提为反问题的数值预报方法与试验 I. 三类反问题及数值解法

提为初值问题的数值预报在通过改进数值模式、观测手段及分析方法而改进预报的同时,仍然面临着两大困难,即模式误差和初值不完整。然而我们有大量的气候演变的历史观测资料,其中蕴含着关于气候系统的信息。本文针对这两个困难,系统地提出充分利用历史资料反演订正模式和初值进而改进数值预报的三类反问题,并给出数值解法。最后将三类反问题应用于一个简单模式进行反演预报的数值试验,其数值试验结果将在本文的第二部分给出。     

数值预报中自由度的压缩及误差相似性规律

利用历史资料的有用信息提高数值模式预报水平是长期以来人们努力的目标。该文提出了一种在气候吸引子上缩小初始场自由度的相似选取方法,有效滤除了小尺度分量,避开了原有相似选取中自由度太大,相似选取困难的问题。分析表明:相似初值间的模式预报误差存在相似性,依此估计的预报误差与实际预报误差很接近。在空间分布特征上,相似初值间的模式预报误差也有很好的一致性。这为发展相似-动力方法,利用历史资料改进数值模式提供了支持。     

不同海温强迫的月动力延伸集合预报试验

利用全球谱模式T106L19和增长模繁殖法（BGM）建立了月动力延伸集合预报系统,基于气候海表面温度（SST）和预测海表面温度,设计了三组集合预报试验,一组为气候SST作为模式下边界条件的集合预报试验（CSST试验）,另一组为预测SST作为模式的下边界条件的集合预报试验（FSST试验）,第三组为前两组试验的集合预报结果之和（AVE30试验）,对两种海温强迫分别进行了48个月的试验,并对预报结果进行了检验和分析。结果表明：相对于单一的控制预报,不管是CSST试验还是FSST试验,利用BGM方法制作的初值集合预报能显著提高月平均环流的预报技巧,集合预报对PNA区域的预报技巧改进显著,特别是预测SST强迫有正的贡献;同时考虑初值和边值不确定性影响的集合预报试验（AVE30试验）,其全球预报技巧不仅高于控制预报,也分别高于FSST试验和CSST试验,这说明要提高月延伸预报技巧,必须同时考虑初值和边值的影响;大气对SST强迫的响应在模式积分10天开始显著,SST对第二旬和第三旬的作用直接影响月平均环流的预报效果,而SST对第二旬和第三旬预报的影响不仅与SST本身变化有关,还与初值有关,不同的初值其作用不同;集合预报对我国夏季月平均温度分布具有较强预报能力,采用预报海温强迫的预报结果,总体上优于气候海温强迫的结果。     

基于多中心TIGGE资料的区域GRAPES集合预报初步试验

基于全球交互式大集合(TIGGE)预报资料,研究利用TIGGE全球集合预报大尺度不确定信息,构造区域GRAPES集合预报的初值扰动方法和试验方案,并对2008年7月22日发生在黄淮地区的一次暴雨过程进行了集合预报试验.试验结果表明:构造的初值扰动场能够表征TIGGE全球集合预报初值中的大尺度不确定信息,区域GRAPES集合预报系统可以捕获极端降水天气,对降水预报具有显著的改进作用,集合预报平均及降水概率预报能有效地反映暴雨降水特点,暴雨发生概率较高的区域与实况对应关系较好.积分初期,暴雨的预报一致性(集合离散度)和预报技巧(集合平均预报均方根误差)之间的关系显示了区域GRAPES集合预报系统是合理的,但积分后期,由于模式在积分过程中的动力调整作用,减小了初值扰动对预报结果的影响,限制了集合离散度的增长速度.     

