一、MM5数值产品在大同地区短期预报中的应用（论文文献综述）
朱寿鹏[1]（2021）在《基于多模式集成的东亚地区气温与降水次季节预报及其误差诊断》文中研究表明天气预报到气候预测之间的鸿沟——次季节尺度预报,是当前防灾减灾气象服务中无缝隙预报研究的重点与难点之一。近年来,世界天气研究计划（WWRP）与世界气候研究计划（WCRP）共同开展了次季节—季节（S2S）预测项目,提供了次季节尺度的多模式数值预报产品,但尚未完全建立一个成熟的预报后处理框架。本论文使用S2S项目中多模式次季节尺度逐日预报资料,以及美国气候预测中心（CPC）观测数据,构建了针对东亚地区气温、降水的8–42天预报时效多方案确定性预报与概率预报后处理模型,以提升次季节预报技巧,并使用多项指标检验评估预报结果,对预报误差进行诊断分析,得到如下主要结论:（1）单模式的次季节预报试验表明,不同模式通常具有不同的预报表现,充分说明了对多模式进行有效信息集成的必要性。传统的多模式集成模型中,由于次季节尺度的预报时效较长,模式对训练期平均得到的系统性偏差在预报期并不能完全延续,通过校正该偏差带来的预报技巧提升十分有限。对此,本文构建了基于卡尔曼滤波的超级集合（KFSUP）模型,通过训练期中预报与观测之间的迭代运算,使各模式有效预报信息得到即时更新,并通过多模式集成显着提高了次季节尺度气温、降水的预报技巧。对于气温预报,KFSUP模型有效减小了原始预报的误差,对高海拔地区以及较长预报时效的预报改进效果更加明显,对日最高气温（Tmax）的预报提升幅度较日最低气温（Tmin）更大。对于降水预报,KFSUP模型对较小量级降水的预报技巧具有非常明显的提升,随着降水量级增大,预报技巧提升幅度有所减弱。（2）利用卡尔曼滤波在次季节尺度预报中的优势,本文改进了面向单模式订正的模态投影预报方法,建立了基于卡尔曼滤波的模态投影（KFPPM）模型,该模型表现稳定,普遍提升了次季节尺度的气温、降水预报技巧,且改进效果显着优于逐点修正模型与原始模态投影模型。同时,本文融合了模态投影与多模式集成的思想,创新性地提出基于卡尔曼滤波的多模式模态投影集成预报（KFPPSUP）模型,其承袭了KFPPM与KFSUP的后处理优点,同时考虑了多模式预报信息的集成与预报目标周边因子的协同效果,进一步减小了模式预报的误差。对于气温预报,KFPPSUP模型在东亚地区较大范围内显着提升了预报技巧,部分地区Tmax与Tmin预报误差低于2°C的最长时效分别达到25天与42天。对于降水预报,KFPPSUP模型同样弥补了其他后处理模型的不足,总体上对降水预报技巧具有明显的提升,尽管对大量级降水预报技巧的提升依然较为有限,但是对降水空间结构、雨带位置的次季节尺度预报能力具有显着提升。（3）在次季节尺度的概率预报中,将其预报技巧分解为可靠性、分辨能力及变量固有不确定性进行讨论。针对气温概率预报,集合模式输出统计（EMOS）模型在整个东亚地区显着改进了预报技巧,且改进幅度基本稳定,普遍高于贝叶斯模式平均（BMA）模型。两个后处理模型均显着改善了Tmax与Tmin的预报可靠性和分辨能力,其中EMOS模型更优。经过两种模型订正后的Tmax预报达到与Tmin较为一致的高可靠性水平,而其预报分辨能力依然优于Tmin。但由于Tmax的预报固有不确定性显着高于Tmin,尽管Tmax预报在模型中的改进幅度更大,其预报技巧依然不及Tmin。对于降水概率预报,BMA模型与EMOS模型均能够改进预报技巧,降低整体预报偏差。其中,BMA模型可明显提升预报可靠性,但未能有效改进预报的分辨能力;EMOS模型的预报可靠性与分辨能力总体上均显着优于原始大集合预报与BMA模型,表现出明显的优势。此外,对于较小量级降水的概率预报,其固有不确定性较高,系统分辨能力较高,预报误差主要受其本身的不确定性与系统的可靠性影响;而对于较高量级降水,由于其较低的发生频次,概率预报不确定性相对较低,可靠性较高,预报误差主要受到系统在次季节尺度的预报分辨能力影响。综上所述,本研究可为次季节尺度的业务预报提供技术支撑,也为今后基于多种统计模型的次季节确定性与概率天气预报相关技术的推广应用提供理论依据,具有重要的科学意义与应用价值。
丁震[2]（2021）在《耦合水文气象信息的洪水预报调度应用研究》文中指出传统的洪水预报通过成熟的水文模型,在一定程度上发挥了救灾防洪、兴利发电的作用。但基于落地雨的传统洪水预报时效性不足,调度决策也不能达到最优,洪水资源浪费现象比较严重。针对上述问题,本文以桓仁水库作为研究对象,选择ECMWF气象中心收集的集降水预报数据,作为洪水预报模型的输入值,进行洪水预报及发电调度。本文研究的主要结果如下:（1）对从省水文局和自动测报站收集的水文资料进行代表性、可靠性、一致性进行审查分析,经过降水累计线图法、长短系列统计参数对比法和逐日最大误差比较,可以得出:统计数据可信度较高,且随着时间的推移,原始收集水文数据的适用性较好,桓仁流域下垫面情况并没有发生较大的变化。（2）将降水预报事件抽象为二项事件,通过CSI评分、Bias评分、HR-FAR值对比、排名分布直方图、Brier评分对1～5d预见期的预报降雨数据进行评价,并将集合预报均值与控制预报值的逐日降雨过程进行比较,结果表明:预报结果得到的流域面雨量适用性较好;可以参考控制预报数据对集合预报均值数据进行修正。（3）针对桓仁流域的流域气候特性、下垫面条件、汇流特征等自然因素,采取新安江模型的蓄满产流和单位线汇流建立雨洪预报模型。通过历史实测资料数据完成参数率定客观优化,模拟计算蓄满产流过程,根据历史单位线和分析试错法得出的新的单位线进行汇流计算。结果表明:雨洪预报模型结果合格率为88%,预报精度达甲级;入库洪水过程线拟合度较高,确定性系数DC值率定期为0.78,检验期为0.79,预报方案预报精度为乙级。可以发布正式预报。（4）将集合预报均值数据作为洪水预报模型的输入值,按预见期1～5d对15场洪水过程分别进行洪水预报。结果表明:修正前1d,2d预报结果精度较高,为乙级;3d及以上的雨洪预报整体趋势有一定的参考价值,但不能用于预报工作。修正后的3d预报结果有一定改善,3d的预报精度也达到了乙级。最后以1～3d的修正后降水预报数据为参考,制定水库的预泄调度决策。结果表明:参考降雨预报的水库预泄决策,前期满发电,后期蓄回,可以在减少弃水的同时增加场次洪水的发电量,并保证场次洪水结束后库水位回蓄到正常蓄水位附近,且不影响水库对后续降雨的调节能力,研究结果有一定的实用性价值。
