基于T213集合预报的极端天气预报指数及温度预报应用试验

本文基于中国T213集合预报系统资料,借鉴欧洲中期天气预报中心极端天气预报指数的数学处理方案,在分析T213模式数据特征的基础上,研究了T213集合预报系统极端天气预报指数的数学处理方法,建立了适合T213集合预报模式的极端天气预报指数,并利用该指数对2008年1月极端低温天气进行了预报试验和评估检验,分析模式气候累积概率分布生成方法对极端天气预报指数的影响,得到以下结论：（1）确定了利用T213集合预报系统所有预报成员生成的模式气候累积概率分布计算极端天气预报指数;（2）利用TS评分确定极端天气预报指数发布极端低温预警信号的阈值为-0．3并进行预报试验。试验结果表明,极端天气预报指数对极端低温天气具有较好的识别能力,可提前3-5天发出极端低温预警信号。利用相对作用特征曲线对极端天气预报指数识别极端天气的技巧进行评估检验,检验结果显示,基于T213集合预报生成的极端天气预报指数对极端低温的预报存在正的识别技巧,随着预报时效的延长,识别技巧逐渐降低。（3）评估不同模式气候累积概率分布对极端天气预报指数识别极端低温天气技巧的影响,结果表明：产生模式气候累积概率分布的模式数据误差一致性是关键因素。     

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T639集合预报的持续性强降水中期客观预报技术研究

针对持续性强降水预报困难的问题,根据Anderson-Darling检验原理,构建基于中国气象局T639集合预报系统的持续性强降水中期客观预报方法。对比分析2010-2015年5-9月T639集合预报降水与实况降水的累积概率分布函数差异,在此基础上采用扩展时间序列和空间范围的方法构建3种模式气候累积概率方案,通过批量预报试验和检验,选取最优概率方案纳入预报模型,考察持续性强降水个例的最长预报时间。结果表明,随着预报时效的延长,集合预报模式的降水逐渐集中于小和中雨量级,无降水和暴雨以上量级的降水概率低于观测,168 h以后模式降水概率趋于稳定。通过扩展时间序列和空间范围能弥补模式气候资料年限不足所带来的偏差,根据区域气候特征细分模式气候的方法重点突出了不同区域的降水特征,明显优于简单集合所有区域数据的模式气候方案。基于集合预报的持续性强降水预报模型对持续性强降水个例的预报能力为8-9 d,随着预报时效的延长,降水强度以及雨带位置的预报能力逐渐减弱。      

暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究

利用2008—2011年6—8月中国气象局T213全球集合预报24—240 h降水预报资料和四川盆地观测降水资料,提出四川盆地暴雨集合预报-观测概率匹配订正法。该方法将集合预报降水累积概率分布与观测降水累积概率分布进行概率匹配,对降水量为50 mm的集合预报平均值进行订正,获得暴雨预报订正值(A Calibrated Heavy Rainfall forecast value),累积降水概率分布拟合函数采用Gamma函数。选取2013年6月28日—7月10日进行独立样本暴雨预报试验,分析四川盆地暴雨预报订正值分布特征和订正前后降水检验评分变化,讨论该方法存在的若干局限性。结果显示:T213集合预报对四川盆地降水预报存在预报量较观测量级小、模式预报时效越长降水预报越弱等系统性偏差,暴雨集合预报-观测概率匹配订正值普遍小于50 mm,且随预报时效延长而逐渐减小,有效地订正了T213暴雨集合预报系统性误差;暴雨集合预报-观测概率匹配订正法对"有或无暴雨"二分类暴雨预报改善较明显,ETs评分获得提高,且漏报率和空报率有所降低。     

基于T213集合预报的中国极端温度预报方法研究

基于中国T213集合预报系统资料,根据Anderson-Darling检验原理,研究基于集合预报与模式历史预报累积概率密度(简称模式气候)分布函数连续差异特征的极端温度天气预报方法,建立极端温度天气预报指数(Extreme Temperature Forecast Index, 简称EFI)的数学模型。利用S指数评分方法确定发布极端温度预警信号的阈值,得出:1月的发布极端高温的预警信号的阈值为0.7或0.8,发布极端低温的预警信号的阈值为-0.7或-0.8。基于EFI指数以及该阈值,对2013年1月中国极端温度天气进行预报试验,得出:极端天气预报指数对极端温度天气具有较好的识别能力,可提前3~7 d发出极端温度预警信号,随着预报时效的延长,预报技巧逐渐降低。     

青藏高原东侧"2003.8.28"暴雨的集合预报试验

利用MM5模式和国家气象中心的T213模式的预报资料,通过研究非绝热物理过程参数化方案对高原东侧"2003.8.28"暴雨数值预报的影响特征,进行了多物理模式集合预报试验,为开展青藏高原东侧集合预报扰动技术研究进行了试验.试验结果表明,模式物理参数化方案对中尺度降水预报结果有明显影响,包括局地降水强度、空间分布型态、时间演变特征等.随着模式分辨率的提高,积云对流参数化方案将增加小雨量级降水区域,产生一些虚假降水,就现阶段模式水平而言,高分辨率集合预报应重点发展考虑强降水预报不确定性的集合预报模式系统.多物理模式集合预报的初步试验结果表明,高分辨率集合预报可以改进单一确定性预报结果不稳定的缺点,为强降水灾害性天气预报提供有价值的预报信息.     

