基于CMA-TRAMS模式地形高度偏差的地面气温误差订正方法研究

采用一元线性方法建立南海台风模式CMA-TRAMS地形高度偏差和地面气温预报误差的回归关系,分别开展不分级、高度偏差分级和地面气温误差分级的三种订正方法的研究,并进行订正效果评估。结果表明,模式地面气温预报误差与地形高度偏差总体呈负的线性相关关系,地面气温预报绝对误差随地形高度偏差绝对值增大而增大(对模式地形高度偏低站点尤为明显),但不同时刻地面气温预报误差特征表现不同,模式对地形高度偏高(即模式地形高于测站高度)和地形高度偏差小于50m的站点,06时地面气温(世界时,下同)预报总体偏低,对地形高度偏低大于50m的站点(即模式地形低于测站高度),06时地面气温预报总体偏高;而无论站点地形高度偏差如何,模式对18时地面气温预报总体偏高。三种订正方法中地面气温误差分级法能有效地减小地面气温预报误差,该方法订正后的分析场准确率可达96%~99%,12~48小时时效预报场准确率总体可提升至90%以上,该方法具有回归关系稳定、效果显著、适用性广、简单易行等特点。

基于旋转经验正交分解的流域降水气候预测误差订正方法

流域尺度的降水短期气候预测水平对流域的防灾减灾具有重要价值。为了进一步提高中国科学院大气物理研究所新一代大气环流模式IAP AGCM 4.1在淮河和长江流域夏季降水预测效果,利用旋转经验正交分解(Rotated Empirical Orthogonal Function,REOF)方法对两个流域夏季降水区域特征进行分析的基础上,建立了一个适用于流域的分区经验正交分解(Empirical Orthogonal Function,EOF)订正方案,并利用IAP AGCM 4.1气候预测系统在两个流域的夏季降水共30年(1981~2010年)的集合回报试验结果进行了订正试验。结果表明分区订正方法明显改进了模式对淮河流域的夏季降水预测水平,淮河流域的流域平均相关系数从0.03提高到了0.22。对长江流域的季度降水预报也有显著的改进效果,平均相关系数从−0.05提高到0.24。分区订正结果明显优于流域整体订正方案,证明了基于REOF分析确定降水具有强局地性特征的订正区域,能够很好地提高EOF订正方法的效果稳定性,这对其他流域降水预测的订正研究具有很好的借鉴意义。

深度卷积神经网络对陕西地区气温预报误差订正效果研究

当前气象预报工作中,数值模式预报处于核心地位,气象预报结果对其依赖性很强,但其预报结果存在一定误差。为了降低误差,本文提出了一种基于卷积神经网络的深度卷积神经网络(DCNN)订正方法,并基于欧洲中心的2 m温度预报资料和再分析资料在陕西地区进行了预报订正。通过对订正结果的分析表明,DCNN订正方法能有效提高预报准确率,预报误差越大订正效果越明显;其订正效果在一定范围内随着参数epoch的增大而提高;其前期的订正效果要明显优于后期。

误差订正在辽宁地区冬季温度预报中的应用

利用7d固定误差订正和滑动误差订正方法对2014年冬季辽宁地区中尺度业务模式2m温度预报产品插值结果进行订正,并将订正结果与中央气象台MOS预报进行对比,分析MOS、7d固定误差订正和滑动误差订正3种数值模式后处理方法对辽宁地区冬季温度预报准确率的影响。结果表明:经过两种误差订正后的预报结果准确率均比数值模式预报插值结果高,滑动误差订正效果优于7d固定误差订正;24h最高气温预报中,滑动误差订正结果的准确率最高;最低气温预报中,08时滑动误差订正结果准确率高于中央气象台MOS预报,但20时滑动误差订正结果准确率低于MOS预报。滑动误差订正需1—15d的资料积累,比MOS方法所需资料少且操作简单,适合观测资料积累少的地区开展数值模式的温度订正。

