为提升低空风切变预报精度,本文综合运用欧洲中期天气预报中心第五代再分析资料[European Centre for Medium-Range Weather Forecasts(ECMWF)fifth-generation reanalysis data,ERA5]和美国国家环境预报中心(National Centers for Envi...为提升低空风切变预报精度,本文综合运用欧洲中期天气预报中心第五代再分析资料[European Centre for Medium-Range Weather Forecasts(ECMWF)fifth-generation reanalysis data,ERA5]和美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)的FNL全球再分析资料(Final Operational Global Analysis)、先进星载热发射和反射辐射仪全球数字高程模型以及兰州中川机场的实况观测资料,采用中尺度数值天气预报模式(Weather Research and Forecasting Model,WRF)、WRF结合计算流体动力学(Computational Fluid Dynamics,CFD)方法、长短期神经网络(Long Short-Term Memory,LSTM)方法,对2021年4月15-16日兰州中川机场的两次风切变过程进行模拟分析。结果表明:(1)在小于1 km的网格中使用大涡模拟,WRF模式在单个站点风速模拟任务中表现更好,但在近地面水平风场风速模拟效果上,不如WRF模式结合计算流体力学模型方案;(2)对于飞机降落过程中遭遇的两次低空风切变的模拟,WRF-LES和WRF-CFD两种模式都可以模拟出第一次低空风切变,而第二次受传入模式的WRF风速数据值较小的影响,两种模式风速差都没有达到阈值,需要在后续工作中进一步验证;(3)低风速条件(6 m·s^(-1))下,基于LSTM的单变量风速预测模型平均绝对误差基本维持在0.59 m·s^(-1),能较好地把握不同地形与环流背景条件下风速变化的非线性关系,虽然受到WRF误差和观测要素不全的限制,多变量风速预测能在保证平均绝对百分比误差小于6.60%的情况下,以更高的计算效率和泛化能力实现风速预测。本文不仅验证了WRF-CFD和WRF-LES耦合方案在风场和低空风切变预报中的差异,还探讨了基于LSTM的风速预测的可行性和准确性,期望为提高风场模拟精度,缩短精细风场模拟时间提供新的视角和方法。展开更多
基于中国气象局陆面数据同化系统(China Meteorological Administration Land Data Assimilation System,CLDAS)格点实况资料与欧洲中期天气预报中心-综合预报系统(European Centre for Medium-Range Weather Forecasts-Integrated Fore...基于中国气象局陆面数据同化系统(China Meteorological Administration Land Data Assimilation System,CLDAS)格点实况资料与欧洲中期天气预报中心-综合预报系统(European Centre for Medium-Range Weather Forecasts-Integrated Forecast System,ECMWF-IFS)模式最优因子集,构建了Res-STS(residual spatio-temporal stacking)网络气温预报订正模型,旨在提高湖南省气温预报的准确性。Res-STS模型在深度学习框架残差网络(residual networks,ResNets)的基础上进行了改进,采用“面-点”结构进行建模,有效保留了环境背景场特征和时序特征,包含ECMWF-IFS特征融合模块(EC feature fusion,ECFF)和降尺度模块(downscaling module,DM),前者利用卷积残差块提取特征,后者通过反卷积层实现分辨率降低,最终生成逐小时气温预报。在湖南省逐小时、日最高、日最低气温预报产品的误差分析中,Res-STS模型平均绝对误差(mean absolute error,MAE)分别为1.21、1.38、1.07℃,相较于ECMWF-IFS和国家气象中心指导预报表现出更低的误差,特别是在最高气温预报中表现尤为优异(误差比国家气象中心指导预报降低23.8%)。在高海拔地区的误差分布对比中,Res-STS模型表现出更高的精度和稳定性,其误差分布更为集中,中位数最低。在寒潮和高温天气过程中,Res-STS模型的最低气温、最高气温、逐1 h气温预报分别高于其他客观产品和人工订正结果。展开更多
文摘为提升低空风切变预报精度,本文综合运用欧洲中期天气预报中心第五代再分析资料[European Centre for Medium-Range Weather Forecasts(ECMWF)fifth-generation reanalysis data,ERA5]和美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)的FNL全球再分析资料(Final Operational Global Analysis)、先进星载热发射和反射辐射仪全球数字高程模型以及兰州中川机场的实况观测资料,采用中尺度数值天气预报模式(Weather Research and Forecasting Model,WRF)、WRF结合计算流体动力学(Computational Fluid Dynamics,CFD)方法、长短期神经网络(Long Short-Term Memory,LSTM)方法,对2021年4月15-16日兰州中川机场的两次风切变过程进行模拟分析。结果表明:(1)在小于1 km的网格中使用大涡模拟,WRF模式在单个站点风速模拟任务中表现更好,但在近地面水平风场风速模拟效果上,不如WRF模式结合计算流体力学模型方案;(2)对于飞机降落过程中遭遇的两次低空风切变的模拟,WRF-LES和WRF-CFD两种模式都可以模拟出第一次低空风切变,而第二次受传入模式的WRF风速数据值较小的影响,两种模式风速差都没有达到阈值,需要在后续工作中进一步验证;(3)低风速条件(6 m·s^(-1))下,基于LSTM的单变量风速预测模型平均绝对误差基本维持在0.59 m·s^(-1),能较好地把握不同地形与环流背景条件下风速变化的非线性关系,虽然受到WRF误差和观测要素不全的限制,多变量风速预测能在保证平均绝对百分比误差小于6.60%的情况下,以更高的计算效率和泛化能力实现风速预测。本文不仅验证了WRF-CFD和WRF-LES耦合方案在风场和低空风切变预报中的差异,还探讨了基于LSTM的风速预测的可行性和准确性,期望为提高风场模拟精度,缩短精细风场模拟时间提供新的视角和方法。
