中长期天气预报方法.docx

中长期天气预报方法（兰州大学学报）2015年第四期近年来中国陆续发生了多起灾祸性极端天气气候事件,如2008年冬季历史罕见、肆虐南方的低温雨雪冰冻灾祸,2010年西南地区秋冬春特大干旱,2010年甘肃舟曲特大山洪泥石流灾祸,2011年6月长江中下游地区旱涝急转,2011、2013年频繁的雾霾天气,这些极端天气气候事件造成交通连连受阻等重大气象灾祸,给国民经济和人民生产、生活带来了严重损失.从经济建设和社会发展、人民生活及防灾减灾的需求出发,迫切需要气象部门提供具有中短期预报内容的长期天气预报.得益于数值预报水平的不断提高,天气预报及短期气候预测的准确率都较以往有了较大幅度的提升.但是,介于常规天气预报和气候预测之间的中长期预报还是目前业务预报中的一个“盲点和难点,怎样做出具有中短期预报内容的中长期天气预报,是社会发展的一个重要需求,构建有效的中长期天气预报方法,将发挥联络天气预报和气候预测的桥梁作用,为填补常规天气预报与短期气候预测业务之间的预报时段缝隙提供重要的技术支撑.中长期天气预报的主要困难在于大气系统的混沌特性使得预报误差不可避免的快速增长,因此数值预报形式无法在10d以后的预报中给出可用信息,同时中长期预报的时间尺度又小于气候预测的月、季时间尺度,无法利用气候形式.多年以来,学者对中长期预报进行了行之有效的研究,尤其在数值预报形式研究方面有了长足的进步.令人疑惑的是,那些所谓的完善的数值预报形式所到达的预报效果并不比用非常简单的经历统计预报工具的预报好多少6.长期以来,大量工作致力于从数值预报寻找预报的可能性,而怎样利用有一定效果和普遍应用的半经历长期预报方法,并从这里寻找新的理论线索,关注不够.阴阳历叠加法是一种传统的预报方法,其一定程度上考虑了气象变化周期性规律,所需资料较少,只需要历史的实况观测资料,计算量小,应用方便.宋任峰等7对19951997年桓仁地区中长期降水预报试验表明:阴阳历叠加对夏季较大降水经过和秋冬季一般降水经过有较好指导意义,总暴雨准确率到达56.3%;陈祯烈等8进行的20012002年成都地区降水预报试验表明:阴阳历叠加不仅能对降雨日数趋势做出较为准确的预报,对降水经过的预报准确率可达75%90%.中国地域广阔、天气气候系统复杂、地理条件多变,进行全国范围内的长期天气预报,需要消耗大量的精神,且局地系统的影响不尽一样,找准长期预报影响因子存在很大困难.研究指出9:19572006年中国降水增加趋势最显著区位于青藏高原东部,减少区域最显著的地区在华北平原.在发生显著变化区域做出准确预报的难度更大,选择典型天气区进行延伸期预报研究,若获得一定效果,也利于方法的推广应用.鉴于此,本文以环渤海地区和青藏高原东北部地区为例,利用阴阳历叠加法进行延伸期预报研究.1基本资料及处理本文所用的资料为中国气象部门地面观测站地面要平日平均资料.从两个典型地区中选取日平均资料齐全的站点共计101个(图1),其中环渤海地区57个,高原东北部地区站点44个,要素包括日降水量、日平均风速和日最大风速,时间为1960年1月1日2010年12月31日。将日降水量大于0.1mm的降水日作为有效样本,有降水现象发生但无法测定降水量的微量降水不予考虑.大风定义为平均风速大于12m/s(或极大风速大于17m/s).