冬小麦产量集成预报模式的探讨

作好冬小麦产量预报是气象为农业服务的重要项目之一。本文根据平凉市统计局提供的冬小麦产量资料,利用平凉市的气象资料及有关环流参数资料,分别建立了平凉市冬小麦气候产量的气象模式、环流模式和周期分析模式,进而对冬小麦产量集成预报模式进行了探讨。

粤港澳大湾区汛期降水的多模式集成预报方法的评估检验

基于欧洲中期天气预报中心(ECMWF)、中国气象局(CMA)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、英国气象局(UKMO)五个模式集成的交互式全球大集合预报系统(THORPEX Interactive Grand Global Ensemble,简称TIGGE)资料集的确定性预报、集合预报以及地面降水观测数据,采用多模式集成平均(EMN)、消除偏差集成平均(BREM)、滑动训练期超级集合方法(R_SUP)对2018年华南汛期(4—9月)粤港澳大湾区的降水预报开展了评估检验。总体而言,多模式集成预报方法在大湾区前汛期降水预报的均方根误差平均比后汛期高2 mm;多模式集成预报方法的预报能力在前汛期随着预报时效的延长而呈持续下降趋势,后汛期则表现为短期(24~72 h)下降、中期(72~168 h)持续平稳的变化特点。与预先的假设差异主要表现在:对前、后汛期的降水预报综合表现最好的均是数学原理相对简单的EMN,而BREM和R_SUP的空间平均评分指标则稍差,但其在降水落区预报中仍有较好的预报技巧。

基于TIGGE资料的地面气温和降水的多模式集成预报

利用TIGGE资料集下中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96h延长至192h,且除个别时效外,小雨、中雨的TS评分得到明显提高。

基于BP神经网络的污染物浓度多模式集成预报

基于中国气象局雾-霾数值预报系统CUACE、北京区域环境气象数值预报系统BREMPS和华东区域大气环境数值预报系统WRF-Chem三个环境气象模式预报产品,利用BP神经网络方法建立多模式集成预报模型.首先通过实验得到BP神经网络的训练函数、隐含层节点数和训练样本长度分别为贝叶斯归一化训练函数trainbr、10和50.随后选取北京、天津和石家庄站点的预报结果检验该模型的预报性能.结果表明:(1)相对于单模式,BP神经网络集成预报的3~72h逐3h污染物浓度和观测之间的归一化平均偏差从-100%~200%降低到-20%~20%,污染物浓度和观测的均方根误差比各单模式降低15%以上,相关系数从0.1~0.8提升到0.3~0.85之间,说明其预报结果优于各单模式.(2)2016年AQI等级评估表明,集成模型预报的北京轻度和中度污染的TS评分分别比CUACE提高22%和10%,在天津重度污染的空报率和漏报率分别降低31%和25%.(3)2016年12月份的重污染过程评估发现,集成模型预报的PM2.5浓度的演变趋势和实况基本相符.

2008年初中国南方冰冻雨雪天气的多模式集成预报

利用逐日平均气温和24小时累积降水量资料研究了2008年初中国南方低温雨雪极端天气事件的特征。还利用TIGGE(THORPEX Interactive Grand Global Ensemble)资料中欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)以及中国气象局(CMA)提供的集合预报资料进行多模式集成预报试验。结果表明,2008年初中国南方1/3以上测站的降水偏多达50年一遇,50年一遇的低温还出现在贵州和湖南西部。利用滑动训练期消除偏差集合平均(R-BREM)方法对地面气温做24～216 h预报,发现其预报技巧明显高于单个模式预报和其它多模式集成方法的预报技巧。以欧洲中期天气预报中心地面气温96 h预报的均方根误差作为标准,R-BREM方法能将中国东南部地区的气温预报时效延长到192 h。R-BREM方法还能有效地提高降水预报的准确率,24～192 h小雨预报的TS评分明显高于单个模式预报及其它多模式集成预报的评分,但72 h预报例外。对于24～192 h中雨预报,R-BREM方法也较单个模式及其它多模式集成预报方法的预报技巧高。

