GRAPES全球/区域集合预报系统10年发展回顾及展望

较系统地概述了中国气象局全球/区域集合预报系统及描述模式初值和模式自身不确定性的集合预报扰动技术发展历程,回顾了GRAPES(Global/Regional Assimilation Pr Ediction System)全球集合预报的奇异向量初值扰动方法、GRAPES区域集合预报的集合变换卡尔曼滤波初值扰动方法和多尺度混合初值扰动方法、GRAPES全球/区域集合预报模式不确定性的随机物理过程倾向项扰动方法和动能后向散射随机补偿方法等研究成果,介绍了GRAPES全球/区域集合预报业务系统构建参数设置和预报性能,最后分析了GRAPES全球/区域集合预报中存在的问题,展望了未来发展方向。     

NMC强天气模式诊断变量和概率预报产品及初步应用检验

国家气象中心针对强天气预报的特点开发了强天气模式诊断变量和概率预报产品,包括T639全球模式强天气诊断变量产品、基于GRAPES_RUC的中尺度精细化强天气诊断变量产品、基于WRF中尺度模式的区域中尺度集合概率预报产品,于2009年从无到有建立了一套完整的强天气数值预报产品库,提供确定性预报产品和不确定信息的概率产品,为强天气预报业务的开展打下了良好的基础。应用上述产品对"6.3"河南飑线天气的模式预报能力的分析表明,高分辨率模式对强对流天气的预报能力有了较大的提高,但对于强天气预报,15km分辨率仍然不足够高,且产品显示的时空分辨率都应在现有基础上提高,才能更好地展示数值预报产品对强对流过程发生发展和演变过程。     

AREM模式两种初值扰动方案的集合降水预报试验及检验

基于我国科学家自主开发的AREM区域中尺度模式,考虑模式初值的不确定性,初步建立起11个成员37 km分辨率覆盖全国大部地区的短期集合预报系统。采用两套初值扰动试验方案(降尺度方案和BGM方案)分别进行了批量试验,试验结果表明:(1)通过对集合预报离散度和概率预报的检验,表明采用区域模式自身孵化循环产生的初始扰动明显优于直接使用全球集合预报提供的初始扰动。(2)无论采用哪种初值扰动方案,基于集合预报方法的集合平均预报、概率预报等均优于单一的确定性预报和业务预报。(3)离散度与集合平均预报误差的面平均有较好的对应关系;离散度与预报误差的空间相关系数平均为40%～45%。(4)目前集合预报系统离散度与预报误差相比偏小,其部分原因在于没有考虑模式物理过程的不确定性,这将在下一步的工作中逐步改进。     

随机物理过程扰动方案在克拉玛依区域集合预报中的应用研究

克拉玛依气象局研发了区域集合预报系统并已实现业务运行,该系统仅采用了集合变换卡尔曼滤波(ETKF)初值扰动,导致离散度发展受到限制,为改善区域集合预报的离散度,本文尝试在初值扰动基础上引入随机物理过程倾向(SPPT)模式扰动方案。通过开展SPPT方案关键参数的敏感性试验,确定了适用于本系统的参数设置,构建了初值-物理过程扰动方案(ETKF-SPPT),并与仅采用初值扰动的集合方案(ETKF)进行了对比。结果表明:ETKF初值扰动方法能够产生具有动力学结构的初值扰动,但是随着预报时效的延长,集合离散度增长很快达到饱和,并在侧边界约束下逐渐减小;ETKF初值扰动结合SPPT模式扰动可使集合离散度在各个预报时效均保持增长状态;集合预报检验结果表明,仅采用ETKF初值扰动的集合预报概率分布可靠性较低,概率预报准确性也较差;ETKF-SPPT方法可获得更好的概率预报结果,可靠性更好,均方根误差更低。对克拉玛依城区一次大风预报个例表明,ETKF方案对大风起风时间和量级把握较差,而ETKF-SPPT可以增加集合离散度,起风时间和风速预报更准确。综合而言,增加SPPT扰动可以有效改善克拉玛依区域集合预报系统的预报技巧。     

