集合预报系统及其产品应用综述

本文简要介绍了数值天气预报的一个重要分支——集合预报系统的研究背景，开发研究思路，集合预报产品输出的形式，集合预报输出的处理和统计解释，以及国外应用集合预报的情况。作为一项新的预报技术，集合预报将越来越受到重视。     

基于Ward聚类法的中国业务集合预报系统的产品开发

为开发中国新一代业务集合预报系统的聚类产品,系统地介绍了集合预报技术先进国家的集合预报聚类分析方法,并采用Ward聚类法开发了中国集合预报系统的聚类产品。针对重大天气过程初步分析了中国集合预报系统的聚类产品的业务预报能力。结果表明,Ward聚类法以凝练预报信息和给出发生概率的形式,有效地划分出最有可能出现的环流形势类型,为预报员提供了有价值的预报参考信息,也为科学合理地使用集合预报产品提供方便。     

大气系统集合预报方法及应用研究的发展

文章介绍了大气系统集合预报方法研究的发展过程与现状,集合预报初值集形成的基本方法,并简单介绍了其应用研究发展的现状.     

集合数值天气预报的研究进展

集合预报是目前国外广泛应用的一种新的数值预报技术,国内由于计算条件的限制,集合预报的研究应用起步较晚,目前虽已取得了一些研究成果,但还没有广泛的应用到实际的业务预报之中。集合预报的应用,在天气预报上主要是概率预报,另外在“目标观测”、资料同化等方面也有广泛应用。集合概率预报的一系列适用的验证,增加了概率预报的信度。     

集合数值预报发展与研究进展

较系统地概述了集合预报系统发展过程与集合预报中的主要研究问题，总结了集合预报概念、系统组成、初始扰动理论技术和产品解释与应用原理的研究成果，简单分析了近年来集合预报中的一些研究热点，介绍了先进国家集合预报的发展计划。     

国家级区域集合预报系统研发和性能检验

该文简要介绍了中国气象局国家气象中心研发的区域中尺度集合预报系统主要技术特点:在初值扰动技术方面,通过研究中国地区中尺度模式预报误差快速增长特点、中国地形地貌特征与观测资料的分布情况,研发适合于中尺度模式的增长模繁殖法扰动技术构造初值场;分析数值模式物理过程参数化方案内在的不确定性以及对强对流天气和近地面要素预报的差异,确定多物理过程扰动技术方案。解决全球集合预报扰动信息向中尺度集合预报输入的关键技术,实现中尺度区域集合预报系统与全球中期集合预报系统的嵌套。在模式后处理方面,解决中尺度集合预报结果的偏差订正技术;开发满足多种需求的多要素、多层次概率预报产品和概率预报检验产品。在世界天气研究计划"2008年北京奥运会中尺度集合预报研究开发项目"3年实时预报试验比较评价中,中国气象局国家气象中心区域中尺度集合预报系统总体预报能力与国外同类系统相当。     

集合预报统计学后处理技术研究进展

近年来,随着集合预报的广泛应用,大量新颖的集合预报统计学后处理方法层出不穷,因此有必要对其进行系统地回顾。首先,对单变量集合预报统计后处理方法进行分类介绍,包括基于特定数学分布的参数化方法:逻辑回归、非均匀回归、贝叶斯模型平均、集合敷料法,以及灵活的非参数化方法:排序直方图订正、可靠性曲线订正、衰减平均偏差订正、分位数映射、分位数回归、概率匹配、频率匹配、最优百分位、最优评分法、逐成员订正、相似法、邻域法、基于对象的概率预报方法和虚拟降水法。其次,拓展到须考虑变量依赖性结构的多变量集合预报统计后处理方法,包括参数化的连接方法,以及非参数化的集合连接耦合和Schaake洗牌法。再次,介绍多模式集合和机器学习方法。最后,总结并讨论了常用的集合预报统计后处理方法使用中需要注意的问题。     