2004年主汛期各数值预报模式定量降水预报评估

随着数值预报技术的飞速发展, 模式定量降水预报已成为天气预报业务工作中的主要参考依据。本文对目前在国家气象中心应用的3个业务运行模式T213L31, HLAFS0.25, 华北中尺度模式MM5和德国模式及日本模式的降水预报产品进行了季节空间分布、区域时间序列演变及统计检验, 试图从空间、时间及统计方面对降水预报产品的预报性能进行综合评估。检验结果表明:目前的数值预报模式对短期时效内定量降水预报均具有一定的空间预报能力, 但强降水中心位置有一定的偏差; 从时间序列演变检验来看, 模式对区域强降水过程的发展趋势具有较强的预报能力, 但降水量预报与实况有一定的差距; 从累加统计评分检验结果来看, 模式短期时效的预报性能差别不大, 全球模式在小中雨预报方面有一定优势, 其中日本模式的综合预报性能最好, 大雨以上量级的预报则是国内的模式有一定的优势, 其中华北中尺度MM5模式, T213L31模式各有所长, 但均存在预报量和预报区偏大问题。     

基于集合预报的川渝地区极端降水指数应用研究

利用2007—2012年中国气象局T213集合预报资料,根据Lalaurette提出的集合预报极端天气指数预报方法,提取并对比分析了川渝地区的集合预报累计概率密度分布函数特征,建立了基于集合预报与其历史预报的累计概率密度分布函数连续差异的数学模型—极端降水预报指数(EPFI),并对川渝地区历史上3次预报服务误差较大的典型灾害性强降水过程进行了极端降水预报指数的预警试验。结果表明:极端降水预报指数可以充分利用集合降水累计概率密度分布的尾端信息,为川渝地区极端强降水提供科学合理的预警,在3次强降水预报业务中可提前1～5?d发出极端强降水预警信号,对控制预报的强降水落区有一定订正功能与补充指导作用;对于不同强降水天气过程,极端降水预报指数在不同预报时效上的预报能力有较大差异,但都对极端强降水的落区有较好的预报效果,在实际预报业务中,为灾害性降水落区的预报决策提供了有价值的参考。     

转折性天气降水预报检验方法及应用

采用转折性天气降水检验评估方法,从转折天气预报能力的角度评价了模式降水预报能力。对全球中期T213、日本和德国数值预报模式在2006年9月至2008年8月的降水预报检验评估分析表明:转折天气降水预报能力检验是目前降水检验方法的有效补充。3种模式的转折天气降水预报能力随着预报时效的延长,存在逐渐递减的趋势;短期预报能力分析,T213和日本模式春季最好,而德国模式是夏季最好;48h预报分析,T213和日本模式在长江中下游、华北及东北等部分地区、德国模式在四川盆地和华南部分地区预报效果较好。     

黄淮地区夏季日降水分区概率预报方法研究

利用我国黄淮地区1961—2010年50年6—8月的日降水资料,采用REOF和t检验的方法,将中国黄淮地区夏季降水分成Ⅰ—Ⅴ区。5个区域进行差异性t检验表明5个区域之间（彼此）差异显著,说明了区域划分的正确性。在此基础上利用1999—2007年6—8月站点日降水资料以及CFSv2模式后预报的日降水资料建立了5个区域内共5个代表站点的夏季日降水概率预报方程,并进行了确定性、概率性预报检验和业务试用检验。对各区域内5个代表站日降水量的确定性预报检验表明：Logistic回归降水概率预报方程的TS评分要高于CFSv2模式预报和T213的集合预报平均,空报率也低于CFSv2模式预报和T213集合预报平均,但是漏报率却略高。各区域代表站日降水量的概率预报Brier评分检验表明：Brier评分均不超过0.2,大大低于T213集合预报所得概率预报的Brier评分分值,说明本文Logistic回归方程的概率预报较为可靠。Brier技巧评分表明：Logistic回归降水概率预报方程各站的BSS技巧评分都大于0.0,说明各站的预报技巧高于检验样本气候概率的预报技巧,且高于T213集合预报的Brier技巧评分,说明在分区基础上建立Logistic回归降水概率预报方程的方法是有预报意义的。     