夏晓丽[3]（2021）在《新一代气象卫星气溶胶资料同化在大气污染模拟中的应用研究》文中指出随着城市化规模和水平的提高,我国经济发展水平有了显着提高,与此同时也出现了日益突出的空气污染问题,对大气污染的模拟与预报逐渐成为当今的热点社会问题也是一项科学难题。随着计算能力的提高和模式预报水平的发展,空气质量预报模式逐渐成为空气污染领域研究的主要研究方式。同时资料同化技术能够为预报模式提供准确的初始条件,成为降低模式预报不确定性的一种有效方法。气溶胶是大气污染物的主要成分,大气气溶胶对气候系统和环境污染都有着非常重要的作用。近年来,随着卫星遥感技术的不断进步,通过大气探测技术获取大气气溶胶数据已成为大气研究领域中重要的获取方式。充分利用好现阶段先进的新一代卫星气溶胶资料是当前空气质量预报研究的热点。本文通过结合WRF-Chem预报模式,在GSI（Gridpoint Statistical Interpolation）系统中使用三维变分方法,分别研究能够同化新一代气象卫星风云3号（FY-3A）卫星,葵花8号（Himawari-8）卫星,风云4号（FY-4A）卫星气溶胶资料的同化系统,结合实际大气污染个例设计同化试验,进一步验证了同化试验对预报的改进效果。研究结果表明:（1）基于GSI同化系统构建风云3号（FY-3A）卫星气溶胶资料的三维变分同化系统,将风云3号卫星气溶胶数据成功引入GSI同化系统中,用WRF-Chem模式做预报,使用NMC（National Meteorology Center）方法统计了背景误差协方差矩阵,较好地反映了14种气溶胶变量的垂直特征。经过同化试验之后的气溶胶光学厚度AOD（Aerosol Optical Depth）值的偏差和均方根误差值整体优化了接近30%,进一步验证了AOD资料同化系统的积极影响。同化卫星资料后,分析场提供了更加丰富的沙尘天气信息,风云3号（FY-3A）卫星同化试验比MODIS卫星资料同化试验效果更好一些。进一步验证了风云3号（FY-3A）卫星气溶胶资料同化对模式预报的改进效果。（2）进一步改进同化系统,基于静止卫星能够对同一地区连续观测的特点,构建基于静止气象卫星葵花8号（Himawari-8）卫星气溶胶资料快速更新同化系统。将葵花8号（Himawari-8）卫星气溶胶资料引入GSI分析系统中,并应用在2017年5月发生的一次强沙尘天气中,通过实际天气个例研究发现,同化AHI卫星AOD资料的试验在AOD值强度和覆盖度上都有较好的效果,特别是在中国东北地区大值中心区附近。与地面监测站AERONET站点数据对比发现,“AHI 1h DA”同化试验的改进效果最为明显,比其他更接近地面观测站,可能是由于同化了高频数据,有助于提供丰富的初始场信息,充分检验了同化系统的有效性。（3）选取一次实际沙尘天气个例,基于以上GSI中构建的快速循环同化系统,将我国第二代静止气象卫星风云4号（FY-4A）卫星的气溶胶数据成功接入GSI系统,系统地对比了其对沙尘天气气溶胶预报效果的影响。模式引入卫星AOD观测值后分析场中引入了研究区偏东北地区,北部平原地区以及东南地区几个沙尘的主要沙源。通过同化试验中气溶胶各组分的空间分布图可知,大气气溶胶在沙漠戈壁和北京地区的大值区主要是由于沙尘气溶胶的增加,华南上空AOD主要以P25组分分量为主。同化试验均反映了研究区域内AOD的增量中心且与卫星观测场中AOD高值区分布一致,同化调整后分析场的气溶胶信息更加丰富。试验研究表明我国风云4号（FY-4A）卫星气溶胶资料同化系统在空气质量预报中的应用具有广阔的发展前景。（4）根据以上工作,为了结合风云4号（FY-4A）卫星和葵花8号（Himawari-8）卫星数据的各自优点,研究了两种卫星气溶胶资料的联合同化系统,对发生在我国的一次大范围沙尘天气进行卫星资料同化试验,接着用WRF-Chem模式模拟AOD分布。同时同化风云4号（FY-4A）卫星和葵花8号（Himawari-8）卫星气溶胶资料的同化试验能够充分利用两种卫星在不同区域的数据覆盖度的优势,观测资料的增加丰富了在北京、内蒙古和东北地区特别是西北地区的AOD大值分布区,为分析场提供了更丰富的气溶胶观测信息和更准确的模式初始场描述。为未来我国风云卫星气溶胶数据的推广提供参考。
刘莉[4]（2020）在《基于TIGGE数据的分布式集合洪水预报研究》文中提出受气候变化和城市化的影响,极端水文气象事件频繁发生,洪水成为了影响我国乃至全世界最主要、破坏性最严重的自然灾害,严重威胁着社会经济安全。加强洪水预测预警对于缓解洪水灾害有着重要意义,越来越受到人们的关注。得益于气象科学和计算机技术的发展,基于数值天气预报的水文集合预报成为了洪水预报的主要手段,并证实在洪水预警中发挥着重要作用。本文从TIGGE数据的适用性研究入手,耦合数值天气预报产品和VIC分布式水文模型构建集合洪水预报系统,以兰江流域和雅鲁藏布江流域为研究对象,分析了预报系统对洪峰、洪量、径流成分等的预报能力,论文主要工作和取得的成果如下:（1）采用CSGD-EMOS和QM统计方法对ECMWF、NCEP以及CMA的降水预报进行后处理,比较了处理前后降水预报在梅雨季和台风季的预报能力,同时评估了不同阈值降雨量的预报表现。结果显示ECMWF和NCEP的降水数据在衢江流域具有不相上下的预报技能,但ECMWF在台风季表现更好,NCEP更擅长对梅雨季降水的预测。三个EPS都存在对小雨事件的低估和对暴雨事件的漏报。原始降水预报的有效预见期约为8天,经偏差纠正后,预见期可延长至10天及以上。QM擅长对偏差的纠正,但却无法保证预报的可靠度,而CSGD-EMOS在概率指标的评估中略胜一筹。（2）利用MPICH和ε-NSGAII遗传算法对VIC模型进行自动化并行参数率定,并针对日径流（VIC/D）和POT峰值径流（VIC/P）分别建立模拟框架,再利用模块法对径流进行重组,耦合TIGGE预报数据在兰江流域进行集合洪水预报。发现优化的率定策略和模块组合方法可以显着提高模型精度,流域日径流NSE维持在0.8以上,POT峰值的NSE达到0.9。研究发现,ECMWF是多模型超级集合的主要贡献者,其对CRPSS的贡献率达到20%。不同的集合方法表现不同,等权重超级集合的表现最差,给予ECMWF更多权重的集合方法可以取得更高的技能得分。径流预报的有效预见期约为10天,对POT峰值的预报存在显着地低估。（3）采用POR法从ε-NSGAII解决方案的帕累托最优前沿上选取一定数量的优先解,再加上不同率定目标函数的特征解,来研究模型参数不确定性对洪水及其成分的预报影响。基于ECMWF和VIC模型构建了雅鲁藏布江流域集合洪水预报系统,采用融雪追踪算法进行水文分成。结果显示考虑参数不确定性的VIC模型（NVIC）可以显着提高模型的模拟能力,但在预报中的表现略不及基于单个参数的VIC模型（SVIC）。集合预报系统对于年最大洪水的预见期为10天,其中融雪径流成分的遇见期约为7天。每年的第一场洪水基本可以提前5天预测到。地表径流中的融雪成分是总径流预报误差的主要来源,而降水径流的良好预测效果是总径流预测结果的主要贡献者。（4）误差统计分析显示VIC模型在雅鲁藏布江流域的模拟误差存在显着的季节性和月尺度变化特征,其中夏季和冬季误差分布分别为均一的高估和低估,但在春秋两季则呈现出过渡型误差分布,这可能和模型对这两个季节内复杂的水文过程模拟不足有着直接关系。根据误差分析及其变化规律,构建了半年尺度（ERRIS-H）、季节尺度（ERRIS-S）和月尺度（ERRIS-M）时变误差模型。结果显示对于预测应用时变误差模型可以比非时变误差模型（ERRIS-A）提供更高的后处理效率,能够额外减少34%的CRPS,多提高23%的NSE。ERRIS-A甚至对原始模型输出存在负面影响。对于预报应用,时变误差模型依然以7%左右的优势领先ERRIS-A。时变误差模型的功效基本于模型尺度正相关,ERRIS-S和ERRIS-M在误差不存在季内分布时表现难分伯仲,当季内误差存在时,月尺度模型表现更好。
