500 hPa位势高度场极端天气事件的NCEP集合概率预报效果分析

基于百分位方法,首先通过构建气候等概率区间得到了位势高度场极端天气事件区分方法,并给出了相应的预报结果检验评价方案;以此为基础,对2003年夏季亚欧区域的500hPa位势高度场极端天气事件的NCEP集合概率预报效果进行了深入分析,得到如下结论：1）分析时段和区域内的极端事件的发生频率比气候平均状况略偏高。NCEP集合预报系统对异常偏低的极端事件的预报易偏高,但相对比较可靠;对相对异常偏高极端事件的预报频率随着预报时效的增大而减小,时效小于3d时预报频率偏高,时效大于5d时显著偏低,预报可靠性相对差一些。2）EV（economic value,经济价值）分析表明,NCEP集合预报系统对偏高（低）极端事件的概率预报效果明显高于正常天气事件。3）预报命中率分析表明,在高概率阈值下,预报命中率较低,这与预报系统在部分个例中的不发散有关。随着概率阈值的降低,预报命中率稳步提高,说明集合成员的发散使之可以覆盖实况可能出现的区间,从而得到更好的预报效果。     

GRAPES区域集合预报对2019年中国汛期降水预报评估

2019年,数值预报中心开发了以GRAPES全球模式为驱动场,集合变换卡尔曼滤波为初值扰动方法,随机物理过程倾向项为模式扰动方法的10 km水平分辨率GRAPES-REPS V3.0区域集合预报模式,并投入业务运行。基于该模式,作者开展了2019年7～9月夏季降水不确定性的集合预报实时试验,并从统计检验和个例分析角度,与GRAPES-REPS V2.0和ECMWF全球集合预报模式进行对比,由此对GRAPES-REPS V3.0区域集合预报模式的降水预报能力给予客观评价,并分析了引起中尺度强降水预报不确定性的物理机制,研究结论可为诊断集合预报模式及改进集合预报方法提供依据。结果表明:（1）GRAPES-REPS V3.0区域集合预报系统的降水ETS评分在所有预报时效和量级内均优于GRAPES-REPS V2.0区域集合预报模式,降水成员具有明显等同性,且概率预报技巧FSS评分较高,GRAPES-REPS V3.0区域集合预报模式降水预报效果全面优于GRAPES-REPS V2.0区域集合预报模式。（2）GRAPES-REPS V3.0区域集合预报的集合平均降水BIAS评分及小雨和暴雨ETS评分均明显优于ECMWF全球集合预报系统,降水概率预报与ECMWF降水概率具有一定可比性。（3）个例分析结果表明,不同集合预报模式通过刻画中尺度特征物理量不确定性来捕捉降水预报不确定性,初始时刻,GRAPES-REPS V3.0区域集合预报模式和ECMWF全球集合预报模式环流形势分布较为相似,随预报时效演变,GRAPES-REPS V3.0区域集合预报模式对中尺度动力、热力场捕捉更为准确,相应地对降水落区与量级预报较好,概率预报技巧较优。（4）与ECMWF全球集合预报模式相比,GRAPES区域集合预报模式集合成员能很好地预报降水发生、发展、消亡整个过程,故GRAPES-REPS V3.0区域集合预报系统对中国汛期降水具有较强的预报能力。     

夏季亚欧中高纬度环流的集合预报效果检验

使用NCEP集合预报资料, 对亚洲中高纬地区2003年6—8月500 hPa高度场的集合预报效果进行了检验。环流预报效果检验结果表明:预报时效大于5 d时, 集合平均预报明显优于单一预报; 使用相同模式分辨率时, 集合平均能将可用预报时效延长12 h以上, 达到7.5 d; 通过集合预报可获得真正意义的概率预报结果, 取得较单一高分辨率预报好的预报效果。阻塞过程的个例分析也表明集合平均的预报效果明显优于单一确定性预报; 特征等值线可反映集合成员的不一致信息和少数集合成员的异常表现, 以此为基础, 可估计分析对象出现与否的概率, 达到提高预报效果的目的。     

