An approach to estimating and extrapolating model error based on inverse problem methods:towards accurate numerical weather prediction

Model error is one of the key factors restricting the accuracy of numerical weather prediction(NWP). Considering the continuous evolution of the atmosphere, the observed data(ignoring the measurement error) can be viewed as a series of solutions of an accurate model governing the actual atmosphere. Model error is represented as an unknown term in the accurate model, thus NWP can be considered as an inverse problem to uncover the unknown error term. The inverse problem models can absorb long periods of observed data to generate model error correction procedures. They thus resolve the deficiency and faultiness of the NWP schemes employing only the initial-time data. In this study we construct two inverse problem models to estimate and extrapolate the time-varying and spatial-varying model errors in both the historical and forecast periods by using recent observations and analogue phenomena of the atmosphere. Numerical experiment on Burgers’ equation has illustrated the substantial forecast improvement using inverse problem algorithms. The proposed inverse problem methods of suppressing NWP errors will be useful in future high accuracy applications of NWP.     

基于多个参考态更新的动力相似预报方法及应用

为了更有效地利用历史资料中的相似性信息提高数值模式预报水平,提出了一种新的动力相似预报方法——多参考态更新(MRSU) 法.该方法基于“更新”观点,通过引入相似更新周期(PAU)的概念,将整个预报时段按PAU分成若干小的子时段,在预报进行到PAU时重新选取多个参考态,并采用超平面近似法将相似-动力模式产生的多个预报估计成最佳预报向量,这样就形成了“选取-估计”的循环,不断重复这一过程直到完成整个时段的预报.进一步将简化的MRSU方法应用于T63全球谱模式.月预报试验结果表明,与控制试验相比,MRSU法对逐 关键词： 相似-动力模式 参考态 相似更新周期 月预报     

基于季节气候可预报分量的相似误差订正方法和数值实验

基于由历史相似信息对模式预报误差进行预报的思路,发展了一种针对季节气候可预报分量的相似误差订正新方法（FACEPC）,目的是识别模式预报结果中对初值相对不够敏感的可预报分量,将其作为对象进行历史相似选取和误差订正.该方法被应用到国家气候中心业务季节预报模式实验中,对不同区域给出有针对性的相似选取指标和预报方案.25年的交叉检验结果表明,夏季降水和环流的预报技巧评分相对于系统误差订正有明显提高,在发生中等及以上强度ENSO事件年和可预报分量贡献较大地区的预报技巧提高更为显著.特别是中国区域降水和关键区环流的 关键词： 短期气候预测 相似误差订正 可预报分量     

Adaptation of mesoscale turbulence parameterisation schemes as RANS closures for ABL simulations

The present study presents different k-ε turbulence closures for atmospheric boundary layer flows using computational fluid dynamics (CFD) simulations that are consistent with inflow conditions from numerical weather prediction (NWP) simulations. Eight different mesoscale turbulence parameterisation schemes of the Weather Research and Forecasting (WRF) model are covered. To ensure consistency between the NWP and CFD simulations, different closure coefficients of the k ? ε turbulence model for each NWP scheme are proposed. This is achieved by combining production–dissipation closure coefficient relationships based on the Monin–Obukhov similarity theory and the formulation based on the Coriolis parameter proposed by Detering and Etling. The proposed methodology has been implemented in the open source CFD toolbox OpenFOAM and is demonstrated at near-neutral stability conditions for the classical Askervein Hill case.     

Impact of nonlinearities and model error on pseudo-inverse calculations

Pseudo-inverse calculations have been made within the operational and research meteorological communities to identify components of the error in the initial state that are responsible for a significant portion of the forecast error. These calculations are based on the assumptions of a perfect model and linear perturbation growth, conditions not realizable in operational forecasting. In this study, the impact of nonlinearities and model error on pseudo-inverse calculations is investigated within an idealized framework using a simple atmospheric model. Forecasts are run within the perfect and imperfect model frameworks, with initial errors of varying sizes. Model error is introduced by changing the model dissipation terms. It is found that for pseudo-inverses composed of a small subset of the leading singular vectors (SVs), the nonlinear forecast correction is often better than the expected theoretical correction, indicating the suppression of error growth both inside and outside the linear pseudo-inverse subspace. As the size of the pseudo-inverse is increased, the nonlinear forecast correction starts to degrade. This forecast degradation coincides with a degradation in the analysis correction. It is possible to improve the forecast by degrading the analysis in the presence of model error, especially when the initial error is very small. However, for initial errors of reasonable magnitude, this is unlikely to happen in instances when the nonlinear forecast correction is better than the theoretical correction. Just as improving the initial state may suppress errors outside of the linear SV subspace, degrading it may likewise increase errors outside the SV subspace. This suggests that the size of the nonlinear correction relative to the expected theoretical correction may be useful in determining when pseudo-inverse perturbations are likely to have improved the analyses.     

