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。     

多模式短期集合降水概率预报试验

利用AREM、MM5和WRF3个中尺度数值模式,通过积云参数化和边界层方案组合构成15个集合成员,对中国2003年7月汛期降水分别采用平均法、相关法、Rank法开展多模式短期集合降水概率预报试验。结果表明：用上述3种方法制作的多模式短期集合概率预报都能对降水落区及中心做出较准确的预报,但平均法和相关法易使降水落区虚假放大,Rank法则能较好地刻画降水落区边界及强度,其概率预报效果优于平均法和相关法结果。采用BS（Brier score）、RPS（ranked probability score）评分和ROC（relative operating characteristic）曲线对3种方法的降水概率预报效果评价时发现,对某一临界值等级的概率预报,3种方法结果差异较小;但对某一天降水概率预报结果的综合评价表明,Rank法显著优于前两种方法;降水强度大、范围广的降水的RPS评分和各级的BS评分较高,表明多模式降水概率预报也具艰巨性。     

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。     

基于BGM的对流尺度集合预报试验及其检验

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。     

“频率匹配法”在集合降水预报中的应用研究

基于“频率匹配法”的思路,采用两种方法进行了集合降水预报的订正研究,一种方法是利用集合成员降水频率订正简单集合平均平滑效应的“概率匹配平均”法,另一种方法是利用实况降水频率订正集合成员降水预报系统偏差的“预报偏差订正”法,通过个例和批量试验,结果表明:(1)概率匹配平均法可以矫正简单集合平均的平滑作用所造成的小量级降水分布范围增大而强降水被削弱的负作用,这种改进对强降水区更显著,并且集合系统离散度越大这种改进也越大;但该方法对预报区域内总降水量的预报没有改进作用,不能改善预报的系统性偏差.(2)虽然预报偏差订正法对降水落区预报的改进有限,但可以订正模式降水预报的系统性误差,改进雨量预报以及集合预报系统的离散度特征和概率预报技巧;直接对集合平均预报进行偏差订正的效果优于单个成员偏差订正后的简单算术平均.(3)在对每个集合成员的降水预报进行偏差订正后,概率匹配平均仍可改善其简单平均的效果,因此在实际业务中,应该综合采用上述两种方法,以获得在消除系统性偏差的同时各量级降水分布又合理的集合平均降水预报.     

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。     

新型局地增长模培育法对两次飑线个例的对流尺度集合预报试验

利用局地增长模培育法对两次典型飑线过程进行了对流尺度集合预报试验,通过与传统增长模培育法对比,检验了局地增长模培育法的实际预报效果。通过概率匹配平均处理后,将降水预报结果与实况资料进行对比分析,并用分数技巧评分来代替传统公平技巧评分实现对降水结果的合理检验,得出结论:1)在飑线降水预报上,局地增长模培育法优于增长模培育法。2)分数技巧评分比公平技巧评分更好地反映对流尺度集合预报能力,特别是在大暴雨量级降水评估上。3)降水评分结果显示,集合平均对于小雨、中雨和大雨级别降水的预报技巧高于概率匹配平均,概率匹配平均对于暴雨和大暴雨级别降水更有优势。     

基于快速更新同化的滞后短时集合预报试验及检验

本文基于华东区域中尺度快速更新同化数值预报模式系统(Shanghai Meteorological Bureau WRF ADAS Rapid Refresh System,SMB WARR),应用时间滞后法进行集合预报试验,试验由7个集合预报成员组成,进行逐小时预报,预报时效为6 h。本文通过对2011年6月17日至9月30日期间降水过程进行集合预报试验,引入面雨量对降水预报进行检验。结果表明：(1)小 大雨量级,集合平均优于集合成员预报,但暴雨量级集合平均不及部分集合成员预报。(2)不同的降水量级,并非都是最接近预报时刻,技巧最高,小 大两量级的降水可以提前6 h预报。(3)降水概率预报优于集合平均预报,具有很好的指示作用。可关注最接近预报时刻,小 中雨以上的降水,预报概率较大时,其可用性较大,而大 暴雨以上的降水,预报概率较小时,可用性较大。     

重庆风暴尺度集合预报系统降水预报性能分析

本文利用重庆风暴尺度集合预报系统业务存档的2017年8月1～31日逐日08时起报的模式预报资料及相应的观测资料对该系统的降水预报进行了检验评估及综合分析,综合各种检验结果,总体而言:该系统集合平均和概率匹配平均等集合预报产品相对于控制预报表现出了较明显的优势;小雨和中雨量级降水集合平均的TS评分优于概率匹配平均;大雨和暴雨量级降水概率匹配平均的TS评分优于集合平均;各预报时效的Talagrand分布均表现出实况落在第11个概率区间的概率明显高于其他概率区间,需要在今后的科研和业务中加以关注;Outlier评分介于0.12～0.26;降水概率预报检验方面,各个降水量级的预报失误概率Brier评分和相对作用特征技巧评分AROC均较为理想。总体而言,该系统在降水预报方面相对于单一的确定性预报而言表现出了一定的优势。      

