一个简单的格点温度预报订正方法

格点气象要素预报是中国气象局目前的主推业务和未来天气预报的发展方向。本文基于欧洲中期数值预报中心ECMWF高分辨率模式2 m温度预报资料,在传统中央气象台站点温度指导预报SCMOC和回归方法建立的站点温度预报的基础上,提出"站点订正值向格点传递"的方法来订正格点温度预报。结果表明:(1)SCMOC站点最高、最低温度24~168 h预报误差2℃准确率分别平均高于ECMWF的10.0%和23.1%,ECMWF存在较大的系统性偏差,最低温度预报偏高,最高温度预报偏低。(2)"站点订正值向格点传递"方法能够订正模式格点温度预报的系统误差,且整体上不改变原ECMWF温度预报场的空间形态和原模式对地形的刻画特征。(3)利用研究区域内98个县级站SCMOC温度预报,订正ECMWF格点场,返回到区域内1289个乡镇站进行检验,结果24 h最低、最高温度1℃的准确率较ECMWF分别提高22.8%和11.9%,2℃的准确率则分别提高29.7%和17.4%。最低(高)温度绝对误差平均减小0.99℃(0.69℃),平均误差(ME)下降到0.7℃(-0.9℃)以内。(4)通过一元线性回归,得到98个县级站的温度预报,返回差值场来订正格点场,也能较好地订正ECMWF的系统性误差。对比两种方法,SCMOC差值传递在最低温度订正方面有较大的优势,而回归方法的最高温度订正效果较好。此外,回归方法能够较好地改善逐时温度预报效果。该方法已成功运用于陕西省精细化格点预报业务系统中。     

业务流程再造 搭建一体化业务支撑系统

<正>PM-LAPS高分辨率格点实况产品加工系统依托基本观测业务,实现天气实况数据格点化。PM-OCF多模式精细化站点服务产品加工系统依托国家气象中心、国家气候中心的精细化、长时效预报预测产品以及全球数值预报产品,针对10万个预报站点,研发1~3d逐3h、4~7d逐     

基于百度地图的精细化格点预报显示

精细化格点要素预报是目前中国气象局的主推业务和未来天气预报的发展方向,如何有效地将预报产品提供给用户使用,是精细化格点预报的最终环节。本文介绍了基于百度地图API的陕西精细化格点预报显示系统,系统主要实现了:(1)降水预报,以CMORPH(NOAA Climate Prediction Center Morphing Method)卫星与全国3万个自动观测站的逐时降水量融合资料为基础,通过动态偏差订正的方法来提高格点降水的预报能力;温度预报,采用滑动线性回归的方法来改善温度预报效果。(2)任意位置的地理信息获取及对应格点240h预报时效的气象要素实时展示。(3)格点气象要素向站点转换,通过格点值提取全省98个观测站逐3h站点预报值,实时分析过去24h降水、温度预报与观测值的误差,供用户预判未来预报值的可能误差趋势;并提供未来168h逐日要素预报。(4)与以往的数据库后台支撑不同,本系统直接将3.5GB格点预报数据一次性读入内存,进行侦听,解决了数据库检索、调用效率低下的问题。     

用于风电场功率预测的逐时风速预报

为满足风电场精细化风速预报的需要,利用MM5模式的格点输出数值预报产品以及福建沿海地区两座海上测风塔的逐时气象资料,采用逐步回归的统计方法,将MM5数值预报产品与测风塔实测气象资料要素指标值共同引入回归方程,拟合两座测风塔特定高度的逐小时风速预报方程,详细介绍了该方法的实现过程.通过一年的预报效果指标以及15日的独立样本效果检验,结果表明该方法对于逐小时风速的预报有一定的应用价值.     

用卡尔曼滤波法作逐日极端气温的预报

取T63模式的格点预报资料和个别实时气象数据，利用卡尔曼滤波方法试作梧州市1～2月份极端气温的24小时逐日预报，效果不错；同时获得了一些有助于日后更好地运用该方法及利用T63预报产品进行预报的初步结论。     

