1999—2003年西北太平洋热带气旋综合预报的误差分析

应用1999—2003年中国中央气象台 (CMO)、日本气象厅 (JMA) 以及美国联合台风警报中心 (JTWC) 发布的西北太平洋热带气旋综合预报资料, 从总误差、逐年误差趋势、不同海区误差、不同路径趋势误差、不同强度趋势误差等5个方面对各预报中心的路径及强度预报结果进行分析, 结果表明:5年总的平均误差以JTWC的路径预报误差最小, 而JMA的强度预报较准确; 在不同海域, 各预报中心的路径预报能力各有优势, 但在热带气旋的强度预报方面, JMA的方法在各海区都较稳定; 对不同路径趋势热带气旋的预报方面, 除了南海转向热带气旋的路径预报比JMA和CMO稍差一些之外, JTWC的路径预报在大多数情况下都是好于或相当于JMA和CMO; 在不同强度变化趋势热带气旋的预报方面, JTWC在大多数情况下都优于其他中心。上述结果帮助业务和科技人员全面了解各预报中心的预报能力优劣, 也为今后改进我国的热带气旋预报提供有益的参考。     

9711号热带气旋路径预报的检验评估

1引言众所周知,热带气旋路径预报的精度直接关系灾害性天气的预报服务效果。近年来,随着数值预报和各种热带气旋路径预报方法的不断改进,热带气旋路径的预报水平也在不断的提高。然而,随着社会经济的发展,对于热带气旋路径和灾害性天气预报的精度和时效的要求越来越高。目前国内外比较先进的数值预报和热带气旋路径预报,随着预报时效的延长和路径的变化,预报误差亦明显增大。因此,分析热带气旋路径预报的误差及各种数值预报对于热带气旋路径的预报能力,便于业务预报的合理释用,减小预报误差,获取最佳预报服务效果,是业务预报服…     

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。     

热带气旋路径数值模式业务试验性能分析

在中国气象局数值预报创新基地开发的GRAPES基础上,建立了热带气旋路径预报系统(GRAPES-TCM)。并对2002、2003年热带气旋进行了一系列时间为48 h的路径后报试验,对2004年的热带气旋路径进行准业务预报。针对热带气旋路径预报的分析表明,GRAPES-TCM对热带气旋路径具有良好的预报能力。比较了2004年GRAPES-TCM准业务预报同北京数值预报和日本数值预报的结果,GRAPES-TCM的预报结果比北京的好,与日本数值预报相比仍有较大的差距。GRAPES-TCM计算的总的热带气旋24、48 h平均距离误差大约为150、250 km。GRAPES-TCM计算的热带气旋路径的平均距离误差随着其初始强度的增强而减小,台风级的热带气旋路径的24 h平均距离误差仅为111 km,48 h平均距离误差也在210 km左右,与此同时,预报的强热带风暴的24和48 h平均距离误差则为166.6和242.6 km。GRAPES-TCM后报的"突然转向"和"突然变速"热带气旋的平均距离误差24 h达到280 km,48 h则在300 km左右,超过其总的平均距离误差。对于"回旋"路径的热带气旋也有一定的预报能力。对不同分辨率的对比试验结果表明,提高GRAPES-TCM的分辨率可为稍长时间的热带气旋路径预报提供更为可靠的结果,2004年的热带气旋路径预报的48 h平均距离误差不到200 km。     

T213与T639模式热带气旋预报误差对比

应用国家气象中心全球谱模式T213L31(简称T213) 及其升级版本T639L60(简称T639) 对2009—2010年西北太平洋热带气旋数值预报的结果进行对比。结果表明:T213与T639模式24～120 h预报平均距离误差基本相近,但由于T639模式分辨率较高,T639模式的热带气旋强度预报明显好于T213模式。从分类误差来看,T639模式对于西北行登陆及转向热带气旋的路径预报好于T213模式,但对西行及北上热带气旋预报误差偏大。对于异常路径热带气旋预报,T639模式能较好预报环流形势的突然调整,对路径突变的热带气旋预报比T213模式有明显优势;从登陆类热带气旋预报的移向误差来看,T213模式存在东北偏北向系统性偏差,T639模式存在东北偏东向系统性偏差。     

根据周围风场和温度场预报热带气旋的转向运动

1.引言要提前24—36小时预报出热带气旋的转向运动是很困难的,而且常常是失败的。由于统计预报方案着重于气候学和持续性,所以用这些方案要预报出这样的转向运动有很大的问题,数值模式基本上也预报不出气旋的转向运动。因此,热带气旋路径预报的最大误差往往与风暴的转向有关。详细地研究气旋转向时周围环境的特征,有助于研制出能减小与转向运动有关的预报误差的新方案。本文介绍了热带气旋转向前和转向时的周围环境气流型的资料。可以看出,左转向风暴、正向移动风暴和右转向风暴500毫巴上的大尺度周围风场有     

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。      

T213L31模式热带气旋路径数值预报误差分析

应用国家气象中心的T213L31模式对2006—2009年热带气旋路径数值预报的结果从平均距离误差、距离误差分布、模式系统性偏差、平均全移速误差、模式对背景场的预报偏差进行全面检验分析表明:对于不同走向的热带气旋 (简称TC) 路径预报而言,预报误差最小的是西行路径TC,预报误差最大的是东北行路径TC。按照TC强度进行分类统计发现,TC强度强比强度弱的路径预报平均距离误差小。T213对所有样本的平均预报而言,存在西北偏西向的系统性偏差,不同类型路径TC存在不同的系统性偏差。通过计算平均全移速可以看出,对于西北行、西行、北上类型路径在整个预报时效中移速偏差较小,而对于所有转向类路径移速偏差较大,即偏慢较明显。对T213模式预报2009年TC路径误差较大的个例 (0904,0906,0907号热带气旋) 检验模式对背景场的预报偏差,个例分析表明:模式对中高纬度西风槽预报偏强、对TC环境风场垂直切变预报偏大、对两个相近的TC预报更容易发生藤原效应,这些因素是导致TC路径偏差的主要原因。     

热带气旋路径预报概率圆应用

热带气旋路径预报采用预报概率圆可以有效减少不可避免的预报错误,在2004～2007年中央气象台主观路径预报资料的基础上,使用统计方法并根据预报误差与热带气旋预报移动速度和移动方向的相关关系分类,分别计算了相应的24、48、72 h路径预报的70%概率圆半径,修改了原来业务中使用的概率圆半径,以期替代原来在业务中使用的概率圆半径。同时应用修改后的概率圆半径对近5年的路径主观预报进行了分析,给出了2004～2007年预报误差分布特点以及较大预报误差热带气旋个例的误差产生原因,并讨论了该方法改进的可能性。     

集成方法在热带气旋路径和强度预报中的应用

利用多元线性回归、递归正权决策和算术平均方法,分别建立热带气旋路径和强度多模式集成预报方程,并用2004年西北太平洋和南海生成的热带气旋资料进行预报试验,同时对各家预报和集成预报进行了检验分析。结果表明,用集成预报方法作热带气旋路径和强度预报是可行的,预报年总平均误差有一定程度的减小,最大预报误差也有所减小,出现较大预报误差的概率明显减小。集成方法的预报能力一般好于集成方法中采用的任意单一预报,体现了集成方法的优越性。