超级集合预报的误差订正与集成研究

利用类似KALMAN滤波的自适应误差订正法对中国国家气象中心、日本气象厅、美国国家环境预报中心、加拿大气象中心和澳大利亚-法国气象局的区域集合预报模式2m温度预报做订正,并对订正后的结果采用算术平均和多元回归两种方法进行集成.结果表明:订正后温度预报的各项检验指标都显示出不同程度的改善.36h内平均绝对误差在1.8℃以内;均方根误差也有明显减小,且与离散度大小更接近;talagrand图的U型分布仍然存在,但个别成员异常的现象得到改善;集合成员预报分簇的现象得到了很好的矫正;此外预报误差存在日变化.两种集成方法的温度预报结果都优于单一模式预报,并且不存在明显的系统误差,预报达到了一定精度.其中多元回归方法的集成效果胜于算术平均集成.     

遗传算法优化的BP神经网络在地面温度多模式集成预报的应用研究

基于TIGGE资料集中的ECMWF、CMA和JMA的数值预报产品,利用加权集成、回归集成和消除偏差集成等线性集成方式与遗传算法优化的BP神经网络(GABP)集成,对我国大部开展地面2 m温度在24 h、48 h和72 h预报时效的多模式集成预报试验。通过对2013年1—6月的预报检验,结果表明:GABP集成预报效果有较大提升,均方误差明显小于各单一模式预报。GABP集成的误差分布在新疆和华北均方误差较大,但是在预报效果改进上GABP集成在西部地区相对单一模式的误差减小更加明显。在进行几种多模式集成方式时,GABP集成相比线性方法预报结果更加精准。对于天气过程个例的预报,GABP集成预报出预报量的变化趋势,预报效果优于单一模式和线性集成预报。无论是较长时间段还是短时间的天气过程,在改进预报效果上GABP集成都起到了最佳的作用。     

昌吉州主客观温度预报检验及业务应用

该文对2013年昌吉州区域3种主客观温度预报产品进行质量检验,预报时效24 h、48 h、72 h;对温度预报误差≤2℃的百分率(准确率)、平均绝对误差、均方根误差统计检验。对预报员和模式预报产品的质量、技巧评分进行对比分析。结果表明:预报员的24 h预报质量略优于模式的预报质量。48~72 h最高温度预报质量,EC细网格预报最好。分析主客观预报质量的月变化和站点变化,为业务工作中的参考权重提供依据。提出了选取最优订正值订正客观预报系统偏差的方法(预估若干订正值,分别计算每个订正值在一段时间内的平均绝对误差和准确率,选取其中平均绝对误差最小且准确率最高的订正值),并通过制作相应软件投入业务运用。     

主客观天气预报质量对比分析

对2001年4~12月5种信息源广州市区的天气预报进行预报质量检验，预报时效为24、48、72 h；检验要素针对降水、温度。对降水预报进行一般晴雨、暴雨业务评分和Ts评分；对温度预报进行方差、分级等统计检验。对预报员和模式预报产品的预报质量进行对比分析，结果表明对于一般性晴雨天气预报，热带所中尺度模式的预报质量普遍较好，并且具有良好的稳定性，预报员的24 h预报质量与模式的预报质量相当，48~72 h预报总体而言，模式预报明显优于其它预报方法；各种方法对暴雨的预报能力偏低；Ts评分表明模式对有、无降水的预报能力较强；对于温度预报，总体上，预报员的预报准确率最好，热带所中尺度模式的温度预报存在系统误差，预报普遍比实况偏低；对于降水和温度，各种预报方法质量均随预报时效的增长而下降，且最高温度的预报误差总比最低温度的预报误差大。     

