基于TIGGE资料的东亚地面气温预报的不一致性研究

基于TIGGE资料中欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)和中国气象局(CMA)3个集合预报系统的地面气温集合预报资料,运用跳跃指数研究了3个集合预报系统中东亚地面气温的控制预报及集合平均预报的不一致性。结果表明,各个集合预报系统地面气温预报的时间平均不一致性指数差异较大。ECM WF时间不一致性指数最小,NCEP次之,CM A最大。另外NCEP的控制预报、ECM WF的控制预报和集合平均预报,这三者的时间平均不一致性指数随预报时效延长而增加,且集合平均预报一致性优于控制预报。而对于CMA预报的不一致性,无论是控制预报还是集合平均预报总体上都稳定地保持在较高的水平。此外,ECMWF的地面气温冬(夏)季预报的不一致性相对较强(弱),且单点跳跃随预报时效延长变化不明显,而控制预报和集合平均预报的异号两点跳跃以及三点跳跃出现的频率总体上随预报时效延长略有增加。     

CMA-GFS与ECMWF模式预报产品不一致性特征

为讨论CMA-GFS模式与ECMWF模式对不同要素预报性能的差异,选用2019—2021年500 hPa位势高度、地面气压、地面2 m气温、12 h降水量的4种要素为对象,采用跳跃指数为评价指标,对比分析了不同区域CMA-GFS、ECMWF模式预报的不一致性特征。结果表明：1） 在形势产品（500 hPa位势高度、地面气压）预报方面,两种模式多日平均预报跳跃指数和频率（即预报不一致性）随预报时效的延长而逐渐增大,总体而言CMA-GFS模式预报不一致性比ECMWF模式略显著。2） 在要素产品（地面2 m气温、12 h降水量）预报方面,ECMWF模式预报的跳跃指数、频率都随预报时效的延长而逐渐增大;CMA GFS模式预报的跳跃指数、频率随预报时效的延长出现“两头大、中间小”的变化;CMA-GFS模式预报不一致性比ECMWF模式显著,尤其短预报时效差异更明显。3） 除CMA-GFS模式12 h降水预报外,同一模式相同要素预报区域范围越大预报跳跃指数越小,两者呈反比关系。4） 两种模式的500 hPa位势高度、地面气压、地面2 m气温预报的跳跃指数分布均呈自南向北逐渐增大趋势,而12 h降水量预报的跳跃指数分布呈自北向南逐渐增大趋势,另外12 h降水量预报的跳跃指数分布与特殊地理位置有关。     

重庆中尺度集合预报系统预报性能分析

本文利用2017年6～8月重庆中尺度集合预报系统逐日20时起报的预报资料及相应的观测资料对该系统的预报性能进行了综合分析,结果表明:500hPa位势高度、850hPa温度和2m温度的集合平均预报的均方根误差均优于控制预报,集合离散度均明显低于集合平均的均方根误差,Talagrand分布均呈现出“J型”或“U型”分布,500hPa位势高度和850hPa温度Outlier评分介于0.26～0.32,2m温度的Outlier评分普遍较高,总体介于0.33～0.67;降水预报方面,集合平均和概率匹配平均相对于控制预报表现出了较为明显的优势;小雨和中雨量级降水集合平均的TS评分明显优于概率匹配平均;大雨和暴雨量级的降水概率匹配平均的TS评分明显优于集合平均;0～24小时和24～48小时累计降水的Talagrand分布呈现出一定的“U型”分布且0～24小时更为明显,其余时效较为理想,Outlier评分随预报时效的延长而减小,最高0.31,最低0.20;降水概率预报检验方面,各个降水量级的Brier评分和相对作用特征技巧评分AROC均较为理想。总体而言,该系统相对于单一的确定性预报表现出了一定的优势。      

模式降水与温度预报的不一致性特征

为探讨模式产品预报不一致性问题,利用2015年11月—2016年10月业务中常用的GQEC,GQJP及T639模式的12 h降水、2 m温度网格产品,采用跳跃指数定量计算方法,研究了产品在不同区域内跳跃指数变化与预报不一致性问题。结果表明:产品多日平均跳跃指数随预报时效延长而增大;长时效预报比短时效预报跳跃频率大、预报不一致性也大;对比两种要素可知,降水的跳跃指数比温度大,跳跃频率高,预报不一致性大;对比不同模式发现,GQEC不仅跳跃指数值小,且跳跃频率低,预报不一致性小,GQJP虽然跳跃指数值小于T639,但其跳跃频率更高,预报一致性较T639低;产品跳跃频率存在季节差异,夏季降水和温度预报跳跃频率最高而冬季最低,夏季预报不一致性最大。研究还发现:基于跳跃指数的预报不一致性特征与选取的区域大小密切相关,区域越大,跳跃指数和预报不一致性越小;区域内跳跃指数分布特征与地理位置和地形等有关。     

