我国无缝隙精细化网格天气预报技术进展与挑战

本文总结了2014年以来我国无缝隙精细化网格天气预报业务的技术进展,讨论了未来发展所面临的关键技术难点。无缝隙精细化网格预报技术的发展,得益于综合气象观测数据和多源资料融合分析网格实况产品的支撑,更依赖于多尺度数值预报模式和实时快速更新同化预报系统的快速发展。经过近5年的探索和努力,我国已经初步建立了针对不同预报时效的无缝隙精细化网格预报技术体系。对于0～4 h预报时效,主要基于全国雷达拼图和GRAPES-Meso模式预报,发展临近分钟级滚动外推预报技术;对于4 h到30 d预报时效,主要通过对区域或全球不同时空分辨率模式预报进行偏差订正、客观解释应用以及降尺度分析,提高预报的准确度和精细度。与此同时,研发了自动化、智能化的交互式预报制作平台,以满足客观高效制作与预报员对极端或高影响天气主观预报优势相结合的需求。发展了以格点实况分析场为参照的空间分析检验方法,初步实现了对高分辨率网格预报的质量跟踪和性能评估。未来的网格预报技术体系,需要吸纳前沿的技术研究成果,包括人工智能应用技术、高级多模式统计后处理技术和协调一致性关键技术等,并且建立统一完整的技术架构和开发标准等。     

CWRF模式在中国夏季极端降水模拟的误差订正

利用1980—2015年6—8月我国逐日降水观测数据评估CWRF模式（Climate-Weather Research and Forecasting model）多种参数化方案对我国夏季日降水的模拟能力,并考察累积概率变换偏差订正法（CDFt）的订正效果。通过将广义帕累托分布（GPD）引入到偏差订正模型中,提出针对极端降水的累积概率变换偏差订正法（XCDFt）,检验和评估其对极端降水订正的适用性。结果显示:CWRF模式微物理过程选用Morrison-aerosol参数化方案组合对我国降水场的模拟较好,CDFt订正效果良好;XCDFt偏差订正模型能够较好地提取模式建模与验证时期变化信号,订正后相比订正前与观测极端降水的概率分布更为接近;经过XCDFt订正后华南、华中和华北地区20年一遇的极端降水重现水平较模拟值更接近观测值,可为CWRF模式提高极端降水的业务预测水平提供参考。     

基于偏最小二乘回归的区域换式风速预报订正技术研究

利用偏最小二乘回归技术,将预报产品作为自变量,相应的自动气象站观测资料作为因变量,对2013-2016年冬季浙江省中尺度区域模式预报近地面风速进行订正和评估。所选956站中多数站点风速订正后有所改善,通过定量分析可知浙江西部地区整体改善效果最好,其中效果明显站点占91.7%;中部地区改善效果明显站点占86.5%;东部沿海地区改善效果略差,明显改善的站点占67%。各地级市整体表现均不错,除舟山地区为49.9%外,其他地区风速改善比例均超过50%。选取2017年1月20日浙江东北地区沿海大风过程分析发现订正后的风速与观测风速更为接近,在定海大岛站点(靠里)中表现尤为明显,订正后的结果具有显著参考价值。     

GRAPES_RAFS系统2 m温度偏差订正方法研究

本文通过对2013年6月20日至7月20日GRAPES(Global and Regional Assimilation and Prediction System)_RAFS(Rapid Analysis and Forecast System)系统每天8个时次每3h的2 m温度预报进行分析,发现各时次的预报均能较好地表征2 m温度日变化特征,但预报与实况存在一定的偏差,其中西藏东部川西高原、云贵高原、江南武夷山脉偏低于实况可达3℃,而华北地区偏高于实况3℃以上.为了减小GRAPES_RAFS系统偏差对2m温度预报的影响,本文采用平均法、双权重平均法、滑动平均法和滑动双权重平均法分别对GRAPES_RAFS系统2 m温度预报产品进行偏差订正,并对订正前后的结果进行检验分析和对比.结果表明:2 m温度订正后的平均误差大部地区减小到(一1～1℃),而均方根误差大部地区降低到2.5℃内.对于偏差较大地区,订正效果更为明显,如西藏东部川西高原,经过订正,平均误差绝对值由订正前3℃以上降低到1℃内,而RMSE由订正前4℃以上控制到3℃内.对比四种订正方法,双权重订正方法与平均法订正整体效果接近,但对个别站点,双权重订正法要优于平均法,经过滑动的订正方法比无滑动的订正方法订正效果更好,订正效果最好的是滑动双权重平均法,全国平均误差大部分在(-0.5～0.5℃)内,不超过(-1～1℃)的范围.     