ECMWF细网格2m温度产品在乌鲁木齐市温度预报中的检验

利用2011年7月至2014年6月的ECMWF细网格2m温度预报产品,采用格点映射站点和双线性插值法挑选最优预报参考格点,并用天气学检验方法,对该模式在不同季节、不同天气时的乌鲁木齐市温度预报能力进行检验。检验表明：该产品对制作乌鲁木齐未来24小时温度预报具有很好的指导意义,全年的最高最低温度预报准确率为74～75％,季节变化明显,夏半年的预报准确率高出冬半年10～25％;模式对降雨、降雪时的温度预报较好,大雾时最差,并且会使最低气温预报严重低于实况,对东南风时最高气温预报好于最低气温;该产品整体上在准确率和稳定性上均优于中央台指导预报,在春季具有明显优势,高低温正技巧可达0.4℃。     

基于LAPS分析的WRF模式逐时气温精细化预报释用

为了满足湖北电力和华中电力系统对逐时气温预报的需求,开展气温精细化预报服务,基于局地分析预报系统(LAPS)分析融合的WRF模式精细化数值预报产品,对2011年4月1日至7月20日湖北省内及周边区域站点的逐时气温进行精细化预报释用.比较几种模式释用方案,结果表明:WRF模式预报趋势较好,预报准确率评分50％左右,日间08-20时预报误差小于夜间,最高气温(Tmax)评分54％,最低气温(Tmin)评分为44％.通过模式释用,提高了预报准确率,可使预报评分提高到60％～70％,对Tmax评分达到57％,对Tmin评分最高达到74％.分时刻建立MOS方程能够有效降低夜间20-07时的预报误差.将实况最高气温引入Kalman滤波方程能进一步提高预报准确率.     

基于雷达外推和中尺度数值模式的定量降水预报的对比分析

应用广东2010年出现的4次暴雨过程的气象资料,检验分析了临近预报系统（SWAN）和华南中尺度数值模式（GZMM）中的定量降水产品对晴雨及不同类型降水的预报效果,在此基础上探讨了临近预报系统和数值模式在0～6 h范围内的预报能力的交叉点。结果表明：首先,对于晴雨预报,SWAN系统中降水产品随着预报时效的增加预报效果呈现出减弱的趋势,且高分辨（0.02°）产品的下降速度要快于低分辨率（0.12°）;GZMM降水产品（0.12°）在1～3 h预报能力逐步提升,在4～6 h维持相对稳定的水平。对于分辨率同为0.12°的SWAN系统和GZMM模式产品,在第1和第2 h,SWAN产品的CSI评分分别为0.504和0.442,高于GZMM的0.306和0.375,但从第3小时开始GZMM产品CSI评分略高于SWAN产品,表明此后华南中尺度数值模式对晴雨的预报能力优于SWAN系统,交叉点介于2～3 h。其次,进一步检验了上述产品对弱降水（1小时雨量为0.1～2 mm）、一般性降水（2～10 mm）和较强降水（超过10 mm）的预报能力。对于弱降水,GZMM产品CSI评分在0～6 h维持在0.23,高于SWAN产品,表明GZMM模式对于弱降水的预报能力在整体上要强于SWAN系统。对于一般性降水,在0～3 h,分辨率为0.12°的SWAN产品CSI评分高于GZMM产品;两者的CSI评分曲线的交叉点介于3～4 h,即从第4小时开始,GZMM降水产品预报效果更好。对于较强降水,无论是SWAN系统还是GZMM模式,预报能力都呈现出明显的减弱;但SWAN系统在整体上对强降水的预报能力要优于GZMM模式。     

几种格点化温度滚动订正预报方案对比研究

为了快速获得更为精准的格点温度预报产品,使用国家信息中心高分辨率、高频次的温度格点多元融合产品和欧洲中期天气预报中心全球模式2 m温度预报场资料,采用8种误差订正方案进行滚动订正预报试验。选择2017年1月1日至2月28日和6月1日至7月31日两个时间段进行两次回报模拟试验,并对订正前后的预报结果进行格点和站点检验分析,结果表明:8种方案对模式直接输出的预报场有正技巧订作用,全格点滑动误差回归模型订正和全格点滑动双因子回归模型订正效果最优,两种方案都能使订正场的格点平均绝对误差在2℃以下,3、6和9 h的格点准确率均在0.9以上。全格点滑动误差回归模型的检验评分略微好于全格点滑动双因子回归模型,表明作为预报模型因子的起报时刻误差场比数值模式因子在短期订正中扮演着更为重要的角色。     

