹挟着沙粒铺天盖地而来，顷刻间，天地变色，日月无光。中国科学家研制的沙尘暴预报系统，实现了沙尘暴的精确数值预报。科学家可以提前4天预报未来沙尘暴发生的地点、强度、路线和持续时间。

沙尘模式地表起沙参数不确定性分析

起沙的参数化方法对沙尘天气的预报质量起着至关重要的作用。首先分析了目前应用广泛的沙尘模式中的参数土壤塑性压力P和cy对地表水平沙通量与垂直沙尘通量计算结果的影响,然后利用WRF-Chem3.0模式对2007年3月27—28日发生在我国西部地区的一次沙尘过程进行了模拟,分析了由于参数值选取的误差而造成沙尘模拟的不确定。结果表明,土壤塑性压力P对模拟结果有很大影响,P值的改变不仅影响PM10浓度大小的预测,而且还影响其浓度中心位置以及分布范围;cy值仅影响沙尘区域内PM10浓度大小的预测,对浓度中心位置和分布范围大小的预测没有影响。