基于多模式集成技术的地面气温精细化预报

基于ECMWF、JMA、T639、WRF四个数值模式2012年6月1日—9月30日地面气温3—60 h预报资料和郑州加密自动站资料,利用多模式集合平均(EMN)、消除偏差集合平均(BREM)、加权消除偏差集合(WBREM)及多模式超级集合(SUP)4种方法,对2012年8月29日—9月27日郑州城区11个站点地面逐3 h气温进行多模式集成预报试验,采用绝对误差对预报结果进行检验评估,结果表明:在30天的预报期内,BREM、WBREM及SUP对于大多数站气温预报效果有明显改善,而EMN方案对11个站预报效果改善则不太明显;4种方案中,BREM和WBREM预报效果相对较好且稳定,各个站上3—60 h预报的绝对误差均在2℃附近或以下;SUP方案虽然对个别站预报误差较低,但是其预报效果并不稳定,一些站点的个别预报时效误差大于2℃。对于郑州观测站的气温预报而言,4种集成方案20时起报的气温误差明显小于08时起报的误差,并且20时起报的SUP集成方案绝对误差明显小于其他方案的绝对误差。总体而言,BREM、WBREM及SUP三种集成方案能够给郑州精细化预报业务提供较好的参考。     

西北太平洋(含南海)热带气旋路径集成预报分析

基于2004—2009 年中国中央气象台、日本气象厅、美国联合台风警报中心、欧洲中心对西北太平洋和南海编号热带气旋主客观预报资料,利用算术平均、多元回归以及历史平均误差等三种集成方法,建立了热带气旋路径集成预报业务化系统。通过2007—2009 年的业务运行结果分析发现,欧洲中心客观预报参与的24、48 和72 h 集成比主观预报三个成员集成预报水平分别提高约2%、3%～5%和3%～5%,减小误差2.5 km左右、6～9 km 和10～12 km。技巧分析发现,24～72 h 集成预报有正技巧,多元回归集成技巧相对稍低,而算术平均和以各成员平均误差的平方倒数为权重系数的集成技巧对于各集成成员来说技巧差异不大。96 h 集成预报对欧洲中心的客观预报没有正技巧。      

日极端气温的多模式集成预报应用及检验

基于Grapes、T639、ECMWF和JMA精细化数值模式,利用平均集成(EMN)、反误差加权集成(IEWE)、消除偏差加权集成(BRWE)法进行广州5个观测站的日极端气温集成预报研究。结果表明:(1)数值模式对最高气温的预报较为接近,其中Grapes模式的预报效果相对较优;模式对最低气温的预报普遍优于最高气温,ECMWF模式明显优于其余3种数值模式。(2)BRWE的效果最好,尤其对最高气温预报有明显改善,其24~72 h预报效果较最优的Grapes模式分别提高了27.6%、17.1%、9.9%;对最低气温的预报亦有改进,24 h预报误差较最优的ECMWF模式提高12.5%,但48~72 h的改进效果则不明显。(3)集成预报在不同季节的效果有一定差异,在夏秋、冬季节,BRWE的最高气温预报效果明显高于春季;而BRWE的最低气温预报在春、夏季节具有较高的应用价值。     

湖北省乡镇温度预报方法初探

为了提高精细站点温度预报水平,本文在中尺度模式精细化温度预报的基础上,结合MOS分县客观预报结果,采用带海拔高度的距离权重温度插值方法,经过灰色预测模型修正温度预报误差,对湖北省717个四要素自动观测站的72小时内日高低温度进行了精细化预报,并且利用乡镇自动站温度观测进行了检验。结果显示：对于没有历史观测资料的站点,采用此预报方法,预报效果明显高于模式预报结果,基本接近客观预报方法,可以进行业务应用。对湖北的四要素自动观测站温度检验的结果还表明：鄂西北的预报误差最大,江汉平原的预报效果最好;从分月预报情况来看,高低温度都是夏季和初秋预报效果最好,低温预报冬春季预报效果最差,湖北各个区域趋势基本都一致,而高温的预报却没有一致的趋势。     

