Impact of Perturbation Schemes on the Ensemble Prediction in a Coupled Lorenz Model

Based on a simple coupled Lorenz model, we investigate how to assess a suitable initial perturbation scheme for ensemble forecasting in a multiscale system involving slow dynamics and fast dynamics. Four initial perturbation approaches are used in the ensemble forecasting experiments: the random perturbation(RP), the bred vector(BV), the ensemble transform Kalman filter(ETKF), and the nonlinear local Lyapunov vector(NLLV) methods. Results show that,regardless of the method used, the ensemble ave...     

Study on ETKF-Based Initial Perturbation Scheme for GRAPES Global Ensemble Prediction

Initial perturbation scheme is one of the important problems for ensemble prediction. In this paper, ensemble initial perturbation scheme for Global/Regional Assimilation and PrEdiction System (GRAPES) global ensemble prediction is developed in terms of the ensemble transform Kalman filter (ETKF) method.A new GRAPES global ensemble prediction system (GEPS) is also constructed. The spherical simplex 14-member ensemble prediction experiments, using the simulated observation network and error characteristics of simulated observations and innovation-based in ation, are carried out for about two months. The structure characters and perturbation amplitudes of the ETKF initial perturbations and the perturbation growth characters are analyzed, and their qualities and abilities for the ensemble initial perturbations are given. The preliminary experimental results indicate that the ETKF-based GRAPES ensemble initial perturbations could identify main normal structures of analysis error variance and reflect the perturbation amplitudes.The initial perturbations and the spread are reasonable. The initial perturbation variance, which is approximately equal to the forecast error variance, is found to respond to changes in the observational spatial variations with simulated observational network density. The perturbations generated through the simplex method are also shown to exhibit a very high degree of consistency between initial analysis and short-range forecast perturbations. The appropriate growth and spread of ensemble perturbations can be maintained up to 96-h lead time. The statistical results for 52-day ensemble forecasts show that the forecast scores ofensemble average for the Northern Hemisphere are higher than that of the control forecast. Provided that using more ensemble members, a real-time observational network and a more appropriate inflation factor,better effects of the ETKF-based initial scheme should be shown.     

Ensemble Forecasts of Tropical Cyclone Track with Orthogonal Conditional Nonlinear Optimal Perturbations

This paper preliminarily investigates the application of the orthogonal conditional nonlinear optimal perturbations(CNOPs)–based ensemble forecast technique in MM5(Fifth-generation Pennsylvania State University–National Center for Atmospheric Research Mesoscale Model). The results show that the ensemble forecast members generated by the orthogonal CNOPs present large spreads but tend to be located on the two sides of real tropical cyclone(TC) tracks and have good agreements between ensemble spreads and ensemble-mean forecast errors for TC tracks. Subsequently, these members reflect more reasonable forecast uncertainties and enhance the orthogonal CNOPs–based ensemble-mean forecasts to obtain higher skill for TC tracks than the orthogonal SVs(singular vectors)–, BVs(bred vectors)– and RPs(random perturbations)–based ones. The results indicate that orthogonal CNOPs of smaller magnitudes should be adopted to construct the initial ensemble perturbations for short lead–time forecasts, but those of larger magnitudes should be used for longer lead–time forecasts due to the effects of nonlinearities. The performance of the orthogonal CNOPs–based ensemble-mean forecasts is case-dependent,which encourages evaluating statistically the forecast skill with more TC cases. Finally, the results show that the ensemble forecasts with only initial perturbations in this work do not increase the forecast skill of TC intensity, which may be related with both the coarse model horizontal resolution and the model error.     