两个集合预报系统对秦岭及周边降水预报性能对比

利用欧洲中期天气预报中心 (ECMWF)、美国大气环境预报中心 (NCEP) 集合预报系统 (EPS) 降水量预报资料,CMORPH (NOAA Climate Prediction Center Morphing Method) 卫星与全国3万个自动气象站降水量融合资料,基于技巧评分、ROC (relative operating characteristic) 分析等方法,对比两个集合预报系统对秦岭及周边地区的降水预报性能。结果表明:两个系统均能较好表现降水量的空间形态,对于不同量级降水,ECMWF集合预报系统0~240 h控制及扰动预报优于NCEP集合预报系统,但NCEP集合预报系统264~360 h预报时效整体表现更好; ECMWF集合预报系统0~120 h大雨集合平均优于NCEP集合预报系统,两个系统集合平均的预报技巧整体低于其控制及扰动成员预报,这种现象ECMWF集合预报系统表现更为显著; ECMWF集合预报系统降水预报概率优于NCEP集合预报系统。ROC分析显示,随着预报概率的增大,ECMWF集合预报系统在命中率略微下降的情况下,显著减小了空报率,NCEP集合预报系统则表现出高空报、高命中率。     

2016年乌鲁木齐区域数值天气预报系统预报性能客观检验

基于MET检验工具对乌鲁木齐区域数值天气预报系统DOGRAFS v1.0在2016年各季节中的预报性能进行客观检验评估,主要检验要素有2m温度、10m风、500hPa形势场等,并与2015年同期预报性能进行对比分析,结果表明：(1)2016年该系统对各个季节2m温度预报以冷偏差为主,午间偏低幅度较大;夏季性能最优,冬季性能最差。对10m风预报以正偏差为主,平均误差在1.0m/s以内;各季节预报性能无明显差异。(2)2016年该系统对500hPa位势高度和温度预报以负偏差为主;位势高度预报性能夏季最优、秋季最差;温度预报性能在夏季最优、冬季最差。24h预报时效的预报性能整体优于48h预报时效。(3)2016年晴雨预报效果较好,夏季降水评分最高、冬季最低。随降水阈值增大、TS评分降低,系统对夏季午后至夜间降水预报评分较高。(4)2015年各要素预报偏差的变化特征与2016年相似,2016年预报性能整体优于2015年。     

基于动力降尺度的区域集合预报初值扰动构建方法研究

利用全球集合预报系统资料(Global Ensemble Forecast System,GEFS),基于WRF中尺度模式构建了区域集合预报系统,区域集合初值的构建采用两种方案,一种是GEFS全球集合预报初值场直接动力降尺度(称为DOWN集合),另一种是提取GEFS全球集合降尺度后的扰动场,并叠加到区域数值预报系统(北京快速更新循环数值预报系统:Beijing Rapid Update Cycle System,BJ-RUC)分析场上构建集合初值场(称为D-RUC集合)。进行了批量试验,通过对比发现D-RUC集合的中小尺度扰动增长优于DOWN集合,而大尺度扰动分量的增长两者相当,说明与高分辨率分析场叠加可以促进动力降尺度扰动的中小尺度扰动分量的增长。集合预报扰动准确性检验结果显示,短预报时效内DOWN集合扰动明显低估了预报误差,在预报误差较大的位置扰动较小,而D-RUC集合能够更好地识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,D-RUC方法能显著改善短时效预报效果,集合离散度有所增加、均方根误差有所减少,概率预报评分显示D-RUC集合比DOWN集合在短预报时效占优。降水个例分析结果表明D-RUC方法能显著改善短时效内的降水概率预报效果。     

GRAPES区域集合预报系统应用研究

为发展GRAPES(Global and Regional Assimilation and Prediction System)区域集合预报系统(GRAPES Regional Ensemble Prediction System,GRAPES-REPS),采用集合变换卡尔曼滤波(ETKF)初值扰动方法以及多物理过程组合的模式扰动方法,基于业务区域模式GRAPES_MesoV3.3.2.4构建了区域集合预报系统,进行了连续40 d的批量试验,重点分析了ETKF初值扰动的结构及其演变特征,并通过概率预报检验方法对GRAPES-REPS进行了集合预报系统性能检验和降水预报检验,分析了该系统对强降水个例的预报效果。试验结果表明,GRAPES-REPS能产生较合理的集合预报初值扰动,扰动结构随流型依赖并对观测有较好的响应,且扰动成员相互正交。扰动总能量分析表明集合扰动能够随预报时效保持合理增长状态。集合预报检验表明集合预报结果优于控制预报,集合成员间在72 h预报时效内能保持合理的集合离散度。将该区域集合预报系统与业务上基于WRF模式的区域集合预报系统WRF-REPS进行了降水预报对比,表明GRAPES-REPS的降水预报能力表现要优于业务WRF-REPS。强降水个例分析表明集合预报能较好预报出强降水中心,预报效果明显优于控制预报。     

