Impact of Soil Moisture Uncertainty on Summertime Short-range Ensemble Forecasts

To investigate the impact of soil moisture uncertainty on summertime short-range ensemble forecasts(SREFs), a fivemember SREF experiment with perturbed initial soil moisture(ISM) was performed over a northern China domain in summertime from July to August 2014. Five soil moisture analyses from three different operational/research centers were used as the ISM for the ensemble. The ISM perturbation produced notable ensemble spread in near-surface variables and atmospheric variables below 800 h Pa, and produced skillful ensemble-mean 24-h accumulated precipitation(APCP24) forecasts that outperformed any single ensemble member. Compared with a second SREF experiment with mixed microphysics parameterization options, the ISM-perturbed ensemble produced comparable ensemble spread in APCP24 forecasts, and had better Brier scores and resolution in probabilistic APCP24 forecasts for 10-mm, 25-mm and 50-mm thresholds. The ISM-perturbed ensemble produced obviously larger ensemble spread in near-surface variables. It was, however, still under-dispersed, indicating that perturbing ISM alone may not be adequate in representing all the uncertainty at the near-surface level, indicating further SREF studies are needed to better represent the uncertainties in land surface processes and their coupling with the atmosphere.     

A Regional Ensemble Forecast System for Stratiform Precipitation Events in Northern China. Part I: A Case Study

A single-model,short-range,ensemble forecasting system (Institute of Atmospheric Physics,Regional Ensemble Forecast System,IAP REFS) with 15-km grid spacing,configured with multiple initial conditions,multiple lateral boundary conditions,and multiple physics parameterizations with 11 ensemble members,was developed using the Weather and Research Forecasting Model Advanced Research modeling system for prediction of stratiform precipitation events in northern China.This is the first part of a broader research project to develop a novel cloud-seeding operational system in a probabilistic framework.The ensemble perturbations were extracted from selected members of the National Center for Environmental Prediction Global Ensemble Forecasting System (NCEP GEFS) forecasts,and an inflation factor of two was applied to compensate for the lack of spread in the GEFS forecasts over the research region.Experiments on an actual stratiform precipitation case that occurred on 5-7 June 2009 in northern China were conducted to validate the ensemble system.The IAP REFS system had reasonably good performance in predicting the observed stratiform precipitation system.The perturbation inflation enlarged the ensemble spread and alleviated the underdispersion caused by parent forecasts.Centering the extracted perturbations on higher-resolution NCEP Global Forecast System forecasts resulted in less ensemble mean root-mean-square error and better accuracy in probabilistic quantitative precipitation forecasts (PQPF).However,the perturbation inflation and recentering had less effect on near-surface-level variables compared to the mid-level variables,and its influence on PQPF resolution was limited as well.     

Bias-Corrected Short-Range Ensemble Forecasts for Near-Surface Variables during the Summer Season of 2010 in Northern China

A running mean bias （RMB） correction ap- proach was applied to the forecasts of near-surface variables in a seasonal short-range ensemble forecasting experiment with 57 consecutive cases during summer 2010 in the northern China region. To determine a proper training window length for calculating RMB, window lengths from 2 to 20 days were evaluated, and 16 days was taken as an optimal window length, since it receives most of the benefit from extending the window length. The raw and 16-day RMB corrected ensembles were then evaluated for their ensemble mean forecast skills. The results show that the raw ensemble has obvious bias in all near-surface variables. The RMB correction can remove the bias reasonably well, and generate an unbiased ensemble. The bias correction not only reduces the ensemble mean forecast error, but also results in a better spreaderror relationship. Moreover, two methods for computing calibrated probabilistic forecast （PF） were also evaluated through the 57 case dates： 1） using the relative frequency from the RMB-eorrected ensemble; 2） computing the forecasting probabilities based on a historical rank histogram. The first method outperforms the second one, as it can improve both the reliability and the resolution of the PFs, while the second method only has a small effect on the reliability, indicating the necessity and importance of removing the systematic errors from the ensemble.     

