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。     

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。     

2005年西南区域集合预报系统试验与检验

在2004年利用MM5模式构造西南区域集合预报系统的基础上,2005年增加了多初值扰动,并在2005年汛期进行了准业务试验。对四川区域152个站的降水检验表明,集合预报对四川区域内小雨到暴雨量级的降水预报有明显的预报技巧,对大暴雨的预报技巧不显著;在四川盆地,预报暴雨发生位置比实际发生区域略偏西、偏北;对于小雨到暴雨量级的降水,集合预报优于T213和大部分集合预报成员。     

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。     

2005年西南区域集合预报系统试验与检验

在2004年利用MM5模式构造西南区域集合预报系统的基础上,2005年增加了多初值扰动,并在2005年汛期进行了准业务试验.对四川区域152个站的降水检验表明,集合预报对四川区域内小雨到暴雨量级的降水预报有明显的预报技巧,对大暴雨的预报技巧不显著;在四川盆地,预报暴雨发生位置比实际发生区域略偏西、偏北;对于小雨到暴雨量级的降水,集合预报优于T213和大部分集合预报成员.     

北京市"7·21"特大暴雨不同预报产品可预报性对比

利用ECMWF、NCEP全球预报产品和BJ-RUC区域预报产品,对比了不同模式对北京市"7·21"特大暴雨暖区降水、锋面降水的预报效果,同时利用WRF高分辨率中尺度模式同化常规观测资料和雷达资料,对此次过程进行数值模拟试验。结果表明:NCEP和ECMWF的全球集合预报产品都能预报出北京市"7·21"特大暴雨过程,但在暖区降水阶段和锋面降水阶段存在6 h左右的时间滞后,且降水量偏小;BJ-RUC区域模式预报出了整个强降水过程,且较好地预报了暖区降水,优于NCEP和ECMWF预报,但锋面降水较之实况锋面阶段降水偏南,预报的降水量小于实况。对于此次特大暴雨过程的模拟,暖区降水和锋面降水的预报要优于业务预报,且暖区降水接近实况降水,但整个锋面降水过程存在3 h的时间滞后。     

多模式集合预报技术及其分析与检验

基于国家气象中心天气预报业务平台,对德国、日本、欧洲中心数值预报模式和我国T213模式的夏季预报产品进行检验,在此基础上,通过不同模式对目标区域预报能力的分析,分别应用神经元网络预报技术和基于Ts评分的客观多模式权重系数法(ME),建立了4个模式的集合预报方法,并应用于2005年汛期业务运行。结果表明:ME对短期降水预报技巧高于简单集合平均,因此具有一定的业务应用前景。     

一次短期集合预报试验

数值模式中物理过程描述不准确是造成数值预报误差的主要来源之一,采用数值模式中不同物理过程的集合预报方案是减小模式预报误差的有效方法。本文结合一个典型的夏季东北冷涡型降水天气过程,选用不同的积云对流参数化方案、显式降水方案、辐射方案以及模式采用不同的地表分辨率构成10集合预报成员,进行了48h的预报。结果显示集合预报在总体预报效果上比各个集合成员的预报效果好,简单的集合平均就可以提高模式形势场和降水要素场的预报准确率。在集合平均提高预报准确率的同时,采用天气系统移动路径图、面条图以及降水概率预报等方法,可以增强小概率事件的预报能力。     

基于背景场奇异向量的CMA全球集合预报试验

目前中国气象局全球集合预报系统（China Meteorological Administration Global Ensemble Prediction System,CMA-GEPS）利用CMA全球数值预报系统分析场计算奇异向量（ANSV）,欧洲中期天气预报中心采用同化背景场计算奇异向量（FCSV）,在业务流程上先于计算ANSV,可优化集合预报系统运行时间。为此,在CMA-GEPS中探索采用FCSV进行集合预报的可行性,分析ANSV和FCSV的空间分布及相似指数,进而针对夏秋季节10个个例开展采用ANSV和FCSV的全球集合预报试验,从等压面要素集合预报技巧、中国地区24 h累积降水概率预报技巧、台风路径集合预报技巧、台风中心最低海平面气压预报技巧等方面对比二者结果。结果表明:ANSV和FCSV的主要结构特征相似,两组集合预报结果相当,表明在CMA-GEPS中使用FCSV可行,可作为未来高分辨率CMA-GEPS业务系统建设的选项。     