曹越[5]（2019）在《基于集合预报的暴雨概率预报研究》文中研究指明本论文是在中国气象局重大自然灾害预警与防范专项（项目编号:2017YFC1502000）的资助下完成的。本论文通过对ECMWF集合预报与ECMWF高分辨率数值预报对我国中部地区降水预报能力在确定性及概率性方面的预报能力进行了检验评估,得到了不同模式的各自优势并对不同模式的误差特征及产生原因进行了详细统计分析。在此基础上利用机器学习中的K-means聚类算法将我国中部地区根据预报特征的不同分为了8个区域,并对各个区域降水预报的特征及分级降水气候特征进行了详细分析;最后利用传统的Poor Man等权概率预报法及人工神经网络算法两种方法进行了分区暴雨降水概率预报计算,并对比两种方法对不同区域强降水预报的效果,具体研究内容概述如下几个方面:（1）首先利用传统的确定性预报的检验方法及改进了标准差的R指数对ECMWF高分辨率模式、ECMWF集合控制预报、ECMWF集合平均三种确定性预报结果进行确定性模式的检验分析。分析结果表明:ECMWF高分辨率模式对观测降水平均值的刻画较为随机且没有规律,总体上,集中度东部偏大,西部偏小;ECMWF集合控制预报平均值基本都大于观测,东南部集中度偏大,西北集中度偏小;集合平均预报的平均值分布较有规律,基本是西北偏小,东南偏大,且东部地区集中度偏大的现象被放大;综合而言,集合控制预报在集中度和平均值的综合度量下更靠近实况降水,但ECMWF高分辨率模式模式对实况降水集中度刻画最优。（2）通过传统的概率预报检验方法,以及为避免样本不均而导致概率预报评分不准确的情况而进行的“有降水BS评分”及“无降水BS评分”的计算结果,对ECMWF集合预报的概率预报能力进行检验评估,并利用Talagrand分布对其误差出现的主要原因进行了详细分析。分析结果表明:我国东南、华北及四川地区是集合离散度的高值区,降水可预报性较低,预报可信度小;我国西北地区为集合离散度的低值区,降水可预报性高,预报可信度较大。同时ECMWF集合预报在我国中部地区,特别是在四川及东南地区远远高于集合平均的标准差,需要适当缩减集合离散度,以使得集合预报系统更加集约。同时ECMWF集合预报的单模式等权概率预报对小雨的预报效果并不好,虽然可以增加预报的命中率,但同时也增加预报的空报率,而在中雨或大雨量级降水中的表现较好,可以为降水事件出现与否做出较为有价值的区分。在暴雨量级降水中虽然空报率低、但漏报率高、区分度不足,需要探究新的方法对ECMWF集合预报系统进行集成,以获得更多的不确定性信息。（3）通过利用概率预报与确定性预报检验的评分结果作为聚类因子,利用K-means聚类法进行聚类分析后,把我国中部地区分为了八个降水预报不同区域,然后综合对各个区域的预报特征及分级降水特征进行了总结分析。分析结果表明:区域2与区域4为北方地区暴雨降水预报的关键区,区域7与区域8为南方地区暴雨降水预报的关键区域,这些区域的暴雨以上（≥50mm）降水频率高,且由于地形、气候的复杂性,暴雨预报的准确度较低,因此需要进一步探究合适的预报方法。（4）利用人工神经网络算法制作分区概率预报与Poor Man集合概率预报法的预报效果进行了对比分析。分析结果表明:采用人工神经网络算法制作的暴雨降水概率预报结果比利用Poor Man集合预报法制作的概率预报准确度更高,预报的落区也更接近实况降水。且在区域2、4、7、8这四个区域的预报可信度较高,因此在这些区域利用人工神经网络算法制作概率预报较为恰当。
周倩[6]（2019）在《长江上游干流区陆气耦合降雨径流预报研究》文中研究表明长江流域在我国社会经济可持续发展中占有重要战略地位,而长江上游地区又集中了大部分水能资源,是我国水能资源综合规划设计和开发利用的重点流域。在人类活动、气候变化和兴建大型水利工程的共同影响下,水资源系统自然演变规律遭到严重破坏,充分掌握变化环境下长江上游流域水循环过程为我国水利工程规划建设、水资源优化配置和水电能源系统安全经济运行提供重要科学支撑。本文围绕变化环境下流域自然水循环过程演变规律与降雨径流预报过程中面临的科学问题,以长江上游干流区为主要研究对象,分析流域水文气象要素时空演变情势、探索提高流域降雨预报精度的先进理论和方法,研究延长流域短期径流预报预见期的关键技术和方法。本文主要研究内容及取得的成果包括以下几个方面:（1）为分析变化环境下流域水文循环过程中水文气象要素的时空演变特征,以长江上游干流区为主要研究对象,利用Mann-Kendall趋势分析方法、累积距平法、小波分析法和标准降水蒸腾指数研究了长江上游干流区近几十年流域水循环要素演化趋势、突变特性、周期特征和气象干旱演变规律。研究结果表明,长江上游干流区汛期降雨、径流增加,枯水期降雨、径流减少;年平均降雨量、径流量呈不显着性减少趋势,温度呈显着性上升趋势;流域呈较弱干旱化趋势,揭示了长江上游干流区未来一段时间内干旱或洪涝水文灾害现象发生频率有增加趋势。（2）为提高长江上游干流区的降雨预报精度,优选适合流域物理过程的参数化方案组合。根据流域地貌地质特征和气候变化条件,研究了WRF（Weather Research and Forecasting）中尺度数值天气预报模式中不同的云微物理过程、陆面过程和积云参数化方案组合,构建了包含平均绝对误差、布莱尔评分、TS评分和合格率多指标综合评价体系,提出了基于TOPSIS多属性决策的最优参数化方案遴选方法。研究表明,当云微物理过程选择WSM3（WRF Single-Moment 3-class）方案、陆面过程选择Noah（Noah Land Surface Model）方案和积云对流参数化过程选择KF（Kain-Fritsch）方案时WRF模式在长江上游干流区的模拟精度最高,说明在不同研究区域优选适合流域物理过程的参数化方案的必要性,推广应用前景广阔。（3）探究不同数值模式预报产品在长江上游干流区的预报性能,解决短期径流预报过程中如何有效延长径流预报预见期等问题。分别从流域面降雨过程和降雨空间分布过程评价了中国气象局T639模式和欧洲中期天气预报中心（Ecmwf）发布的预报降雨产品在长江上游干流区的适用性,基于流域实测降雨径流资料,建立了长江上游干流区短期径流预报系统,在此基础上引入数值天气预报模式预报降雨产品,建立了耦合数值天气预报模式的流域短期径流预报系统。研究表明,在长江上游干流区T639、Ecmwf模式7天预见期内预报降雨分布带趋势、降雨中心位置接近于实测降雨,但预报降雨量略偏大;长江上游干流区陆气耦合模型预报径流精度较高,其中寸滩断面径流预报效果最好,7天预见期的径流预报精度达到甲级标准,有效的延长了径流预报预见期,具有较高的实用价值,研究成果可为防范流域水文灾害、优化水资源规划设计和流域防洪调度风险分析提供重要的参考。
易路[7]（2018）在《陆面水文模型TOPX的改进及其与区域气候模式WRF的耦合研究》文中研究说明水是地球生物赖以生存的重要物质基础,区域水循环是关乎区域经济发展、生态环境健康、水资源安全的重要自然循环。自上世纪70年代以来,全球气候变暖引发的全球水文循环加速、极端气候事件增多、季节降水模式改变等问题导致区域干旱和洪涝频发,这深刻地影响着与水循环密切相关的诸多水问题如水资源调蓄、水土流失、生态环境健康、农业水资源管理等。如何综合利用数值模拟、数据同化、遥感观测等技术,充分发挥陆气耦合模型在区域水循环模拟过程中时空分辨率高、不受观测资料限制、能增长洪水预报预见期等优势,提高陆气耦合模型对降雨径流过程的模拟准确度,并以此为基础精细区域水循环模拟、明晰区域水循环规律是研究全球变化背景下水循环响应的当务之急。淮河流域是我国七大流域之一,地处长江和黄河之间,位于我国南北气候过渡带,面积约270000 km2。此流域占有全国17%耕地,但人口密度却为各大江河流域之首（约660人/km2）,是我国重要的农产品基地之一,因此具有重要的社会经济地位。受地理和气候的综合影响,淮河流域降水年际变化大、年内分配不均,汛期（6～9月）降雨量约占全年总降雨量60～80%。这种降雨时空分布不均加上西高东低且以平原为主的地势,导致淮河流域洪涝干旱频发。近年来,在全球变化背景下,淮河流域汛期极端降水呈显着增加趋势,流域径流量变化明显。因此,非常有必要开展可用于全球变化响应分析的陆气耦合模型对淮河流域水循环模拟的适用性研究。