混合误差协方差用于集合平方根滤波同化的试验

在集合卡尔曼滤波方法中, 根据预报集合统计提供的依流型而变的预报误差协方差对同化起到决定性的作用。但在集合样本容量不足及模式存在系统误差时, 由预报集合估计的预报误差协方差会出现明显偏差。既要减小这种估计偏差对同化产生的影响而又不增加计算量, 一种可供选择的方法是将定常或准定常的高斯型预报误差协方差和由预报集合估计的预报误差协方差加权平均用于集合卡尔曼滤波同化。利用浅水方程模式, 通过观测系统模拟试验检验在不同的模式误差、 集合成员数以及观测密度条件下, 将这种混合预报误差协方差矩阵用于在集合平方根滤波的效果。试验结果表明, 当预报集合成员数较多而模式又无误差时, 不必采用混合的预报误差协方差矩阵, 否则, 采用混合的预报误差协方差矩阵都有可能改进分析和预报。混合预报误差协方差的最优的权重系数与模式误差关系密切, 模式误差越大, 定常预报误差协方差的权重越大。最优的权重系数与集合成员数及观测密度也有一定关系。     

中尺度集合预报的二阶矩离散度订正研究

利用类似KALMAN滤波的自适应误差订正方法对中国国家气象中心的中尺度集合预报系统2m温度预报做二阶矩离散度订正研究.通过对预报结果,尤其是概率预报结果比较详尽的检验分析,评价二阶矩订正对离散度的调整效果.结果表明:经过二阶矩订正后,2m温度的订正效果较为显著,集合成员预报的PDF分布比较一致,CRPS也比订正前减小了;预报的离散度得到合理的增大且与均方根误差较为接近,预报可靠性提高;无论是集合平均预报还是概率预报,预报能力都明显提高; 另外,针对集合概率预报可靠性的talagrand分布,针对集合预报分辨能力的roc分析和EV分析,以及概率预报评分bs、bss都从各自的角度证明了误差订正的效果,订正后预报能力大为提高.     

2011年西北太平洋热带气旋预报精度评定

本文对2011年西北太平洋热带气旋(TC)业务定位和预报精度进行评定,内容包括TC定位、确定性路径和强度预报以及路径集合预报。结果表明:业务定位总平均误差为24.9 km;国内各综合预报方法24、48和72 h的总体平均距离误差分别为112.6、209.7和333.6 km;国内各业务数值模式24、48和72 h预报的总体平均距离误差分别为121.4、220.1和380.5 km,均比2010年有所减小,但各模式的强度预报能力仍不如客观预报方法。对7个集合预报系统的TC路径预报能力进行评估,发现ECMWF集合预报系统的整体表现最好,其次是NCEP集合预报系统,这两个系统在某些时效的集合平均预报接近或超过综合预报水平。国家气象中心集合预报系统处中游水平。     

2013年欧洲中心台风集合预报的检验

广州中心气象台利用中国气象局下发的欧洲中心台风集合预报数据,制作了台风集合预报产品,供业务参考应用。利用欧洲中心台风集合预报数据,对2013年1307—1331号热带气旋的集合预报路径和强度进行检验,通过对比集合平均、模式高分辨率确定性预报和预报员主观预报,发现路径集合平均在24~120 h预报误差最小;在有限的预报样本数中,从热带风暴到台风级别的热带气旋,各预报时效路径集合平均的误差随强度增强而减小;强引导气流背景下的热带气旋预报误差小于弱引导气流的误差。对比强度集合平均和模式高分辨率确定性预报,发现各时效集合平均的误差比确定性预报大,随着预报时效的延长误差没有明显增大或减小的趋势,而且强度集合平均预报,在中心最低气压、中心最大风速、热带气旋等级都表现出明显的系统性偏弱特征;对不同级别的热带气旋强度预报,集合平均的误差随强度增强而增大,即强度集合预报对强度较弱的热带气旋有更高的准确率;对比受强、弱引导气流影响的两类热带气旋,集合平均对受弱引导气流影响的一类预报误差更小。     