GRAPES_GEPS模式对2018年冬季欧亚地区500 hPa高压脊形势的预报效果评估

基于1979～2017年（共39年）NCEP/NCAR第一套再分析数据首先对欧亚大陆500 hPa持续性高值[Persistent open ridges and blocking high (maxima) of 500 hPa geopotential height, PMZ]事件的气候分布特征进行了统计分析,发现欧亚地区冬季PMZ事件主要发生在乌拉尔山地区,该地区的PMZ事件生命史以2～3 d为主,移动距离小于1000 km。通过对2018年冬季发生在鄂霍茨克海地区的阻塞形势检验得出,GRAPES（Global/Regional Assimilation and Prediction Enhanced System）和ECMWF（European Centre for Medium-Range Weather Forecasts）确定性模式在中短期时效对偏强阻塞形势有较好的预报能力,且ECMWF模式预报性能优于GRAPES模式,而对弱阻塞形势预报两家模式均不理想。随后针对 GRAPES全球集合预报系统(GRAPES-GEPS)和ECMWF集合预报对2018年冬季欧亚地区PMZ事件的预报能力开展细致评估,结果表明GRAPES-GEPS控制预报在中期时效预报效果相对短期时效明显偏差,集合预报伴随预报时效临近更多的集合成员可预报出与零场接近的PMZ事件。ECMWF在短期时效预报效果明显由于GRAPES-GEPS,但随着预报时效延长,预报效果显著降低。对于2018年12月25～31日的PMZ事件,GRAPES_GEPS各集合成员在延伸期时效给出预报信息,随预报时效临近,集合成员预报成功率明显增加,但与零场相比PMZ事件维持时间较零场偏短、高压脊强度较零场偏弱。本文给出了中期延伸期时效GRAPES_GEPS对PMZ事件的冬季预报能力,以期未来能为中期延伸期阻塞形势预报提供参考。     

东亚地区冬季地面气温延伸期概率预报研究

利用TIGGE资料中的ECMWF、NCEP、UKMO三个中心集合预报系统以及由此构成的多中心集合预报系统所提供的地面2 m气温10~15 d延伸期集合预报产品,建立贝叶斯模式平均(Bayesian Model Averaging,BMA)概率预报模型,对东亚地区冬季地面气温进行延伸期概率预报研究。采用距平相关系数、均方根误差、布莱尔评分、等级概率评分等指标分别对BMA确定性结果与概率预报进行评估。结果表明,BMA方法明显地改进了原始集合预报结果,预报技巧优于原始集合预报,且多中心BMA预报优于单中心BMA预报,最佳滑动训练期取35 d。BMA预报为气温的延伸期概率预报提供了更合理的概率分布,定量描述了预报的不确定性。     

基于T639集合预报的持续性强降水中期客观预报技术研究

针对持续性强降水预报困难的问题,根据Anderson-Darling检验原理,构建基于中国气象局T639集合预报系统的持续性强降水中期客观预报方法。对比分析2010-2015年5-9月T639集合预报降水与实况降水的累积概率分布函数差异,在此基础上采用扩展时间序列和空间范围的方法构建3种模式气候累积概率方案,通过批量预报试验和检验,选取最优概率方案纳入预报模型,考察持续性强降水个例的最长预报时间。结果表明,随着预报时效的延长,集合预报模式的降水逐渐集中于小和中雨量级,无降水和暴雨以上量级的降水概率低于观测,168 h以后模式降水概率趋于稳定。通过扩展时间序列和空间范围能弥补模式气候资料年限不足所带来的偏差,根据区域气候特征细分模式气候的方法重点突出了不同区域的降水特征,明显优于简单集合所有区域数据的模式气候方案。基于集合预报的持续性强降水预报模型对持续性强降水个例的预报能力为8-9 d,随着预报时效的延长,降水强度以及雨带位置的预报能力逐渐减弱。      

Preliminary Comparison of the CMA, ECMWF, NCEP, and JMA Ensemble Prediction Systems

Based on The Observing System Research and Predictability Experiment (THORPEX) Interactive Grand Global Ensemble (TIGGE) dataset,using various verification methods,the performances of four typical ense...     