基于BGM的不同繁殖长度对集合预报的影响

利用T63L9全球谱模式和NCEP/NCAR再分析资料, 对BGM方法中增长模的繁殖长度对集合预报效果的影响进行研究。结果表明:与控制预报相比, 不同繁殖长度的集合预报都能使预报效果得到一定程度的改进, 特别是第4天预报以后, 改进程度随预报时效而稳步提高。三组不同繁殖长度的集合预报对控制预报的改进存在差别, 分析结果表明:繁殖长度为2 d的集合预报明显效果最差, 而繁殖3 d和4 d的集合预报差别并不明显。对集合Talagrand分布以及离散度的初步分析表明, 繁殖长度取为3 d似乎最为合理。     

热带气旋奇异向量在GRAPES全球集合预报中的初步应用

基于副热带奇异向量的初值扰动方法已应用于GRAPES （Global and Regional Assimilation PrEdiction System）全球集合预报系统,但存在热带气旋预报路径离散度不足的问题。通过分析发现,热带气旋附近区域初值扰动结构不合理导致预报集合不能较好地估计热带气旋预报的不确定性,是路径集合离散度不足的可能原因之一。通过建立热带气旋奇异向量求解方案,将热带气旋奇异向量和副热带奇异向量共同线性组合生成初值扰动,以弥补热带气旋区域初值扰动结构不合理这一缺陷,进而改进热带气旋集合预报效果。利用GRAPES全球奇异向量计算方案,以台风中心10个经纬度区域为目标区构建热带气旋奇异向量求解方案,针对台风“榕树”个例进行集合预报试验,并开展批量试验,利用中国中央气象台最优台风路径和中国国家气象信息中心的降水观测资料进行检验,对比分析热带气旋奇异向量结构特征和初值扰动特征,评估热带气旋奇异向量对热带气旋路径集合预报和中国区域24 h累计降水概率预报技巧的影响。结果表明,热带气旋奇异向量具有局地化特征,使用热带气旋奇异向量之后,热带气旋路径离散度增加,路径集合平均预报误差和离散度的关系得到改善,路径集合平均预报误差有所减小,集合成员更好地描述了热带气旋路径的预报不确定性;中国台风降水的小雨、中雨、大雨、暴雨各量级24 h累计降水概率预报技巧均有一定提高。总之,当在初值扰动的生成中考虑热带气旋奇异向量后,可改进热带气旋初值扰动结果,并有助于改善热带气旋路径集合预报效果。      

ETKF初值扰动方法中真实观测及扰动调节因子研究

目前国家气象中心业务GRAPES区域集合预报系统中集合变换卡尔曼滤波（ETKF）方法采用的是模拟观测信息，为进一步完善ETKF方法，拟对ETKF初值扰动通过引入真实探空观测资料，使扰动场能够代表真实观测的不确定信息，改善区域集合预报技巧。真实观测资料的引入会使得每日的观测数目和分布发生变化，这对ETKF方法而言可能会引起扰动振幅的不稳定，因此在引入真实观测资料的基础上设计了新的扰动振幅调节因子，通过格点空间中离散度和均方根误差关系来对初值扰动振幅进行自适应调整。从初值扰动结构、概率预报技巧以及降水预报效果等方面对比分析了基于模拟观测、真实观测以及真实观测结合新型调节因子的ETKF方案的差异，结果表明:真实探空资料能够有效应用于GRAPES区域集合预报系统中，真实观测资料与模拟观测资料相比较为稀疏，可以获得更大量级的初值扰动振幅；真实观测资料有助于提高区域集合的离散度，但对集合预报准确度以及概率预报结果的提高有限，对于降水预报效果提高也有限；新型的扰动振幅调节因子可以有效获得稳定的初值扰动振幅，并保持ETKF扰动结构，真实观测资料与扰动振幅自适应调节因子相结合，可以有效提高区域集合的概率预报结果，并有效提高降水预报效果。     

集合敏感性在预报误差及可预报性研究中的应用进展综述

研究大气的可预报性和预报误差产生的原因,对于改进数值预报,提升业务预报技巧具有重要意义。集合敏感性基于具有流依赖特性的集合预报,通过建立预报与初始场或前期预报大气状态之间的统计关系,为揭示与预报对象可预报性相关的动力学特征及理解预报误差来源和传播机制提供了一种新方法。同时,介绍了集合敏感性的定义和度量,并综述了其针对典型天气系统和高影响天气事件研究的进展,并讨论了该方法的优势和局限性。     

