24个CMIP5模式对长江流域模拟能力评估

根据1961~2005年长江流域气象站点的实测月降水量和气温数据,采用第5期全球耦合模式比较计划CMIP5(the Fifth Phase of Coupled Model Intercomparison Project)中24个全球气候模式(GCM)的模拟结果,通过计算模拟变量和观测变量平均值的相对误差、归一化的均方根误差、时间和空间相关系数,采用M-K趋势分析方法,分别选用在长江流域模拟气温和降水较好的5个模式进行集合平均,从时间的演变规律和空间的分布特征两方面,检验该模式集合对长江流域模拟气温和降水的能力。研究结果表明:各个模式模拟气温的能力要明显好于模拟降水的能力,但模拟气温较好的模式模拟降水的能力并不一定突出;模式集合的结果表明:在时间尺度上,模式集合平均结果与观测值拟合程度较好,且模式集合的结果振荡幅度较观测值小;在空间尺度上,模式集合的空间分布趋势与观测值大致相同,说明采用的模式集合结果用于预估未来长江流域降水的时空分布特征和演变规律是可行的。     

集合经验模态分解在长江中下游梅雨变化多尺度分析中的应用

基于长江中下游流域5个梅雨监测站1961~2012年的日数据,利用集合经验模态分解（EEMD）方法,对研究期内梅雨时间序列进行多尺度的分析,探讨其在不同时间尺度上的振荡模态结构特征。结果表明：近50多年来,长江中下游梅雨变化呈现出显著的年际和年代际尺度振荡特征,在年际尺度上表现出准3 a和6 a的周期变化,而在年代际尺度上显示准13 a和24 a的周期变化;各分量方差〖JP2〗贡献率显示,年际振荡在梅雨长期变化中占据主导地位;自1961年以来,EEMD分解的梅雨长期变化趋势表现出先增加后减少的倒“U”型特征,其中1961~1985年呈上升趋势,1985~2012年呈下降趋势,尤其是在2000年之后的下降趋势最为明显。由此可以看出,EEMD能够有效地揭示梅雨长期序列在不同时间尺度上的变化规律,可用于诊断非线性、非平稳性信号变化的复杂性特征     

Development and Operational Testing of a Super‐Ensemble Artificial Intelligence Flood‐Forecast Model for a Pacific Northwest River

Coastal catchments in British Columbia, Canada, experience a complex mixture of rainfall‐ and snowmelt‐driven contributions to flood events. Few operational flood‐forecast models are available in the region. Here, we integrated a number of proven technologies in a novel way to produce a super‐ensemble forecast system for the Englishman River, a flood‐prone stream on Vancouver Island. This three‐day‐ahead modeling system utilizes up to 42 numerical weather prediction model outputs from the North American Ensemble Forecast System, combined with six artificial neural network‐based streamflow models representing various slightly different system conceptualizations, all of which were trained exclusively on historical high‐flow data. As such, the system combines relatively low model development times and costs with the generation of fully probabilistic forecasts reflecting uncertainty in the simulation of both atmospheric and terrestrial hydrologic dynamics. Results from operational testing by British Columbia's flood forecasting agency during the 2013‐2014 storm season suggest that the prediction system is operationally useful and robust.     

长三角空气质量区域预报准确性评估方法研究

根据长三角空气质量区域预报工作的实际需要,对分区文字预报和落区图预报两种方式分别制定了不同的空气质量指数级别预报准确性评估方法。分区文字预报根据设定的预报准确性判定方法计算预报评分,落区图预报按区域内预报准确城市占比进行准确率统计。分区文字预报结果显示,2017年长三角区域的预报准确天数占比为62.2%,预报评分为70.2,区域预报评估效果良好。落区图预报评估结果显示,预报级别偏差具有地域性差异,安徽北部、江苏北部和江西中北部预报等级偏高,长三角中南部沿海城市预报等级偏低。该套评估方法可为区域空气质量预报偏差成因分析提供依据,为区域预报工作的改进提供定量参考。     

空气质量多模式预报系统在中山市的应用

介绍了中山市空气质量多模式预报系统。对2015年3月—2016年2月的预报效果评估表明:系统可以较好地反映污染物的变化趋势但仍存在系统性偏差。通过对排放源清单的调整优化及对模式干沉降模块的改进使模式系统的偏差显著减小。总结并建立中山市污染天气案例库,发现在典型污染天气形势下,除O3-8 h外,其他污染物均值均能达到空气质量二级标准。未来将从2个方面提高中山市空气质量预报预警系统的实用性,包括逐步实现污染源排放清单的动态及时更新和提高极端气象条件下O3污染预报能力。     