NCEP集合预报系统在亚欧和北美区域的预报效果对比

使用NCEP集合预报系统（EPS）输出的500hPa位势高度场预报资料和相应的NCEP／NCAR再分析资料,针对集合平均预报和概率预报,采用多种预报效果检验评价方法,对该系统在亚欧和北美区域的预报效果进行全面的分析比较。总体而言,NCEP—EPS对亚欧区域的环流集合预报效果不亚于其对北关区域的预报效果。1）ACC检验表明,亚欧区域的集合平均预报效果在除冬季外的三个季节都明显优于北美区域,可用预报的时效相差达0．6～1d,且夏季的差别最大。RMSE检验表明,亚欧区域的预报效果在四个季节里均优于北美区域。2）集合概率预报可靠性的季节差别不明显,均为预报时效较短（长）时,北关（亚欧）区域的可靠性更好。系统对亚欧区域的事件识别范围相对较小,但其预报可靠性较高,北美区域则正好相反。3）夏季亚欧区域的集合概率预报效果明显优于北美区域,秋季和冬季北关区域的预报效果较好,春季在预报时效小于5d时北美区域占优,而其后则是亚欧区域的预报分辨能力更好。     

2010年8月环流形势的多模式超级集合预报

利用多模式超级集合预报法,以欧洲中期天气预报中心、日本气象厅、德国气象局、中国气象局和中国空军气象中心共5个决定性7 d预报产品为集合成员,对2010年8月500 hPa高度场和850 hPa温度场分别进行固定训练期和滑动训练期超级集合预报。采用均方根误差和相关系数对超级集合预报、单一模式预报和简单集合平均预报进行对比检验,同时对各预报结果的均方根误差空间分布进行对比分析。结果表明:超级集合预报在所有预报结果中最佳,且滑动集合预报对8月后期时段预报要略好于固定集合预报,两者预报效果均好于参与集合预报的各模式,也好于集合平均预报。但随着预报时效的延长,集合平均预报的优势也随之提升。从预报结果均方根误差的空间分布可知,多模式超级集合预报相比于单一模式预报效果提高的区域,500 hPa位势高度场主要位于印度半岛、印度洋、青藏高原及以西地区,而850 hPa温度场则主要位于蒙古、青藏高原、中国新疆及以西地区。     

夏季亚欧中高纬度环流的集合预报效果检验

使用NCEP集合预报资料, 对亚洲中高纬地区2003年6—8月500 hPa高度场的集合预报效果进行了检验。环流预报效果检验结果表明:预报时效大于5 d时, 集合平均预报明显优于单一预报; 使用相同模式分辨率时, 集合平均能将可用预报时效延长12 h以上, 达到7.5 d; 通过集合预报可获得真正意义的概率预报结果, 取得较单一高分辨率预报好的预报效果。阻塞过程的个例分析也表明集合平均的预报效果明显优于单一确定性预报; 特征等值线可反映集合成员的不一致信息和少数集合成员的异常表现, 以此为基础, 可估计分析对象出现与否的概率, 达到提高预报效果的目的。     

基于集合预报的台风“利奇马”登陆后远距离暴雨预报的敏感性分析

2019年第9号台风“利奇马”在8月10日登陆后引发了远距离大范围的暴雨,本文利用ECMWF(EC)和GRAPES全球集合预报模式等资料对暴雨短期预报的误差及原因进行了分析。此次台风远距离暴雨主要集中在8月10日夜间的山东中部地区,EC集合预报对该区域的降水量预报效果总体优于GRAPES集合预报。集合敏感性分析可以识别出和预报变量高相关(敏感)的天气系统,结果表明山东区域平均降水量对同期500 hPa副高、台风西北侧海平面气压和山东北部低层温度较为敏感,而对流层高层的高度及经向风存在更大范围的敏感区。根据暴雨预报TS评分选取EC集合预报成员作为优势组和劣势组,结果表明优势组预报成员表现为山东上空300 hPa低槽前倾,北侧高空偏南急流更强,同时配合低层台风外围偏东风急流,形成高层辐散、低层辐合的有利条件。另外,优势组预报的中纬度低层冷空气和斜压锋区更强,导致优势组在山东中部预报出暴雨,更加接近于实况。     

