陕西省春季日最高气温延伸期预报因子初探

利用2001—2010年陕西省89站日最高气温资料和NCEP/NCAR逐日850 h Pa再分析温度、风场资料,通过统计分析发现陕西全省日最高温度变化具有很好的一致性,且在春季存在明显的6~28 d的波动。当6~28 d波动处于正位相时,850 h Pa上陕西地区受偏南气流控制,且温度偏高,而波动处于负位相时,850 h Pa上陕西地区为一高压反气旋控制,且温度明显降低。根据两者的对比,找到影响陕西地面日最高气温6~28 d变化的影响区。通过单点相关的方法,在6~28 d滤波的850 h Pa温度场上找到与影响区温度超前15 d左右相关性好的关键区:65°~70°N,40°~45°E。进一步研究表明,6~28 d低频温度有明显的从关键区向影响区传播的趋势,并且与15 d后陕西地区日最高温度6~28 d变化相符合,对陕西地区春季未来15 d最高温度预报有一定的指示作用。     

ECMWF模式的延伸期日最高气温预报偏差估计及订正分析

使用欧洲中期天气预报中心（ECMWF）的20年集合预报回算数据,检验分析了延伸期第16天至第30天预报时效其对我国日最高气温的预报性能。结果表明,西部地区预报误差明显大于中东部地区。全国平均而言,模式预报较实况偏低1.1℃~1.39℃,均方根误差为4.6℃~4.9℃。进一步分析指出,第16天均方根误差最小、且随着时效的延长其略有增大。夏季模式预报效果最好,春季和秋季的部分时段预报效果较差。基于历史偏差订方法,本文还对2018年6月至2019年6月的日最高气温预报进行了误差订正试验。结果显示,订正后的预报准确率提升了15.2%~19.2%。聚焦2018年7月的一次中东部地区大范围高温过程,模式原始预报明显低估了高温强度,订正预报更接近实况,显示其具有一定的订正效果。     

延伸期温度预报误差订正技术初探

应用滑动平均误差订正方法和历史偏差订正方法,对欧洲中期天气预报中心的数值模式延伸期2 m温度预报进行误差订正。研究发现,应用滑动平均误差订正方法进行11～15 d逐日温度预报订正时,25～30 d是最优的训练期长度。对2018年订正预报的检验分析显示,应用上述两种误差订正方法均可减小模式预报的系统偏差,有效修正模式温度预报较实况明显偏低的问题,并将预报准确率提高30%以上。在6—10月,订正后的温度预报平均绝对误差基本在2℃以内,具有一定的参考性,其业务化产品可支撑预报员的业务预报需求。在15 d内的延伸期预报时效上,两种订正方法对温度预报的订正效果差异并不明显。随着时效的延长,历史偏差订正方法的优势逐渐显现。     

东亚地区冬季地面气温延伸期概率预报研究

利用TIGGE资料中的ECMWF、NCEP、UKMO三个中心集合预报系统以及由此构成的多中心集合预报系统所提供的地面2 m气温10~15 d延伸期集合预报产品,建立贝叶斯模式平均(Bayesian Model Averaging,BMA)概率预报模型,对东亚地区冬季地面气温进行延伸期概率预报研究。采用距平相关系数、均方根误差、布莱尔评分、等级概率评分等指标分别对BMA确定性结果与概率预报进行评估。结果表明,BMA方法明显地改进了原始集合预报结果,预报技巧优于原始集合预报,且多中心BMA预报优于单中心BMA预报,最佳滑动训练期取35 d。BMA预报为气温的延伸期概率预报提供了更合理的概率分布,定量描述了预报的不确定性。     

上海地区春季最高气温预报失败案例分析

本文分析了2015年3月17—18日上海地区连续两天发生最高气温预报失误的天气背景,并使用当日实况观测和业务预报使用的数值模式资料,剖析预报失败的原因,分析表明:对天空状况的误判是导致17日预报失败的主要原因,且东南风预报偏强更进一步增大了预报误差;冷空气影响时间的判断失误是导致18日预报失败的主要原因。从模式预报的实时检验、预报的跳跃性和不确定性角度分析了预报中存在的问题:预报员应重视本地和上游实况,从传统对单一确定性模式预报的依赖向多模式多起报时次及能提供概率预报和不确定性信息的业务集合预报的分析思路转型。此外,还需加强对集合预报的系统性检验、评估及数值预报释用产品的开发,增加包含不确定性信息的公众天气预报发布形式。     