2016年西北太平洋和南海热带气旋预报精度评定

以中国气象局上海台风研究所整编的最佳路径数据集为依据,对2016年西北太平洋和南海热带气旋（TC）定位精度及路径、强度和登陆点预报精度进行了评定,结果表明：2016年定位总平均误差24.9 km,比2015年略偏大。主观和客观路径预报误差没有延续之前持续减小的趋势,整体预报能力比前两年略有降低。ECMWF EPS、NCEP GEFS和UKMO EPS三个集合预报系统的台风路径预报整体性能要好于其他集合预报系统。各主客观预报方法的台风强度预报性能与往年相比没有大的改进。主观方法对超强台风莎莉嘉在海南万宁的24 h登陆点预报误差均非常小,误差在15 km以下。全球模式的登陆点预报性能表现要优于区域模式。     

集合预报误差在GRAPES全球四维变分同化中的应用研究Ⅱ：参数选取与数值试验

研究的第一部分讨论了如何有效应用集合预报误差的科学方案,确定了集合预报误差在GRAPES（Global Regional Assimilation and PrEdiction System）全球4DVar（four dimensional variational data assimilation）中应用的分析框架。在此基础上研究了针对集合预报误差实际应用于GRAPES全球4DVar,解决接近或超过100个集合样本数时高效生成的计算效率问题,以及与GRAPES全球4DVar匹配的同化关键参数确定问题。选择基于4DVar的集合资料同化方法生成集合样本,通过将第1个样本极小化迭代过程中产生的预调节信息用于其他样本极小化做预调节,将计算效率提高了2倍。通过时间错位扰动方法增加集合样本数,实现集合样本增加到3倍。对集合方差进行膨胀,并选择水平局地化相关尺度为流函数背景误差水平相关的1.4倍。通过批量数值试验方法确定背景误差与集合预报误差的权重系数,对60个集合样本当集合预报误差权重为0.7时预报效果最好。对北半球夏、冬两季各52 d的批量试验表明,对于南、北半球En4DVar （ensemble 4DVar）较4DVar的改进在冬季主要集中在700—30 hPa,而在夏季主要集中在400—150 hPa。赤道地区受季节影响较小,En4DVar对位势高度、风场与温度的改进都较为明显,且经向风场的改进最为显著。文中研发的集合预报误差在GRAPES全球4DVar中应用的方法合理可行。      

提高月预报业务水平的动力相似集合方法

针对基于大气环流模式的月预报问题,提出了一种能有效减小预报误差并提高预报技巧的动力相似集合预报新方法。该方法着眼于动力模式与统计经验的内在结合,在模式积分过程中通过提取大气环流历史相似性信息,对模式误差进行参数化处理,形成多个时变的相似强迫量来扰动生成预报的集合成员。将这一集合新方法应用到中国国家气候中心业务大气环流模式(BCC AGCM1.0),一组10 a准业务环境下回报试验结果显示,相比于业务集合预报,动力相似集合预报方法能有效改进模式对于大气环流的纬向平均、超长波和长波预报,从而有效提高了月平均环流预报技巧(几乎达到业务可用标准)和逐日环流预报技巧,并显著降低了预报误差,合理增加集合离散度,使二者配置关系得以改善,有望在业务预报中应用。     

基于增长模繁殖法的初始分析误差 计算及集合预报试验

首先用成对繁殖的方法对NCEP再分析资料与T106分析场中的快速增长分析误差进行了计算和比较,然后把它们叠加到各自的初始场中进行了多初值集合预报试验。结果表明,用不同分析资料计算的达到饱和的快速增长误差,两者在全球分布上既有许多相似的地方,也存在一些不同,多初值集合是综合考虑它们的有效方法;考虑了两种分析误差的集合预报比只考虑一种分析误差的集合预报优越;在集合总成员数不变的前提下,发现引入另一种分析资料的集合成员数并不是越多越好,就预报技巧的最大改善而言,其存在一个阀值。     