Study on multi-scale blending initial condition perturbations for a regional ensemble prediction system

An initial conditions (ICs) perturbation method was developed with the aim to improve an operational regional ensemble prediction system (REPS). Three issues were identified and investigated: (2) the impacts of perturbation scale on the ensemble spread and forecast skill of the REPS; (3) the scale characteristic of the IC perturbations of the REPS; and (4) whether the REPS's skill could be improved by adding large-scale information to the IC perturbations. Numerical experiments were conducted to reveal the impact of perturbation scale on the ensemble spread and forecast skill. The scales of IC perturbations from the REPS and an operational global ensemble prediction system (GEPS) were analyzed. A "multi-scale blending" (MSB) IC perturbation scheme was developed, and the main findings can be summarized as follows: The growth rates of the ensemble spread of the REPS are sensitive to the scale of the IC perturbations; the ensemble forecast skills can benefit from large-scale perturbations; the global ensemble IC perturbations exhibit more power at larger scales, while the regional ensemble IC perturbations contain more power at smaller scales; the MSB method can generate IC perturbations by combining the small-scale component from the REPS and the large-scale component from the GEPS; the energy norm growth of the MSB-generated perturbations can be appropriate at all forecast lead times; and the MSB-based REPS shows higher skill than the original system, as determined by ensemble forecast verification.     

风暴尺度集合预报中的混合初始扰动方法及其在北京2012年“7.21”暴雨预报中的应用

风暴尺度集合预报系统（Storm-Scale Ensemble Forecast system,简称SSEFs）中集合成员之间发散度不足一直都是研究的难点。本文尝试了将Barnes空间滤波融入到集合转换卡尔曼滤波（ETKF）更新预报系统中的混合初值扰动法。该方案将ETKF方法的小尺度信息与来自于侧边界条件扰动的大尺度信息相结合,缓解了扰动在侧边界不匹配的问题。通过2012年北京“7.21”暴雨并使用邻位方法对比分析了不同初值扰动方案在不同时间尺度与空间尺度上的特征,在此基础上进一步探讨了构造混合初始扰动法的可行性。结果表明:ETKF试验所构造的初始扰动无法与侧边界条件扰动相匹配,混合后的初始扰动可以有效缓解SSEFs中由于初始扰动与侧边界扰动不匹配产生的虚假波动,其中大尺度信息保留较多的混合试验（ETKF80）和动力降尺度方案（Down）在减少虚假波动方面的效果最优;从集合离散度来看,在前期暖区降水阶段ETKF的离散度在小尺度上最大,随着锋面降水的开始,Down的离散度逐渐超过ETKF,而使用各滤波波段构造的混合试验同时具备ETKF与Down二者的特征。选择合理的滤波波段可以获得最为合理的离散度表现（ETKF180）,说明仅考虑侧边界匹配（Down和ETKF80）并不能获得最合理的集合离散度,应综合考虑其他因素。从降水概率预报结果来看,选取合适的滤波波段所构造的混合扰动试验同样获得了较好的效果。     

Reducing the prediction uncertainties of high-impact weather and climate events: An overview of studies at LASG