基于无导数优化方法的数值模式误差估计

初始场误差和模式误差是制约数值预报准确率的两个关键因素,本文主要考虑利用历史观测资料实现时空演变的模式误差的估计问题.通过把模式误差综合考虑成为准确模式中的未知项,把历史资料看作是带有未知项的准确模式的特解,构造了求解时空演变的模式误差项的反问题及其最优控制问题.给出了一个解决最优控制问题的无导数优化方法,该方法的优点是不需要建立原数值模式的切线性模式与伴随模式,它只需在增加一个外强迫项的基础上运行原数值模式即可实现模式误差项的最优估计.关于Burgers方程的算例表明,无论模式的初始状态是否准确已知,无导数优化方法都能有效解决时空演变的模式误差的最优估计问题,它为实际业务模式利用历史数据提取模式误差信息并显著地改进预报效果提供了一种方便可行的数值方法与理论依据.     

高光谱图谱融合检测羊肉中饱和脂肪酸含量

为探究高光谱成像(400~1000 nm)对羊肉中饱和脂肪酸(SFA)含量检测的可行性,提出一种基于特征光谱信息和图像纹理特征融合的SFA含量预测模型,实现对羊肉中SFA含量的快速检测及分布可视化。利用分段阈值法构建掩膜图像,获取羊肉样本感兴趣区域(ROI),结合SPXY法对样本集进行划分并对相关光谱信息进行预处理,分别采用连续投影算法(SPA)、变量组合集群分析法(VCPA)和β权重系数法提取特征光谱;通过获取羊肉样本主成分图像,结合灰度共生矩阵(GLCM)算法提取图像纹理信息;分别对特征光谱、图像信息及图谱融合信息建立的偏最小二乘回归(PLSR)与最小二乘支持向量机(LS-SVM)预测模型进行对比分析。利用5种不同对原始光谱数据进行预处理,经SNV法预处理后的光谱其校正集与预测集相关系数分别为0.921和0.875,较原始光谱分别增加了0.001和0.04,均方根误差模型分别为0.244和0.268,较原始光谱模型分别减少了0.003和0.06;对SNV法预处理后的光谱数据进行特征波长提取,SPA法、VCPA法及β权重系数法分别提取出12,10和9个特征波长;获取羊肉样本的前5个主成分图像,选择所含信息量最多的第一主成分图像进行纹理特征提取,依次提取0,45°,90°和135°方向下的能量、熵、同质性和相关性共4个主要纹理特征。利用SPA法提取的特征波长建立的PLSR与LS-SVM模型性能较好,PLSR模型校正集与预测集相关系数分别为0.8849和0.8807,均方根误差分别为0.3001和0.2606;LS-SVM模型校正集与预测集相关系数分别为0.8987和0.8926,均方根误差分别为0.2767和0.2476;图谱信息融合模型中,PLSR模型校正集与预测集相关系数分别为0.9071和0.9078,较特征光谱模型分别增加了0.02和0.03,均方根误差分别为0.3269和0.2992,较特征光谱模型分别增加了0.03和0.04;LS-SVM模型校正集与预测集相关系数分别为0.9206和0.8946,较特征光谱模型分别增加了0.02和0.002,均方根误差分别为0.2519和0.2458,较特征光谱模型分别减少了0.02和0.002。光谱预处理中经SNV法处理后的光谱所建模型性能优于其他预处理方法;采用SPA法提取的12个特征波长简化了光谱模型,提高了模型性能,特征光谱建模的最优方法为SPA-LS-SVM;图谱信息融合模型较特征光谱模型,模型相关系数增加较少,表明图像纹理信息虽携带了部分有效信息,但这些信息与羊肉中SFA含量之间的相关性有待进一步研究。基于图谱信息融合模型的预测性能最优,其次为光谱信息模型。择优选取SPA-PLSR模型计算羊肉样本中每个像素点的SFA含量,利用伪彩色图直观表示了羊肉样本中SFA的含量分布。实现对羊肉样本SFA含量的无损检测及分布可视化表达。     

旱涝预测的演化建模方法

发展了一种旱涝预测的演化建模方法, 数值试验结果表明, 该方法能够从历史资料中准确地挖掘出气候要素演化的主要动力学特征, 所建立的模型不仅能够较好地模拟要素的历史演变情况, 而且还能够对未来的演变趋势进行准确的预测. 对于演化建模所得到的误差较大的模型, 对其预测误差序列进行二次演化建模可明显提高模型的预测精度.     

