共查询到10条相似文献，搜索用时 15 毫秒
1.
随着数值天气预报技术和季节动力预报系统的发展,短期天气预报及长期气候预测的能力持续提高,然而介于两者之间的次季节至季节(S2S,两周至三个月)预测技巧偏低,成为当今气象学界和业务服务的难题。南京信息工程大学国家特聘专家李天明教授团队于2012年研发了基于时空投影技术的统计预报模型(STPM),成功地对中国大陆降水和气温距平,以及区域极端降水、夏季高温、冬季低温和西太平洋台风群发事件等高影响天气进行提前10~30 d的预报,并在国家气候中心及多个省份开展了业务应用。STPM也成功应用于台湾春雨预报、南海季风爆发和ENSO预测等季节至年际变化的预测。本文对S2S预测的理论基础、STPM的发展和应用进行了完整的介绍,并讨论了S2S预测业务中所面临的挑战和未来展望。 相似文献
2.
延伸期预报是无缝隙预测系统中的薄弱环节,如何提高灾害天气过程的延伸期预报技巧是国际热点及前沿问题。本研究基于2005年12月—2014年8月的观测/再分析资料,通过奇异值分解方法,揭示了与中国南方低频降水变化高度耦合的热带对流和中纬度波列信号。利用中国气象局参加国际次季节至季节预报计划模式（BCC-CPS-S2Sv2模式,简称BCC S2S模式）的回报数据,对中国南方低频降水异常场进行统计降尺度,构建了一套动力-统计相结合的延伸期降水预测模型。独立预测时段（2014年12月—2019年8月）的结果表明,BCC S2S模式可以提前10—15 d预报中国南方大部分区域的异常降水;提前15—20 d以上预报时,动力-统计结合预报模型对冬季（夏季）华南沿海地区（长江以北地区）的降水时间演变、降水空间分布及极端强降水事件的预报技巧均优于BCC S2S模式。文中提出的思路和方法可广泛应用于其他区域气象要素和极端天气事件的延伸期预报。 相似文献
3.
利用次季节—季节预报研究计划(Subseasonal to Seasonal Prediction Project, S2S)的多模式产品集,系统评估了产品集中11个模式对MJO的实际预报技巧。如果以距平相关系数ACC为0.5作为有效预报技巧的阈值,S2S各模式的MJO实际预报时效为8～32 d。S2S各模式预报普遍低估了MJO的振幅强度,且预报的MJO传播速度偏慢。通过分析发现,在一个集合预报系统中,集合离散度与均方根误差越接近,它的MJO预报技巧越高。此外,分析S2S各模式MJO预报技巧对起报时间、季节和起报时MJO信号强弱的敏感性发现,当起报时间为冬季且起报时MJO为强信号时,MJO的实际预报技巧较高。 相似文献
4.
在新疆天山大地形背景下,实现了中国气象局研发的高分辨率气候业务预测系统CMA-CPSv3(China Meteorological Administration-Climate Prediction System version 3)在天山北坡经济带的本地化应用,分别评估控制预报、传统集合平均预报以及改进后的最优概率阈值集合方法(deterministic ensemble forecast using a probabilistic threshold,DEFPT)对该区域次季节-季节降水的预测水平。评估结果表明:基于CMA-CPSv3预测系统的DEFPT方法可以提升天山北坡次季节-季节尺度1~5 mm阈值降水落区以及持续性的预测效果,优于传统集合平均预报和控制预报。从2016年7月29日—8月2日、2017年6月7—12日以及2020年7月8—12日时段发生在天山北坡的降水事件个例分析结果看,不论从降水落区、降水异常还是降水持续性,DEFPT集合预报在天山北坡西部和南部均有更好的效果,但在天山北坡东部和北部预测能力相对略低,这与该区域水汽的预报偏差增大有关。 相似文献
5.
利用非线性局部Lyapunov指数和条件非线性局部Lyapunov指数定量估计了季节内印度洋-西太平洋对流涛动（IPCO）和实时多变量Madden-Julian指数（RMM指数）可预报期限,量化了季节内IPCO对S2S尺度大气可预报性的贡献,深入研究了季节内IPCO演变下S2S尺度可预报期限空间分布的变化规律。结果表明：（1）与RMM指数相比,季节内IPCO指数可预报性更强,可预报期限达到31天左右,比RMM指数高出2周以上;（2）印度洋-西太平洋区域S2S尺度大气可预报性最强,可预报期限达到30天以上,其中季节内IPCO是该地区的主要可预报性来源之一,其贡献达到6天,占总可预报期限的25%以上;（3）随着季节内IPCO的演变,印度洋-西太平洋地区S2S尺度大气可预报性有空间结构变化,表现为可预报期限异常的传播和振荡。S2S尺度大气可预报期限正负异常沿季节内IPCO传播路径,一支以赤道中西印度洋为起点北传至印度半岛,一支向东传播,经过海洋性大陆到赤道西太平洋后向北传播,到达日本南部。同时,可预报性异常的传播在在东印度洋和西太平洋表现出反向变化的特征,形成东西两极振荡,当季节内IPCO向正位相发展时,东印度洋具有更强的可预报性,西太平洋具有更弱的可预报性,反之亦然。季节内IPCO的发展（衰退）可使东印度洋（西太平洋）S2S尺度大气可预报性更强,表明模式预报技巧对此具有更大的提升空间。 相似文献
6.