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。     

CMA全球集合预报系统误差增长及预报性能的尺度依赖特征诊断分析

利用CMA全球集合预报(CMA-GEPS)业务系统2020年6月1日至2021年5月31日一整年的500 hPa位势高度场(H₅₀₀)预报数据,诊断评估了CMA-GEPS在北半球地区误差增长及预报性能的尺度依赖特征。使用谱滤波方法实现H₅₀₀不同尺度(包括行星尺度、天气尺度与次天气尺度)分量的分离。从集合平均均方根误差(简称集合平均误差)-离散度关系来看,在预报前期(108 h之前),CMA-GEPS集合平均误差小于集合离散度,存在过度发散的问题,主要是由天气尺度分量离散度过大导致;在预报后期(108 h之后),CMA-GEPS集合平均误差大于集合离散度,离散度偏小,是由行星尺度与天气尺度分量离散度不足共同引起。采用Dalcher等1987年修订的误差增长模型对H₅₀₀集合平均预报误差增长特征进行诊断分析,发现CMA-GEPS误差增长过程合理,初始误差在次天气尺度上增长最快,行星尺度上增长最慢;就绝对(相对)误差而言,模式误差对预报误差的影响随空间尺度的增大而增大(减小)。此外,将使用1989至2018年共计30 a的E...     

The Relationship between Deterministic and Ensemble Mean Forecast Errors Revealed by Global and Local Attractor Radii

It has been demonstrated that ensemble mean forecasts, in the context of the sample mean, have higher forecasting skill than deterministic(or single) forecasts. However, few studies have focused on quantifying the relationship between their forecast errors, especially in individual prediction cases. Clarification of the characteristics of deterministic and ensemble mean forecasts from the perspective of attractors of dynamical systems has also rarely been involved. In this paper, two attractor statistics—namely, the global and local attractor radii(GAR and LAR, respectively)—are applied to reveal the relationship between deterministic and ensemble mean forecast errors. The practical forecast experiments are implemented in a perfect model scenario with the Lorenz96 model as the numerical results for verification. The sample mean errors of deterministic and ensemble mean forecasts can be expressed by GAR and LAR, respectively, and their ratio is found to approach2~(1/2) with lead time. Meanwhile, the LAR can provide the expected ratio of the ensemble mean and deterministic forecast errors in individual cases.     

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。     

Forecast Error and Predictability for the Warm-sector and the Frontal Rainstorm in South China

In south China, warm-sector rainstorms are significantly different from the traditional frontal rainstorms due to complex mechanism, which brings great challenges to their forecast. In this study, based on ensemble forecasting, the high-resolution mesoscale numerical forecast model WRF was used to investigate the effect of initial errors on a warmsector rainstorm and a frontal rainstorm under the same circulation in south China, respectively. We analyzed the sensitivity of forecast errors to the...     

空气质量多模式系统在广州应用及对PM10预报效果评估

介绍了广州空气质量多模式系统并评估其对2010年9月广州市的气象要素和PM10日均浓度的24 h的预报效果.评估结果表明：模式系统较好地预测了气象要素的变化,但高估了风速;各空气质量模式能合理预测广州PM10浓度的时空变化,预报效果均处于可接受范围内(平均分数偏差MFB小于±60%且平均分数误差MFE小于75%),部分模式可达到优秀水平(MFB小于±30%且MFE小于50%),但同时各模式在郊区均预测偏高而在市区偏低;总体上,模式在广州郊区的PM10预报效果优于市区.模式间对比表明,在本次业务预报实践中,不存在最优的单模式,同一模式对不同的统计指标、不同的站点,其预报效果可能存在差异,基于算术平均集成各模式结果未能获得最优的预报效果.优化排放源空间分布并引进更好的集成预报方法(如权重平均、神经网络、多元回归等)是未来改进广州空气质量多模式系统预报效果的可能途径.     