江苏省雷达降水估测集合分析

使用2019年、2020年5—8月江苏省降水分析场及站点观测资料,生成具有定量降水估测(Quantitative Precipitation Estimation,QPE)不确定性时间和空间结构的集合QPE,并用观测降水对集合QPE进行了确定性和概率性检验。确定性验证说明集合QPE能在总体上减小降水量的绝对误差和均方根误差,但也加重了某些区域的降水低估。集合平均能提高估测降水的准确率并减小空报率,也会使漏报增多,这使小雨的TS评分有所降低,但各量级降水TS评分仍能保持在较高水平。集合QPE对各量级降水都有较优的Brier评分,降水量级越大,估测效果越好。集合的离散度较小,且将集合成员排序后,观测值落在两头的频率更高,也反映了离散度偏小。此外,观测值大于集合成员最大值的频率更高,说明集合QPE倾向于低估降水。随着概率阈值的增大,集合估测降水发生的命中率(POD)和假警报率(POFD)逐渐增大,但POD增大的程度比POFD大得多,使相对作用特征曲线为折线。不同概率阈值下的POD和POFD体现了集合QPE对各量级降水都有较高的估测技巧,其中对小雨和中雨分辨能力最好。集合估测小雨和特大暴雨发生概率小于实际频率的情况较为严重,而估测的中雨和大雨发生概率与实际降水的发生频率非常接近,有很高的可靠性,但总体上集合QPE仍是倾向于低估降水的发生概率。     

中国夏季降水多模式集成概率预报研究

基于TIGGE资料中的中国气象局（CMA）、欧洲中期天气预报中心（ECMWF）、日本气象厅（JMA）、美国国家环境预报中心（NCEP）以及英国气象局（UKMO）五个中心2007-2011年5月25日-8月31日中国地区逐日12-36 h、36-60 h、60-84 h、84-108 h、108-132 h与132-156 h累积降水集合预报资料,分别利用PoorMan （POOL）和多模式消除偏差（MBRE）两种方法对2011年各中心降水概率预报进行集成,并采用RPS和BS评分方法对预报效果进行评估。结果表明,对于12-156 h逐24 h累积降水量概率预报,多模式集成预报效果优于单模式预报效果,且多模式消除偏差概率预报效果最好;针对小雨、中雨以及大雨以上降水,PoorMan和MBRE概率预报较单中心预报效果均有提高,MBRE概率预报效果优于PoorMan方法。     

A CRPS-Based Spatial Technique for the Verification of Ensemble Precipitation Forecasts

Traditional precipitation skill scores are affected by the well-known“double penalty”problem caused by the slight spatial or temporal mismatches between forecasts and observations. The fuzzy (neighborhood) method has been proposed for deterministic simulations and shown some ability to solve this problem. The increasing resolution of ensemble forecasts of precipitation means that they now have similar problems as deterministic forecasts. We developed an ensemble precipitation verification skill score, i.e., the Spatial Continuous Ranked Probability Score (SCRPS), and used it to extend spatial verification from deterministic into ensemble forecasts. The SCRPS is a spatial technique based on the Continuous Ranked Probability Score (CRPS) and the fuzzy method. A fast binomial random variation generator was used to obtain random indexes based on the climatological mean observed frequency, which were then used in the reference score to calculate the skill score of the SCRPS. The verification results obtained using daily forecast products from the ECMWF ensemble forecasts and quantitative precipitation estimation products from the OPERA datasets during June-August 2018 shows that the spatial score is not affected by the number of ensemble forecast members and that a consistent assessment can be obtained. The score can reflect the performance of ensemble forecasts in modeling precipitation and thus can be widely used.     

邻域空间检验技术在集合降水预报检验中的应用

常规降水检验受空间及时间微小差异所带来的"双重惩罚"影响严重,邻域空间检验FSS(Fraction Skill Score)方法在确定性预报中已体现出弥补这一不足的明显优势。随着集合预报分辨率的不断提高,集合降水预报同样存在与确定性预报相似的问题。本研究将FSS方法拓展至集合预报领域,构建适用于集合预报的降水空间检验指标EFSS(Ensemble Fraction Skill Score),利用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)集合预报模式2018年夏季降水预报产品及国家气象信息中心提供的格点化降水融合产品进行分析,发现EFSS评分不受集合成员数影响,可获取一致性的评估结论。通过与适用于集合预报的常规技巧评分EETS(Ensemble Equitable Threat Score)对比分析发现,常规技巧评分受限于评分过低而无法有效反映强降水过程间差异性特征,EFSS方法则可有效提升强降水预报检验辨识度。     

