基于垂直温度梯度对WRF-RUC模式山东2 m温度订正研究

为了减小观测站实际地形高度与对应模式地形高度的差异给2 m预报温度带来的误差,基于垂直温度梯度设计两种订正方案:第1种方案假定整层大气温度垂直梯度为-0.006 5℃·m-1;第2种方案计算了距离观测站实际地形高度最近的两层模式温度间的垂直梯度。利用两种方案对天气与预报快速跟新循环(简称WRF-RUC)模式2016年10—12月山东逐日2 m预报温度进行订正并对比订正前后的预报效果,对高度差异最大的泰山站2 m预报温度的订正效果进行研究。结果表明:(1)山东大部分观测站的实际地形高度与对应模式地形高度差异较小,导致两种方案订正效果不明显;(2)对泰山站2 m预报温度的订正,第1种方案在预报前期有正效果,在预报后期出现负效果;第2种订正方案在整个预报时段呈现正效果;(3)WRF-RUC模式2 m预报温度存在负的系统偏差,导致第1种方案在预报后期对泰山站2 m预报温度的订正存在负效果,第2种方案有效克服了逆温影响,对泰山站2 m预报温度的订正效果更优。     

GFS模式地形高度偏差对地面2m气温预报的影响

利用2016年1月1日—12月31日全球预报系统(GFS,Global Forecasting System)1～5 d的2 m气温预报资料,以及同期中国地面气象站2 m气温观测资料,研究模式地形高度偏差对地面2 m气温预报的影响。结果表明,较大模式地形高度偏差可严重影响2 m气温模式预报性能,导致较大预报误差。随着模式预报时效延长,2 m气温预报均方根误差也略有增加。比较模式地形高度偏差和预报时效对于模式预报性能的影响,发现模式地形高度偏差对于模式预报效果的影响更加显著。两种地形订正方案,即不做温度垂直订正的线性回归以及对温度进行垂直订正的线性回归都能显著减小2 m气温模式预报的误差,后者的订正效果更好。     

土壤湿度初值对边界层物理量预报影响的分析

使用全球中期数值预报模式T213L31,对不同的土壤湿度初值对边界层物理量预报的影响进行敏感试验分析。试验表明土壤湿度初值的准确性非常重要,其变化导致模式计算的感热通量、潜热通量、地表温度和2m温度发生较大变化。而当使用与观测值相近的土壤湿度初值时得到的边界层物理量(如2m温度)更加准确。通过使用固定值与6h预报的背景场加权平均作为土壤湿度的初值,改进原有采用固定值的方法,经过检验模式系统,2m温度的预报误差明显减小。     

对流尺度集合预报中模式地形扰动对其预报技巧的影响研究

基于在重庆市气象局业务运行的对流可分辨尺度(3 km)集合预报系统,在已有初值扰动、模式物理过程扰动和侧边界扰动的基础上,对不同集合成员采用不同地形插值方案和地形平滑方案实现对模式静态地形高度的扰动,体现数值模式中地形转换过程的不确定性,开展集合预报批量平行试验。结果表明:(1)实现对模式静态地形高度的扰动后,各集合成员地形高度的离散度与实际地形的起伏程度对应关系较好,两者空间分布特征非常相似,地形较平坦的平原地区离散度较小,而地形较复杂的高原地区或山区离散度较大;(2)加入模式地形扰动方案后,集合扰动能量总体上有所增大,且低层比中、高层更明显,能量增幅在较短预报时效(12 h)内最显著,随着预报时效延长呈逐渐减小趋势,且能量增幅大值中心主要出现在地形较复杂、集合成员地形高度离散度较大地区;(3)模式地形扰动方案一定程度上能提高降水概率预报技巧及改进集合平均降水预报,在对高空要素和2 m温度、10 m风场等近地面要素的集合平均均方根误差和集合离散度无负面影响的前提下,能一定程度上优化集合分布。     

三维湖陆风的数值模式试验

利用地形坐标建立了一个三维湖陆风的预报模式，其中对边界层及模式层顶高度采用预报方程求解，对边界层参数作了较仔细的考虑。计算表明，模式运行十分稳定，对复杂地形条件下的湖陆风扰动系统有着很好的描述能力。     