多模式集成方法对延伸期降水预报的改进

利用TIGGE（THORPEX Interactive Grand Global Ensemble）资料中的CMC、ECMWF、NCEP和UKMO 4个中心全球集合预报模式对2007年10月3日—2008年2月29日逐日累积降水进行多模式集成预报试验。通过集合平均、多模式消除偏差集合平均、加权消除偏差集成3种方法进行试验对比,重点分析各中心模式及多模式集成的240~360h（10~15d）延伸期预报的检验效果。结果表明,多模式集成对逐日累积降水240~360h延伸期预报优于单个中心模式,将逐日降水的预报时效提高了72~168h。3种集成方法对比发现,多模式消除偏差集合平均方法预报效果最好,该方法将晴雨量级的降水预报时效在中短期和延伸期至少提高了1d和5d。

基于卡尔曼滤波的中国区域气温和降水的多模式集成预报

利用TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。

基于多模式降水集成的陆气耦合洪水预报

针对基于单模式陆气耦合模型在洪水预报中存在的不确定性问题,利用三种数值天气预报模式MC2、GEM与T213开展基于多模式降水集成的陆气耦合洪水预报研究。通过淮河流域2007～2009年3场暴雨洪水验证表明:基于多模式降水集成的陆气耦合洪水预报可以有效地减小不确定性、提高精度和稳定性;但基于多模式降水集成的陆气耦合洪水预报对小尺度局地强降水仍存在较大的不确定性,今后需对此展开进一步的研究,以给出更加稳定、可靠的洪水预报结果。

基于深度学习的中国地面气温的多模式集成预报研究

基于TIGGE资料中的欧洲中期天气预报中心、英国气象局、美国国家环境预报中心、韩国气象厅和日本气象厅2015年1月1日—9月30日中国及周边地区地面2 m气温24~168 h集合预报资料,利用长短期记忆神经网络(Long Short-Term Memory,LSTM)、浅层神经网络(Neural Networks,NN)、滑动训练期消除偏差集合平均(BREM)和滑动训练期多模式超级集合(SUP)方法对2015年9月5—30日26 d预报期进行集成预报试验。结果表明,BREM对5个单模式进行等权集成,预报结果易受预报效果较差模式的影响,整体预报技巧略低于单个最优模式ECMWF的预报技巧。其中在新疆南部,等权集成后的预报技巧更低。SUP的预报结果比所有单个模式预报更为准确。在144 h之前,SUP的误差明显小于ECMWF的预报误差,但随预报时效增加,误差增长幅度增大。NN对地面气温的预报效果与SUP的预报效果相当。LSTM整体预报效果最好,特别是在预报时效较长(超过72 h)时,比其他方法预报准确率明显提高。LSTM神经网络方法明显改进了我国西北、华北、东北、西南和华南大部分地区的气温预报,但在南疆部分地区误差较大。

基于复卡尔曼滤波技术的华东区域风的多模式集成预报研究

基于欧洲中期天气预报中心的业务预报系统(EC)、美国国家环境预报中心的全球预报系统(GFS)、我国的中尺度数值业务预报系统(CMA-MESO)和全球预报系统(CMA-GFS)这4个预报系统的华东及周边地区(20°~40°N、110°~130°E)2020年1—4月逐日地面和高空风的0~72 h预报资料,利用复卡尔曼滤波方法(augmented complex extended Kalman filter,ACEKF)对其进行多模式集成预报试验,并对结果进行检验和评估。结果表明,ACEKF方法的预报效果优于多模式消除偏差集合平均、多模式超级集合预报等方法和单一模式的预报,能够进一步降低风速预报的误差,提高风场预报的预报准确率。ACEKF在高空风速预报上的改进效果要优于地面风速预报,在地形复杂地区改进效果更优,在所有预报时效的均方根误差和距平相关系数上均有体现。

