中国夏季降水预测因子潜在技巧分布图及应用

影响我国夏季汛期降水异常的因子繁多,不同因子之间复杂的相互作用制约我国夏季降水季节预测水平。目前动力模式对降水预测技巧水平较低,如何开发客观统计预报方法,提高我国夏季降水预报技巧依然存在挑战。该文基于最小二乘法拟合和交叉检验方法,提出一种搜索预测因子潜在预测技巧的方法（潜在技巧分布图）,并基于该方法开发预测因子自动选择器,建立中国夏季降水异常自动统计预测模型。与传统线性相关分析相比,潜在技巧分布图不受极端气候事件影响,可直观展现具有显著预测技巧的前兆信号,而预测因子自动选择器则能从潜在技巧分布图中自动筛选最优预测因子,获得逐年不同的预测因子,更符合中国夏季降水异常影响因子多样性的客观事实。在完全剔除预测当年信息的回报试验中,该预测模型对1999—2019年中国夏季汛期降水异常的历史回报技巧明显高于动力模式。通过方差订正,历史回报降水的PS评分从71.00分提高到82.10分,显示了该模型的潜在预报潜力。     

机器学习方法在湖南夏季降水预测中的应用

利用湖南97个国家站的逐月降水资料、国家气候中心130项气候指数集以及国家气候中心和美国国家环境预报中心两套季节预测模式的降水预测资料,采用递归特征消除法确定预测因子并使用多层前馈神经网络、支持向量回归和自然梯度提升三种算法建立了两种湖南夏季降水统计预测方案的模型,检验了预测效果.结果表明:基于机器学习的预测模型对湖南...     

中国夏季降水的组合统计降尺度模型预测研究

现阶段的动力气候模式尚不能满足东亚区域气候预测的实际需求,这就需要动力和统计相结合的方法,将动力模式中具有较高预测技巧的大尺度环流信息应用到降水等气象要素的统计预测模型当中,以改善后者预测效果。本文中所介绍的组合统计降尺度模型,可将动力气候模式预测的大尺度环流变量和前期观测的外强迫信号作为预测因子来预测中国夏季降水异常。交叉检验结果显示,组合统计降尺度预测模型的距平相关系数较原始模式结果有较大提高。在实时夏季降水预测中,2013～2018年平均的预测技巧相对较高,趋势异常综合检验（PS）评分平均为71.5分,特别是2015～2018年平均的PS评分预测技巧达到72.7分,总体上高于业务模式原始预测和业务发布预测的技巧。该组合统计降尺度模型预测性能稳定,为我国季节预测业务提供了一种有效参考。     

用奇异谱分析作汛期降水的中期气候预测

用奇异谱分析方法对哈尔滨汛期降水进行中期气候预测。其结果表明，此方法对汛期降水趋势有较好的预测能力，并且预报效果比较稳定，经5次试报的平均准确率达76％，说明奇异谱分析模式是一种有效的中期气候预测手段，其趋势预测结果可信度高。     

基于BCC第二代短期气候预测模式系统的中国夏季降水季节预测评估

利用BCC第二代气候预测模式系统1996-2015年提前1～3个月的回报试验结果,评估了模式在季节尺度上预测中国夏季降水空间分布和降水异常的能力,分析了模式预报效果的年际差异,并探讨了模式预测误差产生的可能原因。结果表明,模式对中国夏季降水的季节预测具有一定的技巧,西南至长江中下游南部、黄淮平原西部、东北北部及藏北高原等地区季节预测技巧较高,同时,模式对降水距平预报效果整体较好,其中在长江中下游、黄淮地区、华南地区、西北地区及东北北部距平符号一致率较高。而模式对降水季节预测的偏差主要表现为我国东部降水量强度预测偏小,对夏季降水异常的预报技巧有限,且不同年份模式的预测效果差异较大。模式对夏季西太平洋及印度洋高海温区范围预测偏小,对副热带高压和东亚地区低层水汽辐合的强度预测偏弱,从而导致风场与环流场的配置与观测不一致,使得模式对我国东部夏季降水预测显著偏少。从模式预测效果年际差异来看,当华南地区实况降水量偏多、长江中下游及东北地区降水量偏少时,模式具有较高的预测技巧,反之,模式的预报技巧较低。分析中国东部降水与海温的相关关系发现,夏季西北太平洋、热带西太平洋和北印度洋是影响中国东部夏季降水的关键区域,模式中西北太平洋海温偏低对模式预报技巧具有重要影响,海温场、高度场、风场及水汽通量散度场不同的相互配置导致中国东部夏季降水的分布及强度差异,而模式不能合理把握各物理量场间相互作用过程,从而影响模式的预报效果。因此,改进模式对外强迫因子与降水异常相关关系的预测能力是提高我国夏季降水季节预测技巧的主要途径。     