2011年西北太平洋热带气旋预报精度评定

本文对2011年西北太平洋热带气旋(TC)业务定位和预报精度进行评定,内容包括TC定位、确定性路径和强度预报以及路径集合预报。结果表明:业务定位总平均误差为24.9 km;国内各综合预报方法24、48和72 h的总体平均距离误差分别为112.6、209.7和333.6 km;国内各业务数值模式24、48和72 h预报的总体平均距离误差分别为121.4、220.1和380.5 km,均比2010年有所减小,但各模式的强度预报能力仍不如客观预报方法。对7个集合预报系统的TC路径预报能力进行评估,发现ECMWF集合预报系统的整体表现最好,其次是NCEP集合预报系统,这两个系统在某些时效的集合平均预报接近或超过综合预报水平。国家气象中心集合预报系统处中游水平。     

泰州市气温多模式集成预报系统的建立与评估

基于欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心3个中心的气温模式预报资料,采用多模式简单集合平均(EMN)、滑动训练期消除偏差集合平均(Running Training Period Bias-removed Ensemble Mean,R-BREM)、滑动训练期超级集合预报(Running Training Period Superensemble Forecast,R-SUP)3种多模式集成方法,通过均方根误差(Root Mean Square Error,RMSE)和距平相关系数(Anomaly Correlation Coefficient,ACC)两种检验评估方法,比较了气温的单模式预报和多模式集成预报结果,建立了针对江苏省泰州市的地面气温多模式集成预报系统。结果表明:对于该市08:00和20:00起报的气温预报,R-BREM均是相对最优的多模式集成方法,且基于该方法的多模式集成预报结果明显优于单模式预报结果,其RMSE相对于最优单模式减小了0.5℃左右,ACC增大了约0.16,改进效果显著。同时,将R-BREM方法投入到泰州市的日常气温业务预报中,有效提高了业务预报准确率。     

三种全球预报产品中国区近地面气温短期预报效果检验

全球气象预报产品是扩散模式、空气质量模式的重要基础资料和前提条件,其误差直接影响模拟结果的准确度。为考察不同气象预报产品的误差,选取2016年6月至2017年5月GFS、ECMWF、T639三种全球气象预报产品,利用中国2100个地面观测站数据,对预报产品中近地面气温进行了对比,并分析了其在不同季节、不同区域的特征。结果表明：在中国区域三种气象产品气温预报存在偏低预报的趋势,其均方根误差的年平均值为2.60—3.52℃,相关系数的年平均值为0.89—0.92,平均绝对误差的年平均值为1.87—2.67℃。整体而言,EC表现最佳,其余依次为GFS、T639。气温预报误差存在季节变化特征,三种产品均方根误差与平均绝对误差均表现为夏秋季优于春冬季,相关系数表现为秋冬季优于春夏季。气温预报误差存在明显的地域差异,三种气象预报产品的气温误差空间分布特征较为相似,在中国华东地区误差值表现较低,在西南地区误差较高。同时,其误差水平在中国沿海地区表现较低,在地形复杂地区表现较高。     

数值模式的热带气旋强度预报订正及其集成应用

提供热带气旋强度预报产品的业务数值天气预报模式有很多,并已表现出一定的预报技巧,为提高对模式热带气旋强度预报产品的定量应用能力,分析2010—2012年7个业务数值模式的西北太平洋热带气旋强度预报,发现预报误差不仅受到模式热带气旋初始强度误差的显著影响,还与热带气旋及其所处环境的初始状况有密切关系,包括热带气旋初始强度、尺度、移速、环境气压、环境风切变、热带气旋发展潜势等。根据这些因子与各模式热带气旋强度预报误差之间的相关性,采用逐步回归方法建立热带气旋强度预报误差的统计预估模型,并通过逐个热带气旋滚动式建模来进行独立样本检验。检验结果表明,基于误差预估的模式订正预报比模式直接输出的热带气旋强度预报有显著改进,在此基础上建立的热带气旋强度多模式集成预报方案相对气候持续性预报方法在12 h有28%的正技巧,在24—72 h则稳定在15%—20%,具有业务参考价值。     

龙川县气温预报方法的建立与应用

利用龙川站2008-2012年地面观测资料、欧洲中心数值预报产品,采用常规统计预报方法（逐步回归）,将最高（低）气温实况作为预报对象,把可能影响气温变化的气象要素作为预报因子,分月建立未来24～ 72 h最高（低）气温的MOS预报方程,通过对2013年全年的检验预报表明：未来24～72 h最高（低）气温预报平均绝对误差均在2.0℃以内.     