基于模式误差分布特征的中国夏季旱涝预测可信度研究

基于美国气候预报中心组合降雨分析资料对国家气候中心海气耦合模式多年夏季降水预报误差进行统计分析,以揭示模式预报误差的分布规律及特征.研究发现,模式预报误差分布特征满足正态分布,基于误差分布特征分析模式对中国夏季降水的预测能力,通过误差分布的高斯拟合曲线特征对比模式预报与动力统计方法的预测技巧,进而得到动力统计方法改进误差分布特征的两种类型:1)变幅型改进;2)均值型改进.在此基础上,根据模式误差的统计特征提出了一种新的旱涝预测可信度计算方法,用于定量化地评估动力统计方法在不同地区的预测可信度大小,并应用于实际预测.最后以2012和2013年夏季降水为例,给出了实况、预测以及可信度检验.结果显示该方法能较好地反映出预测的不确定性,较其他检验方法更具针对性,对异常降水的预测可信度反映更为准确,验证了方法的有效性,可进一步提高动力统计方法的预测服务水平.     

空间目标红外双波段比色测温法精度分析

针对空间目标与地基望远镜红外成像传感器终端之间的不确知参量将降低双波段比色测温法求解精度,且精度影响程度未知,假设目标为灰体,对包含不确知参量的最大似然估计函数关于发射率求偏导,建立基于红外探测器测量电子数的双波段比色测温数学模型,并进行双波段比色测温法的蒙特卡洛仿真实验与精度分析。对于大气透过率的估算,提出应用红外自然星体的大气透过率现场标校方法。空间目标温度反演精度与成像探测器的信噪比、大气透过率、地球热辐射以及波段之间的发射率差异等未知参量的估算精度有关。结果表明:信噪比高于20,波段之间发射率差异小于0.03,地球热辐射预测精度优于50%,大气透过率预测精度优于10%时,比色测温法优于40 K的温度估计精度。     

温度影响下短波近红外酒精度检测的传递校正

短波近红外光谱结合多元校正方法测量酒精度具有快速、无损的特点,可以现场应用和在线检测。但是温度对预测模型的性能影响很大。作者研究了温度变化对乙醇水溶液的短波近红外光谱的影响,采用四种方法建立了温度变化下的偏最小二乘(PLS)传递校正模型：直接校正、全局校正、正交信号处理(OSC)和广义最小二乘加权法(GLSW)。结果表明,温度变化时直接传递校正存在很大的预测系统偏差,而采用全局校正、OSC和GLSW均能在一定程度上减小系统误差。全局校正需要较多的建模样品数量,得到的模型也更为复杂。而OSC和GLSW方法能得到更为简洁的模型和优良的预测结果。相比之下,GLSW算法得到的预测误差和使用的建模隐含变量数目均小于OSC方法,能够建立更为稳健的传递校正模型。     

汛期降水相似动力预报——模式误差主分量相似预报方法

针对相似动力预报中模式预报误差的估计问题,提出将模式误差的直接相似订正问题转化成模式误差主分量的相似预报问题.客观上将模式误差主分量分成可预报和不可预报两部分, 对于可预报主分量采用最优多因子动态配置方案进行相似预报, 而对于不可预报部分则用系统平均代替.基于国家气候中心季节预报业务模式、 美国气候预报中心组合降雨分析资料及国家气候中心气候系统诊断预报室74项环流指数和美国国家海洋和大气管理局的40个气候指数,对东北区域汛期降水进行了预报试验. 2005—2010年6年独立样本检验预报平均距平相关系数为0.29,较系统误差订正预报的0.04有较大提高, 证实该方案能提高国家气候中心季节预报业务模式汛期降水预报水平.     