基于TIGGE资料的东亚地面气温预报的不一致性研究

基于TIGGE资料中欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)和中国气象局(CMA)3个集合预报系统的地面气温集合预报资料,运用跳跃指数研究了3个集合预报系统中东亚地面气温的控制预报及集合平均预报的不一致性。结果表明,各个集合预报系统地面气温预报的时间平均不一致性指数差异较大。ECM WF时间不一致性指数最小,NCEP次之,CM A最大。另外NCEP的控制预报、ECM WF的控制预报和集合平均预报,这三者的时间平均不一致性指数随预报时效延长而增加,且集合平均预报一致性优于控制预报。而对于CMA预报的不一致性,无论是控制预报还是集合平均预报总体上都稳定地保持在较高的水平。此外,ECMWF的地面气温冬(夏)季预报的不一致性相对较强(弱),且单点跳跃随预报时效延长变化不明显,而控制预报和集合平均预报的异号两点跳跃以及三点跳跃出现的频率总体上随预报时效延长略有增加。     

Forecast skill of the tropical intraseasonal oscillation in the NCEP GFS dynamical extended range forecasts

This study examines the forecast performance of tropical intraseasonal oscillation (ISO) in recent dynamical extended range forecast (DERF) experiments conducted with the National Centers for Environmental Prediction (NCEP) Global Forecasting System (GFS) model. The present study extends earlier work by comparing prediction skill of the northern winter ISO (Madden-Julian Oscillation) between the current and earlier experiments. Prediction skill for the northern summer ISO is also investigated. Since the boreal summer ISO exhibits northward propagation as well as eastward propagation along the equator, forecast skill for both components is computed. For the 5-year period from 1 January, 1998 through 31 December, 2002, 30-day forecasts were made once a day. Compared to the previous DERF experiment, the current model has shown some improvements in forecasting the ISO during winter season so that the skillful forecasts (anomaly correlation>0.6) for upper-level zonal wind anomaly extend from the previous shorter-than 5 days out to 7 days lead-time. A similar level of skill is seen for both northward and eastward propagation components during the summer season as in the winter case. Results also show that forecasts from extreme initial states are more skillful than those from null phases for both seasons, extending the skillful range by 3–6 days. For strong ISO convection phases, the GFS model performs better during the summer season than during the winter season. In summer forecasts, large-scale circulation and convection anomalies exhibit northward propagation during the peak phase. In contrast, the GFS model still has difficulties in sustaining ISO variability during the northern winter as in the previous DERF run. That is, the forecast does not maintain the observed eastward propagating signals associated with large-scale circulation; rather the forecast anomalies appear to be stationary at their initial location and decay with time. The NCEP Coupled Forecast System produces daily operational forecasts and its predication skill of the MJO will be reported in the future.     

江苏—南黄海地区M≥6强震有序网络结构及其预测研究

基于TIGGE（THORPEX Interactive Grand Global Ensemble,全球交互式大集合）资料中欧洲中期天气预报中心（European Centre for Medium-Range Weather,ECMWF）、日本气象厅（Japan Meteorological Agency,JMA）、美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）和英国气象局（United Kingdom Met Office,UKMO）4个中心的北半球地面2m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均（bias-removed ensemble mean,BREM）和多模式超级集合（superensemble,SUP）方法进行统计降尺度预报研究.结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果.引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小.对比综合表现最好的单中心ECMWF的预报,1～7d的降尺度预报误差改进率均达20％以上.研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法.     