中国西部陆面过程次网格地形参数化的改进对区域气温和降水模拟的影响研究

地表作为大气模块的下垫面,为大气模块提供边界条件,地形对于模式结果的准确性起到至关重要的作用。现有的陆面过程模式在陆面同一网格内的次网格单元采用相同的大气强迫量,没有考虑次网格地形对网格内大气强迫量的影响,这关系到模式对气象要素和陆气交换量的模拟水平。本文在陆面模式NOAH处理次网格单元的同时,将输入的大气强迫量根据其与地形高度的关系进行修订,提出新的次网格地形的参数化方案,并引入到WRF（Weather Research and Forecasting）模式中进行数值试验,通过3组数值模拟试验,与未改进的方案和细网格方案分析比较,探讨新参数化方案对WRF 模式模拟结果的影响。结果表明:地形越复杂区域,次网格地形的影响越大。本文引入的新陆面次网格地形方案对天山山脉和昆仑山脉以及青藏高原南部的地表气温的模拟有较大改善,模拟的地表气温在大范围区域内都更贴近细网格方案。虽然新陆面次网格地形方案和细网格试验都对温度的模拟结果都有改善,但新陆面次网格地形方案对降水的模拟改善甚微,而细网格试验对降水模拟却有改进,这是由于细网格试验在陆面和大气网格都进行了细化,而新陆面次网格地形方案只考虑了陆面次网格的影响。具体来说,新陆面次网格地形方案对温度的模拟结果改进是通过改变地表向上长波和地表感热实现的。而细网格试验由于同时细化了大气和陆面的空间网格,对降水和温模拟的改进是通过综合改变地表能量平衡实现的。     

不同参数化方案对风预报效果影响个例研究

中尺度气象模式对风场的预报效果与参数化方案的适应性紧密相关.以内蒙古高原丘陵地形、江苏平缓的海陆交界地形2种典型下垫面试验风电场为模拟区域,分别用WRFV3.2 （Weather Research and Forecast Model）模式自带的6种物理过程参数化组合方案预报了2010年1月和7月两个风电场区域的风速和风向,对比分析了参数化组合方案差异对风场预报的影响.结果表明：①内蒙古试验区,边界层MRF方案描述的边界层结构较MYJ方案合理;微物理方案WSM3在夏季的风速预报能力优于WSM6,而冬季相反;复杂地形区域的风场预报需考虑陆面过程参数化方案,尤其是夏季降水发生后,陆面过程对于边界层结构的影响增大,选用Noah优于无陆面过程.②江苏试验区,边界层MRF方案描述的边界层结构较MYJ方案合理;1月陆面过程RUC方案优于陆面热量扩散和Noah;7月陆面热量扩散方案优于RUC和Noah.③风向预报6个方案的预报风向统计与实际记录风向统计有较好的一致性,风向概率分布相似,盛行风向一致且稳定.     

2010年7～8月四川三次大暴雨过程区域数值模式能力评估

本文对2010年7月14~19日、7月22~24日、8月17~19日四川出现的3次区域性大暴雨过程,比较分析了成都区域中心及国家气象中心运行的GRAPES模式降水预报情况以及中、高层环流形势,通过天气学检验得出以下结论:(1) G-SC模式预报降水范围偏小、强度偏弱,强降水中心存在较大偏差;G-BJ模式能预报出降水的主要落区,但降水强度偏弱,虚假强水中心偏多;(2) GRAPES模式对青藏高原东侧天气系统的预报能力偏弱,G-BJ对大尺度环流系统的预报能力优于G-SC模式;(3)九龙站和名山站单站探空廓线图显示G-SC模式在对流层高层温度和风速不随高度变化,对流层底层比湿较实况偏小,因此,温度场、风场以及湿度场强度及分布都有待改善;(4)成都区域中心运行的GRAPES模式在初值、高度场强度、近地面温度等方面都具有很大的改进空间,这需要在资料同化、边界层方案、地形处理等方面做工作。      