欧亚中高纬阻塞高压关键区高度场动力-统计跨季度预测实验

本文主要利用实际业务模式的预报结果和丰富的历史资料对乌拉尔山、 贝加尔湖和鄂霍次克海三个阻塞高压活动关键区夏季平均的500 hPa高 度场进行动力-统计跨季度预测实验, 其结果显示该方法能在一定程度上减小模式预报误差, 提高预报技巧, 显示出了良好的业务应用前景. 此外, 敏感性实验显示, 相似指标和相似年选取个数都对预测结果有显著影响. 关键词： 阻塞高压 高度场 动力-统计 跨季度预测     

一种面向土壤重金属含量检测的X射线荧光光谱预处理方法研究

土壤重金属的污染影响着农作物的产量和质量。传统的土壤重金属检测方法步骤繁琐、检测费用高且速度慢。利用X射线荧光光谱(XRF)分析技术检测土壤中重金属含量，具有处理简单、现场、快速、无损等优点。由于土壤背景复杂，包含大量噪声和无关信息，建立XRF校正模型前，对光谱的预处理能有效的去除不相干信息，保留有用信息，对XRF预测模型的精度有重要影响。主要研究光谱预处理方法对重金属含量预测模型精度的影响。首先，采用向前间隔偏最小二乘(FiPLS)作为校正模型，对比了无预处理、去趋势处理(DT)、标准正态变量变换(SNV)、多元散射校正(MSC)、小波去噪(WT)、SNV+DT、卷积平滑(SG)+一阶导数、卷积平滑(SG)+二阶导数等7种不同预处理条件下的土壤重金属模型的检测精度。初步结果表明，多元散射校正预处理方法效果较好，与原始光谱相比，相关系数r从原始的0.988提高到0.990，预测均方根误差RMSEP、相对误差平均从原来的20.809和0.166分别降低到19.051和0.121。其次，在多元散射校正预处理方法的基础上，针对多元散射校正方法以线性表达式描述非线性关系的局限性，提出了局部加权线性回归多元散射校正(LWLRMSC)和偏最小二乘多元散射校正(PLSMSC)，并比较了它们的建模效果。LWLRMSC是基于加权思想，在预测一个点的值时，选择适当的核函数和权重分配策略进行预测点的线性回归，来解决简单线性回归的欠拟合状况；PLSMSC是基于PLS建模思想，考虑了自变量和因变量的最大相关性，来减少拟合误差及失真问题。结果表明，PLSMSC具有最佳的预处理效果，五种重金属Cu，Zn，As，Pb，Cr预测值和实际值的R分别为0.989，0.973，0.991，0.989和0.986，RMSEP分别为8.805，58.360，7.671，12.549和20.851，相比于传统的MSC方法不仅在精度方面有大幅度的提升，且具有更好的泛化性能，能消除光谱噪声，提升有效信息贡献度，为土壤重金属含量预测模型选取合适的预处理方法提供了理论支撑。     

基于果蝇-鲍威尔优化的航空高光谱影像大气校正方法

航空高光谱的大气校正是进行高光谱定量反演的基础,但通过空地同步对比分析航空高光谱大气校正的研究较少,论文主要研究了Hyspex高光谱遥感数据不同的大气校正方法。在现有的几种大气校正方法的基础上,提出了一种大气校正的新方法：首先,采用果蝇-鲍威尔优化算法反演光谱的性能参数(中心波长和半波高度的偏移量),对光谱重定标。然后在光谱重定标的基础上,采用MODTRAN模型对Hyspex高光谱数据进行大气校正,得到地表反射率数据。利用同步采集的五种典型地物的地面实测ASD数据将提出的新方法与现有的几种大气校正方法(快速大气校正、经验线性法大气校正、基于6S模型的大气校正、基于FLAASH模型的大气校正、基于MODTRAN模型的大气校正)的大气校正结果进行对比分析,并采用决定系数(R2)和均方根误差(RMSE)来比较各种大气校正方法的精度。结果表明：提出的果蝇-鲍威尔优化MODTRAN模型的大气校正结果最好,决定系数在80%以上,均方根误差在15%以内;基于MODTRAN模型、FLAASH模型、6S模型的方法的校正结果稍次于本文提出的新方法,结果比较稳定,决定系数在70%以上,均方根误差在20%左右;快速大气校正与经验线性法的校正结果不稳定。可以得出结论：本文提出的果蝇-鲍威尔优化算法有效可行,可以精确的反演出中心波长和半波高度的偏移量,其大气校正的精度优于现有的多种大气校正方法。     

多金属物体CT图像的金属伪影校正

针对多金属伪影的校正问题,本文通过仿真实验分析了多金属伪影的成因,并提出了一种基于投影校正的多金属伪影校正方法.该方法首先直接从投影域分割出金属区域,然后建立对金属区域投影值的校正模型,最后通过调整模型参数达到校正目的.模型以重建图像的灰度熵为目标函数,采用单纯形法迭代求解使熵最小时的校正参数.仿真和实际数据的实验结果表明,本文算法对多金属伪影的校正起到了良好的效果,且校正后的图像质量优于插值校正法.     

