天气预报对于社会和科学来说至关重要。目前,数值天气预报(NWP)模式是主流方法,它基于精确定义的物理方程,并利用超级计算机上的算法来模拟和预测未来天气。然而,由于天气系统的复杂性和观测数据的不完备性,数值天气预报仍然存在很大的不确定性,其准确性受到严重限制。因此,提高天气预报的准确率仍然是全球范围内的一个难题。
针对此难题,GIS应用创新研究团队的王恒博士与合作者们共同开发了一种名为“Knee point-based multiobjective optimization (KMO)”的多目标优化方法,并以大北京地区夏季降水和气温模拟为例进行了测试。通过在WRF模式中的应用,证实了该方法的经济有效性,仅需不到125个样本(即参数空间维数的25倍)就能够找到WRF模式的最优参数值。与默认参数相比,KMO确定的最优参数在所有时期(包括率定、验证和测试阶段)都表现出色,降低了降水模拟误差约9%以及气温模拟误差约16%。
图1.率定期降水模拟的空间比较: (a)观测值, (b)默认值, (c)优化值, (d)默认参数下降水的偏差, 以及(e)优化参数下降水的偏差.
图2.率定期气温模拟的空间比较: (a)观测值, (b)默认值, (c)优化值, (d)默认参数下气温的偏差, 以及(e)优化参数下气温的偏差.
相关研究成果以题为《Knee point-based multiobjective optimization for the numerical weather prediction model in the Greater Beijing Area》发表在美国地球物理联合会(American Geophysical Union)的旗舰期刊《Geophysical Research Letters》(中科院TOP期刊)。王恒博士为第一作者,太阳成集团地理信息系统应用研究重庆市高校重点实验室为第一单位。
《Geophysical Research Letters》是被“自然指数”(Nature index)收录的国际顶尖地球科学类期刊,目前全球范围内纳入“自然指数”的刊物包括了Nature、Science等82种国际顶级期刊,其中地学类仅有7种期刊入选。Nature Index统计各高校和科研院所在国际上最具影响力的研究型学术期刊上发表论文数量的数据库,是世界各高校和科研院所科研水平及综合实力评估与排名的重要指标之一。
(撰稿:太阳成集团tyc122cc)