文章来源:江苏省气象科学研究所延伸期预报课题组 发表时间:2019-09-26 点击次数:1186
简单高阶扩展复数自回归模型在延伸期低频降水预测中的应用
杨秋明
江苏省气象科学研究所, 南京, 210009
摘要:对数据驱动的简单高阶扩展复数自回归模型(HECAR)预测方法做了介绍,并应用于长江下游20-30d低频降水的实时预报。这种基于数据变换的扩展复数空间中的复自回归型,从多角度识别和描述大量实和虚数据中的主要时滞低频相关的多样性,同时采用新的实时奇异谱(SSA)滤波更精确地提取观测数据中的实时低频信号,明显提高了模型实时预测的精度。进一步对2016年长江下游20-30d低频降水未来30d的实时延伸预报结果表明,1-12月的25d预报技巧达到0.88,准确地预测了2016年6月下旬到7月上旬和10月下旬连续阴雨时段低频降水显著正位相的变化,为长江下游地区梅雨期连续强降水和秋季连阴雨提供了有重要价值的预测背景信息。
关键词:高阶扩展复数自回归模型(HECAR),延伸期预报,长江下游强降水,季节内振荡(ISO)
由于理论研究尚不完备,目前10-30d延伸期天气的准确预报还存在较多困难。但对10-30d延伸期预报迫切的社会需求,使其成为国际关注的研究研究热点之一[1,2]。另一方面,由于技术的进步,近10年来气候观测获得的全球数据迅速增加,这些具有高度数据相关性和多重数据属性的科学大数据反映和表征着复杂的自然现象与关系。采用数据分解、扩展和变换等技术,从大量数据中提取出部分与极端天气密切相关的10-90d时间尺度的大气季节内振荡(ISO)变化信号,由数据分析新技术产生多种创新性的数据产品,并通过数据和模型的集成,由动态数据来驱动复杂低频变化过程与系统的构建,是提高低频分量延伸期预报精度的有效途径之一,对于延长极端天气过程(如区域持续暴雨、持续高温、强降温等)预报时效十分重要。
基于作者(2014)提出的低频分量预测模型框架(Low frequency component forecast model, LFCF)[2],作者(2018)最近建立了一个新的具有原始创新的、用于实时预测的简单高阶扩展复数自回归模型( High-order extended complex autoregressive model, HECAR)[3]。这个模型基于全球环流和降水主要低频分量构成扩展数据阵,通过傅里叶变换生成扩展的复序列构成扩展复数矩阵,以及简单高阶复数自回归模型,从多角度识别和描述大量实和虚数据中的主要时滞低频相关和ISO型变化的多样性。同时,这个数据模型中还采用了近5年新研制的基于数据变换的序列延拓方案[实时奇异谱(SSA)滤波方法],较好地抑制序列滤波的边界效应,这种实时SSA在预报中能较精确地得到ISO变化信号,极大地提高了扩展复数模型实时预测的稳定性和显著提高了预报精度。
这个数据驱动的HECAR模型[3]应用于2009-2014年逐日长江下游地区20-30天低频降水实时预测表明预报技巧能稳定达到28天(5阶ECAR 模型),比国内外过去20年的延伸预测模型和近两年国际上最新延伸预测模型均具有较明显的优势,将长江下游地区暴雨(强降水)实时预报时效稳定延长到25-30天。进一步对2016年(20-30d振荡活跃年份)长江下游20-30d低频降水未来30d的实时延伸预报结果表明,1-12月的25d预报技巧达到0.88(图1),准确地预测了2016年5-7月3次多雨时段的中正位相变化,其中6月下旬到7月上旬的梅雨期连续强降水过程的正位相变化可以提前25d左右预测。另外10-12月的3次多雨期对应的正位相也能很好预测,特别是10月中下旬连续阴雨时段低频降水正位相的变化的预测和实况几乎一致(图2,相关系数为0.98),提前20d左右成功预测了10月下旬长江下游的连阴雨过程。因此,HECAR能较精确模拟20-30d低频信号的演变,为长江下游梅雨期连续强降水和秋季连阴雨提供了有重要的低频背景变化信息。
图1 2016 年1-12 月长江下游20-30d低频降水的5阶ECAR 模型的25d预报(基于全球850hPa低频经向风场的主成分),初始时间分别是2015.12.7,…,2016.12.6,实(虚)线分别表示实况(预报),直方图表示长江下游逐日降水变化,单位:mm; r是预测和实况之间的相关系数
图2 2016年10月长江下游地区20-30d低频降水1-30d预报(虚线)和实况(实线), 初始时间:2016年9月30日,直方图表示长江下游地区逐日降水变化,单位:毫米,r是预报和实况的相关系数
自然界的复杂与丰富都来源于最简单的图像或者元素,简单与复杂存在调和之美,而科学则呈现着简单与复杂的辩证法。对于描述低频变化的数据模型的构建,使用某种更为复杂的决定论模型不会有明显的优势,诸如简洁、数学表达上的优雅等其他因素可能更加重要。随着大数据时代的发展,会改变现有天气气候监测和预报思维模式和方法。纷繁芜杂的观测数据构建了多姿多彩的气象变化世界,如何更好地整合数据的力量、结合互联网+时代新的数据分析技术和知识来认识天气气候并预测极端天气气候事件是进一步研究的重点方向。通过数据分析科学和技术发展以及数据新产品应用等科技创新,从观测和虚拟数据中提取隐藏在数据规律里的更多有价值的信息,着力研究解决复杂现象的“海量数据+简单逻辑”的问题,反演出可预报性较大的简化数据模型,可以让预报模式从根本上摆脱可预报性的束缚,实现模式的短中期、延伸期和短期气候无缝隙预报预测的能力,显著延长预报时效。
(本文即将发表于“中国科技成果”2019年)
参考文献:
[1] Hoskins B. The potential for skill across the range of the seamless weather-climate prediction problem: a stimulus for our science.Quarterly Journal of the Royal Meteorological Society,2013,139:573-584.
[2] 杨秋明. 10-30 d延伸期天气预报方法研究进展与展望.地球科学进展, 2015, 30(9): 970-984.
[3] Yang, Qiuming. Predictability and prediction of low frequency rainfall over the lower reaches of the Yangtze River valley on the time scale of 20―30 days[J]. J Geophys Res,2018,123:211–233, doi:10.1002/2017JD027281.
(2019.9.26)