时间扩展取样集合卡尔曼滤波同化模拟探空试验研究

目前,集合卡尔曼滤波同化预报循环系统主要的计算量和时间都花费在样本成员的预报上,小样本数虽能减少计算量,但样本数过少,特别是当有模式误差时,又会导致滤波发散。为了提高集合卡尔曼滤波同化预报循环系统的效率并减轻滤波发散等问题,开展了基于WRF的时间扩展取样集合卡尔曼滤波同化模拟探空的试验研究,以考察其在中尺度模式中的同化效果。预报时对一组样本数为Nb的样本,不仅在分析时刻取样,同时也在分析时刻前和后每间隔Δt时间进行M次取样,即在没增加预报样本数的情况下,增加了分析样本成员数(Nb+2M×Nb),从而在保证不降低分析精度的前提下,也达到减小集合卡尔曼滤波的计算量的要求。通过一系列试验来检验时间扩展取样的时间间隔Δt及在分析时刻前和后最大取样次数M对同化结果的影响。试验结果表明,当选择合适的Δt和M时,时间扩展集合卡尔曼滤波的同化效果非常接近于样本数为(1+2M)×Nb的传统集合卡尔曼滤波效果,具有一定的可行性。     

2002—2005年T213数值降水预报产品分析检验

利用2002-2005年T213模式的降水预报值和全国400个标准测站的降水实况资料，采用客观降水检验方法，对T213数值降水预报产品的预报能力进行了分析检验。结果表明：降水预报TS评分和预报偏差B值均存在明显时空分布差异；各级降水中，小雨TS值最大、B值最小，夏季TS和B值均好于其它季节；中到大雨TS最高评分和最低B值均是长江中下游地区，其次是华南；暴雨TS评分各区较低，但华南、长江中下游地区和东北地区B值较小。这些地区T213降水预报对预报业务有较好的参考作用。T213降水预报对春季东北地区和华北的强雨（雪）、夏季长江中下游地区的梅雨、西部地区的华西秋雨等降水过程具有相当好的预报能力。     

7个IPCC AR4模式对中国地区极端降水指数模拟能力的评估及其未来情景预估

利用中国区域550个站点1961～2000年日降水量资料, 考察参与政府间气候变化委员会(IPCC)第四次评估报告的7个新一代全球模式及多模式集合对现代气候情景下(20C3M)5个极端降水指数的模拟能力, 同时进行中国区域未来不同排放情形下极端降水事件变化的预估, 结果表明: 最新全球模式能较好地模拟出极端降水指数气候场的空间分布及其中国区域的线性趋势, 且模式集合模拟能力优于大部分单个模式, 但在青藏高原东侧、 高原南部存在虚假的极端降水高值区, 模拟的东部季风区的极端降水强度系统性偏低, 区域平均序列年际变率的模拟能力也较低。中国地区21世纪与降水有关的事件都有趋于极端化的趋势, 极端降水强度可能增强, 干旱也将加重, 且变化幅度与排放强度成正比。     

基于交叉验证的多模式超级集合预报方法研究

利用AREM、MM5和WRF 3个中尺度有限区域模式,通过选取对短期天气预报影响颇大的积云参数化方案和边界层方案构成15个集合预报成员,以2003年7月汛期天气为研究对象,分别采用相关加权、多元线性回归以及支持向量机回归与"交叉验证"相结合的方法,开展有限区域模式的多模式短期超级集合预报研究.文中主要对上述3种方法的24 h降水和700 hPa流场的超级集合预报结果与多模式集合平均预报结果以及T213模式结果进行了对比分析,结果表明:(1)对于24 h降水,支持向量机回归方法的超级集合预报得到的均方根误差比多模式集合平均小,各降水临界值的TS异常评分比多模式集合平均高;并且它也较相关加权法和多元线性回归的超级集合预报效果好.(2)对于700 hPa流场,对比分析各预报结果经过向量EOF分析得到的风场第1模态和第2模态表明,多模式集合平均主要使风场强度变小,多元线性回归和支持向量机回归的超级集合预报可以较好地刻画风场的强度分布,其中支持向量机回归的超级集合预报对风场强度及其区域分布的预报效果最好.(3)对于700 hPa流场,超级集合预报明显优于同期T213模式预报,从相同的预报均方根误差意义看,支持向量机回归的超级集合预报至少较T213模式预报能提前12 h.     