10-30天延伸期预报及其策略思考

在当前的气象预报业务中,10~30 d的延伸期预报是“无缝隙预报”中的难点。由于理论基础尚不完备,致使延伸期的准确预报还存在诸多困难。但对10~30 d延伸期预报业务迫切的社会需求,使其成为众多气象专家关注的研究热点。本文对10~30 d延伸期预报的概念、意义进行了阐述,在此基础上对其物理过程性质和预报困难的原因进行了分析。讨论了延伸期预报的预报对象,并在借鉴前人成果的基础上,总结归纳出了低频振荡方法、经验波传播方法、相似预报方法、物理统计方法、动力学方法（集合预报方法）、大气环流模式和中期模式集合方法、动力统计方法、综合集成方法等8种做延伸期预报的方法。     

基于卷积神经网络的长江流域夏季日最高温度延伸期预报方法研究

长江流域是我国夏季高温热浪灾害的多发区之一,该地区日最高温度( T_max) 具有显著的低频( 10～30 d 和 30～60 d 周期) 变化特征,超前-滞后相关分析和气温方程诊断的结果显示,影响长江流域 T_max低频变化的大尺度环流/对流信号包含: 自欧亚大陆东移南下的低频波列,自东北亚向西南方向传播的异常环流,以及由西太平洋向东亚传播的低频对流; 这些低频对流/环流活动通过改变辐射加热过程及绝热过程,导致长江流域 T_max的低频变化。为了客观且有效地辨识和捕捉这些先兆信号,并考虑长江流域T_max与大尺度因子间的非线性作用,本文采用机器学习方法中的卷积神经网络( Convolutional Neural Netw ork,CNN) 对大量历史数据进行训练,并构建了长江流域 T_max的延伸期预报模型。在独立预报阶段,CNN 预报模型对长江流域区域平均 T_max的预报时效达 30 d,提前 5～30 d 预报的 T_max与观测 T     

基于T213集合预报的延伸期产品释用方法及初步试验

基于T213集合预报系统2008年1月中国及附近区域500 hPa高度和850 hPa温度的1~15 d预报资料,构建延伸期产品释用方法,通过对逐日11~15 d预报资料做集合平均和后向衰减权重系数滑动平均,进而得到延伸期(11~15 d)候平均和候距平预报,并对预报效果进行检验,结果表明:对11~15 d预报场做集合平均和后向衰减权重系数滑动平均均能降低预报误差,改善整体预报效果。由此得到的500 hPa高度场和850 hPa温度场11~1 5 d候平均预报误差与逐日控制预报第5d的水平相当,候距平相关系数均接近0.6,整体而言效果较好,具备一定的应用价值。500 hPa高度场和850 hPa温度场11~15 d候距平预报在中国大陆地区位相准确率均较高,东南沿海和东北部分地区稍差,且850 hPa温度场的位相准确率整体高于500 hPa高度场。候距平预报对延伸期(11~15 d)的大范围持续性异常距平具有较强的捕捉能力,对异常距平出现的范围和分布、强距平中心的位置的预报均较好,但强度整体偏弱。     

基于BMA方法的地面气温的10～15 d延伸期概率预报研究

利用TIGGE资料提供的欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)、英国气象局(UKMO)三个预报中心2013年6月1日至8月31日的地面2 m气温10~15 d预报资料,对延伸期地面气温进行贝叶斯模式平均(Bayesian Model Averaging,BMA)预报试验。结果表明,BMA方法的预报效果随训练期长度而改变,训练期长度为30 d时预报效果最优。BMA方法可提供全概率密度函数,定量描述预报不确定性的大小,且陆地上预报不确定性大于海洋上的预报不确定性,高纬度地区预报不确定性大于低纬度地区的预报不确定性。利用CRPS评分对BMA概率预报技巧进行评估,发现预报技巧随预报时效的延长降低,且预报技巧在海洋上优于陆地、低纬度地区优于高纬度地区。此外,3 d、5 d和7 d滑动平均的预报值反映某些天气过程的平均要素预报,对于提高10~15 d延伸期概率预报技巧有一定效果,且滑动天数越长,预报效果越好。     