一种简单的短时辐照度预测研究

准确的辐照度预测是光伏发电系统预测输出功率的关键,而辐照度受纬度、天气类型、海拔等因素的影响巨大,不同地区差异较大。目前对辐照度的短时预测研究中复杂的气象数据获取难度大,因此提出了一种利用便于获取气象数据进行辐照度短时预测的简单方法。根据武汉市特有的地理位置特点,将天气类型分为四类,将环境监测仪实时测量的温度、辐照度数据及不同时刻的太阳高度角作为网络的输入,用多变量BP神经网络模型对05:00到20:00时的每小时辐照度进行短期预测。将得到的预测结果与仅用历史辐照度数据作为输入得到的预测结果进行对比,该模型准确性有很大的提高。最终以持续性方法为基准得出预测技能。结果显示该模型在A、B类天气时预测技能均在0.75以上,大部分分布在0.80~0.85,表明该模型在仅利用便于获取的气象信息的基础上能够较准确地对短时辐照度进行预测。     

一种改进的遥感影像地形校正物理模型

遥感影像地形校正是提高光谱反射率反演精度的一个重要的预处理步骤。目前已经出现了多种遥感影像地形校正模型,这些模型各有优缺点。针对现有地形校正模型存在的问题和不足,在Shepherd地形校正模型的基础上,利用更高精度的天空散射辐射计算方法对其加以改进。将改进的地形校正模型和6S大气辐射传输模型相结合以2006年7月12日北京北部山区的Landsat 5 TM影像为数据源进行了地表光谱反射率反演试验。从三个方面对遥感影像地形校正效果进行了检验,结果表明该改进模型能够取得较好的地形校正效果,校正效果优于Shepherd和C校正模型。该改进模型是一种物理模型,可以应用于各种光学遥感影像。     

无云情况下L波段微波辐射计快速大气校正方法

利用数值天气预报模式输出的大气温湿廓线数据与大气辐射传输模型计算了无云情况下全球海面大气在L波段的上行、下行辐射亮温及透射率, 建立三个参数与大气水汽含量及海表气压的回归关系模型——辐射-水汽模型, 利用该模型可快速计算大气辐射参数, 对L波段微波辐射计进行大气校正. 为了验证模型的实用性和可靠性, 利用SSM/I卫星水汽含量数据和数值模式地表气压数据通过模型计算大气辐射参数, 并与Aquarius卫星实测L波段微波辐射数据进行对比分析. 结果表明: 模型计算的辐射亮温比卫星观测数据偏低约0.335 K, 但改正系统性偏差后的均方根误差仅0.086 K, 且模型计算的大气透射率与卫星观测数据基本一致, 说明利用该模型对L波段微波辐射计进行大气校正具有较高的可靠性, 相比于传统利用大气辐射传输模型进行大气校正, 该模型更为简单快速, 输入参数更易获取, 更适于工程应用.     

基于改进暗目标法山区HJ CCD影像气溶胶光学厚度反演

国产HJ CCD影像在环境与灾害监测预报方面具有巨大的应用潜力,但其缺少中红外波段无法直接应用传统暗目标法反演气溶胶光学厚度,尤其山区受地形影响,气溶胶时空分布变化显著,影响了HJ CCD影像的大气校正精度。基于山区森林植被分布广的特点引入红波段直方图阈值法自动提取山区浓密植被暗像元,构建红蓝波段地表反射率间的线性关系,利用6S辐射传输模型建立查找表反演暗像元的气溶胶光学厚度,并通过空间插值推演到整幅影像。HJ CCD影像反演结果与MODIS气溶胶产品的空间分布趋势一致性非常好,且前者具有更高的空间分辨率特性,更适合山区气溶胶的遥感监测。二者的散点图拟合曲线为y=0.828 6x-0.001,R2达到0.984 3,表明改进暗目标法能有效地反演山区HJ CCD影像气溶胶光学厚度。工作中对传统暗目标法的改进有效地解决了HJ CCD影像只有可见光、近红外波段,在求解辐射传输方程时信息不足的问题,同时,改进方法中充分考虑了山区复杂地形环境的影响,为山区HJ CCD影像进行逐点大气校正奠定了基础,并为其自动化处理提供了可能。分析还显示,红波段直方图阈值法提取浓密森林暗像元比NDVI阈值法具有明显的优势;查找表建立和暗像元红、蓝波段地表反射率关系都会显著的影响气溶胶光学厚度的反演精度,是进一步改善算法、提高反演精度的重要研究方向。