论文以淮河流域为研究区,从完善陆面水文模型TOPX地形指数的物理机制和提高区域气候模式WRF降雨预报准确度出发,旨在构建适用于淮河流域强降雨径流过程模拟的陆气耦合模型。论文的主要研究内容和结论包括以下三个方面:（1）研建考虑土壤水力传导度和土壤抗侵蚀能力的新地形指数TI’,通过修正现有IMFD算法得到TI’空间分布,并从河网提取和水文模拟两个角度论证TI’的合理性。为量化土壤空间异质性对降雨径流过程的影响,提高以地形为基础的陆面水文模型的模拟效能,论文将土壤饱和导水率（Ks）和土壤可蚀性因子（K）这两个土壤特征参数加入传统地形指数TI(ln（α/tanβ）,以构建新地形指数TI,（ln（α/tanβ·Ks·K））。为计算研究区TI’的空间分布且避免采用耗时费力且代表范围有限的野外原位观测,论文首先基于1:100万HWSD 土壤数据库利用SPAW模型和EPIC模型分别求出Ks和K空间分布。其次,从TI’中土壤和地形两个下垫面因素共同决定水流流向的核心思想出发,改进现有地形指数计算方法IMFD并以此求得研究区TI’的空间分布。为了证明TI’的合理性,一方面,应用TI’中土壤和地形共同决定流向的思路改进TauDEM流域河网提取工具中的流向计算模块,从而提取基于TI’的研究区河网。提取结果正确的表现了水流更倾向于流向饱和水力传导度高和可蚀性强的土壤这一自然规律,而与产流密切相关的饱和源面积在一定程度上是流域河网的延伸。这表明TI’能正确反映土壤空间异质性对降雨径流的影响。另一方面,将TI和TI’输入以地形为基础的水文模型TOPMODEL和TOPX,模拟位于不同气候区的流域逐日降雨径流过程。相较于基于TI的模拟结果,基于TI’水文模拟结果的Nash系数在莺落峡流域、王家坝流域和黄桥流域的数值分别提高了 0.063、0.019和0.003。结果表明,TI’能提高基于地形的水文模型的模拟效,且提高作用随着Ks·K空间异质性的增大而加强。（2）采用4D-Var同化技术,以遥感降水资料TRMM3B42和GPM IMERG为观测算子,改善区域气候模式WRF模式的初边界条件,以提高WRF的降雨预报准确度。论文以淮河流域为研究区,以该流域2015年汛期和非汛期两次强降水过程为研究对象。首先,开展了关于WRF模式对降雨类型、初边界条件和空间分辨率的敏感性分析。结果表明,在同一研究区域同一参数配置下,在NCEP ds083.3驱动下的WRF降雨预报准确度好于NCEP ds083.2数据的驱动结果,高分辨率的内区域降雨模拟结果好于低分辨率外区域降雨模拟结果。其次,以NCEP ds083.3 分析数据驱动基于 TRMM 3B42 或 GPM IMERG 的 WRF 4D-Var降雨预报,通过对比同化实验与其对应的控制实验的模拟结果发现:基于TRMM 3B42或GPM IMERG的WRF 4D-Var同化系统均能有效改善WRF模式的降雨预报效能,且由于WRF运行过程中的误差累积,4D-Var同化对WRF降雨准确度的实质性提高能维持大约12小时。直接同化GPM IMERG的WRF 4D-Var降雨模拟准确度高于直接同化TRMM 3B42的WRF4D-Var降雨模拟准确度。在9 km内区域,与流域内气象站逐日观测降雨相比,同化GPM IMEG的WRF 4D-Var系统对汛期和非汛期研究强降雨事件的Pearson相关系数分别为0.74和0.51;与融合的CMORPH逐小时数据相比,两强降雨事件模拟结果的HSS均达到0.31。（3）实现陆面水文模型TOPX与区域气候模式WRF在1 km水平格网上的耦合及其在王家坝流域的强降雨径流过程模拟。论文以淮河流域子流域——王家坝流域为研究区,以该流域2015年汛期的一次强降雨径流过程为研究案例,在新地形指数和4D-Var同化技术验证有效的基础上,为保证基于TOPX和WRF陆气耦合模型的模拟效能,一方面,以TI’为TOPX的地形指数输入,基于长期和短期降雨径流对TOPX进行了率定验证。期间,TOPX模型对短期降雨径流模拟的Nash系数最低值为0.747。另一方面,采用4D-Var算法同化GPM IMERG卫星降雨数据来提高WRF模式降雨预报准确度。与研究区雨量站和蒸发量站实测降雨量和潜在蒸散发相比,WRF 4D-Var系统模拟出的逐日降雨和逐日潜在蒸散发整体上分别小于和大于实测值,与实测值的Pearson相关系数分别为0.444和0.746。最后,研究采用四重网格嵌套技术实现了 TOPX与WRF在1 km格网上的陆气耦合。陆气耦合模型的评估结果表明,基于TOPX与WRF4D-Var的陆气耦合模型生成的逐日土壤湿度模拟值与SMAP Level 4根区逐日土壤湿度数据的Pearson相关系数的流域平均值为0.802。该陆气耦合模型模拟的逐日出口流量整体上要小于水文站实测值,其Nash系数为0.543。可见,基于TOPX和WRF4D-Var同化系统的陆气耦合模型能较好的再现王家坝流域强降水径流过程。
闫靖春[8]（2018）在《渤海湾风速预报方法研究》文中进行了进一步梳理渤海湾为封闭的浅海区域,地理环境复杂,频繁受到温带气旋和寒潮的影响,经常出现大风天气。大风天气对海上工程建筑、海上运输等经济活动有较大的影响,因此对渤海湾洋面风速进行预报有着重要意义。机器学习是实现人工智能的一种方法,主要是利用算法解析数据、学习数据中深层次的信息,然后构建对具体问题提供决策或预测的模型。近年来,越来越多的机器学习方法应用到科学研究和工业过程中,在诸多领域都得到有效的发展并具有极大的潜力。本文通过对渤海湾A平台气象测站数据和集合预报格点数据的研究分析,提出了基于回声状态网络和集成学习回归决策树的风速预测方法,主要工作如下:（1）特征构建与特征选择。通过渤海湾A平台气象测站基本气象物理量数据,构建气象分析中常用的组合物理量特征;并通过相关程度分析实现了连续属性的特征选择,有效地减少输入物理量特征之间的信息冗余,降低了后期预测模型的复杂度,为模型预测性能的提升和运行时间的降低奠定了基础。（2）基于气象物理量特征构建风速预测模型。引入泄露积分型神经元和在线学习算法,构建泄露积分型回声状态网络（LIESN）时间序列预测模型,并通过遗传算法对LIESN关键参数进行优化,避免了模型参数的盲目选择,实现了基于气象物理量的风速预报。（3）基于集合预报数据构建风速预测模型。提出利用分类回归树（CART）剪枝挑选集合预报最优成员的方法,并通过梯度提升树（GBDT）集成学习算法构建回归预报模型,实现了小样本的集合预报风速预测。实验结果表明,LIESN预报模型的精度更高,集成学习的方法对小样本数据更为有效。