不同自燃倾向性煤的指标气体产生规律实验研究

为研究不同自燃倾向性煤的自燃指标气体变化规律，提高对煤早期自燃预测预报的准确度，采用程序升温实验系统，得到内蒙古褐煤、神东长焰煤、河南气煤及枣庄焦煤4种不同变质程度煤的氧化时间随温度的变化关系，以及指标气体浓度在煤氧化过程中的变化规律。结果表明:自燃倾向性最高的褐煤应以CO和乙烯作为煤自燃早期预报的首选指标气体；易自燃的长焰煤应采用乙烯和烯烷比为主、以CO为辅的煤自燃判定指标；自燃倾向性较低的气煤应以乙烯和烯烷比作为煤自燃预报指标；CO是自燃倾向性最低的焦煤的最佳自燃预报指标气体。     

二维平流扩散模型下的集合卡尔曼滤波模拟同化研究

为提高环境数值预报水平,构建了一个针对污染物扩散的模拟数据同化系统。采用集合卡尔曼滤波方法对二维平流扩散模型的状态变量进行了实时校正,实现污染物浓度的实时模拟预报,完成了敏感性实验中集合数目变化、观测方差变化和同化窗口长度变化研究。比较考察观测点位置与污染源距离不同时的预报效果,探讨了优化条件下的同化策略,提出一种根据距离远近动态调节卡尔曼增益权重的方法。在集合数目较小时,可降低计算代价,得到优化的同化效果。     

典型高原山地城市环境空气质量预报预警平台设计

空气质量预报系统作为一种重要的工具用于为公众提供空气质量预报信息、评估城市空气质量,为污染控制战略、动态环境管理以及决策制定提供支持。研究对国内外环境空气质量预报现状进行了回顾,以云南省为例提出了高原山地城市环境空气质量预报预警体系建设的整体思路,针对系统建设现状,提出了环境空气质量预报预警系统建设所面临的问题以及对未来发展方向的建议。     

江苏省空气质量预报准确度及改进方法分析

介绍了江苏省重污染天气监测预报预警系统以及大气重污染预警会商流程,将2015年13个地级市的模式预报、人工预报结果分别与实际观测值进行比较。结果表明:人工预报更准确,PM_(2.5)日均值、臭氧日最大8 h平均值、AQI 3个指标人工预报和实况的相关性分别比模式预报高出12.8%、0.3%、11.4%,平均标准误差(MNE)分别低20.7%、3.1%、23.1%。依据国家空气质量预报技术指南评分办法,对各市2015年全年空气质量级别为"良"时进行评分。通过开展07∶00预报更新,使2015年上半年空气质量预报级别得分平均提高了0.9分,全年级别得分平均提高了2.6分;通过改进模式预报参数,使PM_(2.5)日均预报值、臭氧日最大8 h平均预报值、AQI预报值和实际观测值的相关性比上年同期分别提高26.0%、5.0%、33.9%,MNE分别降低3.6%、31.3%、7.6%。     

Probabilistic Flood Inundation Forecasting Using Rating Curve Libraries

One approach for performing uncertainty assessment in flood inundation modeling is to use an ensemble of models with different conceptualizations, parameters, and initial and boundary conditions that capture the factors contributing to uncertainty. However, the high computational expense of many hydraulic models renders their use impractical for ensemble forecasting. To address this challenge, we developed a rating curve library method for flood inundation forecasting. This method involves pre‐running a hydraulic model using multiple inflows and extracting rating curves, which prescribe a relation between streamflow and stage at various cross sections along a river reach. For a given streamflow, flood stage at each cross section is interpolated from the pre‐computed rating curve library to delineate flood inundation depths and extents at a lower computational cost. In this article, we describe the workflow for our rating curve library method and the Rating Curve based Automatic Flood Forecasting (RCAFF) software that automates this workflow. We also investigate the feasibility of using this method to transform ensemble streamflow forecasts into local, probabilistic flood inundation delineations for the Onion and Shoal Creeks in Austin, Texas. While our results show water surface elevations from RCAFF are comparable to those from the hydraulic models, the ensemble streamflow forecasts used as inputs to RCAFF are the largest source of uncertainty in predicting observed floods.