地面气象要素多模式集成预报研究进展

目前,集合预报已成为天气预报业务的主要支撑。然而,由于数值模式本身的限制与不完善以及集合系统存在初值扰动、集合大小等方面的局限,常存在预报偏差。不同预报模式通常具有不同的物理过程参数化方案、初始条件等,导致其预报能力各有不同。为此,如何纠正预报偏差以及如何充分有效地利用不同模式的预报信息以获得更加准确的天气预报广受关注。近年来,利用统计理论与预报诊断,基于多个集合预报系统的多模式集成预报技术得到快速发展,已成为有效消除预报偏差从而提高天气预报技巧的一种统计后处理方法。针对气温、降水和风3个最基本的地面气象要素,首先依据预报形式将应用范围较广的简单集合平均、消除偏差集合平均、超级集合、贝叶斯模式平均、集合模式输出统计等加权或等权平均多模式集成技术,分成确定性预报和概率预报两大类,并做系统介绍。最后,讨论使用和发展多模式集成技术需要关注的问题,包括考虑参与集成的模式个数、发展降水及风速分级预报模型和发展基于机器学习的多模式集成新技术。

基于SCE-UA算法的多模式降雨集成预报技术研究

高精度的降雨预报对于防汛决策具有重要指导意义.以中国气象局GRAPES_MESO模式、中国气象局T639模式、美国国家环境预报中心GFS模式和上海区域中尺度SMS-WARMS模式为基础,采用SCE-UA算法估计各预报模式权重系数,通过加权平均建立多模式降雨集成预报,并以宁波市2016年8月1日至2016年10月31日和2017年9月1日至2017年11月30日的降雨过程为例,从均方根误差、相关系数、TS评分等多个方面分析集成预报的预报效果.结果表明:基于SCE-UA算法的多模式降雨集成预报的预报效果不仅优于各单一预报模式,而且优于遗传算法和BP神经网络集成预报,表现出较好的适用性.

日极端气温的多模式集成预报应用及检验

基于Grapes、T639、ECMWF和JMA精细化数值模式,利用平均集成(EMN)、反误差加权集成(IEWE)、消除偏差加权集成(BRWE)法进行广州5个观测站的日极端气温集成预报研究。结果表明:(1)数值模式对最高气温的预报较为接近,其中Grapes模式的预报效果相对较优;模式对最低气温的预报普遍优于最高气温,ECMWF模式明显优于其余3种数值模式。(2)BRWE的效果最好,尤其对最高气温预报有明显改善,其24~72 h预报效果较最优的Grapes模式分别提高了27.6%、17.1%、9.9%;对最低气温的预报亦有改进,24 h预报误差较最优的ECMWF模式提高12.5%,但48~72 h的改进效果则不明显。(3)集成预报在不同季节的效果有一定差异,在夏秋、冬季节,BRWE的最高气温预报效果明显高于春季;而BRWE的最低气温预报在春、夏季节具有较高的应用价值。

基于偏最小二乘回归方法的东亚区域多模式温度集成预报试验

利用德国气象局(German Bureau of Meteorology,GBM)全球中期数值天气预报产品、日本气象厅(Japan Meteorological Agency,JMA)全球中期数值天气预报产品和中国国家气象中心T639数值预报产品3个子模式,采用偏最小二乘回归(partiaI least square regression,PLS)方法、超级集成(multi-model superensemble,SUP)方法和消除偏差集成平均(bias-removed ensemble mean,BREM)方法对比试验,建立2012—2013年冬季东亚区域(15°~70°N、90°~145°E)的地面气温多模式集成预报模型,并进行2014年冬季24~72 h预报时效的地面温度的多模式集成预报研究。为进一步验证集成方法的性能是否具备稳定性,以2014年2月1—9日发生的寒潮天气过程为个例进行检验分析。结果表明,多模式集成预报模型能够综合子模式优点,预报效果明显好于3个子模式,且PLS方法优于SUP、BREM集成方法。