王朝阳[9]（2018）在《中国沿海GPS/GLONASS组合水汽反演关键技术与变化特征研究》文中研究指明连续、实时、高精度地获取水汽的时空分布及其变化特征,为准确掌握天气系统的演变提供保障。我国沿海地区南北纬跨度大,兼具海陆水汽特征,气候复杂多变,同样也是海洋灾害频繁发生的地区。因此,加强沿海地区水汽信息的监测方法和应用研究,有助于理解我国的气候变化,也是海洋防灾减灾的关键。本文借助中国沿海GNSS观测网数据和其他技术手段的数据资料研究了沿海地区GPS/GLONASS提取天顶对流层延迟的方法,针对GNSS基准站地面气象观测数据缺失的问题,提出了综合GNSS和数值天气模式资料反演天顶可降水汽含量的技术方法;在此基础上,研究了沿海地区可降水汽含量的时空变化特征和影响机理,提出并实现了联合水汽和地面气温的变化率对台风降水进行短临预报的方法。本文的主要研究内容和结论包括:（1）利用沿海GNSS观测网2014年1月的GPS/GLONASS数据和地面气象资料,研究了沿海地区天顶对流层延迟提取的方法。研究表明,10°截止高度角下,采用双差网解GPS/GLONASS组合系统估计的ZTD精度略优于双差网解GPS单系统和精密单点定位GPS/GLONASS组合系统,各方法提取结果不存在明显的系统偏差;卫星截止高度角设置对天顶对流层延迟精度有较大影响,30°截止高度角时,采用双差网解GPS单系统提取的ZTD精度最优,其精度较10°截止高度角明显降低。（2）针对我国沿海地区现有及历史上存在大量GNSS观测站无并址气象观测仪的问题,研究了分别利用ERA-Interim、NCEP FNL和JRA-55三种再分析资料和GPT2模型获取沿海地区任意GNSS测站位置的地面气压和气温方法。通过与均匀分布于沿海地区25个测站2014年的实测气象观测数据相比,ERA-Interim再分析资料内插的地面气象资料精度略优于其他三种资料内插结果;利用ERA-Inteirm再分析资料内插地面气象资料得到的GNSS PWV与由实测资料计算的结果间Bias和RMSE分别为0.03mm和0.31mm,与探空资料的长期结果存在0～1.2 mm的系统差,相应的RMSE在1.8-3.2 mm之间,满足水汽应用的精度要求。台风等中小尺度极端天气条件下,各内插地面气象资料均不能满足地基GNSS水汽信息反演的精度要求。（3）利用中国沿海GNSS观测网30个观测站2010～2016年共7年的GNSS PWV系统地分析了沿海地区水汽的时空变化特征和影响机理。研究表明,沿海地区水汽分布主要受纬度的影响,还与海陆分布和水汽输送有关。水汽具有明显的季节变化、月变化和日变化特征:受夏季季风影响,月平均PWV最大值所在的月份在不同地区存在差异;日变化随纬度位置、季节、地形和局地气候的变化而改变,地表蒸发和局地热力环流是造成日变化的主要原因。水汽时间序列具有显着的年周期、半年周期、日周期和半日周期:年周期振幅为16.5～22.1mm,从中纬度向高纬度和赤道地区逐渐减小;半年周期振幅为0.4～6.3mm,其大小与纬度不存在明显的相关性;日周期振幅为0.2～1.7mm,半日周期振幅为0.2～0.6mm。（4）利用GNSS反演的可降水汽含量分析了水汽变化与地面气象要素的关系。研究表明,水汽季节变化与大气温度具有较好的相关性,并且其与地面气温的相关性强弱取决于地面温度高低;逐时累积降水频次日变化特征要比逐时累积降水量显着,与夏季PWV日变化具有明显的先后关系;PWV日变化与气温和比湿变化以及地表风演变有关,与地面气压、海面温度变化相关性不明显。（5）利用2010-2014年台风过境期间沿海GNSS观测网的GNSS实测数据和逐时地面气象资料,分析了大气水汽和地面气象要素变化与台风降水间的关系,并提出了利用水汽和地面气温变化对台风降水进行短临预报的方法。研究表明,GNSS PWV和地面温度在台风降水发生前存在短期的变化,对暴雨短临预报具有很强的指示作用。利用天顶可降水汽含量在上升时段内的变化率和地面温度在下降期内的变化率对台风降水进行短临预报,该方法能够准确的预报出85%以上的较强降水事件,错误预报率较低,对台风降水预报具有一定指导意义。
许敏,丛波,刘艳杰,王洁,张绍恢,田晓飞[10]（2016）在《廊坊地区5种数值模式降水预报性能检验与评估》文中研究表明为了提高廊坊地区降水预报数值产品的释用能力,利用廊坊市9个气象观测站24 h的实况降水资料和日本（JPN）、德国（GER）、GRAPES、T639及MM 5模式的降水预报产品资料,对目前降水预报业务中广泛使用的5种数值模式的预报效果进行检验分析。结果表明:日本（JPN）和德国（GER）模式对≥10.0 mm及≥25.0 mm量级降水预报的TS评分比其他模式高10.0%—40.0%,夏季MM 5模式对≥50.0 mm量级降水的预报表现出一定的优越性;T639、GRAPES模式分别对大雨及以上量级的降雨和小雪预报效果较好,日本、德国模式对中雪和大雪的预报表现出一定的优势,T639模式对暴雪预报的TS评分达33.3%,高于其他模式。
二、MM5数值产品在大同地区短期预报中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、MM5数值产品在大同地区短期预报中的应用（论文提纲范文）
（1）基于多模式集成的东亚地区气温与降水次季节预报及其误差诊断（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究进展 |
| 1.2.1 次季节尺度预报 |
| 1.2.2 多模式集成预报 |
| 1.2.3 模态投影预报 |
| 1.2.4 概率预报 |
| 1.3 拟解决的科学问题 |
| 1.4 论文章节安排 |
| 第二章 资料与方法 |
| 2.1 资料 |
| 2.2 预报优化方法 |
| 2.2.1 次季节尺度的多模式集成预报 |
| 2.2.2 基于模态投影的单模式与多模式确定性预报 |
| 2.2.3 次季节尺度的概率预报 |
| 2.3 预报检验方法 |
| 2.3.1 确定性预报的检验评估 |
| 2.3.2 概率预报的检验评估 |
| 2.3.3 概率预报的误差诊断 |
| 第三章 次季节尺度的气温与降水多模式集成预报 |
| 3.1 多模式集成预报试验设计 |
| 3.2 次季节尺度的单中心预报 |
| 3.2.1 气温单中心预报 |
| 3.2.2 降水单中心预报 |
| 3.3 次季节尺度的多模式集成预报 |
| 3.3.1 气温多模式集成预报 |
| 3.3.2 降水多模式集成预报 |
| 3.4 多模式集成预报个例试验——东北亚2018 年盛夏极端高温 |
| 3.5 本章小结 |
| 第四章 基于模态投影的单模式与多模式确定性预报 |
| 4.1 模态投影确定性预报试验设计 |
| 4.2 单模式的次季节模态投影预报 |
| 4.2.1 气温模态投影预报 |
| 4.2.2 降水模态投影预报 |
| 4.3 次季节尺度的多模式模态投影集成预报 |
| 4.3.1 气温多模式模态投影集成预报 |
| 4.3.2 降水多模式模态投影集成预报 |
| 4.4 模态投影预报个例试验——中国南方2018 年初夏持续性强降水 |
| 4.5 本章小结 |
| 第五章 次季节尺度的多模式集成概率预报与误差诊断 |
| 5.1 多模式集成概率预报试验设计 |
| 5.2 次季节尺度的气温多模式集成概率预报与误差诊断 |
| 5.2.1 气温概率预报检验 |
| 5.2.2 气温概率预报误差诊断 |
| 5.3 次季节尺度的降水多模式集成概率预报与误差诊断 |
| 5.3.1 降水概率预报检验 |
| 5.3.2 降水概率预报误差诊断 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要研究结论 |
| 6.2 论文创新性成果 |
| 6.3 讨论与展望 |
| 参考文献 |
| 附录 论文使用的缩写与中英文全称对照表 |
| 作者简介 |
| 致谢 |
（2）耦合水文气象信息的洪水预报调度应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究历程 |
| 1.2.1 集合数值气象预报发展概况 |
| 1.2.2 陆气耦合水文模型发展概况 |
| 1.2.3 陆气耦合模型在水库调度中的应用 |
| 1.3 存在的问题 |
| 1.4 论文研究内容 |
| 1.4.1 论文内容 |
| 1.4.2 论文结构框架 |
| 2 桓仁流域介绍 |
| 2.1 引言 |
| 2.2 桓仁流域基本情况 |