随机参数扰动方法对中国冬季降水集合预报的影响

降水数值预报有很大的不确定性,与降水预报密切相关的物理过程参数化方案中关键参数的不确定性是降水数值预报误差来源之一,对这些参数引入随机扰动的随机参数扰动方法（Stochastically Perturbed Parameterization,简称SPP方法）可以代表模式降水预报的不确定性,是国际集合预报前沿研究领域。为了认识该方法能否代表中国冬季降水数值预报的不确定性,为业务应用提供科学依据,基于中国气象局中尺度区域集合预报模式（Global/Regional Assimilation and Prediction System-Regional Ensemble Prediciton System,简称GRAPES-REPS）,从对模式降水预报不确定性有较大影响的积云对流、云微物理、边界层及近地面层等四个参数化方案中选取了16个与降水密切相关的关键参数,引入了随机参数扰动方法,并通过2018年12月12日至2019年1月12日总计31天的冬季集合预报试验,对比分析了SPP方法对等压面要素及降水的集合预报效果。结果显示:在冬季应用SPP方法时,等压面要素的概率预报技巧总体来说优于无SPP方法扰动的对比试验,且对于低层、近地面要素的改进效果优于对中高层等压面要素的改进;但对降水概率预报而言,尽管检验评分数值略优于对比预报试验,但并未通过显著性检验,这表明,在东亚冬季风影响下,随机参数扰动方法对中国冬季降水概率预报技巧没有明显的改进。究其原因,可能是由于SPP方法主要代表对流性降水预报的不确定性,而中国冬季降水过程主要与斜压不稳定发生发展有关,模式降水以大尺度格点降水为主,对流性降水较少,故对冬季降水预报改进不明显,这为业务集合预报模式中应用随机参数扰动方法提供了科学依据。     

上海区域降水集合预报系统的建立与运行结果的检验

以MM5模式为基础, 从预报模式的不确定性出发形成8个集合成员, 建立了上海区域降水集合预报系统。该系统实现从资料收集、资料处理、模式预报到预报结果处理与产品输出的全自动化, 于2005年8月1日开始业务运行, 运行稳定可靠。对系统8—10月的运行结果进行检验, 结果表明:集合预报系统对降水的总体预报效果尚可, 其中对量级小的降水的总体预报效果更好, 集合预报产品尤其是概率预报产品具有一定的参考价值, 但系统还存在发散度偏小的问题, 有待进一步改进。     

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。     

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.     

GRAPES-GEPS全球集合预报系统湿奇异向量的时空尺度敏感性研究

湿奇异向量（Moist Singular Vectors,简称MSVs）是包含了湿物理切线性过程计算得到的奇异向量。研究MSVs对最优化时间间隔（optimization time interval,简称OTI）及模式水平分辨率的敏感性对提高集合预报效果至关重要。本文基于中国气象局数值预报中心自主研发的全球/区域同化和预报系统（Global/Regional Assimilation and Prediction System,简称GRAPES）——全球集合预报系统（Global ensemble prediction system,简称GEPS）业务版本研究了4组不同时空尺度（不同OTI和水平分辨率）下的MSVs,从能量模、能量谱、空间剖面等方面分析热带外MSVs特征,并从等压面变量评分、降水评分、降水概率预报等方面评估不同初值的集合预报效果。结果表明:提高MSVs水平分辨率可使其扰动具有较大的增长率,缩短OTI后MSVs能量向上传播的趋势更明显,并可以在中尺度范围产生较大SVs扰动。不同OTI下初始MSVs相似性较低,结构差异较大。从集合预报的结果来看,OTI为24 h试验的集合扰动能量增长较大,集合离散度在预报的0～96 h有明显提升,特别是2 m温度,且近地面要素的outlier评分也有明显改进。进一步分析发现,提高水平分辨率和缩短OTI的MSVs能够提高降水概率预报,而降水评分显示,同一水平分辨率下,OTI越短评分越好,但是提高MSVs的水平分辨率并不一定会提升小雨到中雨量级的降水评分。     

Assessment of probability multimodel seasonal forecast based on the APCC model data

The probability multimodel forecast system based on the Asia-Pacific Economic Cooperation Climate Center (APCC) model data is verified. The winter and summer seasonal mean fields T ₈₅₀ and precipitation seasonal totals are estimated. To combine the models into a multimodel ensemble, the probability forecast is calculated for each of single models first, and then these forecasts are combined using the total probability formula. It is shown that the multimodel forecast is considerably more skilful than the single-model forecasts. The forecast quality is higher in the tropics compared to the mid- and high latitudes. The multimodel ensemble temperature forecasts outperform the random and climate forecasts for Northern Eurasia in the above- and below-normal categories. Precipitation forecast is less successful. For winter, the combination of single-model ensembles provides the precipitation forecast skill exceeding that of the random forecast for both Northern Eurasia and European Russia.     