集合预报方法在暴雨研究和预报中的应用

机理了解不够和可预报性问题的忽略是暴雨预报不尽人意的两大原因。主要讨论第二方面,即如何面对和处理可预报性问题,这对如何提高现有数值预报的价值、做好气象服务尤其重要。根据作者多年的研究和实践经验以及直接接触的一些研究和方法,简要地总结了数值集合预报方法在暴雨研究和预报中的应用,具体包括以下四个方面:(1)暴雨集合预报系统的建立:初值和物理扰动、成员数、模式分辨率、资料同化和"虚拟"集合预报;(2)预报方法:集合异常预报法、再预报相似集合法和台风路径聚类法;(3)在预报后处理与订正中的应用:平均、成员排序与最佳成员法、加权平均、概率匹配平均法和集合动力因子法;(4)对暴雨天气系统的机理分析与模式初值的改进:初值扰动差异分析和集合敏感性法、目标观测。希望国内气象业务部门能在日常业务中借鉴以上方法以提高暴雨预报和服务水平,为今后的研究工作提供一个新的起点、方向和方法,这包括指导现有的一些业务集合预报系统今后的进一步完善。     

基于增长模繁殖法的风暴尺度集合预报试验

利用WRFV2.2模式,对1977年5月20日发生在美国俄克拉荷马州的典型超级单体风暴进行风暴尺度集合预报试验。通过对比由Monte-Carlo法和增长模繁殖法构造的集合预报系统的性能,检验了增长模繁殖法应用于风暴尺度集合预报的合理性及其价值。研究表明,在预报误差的意义上,集合技术能够明显改善中尺度强对流天气的单一确定性预报;但纯统计意义的Monte-Carlo法动力意义不足,导致集合离散度偏低;作为改进方法,增长模繁殖法充分考虑了预报中误差增长的信息,改善了离散度增长偏慢的缺陷。研究结果还显示,增长模繁殖法构造的集合预报系统的各预报评分(RSS、ETS等)均高于Monte-Carlo法,体现了增长模繁殖法的显著优势,但不同的繁殖周期对非降水场和降水场的预报能力有所差异,合理的繁殖周期需要在两者之间寻求平衡点。     

集合预报及其在中期天气预报中的应用

作者概述了集合预报的基本概念，集合预报中期天气预报中的意义与作用，现有的主要集合预报产品以及集合预报在美国美国国家气象中心和欧洲中期天气预报的业务运行。简要介绍了我国国家气象中心在动力延伸预报和集合预报方面的试验研究情况。     

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。     

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。     

Ensemble Forecast： A New Approach to Uncertainty and Predictability

Ensemble techniques have been used to generate daily numerical weather forecasts since the 1990s in numerical centers around the world due to the increase in computation ability. One of the main purposes of numerical ensemble forecasts is to try to assimilate the initial uncertainty （initial error） and the forecast uncertainty （forecast error） by applying either the initial perturbation method or the multi-model/multiphysics method. In fact, the mean of an ensemble forecast offers a better forecast than a deterministic （or control） forecast after a short lead time （3-5 days） for global modelling applications. There is about a 1-2-day improvement in the forecast skill when using an ensemble mean instead of a single forecast for longer lead-time. The skillful forecast （65% and above of an anomaly correlation） could be extended to 8 days （or longer） by present-day ensemble forecast systems. Furthermore, ensemble forecasts can deliver a probabilistic forecast to the users, which is based on the probability density function （PDF） instead of a single-value forecast from a traditional deterministic system. It has long been recognized that the ensemble forecast not only improves our weather forecast predictability but also offers a remarkable forecast for the future uncertainty, such as the relative measure of predictability （RMOP） and probabilistic quantitative precipitation forecast （PQPF）. Not surprisingly, the success of the ensemble forecast and its wide application greatly increase the confidence of model developers and research communities.     

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.     