| 2.2.1 自然地理概况 |
| 2.2.2 水文气象及产汇流特点 |
| 2.2.3 汛期降水及径流特性 |
| 2.3 工程概况 |
| 2.4 水文数据审查分析 |
| 2.4.1 流域水文数据审查 |
| 2.4.2 实测降雨数据特征分析 |
| 2.4.3 洪水过程数据特征分析 |
| 2.4.4 蒸散发数据特征分析 |
| 2.5 本章小结 |
| 3 ECMWF预报数据在流域尺度适用性评估及检验 |
| 3.1 引言 |
| 3.2 TIGGE数据介绍及获取 |
| 3.2.1 集合预报资料介绍 |
| 3.2.2 欧洲中期气象预报中心介绍 |
| 3.2.3 ECMWF预报数据的下载和分析 |
| 3.2.4 反坐标加权法介绍 |
| 3.3 集合预报可利用性评估 |
| 3.3.1 集合预报评估方法 |
| 3.3.2 集合预报均值与控制预报比较 |
| 3.4 评价分析过程及结果 |
| 3.4.1 雨量站预报值的估算 |
| 3.4.2 绝对指标结果 |
| 3.4.3 准确度指标结果 |
| 3.4.4 控制预报与集合预报均值的对比和修正 |
| 3.5 修正后评价结果 |
| 3.5.1 修正后绝对指标结果 |
| 3.5.2 准确度指标结果 |
| 3.6 本章小结 |
| 4 桓仁水库新安江模型建立与评价 |
| 4.1 引言 |
| 4.2 三水源新安江模型 |
| 4.2.1 流域蒸散发模型 |
| 4.2.2 产流计算模型 |
| 4.2.3 汇流计算方法 |
| 4.2.4 成果评定方法 |
| 4.3 新安江蓄满产流模型预报成果 |
| 4.3.1 参数率定 |
| 4.3.2 率定后产流模型成果分析 |
| 4.4 单位线汇流模型预报成果 |
| 4.4.1 时段单位线分析 |
| 4.4.2 单位线法汇流预报成果分析 |
| 4.5 本章小结 |
| 5 耦合ECMWF降水数据水文模型预报及调度应用 |
| 5.1 引言 |
| 5.2 集合预报均值耦合水文模型预报结果及分析 |
| 5.3 参考控制预报数据耦合水文模型预报结果及分析 |
| 5.4 结合预报信息的水库中期预泄调度决策 |
| 5.4.1 弃水事件的假设 |
| 5.4.2 耦合气象信息的中期预泄调度决策 |
| 5.4.3 耦合气象过程预泄决策结果分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 全文总结 |
| 6.2 研究不足及展望 |
| 攻读硕士学位期间参与科研项目情况 |
| 致谢 |
| 参考文献 |
（3）新一代气象卫星气溶胶资料同化在大气污染模拟中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 前言 |
| 1.1 研究的目的和意义 |
| 1.2 国内外研究进展 |
| 1.1.1 空气质量模式的研究进展 |
| 1.1.2 资料同化技术的发展 |
| 1.1.3 卫星气溶胶资料同化的研究进展 |
| 1.3 本文拟研究问题和各章节安排 |
| 1.3.1 拟研究的问题 |
| 1.3.2 本文各章节安排 |
| 第2章 GSI气溶胶资料同化系统 |
| 2.1 GSI三维变分同化系统 |
| 2.2 气溶胶观测算子的建立 |
| 2.2.1 CRTM辐射传输模式 |
| 2.2.2 AOD观测算子的建立 |
| 2.3 气溶胶分析变量和背景误差协方差矩阵 |
| 2.4 气溶胶资料同化流程 |
| 2.5 本章小结 |
| 第3章 风云3 号卫星气溶胶资料同化研究与应用 |
| 3.1 引言 |
| 3.2 观测资料与质量控制 |
| 3.2.1 MODIS卫星气溶胶资料 |
| 3.2.2 风云3 号卫星气溶胶资料 |
| 3.3 大气污染过程与研究区域 |
| 3.3.1 强沙尘天气过程 |
| 3.3.2 研究区域与参数方案选取 |
| 3.4 试验方案设计 |
| 3.5 试验结果与分析 |
| 3.5.1 背景误差协方差矩阵的统计分析 |
| 3.5.2 同化试验结果的误差分析 |
| 3.5.3 两种卫星资料同化试验效果分析 |
| 3.5.4 模拟结果分析 |
| 3.6 本章小结 |
| 第4章 葵花8 号卫星气溶胶资料的快速循环同化系统的构建与应用 |
| 4.1 引言 |
| 4.2 Himawari-8 卫星气溶胶观测资料及质量控制 |
| 4.3 快速更新循环同化方法 |
| 4.4 试验方案设计 |
| 4.4.1 研究的沙尘天气个例 |
| 4.4.2 试验方案 |
| 4.5 结果与讨论 |
| 4.5.1 单点试验 |
| 4.5.2 背景误差协方差尺度分析 |
| 4.5.3 同化结果分析 |
| 4.5.4 预报结果检验 |
| 4.6 本章小结 |
| 第5章 风云4 号卫星气溶胶资料同化在一次沙尘天气中的应用评估 |
| 5.1 引言 |
| 5.2 FY-4 卫星气溶胶观测资料 |
| 5.3 试验设置 |
| 5.3.1 强沙尘天气过程 |
| 5.3.2 试验设计 |
| 5.4 结果与分析 |
| 5.4.1 同化结果统计分析 |
| 5.4.2 初始场改进分析 |
| 5.4.3 气溶胶各组分贡献分析 |
| 5.4.4 预报结果分析 |
| 5.5 本章小结 |
| 第6章 风云4 号卫星与葵花8 号卫星气溶胶资料联合同化在气溶胶预报中的应用 |
| 6.1 引言 |
| 6.2 同化系统与输入参数 |
| 6.3 试验设计 |
| 6.4 试验结果分析 |
| 6.4.1 与卫星观测比较分析 |
| 6.4.2 同化试验对初始场改进效果 |
| 6.4.3 预报效果验证 |
| 6.4.4 环流形势分析 |
| 6.5 本章小结 |
| 第7章 全文总结和讨论 |
| 7.1 全文总结 |
| 7.2 研究创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（4）基于TIGGE数据的分布式集合洪水预报研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 集合数值天气预报模式 |
| 1.2.2 水文集合预报系统 |
| 1.2.3 分布式集合洪水预报 |
| 1.2.4 研究存在的问题及发展趋势 |
| 1.3 研究内容与技术路线 |
| 1.3.1 本文研究内容 |
| 1.3.2 研究技术路线 |
| 2. TIGGE日值降水预报在中国衢江流域的适用性评估 |
| 2.1 本章引言 |
| 2.2 研究区域和数据介绍 |
| 2.3 研究方法 |
| 2.3.1 统计后处理方法 |
| 2.3.2 评估方法 |
| 2.4 研究结果与分析 |
| 2.4.1 预报准确度分析 |
| 2.4.2 绝对指标分析 |
| 2.4.3 概率指标分析 |
| 2.5 讨论与小结 |
| 3. 基于TIGGE数据的中期集合洪水预报在兰江流域的研究 |
| 3.1 本章引言 |
| 3.2 研究区域和数据介绍 |
| 3.3 研究方法 |
| 3.3.1 研究框架 |
| 3.3.2 VIC水文模型简介 |
| 3.3.3 耦合并行遗传算法的水文模型率定策略 |
| 3.3.4 基于模块法的模型输出组合 |
| 3.3.5 多模型集合方法 |
| 3.3.6 评估指标 |
| 3.4 研究结果与分析 |
| 3.4.1 VIC模型在率定、验证期的模拟效果分析 |
| 3.4.2 等权重单EPS集合的性能评估 |