初值不确定性对暴雨数值预报影响的初步研究

为了研究初值不确定性对我国南方暴雨数值预报的影响,依据历史降水资料的统计分型,选取华南暴雨型、江淮暴雨型和黄淮暴雨型等三类型中具有代表性的暴雨过程,采用AREM模式以不同资料分析场(常规观测资料、NCEP和ERA40同化分析资料)作为初值进行暴雨预报对比试验。试验结果表明,对于各类型暴雨,不同资料初值的差异都会引起暴雨数值预报结果的较大差异;在此基础上,采用经验正交函数(EOF)分析方法,分析了各类暴雨初值误差及其变化信息,从中提取出主要的误差分量,并对这类误差的数值预报影响进行了敏感性试验和预报验证,结果显示,寻找和消除主要的初值误差,对改进暴雨数值预报结果具有重要作用。     

预报方程时变参数的一种新递推方案

针对经典递推算法的平稳性和初值敏感性问题，根据描述运动变化的一般性原理，导出一种新的递推算法，并将其引入到气候预报中。理论和实践证明，该方案成功地解决了经典递推算法存在的平稳性和初值敏感性问题。初步的预报应用结果也表明，该方案具有明显的优越性。     

初值对中国东部初夏土壤湿度可预报性影响

土壤湿度是影响天气和气候非常重要的因子之一,但目前针对土壤湿度可预报性的研究报道相对较少。该文在对BCC_CSM模式进行了适合的陆面初始化的条件下,设计了两组在中国东部地区采用不同土壤湿度初值的回报试验研究该地区土壤湿度的可预报性及初值对其可预报性影响问题。试验结果表明:BCC_CSM模式在真实的外场强迫下可以模拟出相对合理的土壤湿度;土壤湿度的可预报性在表层约为3候,随着深度的增加,土壤湿度的可预报性持续时间增加,在中层预报性甚至能达到月尺度以上;初值对于土壤湿度的预报存在影响,在表层影响时间约为2~3候,影响时间随着深度增加;浅层土壤湿度受降水的影响较大,浅层土壤湿度变化滞后降水变化约1~2 d,中层土壤湿度变化与降水变化存在5 d左右的滞后关系。     

数值预报发展的新方向——集合数值预报

数值预报走过了百年的历史(V.Bjerknes,1904)[1],取得了了不起的成就,预报准确率有了很大的提高。但是,考虑到大气的非线性作用以及初值和模式造成的数值预报不确定性,要提高传统的单一确定性预报的技巧越来越难。基于大气初值的敏感性试验,Lorenz提出了数值预报发展的新方向——集合数值预报。通过介绍集合数值预报的基本思想和方法;并针对初值和模式的不确定性,概述现有集合数值预报成员的产生方法及国内外的研究进展;同时解释怎样检验集合预报的结果的论述,如何从众多的集合预报产品中提炼有用的信息及预报产品的释用。     

数值天气预报和气候预测可预报性研究的若干动力学方法

简要回顾了数值天气预报和气候预测可预报性研究的若干动力学方法,包括用于研究第一类可预报性问题的线性奇异向量（LSV）和条件非线性最优初始扰动（CNOP-I）方法,以及Lyapunov指数和非线性局部Lyapunov指数方法。前两种方法用于研究预报或预测的预报误差问题,可以用于估计天气预报和气候预测的最大预报误差,而且根据导致最大预报误差的初始误差结构的信息,这两种方法可以用于确定预报或预测的初值敏感区。应该指出的是,LSV是基于线性化模式,对于描述非线性大气和海洋的运动具有局限性。因而,对于非线性模式,应该选择使用CNOP-I估计最大预报误差。Lyapunov指数和非线性局部Lyapunov指数可以用于研究第一类可预报性问题中的预报时限问题,前者是基于线性模式,不能解释非线性对预报时限的影响,而非线性局部Lyapunov指数方法则考虑了非线性的影响,能够较好地估计实际天气和气候的预报时限。第二类可预报性问题的研究方法相对较少,本文仅介绍了由我国科学家提出的关于模式参数扰动的条件非线性最优参数扰动（CNOP-P）方法,该方法可以用于寻找到对预报有最大影响的参数扰动,并可以进一步确定哪些参数最应该利用观测资料进行校准。另一方面,通过对比CNOP-I和CNOP-P对预报误差的影响,可以判断导致预报不确定性的主要误差因子,进而指导人们着力改进模式或者初始场。     