基于1DCNN和LSTM的单站逐时气温预报方法

针对海量气象观测数据间存在大量的物理噪声、与气温无关的冗余特征以及时间相关性,提出了一种将一维卷积神经网络(1DCNN)和长短期记忆神经网络(LSTM)相结合的多信息融合气温预报方法。首先,运用差分法对气象观测数据进行预处理,得到平稳时间序列数据;其次,运用1DCNN提取与气温变化相关的特征变量作为神经网络模型的输入变量;最后,运用1DCNN和LSTM构建多信息融合气温预报模型1DCNNLSTM,并以云南省昆明市历史气象观测数据为例,与传统的LSTM、1DCNN和反向传播神经网络(BP)对未来24小时的逐时气温预报进行了比较研究。研究结果表明,1DCNN-LSTM的均方根误差(RMSE)相较于LSTM、1DCNN和BP最大降低了5.221%、19.350%和9.253%,平均绝对误差(MAE)最大降低了4.419%、17.520%和8.089%。为气温的精准预报提供了参考依据。     

DERF产品在江西汛期降水预测中的释用

利用T63月动力延伸预报DERF模式输出的北半球500hPa位势高度场资料和江西省83站逐月降水量实况资料,运用EOF迭代方法对江西省2005-2009年汛期4-6月逐月降水距平百分率进行解释应用预测试验.结果表明,预测模型对江西汛期降水趋势预测的评估效果比较好.月降水距平百分率的预测Ps评分总体平均为72%,平均距平...     

模糊优选方法及其在月集合预报中的应用

根据 1 996年和 1 997年春季的 1 7个 T63L 1 6月集合预报个例 ,利用模糊优选方法 ,给出一个新的春季 50 0 h Pa月预报场的集合方案 ,该方案中的权重系数比较客观地反映了预报水平的时空变化 ,预报技巧有明显提高。根据春季 50 0 h Pa高度场误差的时空分布特征 ,利用所得权重系数对预报场进行误差订正 ,效果更为显著。     

最优子集回归在青藏高原冬季降水、气温预报中的应用及改进

最优子集回归预测方法在天气预报等领域得到了越来越广泛的应用，方法本身没有涉及到图形处理。我们对方法、原理及过程进行深入细致的研究后，重新编写了程序的头部、中部、尾部语句及子过程调用函数，经多次调试试验，实现了入口资料调用灵活、多变、计算模拟结果屏幕绘图显示等，提高了预测方法的整体实用性和预测信息的可视化程度。检验得知：该方法对青藏高原冬季降水、气温的定性、定量预报均具有较高的预报精度。     

北京最高和最低气温的非对称变化

运用１９４０年以来北京各个月历年逐日最高和最低气温以及年平均气温资料，研究其总变化趋势和年际变化，结果表明：１月份最低气温的线性增加率为４．０８℃／１００ａ；７月份最高气温以－０．２４５℃／１００ａ的递减率线性降低。其结果导致日较差减小。另外揭示了对研究全球增暖有重要意义的事实：１９４０年代增暖主要在白天，１９８０年代增暖主要在夜间。     

LOW-FREQUENCY CIRCULATION AND EXTENDED-RANGE FORECAST IN CONNECTION WITH AUTUMN EXTREME HEAVY RAINFALL PROCESS IN HAINAN

Observed daily precipitation data from the National Meteorological Observatory in Hainan province and daily data from the National Centers for Environmental Prediction/National Center for Atmospheric Research (NCEP/NCAR) reanalysis-2 dataset from 1981 to 2014 are used to analyze the relationship between Hainan extreme heavy rainfall processes in autumn (referred to as EHRPs) and 10–30 d low-frequency circulation. Based on the key low-frequency signals and the NCEP Climate Forecast System Version 2 (CFSv2) model forecasting products, a dynamical-statistical method is established for the extended-range forecast of EHRPs. The results suggest that EHRPs have a close relationship with the 10–30 d low-frequency oscillation of 850 hPa zonal wind over Hainan Island and to its north, and that they basically occur during the trough phase of the low-frequency oscillation of zonal wind. The latitudinal propagation of the low-frequency wave train in the middle-high latitudes and the meridional propagation of the low-frequency wave train along the coast of East Asia contribute to the ‘north high (cold), south low (warm)’ pattern near Hainan Island, which results in the zonal wind over Hainan Island and to its north reaching its trough, consequently leading to EHRPs. Considering the link between low-frequency circulation and EHRPs, a low-frequency wave train index (LWTI) is defined and adopted to forecast EHRPs by using NCEP CFSv2 forecasting products. EHRPs are predicted to occur during peak phases of LWTI with value larger than 1 for three or more consecutive forecast days. Hindcast experiments for EHRPs in 2015–2016 indicate that EHRPs can be predicted 8–24 d in advance, with an average period of validity of 16.7 d.     