This paper summarizes recent progress at the State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics (LASG), Institute of Atmospheric Physics, Chinese Academy of Sciences in studies on targeted observations, data assimilation, and ensemble prediction, which are three effective strategies to reduce the prediction uncertainties and improve the forecast skill of weather and climate events. Considering the limitations of traditional targeted observation approaches, LASG researchers have developed a conditional nonlinear optimal perturbation-based targeted observation strategy to optimize the design of the observing network. This strategy has been employed to identify sensitive areas for targeted observations of the El Niño–Southern Oscillation, Indian Ocean dipole, and tropical cyclones, and has been demonstrated to be effective in improving the forecast skill of these events. To assimilate the targeted observations into the initial state of a numerical model, a dimension-reducedprojection- based four-dimensional variational data assimilation (DRP-4DVar) approach has been proposed and is used operationally to supply accurate initial conditions in numerical forecasts. The performance of DRP-4DVar is good, and its computational cost is much lower than the standard 4DVar approach. Besides, ensemble prediction, which is a practical approach to generate probabilistic forecasts of the future state of a particular system, can be used to reduce the prediction uncertainties of single forecasts by taking the ensemble mean of forecast members. In this field, LASG researchers have proposed an ensemble forecast method that uses nonlinear local Lyapunov vectors (NLLVs) to yield ensemble initial perturbations. Its application in simple models has shown that NLLVs are more useful than bred vectors and singular vectors in improving the skill of the ensemble forecast. Therefore, NLLVs represent a candidate for possible development as an ensemble method in operational forecasts. Despite the considerable efforts made towards developing these methods to reduce prediction uncertainties, much challenging but highly important work remains in terms of improving the methods to further increase the skill in forecasting such weather and climate events.     

基于BGM与ETKF的台风"苏拉"(1209)集合预报的对比试验Ⅰ:路径预报

采用FNL再分析资料和美国联合台风警报中心(Joint Typhoon Warning Center,JTWC)资料,运用中尺度WRF(Weather Research and Forecasting)模式,分别使用增长模繁殖法(Breeding of Growing Mode,BGM)和集合卡尔曼变换方法(Ensemble Transform Kalman Filter,ETKF),对1209号台风"苏拉"进行了台风路径的集合预报试验,并对预报效果进行对比分析。结果表明:采用BGM或ETKF初始扰动的集合预报系统,集合平均预报对风场、温度场、位势高度场的预报效果均优于控制预报;ETKF方法的预报改进程度较BGM方法更大,且对风场和温度场预报技巧的优势尤为明显。BGM方法所得到的集合成员离散度小于ETKF方法,对大气真实状态的表征能力不及后者;两种扰动方法的集合平均都明显改善了台风"苏拉"的路径预报结果,尤其是控制预报在福建沿海第二次登陆后移速过快的问题,但对台风登陆位置预报的改进不明显;此外,采用ETKF方法的集合平均对台风"苏拉"路径预报的改进效果远优于采用BGM方法的集合平均预报。     

集合变换卡尔曼滤波局地化对区域集合初始扰动的影响

集合变换卡尔曼滤波(ensemble transform Kalman filter, ETKF)是一种有效的集合预报初始扰动构造方案。但是,有限的集合样本、相同的集合成员设置以及预报模式误差等可能会使两个距离较远的状态变量产生虚假相关,从而影响ETKF集合扰动的质量。为了有效解决远距离虚假相关问题,将局地化思想引入ETKF方案。本文针对GRAPES区域集合预报系统(GRAPES REPS),对ETKF初值扰动局地化方案的效果进行了试验分析,为进一步改善和优化局地化方案(LETKF方案)提供依据。通过一周的连续试验,从暴雨个例、集合预报多种评分检验等方面分析了LETKF初始扰动方案所产生的集合预报质量。结果表明,区域集合预报中集合变换卡尔曼滤波初始扰动的局地化方案能够更加合理地捕捉到快速增长的分析误差的物理结构,更准确地再现数值模式预报误差的线性与非线性传播和演变特征。该局地化方案可以较好地改进预报质量,提高降水预报的准确率,尤其是针对小雨、中雨、暴雨量级的预报。相对于现有区域集合预报的业务系统GRAPES REPS,基于局地化ETKF初始扰动方案的区域集合预报具有较明显的优势。总体来看,LETKF初始扰动方案可更好地改善区域集合预报的质量。     