面向台风暴雨的集合预报成员优选订正技术研究及应用试验

本文以2013—2015年主要登陆台风暴雨过程为研究对象,利用ECMWF降水和台风路径集合预报以及中央气象台实时业务台风中心定位资料,在统计分析的基础上,提出一种业务上可用的针对单模式集合预报的台风降水实时订正技术(简称集合成员优选技术)。结果表明,在登陆台风暴雨过程预报中,集合成员优选技术对改进集合统计量降水产品有明显的帮助,并较ECMWF确定性预报产品有一定优势;该方法对改进短期时效预报产品的效果优于中期时效预报,对大暴雨评分的改进高于暴雨和大雨评分。另外,本文基于概率匹配平均(Probability Matching average,PM)和融合(FUSE)产品的计算原理,提出融合匹配平均(Fuse Matching average,FM)产品,结果表明,对36 h时效预报,优选10~15个成员的PM产品TS(Threat Scores)评分可达最优,大暴雨评分较确定性预报提高近10%;对60和84 h时效预报,FM产品大暴雨评分较确定性预报提高超过20%。     

基于卡尔曼滤波的中国区域气温和降水的多模式集成预报

利用TIGGE资料集下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)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。     

多模式集成的概率天气预报和气候预测研究进展

基于大气的混沌特性,单一的确定性预报逐步向多值的不确定性概率预报转化已成为一种趋势。本文系统地评述了概率天气预报产生的背景,介绍了概率预报的相关概念及国内外的研究状况,着重讨论了多模式集成的概率预报的两种集成方法,即贝叶斯模式平均(Bayesian model averaging,BMA)和多元高斯集合核拟合法(Gaussian ensemble kernel dressing,GEKD),并给出了两个例子的概率预报试验结果。利用BMA方法制作的概率预报的方差较小,减小了预报的不确定性,因此预报结果更接近大气的真实值。作为另一种多模式集成方法,多元高斯集合核拟合法回报的地面气温距平均值及趋势的概率预测结果与实测结果基本一致。利用此方法建立了地面气温年代际变化的概率多模式集合预测模型,并从中提取年代际气候变化特征,对东亚季风区年代际预测具有重要应用价值。     

气象预报的方法与不确定性

根据历史上有关气象的文字记载,结合大气科学发展的历史和现状,以深入浅出的方式回顾了气象预报制作方法的变更与发展.概述了当前业务预报的水平和相关研究的主要进展.针对数值预报,讨论了导致气象预报结果不确定性的主要原因.并通过介绍集合预报,对公众应当如何理解和使用预报产品提出了看法.     

A Comparison of Breeding and Ensemble Transform Vectors for Global Ensemble Generation

To compare the initial perturbation techniques using breeding vectors and ensemble transform vectors,three ensemble prediction systems using both initial perturbation methods but with different ensembl...     

集合预报产品在台风麦莎预报中的应用

为了提高集合预报效果,利用T106L19全球谱模式和增长模繁殖法对台风麦莎制作了13个成员的集合预报,并对其结果进行集合预报产品解释应用研究。首先在离散距离分簇法中,引入方差分析的方法确定分簇基础,然后对集合预报的形势场进行了分簇,相对于以往采用96小时样本为分簇基础进行分簇的方法,分簇效果提高明显,分簇结果能给出台风移动的几种可能路径及其概率;其次对要素随时间的演变利用系统聚类法进行了分类,根据分簇平均图可以确定几个可能的台风登陆地点,制作了这些特殊点要素分类烟羽图,通过分析要素随时间的演变特征,提高对台风登陆地点和时间的预报精度;最后制作了盒须图,通过盒须图中数据组主体以外的数据点,确认出值得注意的一些特殊集合成员的预报结果,减少了小概率事件的漏报率。研究结果表明,将方差分析引入离散距离分簇法,要素烟羽聚类法以及盒须图的应用有利于提高和改善集合预报效果,集合预报产品解释应用效果得到改进。