使用世界气象组织季节内至季节尺度（Subseasonal to Seasonal, S2S）预测项目数据库评估了多个集合预报系统在S2S时间尺度对台风的预报能力。评估的时间段为1999—2010年期间每年5月1日—10月31日。为评估S2S时间尺度台风的预报技巧,使用了台风密集度来描述台风的生成及移动状况。台风密集度定义为一段时间内500 km范围内台风出现的概率。台风密集度由6个S2S集合预报系统后报结果计算得出,它们分别由BoM、CMA、ECMWF、JMA、CNRM和NCEP开发使用。这6个预报系统台风密集度的预报技巧评分表明,当预报时效为11~30天时,ECMWF预报系统的评分为正值,比基于气候状态的参考预报能略好地预报台风。 相似文献
7.
针对四川汛期候降水距平百分率（PAP）,采用距平相关系数（ACC）、时间相关系数（TCC）、符号一致率（SCR）和趋势异常综合评分（PS）4种预测评分方法对S2S计划中10个模式的预测技巧进行检验评估,并在误差分析的基础上提出“正负概率异常订正”方案对各模式候降水距平百分率预测结果进行订正。结果表明,随着预测时效延长,多数模式的预测技巧快速降低,模式间预测技巧的差距缩小。至第10天左右,各模式进入低技巧时段,预测技巧随时效变化的幅度减小,各模式仅对降水趋势异常有一定预测能力,其中BoM模式明显高于其他模式。除BoM模式外的其他模式对降水年际变化幅度都存在低估,降水距平百分率异常偏差为?33%—?18%,不随预测时效发生太大变化,但空间分布不均。经过误差订正各模式的距平相关系数和符号一致率有所提高,趋势异常综合评分有效提高,并且对次季节尺度的订正效果优于天气尺度。订正后,各模式在次季节尺度的平均趋势异常综合评分均高于76.8, 66.7%的模式评分为79.2—80.2,超过业务评分标准（72.0）近8分。订正效果在4 a独立样本检验中也得到验证。 相似文献
8.
利用1994-2013年ERA-Interim及NCEP/NCAR再分析数据,对国家气候中心（BCC）次季节到季节尺度模式（S2S）1994-2013年的回报试验数据进行亚洲季风区准双周振荡（QBWO）预报能力评估,并诊断模式预报误差来源。结果表明:BCC S2S模式对QBWO的预报能力随着预报提前时间的增长而降低,9 d后预报技巧明显减弱,其周期、传播特征和强度出现误差;在提前9 d预报中,印度洋地区QBWO对流-环流系统结构松散,信号偏弱,对流向东传播,这与印度洋平均态的预报误差有关,夏季对流平均态低层水汽场在西太平洋和阿拉伯海较强,而东印度洋、孟加拉湾一带偏弱;西北太平洋地区QBWO具有向西北传播的特征,但强度偏弱,可能原因是预报低估了QBWO对流西北侧低层涡度的超前信号,经涡度方程诊断发现,地转涡度平流正贡献微弱,相对涡度平流在对流西北侧引发负涡度,从而减弱了对流西北侧由低层正涡度引发的有利条件。 相似文献
9.
中国业务动力季节预报的进展 总被引：26，自引：9，他引：26
利用动力模式开展季节到年际的短期气候预测 ,是目前国际上气候预测的发展方向。自 1996年以来 ,经过 8a多的研制和发展 ,国家气候中心已建立起第 1代动力气候模式预测业务系统 ,其中包括 1个全球大气 海洋耦合模式 (CGCM )、1个高分辨率东亚区域气候模式 (RegCM_NCC)和 5个简化的ENSO预测模式 (SAOMS) ,可用于季节—年际时间尺度的全球气候预测 ;全球海气耦合模式与区域气候模式嵌套 ,可以提供高分辨率的东亚区域气候模式制做季节预测。CGCM对 1982～ 2 0 0 0年夏季的历史回报试验表明 ,该模式对热带太平洋海表面温度和东亚区域的季节预测具有较好的预测能力。RegCM NCC的 5a模拟基本上能再现东亚地区主要雨带的季节进展。利用嵌套的区域气候模式RegCM NCC对 1991～ 2 0 0 0年的夏季回报表明 ,在预报主要季节雨带方面有一定技巧。 2 0 0 1～ 2 0 0 3年 ,CGCM和RegCM NCC的实时季节预报与观测相比基本合理。特别是 ,模式成功地预报了 2 0 0 3年梅雨季节长江和黄河之间比常年偏多的降水。SAOMS模式系统的回报试验表明 ,该系统对热带太平洋海表面温度距平有一定的预报能力 ,模式超前 6～ 12个月的回报与观测的相关系数明显高于持续预报。 1997～ 2 0 0 3年 ,SAOMS多模式集合实时预报与观测的相关系数达到 相似文献
10.
对季节气候预测的进展进行了评述,主要集中在动力季节预测方面.全文共分四部分:(1)季节预报的科学基础;(2)动力( GCM)季节预报的进展;(3)东亚季节预报水平低的原因分析;(4)从国际气候预测未来发展规划国家气候中心气候预测的前景.根据上述结果,最后提出了中国气象局季节预测发展的建议. 相似文献