基于TIGGE资料的北半球地面气温预报的统计降尺度研究

基于TIGGE（THORPEX Interactive Grand Global Ensemble,全球交互式大集合）资料中欧洲中期天气预报中心（European Centre for Medium-Range Weather,ECMWF）、日本气象厅（Japan Meteorological Agency,JMA）、美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）和英国气象局（United Kingdom Met Office,UKMO）4个中心的北半球地面2m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均（bias-removed ensemble mean,BREM）和多模式超级集合（superensemble,SUP）方法进行统计降尺度预报研究.结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果.引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小.对比综合表现最好的单中心ECMWF的预报,1～7d的降尺度预报误差改进率均达20％以上.研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法.

3种全球预报背景场对中国太阳辐射预报的性能评估

基于3种全球模式预报产品,应用WRF模式开展全国范围10 km水平分辨率的逐时太阳辐射预报实验及多模式集成预报尝试,并采用总辐射观测资料对3种预报结果和集成预报结果进行检验评估,探讨3种全球预报产品作为WRF模式初始场开展太阳辐射预报的性能差异和多模式集合预报的效果。结果表明:3种全球预报场为WRF初始场和集成预报的总辐射日辐照量差异不大;4个典型月均为集合预报的逐小时辐射预报效果最优;在难预测或易预测区域,均为集成预报性能最优;T639_WRF和ECMWF_WRF的优势主要体现在我国西部,而在中东部及华南地区GFS_WRF的优势较明显。

数值预报产品在台风路径完全预报(PP)方法中的应用

本文用未来时刻的资料构造出一种新的TC路径客观预报模式,并分析未来时刻形势场因子对预报所起作用。

偏最小二乘回归在水汽和地面气温多模式集成预报中的应用研究

使用一种新的多模式集成方法偏最小二乘回归(PLS),利用其能完全消除多重共线性的特征来改善比湿和地面气温多模式集成预报的效果。基于TIGGE资料集下的欧洲中期天气预报中心(ECMWF)、中国气象局(CMA)、日本气象厅(JMA)和英国气象局(UKMO)4个中心集合预报结果,建立2012年多模式(25°~60°N,60°~150°E)区域24~168 h预报时效(间隔24 h)比湿和地面气温的多模式集成模型,分别使用消除偏差集合平均(BREM)、简单集合平均(EMN)、超级集合预报(SUP)以及偏最小二乘回归(PLS)4种方法对地面气温和水汽多模式集成,利用均方根误差(RMSE)和距平相关系数(cor)来判定多模式集成的效果并且针对性地预报了一次短期寒潮过程。2次预报结果均表明:偏最小二乘回归(PLS)方法的多模式集成效果最好,不但优于4种单一模式而且表现出比其他3种方法更好的预报性能,具有一定的价值以及应用前景。

太平机场雷暴分析预报

本文根据能量天气学原理，利用数理统计方法，对哈尔滨太平国际机场1995－1997年的资料进行综合分析，建立了雷暴预报的AmK模式、总温度模式和经验预报模式，在此基础上建立了一个雷暴集成预报模式，并在计算机上实现了自动分析、处理和预报，经回报检验和试报，效果较好。

基于熵和条件生成对抗网络的城市AQI预测研究

精准的短期城市空气质量指数(AQI)预测对人们合理规划出行、政府精确开展治理环境问题、提升城市形象、促进经济发展有着十分重要的意义.AQI的变化与气象条件和污染物的排放量等诸多因素有关,因此,城市AQI预测的研究和评价是一个多变量、非线性问题.为了深度学习非线性AQI数据中所隐含的深层次关系和提高预测的准确性,提出了一种结合气象因子多模式集成预报的基于条件生成对抗网络(CGAN)的AQI预测模型.以四川省内江市3年的AQI数据作为实际算例,对比其他模型的预测结果,仿真实验结果表明该预测模型对AQI的预测结果更加准确.