Seasonal prediction of African precipitation with ECHAM4–T42 ensemble simulations using a multivariate MOS re-calibration scheme

A 15 member ensemble of 20th century simulations using the ECHAM4–T42 atmospheric GCM is utilized to investigate the potential predictability of interannual variations of seasonal rainfall over Africa. Common boundary conditions are the global sea surface temperatures (SST) and sea ice extent. A canonical correlation analysis (CCA) between observed and ensemble mean ECHAM4 precipitation over Africa is applied in order to identify the most predictable anomaly patterns of precipitation and the related SST anomalies. The CCA is then used to formulate a re-calibration approach similar to model output statistics (MOS) and to derive precipitation forecasts over Africa. Predictand is the climate research unit (CRU) gridded precipitation over Africa. As predictor we use observed SST anomalies, ensemble mean precipitation over Africa and a combined vector of mean sea level pressure, streamfunction and velocity potential at 850 hPa. The different forecast approaches are compared. Most skill for African precipitation forecasts is provided by tropical Atlantic (Gulf of Guinea) SST anomalies which mainly affect rainfall over the Guinean coast and Sahel. The El Niño/Southern Oscillation (ENSO) influences southern and East Africa, however with a lower skill. Indian Ocean SST anomalies, partly independent from ENSO, have an impact particularly on East Africa. As suggested by the large agreement between the simulated and observed precipitation, the ECHAM4 rainfall provides a skillful predictor for CRU precipitation over Africa. However, MOS re-calibration is needed in order to provide skillful forecasts. Forecasts using MOS re-calibrated model precipitation are at least as skillful as forecast using dynamical variables from the model or instantaneous SST. In many cases, MOS re-calibrated precipitation forecasts provide more skill. However, differences are not systematic for all regions and seasons, and often small.     

基于时空不确定性的对流尺度集合预报效果评估检验

针对对流尺度天气系统的高度非线性特征和高分辨率模式预报结果存在时、空不确定性现象,以及当前邻域概率法主要考虑高分辨率预报结果的空间位移误差,而不能有效解决预报结果存在时间超前与滞后问题,将时间因素引入到邻域概率法中,结合一次强飑线过程进行对流尺度集合预报试验,并基于改进后的新型邻域概率法与分数技巧评分,对降水预报进行了不同时、空尺度的效果评估检验。结果表明:（1）邻域集合概率法和概率匹配平均法在极端降水的分数技巧评分远高于传统集合平均,弥补了集合平均对极端降水预报能力偏低的缺陷。（2）对于此类飑线过程的对流尺度天气系统而言,邻域半径为15—45 km的空间尺度能够改善降水位移误差的空间不确定性,并使其预报效果达到最优,其中15—30 km的邻域半径对于尺度更小的大量级降水事件预报能力更强。（3）对流尺度降水预报考虑时间尺度与降水强度存在着对应关系,不同时间尺度可以捕获到不同量级降水的时间不确定性。同时,时间尺度与空间尺度对于降水预报效果的影响是相互关联的。（4）改进的邻域概率法能够同时体现高分辨率模式预报结果在对流尺度降水事件上存在的时、空不确定性,实现了对流尺度降水在时、空尺度上的综合评估,并能为不同量级降水提供与其时、空尺度相匹配的概率预报结果。      

中尺度暴雨集合预报系统研发中的初值扰动试验

针对2006年5月24～25日一次暴雨过程, 通过一系列初值扰动试验探讨实际业务中建立集合预报系统的方法。运用45 km的WRF模式构建一个11个成员的集合预报系统来比较分析不同的扰动方案、 扰动的空间结构和扰动振幅对集合预报的影响, 结果表明： （1）初值扰动的空间结构对暴雨集合预报的离散度影响很关键, 而扰动振幅的影响却居次要地位。具有动力学结构的孵化扰动明显优于随机扰动。（2）集合预报比单一控制预报提供了更有价值的预报信息。例如在该个例控制预报中漏报的湖北监利强降水中心, 在集合预报中有20%的概率, 并且实况被包含在集合预报的预报范围之中。集合平均预报也明显优于控制预报\.例如矫正了在控制预报中明显虚报的鄂东北的大暴雨中心, 且集合平均预报的暴雨中心落在实际观测暴雨中心的附近。（3）集合离散度较好地反映了实际降水过程的可预报性。例如应用孵化扰动, 其离散度的空间结构同降水预报误差的空间分布大致对应。     

一个集合海浪预报系统及其初步试验

使用集合天气预报系统的多个成员的风场预报来驱动海浪模式WAVEWATCH Ⅲ, 计算出含多个成员的海浪预报场,并相应开发出各海浪要素的集合预报产品,如集合平均、离散度、集合概率等,建立了一个集合海浪数值预报系统。使用该系统进行了2007年9—10月为期两个月的预报试验,利用太平洋和大西洋海域范围的浮标观测资料对系统的预报水平的初步检验分析显示,该集合海浪预报方法能够有效地将传统的确定性预报扩展到概率预报领域,且集合平均的预报水平要优于单一的确定性预报,采用集合预报方法可以提供单纯确定性预报所不能够提供的额外信息,具有较好的应用潜力。