中尺度集合预报对川渝地区“8.16”暴雨过程的分析

利用ARPS和WRF模式,基于不同的物理过程参数化方案建立了一个多初值、多物理过程的中尺度集合预报系统,并对2015年8月16—18日发生在四川盆地的西南低涡暴雨过程进行试验分析。结果表明:建立的中尺度集合预报系统对此次暴雨过程有较好的预报能力,与确定性预报相比,降水集合平均以及概率预报等产品对暴雨的预报有一定的指示意义。初值扰动的集合预报对暴雨及以下量级的预报较优;物理过程扰动的集合预报对大暴雨及以上量级的预报较好;同时考虑2种扰动的集合预报总体上好于单因子扰动的集合预报,使降水预报效果得到明显改善。对天气系统(高空槽、低涡、切变线)以及气象要素(风场、水汽)的预报差异是造成"好"、"坏"成员预报效果差异的主要原因,且低层形势场(尤其是风场的预报)对初值及物理过程的扰动比高层要敏感。集合预报对大雨及以上量级预报技巧的提高有明显正贡献,但是对特大暴雨的预报不确定性很大,还有较大的改进空间。     

一种新型的中尺度暴雨集合预报初值扰动方法研究

提出一种针对对流不稳定构造具有中尺度运动特征的集合预报扰动初值的新方法--异物理模态法, 介绍了异物理模态法产生初值扰动区域和扰动振幅的数学处理方案, 即由不同对流参数化方案预报离差获得集合预报初值扰动区域、扰动结构和扰动振幅的数学处理过程. 利用美国PSU/NCAR的MM5中尺度模式, 对一次典型暴雨进行异物理模态法初值扰动集合预报试验, 详细分析了扰动初值的结构和集合预报结果. 结果表明, 该方法产生的初值扰动场具有合理的中尺度环流结构, 可以反映对流敏感区域的对流不稳定的预报不确定性, 集合预报结果可以明显改善控制预报.     

基于多中心TIGGE资料的区域GRAPES集合预报初步试验

基于全球交互式大集合(TIGGE)预报资料,研究利用TIGGE全球集合预报大尺度不确定信息,构造区域GRAPES集合预报的初值扰动方法和试验方案,并对2008年7月22日发生在黄淮地区的一次暴雨过程进行了集合预报试验.试验结果表明:构造的初值扰动场能够表征TIGGE全球集合预报初值中的大尺度不确定信息,区域GRAPES集合预报系统可以捕获极端降水天气,对降水预报具有显著的改进作用,集合预报平均及降水概率预报能有效地反映暴雨降水特点,暴雨发生概率较高的区域与实况对应关系较好.积分初期,暴雨的预报一致性(集合离散度)和预报技巧(集合平均预报均方根误差)之间的关系显示了区域GRAPES集合预报系统是合理的,但积分后期,由于模式在积分过程中的动力调整作用,减小了初值扰动对预报结果的影响,限制了集合离散度的增长速度.     