初值中云变量对T213预报性能的影响

采用云变量自由变化的方案，在国家气象中心全球业务模式T213L31的初始场中增加有关云变量的信息，通过2005年6—8月和2015年12月—2006年2月各3个月的连续滚动对比试验的统计分析和个例预报分析，研究探讨了全球模式初值中增加云变量对模式预报性能的影响。初步研究结果表明:采用自由变化的方案在初值场中增加云的信息，使模式能够较为合理地描述出模式预报初期与云相关变量分布和变化特征，降低了spin-up现象对模式前期降水预报能力的影响，同时对500 hPa形势场预报也有一定程度提高。     

中国气候预测研究与业务发展的回顾

天气预报是指一周内至两周时间尺度的气象预报,而月季及以上时间尺度的预报则属于气候预测范畴。中国的气候预测起步很早,无论在研究工作中还是在业务应用上都取得了显著成就。文中扼要回顾了这些研究和业务发展成就,重点包括:对于季风和梅雨、寒潮的早期认知和后期研究发现、早期气候预测业务发展概况、动力气候预测的早期探索、动力-统计气候预测方法的研制和应用、气候预测模式的发展以及初始化和多模式集合预测、东亚气候系统变异的全方位探索、气候预测范畴的不断拓展和气候预测研究的不断创新。也对未来气候预测研究和业务发展提出了几个重大挑战性课题,涉及不同时间尺度气候变异过程之间的相互作用、季节内至年代际气候预测、气候系统模式及初始化、动力-统计相结合的气候预测方法等方面。      

考虑海面温度初值和边界值影响的区域月数值预报结果分析

运用中国区域气候模式对１９９６年６月进行了一个月的区域性月预报的初步试验,并进一步研究了海表温度场（ＳＳＴ）变化和单向嵌套时的初值和边界条件变化对区域性月预报影响的试验     

Effects of Different Initial Fields on GRAPES Numerical Prediction

In this paper,a heavy rainfall process occurring in the Huaihe River Basin during 9-10 July 2005 is studied by the new generation numerical weather prediction model system-GRAPES,from the view of different initial field effects on the prediction of the model.Several numerical experiments are conducted with the initial conditions and lateral boundary fields provided by T213 L31 and NCEP final analyses,respectively. The sensitivity of prediction products generated by GRAPES to different initial conditions,including effects of three-dimensional variational assimilation on the results,is discussed.After analyzing the differences between the two initial fields and the four simulated results,the memonic ability of the model to initial fields and their influences on precipitation forecast are investigated.Analyses show the obvious differences of sub-synoptic scale between T213 and NCEP initial fields,which result in the corresponding different simulation results,and the differences do not disappear with the integration running.It also shows that for the same initial field whether it has data assimilation or not,it only obviously influences the GRAPES model results in the initial 24 h.Then the differences reduce.In addition,both the Iocation and intensity of heavy rain forecasted by GRAPES model Further is very close to the fact,but the forecasting area of strong torrential rain has some differences from the fact.For the same initial field when it has assimilation, the 9-12-,12-24-,and 0-24-h precipitation forecasts of the model are better than those without assimilation. All these suggest that the ability of GRAPES numerical prediction depends on the different initial fields and lateral boundary conditions to some extent,and the differences of initial fields will determine the differences of GRAPES simulated results.     

关于大气过程可预报性问题的一些讨论

从非线性角度重新解读了von Neumann提出的大气运动三个分类，指出大气过程预报问题中存在两类不确定性——初始条件的不确定性和外强迫条件的不确定性，它们分别成为第一类可预报性与第二类可预报性问题的研究对象。强调了大气过程可预报性的客观存在性，由于大气过程的复杂性及人类观测手段和认识水平的限制，人们只能给出这些可预报性的估计，逐日天气预报存在上限(2周左右)。分析了预报误差产生的来源是初始条件的不确定性和预报模式的不完善性，但根本原因是大气过程的混沌本质；还分析了混沌系统误差增长理论，但由于实际大气过程包含很多显著不同的时空尺度以及不同尺度间的相互作用，人们对大气过程复杂的误差增长规律的认识还不是很清楚；最后讨论了动力学数值模式中不同的空间分辨率会改变系统的性质，指出可预报性问题的研究必须考虑空间分辨率的影响。而在讨论初值不确定性对预报的影响时，不需要考虑控制参数微小变化产生的影响，当然条件是控制参数的微小变化不会引起系统性质的重大变化。     