GRAPES＿Meso模式的降水格点检验和站点检验分析

使用Barnes和最近台站降水频率相结合的混合插值方案,对我国气象台站和水文站组成的高密度降水观测资料进行精细化的网格插值,得到分辨率与GRAPES-Meso(以下简称GRAPES)模式分辨率相同(0.15°)的网格降水资料;同时,将GRAPES模式同分辨率的0～24 h格点定量降水预报结果插值到观测站点上,然后进行了"格点对格点"、"站点对站点"的评分检验.检验的统计量包括偏差(BIA)、公平T评分(ETS)和真实技巧评分(TSS).此外,还基于插值后的精细化格点降水资料,应用近来发展的"面向目标"的客观检验方法检验了5 mm以上降水事件的预报效果.对检验结果的分析表明:(1)两种点对点榆验方法的结果都显示GRAPES模式在我国东部的预报效果好于西部,平原地区好于山区;地形的迎风坡降水的空报偏多,而青藏高原上空和新疆北部则以漏报为主,即模式对复杂地形影响的降水预报能力偏弱.(2)对于各量级的降水,总体上格点检验的结果好于站点检验,格点检验能更好地代表GRAPES模式的预报能力.(3)对于5 mm以上的降水事件,GRAPES模式预报的总次数与雨团直径的分布关系和观测基本一致,特别是模式对直径为60 km的雨团预报效果最好;从地域分布来看,GRAPES模式预报5 mm以上降水的次数在内蒙古东部、东北、华北、江淮、陕西、甘肃南部等地与观测相当,而在长江以南多于观测,尤其是在西南地区东部预报次数明显偏多.     

基于MET系统对SWCWARMS及GRAPES模式在西南地区的站点检验分析

应用国家基本观测站资料、自动站逐时降水资料,基于客观统计检验方法,针对降水(12h、24h累积雨量)、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2015年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式降水ETS评分高于GRAPES模式,除24h小雨外SWCWARMS模式偏差值均高于GRAPES模式,两个模式在不同预报时效内对中雨、大雨、暴雨都表现一定程度的空报;(2)12h降水分段评分上,SWCWARMS模式TS评分均高于GRAPES模式,但SWCWARMS模式预报降水范围过大,随着预报时效增长空报多于GRAPES模式;SWCWARMS模式中雨和大雨空报大于其它量级降水,GRAPES模式对大暴雨漏报较多其它量级降水表现为空报;(3)两模式对高度场和温度场预报优于风场,对对流层中层预报优于中低层,SWCWARMS模式对高度场和温度场预报优于GRAPES模式,夏半年SWCWARMS模式均方根误差小于GRAPES模式;(4)两模式都表现出2m温度均方根误差在秋季增加而春季减小这一特征,SWCWARMS模式近地面要素均方根误差均小于GRAPES模式。      

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。     

2013年华中区域中尺度业务数值预报的客观检验

应用国家气象中心模式检验方法,对华中区域中尺度业务数值预报模式WRF和中国气象局下发的GRAPES模式2013年1-12月的预报产品（包括降水、2 m温度场、850 hPa温度场、850 hPa风场和500 hPa位势高度场预报）进行统计检验。检验结果表明：所有要素24 h预报均优于48 h;对于晴雨预报,GRAPES模式TS评分高于WRF,但随着降水量级增大,WRF的TS评分基本都高于GRAPES,同时WRF降水预报范围明显偏大;分析2 m温度场的均方根误差及预报准确率发现,WRF的2 m温度场预报优于GRAPES,且暖季预报优于冷季;形势场要素分析表明,WRF对850 hPa温度场和风场预报具有相当大的优势,全年误差变化较稳定,而对500 hPa位势高度场的预报误差存在一定的季节性特征,即夏半年WRF高度场预报优于冬半年,GRAPES模式则相反。总体上,华中区域中尺度业务数值模式产品对天气预报具有一定的参考价值。     

不同初始场条件对GRAPES模式数值预报的影响

利用中国新一代数值预报模式GRAPES(Global/Regional Assimilation and Prediction Enhanced System),分别使用T213 L31及NCEP FNL 6 h间隔的资料作为初始和边界条件,对2005年7月9—10日淮河流域一次致洪暴雨过程进行了个例试验,初步探讨了GRAPES模式的数值预报产品对不同初始场的敏感程度,以及三维变分同化对数值预报结果的可能影响。结果表明,T213和NCEP初始场中存在着差异较大的次天气尺度特征,并由此造成了此后GRAPES模式预报场的差异,且此差异不会随时间消失;同化对GRAPES模式积分结果的影响主要表现在最初的24 h内;模式对此次致洪暴雨过程的暴雨区分布、强度均有一定的模拟能力,但模拟的强暴雨区与实况仍存在着较大差异。由此可知,GRAPES模式的数值预报能力对不同的初始场和侧边界条件存在不同程度的依赖性,初始场的差异决定了模拟结果的差异。     