东北冷涡数值预报系统建立与业务应用

东北冷涡强降水一直是东北地区气象预报的难点和重点。从提高东北冷涡降水数值预报质量着手,选择模式中可能对东北冷涡强对流有影响的不同辐射方案、边界层方案和积云参数化方案等多种物理过程,对东北冷涡降水预报的性能进行批量试验;利用天气学检验方法,选择预报结果较好的RRTM长波辐射方案、Gayno Seaman边界层方案、Grell积云参数化方案和混合相湿过程显式方案等物理方案,组合建立了东北冷涡数值预报系统。经检验表明：系统对东北冷涡降水预报的水平较东北区域中尺度数值预报业务系统有所提高。同时利用天气学检验方法,从降水预报的强度、落区和移速等方面着手,评估东北冷涡数值预报产品对冷涡降水预报的性能和系统误差,得出降水强度易偏强、落区易偏西偏南和范围易偏小等定性结论,可直接应用于预报业务,取得了较好的应用效果。     

支持向量机非线性回归方法的气象要素预报

该文介绍了基于基本的支持向量机非线性回归方法,该方法具有解决非线性问题的能力,在数值预报解释应用技术中,对某些预报量与预报因子之间相关性不显著的要素,如风、比湿等,采用支持向量机非线性回归技术较多元回归的MOS方法更具优势;利用北京市气象局中尺度业务模式 (MM5V3) 的12:00(世界时) 起始数值预报产品和观测资料,制作北京15个奥运场馆站点6~48 h逐3 h的气象要素释用产品。对比MM5V3模式,从均方根误差的平均减小率来看,2 m温度减小12.1%,10 m风u分量减小43.3%,10 m风v分量减小53.4%,2 m比湿减小38.2%。与同期的MOS方法预报结果相比,整体预报效果SVM略优于MOS。由此可见,支持向量机非线性回归方法解决与预报因子之间非线性相关的气象要素较好,具有较高的预报优势。     

Experiments of DSAEF_LTP Model with Two Improved Parameters for Accumulated Precipitation of Landfalling Tropical Cyclones over Southeast China

The Dynamical-Statistical-Analog Ensemble Forecast model for landfalling tropical cyclones (TCs) precipitation (DSAEF_LTP) utilises an operational numerical weather prediction (NWP) model for the forecast track, while the precipitation forecast is obtained by finding analog cyclones, and making a precipitation forecast from an ensemble of the analogs. This study addresses TCs that occurred from 2004 to 2019 in Southeast China with 47 TCs as training samples and 18 TCs for independent forecast experiments. Experiments use four model versions. The control experiment DSAEF_LTP_1 includes three factors including TC track, landfall season, and TC intensity to determine analogs. Versions DSAEF_LTP_2, DSAEF_LTP_3, and DSAEF_LTP_4 respectively integrate improved similarity region, improved ensemble method, and improvements in both parameters. Results show that the DSAEF_LTP model with new values of similarity region and ensemble method (DSAEF_LTP_4) performs best in the simulation experiment, while the DSAEF_LTP model with new values only of ensemble method (DSAEF_LTP_3) performs best in the forecast experiment. The reason for the difference between simulation (training sample) and forecast (independent sample) may be that the proportion of TC with typical tracks (southeast to northwest movement or landfall over Southeast China) has changed significantly between samples. Forecast performance is compared with that of three global dynamical models (ECMWF, GRAPES, and GFS) and a regional dynamical model (SMS-WARMS). The DSAEF_LTP model performs better than the dynamical models and tends to produce more false alarms in accumulated forecast precipitation above 250 mm and 100 mm. Compared with TCs without heavy precipitation or typical tracks, TCs with these characteristics are better forecasted by the DSAEF_LTP model.     