阴阳历叠加时考虑下面几种情况:1)同一阴历月在不同年的天数可能不同,对无阴历30日的月份,取该月29日和下月1日数据的平均值作为该月30日的实况资料;2)闰年2月份29日的预报,历史上闰年的资料可照常计算,但平年的资料缺29日,则取28日和3月1日两天平均值内插;3)对于资料中缺项的处理,假如仅缺1或2d的资料,则用该天前、后1d的资料进行插值.2预报方法与方案设计2.1预报方法以降水预报为例来讲明.1)用历史资料分别统计要预报的阳历日期t日及其对应的阴历日期tl、降水出现的频数,并作阴阳历叠加.2)预报制作:以阴阳历叠加值Rt的大小作为预报根据.显然,Rt值越大,则t日出现降水的可能性越大;3)确定奇异点.一般选Rt大于气候平均值的日期为奇异点,这些奇异点就是预报可能有降水的日期.2.2预报方案设计及流程2.2.1方案设计1)历史资料长度选择样本容量的大小是长期天气预报人员所关心的问题,预报结果可能会因使用资料的年代不同而发生较大变化10.一般来讲,在建立统计预报方程时,样本容量的增加,能够提高置信度,使相关系数在常年代中稳定下来,假如年代过长,则不能突出近年的天气气候特点,所做预报必然不准确.反之假如选择时间过短,则缺乏代表性,预报结果接近于随机值.能否存在一个最佳的样本容量,使得预报的准确率最高？这是本文将要讨论的问题之一.2)降水日预报结果订正类似预报理论以为:在类似的大气环流形势背景下所产生的天气现象也往往是类似的.在某一地区,影响该地区的大气环流形势是确定的,站点发生的天气现象间存在一定的相关性.尽管某地区每日发生降水的站点不尽一样,但某些站点有降水发生时,其它站点也大都会有降水发生的现象普遍存在.那么,能否利用站点的相关性,通过适当的方法,使本站的预报效果有所提升呢?本文拟按下面思路进行降水日预报结果订正:从历史资料中,找出每个站点历史相关最好的几个站点(以通过=0.001的水平相关显著性检验为准,一般选取5个),从已获得的阴阳历叠加预报结果中找出这几个站点的预报结果,假如这几个站点及本站的预报结果中有1/3的站点有降水,则预报本站有降水,否则,预报本站无降水.2.2.2预报流程预报流程图如图2所示.在进行预报时,样本长度从10a到40a递增,分别统计出不同样本长度下各预报要素阴阳历叠加的每日发生频数,并与该月平均发生次数进行比拟,确定奇异点位置进行预报,之后按年比拟预报效果,并挑选出阴阳历叠加预报效果最好的样本长度l.以l作为下一步预报的历史样本数,做阴阳历叠加预报.对降水日预报,还要利用站点相关进行订正,最后给出预报结果.2.2.3预报检验考虑到延伸期预报的预报时间长度,本文在计算准确率时做如下规定:对于要素y(降水日、大风)的预报,在预报日的前、后1d内有y出现,则以为预报准确.3预报结果分析3.1降水预报效果检验3.1.1降水日预报效果分析图3为两个典型地区在不同样本长度下降水日预报TS评分曲线图.青藏高原东北部地区的降水日预报TS评分呈现出单峰型特征,在样本长度为22a处出现最大值,约为0.43,远高于TS评分为0.28的气候概率值;环渤海地区的降水日TS评分振荡增加,在各样本长度下降水日TS评分均高于0.19的气候概率值,且在40a处到达最大值0.33.青藏高原东北部地区降水日TS评分高于环渤海地区.图4为取距预报年份最为接近的22a和40a资料为历史样本库,分别进行的青藏高原东北部地区和环渤海地区20002010年112月阴阳历叠加降水日预报TS评分曲线图,其中虚线所示为气候概率值.从图4中能够看出:环渤海地区和青藏高原东北部地区降水日预报TS评分呈单峰型变化趋势,两区的峰值均集中在夏季,68月降水日预报TS评分均高于0.4,具有较高的可信度,这与两区降水主要集中在夏季有关.