华南区域高分辨率数值模式前汛期预报初步评估

基于华南地区自动站逐小时观测资料, 采用传统站点评分、邻域法等评估华南区域高分辨率数值模式(包括GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式)对降水、地面温度和风场等要素的预报能力。结果表明: GRAPES_GZ_R 1 km模式的降水预报技巧优于GRAPES_GZ 3 km模式, 模式预报以正偏差为主。对于不同起报时间的预报, 00时(世界时, 下同)起报的预报效果优于12时。GRAPES_GZ_R 1 km模式的TS评分是GRAPES_GZ 3 km模式的两倍以上, 对不同降水阈值的评分均较高。分数技巧评分(FSS)显示GRAPES_GZ_R 1 km模式6 h累计降水预报在0.1 mm、1 mm及5 mm以上的降水均可达到最低预报技巧尺度, 对所检验降水对象的空间位置把握能力更好。2 m气温和10 m风速检验结果表明两个模式均能较好把握广东省温度的分布特征, GRAPES_GZ_R 1 km模式对2 m气温预报结果优于GRAPES_GZ 3 km模式, 预报绝对误差更小; 两个模式对风速的预报整体偏强, 预报偏差在1~4 m/s之间, 但相比之下GRAPES_GZ 3 km模式在风场预报上表现更好。GRAPES_GZ_R 1 km模式的2 m气温和10 m风速预报偏差随降水过程存在明显波动, 强降水过后温度预报整体偏低, 风速预报偏强, 在模式产品订正、使用等需要考虑模式对主要天气系统的预报情况。总的来说, GRAPES_GZ_R 1 km模式的预报产品具有较好的参考价值。      

三种数值模式对四川省汛期降水预报性能的检验

应用国家基本观测站资料,基于MET系统的客观统计检验方法,针对24h降水分别评估SWCWARMS模式、GRAPES模式和ECMWF模式对2017～2019年5～10月四川地区汛期预报能力,得到如下几点结论:(1)SWCWARMS模式小到大暴雨降水范围大于实况,GRAPES模式小到暴雨降水范围大于实况、大暴雨多漏报,ECMWF模式小雨和中雨降水范围大于实况、大到大暴雨多漏报,三个模式无降水或微量降水均少于实况。(2)ECMWF模式对四川雨季小到大雨预报能力优于SWCWARMS和GRAPES模式,SWCWARMS模式在部分时次上暴雨和大暴雨预报优于ECMWF模式,GRAPES模式TS评分略偏低。(3)GRAPES模式在2018年秋季开始中雨及以上量级降水预报上改善大于SWCWARMS和ECMWF模式,SWCWARMS模式2019年空报较2017年和2018年显著降低;3个模式在小雨和中雨预报上不相上下,GRAPES模式优势在2019年大雨和暴雨预报上,ECMWF模式优势在2017年秋季和2018年初夏大雨预报上,SWCWARMS模式大雨和暴雨预报能力介于二者之间。(4)ECMWF和SWCWARMS模式川东预报优于川西,GRAPES模式川西预报优于川东;三个模式存在不同程度空报,川东地区空报略多于川西,其中ECMWF模式空报最多。      

GRAPES-REPS西南低涡预报检验评估

利用2015年6—8月GR APES-REPS(Global/RegionalAssimilation and Prediction System-Regional Ensemble·Prediction System)区域集合预报资料,并设计西南低涡格点资料客观识别方法对西南低涡中心位置进行定位,首先评估GRAPES控制预报对西南低涡的预报准确性,之后挑选出四次生命史较长的西南低涡过程,分析评估GRAPES-REPS对西南低涡发生、发展、移动及降水过程集合预报性能。结果表明:(1)GRAPES模式对西南低涡预报的命中率较高,空报率略大于漏报率。(2)GRAPES-REPS对西南低涡发生和发展的预报效果较好,绝大部分集合预报成员能预报西南低涡发生和发展过程,但对西南低涡发生时间预报总体偏早。(3)GRAPES-REPS对西南低涡移动路径在24 h预报时效内比较合理,且集合预报平均明显优于控制预报,24 h之后东移型西南低涡移动路径明显偏北。(4)GRAPES-REPS对西南低涡强度预报总体偏强,表现为中心正涡度值偏大,位势高度值偏低。(5)24 h预报时效内,西南低涡触发的小雨到大雨量级的降水概率评分均有较好表现,且落区与实况接近,而暴雨落区个别略有偏北,但基本吻合。24 h之后,由于东移型西南低涡移动路径偏北导致模式预报降水落区偏北。可见,模式对西南低涡强降水有一定预报能力,因此,提高GRAPES-REPS中尺度集合预报能力,将有助于改进西南低涡强降水预报。     