WRF模式2m温度在山东预报效果的评估

利用山东省内123个国家气象站2017年11月至2018年2月逐时观测地面温度对WRF模式08：00和20：00起报的2 m温度进行检验,评估了预报时效为72 h的逐时温度与日最低（高）温度的预报效果并初步分析了个别站点大值误差成因。结果表明：WRF模式08：00起报2 m温度的准确率要高于20：00起报,白天预报的效果优于夜晚;鲁西北和半岛地区的2 m预报温度的平均绝对误差总体低于鲁中和鲁南地区,全省大部分站点负误差比例高于正误差比例;WRF模式对于日最高温度的预报效果优于日最低温度;模式地形高度误差造成泰山站2 m预报温度正误差较大,基于两种温度梯度方案对泰山站2 m温度进行订正,订正后的平均绝对误差总体下降,利用单一的温度梯度在有的预报时刻出现负的订正效果,利用随预报时刻变化而变化的温度梯度在各预报时刻订正效果更为稳定;泰安站出现焚风时2 m预报温度有较大负误差,这主要是受WRF模式泰山站地形高度误差影响;WRF模式在微山湖区域土地类型与真实土地类型存在差异是薛城站夜间2 m温度负误差较大的重要因素之一。     

地形效应引起的局地扰动对华南降水预报的影响研究

利用中尺度模式对一次华南强降水过程进行模拟分析发现,模式对南岭-武夷山地区的降水存在漏报或预报强度偏弱的现象。通过与提前12 h预报结果的对比看出,引起这种预报误差的主要原因在于本次预报的模式初值中未包含地形强迫造成的小尺度局地扰动信息。对地形重力波拖曳和阻塞流拖曳参数化方案的比较发现,阻塞流拖曳力强度明显强于地形重力波拖曳,它有可能导致雨带位置偏离实况。一系列的初值敏感性试验结果表明,南岭-武夷山地区上空850~500 hPa的风场扰动增量对改进本次降水预报效果的影响最关键。      

Comparison of Three Tropical Cyclone Intensity Datasets

Analyzed in this paper are the 16-yr (1988-2003) tropical cyclone (TC) intensity data from three major forecast centers of the western North Pacific, i.e., China Meteorological Administration (CMA), Regional Specialized Meteorological Center Tokyo (RSMC Tokyo), and Joint Typhoon Warning Center (JTWC) of the United States. Results show that there are significant discrepancies (at 1% significance level) in the intensity of TCs among the three centers, with a maximum difference for the same TC over 30 m s-1. The flight reconnaissance over TC can minish the discrepancy to some extent. A climatic and persistent prediction model is set up to study the impact of initial data from different forecast centers on the prediction of TC intensity. It is obtained that the root mean square error (RMSE) of a 4-yr independent test is the largest using data from JTWC, while the smallest using data from RSMC Tokyo. Average absolute deviation in 24-h intensity prediction is 2.5 m s-1 between CMA and RSMC Tokyo data, and 4.0 m s-1 between CMA and JTWC data, with a maximum deviation reaching 21 m s-1. Such a problem in the initial value increases the difficulty in intensity prediction of TCs over the western North Pacific.     

热带气旋强度资料的差异性分析

通过对比西北太平洋3个主要预报中心(中国气象局(CMA)、日本东京台风中心(RSMC Tokyo)和美国联合台风警报中心(JTWC))的16 a数据,分析了不同来源的热带气旋(TC)强度资料的差异性。结果表明:CMA与RSMCTokyo和JTWC的TC强度均值分别相差0.6和1.7 m/s,均通过1%信度的统计检验,即存在显著差异;3个中心对同一TC确定的强度最大差异超过30 m/s;CMA资料的台风数多于RSMC Tokyo和JTWC,年台风频数的均方差也最大,但是3个中心资料的各级TC频数差异均无统计显著性。对比有、无飞机探测时段的资料发现,对TC进行飞机探测可在一定程度上减小各中心在确定TC强度方面的分歧。为了初步了解上述资料问题对TC强度预报的可能影响,采用一个气候持续性预报方法,取不同来源的TC强度资料进行了4 a(2000—2003年)的预报。发现据JTWC资料所得TC强度预报有最大的均方根误差,RSMCTokyo的最小,CMA居中;据CMA和RSMC Tokyo(CMA和JTWC)资料,对相同TC相同时次24 h预报的平均绝对偏差达2.5(4.0)m/s,最大可相差16(21)m/s。可见,西北太平洋TC强度的基本资料问题增加了预报的难度。     