集合模式定量降水预报的统计后处理技术研究综述

集合数值模式预报已在定量降水预报业务中广泛应用,以获得预报不确定性、最可能预报结果以及极端天气预警。由于集合系统的数值模式不完善,且不能提供所有的不确定性信息,常表现出系统性偏差以及欠离散或过离散（如对于多模式集合）。为此,需要发展统计后处理技术,在尽量保持集合预报解析度的条件下,提高预报的技巧和可靠性。近年来,各种集合预报统计后处理技术得到快速发展。针对定量降水预报,依据技术方法的途径和成熟度将后处理研究归纳为3方面进行总结,包括:（1）不基于统计模型的非参数化后处理,包括集合定量降水预报偏差订正、多成员或模式信息集成以及基于空间分析的对流尺度模式后处理;（2）基于概率分布统计模型的参数化后处理,包括集合模式输出统计和贝叶斯模型平均两种方法框架;（3）考虑预报量的时间、空间和多变量间依赖关系或结构的处理方法,包括参数化和经验连接概率法。最后,讨论发展统计后处理技术需要关注的问题,包括考虑不同来源、不同尺度的多模式信息集成;提供高质量、高分辨率的降水分析资料;发展再预报技术扩充训练样本;基于不同的订正目的和应用场景来使用不同的后处理技术;发展面向海量预报数据、捕捉极端降水以及考虑预报量结构的新技术。      

动力降尺度和多物理参数化方案组合对华南前汛期降水集合预报的影响研究

针对华南前汛期降水过程,基于全球集合预报系统（GEFS）资料,利用WRF中尺度模式以及GEFS动力降尺度获取的区域集合预报初值场,通过多物理过程参数化方案组合和模式积分方法实现华南前汛期降水的区域集合预报。对2019年5月15日—6月15日共32天的华南前汛期降水过程进行了单一物理过程区域集合预报（REFS_SINGLE）和多物理过程区域集合预报（REFS_MULTI）的数值模拟批量敏感性试验,通过GEFS、REFS_SINGLE和REFS_MULTI的对比分析,探讨多物理过程参数化方案组合对华南前汛期降水的影响,同时利用一次华南前汛期暴雨过程进一步探讨集合预报试验的预报效果。结果表明:（1）REFS集合平均的预报效果明显好于控制性预报。（2）REFS降水集合离散度与预报误差的对应关系好于GEFS。（3）积分48小时后,REFS_MULTI和REFS_SINGLE的扰动能量分别是GEFS的4.7倍和6.3倍。（4）降水级别越大,REFS的TS评分效果就越好于GEFS;REFS_MULTI略微好于REFS_SINGLE。（5）基于32天的批量试验,REFS的AUC值有28天大于GEFS,REFS_MULTI有22天大于REFS_SINGLE,表明REFS的预报技巧好于GEFS,且REFS_MULTI的预报技巧好于REFS_SINGLE。      

区域集合预报系统2 m温度预报的校准技术

采用非齐次高斯回归 (NGR) 技术对国家气象中心区域集合预报系统的2 m温度预报结果开展了一阶偏差和二阶离散度的校准研究。对预报结果比较详尽的检验分析表明:校准后的2 m温度预报可靠性和预报技巧均显著提高,表现为校准后集合预报成员的均方根误差与离散度更为接近;原Talagrand直方图中的“L”形分布现象得到有效改善;Brier评分、最小连续分级概率评分 (CRPS) 明显减小,相对作用特征 (ROC) 面积增大,说明校准后的2 m温度预报表现出更好的预报技能。此外,NGR技术与自适应误差订正技术的对比试验表明,NGR在消除集合平均偏差和提高集合离散度两个方面均有优势。     

2016-2020年广东省定量降水预报检验评估

对2016-2020年全球模式ECMWF和区域模式GZ_GRAPES、基于模式的解释应用和广东省气象局发布的定量降水预报（QPF）进行检验和评估。结果表明:ECMWF和GZ_GRAPES模式对一般性降水预报技巧在逐年提升,对大雨或以上的降水预报技巧的提升缓慢。GZ_GRAPES对大雨以上降水的预报技巧和定量降水预报的精细时空分布均优于ECMWF,区域模式更易预报出中小尺度降水信息。分类暴雨评定表明,模式对台风暴雨预报最好、锋面暴雨次之、季风暴雨预报最差。模式的暴雨预报落区偏小、低估明显,预报员通过经验订正明显提升了暴雨预报评分,其中季风暴雨的订正量最大,但存在预报范围偏大、空报较高的问题。基于ECMWF集合预报的解释应用与预报员的定量降水预报能力相当,降水越强,解释应用技术的优势越明显,但对季风暴雨也存在严重低估或漏报。目前降水精细时空分布、季风暴雨、极端性暴雨等依然靠预报员的经验订正为主,随着集合预报模式和区域高分辨率模式能力的提升,将预报经验客观化并与数值预报解释应用技术结合是提升QPF的一个方向。      

