杨秋明： 延长极端天气预报时效
- 发布时间：2015-02-26 01:32:06 来源：科技日报 责任编辑：罗伯特
科技日报讯 （记者马爱平）近日，江苏省气象科学研究所高级工程师杨秋明主持的延伸期预报项目基于大量全球气象资料，建立了扩展复数自回归预测模型，将长江下游地区20—30天低频降水分量的预报时效从原来的20天左右显著延长到30—40天以上，提高了下半年长江下游地区暴雨强降水的延伸期预报能力。
随着全球气候变化，许多国家和地区出现罕见的暴雨、洪涝以及干旱、雾霾，极端性、灾害性天气多发，威胁各国粮食、水资源和能源安全。加强极端天气事件的预测研究，强化极端气候灾害风险防范措施，用气候风险的理念来管理、应对气候变化，是防灾减灾的基础以及经济社会可持续发展战略的重要组成部分。
杨秋明说，该预测模型是不需要预先编入任何预定的规则，接近于无理论支撑的，基于数据中隐藏的多种时间滞后的相关关系，完全由动态数据驱动构建的。这种方法跳出既定思维的框架，从具有复杂性、综合性、全球性的大量历史和实时资料找到能够更好地佐证现有预测和决策的数据。
据了解，地球中纬度地区的大气环流大部分以波的形式在环绕地球运动，主要表现为显著的20—30天振荡，这种波动的传播带来了两半球热带外不同区域的极端天气，并且增强了其强度，它与极端天气之间的联系存在多样性和时变性，表明了地球系统敏感因素之间的多层次相互关联。
随着卫星遥感等多种观测手段的进步，近年来气候观测获得的数据迅速增加，这些科学大数据反映和表征着复杂的自然现象与关系，并具有高度数据相关性和多重数据属性。
该项目采用数据分解、扩展和变换等技术，从大量数据中提取出部分有效数据，可以获得比过去抽样分析更全面的两半球中纬度大气低频变化信息， 为极端天气事件10—30天延伸期预报提供了发展基础，并形成从天气到气候的无缝隙业务体系。
研究人员直接从多变量、超长序列、高度耦合相关的观测资料中提取与特定区域，如长江流域等极端天气事件关系密切的主要振荡型，由动态数据来驱动复杂低频变化过程与系统的构建，约简系统复杂度，建立起一系列简化预测模型。
“把数据激活，从静态数据变成动态数据，并不断更新关键的数据，形成一个崭新的数字化的数据环境，关键信息不需要专家预先规定。基于大小数据的相互关系和物理世界与虚拟世界的无缝连接，有效地描述多样化的中纬度大气低频变化规律，能显著提高未来10—50天极端天气事件预测能力。”杨秋明说。
- 股票名称 最新价 涨跌幅