几种数值预报模式在广西降水预报效果的比较

根据最近5年的降水资料和T213、日本、德国三家数值模式降水预报产品,对三家数值模式在广西晴雨预报和降水分级预报的能力进行分析、比较,结果表明,T213模式的暴雨预报能力最强,日本模式在大雨及以下各级降水预报中预报能力最强,但降水的量级比实况偏小;德国模式对晴雨预报,特别是无雨天气预报能力明显高于日本模式和T213模式。     

非绝热物理过程对北京暴雨数值预报不确定性影响

选取了2001年8月发生于北京市的具有不同大尺度环流强迫特征的两次强降水过程,利用MM5模式和国家气象中心的T213预报资料,分析了模式非绝热物理过程对北京市暴雨数值预报的影响特征和不确定性,探讨了解决暴雨预报不确定性的集合预报方法,进行了多物理模式集合预报试验。试验结果表明:模式非绝热物理参数化方案对精细化预报结果有明显影响,包括局地降水强度、空间分布型态、时间演变特征等;在高分辨率模式中,采用积云对流参数化方案后,会出现更多的小量级降水预报,且不论是大尺度强迫较强的暴雨,还是大尺度强迫较弱的暴雨,对流参数化方案都是造成降水预报不确定性的重要因素。多物理集合预报的初步试验结果表明,高分辨率集合预报可提供有价值的预报信息,是解决灾害性天气预报不确定性的一种有效的技术方法,但就目前的模式水平而言,可重点发展降水集合预报,特别是强降水集合预报系统,以反映模式在降水预报中存在的不确定性。     

新疆213数值预报降水评价

利用2006年新疆107个测站的实况降水资料和T213模式的降水预报值,根据中短期天气预报质量检验办法中客观降水检验方法,对T213数值降水预报产品的24 h预报能力进行了分析检验,结果表明：（1）T213对新疆地区暴雨和大暴雨基本无预报能力。（2）T213在新疆区域对于小量和中量降水的整体预报能力北疆要明显好于南疆。（3）T213的预报能力存在一定的季节性,对弱降水过程预报能力较差。（4）从小量到大量降水,T213的空报率和漏报率都很高,整体预报效果不好。     

新疆T213数值预报降水评价

利用2006年新疆107个测站的实况降水资料和T213模式的降水预报值,根据中短期天气预报质量检验办法中客观降水检验方法,对T213数值降水预报产品的24 h预报能力进行了分析检验,结果表明:(1)T213对新疆地区暴雨和大暴雨基本无预报能力。(2)T213在新疆区域对于小量和中量降水的整体预报能力北疆要明显好于南疆。(3)T213的预报能力存在一定的季节性,对弱降水过程预报能力较差。(4)从小量到大量降水,T213的空报率和漏报率都很高,整体预报效果不好。     

海河流域东北冷涡背景下的降水预报订正研究

针对海河流域东北冷涡降水样本,应用海河流域加密自动站降水资料及欧洲中期天气预报中心（ECMCWF）降水预报资料,利用滑动相关分析方法建立重组预报序列,基于加密自动站24 h累积降水量及重组24 h降水预报序列的Gamma累积概率分布曲线,采用预报—实况概率匹配方法建立1～3日的短期订正模型并进行试报检验。结果表明:欧洲中心数值模式对于海河流域东北冷涡降水的预报较实况偏慢;概率匹配法主要通过订正降水量级来改善预报结果,订正后降水预报对于小雨、大雨、暴雨预报的TS（Threat Score）评分技巧均有提升,尤其对于大雨和暴雨及以上量级预报,订正后预报量级及预报落区大小均与实况更加接近,订正效果显著。东北冷涡降水对流性强,模式预报能力弱,而订正后预报能有效提高此类强降水的预报技能,具有较好的应用价值。     

2007年汛期AREM模式降水预报效果检验分析

过对2007年6～8月AREM模式降水预报做不同时效、不同区域的TS评分对比,比较AREM与T213、JAPAN三个模式降水预报TS评分,并对AREM模式2007年汛期主要降水过程预报效果进行检验分析,从而获得AREM模式2007年汛期降水预报效果和特点,结果表明:(1)从AREM模式不同时效降水预报TS评分对比可知,对长江中下游区域,AREM模式12～36 h预报效果好于0～24 h预报,24～48 h效果相对较差,对华南、华北、东北、西南东部区域的降水,AREM模式预报效果均随时效延长而减弱。(2)由AREM模式对不同区域降水预报TS评分的对比可知,AREM模式(各预报时效)对长江中下游地区各量级降水预报的TS评分均高于全国范围的TS评分,西南东部(各预报时效)小雨(以上)量级TS评分均为各区域最高,但中雨以上各量级TS评分均低于全国范围,其他区域无稳定的预报特性。(3)从AREM、T213、JAPAN对长江中下游地区12～36 h降水预报TS评分对比可知,三个模式小雨(以上)量级降水的TS评分基本相当,对该区域暴雨、大暴雨强降水中心的预报,AREM好于T213,JAPAN相对较差,随量级增加AREM预报优势表现更为明显。(4)对2007年汛期6次个例分析可知,AREM模式对长江中下游尤其是江淮流域的大范围强降水过程预报效果较好,对暴雨、大暴雨中心的预报较T213和JAPAN有明显的优势,但对小范围、局地强降水过程的预报效果不够理想。