超级集合预报的误差订正与集成研究

利用类似KALMAN滤波的自适应误差订正法对中国国家气象中心、日本气象厅、美国国家环境预报中心、加拿大气象中心和澳大利亚-法国气象局的区域集合预报模式2m温度预报做订正,并对订正后的结果采用算术平均和多元回归两种方法进行集成。结果表明:订正后温度预报的各项检验指标都显示出不同程度的改善。36h内平均绝对误差在1.8℃以内;均方根误差也有明显减小,且与离散度大小更接近;talagrand图的U型分布仍然存在,但个别成员异常的现象得到改善;集合成员预报分簇的现象得到了很好的矫正;此外预报误差存在日变化。两种集成方法的温度预报结果都优于单一模式预报,并且不存在明显的系统误差,预报达到了一定精度。其中多元回归方法的集成效果胜于算术平均集成。

数值预报误差订正技术中相似-动力方法的发展

随着对天气和气候预测准确率要求的提高,在发展数值模式和资料同化技术的同时,很有必要在现有数值模式基础上开发误差订正技术。基于预报误差的不同类型对订正技术进行了分类,回顾了目前误差订正技术的研究进展。中国学者在该领域研究中将统计方法和动力模式相结合,发展了一种基于历史相似信息进行误差订正的相似-动力方法,实现了动力预报中历史资料的有效运用。重点介绍了该方法的基本原理、技术方案的演变过程,及其在不同时间尺度的天气和气候预测中的发展,结果表明该方法在中短期预报、延伸期预报、月平均环流预报和短期气候预测等各个时问尺度中均能够有效提高预报技巧。作为一项中国自主研发的创新技术,在天气预报和气候预测中发挥了重要作用,展现出广阔的应用前景。

基于EOF/SVD的短期气候预测误差订正方法及其应用

利用中国科学院大气物理研究所第2代短期气候数值预测系统(IAP-DCPⅡ)1980—1999年共20年的集合回报结果,提出了基于经验正交函数(EOF)和奇异值分解(SVD)的模式误差订正方法,并考察了上述订正方法对中国科学院大气物理研究所气候预测系统预测性能提高的季节差异及其稳定性,分析了订正方法对不同预报场的适用范围及其可能原因。结果表明:基于EOF/SVD的订正方法均可显著提高IAP-DCPⅡ东亚地区各个季节降水预测的水平,在这20年的降水订正预报试验中,各季节80%左右的年份订正预报效果要优于模式原始结果。其中EOF订正方法在夏、冬季略优,回报与实测降水之间的距平相关系数(ACC)平均值分别从订正前的-0.07和0.16提高到0.25和0.44。而SVD方法则在春、秋季明显较好,ACC平均值分别从订正前的-0.09和-0.07提高到0.36和0.30。两种订正方法多年的ACC提高效果比较还表明SVD订正结果在各个季节ACC为负值的年份明显少于EOF方法。因此,对于实际预测而言,SVD订正方法效果更为稳定。ACC的方差比较也证明,SVD订正方法具有相对较好的稳定性。同时针对订正方法实际应用的需要,以夏季降水、地表气温和500hPa高度场这3个变量为代表,文中还进一步分析了两种订正方法对夏季不同预报场的订正效果。结果表明,模态订正方法对不同预报场订正效果存在一定差异,对于中国科学院大气物理研究所的气候预测系统,上述方法并不适用于对夏季地表气温和500 hPa高度场预报结果的订正。

风能模式预报的相似误差订正

采用一种基于相似误差的模式后处理方法,对2011年10月18日一2012年1月5日WRF模式24 h预报的陕西延长风电场风速进行误差订正。该方法通过寻找与当前预报相似的历史预报来进行误差订正,克服了一般基于时间顺序的误差订正方法的不足,即不能处理由于天气系统的剧烈转变引起的预报误差的快速变化。相似误差订正方法减小了预报的均方根误差和中心均方根误差,相对原始预报分别减小9%和10%左右。该方法不仅可以减小系统误差,还可以减小随机误差,从而提高预报准确率。同时,订正结果相对原始预报具有更好的Taylor图模态相关。相似误差订正方法对风能预报敏感区的订正效果更为显著,均方根误差和中心均方根误差分别减小了12%和22%左右。该方法尤其适用于基于风能模式预报的风速误差订正,同时该方法对其他的预测系统和预报变量也有很好的应用潜力。