基于径向基函数神经网络温度预报订正方法及评估

根据中央气象台自2017年10月—2018年9月20:00起报未来72 h 0.05 °×0.05 °分辨率格点日最高、最低温度指导预报和国家气象信息中心格点温度实况,应用Matlab神经网络工具箱提供的newrbe函数,建立基于径向基函数(RBF)神经网络的温度预报模型,对2018年10月—2019年9月RBF预报产品进行格点检验评估,并与同期的EC模式预报产品做了对比。结果表明:（1）通过RBF模型订正后的24 h、48 h和72 h日最高和最低温度预报准确率较中央气象台指导预报（NMC）分别提高了7.21%、6.98%、5.48%和5.67%、4.46%、4.47%,均为正技巧,且春、夏、秋季预报订正效果要好于冬季;（2）分区域预报检验来看,除海源、同心、彭阳的最高温度预报和海源、惠农的最低温度预报误差偏较大外,其他区域的误差基本都小于2 ℃。特别是对强降温、霜冻天气的温度预报准确率高于NMC,对预报员有一定的参考价值。      

海南岛最高和最低气温的非对称变化

利用海南岛具有46年资料的13个站点1959-2004年1月、4月、7月、10月及年平均温度、平均最高最低温度、极端最高最低温度,研究海南气温变化的气候特征,结果表明,海南岛最高最低气温变化在空间分布,线性增温趋势的稳定性、倾向率和突变现象均有明显的非对称性特征：最高气温变化的空间分布表现为北高南低,而最低气温变化的空间分布表现为南高北低;各季节的平均最低气温的线性趋势均稳定,极端最低气温在冬季和夏季线性增温趋势稳定,而各季的平均、极端最高气温增温趋势均不稳定;最低气温的倾向率在各个季节或年平均上比最高气温的倾向率大得多,冷季的线性倾向率明显大于暖季;平均最高气温在四季均不存在明显突变,而平均最低气温则均有突变。     

THE IMPACT OF DIFFERENT PHYSICAL PROCESSES AND THEIR PARAMETERIZATIONS ON FORECAST OF A HEAVY RAINFALL IN SOUTH CHINA IN ANNUALLY FIRST RAINING SEASON

An ensemble prediction system based on the GRAPES model, using multi-physics, is used to discuss the influence of different physical processes in numerical models on forecast of heavy rainfall in South China in the annually first raining season(AFRS). Pattern, magnitude and area of precipitation, evolution of synoptic situation, as well as apparent heat source and apparent moisture sink between different ensemble members are comparatively analyzed. The choice of parameterization scheme for land-surface processes gives rise to the largest influence on the precipitation prediction. The influences of cumulus-convection and cloud-microphysics processes are mainly focused on heavy rainfall;the use of cumulus-convection parameterization tends to produce large-area and light rainfall. Change in parameterization schemes for land-surface and cumulus-convection processes both will cause prominent change in forecast of both dynamic and thermodynamic variables, while change in cloud-microphysics processes show primary impact on dynamic variables. Comparing simplified Arakawa-Schubert and Kain-Fritsch with Betts-Miller-Janjic schemes, SLAB with NOAH schemes, as well as both WRF single moment 6-class and NCEP 3-class with simplified explicit schemes of phase-mixed cloud and precipitation shows that the former predicts stronger low-level jets and high humidity concentration, more convective rainfall and local heavy rainfall, and have better performance in precipitation forecast. Appropriate parameterization schemes can reasonably describe the physical process related to heavy rainfall in South China in the AFRS, such as low-level convergence, latent heat release, vertical transport of heat and water vapor, thereby depicting the multi-scale interactions of low-level jet and meso-scale convective systems in heavy rainfall suitably, and improving the prediction of heavy rainfall in South China in the AFRS as a result.