东亚地区冬季地面气温延伸期概率预报研究

利用TIGGE资料中的ECMWF、NCEP、UKMO三个中心集合预报系统以及由此构成的多中心集合预报系统所提供的地面2 m气温10~15 d延伸期集合预报产品,建立贝叶斯模式平均(Bayesian Model Averaging,BMA)概率预报模型,对东亚地区冬季地面气温进行延伸期概率预报研究。采用距平相关系数、均方根误差、布莱尔评分、等级概率评分等指标分别对BMA确定性结果与概率预报进行评估。结果表明,BMA方法明显地改进了原始集合预报结果,预报技巧优于原始集合预报,且多中心BMA预报优于单中心BMA预报,最佳滑动训练期取35 d。BMA预报为气温的延伸期概率预报提供了更合理的概率分布,定量描述了预报的不确定性。     

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。      

基于TIGGE多模式集合的24小时气温BMA 概率预报

利用TIGGE(THORPEX Interactive Grand Global Ensemble)单中心集合预报系统(ECMWF、United Kingdom Meteorological Office、China Meteorological Administration和NCEP)以及由此所构成的多中心模式超级集合预报系统24小时地面日均气温预报,结合淮河流域地面观测率定贝叶斯模型平均(Bayesian model averaging,BMA)参数,从而建立地面日均气温BMA概率预报模型.由此针对淮河流域进行地面日均气温BMA概率预报及其检验与评估,结果表明BMA模型比原始集合预报效果好;单中心的BMA概率预报都有较好的预报效果,其中ECMWF最好.多中心模式超级集合比单中心BMA概率预报效果更好,采用可替换原则比普通的多中心模式超级集合BMA模型计算量小,且在上述BMA集合预报系统中效果最好.它与原始集合预报相比其平均绝对误差减少近7%,其连续等级概率评分提高近10%.基于采用可替换原则的多中心模式超级集合BMA概率预报,针对研究区域提出了极端高温预警方案,这对防范高温天气有着重要意义.     

A convection-allowing ensemble forecast based on the breeding growth mode and associated optimization of precipitation forecast

A convection-allowing ensemble forecast experiment on a squall line was conducted based on the breeding growth mode (BGM). Meanwhile, the probability matched mean (PMM) and neighborhood ensemble probability (NEP) methods were used to optimize the associated precipitation forecast. The ensemble forecast predicted the precipitation tendency accurately, which was closer to the observation than in the control forecast. For heavy rainfall, the precipitation center produced by the ensemble forecast was also better. The Fractions Skill Score (FSS) results indicated that the ensemble mean was skillful in light rainfall, while the PMM produced better probability distribution of precipitation for heavy rainfall. Preliminary results demonstrated that convection-allowing ensemble forecast could improve precipitation forecast skill through providing valuable probability forecasts. It is necessary to employ new methods, such as the PMM and NEP, to generate precipitation probability forecasts. Nonetheless, the lack of spread and the overprediction of precipitation by the ensemble members are still problems that need to be solved.     

降水邻域集合概率方法尺度敏感性试验

降水邻域集合概率法是处理高分辨率降水集合预报不确定性的一种新方法。利用2017年5~7月GRAPES(Global and Regional Assimilation and Prediction Enhanced System)区域集合预报系统24 h降水预报资料,进行GRAPES降水邻域集合概率方法试验,并针对邻域概率法的等权重和邻域尺度问题,设计了邻域格点权重修正邻域方案以及二分类权重修正邻域方案,进行降水的集合概率法、等权重邻域集合概率方法、权重修正邻域集合概率方法和二分类权重修正邻域集合概率方法等四种方法的格点相关及敏感性试验,并利用多种概率预报检验评分评估上述四种方法的预报效果。试验结果表明:(1)尽管采用邻域计算方案的三种邻域集合概率方法的降水概率预报评分各有优劣,如等权重邻域集合概率法的相对作用特征曲线面积评分略优,而权重修正邻域集合概率法和二分类权重修正邻域集合概率法的降水概率预报可靠性更高,但采用了邻域计算方案的降水概率预报评分均优于传统的集合概率方法;(2)降水邻域集合概率方法的预报技巧对邻域尺度很敏感,统计评分最优的邻域半径为5~8倍模式水平格距;(3)引入了权重修正的两个邻域集合概率预报方法在24 h降水量超过10 mm时改进较明显,能够提供更加客观的概率预报结果。总体上看,降水邻域集合概率方法具有较好的应用前景,恰当的邻域概率方法及邻域半径可以获得更合理的降水概率预报结果。