GRAPES区域集合预报模式的初值扰动增长特征

基于GRAPES-REPS（Global and Regional Assimilation and Prediction Enhanced System-Regional Ensemble Prediction System）区域集合预报模式和集合变换卡尔曼滤波（Ensemble Transform Kalman Filter,ETKF）初值扰动方法,对2015年6月1~15日10 km与15 km水平分辨率分别进行集合预报试验,通过分析ETKF初值扰动分量、初值扰动方差准确率、动能谱、扰动能量演变、日变化及集合离散度、均方根误差等特征,揭示GRAPES-REPS区域集合预报ETKF初值扰动结构及增长特征。结果表明:（1）ETKF初值扰动方案产生的扰动能够保持所有正交、不相关方向的误差方差,且ETKF分量α参数值及放大因子具有较好的稳定性。（2）ETKF初值扰动方法生成的扰动场以大尺度扰动为主,扰动结构及能量具有随流型依赖特征,低层以内能扰动为主,高层以动能扰动为主,且集合扰动可以有效捕捉预报误差的结构。（3）GRAPES区域集合预报初值扰动总能量和集合离散度随预报时效的延长均呈发展趋势,但离散度增长率小于均方根误差增长率,即集合预报总体存在集合离散度不足的问题。（4）水平分辨率提高可以增加中高层大尺度扰动波谱能量,明显改进等压面及近地面风场及温度场的集合预报效果。值得指出的是,GRAPES-REPS区域集合预报低层内能扰动能量存在明显的日变化特征,特别是青藏高原地区更加显著,需要进一步研究青藏高原初值扰动结构的合理性。     

不同大尺度强迫条件下考虑初始场与侧边界条件不确定性的对流尺度集合预报试验

研究了不同大尺度强迫条件下的暴雨个例中,考虑不同尺度特征的初始扰动与侧边界扰动相互作用构造对流尺度集合预报的可行性,为进一步构建“自适应”于不同强对流天气的对流尺度集合预报系统提供依据。结果表明,在大尺度强迫显著的个例1中,以大尺度扰动信息为主的动力降尺度的增长趋势较集合转换卡尔曼滤波(ETKF)更为显著,且总扰动能量在预报中后期超过集合转换卡尔曼滤波,而在大尺度强迫较弱的个例2中,集合转换卡尔曼滤波扰动能量始终高于动力降尺度。此外,当大尺度强迫显著时,初始扰动与侧边界扰动相匹配会产生相互促进的作用,而不匹配时初始扰动会在预报中后期抑制侧边界扰动的发展,当大尺度强迫较弱时,即使是互相间不匹配的初始扰动与侧边界扰动也能在大部分预报时段起到相互促进的作用,说明初始扰动与侧边界扰动的相互作用机制不仅与天气形势相关,也与二者是否匹配挂钩,另外,扰动的发展特征同样依赖于天气形势;从集合离散度的角度来看,当大尺度强迫明显时,侧边界扰动的作用会在更短的时间内取代初始扰动,从而对离散度起到主导地位;两种初始扰动方法相比,集合转换卡尔曼滤波在多数情况下对总离散度的贡献均大于动力降尺度;从降水量预报及概率预报情况来看,大尺度强迫明显的个例可预报性更高,且各集合成员间的差异较小,大尺度强迫较弱的个例则相反,且当两种初始扰动方案与侧边界扰动相结合时,较仅侧边界扰动均有一定提高。      

GRAPES全球模式静力平衡奇异向量改进及应用试验

采用线性化物理过程方案的GRAPES全球模式奇异向量在进行非线性模式积分时会有部分奇异向量出现崩溃问题,这说明奇异向量结构可能存在扰动变量之间不协调之处,需要对奇异向量扰动的计算方法优化,进而改进基于奇异向量的集合预报初值扰动,提高GRAPES全球集合预报效果.基于原有的GRAEPS全球奇异向量计算方法,在求解奇异向量...     

