“十三五”优秀成果展示——数值天气预报产品智能释用技术
发布者：
来源：
发布时间：2024/3/9 0:00:00
标签:
浏览次数:916
| 成果评价编号： |
中气科成评[2022]198 |
| 评价结果： |
良好 |
| 成果名称： |
数值天气预报产品智能释用技术 |
| 完成单位： |
南京信息工程大学、南京气象科技创新研究院、北京城市气象研究院、江苏省气候中心 |
| 成果形式： |
基础研究类-新方法 |
| 研究领域： |
天气预报 |
| 评价年份： |
2021 |
| 完成人： |
智协飞、张玲、朱寿鹏、张涵斌、夏宇、吉璐莹、王佳 |
| 成果简介： |
本项目瞄准气象科技发展的国际前沿，围绕多时间尺度无缝隙智能网格预报中存在的难点问题，国家重大科学研究（973）计划、国家科技支撑计划、国家自然科学基金项目、公益性行业（气象）科研专项等科研项目的资助下，经过十余年的努力，开展数值天气预报及其产品智能释用技术研究与应用工作，生成高分辨率、高准确率的气象要素预报，解决了无缝隙智能网格预报中存在的痛点和难点问题，在气象、水文部门的日常业务预报以及重大社会活动的气象保障工作中发挥了关键作用。
1）在国际上率先提出了基于对象诊断评估MODE的超级集合多模式集成预报新思路与新技术，显著改进强降水落区预报，全面提高降水预报技巧。 由于降水预报会有空报和漏报的情况出现，传统的点对点的预报检验方法在评估降水预报时存在“双重惩罚”的缺点，而降水的MODE评估可有效克服这一缺点。以MODE检验得到的空间型评分——最大相似中值法和基于对象的TS评分为基础设定模式权重，进行降水的多模式超级集合预报是一种新的超级集合预报方法，有效改进降水落区预报，明显优于基于点对点降水预报评估的超级集合预报。 2）创新地构建了基于降水时空自适应分级建模的降尺度预报与多模式集成预报新技术，有效地提高了强降水概率预报技巧。 针对降水预报的空报、漏报问题以及强降水预报中出现的困难，分别使用统计降尺度与多模式集成的方法，对数值预报结果进行集成处理，可以得到更优的预报结果。以贝叶斯模式平均（Bayesian model Averaging，BMA）方法为例，传统BMA方法对强降水预报效果不理想，在该基础上，提出了分级雨量BMA预报方法，显著提升了强降水预报能力。 3） 构建了基于动态与静态数据智能融合的多种神经网络多模式集成预报模型，率先应用最优滑动训练期的确定方法，以及多方案、多模式智能融合集成预报方法，有效提高气温、降水、风的预报准确率。 基于传统多模式集成固定训练期的最优选取方案，创新性地提出了滑动训练期超级集合预报方法，采用逐日滑动的最新训练期确定预报模型参数。此外，采用卡尔曼滤波技术，迭代运算使模式有效信息即时更新，有效提高了传统多模式集成预报的预报技巧。同时，构建了基于多种神经网络方法（如BP神经网络、卷积神经网络、长短期记忆人工神经网络等）的多模式集成预报模型，并加入地理信息等，进一步提高了气温、降水等要素的预报效果。
团队基于上述国际先进、国内领先的多种数值天气预报产品智能释用技术，在《Monthly Weather Review》《Weather and Forecasting》《Journal of Meteorological Research》《大气科学》等期刊发表相关高水平学术论文70余篇，获批软件著作权20余项。部分研究成果被国际著名气象学家 Krishnamurti团队在国际权威期刊《Reviews of Geophysics》综述文章中引用。基于对象诊断评估MODE的超级集合多模式集成预报在国际著名期刊《Monthly Weather Review》发表后，得到意大利国家研究委员会大气科学和气候研究所所长Levizzani教授的推荐。 项目研发的一系列的多时间尺度释用产品，应用于各级气象业务部门，显著提高了降水、气温、风场等要素的预报准确率和精细化程度，尤其是对转折性天气过程、强降水预报和预警、云水预报水平等方面改进显著。相关技术在气象服务中发挥了重要作用，如2014年南京青奥会、2015年第一届全国青年运动会以及2018年中央台春晚贵州分会场的气象服务。 |