| 3.4.3 基于不同集合方法的多模型超级集合的评估 |
| 3.4.4 POT峰值预报和QM后处理结果 |
| 3.5 讨论与小结 |
| 4. 水文集合预报在雅鲁藏布江典型洪量及其径流成分预测中的研究 |
| 4.1 本章引言 |
| 4.2 研究区域和数据介绍 |
| 4.2.1 雅鲁藏布江流域概况 |
| 4.2.2 数据介绍 |
| 4.3 方法简介 |
| 4.3.1 水文模型率定方法 |
| 4.3.2 帕累托最优参数组选取方法 |
| 4.3.3 基于融雪追踪算法的径流组分分割 |
| 4.3.4 ECMWF预报数据后处理 |
| 4.3.5 评估指标 |
| 4.4 研究结果分析与比较 |
| 4.4.1 VIC模型对雅江径流的模拟能力评估 |
| 4.4.2 参数化QM对ECMWF气象预报的处理效果 |
| 4.4.3 VIC-ECMWF系统对典型洪量的预报能力 |
| 4.4.4 VIC-ECMWF系统对洪量成分的预报能力 |
| 4.5 讨论与小结 |
| 5. 基于时变误差模型的水文预报提高和不确定性量化分析 |
| 5.1 本章引言 |
| 5.2 数据介绍 |
| 5.3 研究方法 |
| 5.3.1 VIC模型与冰川模块 |
| 5.3.2 ERRIS误差模型 |
| 5.3.3 误差统计的时变特征与时变ERRIS模型 |
| 5.3.4 评估方法 |
| 5.4 结果与分析 |
| 5.4.1 误差统计的时变特征 |
| 5.4.2 时变误差模型整体性能评估 |
| 5.4.3 误差模型在不同季节的表现 |
| 5.4.4 误差模型在不同月份的表现 |
| 5.4.5 从参数角度解析误差模型的表现 |
| 5.5 讨论与小结 |
| 6. 结论与展望 |
| 6.1 主要结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 个人简历及科研成果 |
| 个人简历 |
| 科研成果 |
| 主持/参与科研项目 |
| 学术会议 |
（5）基于集合预报的暴雨概率预报研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究意义 |
| 1.2 研究进展 |
| 1.2.1 高分辨率数值预报检验研究进展 |
| 1.2.2 集合预报研究进展 |
| 1.2.3 暴雨预报研究进展 |
| 1.3 本文拟研究问题及各章内容安排 |
| 1.3.1 拟研究问题及创新特色 |
| 1.3.2 论文各章内容安排 |
| 第二章 资料及方法 |
| 2.1 资料及研究区域 |
| 2.1.1 预报资料 |
| 2.1.2 实况资料及研究区域 |
| 2.2 研究思路及方法介绍 |
| 2.2.1 研究思路 |
| 2.2.2 研究方法 |
| 2.3 本章小结 |
| 第三章 ECMWF高分辨率模式降水预报能力评估和误差分析 |
| 3.1 引言 |
| 3.2 研究思路 |
| 3.3 结果分析 |
| 3.3.1 准确度评估 |
| 3.3.2 集中度评估 |
| 3.3.3 相关性评估 |
| 3.3.4 分级降水预报能力评估 |
| 3.4 本章小结 |
| 第四章 ECMWF集合预报系统的概率预报能力评估和误差分析 |
| 4.1 引言 |
| 4.2 研究思路 |
| 4.3 结果分析 |
| 4.3.1 集合预报模式的可靠性 |
| 4.3.2 集合预报模式的离散度 |
| 4.3.3 集合预报模式的区分度 |
| 4.4 本章小结 |
| 第五章 降水预报的聚类分区特征分析 |
| 5.1 引言 |
| 5.2 研究思路 |
| 5.3 结果分析 |
| 5.3.1 降水预报的分区分析 |
| 5.3.2 各区域降水特征分析 |
| 5.4 本章小结 |
| 第六章 分区暴雨降水概率预报研究 |
| 6.1 引言 |
| 6.2 研究思路及具体计算流程 |
| 6.2.1 QUICKPROP算法 |
| 6.2.2 人工神经网络算法计算流程 |
| 6.3 结果分析 |
| 6.3.1 人工神经网络预报模型建立 |
| 6.3.2 基于人工神经网络算法的分区暴雨概率预报 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者在读期间科研成果简介 |
| 致谢 |
（6）长江上游干流区陆气耦合降雨径流预报研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进程 |
| 1.3 论文主要研究内容 |
| 2 流域水文气象时空演变特征分析 |
| 2.1 研究流域概况与数据 |
| 2.2 研究方法 |
| 2.3 长江上游干流区水文气象特征分析 |
| 2.4 本章小结 |
| 3 流域WRF数值天气预报研究 |
| 3.1 WRF数值天气预报模式 |
| 3.2 研究方法 |
| 3.3 WRF模式在长江上游干流区的应用 |
| 3.4 本章小结 |
| 4 基于陆气耦合的流域径流预报方法研究 |
| 4.1 长江上游干流区数值模式预报降雨适用性分析 |
| 4.2 长江上游干流区径流预报研究 |
| 4.3 长江上游干流区陆气耦合模型应用 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读硕士期间完成和参与的科研项目 |
| 附录2 攻读硕士学位期间发表的论文 |
（7）陆面水文模型TOPX的改进及其与区域气候模式WRF的耦合研究（论文提纲范文）
| 摘要 ABSTRACT 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究概况 |
| 1.2.1 陆面水文模型的国内外研究进展 |
| 1.2.2 气候模式的国内外研究进展 |
| 1.2.3 数据同化的国内外研究进展 |
| 1.2.4 水文遥感产品在水循环模拟中的应用研究进展 |
| 1.2.5 陆面水文模型与区域气候模式耦合的国内外研究进展 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 第二章 新地形指数TI'的研建与验证 |
| 2.1 概述 |
| 2.2 地形指数TI的计算方法 |
| 2.3 新地形指数TI'的研建思路和计算方法 |
| 2.4 数据和方法 |
| 2.4.1 研究区域 |
| 2.4.2 研究数据 |
| 2.4.3 TOPMODEL和TOPX的基本原理 |
| 2.4.4 水文模型效能评估方法 |
| 2.5 新地形指数TI'的验证 |
| 2.5.1 TI'计算结果 |
| 2.5.2 基于TI'的数字河网提取和验证 |
| 2.5.3 基于TI'的降雨径流过程模拟验证 |
| 2.6 本章小结 第三章 基于遥感观测和四维变分同化的降雨模拟 |
| 3.1 概述 |
| 3.2 WRF和WRF 4D-Var基础原理 |
| 3.2.1 WRF模式简介 |
| 3.2.2 WRF 4D-Var基础原理 |
| 3.3 研究区域与研究案例 |
| 3.3.1 研究区域 |
| 3.3.2 研究案例 |
| 3.4 研究数据与研究方法 |
| 3.4.1 卫星降水产品 |
| 3.4.2 WRF驱动数据 |
| 3.4.3 降水验证数据 |
| 3.4.4 降雨模拟实验设计 |
| 3.4.5 评估方法 |
| 3.5 基于TRMM和GPM的WRF 4D-Var降雨模拟 |