一种新的集合预报权重平均方法

提出了一种新的考虑权重的集合预报成员平均方法。使用气候等概率区间来对集合成员进行分组, 并根据气候等概率区间的大小及其中的成员数, 对集合成员的权重进行调整, 得到了一种改进的集合平均预报结果。检验表明, 它可以进一步提高集合平均预报的效果。相对于提高模式分辨率或发展庞大的集合预报系统, 这种方法的效果是显著的。     

Improving Multi-Model Ensemble Forecasts of Tropical Cyclone Intensity Using Bayesian Model Averaging

This paper proposes a method for multi-model ensemble forecasting based on Bayesian model averaging (BMA), aiming to improve the accuracy of tropical cyclone (TC) intensity forecasts, especially forecasts of minimum surface pressure at the cyclone center (P_min). The multi-model ensemble comprises three operational forecast models: the Global Forecast System (GFS) of NCEP, the Hurricane Weather Research and Forecasting (HWRF) models of NCEP, and the Integrated Forecasting System (IFS) of ECMWF. The mean of a predictive distribution is taken as the BMA forecast. In this investigation, bias correction of the minimum surface pressure was applied at each forecast lead time, and the distribution (or probability density function, PDF) of P_min was used and transformed. Based on summer season forecasts for three years, we found that the intensity errors in TC forecast from the three models varied significantly. The HWRF had a much smaller intensity error for short lead-time forecasts. To demonstrate the proposed methodology, cross validation was implemented to ensure more efficient use of the sample data and more reliable testing. Comparative analysis shows that BMA for this three-model ensemble, after bias correction and distribution transformation, provided more accurate forecasts than did the best of the ensemble members (HWRF), with a 5%–7% decrease in root-mean-square error on average. BMA also outperformed the multi-model ensemble, and it produced “predictive variance” that represented the forecast uncertainty of the member models. In a word, the BMA method used in the multi-model ensemble forecasting was successful in TC intensity forecasts, and it has the potential to be applied to routine operational forecasting.     

中国夏季降水多模式集成概率预报研究

基于TIGGE资料中的中国气象局（CMA）、欧洲中期天气预报中心（ECMWF）、日本气象厅（JMA）、美国国家环境预报中心（NCEP）以及英国气象局（UKMO）五个中心2007-2011年5月25日-8月31日中国地区逐日12-36 h、36-60 h、60-84 h、84-108 h、108-132 h与132-156 h累积降水集合预报资料,分别利用PoorMan （POOL）和多模式消除偏差（MBRE）两种方法对2011年各中心降水概率预报进行集成,并采用RPS和BS评分方法对预报效果进行评估。结果表明,对于12-156 h逐24 h累积降水量概率预报,多模式集成预报效果优于单模式预报效果,且多模式消除偏差概率预报效果最好;针对小雨、中雨以及大雨以上降水,PoorMan和MBRE概率预报较单中心预报效果均有提高,MBRE概率预报效果优于PoorMan方法。     

Evaluation of a Regional Ensemble Data Assimilation System for Typhoon Prediction

An ensemble Kalman filter (EnKF) combined with the Advanced Research Weather Research and Forecasting model (WRF) is cycled and evaluated for western North Pacific (WNP) typhoons of year 2016. Conventional in situ data, radiance observations, and tropical cyclone (TC) minimum sea level pressure (SLP) are assimilated every 6 h using an 80-member ensemble. For all TC categories, the 6-h ensemble priors from the WRF/EnKF system have an appropriate amount of variance for TC tracks but have insufficient variance for TC intensity. The 6-h ensemble priors from the WRF/EnKF system tend to overestimate the intensity for weak storms but underestimate the intensity for strong storms. The 5-d deterministic forecasts launched from the ensemble mean analyses of WRF/EnKF are compared to the NCEP and ECMWF operational control forecasts. Results show that the WRF/EnKF forecasts generally have larger track errors than the NCEP and ECMWF forecasts for all TC categories because the regional simulation cannot represent the large-scale environment better than the global simulation. The WRF/EnKF forecasts produce smaller intensity errors and biases than the NCEP and ECMWF forecasts for typhoons, but the opposite is true for tropical storms and severe tropical storms. The 5-d ensemble forecasts from the WRF/EnKF system for seven typhoon cases show appropriate variance for TC track and intensity with short forecast lead times but have insufficient spread with long forecast lead times. The WRF/EnKF system provides better ensemble forecasts and higher predictability for TC intensity than the NCEP and ECMWF ensemble forecasts.