上海区域要素客观预报方法效果检验

数值模式的客观释用是数值模式在业务工作中发挥效能的重要环节。在对上海区域数值模式近5年的模式直接输出(DMO)进行检验的基础上,分别采用卡尔曼滤波释用(KLM)和最优化集成释用(OCF)的方法进行要素客观释用,总结出区域数值模式的预报性能,客观释用也取得令人鼓舞的结果:(1)近几年,上海区域数值模式的直接输出结果(DMO)对温度、湿度以及风向的预报改善不明显,甚至还有变差现象,风速的预报自2005年起有改善,但主要体现在预报的稳定性方面。(2)KLM方法较DMO在温度、相对湿度和风速的预报上均有明显提高,但是风向的预报无明显提高,预报准确率甚至略有下降。(3)OCF方法的预报性能较KLM方法略有提高。温度、相对湿度以及风向的预报准确率提高约2%,风速预报与KLM方法相当。在春季和冬季,OCF的预报水平已经与主观综合预报相当,如果主观综合预报能充分参考OCF的预报结果,主观综合预报"春季和冬季预报误差相对偏大"这一弱点能得到改善。检验结果能为数值模式的开发和调试者提供有益的参考,而最优化集成方法的成功业务尝试也佐证了集成预报在数值模式客观释用中的美好前景。     

上海区域数值预报模式集合预报系统的建立与试验

以目前运行的上海区域业务数值预报模式为基础,从预报模式的不确定性出发构造8个预报成员,建立了上海区域数值预报模式集合预报系统的初步模型,并对2004年夏季进行了逐日48 h预报试验。结果表明:集合平均对华东地区城市降水、温度、海平面气压等气象要素的总体预报能力与分辨率高3倍的业务模式相当,其中对雨量较大降水、最低温度、海平面气压(0~24 h)的预报效果好于业务模式;集合预报还能提供客观化、定量化的降水概率预报,对降水的发生、尤其是特大降水的发生有着很好的提示作用。     

DERF2.0模式对贵州延伸期、月预测质量对比分析

利用2014—2016年第二代月动力延伸预测模式业务系统(DERF2. 0)直接输出及预报员预报的贵州省气温和降水预报数据、贵州省84站观测数据,采用Ps、Cs和Zs 3种评分方法评估了DERF2. 0对贵州月气温、降水和月内强降水过程的预测性能,并与预报员业务值班发布的预报质量进行对比分析,系统性地对DERF2. 0产品在延伸期/月尺度的预测效果进行检验评估。结果表明:DERF2. 0月预测产品总体上对贵州气温的预测性能优于降水,气温偏高预测的可参考性高于其对气温偏低的预测。DERF2. 0预报月气温的Ps评分较预报员略高,月降水较预报员略低,总体来看DERF2. 0月预测效果较预报员综合预报略差且预报性能较不稳定。预报员预测数据的Zs和Cs评分总体高于DERF2. 0预测数据,但DERF2. 0预测数据的Zs和Cs评分较预报员逐年提高,尤其在整个雨季时段较为明显。DERF2. 0对主汛期(6—8月)的预报准确率较整个雨季期(4—10月)略高。     

天津市多模式气温集成预报方法

在遗传算法和粒子群算法的基础上,采用权重分配方法开展基于混合演化算法的多模式气温集成预报方法研究。利用2012年5—10月中国气象局GRAPES模式、北京市气象局BJ-RUC模式、中国气象局T639模式、天津市气象局TJWRF模式24 h预报时效的逐6 h地面2 m高度气温和35个天津区域自动气象站点资料,通过逐日滚动建立集成预报模型,对混合演化算法的多模式气温集成预报方法进行了绝对误差在2℃以内的分级、分类及分站检验分析。结果表明:使用该方法建立的气温集成预报模型具有比较可靠的预报能力,预报误差明显小于任一成员,预报准确率高。按绝对误差不大于2℃的检验标准,2012年35个站逐6 h气温、最低气温、最高气温的集成预报平均准确率分别为76.34%,77.88%,78.00%。