| 3.5.1 基于WRF的降雨模拟 |
| 3.5.2 基于WRF 4D-Var的降雨模拟 |
| 3.6 控制实验与同化实验的结果分析 |
| 3.6.1 WRF敏感性分析 |
| 3.6.2 WRF 4D-Var在不同降雨等级和模拟时间的效能分析 |
| 3.6.3 基于TRMM 3B42和GPMIMERG的4D-Var效能对比 |
| 3.7 本章小结 第四章 陆面模式TOPX与区域气候模式WRF的耦合 |
| 4.1 概述 |
| 4.2 陆面模式与气候模式耦合的关键问题 |
| 4.2.1 尺度匹配问题 |
| 4.2.2 降雨预报准确度问题 |
| 4.3 TOPX与WRF的耦合方案 |
| 4.3.1 TOPX与WRF耦合参数接口 |
| 4.3.2 研究区域和WRF参数设置 |
| 4.3.3 研究时段和研究数据 |
| 4.3.4 评估方法 |
| 4.4 WRF 4D-Var模拟准确度评估 |
| 4.4.1 面尺度降雨准确度评估 |
| 4.4.2 点尺度降雨准确度评估 |
| 4.4.3 潜在蒸散发准确度评估 |
| 4.5 耦合模拟结果及其分析 |
| 4.5.1 TOPX的率定与验证 |
| 4.5.2 陆气耦合模型的土壤湿度评估 |
| 4.5.3 陆气耦合模型的出口流量评估 |
| 4.6 本章小结 第五章 结论和展望 |
| 5.1 主要结论 |
| 5.2 主要创新 |
| 5.3 研究展望 参考文献 攻读博士学位期间的主要成果 致谢 |
（8）渤海湾风速预报方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风速预报相关技术国内外研究现状 |
| 1.2.2 回声状态网络国内外研究现状 |
| 1.3 本文工作安排 |
| 第2章 渤海湾风速预测相关技术 |
| 2.1 特征选择 |
| 2.1.1 基于信息熵的特征选择方法 |
| 2.1.2 基于相关性的特征选择方法 |
| 2.2 回声状态网络 |
| 2.2.1 回声状态网络模型概述 |
| 2.2.2 回声状态网络学习算法 |
| 2.3 回归树模型与集成学习算法 |
| 2.3.1 分类回归树算法 |
| 2.3.2 随机森林算法 |
| 2.3.3 梯度提升决策树算法 |
| 2.4 回归模型的评价指标 |
| 2.5 本章小结 |
| 第3章 基于气象物理量特征的风速预测 |
| 3.1 气象特征构建与选择 |
| 3.1.1 原始观测资料 |
| 3.1.2 组合物理量参数计算 |
| 3.1.3 基于相关程度分析的特征选择 |
| 3.2 泄露积分型回声状态网络在线学习算法 |
| 3.2.1 泄露积分型神经元 |
| 3.2.2 在线学习算法 |
| 3.3 网络参数在模型训练中的作用 |
| 3.3.1 回声状态网络储备池关键参数 |
| 3.3.2 储备池参数设置对算法性能的影响 |
| 3.4 基于遗传算法的网络参数寻优 |
| 3.4.1 遗传算法 |
| 3.4.2 基于遗传算法的关键参数寻优 |
| 3.5 实验结果 |
| 3.6 本章小结 |
| 第4章 基于集合预报数据的风速预测 |
| 4.1 集合预报 |
| 4.1.1 集合预报简介 |
| 4.1.2 集合预报直接输出产品 |
| 4.2 CART剪枝的方法挑选最优成员 |
| 4.2.1 集合预报数据预处理 |
| 4.2.2 挑选最优成员 |
| 4.3 基于最优成员构建GBDT模型 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（9）中国沿海GPS/GLONASS组合水汽反演关键技术与变化特征研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 问题的提出 |
| 1.4 本文的研究内容 |
| 1.5 本章小结 |
| 2 大气水汽获取的理论与方法 |
| 2.1 地基GNSS水汽遥感基本原理和方法 |
| 2.2 无线电探空资料的水汽计算方法 |
| 2.3 再分析水汽资料的估计方法 |
| 2.4 本章小结 |
| 3 沿海GPS/GLONASS提取天顶对流层延迟方法研究 |
| 3.1 数据来源和方法 |
| 3.2 低截止高度角下的结果比较 |
| 3.3 截止高度角对Z.TD的影响分析 |
| 3.4 本章小结 |
| 4 综合GNSS和数值天气模式资料反演天顶水汽技术研究 |
| 4.1 数据资料 |
| 4.2 任意位置气象要素对比分析 |
| 4.3 不同天顶可降水汽含量结果对比 |
| 4.4 极端天气下内插地面资料精度分析 |
| 4.5 本章小结 |
| 5 沿海水汽多尺度变化及其与地面气象要素的关系 |
| 5.1 数据资料和方法 |
| 5.2 水汽分布特征 |
| 5.3 水汽变化特征 |
| 5.4 水汽变化与地面气象要素的关系 |
| 5.5 本章小结 |
| 6 基于GNSS水汽和地面温度资料的台风降水短临预报研究 |
| 6.1 数据资料 |
| 6.2 PWV和地面气象要素与降水关系分析 |
| 6.3 利用PWV和地面气温预报台风降水分析 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 本文主要工作总结 |
| 7.2 后续研究计划与展望 |
| 参考文献 |
| 致谢 |
| 参加科研项目和学习经历 |
| 攻读博士期间主要成果 |
（10）廊坊地区5种数值模式降水预报性能检验与评估（论文提纲范文）
| 引言 |
| 1 资料与方法 |
| 1. 1 资料来源及处理方法 |
| 1. 2 检验方法 |
| 2 结果分析 |
| 2. 1 廊坊地区降水天气学特征 |
| 2. 2 累加降水检验 |
| 2. 2. 1 TS评分检验 |
| 2. 2. 2 晴雨( 雪) 检验 |
| 2. 3 分级降水检验 |
| 2. 3. 1 降雨检验 |
| 2. 3. 1. 1 TS评分 |
| 2. 3. 1. 2 空报率 |
| 2. 3. 1. 3 漏报率 |
| 2. 3. 2 降雪检验 |
| 3 结论与讨论 |
四、MM5数值产品在大同地区短期预报中的应用（论文参考文献）
- [1]基于多模式集成的东亚地区气温与降水次季节预报及其误差诊断[D]. 朱寿鹏. 南京信息工程大学, 2021
- [2]耦合水文气象信息的洪水预报调度应用研究[D]. 丁震. 大连理工大学, 2021(01)
- [3]新一代气象卫星气溶胶资料同化在大气污染模拟中的应用研究[D]. 夏晓丽. 南京信息工程大学, 2021(01)
- [4]基于TIGGE数据的分布式集合洪水预报研究[D]. 刘莉. 浙江大学, 2020(01)
- [5]基于集合预报的暴雨概率预报研究[D]. 曹越. 成都信息工程大学, 2019(05)
- [6]长江上游干流区陆气耦合降雨径流预报研究[D]. 周倩. 华中科技大学, 2019(03)
- [7]陆面水文模型TOPX的改进及其与区域气候模式WRF的耦合研究[D]. 易路. 南京大学, 2018(04)
- [8]渤海湾风速预报方法研究[D]. 闫靖春. 天津大学, 2018(06)
- [9]中国沿海GPS/GLONASS组合水汽反演关键技术与变化特征研究[D]. 王朝阳. 山东科技大学, 2018(03)
- [10]廊坊地区5种数值模式降水预报性能检验与评估[J]. 许敏,丛波,刘艳杰,王洁,张绍恢,田晓飞. 气象与环境学报, 2016(01)