基于时间尺度分离的中国东部夏季降水预测

基于时间尺度分离,利用NCEP第2代气候预测系统 (CFSv2) 每年4月起报的夏季月平均预测资料, 结合实际观测资料和再分析资料,对江淮流域及华北地区夏季降水距平百分率进行降尺度预测。将预测量和预测因子分为年际分量和年代际分量,在两个时间尺度上分别建立降尺度模型,两个预测分量之和为总预测量。对1982—2008年拟合时段的夏季降水距平百分率的回报结果表明:降尺度预测结果相对于原始模式结果预测技巧显著提高。降尺度预测与实况降水在江淮流域和华北地区的空间相关系数最大值超过0.8,多年平均值也分别提高到0.53和0.51;时间相关在每个站点也显著增强,相关系数为0.38~0.65。对2009—2013年进行独立样本检验,结果表明:降尺度模型能较好地预测出该时段的降水异常空间型态。同时,该模型对2014年夏季降水长江以南偏多、黄淮地区偏少的分布形势也有一定预测能力。     

基于年际增量法的卷积神经网络模型对中国夏季降水的预测研究

将前冬的500 hPa位势高度、向外长波辐射和海表温度的年际增量作为预测因子,建立基于卷积神经网络(Convolutional Neural Network, CNN)的非线性预测模型,对中国160个测站夏季降水展开预测研究,并与基于线性奇异值分解(Singular Value Decomposition, SVD)的预测模型进行效果对比。结果表明：CNN在1981—2020年的交叉检验中所回报的降水平均PS评分和距平相关系数(ACC)分别为74.33和0.12,比SVD高2.15和0.06,说明CNN比SVD在整体上对夏季降水具有更好的预测能力。其中,CNN对SVD预测较好年份的预测效果提升较为明显,对SVD预测较差的年份则改进不大。CNN对中国降水预测存在一定的系统性偏差,订正后CNN对拉尼娜年的降水预测改进较大。结果表明,基于年际增量法的CNN预测模型展示出较好的潜在应用价值。     

2005年辽宁夏季降水预测评述

2005年辽宁6～8月降水实况特征概况及趋势预测进行了回顾与评价，指出了预测成功与不足。并从气使背景、大气环流、海温、太阳黑子、积雪、副热带高压、CBO、热带对流活动等方面，初步分析了造成2005年夏季旱涝分布的可能成因，认为大气内部的动力过程和太阳黑子起主导作用。     

青海省夏季降水气候预测评估

本文运用预报评分（Ｐ）、技巧评分（Ｓｓ０和距平相关系数（Ａｃｃ）三各方法、对青海省近十几年业务上使用的２０个代表站１９８８～１９９７年１０年夏季（６～８月）降水距平百分率预报的准确程度进行了评估。结果表明：虽然青海省的地理环境特殊、各地气候差异较大,但青海省的预报质量仍较全国平均水平略高;用Ｐ方法比用以往评分方法（Ｔｓ）进行预测评定的质量高出近６个百分点;１９９８年夏季的预报质量远较前十年的平均质     

春季海温对中国夏季降水影响的诊断研究和预测试验

文中利用季降水异常集合的典型相关预测模式 ,以全球春季 (3～ 5月 )海温场作为因子场 ,对中国夏季降水场进行了诊断研究 ,并对 1998,1999及 2 0 0 0年这几个典型的中国夏季降水进行了回报试验。结果表明 ,春季海温与中国夏季降水之间存在较好的关系 ,春季海温在较大程度上决定了中国夏季降水雨带及其分布类型。考虑面积因子的集合典型相关预测方案对中国夏季降水具有较强的回报能力 ,此模式不仅能诊断出降水场和海温场中一些比较典型的空间模态和时间变化规律 ,而且可以再现 1998和 2 0 0 0年中国大部分地区的旱涝灾害。揭示了全球春季海温的异常变化在中国夏季 (6～ 8月 )降水异常中的作用。     

利用深度神经网络和先兆信号的江苏夏季降水客观预测方法

利用1961—2019年江苏省67个站降水量和气候指数数据集等资料,选取大气环流、海温和积雪等先兆信号的不同组合作为预测因子方案,通过对比不同机器学习方法对江苏省夏季降水开展预测试验。结果表明,深度神经网络（Deep Neural Network,DNN）较传统统计方法和其他机器学习方法有一定优势,深度神经网络结合动态权重集合因子方案对江苏省夏季降水的预测技巧最高,其独立样本检验结果稳定,2015—2019年的平均PS评分为76.0,距平符号一致率为0.62,距平相关系数达0.35,尤其对江苏省中南部的预测技巧更高,具有业务应用价值。不同预测因子方案对比分析表明,大气环流因子在江苏省夏季降水预测中做主要贡献,而海温因子和积雪等其他因子也有正贡献,说明使用综合性预测因子以及集合方案有助于提升季节预测准确率。      