一种根据湿对流区域时空分布调整的BGM扰动改进方案

在增长模繁殖法(Breeding of the Growing Mode,BGM)的动态繁殖过程中,尺度化因子的选择极为关键。利用WRF(Weather Research and Forecasting)模式,在分析飑线系统数值模拟误差增长机制的基础上,根据飑线发展过程中湿对流区域误差更容易快速增长的特点,提出了一种根据湿对流区域时空分布调整的BGM初始扰动改进方案。该方案通过在动态繁殖过程中对小扰动的水平结构进行调整,加强湿对流区域扰动,捕获到增长最快方向上的小扰动并将其作为初始扰动。试验结果表明:根据降水量调整的改进方案相比其他方案扰动能量较大,各集合成员之间差异也较大,集合平均预报误差较小;对强降水范围的模拟相对理想,暴雨的降水评分较高;对风廓线及水汽场的预报更接近于实况,较好地改善了集合预报效果。     

Hybrid ETKF-3DVAR方法同化多普勒雷达速度观测资料Ⅰ:模拟资料试验

利用WRF(Weather research and forecasting)模式及模式模拟的资料,采用Hybrid ETKF-3DVAR(ensemble transform Kalman filter-three-dimensional variational data assimilation)方法同化模拟雷达观测资料。该混合同化方法将集合转换卡尔曼滤波(ensemble transform Kalman filter)得到的集合样本扰动通过转换矩阵直接作用到背景场上,利用顺序滤波的思想得到分析扰动场;然后通过增加额外控制变量的方式把"流依赖"的集合协方差信息引入到变分目标函数中去,在3DVAR框架基础下与观测数据进行融合,从而给出分析场的最优估计。试验结果表明,Hybrid ETKF-3DVAR同化方法相比传统3DVAR可以提供更为准确的分析场,Hybrid方法雷达资料初始化模拟的台风涡旋结构与位置比3DVAR更加接近"真实场",对台风路径预报也有明显改进。通过对比Hybrid S试验与Hybrid F试验发现,Hybrid的正效果主要来源于混合背景误差协方差中的"流依赖"信息,集合平均场代替确定性背景场带来的效果并不显著。     

初始扰动振幅和集合样本数对CNOPs集合预报的影响

初始扰动振幅的大小和集合样本数对于集合预报取得更高预报技巧具有重要意义。本文将正交条件非线性最优扰动方法（orthogonal conditional nonlinear optimal perturbations,简称CNOPs）应用于概念模型Lorenz-96模式探讨了初始扰动振幅和集合样本数对集合预报技巧的影响,从而为使用更复杂模式进行集合预报提供指导。结果表明,由于CNOPs扮演了非线性系统中的最优初始扰动,从而使得当初始扰动振幅小于初始分析误差的大小时,CNOPs集合预报获得更高的预报技巧,并且CNOPs集合预报的最高预报技巧总是高于奇异向量法（singular vectors,简称SVs）集合预报的最高预报技巧。结果还表明,CNOPs集合预报倾向于具有一个合适的样本数时,达到最高技巧。更好的集合离散度——预报误差关系和更为平坦的Talagrand图（Talagrand diagram）进一步证明了CNOPs集合预报系统的可靠性,从而夯实了上述结果的合理性。因此,针对CNOPs集合预报,本文认为采用一个适当小于初始分析误差的初始扰动振幅和一个合适的集合样本数,有利于CNOPs集合预报达到最高预报技巧。     

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。     

基于增长模繁殖法的暴雨集合预报

采用WRF模式对2010年9月发生在河南省附近的一次暴雨过程进行了集合预报试验。用增长模繁殖方法(BGM)制作了集合预报方案1;为了充分利用背景场信息,结合时间滞后法,制定了集合预报方案2:滚动繁殖法;考虑到暴雨过程中天气形势的特殊性,结合区域空间特征,制定了集合预报方案3:区域繁殖法。这3组试验均对变量U、V、T、Q进行了初值扰动,加上控制预报,均产生了9个集合成员。试验结果表明:几种集合预报方法在预报效果上相较于控制预报都具有明显的改善,滚动繁殖法及区域繁殖法对增长模繁殖法都具有一定的改进作用,其中区域繁殖法的预报效果更优,与实况更为接近。