不同扰动方法集合离散度演变的异同性暨地形扰动初探

基于北京“7.21”特大暴雨个例,设计了一种考虑地形不确定性对降水影响的集合预报方案,在对该方案进行初步评估的基础上,重点通过计算相关系数、扰动总能量和尺度分解,对包括地形扰动方案在内的4种集合预报方案（初值、多物理、地形、初值-多物理混合）中离散度演变的异同性进行了分析。结果表明：（1）考虑模式地形不确定性的扰动方案,在不影响集合平均降水预报质量的基础上,对集合降水预报的离散度和概率预报略有正贡献。（2）离散度空间结构的演变与天气形势的演变密切相关。不同扰动方案产生的离散度在初始时刻的空间分布各不相同,但随模式向前积分其离散度的相似度快速增大,其中0-6 h内增长速度最快,离散度场之间的相关系数可以超过0.6。混合方案与单一扰动方案相比,对离散度空间结构的贡献不大。（3）虽然不同方案的离散度空间结构相似,但其幅度却存在明显的差异,如地形扰动方案的离散度幅度明显小于初值扰动和物理过程扰动方案。混合方案可以增加原单一扰动方案的离散度振幅,但这种增加在高层明显,而在近地面层并不明显,因而增加降水和其他近地面大气变量的离散度要比增加上层大气变量的离散度更困难。（4）尺度分离的结果表明,随着空间尺度的增大和积分时间的延长,不同扰动方法产生的离散度结构会逐渐变得相似,但在积分早期（<12 h）和较小的空间尺度（<448 km）上离散度结构的差异仍明显,并且在较小的空间尺度（<448 km）上,不同扰动方法产生的离散度幅度有明显的差异。所以对于小空间尺度系统或甚短期预报,选择扰动方案比大尺度和较长期的预报更重要。以上研究可为集合预报如何合理采用不同扰动方案或不同方案的组合提供科学依据。     

基于随机物理过程扰动的BMJ积云参数化方案对降水集合预报的影响

基于ARPS模式和随机物理过程参数化扰动（stochastically perturbed parameterization）方法,通过10个2018年6—7月间的降水个例,讨论了针对BMJ积云降水参数化方案下不同参数化扰动方式对降水预报的影响。扰动方式包括扰动BMJ方案的温湿倾向和扰动BMJ方案的温湿参考廓线。试验的结果表明BMJ方案在华东区域的降水预报中存在湿偏差,即预报的降水事件多于相应的观测事件。这一偏差在系统性增加参考廓线湿度后仍然存在。BMJ方案对不同扰动方式的响应存在较大差异。扰动BMJ方案的温湿倾向对降水预报的影响较小,且集合离散度低。扰动BMJ方案的温湿参考廓线对降水预报影响显著,能够大幅增加集合离散度,其中对称的BMJ参考廓线扰动对预报技巧评分改进有限,原因是小雨的湿偏差有所增加,而非对称的BMJ参考廓线扰动（扰动均值大于1.0）能够有效提高预报技巧评分并降低湿偏差。此外,非对称扰动大幅改善了BMJ降水预报初期（0～3 h）的空间分布形态,并且改进了夜间降水预报的强度。非对称扰动评分较高的原因是减少了原BMJ方案在降水预报初期的的大范围虚假预报,避免了大气湿度的大范围下降,保障了预报后期的强降水预报能力。而BMJ方案温湿倾向量级较小则是造成倾向扰动方法效果不明显的重要原因。     