一个ENSO动力相似误差订正模式及其后报初检验

为有效利用历史资料中的相似信息,减小模式误差对ENSO这类跨季节年际尺度预测问题的影响提高动力模式的预测水平。作者利用一种基于统计相似的模式误差订正方法,以国家气候中心简化海气耦合模式为平台建立了相应的动力相似误差订正(DAEC)模式,并着重探讨了系统相似程度(全相似或部分相似)、误差重估周期以及相似样本个数等因素对预报效果的影响。结果表明,利用该方法可以有效地改善原有模式的预报性能,其中“全相似”比“部分相似”更能反映海气耦合系统的相似程度,从而对模式误差做出更为准确的估计,使预报误差明显减小。海洋和大气的误差重估周期对结果也有较大影响,在不同相似程度下分别存在着某种最优配置使得预报效果达到最佳。另外,在对相似样本存在状况及影响的研究中则发现在当前资料长度内整体上只存在着有限个相似样本,在此范围内随着样本取样数目的增加DAEC模式的预报性能逐渐提高。

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。

数值预报产品的误差订正方法

提出了一种基于统计学的数值预报产品误差订正的新方法,该方法根据模式前几个预报时次的误差计算出后面预报时次的误差,通过订正进一步提高了数值预报产品的精度,从而使其能够在日常天气预报中起到更好的作用.为了验证该方法的订正效果,设计了基于T213数值预报产品的订正方案并进行了试验.结果表明,订正方案稳定可靠,订正效果显著,明显减小了各时次的预报误差.另外,该订正方法计算量小,对计算机设备要求不高,便于在各级气象台站推广使用.

ECMWF模式地面气温预报的四种误差订正方法的比较研究

采用均方根误差对欧洲中期天气预报中心(ECWMF)确定性预报模式2007年1月至2010年12月的地面气温预报结果进行评估,并分别利用一元线性回归、多元线性回归、单时效消除偏差和多时效消除偏差平均的订正方法,对ECMWF模式地面气温预报结果进行订正。结果表明,4种订正方法都能有效地减小地面气温多个时效预报的误差,改进幅度约为1℃。在短期预报中仅考虑最新预报结果的一元线性回归订正方法要优于考虑多个预报结果的多元集成预报订正方法。在中期预报中考虑多个预报结果的多元集成预报订正方法更优,更稳定。在模式预报误差较大的情况下,多时效集成的订正方法能更稳定地减小误差。

统计-动力相结合的相似误差订正法

根据大气相似性原理,提出了利用历史资料的相似信息估计模式误差的反问题,并发展了一种相似误差订正(ACE)方法。该方法将统计和动力两种方法有机结合,在不改变现有数值预报模式的前提下,既充分利用了动力学发展的成就,又能够有效提取大量历史资料中的相似信息,达到减小模式误差、改进当前预报的目的。而且,ACE方法能够针对当前预报的特殊性来区分所利用过去资料的特殊性,提取历史相似信息间接求解反问题。定性分析表明,ACE方法与以往相似-动力模式原理是等价的,但无需重新建立复杂的相似离差预报模式,更具可行性和业务应用前景。在理想化的极限情形下,当数值模式或历史相似完全准确时,ACE方法的预报结果将分别蜕变为动力或统计学方法的预报结果。

数值模式误差订正方法初探

鉴于大气系统的复杂性,实际的大气运动方程包含许多数学简化。这些简化的方程组虽能模拟大气运动的主要特征,但无法揭示天气演变的所有细节,这将导致数值模式的预报能力受到极大限制。只有完善大气运动方程本身的确定性框架,才能从根本上减少预报误差。若无其他手段的帮助,仅依靠推导方法获取大气运动过程中的所有微分表达式将十分困难。演化算法具有自适应、自组织特征,它能处理复杂的数学问题,可从观测资料所蕴含的丰富信息中挖掘系统的动力学。本文结合演化建模的智能算法,提出了一种数值模式的误差订正方案,并以一维典型混沌系统Logistic模型为例,探讨了误差订正方案的有效性。数值试验结果表明该方法对模式误差有较强的反演能力,值得进一步深入研究。

天气雷达水平仪检测数据误差订正与数学处理方法初探

天气雷达天线座水平度的检测主要使用2种气泡式水平仪来获取数据。由于水平仪在天线座上的实际检测工作环境与水平仪原来的标准检定环境差别较大,所以直接获取的检测数据含有明显的误差成分,这在很大程度上影响到了对天线座水平度的准确检测。针对在水平仪检测数据订正与数学处理方法方面出现的问题,分别提出了对这2种气泡水平仪系统读数误差的确定方法和检测数据的数学处理方法。结果表明:对读数误差的确切分离与对检测数据进行恰当的数学处理,能够明显提高天气雷达天线座水平度检测数据的准确度和可信度。