一个可供现代数学分析研究的气候动力学模型

针对以往大气动力学方程和气候动力学方程数学研究所使用模式的不足之处,本文作了改进,使数学模型更接近于实际情况。这些包括,（1）取大气上界气压为零,而非某个正的（小）常数;（2）消除了整层无辐散近似,从而使地面气压为直接的预报量,但在地面气压预报方程中加入了水平湍流扩散项（平滑）;（3）对大气运动的内热源的辐射传输过程和水汽相变过程作了合理的处理,而非看作已知的外强迫,用适当的方法可以用解析函数较好地逼近这些过程。另外还提出合理的边界条件。我们的目的是要证明这样提出的初—边值问题的解的存在性,以后还可研究其基本性质和长期行为。     

一个ENSO动力-相似误差订正模式及其后报初检验

为有效利用历史资料中的相似信息,减小模式误差对ENSO这类跨季节-年际尺度预测问题的影响提高动力模式的预测水平.作者利用一种基于统计相似的模式误差订正方法,以国家气候中心简化海气耦合模式为平台建立了相应的动力-相似误差订正(DAEC)模式,并着重探讨了系统相似程度(全相似或部分相似)、误差重估周期以及相似样本个数等因素对预报效果的影响.结果表明,利用该方法可以有效地改善原有模式的预报性能,其中 "全相似" 比 "部分相似" 更能反映海气耦合系统的相似程度,从而对模式误差做出更为准确的估计,使预报误差明显减小.海洋和大气的误差重估周期对结果也有较大影响,在不同相似程度下分别存在着某种最优配置使得预报效果达到最佳.另外,在对相似样本存在状况及影响的研究中则发现在当前资料长度内整体上只存在着有限个相似样本,在此范围内随着样本取样数目的增加DAEC模式的预报性能逐渐提高.     

Seasonal and Extraseasonal Predictions of Summer Monsoon Precipitation by Gcms

ＳｅａｓｏｎａｌａｎｄＥｘｔｒａｓｅａｓｏｎａｌＰｒｅｄｉｃｔｉｏｎｓｏｆＳｕｍｍｅｒＭｏｎｓｏｏｎＰｒｅｃｉｐｉｔａｔｉｏｎｂｙＧｃｍｓ①ＺｅｎｇＱｉｎｇｃｕｎ（曾庆存），ＹｕａｎＣｈｏｎｇｇｕａｎｇ（袁重光），ＬｉＸｕ（李旭），ＺｈａｎｇＲｏｎｇ...     

Seasonal and extraseasonal predictions of summer monsoon precipitation by gems(1)

A semi-operational real time short-term climate prediction system has been developed in the Center of Climate and Environment Prediction Research (CCEPRE), Institute of Atmospheric Physics / Chinese Academy of Sciences. The system consists of the following components: the AGCM and OGCM and their coupling, initial conditions and initialization, practical schemes of anomaly prediction, ensemble prediction and its standard deviation, correction of GCM output, and verification of prediction. The experiences of semi-operational real-time prediction by using this system for six years 1989-1994) and of hindcasting for 1980-1989 are reported. It is shown that in most cases large positive and negative anomalies of summer precipitation resulting in disastrous climate events such as severe flood or drought over East Asia can be well predicted for two seasons in advance, although the quantitatively statistical skill scores are only satisfactory due to the difficulty in correctly predicting the signs of small anomalies. Some methods for removing the systematic errors and introducing corrections to the GCM output arc suggested. The sensitivity of pre-diction to the initial conditions and the problem of ensemble prediction are also discussed in the paper