基于卡尔曼滤波递减平均算法的集合预报综合偏差订正

针对集合预报存在的偏差和集合离散度通常偏小的问题,在卡尔曼滤波递减平均的一阶矩和二阶矩偏差订正方案的基础上发展了综合偏差订正方案,并利用B08RDP WWRP(The WWRP Beijing 2008 Olympics Research and Development Project)项目中日本气象厅(JMA)区域集合预报的850 hPa温度资料,将敏感性试验得到的一阶矩和二阶矩订正的最优权重系数应用于综合偏差订正方案,并对其订正效果进行多方面检验分析。试验结果表明,一阶矩订正可以有效减小集合平均偏差,集合平均预报质量得到了明显改善;二阶矩订正对集合离散度具有较强的调整能力,订正后的集合预报可靠性、区分不同天气事件的能力总体上得到了提高;综合偏差订正方案有效融合了一阶矩和二阶矩订正的优势,其各自的最优权重系数适用于综合偏差订正方案,对集合平均偏差和离散度具有良好的订正效果,能够改善集合预报的整体质量。但一阶矩与二阶矩订正对综合偏差订正的贡献程度随评分指标而异,一阶矩订正对等级概率(RPS)评分和异常值百分比评分的贡献分别为83.75%和18.83%,可信度的改善约83.98%源于二阶矩订正,而相对作用特征(ROC)评分中二者的贡献基本相当。     

B08RDP区域集合预报温度场质量评估与综合偏差订正

针对B08RDP(The Beijing 2008 Olympics Research and Development Project)5套区域集合预报资料,系统分析了各套集合预报温度场的预报质量。在此基础上运用集合预报的综合偏差订正方法对温度场进行偏差订正,并对其效果进行了分析讨论。结果显示:5套B08RDP区域集合预报中,美国国家环境预报中心(NCEP)区域集合预报温度场的整体预报质量最高,平均预报误差最小,离散度也最为合理,预报可信度和可辨识度均较优;而中国气象科学研究院(CAMS)的温度预报误差过大,预报质量最差。整体上看,除NCEP之外的4套集合预报的温度场均存在集合离散度偏小的问题;综合偏差订正能有效减小各集合预报温度场的集合平均均方根误差,改善集合离散度的质量,显示出综合偏差订正方案对集合预报温度场偏差订正的良好能力。     

上海区域降水集合预报系统改进的对比试验

以2005年8月开始运行的、8个成员的上海区域降水集合预报系统为基础,设计2个对比试验方案,进行了3个月(2005年9—11月)的平行对比试验。对比试验将成员从8个增加至12个,系统的8个成员与试验一增加的成员都从预报模式的不确定性出发形成,试验二增加的成员考虑了模式初始条件的不确定性。对试验结果进行了检验与分析,并与控制试验结果进行比较。结果显示:增加集合成员数可以增大系统发散度,但对比试验仍存在系统发散度偏小的问题;同时考虑预报模式与初始条件不确定性的试验二的降水集合平均预报效果与降水概率预报效果都好于只考虑预报模式不确定性的试验一,也好于控制试验,试验一的降水集合平均预报效果总体上则比控制试验差,降水概率预报效果也不理想。采用试验二方案对系统进行改进后的整体预报效果较改进前有提高。     

Improvement of 6–15 Day Precipitation Forecasts Using a Time-Lagged Ensemble Method简

A time-lagged ensemble method is used to improve 6-15 day precipitation forecasts from the Beijing Climate Center Atmospheric General Circulation Model,version 2.0.1.The approach averages the deterministic predictions of precipitation from the most recent model run and from earlier runs,all at the same forecast valid time.This lagged average forecast （LAF） method assigns equal weight to each ensemble member and produces a forecast by taking the ensemble mean.Our analyses of the Equitable Threat Score,the Hanssen and Kuipers Score,and the frequency bias indicate that the LAF using five members at time-lagged intervals of 6 h improves 6-15 day forecasts of precipitation frequency above 1 mm d-1 and 5 mm d-1 in many regions of China,and is more effective than the LAF method with selection of the time-lagged interval of 12 or 24 h between ensemble members.In particular,significant improvements are seen over regions where the frequencies of rainfall days are higher than about 40％-50％ in the summer season; these regions include northeastern and central to southern China,and the southeastem Tibetan Plateau.     