青藏高原东北部地区TS评分要高于环渤海地区,前者TS评分最高的月为6月,TS评分到达0.56,后者TS评分最高的月为7月,为0.50.环渤海地区的降水日预报TS评分均高于气候概率TS评分;青藏高原东北部地区除1月外,也高于气候概率值.3.1.2降水日预报订正效果分析图5是利用站点相关订正的环渤海地区和青藏高原东北部地区降水日预报TS评分效果图.从图5中能够看出,订正后,两地各站点预报准确率均有显著提高.其中,环渤海地区预报效果提高最少的站点扎鲁特旗(54026)TS评分提高了0.041,提高最多的站点保定(54602)TS评分提高了0.142;青藏高原东北部地区预报效果提高最少的站点茫崖(51886)TS评分提高了0.043,提高最多的站点舟曲(56094)TS评分提高了0.135;即订正后预报准确率最低提高4.1%,最高提高14.2%.平均来看,两地TS评分均提高了0.098.表明降水日预报订正方法是有效且显著的,利用站点相关性进行降水日预报结果订正的思路是可行的.3.2大风预报分别利用1040a长度不等的历史样本长度对两地2000年1月1日2008年12月31日的平均风速大于12m/s(或极大风速大于17m/s)的大风天气进行了预报.图6为环渤海地区和青藏高原东北部地区大风天气的阴阳历叠加预报TS评分曲线图,从图6中能够看到,预报准确率随着历史样本数的增加而增加,环渤海地区在样本数为34a时到达最大值,TS评分为0.135,此后,预报准确率随着样本数的增加而减小;青藏高原东北部地区在样本数为31a时到达最大值,TS评分为0.149.以34a为环渤海地区最佳样本长度,以31a为青藏高原东北部地区最佳样本长度,做20002008年逐日的大风预报,并逐月分析预报效果.图7是两地大风逐月预报TS评分曲线图,图7中两地大风预报准确率均呈现单峰型分布特征,并在35月间为明显的波峰,这与中国大风主要发生在春季的特点相吻合.统计发现,环渤海地区及青藏高原东北部地区大风天气也主要发生在35月,分别占全年大风总数的43.15%和40.13%.通过和气候概率TS比拟发现,除青藏高原东北部地区1月持平外,两地的预报TS评分均高于气候概率TS评分.所以,阴阳历叠加预报对环渤海地区和青藏高原东北部地区的大风预报是有效的.4结论本文利用阴阳历叠加法对环渤海地区57个站点和青藏高原东北部地区44个站点的降水和大风天气进行了预报.首先利用1040a长度不等的历史样本,得到了各要素最佳的历史样本长度.基于最佳历史样本长度进行了降水、大风预报,并利用站点相关性对降水日预报结果进行订正试验。对于不同地区,不同要素最佳样本长度略有差异,在最佳样本长度下,各要素的预报效果是最好的.降水预报而言:环渤海地区预报效果最好的样本长度为37a,而青藏高原东部地区预报效果最好的样本长度为20a;对大风天气经过来讲:环渤海地区最佳样本长度为34a,青藏高原东北部地区为31a.对降水日预报来讲,环渤海地区和青藏高原东北部地区降水日预报TS评分呈单峰型变化趋势,两区的峰值均集中在夏季,68月降水日预报TS评分均高于0.4,具有较高的可信度,阴阳历叠加预报的TS评分结果大多高于气候概率值.利用站点相关对各站点降水日预报结果进行修正,发现各站预报效果均有不同程度的提高,两地提升最高的站点提升了14.2%,最差的站点也提升了4.1%,平均提高9.8%,讲明站点相关订正是有效的.两地大风预报准确率均呈现单峰型分布特征,并在35月间为明显的波峰.通过和气候概率TS比拟发现,除青藏高原东北部地区1月的预报持平外,两地的预报TS评分高于气候概率TS评分,预报是有效的.