多模式降水资料在贵州的检验分析

本文检验了2020年3月至2021年2月ECMWF和GRAPES以及中央台格点产品（以下简称SCMOC）和省台格点产品（以下简称SPCC）4家降水预报产品逐24h未来5天在贵州的预报质量,结论如下：（1）ECMWF和SCMOC与实况的相关系数最高,SCMOC和SPCC预报降水的变化幅度较观测偏大,而GRAPES预报降水的变化幅度较观测则是明显偏小。（2）SCMOC的晴雨准确率最高,除在72h预报时效SPCC的准确率略高于SCMOC外,其余预报时效SPCC准确率均低于SCMOC,表明SPCC的订正能力需要进一步提升。（3）在小雨量级,4种降水预报产品的TS评分相差不大,ECMWF和GRAPES的ETS评分明显低于SCMOC和SPCC,其中GRAPES的TS评分在5个预报时效内均高于ECMWF。在中雨量级,前3个预报时效内ECMWF的TS和ETS评分均高于其他三家,ECMWF在5个预报时效内预报有降水的次数大于实况出现的降水次数,但空报次数并不是最多的,在后2个预报时效内,SCMOC的TS和ETS评分均是最高的,但与其他家相差不大。在大雨量级,24h和96h预报时效ECMWF的TS和ETS评分均是最高的,而在48h、72h、120h预报时效SCMOC的TS和ETS评分是最高的。在暴雨及以上量级,前3个时效内SPCC 的TS和ETS评分均是最高,且48h的TS评分空间分布也是最优的,表明SPCC对暴雨及以上量级在前3个预报时效内订正能力较好。     

GRAPES集合卡尔曼滤波资料同化系统Ⅱ：区域分析及集合预报

GRAPES集合卡尔曼滤波资料同化方法能够分批同化常规观测资料,GRAPES集合卡尔曼滤波同化系统的设计及其与GRAPES三维变分同化系统的对比试验结果表明,GRAPES集合卡尔曼滤波系统能够得到合理的分析,并且具有实际运行能力。在此基础上,进行集合卡尔曼滤波区域同化分析及集合预报试验,对比区域模式面三维变分同化分析预报结果,研究表明,集合卡尔曼滤波分析比三维变分分析具有一定优势,降水预报更接近实况。考察了预报误差特征随天气形势的变化情况,表明预报误差相关场和均方差的分布随着天气形式不同而变化。     

Study on ETKF-Based Initial Perturbation Scheme for GRAPES Global Ensemble Prediction

Initial perturbation scheme is one of the important problems for ensemble prediction. In this paper, ensemble initial perturbation scheme for Global/Regional Assimilation and PrEdiction System (GRAPES) global ensemble prediction is developed in terms of the ensemble transform Kalman filter (ETKF) method.A new GRAPES global ensemble prediction system (GEPS) is also constructed. The spherical simplex 14-member ensemble prediction experiments, using the simulated observation network and error characteristics of simulated observations and innovation-based in ation, are carried out for about two months. The structure characters and perturbation amplitudes of the ETKF initial perturbations and the perturbation growth characters are analyzed, and their qualities and abilities for the ensemble initial perturbations are given. The preliminary experimental results indicate that the ETKF-based GRAPES ensemble initial perturbations could identify main normal structures of analysis error variance and reflect the perturbation amplitudes.The initial perturbations and the spread are reasonable. The initial perturbation variance, which is approximately equal to the forecast error variance, is found to respond to changes in the observational spatial variations with simulated observational network density. The perturbations generated through the simplex method are also shown to exhibit a very high degree of consistency between initial analysis and short-range forecast perturbations. The appropriate growth and spread of ensemble perturbations can be maintained up to 96-h lead time. The statistical results for 52-day ensemble forecasts show that the forecast scores ofensemble average for the Northern Hemisphere are higher than that of the control forecast. Provided that using more ensemble members, a real-time observational network and a more appropriate inflation factor,better effects of the ETKF-based initial scheme should be shown.