中国东南地区复杂地形下降水概率预报的订正研究

使用TIGGE (the THORPEX interactive grand global ensemble)资料集下欧洲中期天气预报中心(the European Centre for Medium-Range Weather Forecasts,ECMWF)逐日起报的预报时效为24～168 h的日降水量集合预报资料,集合预报共包括51个成员,利用左删失的非齐次Logistic回归方法(left-Censored Non-homogeneous Logistic Regression,CNLR)和标准化的模式后处理方法(Standardized Anomaly Model Output Statistics,SAMOS)对具有复杂地形的中国东南部地区降水预报进行统计后处理。结果表明:采用CNLR方法能够有效改进原始集合预报的平均绝对误差(Mean Absolute Error,MAE)和连续分级概率评分(Continuous Ranked Probability Score,CRPS),提升了降水的定量预报和概率预报的预报技巧。而使用SAMOS方法对数据进行预处理,考虑地形等因素的影响,能在CNLR方法的基础上进一步订正由于地形影响造成的预报误差,并得到更加准确的全概率的降水概率预报。     

一次特大暴雨过程高分辨率集合预报试验的检验和评估

针对2018年4月22日发生在湖北西部山地的一次特大暴雨过程,采用降尺度方案和显式对流参数化方案模式,开展了高分辨率对流许可尺度(3 km)的集合预报试验,并对全球集合预报(GEFS)和对流尺度集合预报(SSEF)的降水预报进行了对比评估,结果表明:(1)SSEF集合平均的雨量和落区预报均优于GEFS。(2)SSEF各成员的降水离散度分布更合理,因而具有更优的降水区间预报,其“离散度-误差关系”更优,能更好地给出预报误差的分布及其可能的大小。(3)SSEF的概率预报在所有空间尺度上均优于GEFS,且在短历时强降水上的优势更加明显。由此可见,针对此类山地暴雨过程,对流尺度集合预报相对于全球集合预报具有巨大的改进潜力。     

四种定量降水预报客观订正方法对比研究

基于2019年全年、不同季节、不同预报时效的欧洲中期天气预报中心模式的定量降水预报,检验评估了频率匹配、最优TS评分、最优百分位、概率匹配4种定量降水预报客观订正法的综合性能。利用理想模型研究了不同雨带位移偏差和干湿偏差情形下频率匹配法与最优TS评分的表现,并通过个例订正展示了4种定量降水预报订正法的基本特征。结果表明:频率匹配与最优TS评分仅能对确定性预报的降水量级进行调整,最优百分位和概率匹配法通过引入集合预报信息可在一定程度上改变预报的降水落区。频率匹配法以频率偏差最优为目标,可以很好地消除模式的干湿偏差,但仅在位移偏差较小且存在较大干湿偏差时提升原始预报的TS评分。最优TS评分法难以改进存在弱湿偏差的中雨预报的TS评分,而最优百分位法利用集合预报信息可以显著提升所有降水等级的TS评分,在较长预报时效下优势尤其明显,但也存在春、夏两季湿偏差较大的问题。概率匹配法由于没有使用历史实况信息,在暴雨订正中干偏差较大。经济价值模型检验评估表明,最优百分位法在暴雨量级的风险决策中具有较高的参考价值。      

基于WRF模式的对流尺度边界层方案参数随机扰动方法研究

边界层参数化方案的准确性会影响模式对近地面变量和大气低层热动力结构的模拟,对雷暴等强对流天气的预报非常重要,但边界层方案内在的不确定性使得单一预报具有局限性。为了提高对流尺度数值模式中边界层方案的预报效果,基于WRF（The Weather Research and Forecasting Model）模式,应用随机参数扰动（SPP）方法对Mellor-Yamada-Nakanishi-Niino（MYNN）边界层方案中重要的3个不确定参数进行扰动,探究了该方法对北京地区一次雷暴过程模拟的影响。同时考虑了对流尺度集合预报系统的特点,调整随机参数扰动方法的3个参量（去相关时间尺度、空间尺度和格点标准差）探究了对流尺度中对MYNN方案参数进行扰动的最优设置。结果显示:随机扰动MYNN边界层方案参数（SPPM）方法可以有效提高近地面变量和700 hPa以下低层变量的离散度,同时提高了短时强降水位置和强度的预报技巧。3个参量的试验说明,去相关时间尺度增大到12 h集合离散度有明显提高;格点标准差增大到0.20,预报技巧也略有提高;去相关空间尺度维持在默认值700 km较好,尺度过小（150 km）预报技巧明显降低。上述结果表明,在对流尺度中SPPM方法可以有效表达边界层参数化方案的不确定性,提高集合预报系统的预报技巧。      