“频率匹配法”在集合降水预报中的应用研究

基于“频率匹配法”的思路,采用两种方法进行了集合降水预报的订正研究,一种方法是利用集合成员降水频率订正简单集合平均平滑效应的“概率匹配平均”法,另一种方法是利用实况降水频率订正集合成员降水预报系统偏差的“预报偏差订正”法,通过个例和批量试验,结果表明:(1)概率匹配平均法可以矫正简单集合平均的平滑作用所造成的小量级降水分布范围增大而强降水被削弱的负作用,这种改进对强降水区更显著,并且集合系统离散度越大这种改进也越大;但该方法对预报区域内总降水量的预报没有改进作用,不能改善预报的系统性偏差.(2)虽然预报偏差订正法对降水落区预报的改进有限,但可以订正模式降水预报的系统性误差,改进雨量预报以及集合预报系统的离散度特征和概率预报技巧;直接对集合平均预报进行偏差订正的效果优于单个成员偏差订正后的简单算术平均.(3)在对每个集合成员的降水预报进行偏差订正后,概率匹配平均仍可改善其简单平均的效果,因此在实际业务中,应该综合采用上述两种方法,以获得在消除系统性偏差的同时各量级降水分布又合理的集合平均降水预报.     

一种改进的数值预报降水偏差订正方法及应用

对传统的消除偏差法进行改进,形成分等级消除偏差法,并使用混合训练期和60 d滑动训练期方案分别对2012年6—8月ECMWF (European Centre for Medium-Range Weather Forecasting) 模式夏季1~5 d的降水预报进行订正试验。为了尽可能符合中国东部夏季降水具有移动性及多种时间尺度变化的特点,混合训练期以预报期前30 d与预报期前一年同日的前后各15 d组成。结果表明:在使用分等级消除偏差法的基础上,相比ECMWF模式降水预报,两种训练期方案的订正结果几乎对各个阈值的ETS评分均有一定提高,特别是对25 mm以上降水预报评分的提高幅度,混合训练期方案的订正结果明显高于60 d滑动训练期方案;在区域性强降水预报的订正中,混合训练期方案优势更为明显。另外,通过分析两种训练期方案的预报偏差发现,分等级订正是此次消除偏差订正试验中提高强降水预报评分的关键,选择合适的训练期可以增加评分提高的幅度。由于上述试验使用的ECMWF模式预报和站点实况均是业务上常用数据,因此,该方法具有一定的业务应用价值。     

基于作物系数与水分生产函数的向日葵产量预测

利用河套灌区向日葵2012年田间水分、分期播种试验数据和两个站点的农业气象历史资料,研究基于向日葵作物系数和水分生产函数的产量预测方法。结果表明:向日葵标准作物系数在生育期内的变化规律是前期小、中期大、后期小, 最高值为1.21, 出现在开花期。标准作物系数与出苗后日数和大于0℃积温有很好的二次和三次多项式关系,拟合优度在0.93以上。在分析相对叶面积指数和作物系数关系的基础上,提出标准作物系数的相对叶面积指数订正方法,得出河套灌区向日葵作物系数的动态计算式,为水分生产函数中实际蒸散量的计算提供支撑。建立以Jensen模型为基础的向日葵水分生产函数,得到对水分亏缺的敏感顺序从高到低是开花期、花序形成期、成熟期、苗期。综合应用向日葵作物系数方程和水分生产函数模型计算分期播种产量,与实际产量分别相差4.4%和4.1%,初步证明该文提出的方法对产量预测较为理想,在该地区具有很好的适用性。     

三种非线性回归逐时气温预报比较订正

选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1．8 ℃和1．4 ℃,总体上构造函数预报更为准确。     

雷达定量估测降水的亮带自动消除改进方法

层状云降水中,0 ℃层融化效应会引起雷达反射率因子局部增大,若不进行订正,则会高估雷达估测的降水.本文提出一种基于新一代天气雷达反射率因子垂直廓线的0 ℃层亮带自动识别与订正算法,以减小因亮带造成的降水高估.本研究首先对降水类型进行分类,在SHY95的基础上增加了垂直方向的反射率因子三维特征,避免亮带的反射率因子高值区被误识别为对流云区;其次,在层状云区识别出一个可能的亮带影响区,在其中查找亮带,采用旋转坐标系法精确的识别亮带的顶、底高度;最后,利用最小二乘法拟合亮带上、下层的斜率,平滑垂直廓线(VPR,Vertical Profile of Reflectivity)的显著突出部分.将该方法应用于北京地区2010—2011年10次包含亮带的降水过程,得到的亮带订正后的均方根误差E_RMS、平均绝对误差E_RMA、平均相对误差B_RM值较初值均有显著减小(分别减小1.538 mm,0.417和0.468).结果表明,该方法能够有效地识别与订正亮带,使得定量测量降水精度有所提高.     

站网均匀化订正对中国夏季气温EOF分析的改进

本文对中国160站站网上1960～2010年夏季(6～8月)气温距平场序列进行了站网均匀化订正,对订正前、后的气温距平场序列作了EOF分析.结果表明:(1)订正后的前3个典型场高绝对值区均衡分布在三北(东北、华北、西北)地区、青藏高原和长江中下游地区,与夏季气温均方差场高值区位置基本一致;订正前的前3个特征向量高绝对值...