Partition of Forecast Error into Positional and Structural Components

Weather manifests in spatiotemporally coherent structures. Weather forecasts hence are affected by both positional and structural or amplitude errors. This has been long recognized by practicing forecasters(cf., e.g.,Tropical Cyclone track and intensity errors). Despite the emergence in recent decades of various objective methods for the diagnosis of positional forecast errors, most routine verification or statistical post-processing methods implicitly assume that forecasts have no positional error.The Forecast Error Decomposition(FED) method proposed in this study uses the Field Alignment technique which aligns a gridded forecast with its verifying analysis field. The total error is then partitioned into three orthogonal components:(a) large scale positional,(b) large scale structural, and(c) small scale error variance.The use of FED is demonstrated over a month-long MSLP data set. As expected, positional errors are often characterized by dipole patterns related to the displacement of features, while structural errors appear with single extrema, indicative of magnitude problems. The most important result of this study is that over the test period, more than 50% of the total mean sea level pressure forecast error variance is associated with large scale positional error. The importance of positional error in forecasts of other variables and over different time periods remain to be explored.     

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。     

The Optimized Short-Range Ensemble Forecast Based on Singular Vector Calculations

In ensemble forecast,by summing up ensemble members,filtering the uncertainty,and retaining the common component,the ensemble mean with a better result can be achieved.However,the filtering works only when the initial perturbation develops nonlinearly.If the initial perturbation propagates in a linear space,the positive and negative members will counteract,leading to little difference between ensemble mean and control forecast and finally insignificant ensemble result.In 1 2-day ensemble forecast,based on singular vector (SV) calculations,to avoid this insignificance,the counteracting members originated from the same SV are advised not to put into the ensemble system together;the only candidate should be the one with the better forecast.Based on the ingredient analysis of initial perturbation development,a method to select ensemble members is presented in this paper,which can fulfill the above requirement.The regional model MM5V1 of NCAR/PSU (National Center for Atmosphere Research/Pennsylvania State University) and its corresponding tangent adjoint model are used.The ensemble spread and forecast errors are calculated with dry energy norm.Two mesoscale lows on the Meiyu front along the Yangtze River are examined.According to the analysis of the perturbation ingredient,among couples of counteracting members from different SVs,those members performing better always have smaller or greater spread compared with other members.Following this thinking,an optimized ensemble and an inferior ensemble are identified.The ensemble mean of the optimized ensemble is more accurate than that of the inferior ensemble,and the former also performs better than the traditional ensemble with positive and negative members simultaneously.As for growth of the initial perturbation,those initial perturbations originated from the summed SVs grow more quickly than those from the single SV,and they enlarge the range of spread of the ensemble effectively,thus leading to better performance of ensemble members.     

ENSO预测的目标观测敏感区在热带太平洋海温的多模式集合预报中的应用

本文将ENSO预测的目标观测敏感区与多模式集合预报方法相结合, 提出了一种能够有效提高预报技巧且又具有较小计算成本的多模式集合预报方法。该方法在目标观测敏感区内采用模式不等权的多模式超级集合预报方法(SUP), 而在其他区域采用相对简单的等权的多模式消除偏差集合平均方法(BREM)。利用CMIP5中15个气候系统模式的工业革命前参照试验(pi-Control)数据, 针对热带太平洋海温的长期演变开展了理想预报试验。将新集合预报方法与现有的多模式集合预报方法进行了比较。结果表明, 在所考察的预报期内(即1～20年), 新集合预报方法与整个热带太平洋区域使用SUP方法具有相当的预报技巧, 但前者的计算成本明显小于后者, 计算时间仅为后者的1/4。可见, 新方法是一个具有较高预报技巧且计算成本较小的多模式集合预报方法。同时, 其较高的预报技巧强调了热带太平洋SST预测对ENSO目标观测敏感区内的模式误差也是极端敏感的, 也正因如此, 多模式集合预报方法才能够有效过滤模式误差的影响, 具有较高的预报技巧。     

基于模式预报倾向的预报系统设计与初步试验

为了充分利用数值模式的预报产品信息,首先对数值模式预报产品的误差进行了分析,针对误差分析结果,首次提出了一种新的基于模式预报倾向的精细化预报方法,并在此基础上设计开发了新疆精细化数值预报系统。初步试验结果表明:该方法对新疆地区的温度预报具有一定的正效果。后期经过调整订正系数,利用更多时次的观测资料进行温度订正,则有望可以使订正的温度更加接近观测。即该方法可以提高气象台站的温度预报准确率,展现了该方法的业务应用潜力。