区域集合预报扰动方法研究进展综述

集合预报方法是解决单一数值预报不确定性问题的有效手段,而针对强天气预报的中尺度区域集合预报技术已逐渐受到国内外的重视。对于区域集合预报而言,由于其不确定性来源较为复杂,如何发展有效的扰动方法是研究的热点和难点。本文根据国内外区域集合预报的研究进展,从初值扰动、模式扰动以及侧边界扰动三个方面进行了总结和回顾,并对扰动方法的发展趋势进行了介绍。对于初值扰动,较为主流的方法有动力降尺度,沿用传统的由全球集合扰动方法发展而来的技术为区域集合产生初值,以及专门为区域集合设计的扰动方法。鉴于这些方法各有利弊,目前对于初值扰动方法的研究已经开始发展充分包含大尺度和小尺度不确定性信息的混合扰动方法。区域集合预报模式扰动的研究以物理过程扰动为主,典型方法为多物理过程组合以及随机物理过程扰动,其中多物理过程组合方法简单有效,而随机物理过程扰动方法的物理意义更为明确,是物理过程扰动的趋势。通过多模式组合进行模式扰动的方法也开展了一些相关研究,且对于台风等强天气预报均显示出相对于单模式集合较好的效果。侧边界扰动的主流方法是由大尺度集合预报场来为区域集合提供不同的侧边界,研究结果表明此种侧边界扰动方法简便易行,且有助于提高区域集合预报较长预报时效离散度和预报技巧。     

广西人工影响天气模式预报系统

在国家气象中心自主研发的双参数云降水方案与GRAPES中尺度数值模式耦合建立的人工影响天气条件判别的模式预报系统基础上,进行本地化改进建立广西人工影响天气模式预报系统.该系统能够提供广西及其附近区域多种云物理量24小时的预报产品,为人影作业预警指挥提供重要的参考依据.     

中尺度降水集合预报随机参数扰动方法敏感性试验

中尺度降水模式预报具有很大的不确定性,为更好地描述与模式降水预报密切相关的物理过程关键参数的不确定性,基于中国气象局GRAPES（Global/Regional Assimilation and Prediction System）中尺度区域集合预报模式,从对模式降水预报不确定性有较大影响的积云对流、云微物理、边界层及近地面层等4个参数化方案中选取了18个关键参数,设计了一种随机参数扰动方案（Stochastically Perturbed Parameterization,SPP）,并通过2015年6—7月总计10 d的随机扰动集合预报试验,对比分析了SPP方案对不同物理过程参数扰动敏感性、随机场时、空尺度敏感性、能量变化特征及其集合预报效果。结果显示,对所选择的任一物理过程参数化方案增加SPP扰动后,降水及等压面要素的概率预报技巧优于无SPP扰动的预报,而扰动积云对流和边界层过程中的参数较扰动云微物理过程中的参数影响更显著,且同时扰动积云对流、云微物理、边界层及近地面层参数化方案中的18个参数的集合预报效果优于扰动任何单一物理过程中的部分参数,表明SPP方案能够有效地提高中尺度降水概率预报技巧;从能量变化特征可知,不同物理过程的参数扰动对动能、内能和总能量的影响层次和特征有所不同,但总体而言,扰动前后各项能量基本相同;随机场时、空尺度敏感性试验发现,SPP扰动随机场时间、空间相关尺度对集合预报效果有明显影响,当扰动随机场选用12 h抗相关时间及截断波数20时,集合预报结果最优。上述结果表明,SPP随机参数扰动方案不仅能够有效提高集合概率预报效果,还能够提高集合降水概率预报技巧,具有良好的业务应用与发展前景。      

集合数值预报在洪水预报中的应用进展

水文集合预报是近几年正在形成和发展的水文预报分支,其发展大致可分为两个阶段:第1阶段是1970年至20世纪末进行的长期径流预报,第2阶段从21世纪开始,主要学习气象数值预报中集合预报的概念在短期水文集合预报中的应用。目前,除了单一预报中心的集合预报系统在水文集合预报中应用外,多个预报中心的集合预报大集合也逐渐被应用于流域水文预报,甚至一些小流域的洪水预报。如利用TIGGE(THORPEX Interactive Grand Global Ensemble)集合预报驱动形成的大气-水文-水力的串联系统进行早期的洪水预警研究,将全球集合预报作为洪水模型输入的有限区域模式的初始条件和侧边界条件的研究。这些均表明,基于水文集合预报的洪水预报增加了预报附加值,并能够延长预警提前时间。以欧洲中期天气预报中心的欧洲洪水预警系统(EFAS)和美国NOAA的先进水文预报系统(AHPS)为代表,实现了集合预报在洪水中的实时业务预报,但仍存在数据处理和计算量大,以及如何基于集合水文预报做决策等问题。对于水文集合预报的前处理和后处理的各种技术已处于探索和验证阶段,如何更好地理解基于概率预报的洪水预警决策仍存在许多困难和挑战。     

