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。     

择优法降水集合预报试验的研究

基于集合平均预报方法的基础上，提出了择优法降水集合预报方法，以多物理过程集合预报系统为例，对该方法进行阐述和试验。利用集合预报系统各成员过去24 h预报的500 hPa和700 hPa温度差（T500-700）与实况温度差的相关系数作为集合预报成员的筛选因子，选择相关系数较大的成员作为集合成员进行降水集合预报试验。初步试验结果表明，择优法降水集合预报要略优于集合平均法的预报，24 h降水集合预报有所改善。择优法降水集合预报简单易行，在计算资源有限的情况下，可优先计算择优的成员，因此比集合平均法节约计算时间，提高集合预报时效，具有一定的业务应用价值。     

基于集合预报的中国极端强降水预报方法研究

极端强降水天气属于小概率事件,其发生具有很多不确定的因素,预报难度很大。根据Anderson-Darling检验原理研究基于集合预报资料的极端强降水天气预报方法,利用2007—2010年中国T213集合预报资料和2001—2010年6—8月中国降水观测资料,分析观测与集合预报累积概率密度分布函数的特征,建立基于集合预报与模式历史预报累积概率密度分布函数连续差异的数学模型——极端降水天气预报指数(EPFI),并对2011年7月中国极端强降水天气进行预报试验。结果表明,极端降水天气预报指数可以充分利用集合降水累积概率密度分布的尾端信息,为极端强降水提供科学合理的预报,基于中国气象局(CMA) T213集合预报的极端降水天气预报指数可提前3—7 d发出极端强降水预警信号,随着预报时效的延长,预报技巧逐渐降低。研究还表明,模式气候累积概率分布的合理性将直接影响极端强降水天气识别能力。     

基于BGM的对流尺度集合预报试验及其检验北大核心CSCD

基于增长模繁殖法,考虑对流尺度高度非线性特征和精细化预报要求,对一次强飑线天气过程进行了集合预报试验,引入概率匹配平均法对集合预报结果进行对比分析,并通过偏差和公平技巧评分对降水进行了预报效果检验。试验结果表明,BGM法应用到对流尺度集合预报中能够生成代表大气不确定性的快速增长扰动。集合预报结果相比控制预报更加准确,传统集合平均对较小降水强度的预报更加准确,概率匹配平均法对大量级降水的预报能力明显占优。降水评分检验表明,集合平均对小量级降水的预报技巧最高,概率匹配平均法对极端降水事件的预报技巧有明显优势。对流尺度集合预报能够提高降水预报技巧,并对高影响对流天气事件的预报有指导意义。     

基于对流尺度集合预报方法对一次暴雨过程预报的分析

为了更加直观和深入地理解对流尺度集合预报中的降水集合预报产品,以便进一步向预报员推广应用,本文开展了基于对流尺度集合预报方法对2021年8月28—29日的一次暴雨过程的预报性能分析,对集合预报的暴雨和大暴雨量级降水预报技巧进行了综合分析。结果表明：(1)不同集合成员降水预报结果的差异随着降水量级的增大越发明显,预报最优和最差的成员的TS评分相差0.3以上。(2)概率匹配平均预报对于暴雨和大暴雨量级降水的预报技巧优于控制预报,也优于集合平均。集合平均由于集合成员预报的平滑作用导致其对极端降水不敏感,因此,简单的集合平均不适合于大暴雨以上量级的极端降水预报。(3)从最小值预报到最大值预报,随着集合百分位的增大,命中率、空报率和频率偏差均逐渐增大,70%或者80%集合百分位预报的预报技巧最优,且优于集合平均和概率匹配平均预报。(4)对于重庆东北部偏西地区出现的大暴雨量级降水,较长预报时效集合概率预报均预报出了一定的降水概率,最长提前60 h,相应的最优的集合成员的降水预报与实况也较为接近。     