华北夏季单峰和双峰降水过程的特征及其机理

采用1954—2010年NCEP/NCAR逐日再分析资料和中国753站逐日站点降水资料,定义了华北雨季的开始日和结束日,发现华北夏季存在单峰和双峰两种降水过程,选取典型单峰和双峰降水过程,对比分析这两种降水过程的特征和机理.结果表明:1)在华北雨季期间,单峰降水过程中的副高脊线没有中断的现象,而双峰降水过程中的降水中断现象是因副高的东退南压所致.2)华北夏季单峰降水年的季风中断现象不明显,季风的影响能一直持续至雨季结束,而双峰降水年的季风加强(减弱中断)对应着降水峰值(中断).3)滤波后的华北夏季降水时间变化显示,当30～60 d和7～14 d振荡的波峰相对时,则出现降水峰值;当30～60 d振荡的波谷和7～14 d振荡的波峰相对时,则出现降水中断.4)华北夏季双峰降水年的低频纬向风传播与双峰降水的时间演变具有较好的对应关系.     

利用OSU/NCC模式进行我国汛期季度和年度短期气候预测的试验

该文利用OSU/NCC全球大气环流模式耦合全球混合层海洋与海冰模式, 采用集合预报的方法, 对中国汛期降水进行了1982~1995年共14年的季度和年度综合性预报试验研究.结果表明:该模式对我国汛期降水具有一定的季度和年度预报能力, 而对部分地区有较强的预报能力.     

基于NCEP CFSv2模式的黑龙江省夏季降水预测研究

基于1982-2017年NCEP_CFSv2（NCEP Climate Forecast System version 2）模式预测资料对黑龙江省夏季降水进行降尺度预测。通过分析黑龙江省夏季降水与同期环流因子的关系、模式对关键区环流因子的预测,选取模式模拟与再分析资料相关较好、黑龙江降水实况与再分析资料关系较好的环流因子作为预测因子,结合最优子集回归法筛选因子,建立降尺度预测模型,最后采用交叉检验法进行预测效果检验和独立样本预测。结果表明：模式降尺度预测与实况的距平符号-致率为69%,6 a独立样本预测中有5 a预测正确,优于目前的业务预测效果。进-步研究发现,在模式能够准确预测环流因子的情况下,模式降尺度可以较好地预测黑龙江省夏季降水的趋势。此外,模式降尺度在拉尼娜年预测效果较好。     

人工神经网络在月降水量预测业务中的研究和应用综述

月降水量的年际变化具有显著的非线性变化特征,预测难度大,历来是重大气象灾害预测的重点难点问题.BP(back propagation)神经网络在月降水量预测业务中的研究和应用中,取得了较好的成果,其中应用较广泛的是PCA-BP神经网络模型、遗传算法优化神经网络、RBF神经网络预测模型、小波神经网络模型、粒子群-神经网络...     

基于BP神经网络的浙北夏季降尺度降水预报方法的应用

利用NCEP提供的全球空间分辨率为2.5°×2.5°、2007—2012年6—8月日平均500 h Pa高度场再分析格点资料和浙北地区158个站点观测资料,研究了不同大气环流型下局地降水与大尺度降水场之间的关系,以4种不同环流型下的预报对象和预报因子分别采用BP神经网络方法对观测资料进行逼近,得到4种空间降尺度的预报模型,分析对比4种预报模型158站逐日的降水量的预报。结果表明:神经网络模型的隐层节点数为2时,对降水的拟合效果最好;对降水的极值拟合效果中,环流分型中NW型和C型的效果优于SW型和SE型;从4种分型下的误差空间分布来看,浙北地区沿海的宁波、舟山一带的误差小于浙北其他区域;把雨量分等级后进行预测,发现模型对暴雨的预测能力最好。     

基于NCEP风向数据的中国夏季降水估算研究

提出一个基于NCEP风向数据估算全国夏季降水的模型。根据NCEP地面气压、经纬向风数据计算得到全国1971—2000年夏季各月盛行风向;并将盛行风向与宏观坡向夹角的余弦值作为降水的坡向因子,以此区分山体迎风坡和背风坡降水的空间分布。利用站点观测资料、数字高程模型数据、坡向、坡度因子,采用逐步回归分析法,建立估算夏季降水的回归方程,得到全国1971—2000年夏季各月及总降水量的空间分布图,并对模型结果进行检验与对比分析。结果表明,此方法估算夏季总降水量的平均绝对误差为27 mm,平均相对误差为11.8%。模型结果能体现迎风坡与背风坡的雨量差,符合客观规律,能够定性、定量地再现中国夏季降水的实际空间分布特征。