Quantitative Precipitation Forecast Experiment Based on Basic NWP Variables Using Deep Learning

The quantitative precipitation forecast (QPF) performance by numerical weather prediction (NWP) methods depends fundamentally on the adopted physical parameterization schemes (PS). However, due to the complexity of the physical mechanisms of precipitation processes, the uncertainties of PSs result in a lower QPF performance than their prediction of the basic meteorological variables such as air temperature, wind, geopotential height, and humidity. This study proposes a deep learning model named QPFNet, which uses basic meteorological variables in the ERA5 dataset by fitting a non-linear mapping relationship between the basic variables and precipitation. Basic variables forecasted by the highest-resolution model (HRES) of the European Centre for Medium-Range Weather Forecasts (ECMWF) were fed into QPFNet to forecast precipitation. Evaluation results show that QPFNet achieved better QPF performance than ECMWF HRES itself. The threat score for 3-h accumulated precipitation with depths of 0.1, 3, 10, and 20 mm increased by 19.7%, 15.2%, 43.2%, and 87.1%, respectively, indicating the proposed performance QPFNet improved with increasing levels of precipitation. The sensitivities of these meteorological variables for QPF in different pressure layers were analyzed based on the output of the QPFNet, and its performance limitations are also discussed. Using DL to extract features from basic meteorological variables can provide an important reference for QPF, and avoid some uncertainties of PSs.     

基于Local-BGM法的冷涡暴雨集合预报试验及评估检验北大核心

基于传统增长模繁殖法(Breeding Growing Mode,BGM)和局地增长模繁殖法(Local Breeding Growing Mode,Local-BGM)生成初始扰动成员,对一次冷涡暴雨过程进行集合预报试验,从多方面比较两种方案的预报效果,并且在邻域概率法(Neighborhood Probability,NP)中引入时间邻域,评估概率预报结果。结果表明,引入局地化思想的Local-BGM方案能够生成比传统BGM方案更合理的初始扰动,具有很明显的局地特征。对于扰动变量的预报,Local-BGM方案在均方根误差和离散度等方面均表现更好,同时能够提高各量级降水的预报技巧。邻域集合概率法能够综合各个集合成员预报的降水信息得到优于集合平均的概率预报,分数技巧评分更高。并且在考虑时间不确定性后,无论是控制预报、集合平均还是邻域集合概率法,分数技巧评分均有很大改善,并且降水阈值越大改善效果越明显,能够为极端强降水天气提供较为客观的概率预报信息。     

集合预报产品在江苏省暴雨预报中的应用评估

利用2011—2015年6—8月TIGGE(THORPEX Interactive Grand Global Ensemble)数据集中欧洲中期天气预报中心(ECMWF,以下简称EC)的集合降水预报数据和江苏省70个基本站逐日24 h(20时至次日20时)降水数据,通过大量暴雨样本系统检验和评估了EC集合预报及多种后处理释用产品对江苏暴雨的预报能力。结果表明:作为集合预报的初级产品,集合平均对暴雨的预报存在明显的漏报率,TS预报评分尚不及EC确定性预报;集合预报不同成员间对暴雨的预报技巧差异大,其最优成员组合的预报能力显著优于EC确定性预报,表明集合预报具有较大的应用潜力;在多种集合预报后处理释用技术中,最大值、最优百分位、降水偏差订正频率匹配法、概率预报、集合异常预报法和杜-周排序法(最大值法)的平均TS评分均较高,超过10%,其次90%分位数、融合、融合-概率匹配和杜-周排序法(集合平均或中位值法)的预报效果也均优于EC确定性预报。集合中位值、概率匹配方法对江苏暴雨的预报评分低于集合平均预报,在暴雨预报上的参考价值相对较低。该评估结果进一步加深了对各集合预报产品区域暴雨预报能力的认识,为预报员更直接快速地选取有效的集合预报产品提供参考。