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。      

500 hPa位势高度场极端天气事件的NCEP集合概率预报效果分析

基于百分位方法,首先通过构建气候等概率区间得到了位势高度场极端天气事件区分方法,并给出了相应的预报结果检验评价方案;以此为基础,对2003年夏季亚欧区域的500hPa位势高度场极端天气事件的NCEP集合概率预报效果进行了深入分析,得到如下结论：1）分析时段和区域内的极端事件的发生频率比气候平均状况略偏高。NCEP集合预报系统对异常偏低的极端事件的预报易偏高,但相对比较可靠;对相对异常偏高极端事件的预报频率随着预报时效的增大而减小,时效小于3d时预报频率偏高,时效大于5d时显著偏低,预报可靠性相对差一些。2）EV（economic value,经济价值）分析表明,NCEP集合预报系统对偏高（低）极端事件的概率预报效果明显高于正常天气事件。3）预报命中率分析表明,在高概率阈值下,预报命中率较低,这与预报系统在部分个例中的不发散有关。随着概率阈值的降低,预报命中率稳步提高,说明集合成员的发散使之可以覆盖实况可能出现的区间,从而得到更好的预报效果。     

集合预报统计学后处理技术研究进展

近年来,随着集合预报的广泛应用,大量新颖的集合预报统计学后处理方法层出不穷,因此有必要对其进行系统地回顾。首先,对单变量集合预报统计后处理方法进行分类介绍,包括基于特定数学分布的参数化方法:逻辑回归、非均匀回归、贝叶斯模型平均、集合敷料法,以及灵活的非参数化方法:排序直方图订正、可靠性曲线订正、衰减平均偏差订正、分位数映射、分位数回归、概率匹配、频率匹配、最优百分位、最优评分法、逐成员订正、相似法、邻域法、基于对象的概率预报方法和虚拟降水法。其次,拓展到须考虑变量依赖性结构的多变量集合预报统计后处理方法,包括参数化的连接方法,以及非参数化的集合连接耦合和Schaake洗牌法。再次,介绍多模式集合和机器学习方法。最后,总结并讨论了常用的集合预报统计后处理方法使用中需要注意的问题。     

短期集合预报技术在梅雨降水预报中的试验研究

数值预报的误差来源于初始场和模式的误差,集合预报技术是减小这些误差的有效方法。该文以MM5模式作为试验模式框架,模式的积云参数化方案分别取Anthes-Kuo、Grell、Kain-Fritsch和Betts-Miller方案,边界层参数化方案分别取MRF和Eta方案,通过组合4种积云参数化方案和两种边界层参数化方案产生8个集合成员,对1999年华东地区梅雨期间3个降水个例进行48 h集合预报试验。结果显示不同集合成员的预报结果各不相同,积云参数化方案对降水的影响比边界层参数化方案对降水的影响大;不同集合成员预报降水的偏差也各不相同,大多存在湿偏差,量级小的降水的湿偏差程度比量级大的降水的湿偏差程度小;对于不同个例,各成员中预报效果相对较好的成员是不同的,集合平均后可以得到一个比较稳定的预报结果;从集合预报结果中还能得到客观化和定量化的降水概率预报,它能对可能发生的天气现象发出信号。     

ECMWF集合预报在安徽大别山区降水预报中的检验

利用2015年6月1日至8月31日ECMWF集合预报系统(EPS)51个成员的降水预报结果,基于安徽省大别山区12个代表站点1～3 d的逐12 h降水观测资料,采用TS评分、箱须图、泰勒图等方法,研究ECMWF集合预报降水结果在安徽省大别山区降水分级预报中的应用效果。主要结论如下:ECMWF集合降水预报中,08时起报的24 h降水量和20时起报的48 h降水量可参考性较大;降水分级检验中,晴雨预报正确率在70%以上,小雨和中雨的空报率较高,对大雨以上量级的预报能力相对较差;大型降水过程中,暴雨以上量级的预报需关注不同预报时效下降水量预报的变化趋势,个别成员对极端降水的表现也值得关注。     