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。     

台风集合预报研究进展

台风数值预报是防台减灾的关键,而集合预报是体现和减少数值预报不确定性的常用方法。本文对近年来台风集合预报方法的研究进展进行了梳理和总结,涉及初值集合扰动、模式扰动技术以及基于统计的台风集合预报后处理技术。对全球几个主要集合预报系统的发展及我国的区域台风集合预报系统做了回顾。最后,在回顾的基础上,讨论和提出了关于台风集合预报仍存在的问题及未来可能的研究方向。     

集合预报产品综合分析显示平台关键技术与实现

针对集合预报方法在天气预报业务中的应用,开发了具有自主知识产权的集合预报产品综合分析显示平台。以集合预报模式输出数据量大、气象图表显示效率和质量要求高两个主要需求为出发点,采用客户端服务器架构设计。服务器端将原始数据转换为产品数据以提高客户端执行效率。该文详细分析了平台关键技术,针对数据延时问题,轮询式数据处理技术实时检查原始数据变化状态并更新产品,采用生产者消费者互斥方法解决多线程锁死问题。为提高图表美观程度,动态页面布局显示技术对所有图形要素进行分类, 并给出显示属性的抽象描述,结合图形渲染技术,实现了看图模式和出图模式的动态切换。该平台为预报员和服务决策者提供了宝贵的不确定性信息,在中小尺度极端天气预报、台风路径预报中发挥了重要作用。     

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.     

基于动力降尺度的区域集合预报初值扰动构建方法研究

利用全球集合预报系统资料(Global Ensemble Forecast System,GEFS),基于WRF中尺度模式构建了区域集合预报系统,区域集合初值的构建采用两种方案,一种是GEFS全球集合预报初值场直接动力降尺度(称为DOWN集合),另一种是提取GEFS全球集合降尺度后的扰动场,并叠加到区域数值预报系统(北京快速更新循环数值预报系统:Beijing Rapid Update Cycle System,BJ-RUC)分析场上构建集合初值场(称为D-RUC集合)。进行了批量试验,通过对比发现D-RUC集合的中小尺度扰动增长优于DOWN集合,而大尺度扰动分量的增长两者相当,说明与高分辨率分析场叠加可以促进动力降尺度扰动的中小尺度扰动分量的增长。集合预报扰动准确性检验结果显示,短预报时效内DOWN集合扰动明显低估了预报误差,在预报误差较大的位置扰动较小,而D-RUC集合能够更好地识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,D-RUC方法能显著改善短时效预报效果,集合离散度有所增加、均方根误差有所减少,概率预报评分显示D-RUC集合比DOWN集合在短预报时效占优。降水个例分析结果表明D-RUC方法能显著改善短时效内的降水概率预报效果。     

一种新的集合预报权重平均方法

提出了一种新的考虑权重的集合预报成员平均方法。使用气候等概率区间来对集合成员进行分组, 并根据气候等概率区间的大小及其中的成员数, 对集合成员的权重进行调整, 得到了一种改进的集合平均预报结果。检验表明, 它可以进一步提高集合平均预报的效果。相对于提高模式分辨率或发展庞大的集合预报系统, 这种方法的效果是显著的。     

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。     

一段日照迹线剖析

一段日照迹线剖析单宇红（江苏省徐州市气象局，２２１００６）在地面报表的审核中，原始观测记录的真实性是非常重要的，有时为了判别某个记录的“真伪”，不仅需要直观的目测，还要综合各种因素进行分析，然后再下结论。１９９６．２．２６．１３∶１６—１３∶４８某站...     

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。