三维插值方法在2 m温度评估中的应用

模式地形与实况站点地形高度间固有差异严重影响了2 m温度检验评估精度,传统二维插值方法仅满足预报要素与实况观测间经纬度二维空间上的一致性,而忽略了垂直方向的一致性问题,使得检验评估中预报与观测不在同一三维空间上进行检验,从而引起严重的评估误导.利用模式三维预报变量,结合近地面要素预报产品,建立新的近地面要素三维插值方法,以确保预报与观测在三维空间上保持一致性.利用2013年7月整月24 h预报产品与观测的对比分析发现,新插值方法有效地改进了由于地形误差引起的评估误导问题,在不同地形高度条件下均保持了较为一致的误差分布趋势,显示其评估结论不受地形因素影响,具有更好的实际应用价值.进一步关注新插值方法在复杂地形区不同模拟分辨率条件下的评估改进效果,采用GRAPES区域预报模式（GRAPES-MESO4.0）针对2012年7月个例,对青藏高原复杂地形区进行了不同分辨率（45、15、5和2 km）条件下的60 h模拟敏感分析,结果表明新插值方法在高分辨率条件下（2 km）依然显示出明显的改进优势.     

基于数值模式误差分析的气温预报方法

采用欧洲中期天气预报中心(ECMWF)全球确定性预报模式地面气温和国家地面站点观测资料,对模式初值场误差、历史误差以及卡尔曼滤波预测误差与实况误差之间的相关性进行分析,设计了4种回归方案订正日最高、最低气温预报偏差,并与ECMWF、中央气象台和全国城镇的预报产品进行了检验对比。结果表明:采用了模式近1～3 d最高(最低)气温和模式最高(最低)气温历史平均误差、初值场误差以及卡尔曼滤波反演误差作为预报因子的改进方案效果最优,经对其2017年日最高和最低气温的预报检验,预报准确率较ECMWF原始模式预报有较明显提高,也明显优于中央气象台指导预报。在空间分布方面,其对地形较为复杂地区的改进效果更好。同时,与当前业务中质量最好的全国城镇预报相比,最高气温预报平均绝对偏差(Mean Absolute Error,MAE)较全国城镇预报低8.24%～13.97%,预报准确率提高1.24%～3.57%,日最低气温平均绝对偏差较城镇预报低9.43%～17.69%,预报准确率提高1.77%～2.72%。在3 d的预报中,对24 h时效内预报相对于48 h和72 h的改进幅度更大,订正效果更加明显。     

基于小波分析的西北区智能网格气温客观预报方法的检验评估

基于中国气象局(China Meterological Administration,CMA)高分辨率数值预报产品、欧洲中期数值预报中心(the European Center for Medium-range Weather Forecast,ECMWF)精细化数值预报产品和国家级地面观测站数据,采用小波分析方法及滑动训练、最优融合等技术对模式误差序列进行时频处理,实现了对模式系统误差和局地误差的订正,发展了西北区智能网格气温客观预报方法(northwest intelligent grid temperature objective prediction method,NWTM)。以2017年3月—2018年2月数据作为训练样本,对2018年3月—2019年1月西北区239个国家基本站进行检验。结果表明:1)NWTM对CMA和ECMWF两种模式产品的气温预报能力有显著的提升;随着预报时效增长,两种模式订正产品的误差增大。2)NWTM对ECMWF西北区最高气温的订正效果要明显优于CMA,但就最低气温而言,NWTM对CMA的订正效果更为显著。其中,就24 h最高气温而言,ECMWF在宁夏的订正效果最好,CMA在青海的订正效果最好;而对于24 h最低气温的预报,CMA在西北4省的订正效果相差不大,ECMWF在陕西的订正效果最好。3)空间误差检验表明:针对最高气温的预报,ECMWF订正产品的订正能力明显优于CMA,特别是在甘肃河西走廊和中东部、陕西北部和南部、宁夏中南部及青海大部。就最低气温的预报而言,ECMWF和CMA对甘肃河东和陕西南部的订正能力较好;ECMWF订正产品在宁夏中南部及青海南部的订正能力高于CMA,而CMA订正产品在陕西中部的订正能力更优。     