基于智能计算的广西冷湿极端天气定性和定量组合预报方法研究

论文以逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料为基础,将表征冬季低温冷害的冷湿指数作为预报量,先利用随机森林方法进行冬季逐日冷湿极端天气定性判别预报分析,再进一步以粒子群算法为基础的模糊神经网络集成个体生成技术方法,建立一种新的非线性智能计算定量集成预报模型（PSO-FNN）,进行了广西冷湿极端天气定量预报模型的预报建模研究。结果表明,论文提出的这种以不同的智能计算方法构建的定性、定量综合预报分析方法,比较符合极端天气小概率事件的预报特点,其中随机森林算法构建的定性预报模型,对广西冷湿极端天气事件的预报TS评分（Threat Score）为0.77,空报率为0.23,漏报率为0,ETS评分（Equitable Threat Score）为0.41,TSS评分（True Skill Statistic）为0.53。而采用粒子群—模糊神经网络方法构建的极端冷湿指数定量集成预报模型比其他线性和非线性预报模型具有更好的预报精度。其中PSO-FNN集成预报模型在预报建模样本和独立预报样本个例相同的情况下,比回归方法的预报平均绝对误差下降了25%以上,比一般的普通模糊神经网络预报平均绝对误差下降了14.37%。主要原因是因为PSO-FNN集成预报模型通过改进集成个体的预报能力和增强集成个体的种群差异性,提高了集成预报模型的预报精度。因此,该智能计算集成预报模型的泛化能力显著提高,预报结果稳定可靠,为冷湿极端天气客观预报提供了新的预报工具和预报建模方法。     

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。     

Ensemble mean forecast skill and applications with the T213 ensemble prediction system

Ensemble forecasting has become the prevailing method in current operational weather forecasting. Although ensemble mean forecast skill has been studied for many ensemble prediction systems(EPSs) and different cases, theoretical analysis regarding ensemble mean forecast skill has rarely been investigated, especially quantitative analysis without any assumptions of ensemble members. This paper investigates fundamental questions about the ensemble mean, such as the advantage of the ensemble mean over individual members, the potential skill of the ensemble mean, and the skill gain of the ensemble mean with increasing ensemble size. The average error coefficient between each pair of ensemble members is the most important factor in ensemble mean forecast skill, which determines the mean-square error of ensemble mean forecasts and the skill gain with increasing ensemble size. More members are useful if the errors of the members have lower correlations with each other, and vice versa. The theoretical investigation in this study is verified by application with the T213 EPS. A typical EPS has an average error coefficient of between 0.5 and 0.8; the 15-member T213 EPS used here reaches a saturation degree of 95%(i.e., maximum 5% skill gain by adding new members with similar skill to the existing members) for 1–10-day lead time predictions, as far as the mean-square error is concerned.     

基于快速更新同化数值预报的小时降水量时间滞后集合订正技术

由中小尺度对流系统造成短时强降水天气的发生发展十分迅速,对其落区和时效的预报预警一直都是预报业务中的难点。本文基于快速更新同化的中尺度数值预报系统GRAPES-RAFS 0. 1°×0. 1°分辨率逐小时降水预报,首先通过时间滞后集合预报方法构建了多个集合成员,使用平均TS评分值计算相应预报成员权重系数建立预报方程,然后采用频率匹配订正法进行降水量级订正,从而得到集合订正的逐小时降水量预报。2017年8-9月的逐日试验和典型个例预报结果评估表明效果良好。(1)GRAPES-RAFS最新时次的预报场并不完全代表最好的预报效果,通过时间滞后集合订正方法自动识别优选预报成员,显著提高了预报能力;(2)GRAPES-RAFS预报存在降水量级偏弱的系统性误差,经过频率匹配方法订正后,在量级预报上更接近实况;(3)时间滞后集合预报对我国中东部(包括黄淮、江淮、江南地区)的小时降水量订正效果最好;(4)进一步使用的频率匹配订正方法显著提升了逐时降水量的预报效果,其在降水频率更高、强度更大的江南南部、华南、西南地区效果更为显著;(5)对于中小尺度的强降水过程,经过上述方法订正后,显著提高了模式对强降水系统位置、形态及降水量级的预报水平。     

基于非静力模式物理扰动的中尺度集合预报试验

以GRAPES中尺度有限区模式作为试验模式, 从模式的不确定性方面来构造中尺度的集合预报, 重点考虑物理因子与初始条件的扰动作用。针对2004年7月10日北京城区的突发性暴雨过程进行了36 h的集合预报试验。结果表明:GRAPES模式可有效地捕捉到中尺度过程的信息; 中尺度集合预报是可行的, 可改进中尺度暴雨过程落区、强度的预报; 不同集合方案的预报结果各不相同, 同一方案各个成员的预报结果也有差异, 即存在适宜的离散度; 在离散度分析中发现在北京附近存在一个明显大值区, 且在大气中低层的垂直结构表现出一致性, 表明这一区域的预报不确定性很大。从集合检验结果中得到:单纯考虑模式物理扰动来构造中尺度集合预报系统有一定难度, 当加入初始场不确定信息后, 同时考虑模式的不确定性和初始场的不确定性, 有助于捕捉更多的中尺度系统的不确定信息, 有助于构造更为有效的中尺度集合预报系统。     