珠江口外走航ADCP资料的系统误差订正与质量控制

在对珠江口外2006年冬季航次走航ADCP观测资料处理中发现用Joyce的方法不能有效地订正系统误差,其原因在于订正角与航速、船艏向相关。给出了一个订正角为船艏向余弦的拟合函数,得出良好的订正结果。分析了VmDas软件处理流速结果的精度,给出了系统误差识别的方法。发现观测资料中一些不能为VmDas软件识别的错误数据,分析了海况对观测资料的影响,提出了观测资料质量控制与误差订正的一套程序。

HYCOM模式SST的预报误差订正

尝试了一种新的通过自回归模型进行模式预报订正的方法:通过1992—2006年的卫星遥感和NERSC-HYCOM模式模拟的SST资料,计算模式15 a的历史误差序列,建立自回归模型AR(p),来估算2007年和2008年两年的误差,并用来对输出的模式资料进行修订,对修订后的模式预报结果进行检验。可以得出:经过数据订正以后,模式SST的均方根误差明显减小,相关系数增大,模式误差在很大程度上得到消减,订正效果明显;同时,订正效果也存在时间和空间上的差异,不同时刻,不同海域订正效果不尽相同。该方法计算过程简单,计算量小,便于实现。总体而言,利用本文方法对模式SST的预报订正具有很强的操作性和可应用性。

风暴尺度集合卡尔曼滤波中的采样误差订正局地化方法研究

在中尺度WRF-EnSRF系统中最新引入的采样误差订正局地化方法不仅考虑了回归系数偏差,而且计算量较小。该方法基于状态变量和对应观测值的相关系数的分布关系,根据离线蒙特卡洛技术制作的关于集合数和样本相关系数的查找表格确定局地化系数因子,进而订正由集合数选取有限造成的背景误差协方差被低估引起的采样误差。本文利用风暴过程的雷达观测资料做了一系列风暴尺度的资料同化理想试验,探讨了采样误差订正局地化方法在风暴尺度集合卡尔曼滤波同化中的技术特点和同化效果。结果表明:相比于经验局地化方法,采样误差订正局地化方法能够有效地改善集合同化的效果,对距离的敏感度更低,尤其在天气系统发展变化较快的阶段,新方法优势更大。并且,对不同观测变量以及在风暴发展的不同阶段使用不同的局地化方法,所得的结果都存在一定的差异,因此需要根据同化对象合理地选择局地化方法。

辽宁地区ECMWF模式气温预报检验及误差订正研究

利用2016—2018年ECMWF细网格模式12—36 h内2 m温度预报产品,选取辽宁地区65个城镇站点观测资料,评估预报产品在不同季节的预报准确率,并按季节分析固定误差订正方法和最优滑动周期订正方法对提高准确率的作用。结果表明:ECMWF模式预报产品对辽宁地区气温预报的准确率表现为,ECMWF模式最高气温冬季预报最优(城镇站点预报准确率为81.5%),最低气温夏季预报最好(城镇站点预报准确率为84.3%);采用最优滑动周期订正后,2016—2018年辽宁地区的最高气温和最低气温准确率较ECMWF模式自身分别提高了19.7%和20.5%,最低气温的预报准确率提高程度优于最高气温;在整个空间分布中,ECMWF模式对辽宁中部平原地区最高(低)气温预报准确率高于东、西部地区,辽宁东北部和西南部以及东南部的长白山余脉影响区域准确率明显低于其他区域。同时,在各季中,最高气温和夏季最低气温的订正预报能力优于其他季节;在地面晴、雨两种特征下,对辽宁地区24 h气温预报进行订正检验表明,该检验结果对辽宁地区最高(低)气温订正有一定补充作用,尤其是冬季降水出现时,最高气温预报补充订正效果最为显著。

中期数值天气预报的误差订正方法探讨

本文利用一个全球谱模式（T63L9）和1994年4个时段个例的全球客观分析资料探讨了中期数值天气预报的误差订正方法。个例分析的结果表明，采用定常误差订正和时空平滑误差订正方法，误差订正效果显著，可考虑在业务系统中采用。