GRAPES_GFS 2.0模式非系统误差评估

选取2014年1月、4月、7月、10月的GRAPES_GFS 2.0预报产品和对应时刻的NCEP FNL分析资料进行对比。从时间演变看,南、北半球的非系统误差均在各自冬季达到极盛,误差呈现周期性变化规律。位势高度场的非系统误差随时间演变先呈指数增长,后呈线性增长,温度场和纬向风场的误差则近似于线性增长。从空间分布看,GRAPES_GFS 2.0的非系统误差大值主要分布在中高纬度地区,呈条带状分布,误差大值区域基本不随预报时效的变化而发生变化;位势高度场和纬向风场的误差大值区出现在对流层顶附近,而温度场的误差大值区则出现在边界层顶附近。将误差增长曲线参数化拟合后发现,南半球的初始场误差、可预报上限和初始场误差占比均高于北半球,随离地高度增加初始场误差占比逐渐减小。     

地形非均匀性对网格区地面长波辐射通量计算的影响

从理论和数值试验两个方面证明地形的非均匀性(如海拔高度)对网格区地面长波辐射通量的计算有重要影响,海拔高度场的区域平均值及其变差系数是影响网格区地面长波辐射通量的主要因素,仅仅用地表均匀假定下的区域平均参量(如平均海拔高度和平均温度)所计算的网格区地表有效辐射通量值与其真实值之间存在着一定的误差。由于地表有效辐射通量是海拔高度的非线性函数,在特定情况下,其影响相当大,可产生不容忽略的误差。相对而言,海拔高度自身非均匀性对误差的影响远大于地表温度非均匀性项及其混合扰动项所产生的误差。对于不同的地形平均高度,地形非均匀性影响的程度并不相同。平均高度较小时,非均匀性的影响几乎可以忽略,但随着地形平均高度的增加,地形非均匀性的影响程度呈非线性增长趋势。因而,在复杂地形区域,考虑次网格地形的热力作用非常必要。     

Preliminary Comparison of the CMA, ECMWF, NCEP, and JMA Ensemble Prediction Systems

Based on The Observing System Research and Predictability Experiment (THORPEX) Interactive Grand Global Ensemble (TIGGE) dataset,using various verification methods,the performances of four typical ense...     

Error sensitivity analysis in 10–30-day extended range forecasting by using a nonlinear cross-prediction error model

Extended range forecasting of 10–30 days, which lies between medium-term and climate prediction in terms of timescale, plays a significant role in decision-making processes for the prevention and mitigation of disastrous meteorological events. The sensitivity of initial error, model parameter error, and random error in a nonlinear crossprediction error (NCPE) model, and their stability in the prediction validity period in 10–30-day extended range forecasting, are analyzed quantitatively. The associated sensitivity of precipitable water, temperature, and geopotential height during cases of heavy rain and hurricane is also discussed. The results are summarized as follows. First, the initial error and random error interact. When the ratio of random error to initial error is small (10^–6–10^–2), minor variation in random error cannot significantly change the dynamic features of a chaotic system, and therefore random error has minimal effect on the prediction. When the ratio is in the range of 10^–1–2 (i.e., random error dominates), attention should be paid to the random error instead of only the initial error. When the ratio is around 10^–2–10^–1, both influences must be considered. Their mutual effects may bring considerable uncertainty to extended range forecasting, and de-noising is therefore necessary. Second, in terms of model parameter error, the embedding dimension m should be determined by the factual nonlinear time series. The dynamic features of a chaotic system cannot be depicted because of the incomplete structure of the attractor when m is small. When m is large, prediction indicators can vanish because of the scarcity of phase points in phase space. A method for overcoming the cut-off effect (m > 4) is proposed. Third, for heavy rains, precipitable water is more sensitive to the prediction validity period than temperature or geopotential height; however, for hurricanes, geopotential height is most sensitive, followed by precipitable water.