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。     

面向台风暴雨的集合预报成员优选订正技术研究及应用试验

本文以2013—2015年主要登陆台风暴雨过程为研究对象,利用ECMWF降水和台风路径集合预报以及中央气象台实时业务台风中心定位资料,在统计分析的基础上,提出一种业务上可用的针对单模式集合预报的台风降水实时订正技术(简称集合成员优选技术)。结果表明,在登陆台风暴雨过程预报中,集合成员优选技术对改进集合统计量降水产品有明显的帮助,并较ECMWF确定性预报产品有一定优势;该方法对改进短期时效预报产品的效果优于中期时效预报,对大暴雨评分的改进高于暴雨和大雨评分。另外,本文基于概率匹配平均(Probability Matching average,PM)和融合(FUSE)产品的计算原理,提出融合匹配平均(Fuse Matching average,FM)产品,结果表明,对36 h时效预报,优选10~15个成员的PM产品TS(Threat Scores)评分可达最优,大暴雨评分较确定性预报提高近10%;对60和84 h时效预报,FM产品大暴雨评分较确定性预报提高超过20%。     

基于局地增长模培育法的对流可分辨尺度WRF模式对河南“21·7”特大暴雨的预报评估

基于WRF(Weather Research and Forecasting)模式,选取河南“21·7”特大暴雨事件,采用局地增长模培育法(Local Breeding Growth Mode,LBGM)生成对流尺度集合预报系统,在此基础上对24 h累积降水量进行SAL(Structure,Amplitude and Location)检验,结合预报成功指数(Threat Score,TS)、公平成功指数(Equitable Threat Score,ETS)评分等评分结果进行对比分析,综合评估集合预报成员的预报效果,表明:1)基于局地增长模培育法生成初始扰动的集合预报系统成员对于强降水预报有一定优势,在降水强度和位置的预报上与实况较接近;2)经检验,成员e003的TS和ETS评分在20日00时—21日00时(北京时,下同)和21日08时—22日08时两个强降水时段内表现最佳,并在SAL检验中对应较好的降雨强度A和雨区位置L,而成员e008暴雨TS、ETS评分最低,对应SAL检验中具有一定的位置偏差,即TS、ETS评分和SAL检验之间存在相关性,将二者有机结合,可以为业务工作中定量评估模式降水预报效果提供参考;3)通过对比整体评分表现较好的成员e003和较差的成员e008,两者预报的位势高度场与ERA5(ECMWF reanalysis v5,ERA5)再分析资料之间的差值,可以验证降水预报误差主要源于对低涡系统的预报偏差,同时预报评分较好的成员其位势高度偏差较小,综合评估效果更佳。     

ECMWF集合预报产品在广西暴雨预报中的释用

基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心（ECMWF）集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。     

两个集合预报系统对秦岭及周边降水预报性能对比

利用欧洲中期天气预报中心 (ECMWF)、美国大气环境预报中心 (NCEP) 集合预报系统 (EPS) 降水量预报资料,CMORPH (NOAA Climate Prediction Center Morphing Method) 卫星与全国3万个自动气象站降水量融合资料,基于技巧评分、ROC (relative operating characteristic) 分析等方法,对比两个集合预报系统对秦岭及周边地区的降水预报性能。结果表明:两个系统均能较好表现降水量的空间形态,对于不同量级降水,ECMWF集合预报系统0~240 h控制及扰动预报优于NCEP集合预报系统,但NCEP集合预报系统264~360 h预报时效整体表现更好; ECMWF集合预报系统0~120 h大雨集合平均优于NCEP集合预报系统,两个系统集合平均的预报技巧整体低于其控制及扰动成员预报,这种现象ECMWF集合预报系统表现更为显著; ECMWF集合预报系统降水预报概率优于NCEP集合预报系统。ROC分析显示,随着预报概率的增大,ECMWF集合预报系统在命中率略微下降的情况下,显著减小了空报率,NCEP集合预报系统则表现出高空报、高命中率。