2008年1月欧亚阻塞形势的ECMWF集合预报效果评估检验

基于欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)集合预报系统资料,评估和讨论了2008年1月我国南方发生严重冰冻雨雪灾害期间欧亚中高纬阻塞形势的预报效果。结果表明,2008年1月阻塞形势发生频率极端偏高,ECMWF集合预报的阻塞发生频率随着预报时效的延长逐渐降低。环流预报效果检验表明,预报时效大于6 d时,集合平均的预报效果好于确定性预报,因此集合预报的优势主要体现在中期预报时段。对阻塞形势的可预报性的分析表明,阻塞崩溃期间的可预报性低于阻塞建立期间。另外,通过集合预报可以获得阻塞发生的概率,从而提前为预报员提供可能发生阻塞的信号。     

2011年长江中下游梅雨期强降水延伸期集合预报性能初探

针对2011年长江中下游旱涝转换时期的环流形势、强降雨期间的四次强降雨过程对欧洲中心集合预报进行了预报性能初步分析。结果表明：集合平均预报对延伸期预报时效内的大尺度环流调整具有较好的预报性能,预报提前时效可达10~15 d。对强降水过程期间主要影响系统的预报在不同预报时效具有较好的稳定性。随着预报时效的临近,集合预报各个成员对天气系统预报的发散度逐渐减小。长江中下游强降水的发生与低层850 hPa较大的风速有密切关联,集合预报给出的延伸期预报时效内大风速出现的小概率预报信息是有意义的,可以为延伸期强降雨过程预报提供参考。     

ECMWF全风速场集合预报结果的偏差订正与预报不一致性分析

采用卡尔曼滤波类型自适应误差订正法和滑动自适应权重法,对2012年夏季ECMWF 10 m全风速场集合预报结果进行偏差订正,对订正前后的预报结果进行评估,并通过Jumpiness指数对预报结果订正前后的预报不一致性特征进行分析。结果表明,卡尔曼滤波类型自适应误差订正法能有效降低集合预报的均方根误差,且当起报时刻为00时对中低纬度地区的订正效果更显著,当起报时刻为12时对中高纬度地区的订正效果更明显;卡尔曼滤波类型自适应误差订正法能有效改善Talagrand的U型或L型分布;由均方根误差分析结果知道,ECMWF 10 m全风速场集合预报本身存在较大的预报不一致性,经过卡尔曼滤波类型自适应误差订正后,集合预报的预报不一致性明显降低,偏差订正可有效改善集合预报的预报不一致性,且随着预报时效的延长,卡尔曼滤波误差法对预报不一致性的改善效果更加明显;从预报不一致性的发生次数特征来看,单点跳跃出现的次数最多,异号三点跳跃的次数最少;经过卡尔曼滤波类型自适应误差订正后,单点跳跃、异号两点跳跃、异号三点跳跃次数都有所下降。     

GRAPES-GEPS环流集合预报的分类释用方法研究与检验

集合预报在数值天气预报体系中具有重要地位，因此如何有效提取集合样本信息以提高集合预报技巧一直是一个重要课题。基于中国全球集合预报业务系统（GRAPES-GEPS）的500 hPa高度场集合资料开展对环流集合预报的分类释用方法研究，并对集合聚类预报结果进行了检验分析。通过在传统Ward聚类法中引入动态聚类的“手肘法”方案，发展了环流集合预报分类释用方法。针对该方法的个例分析表明，对于中国中东部地区环流集合预报的聚类释用方法能够有效地划分出最有可能发生的环流形势类型并提供发生概率。确定性预报综合检验结果显示，集合预报聚类结果中发生概率最高的集合大类相对于集合平均的预报技巧有明显提升，并随着预报时效的延长提升更明显。总体来看，通过集合预报的分类释用方法划分环流形势类型可以为天气预报提供参考依据，具有实际应用价值。      

基于T213集合预报的延伸期产品释用方法及初步试验

基于T213集合预报系统2008年1月中国及附近区域500 hPa高度和850 hPa温度的1~15 d预报资料,构建延伸期产品释用方法,通过对逐日11~15 d预报资料做集合平均和后向衰减权重系数滑动平均,进而得到延伸期(11~15 d)候平均和候距平预报,并对预报效果进行检验,结果表明:对11~15 d预报场做集合平均和后向衰减权重系数滑动平均均能降低预报误差,改善整体预报效果。由此得到的500 hPa高度场和850 hPa温度场11~1 5 d候平均预报误差与逐日控制预报第5d的水平相当,候距平相关系数均接近0.6,整体而言效果较好,具备一定的应用价值。500 hPa高度场和850 hPa温度场11~15 d候距平预报在中国大陆地区位相准确率均较高,东南沿海和东北部分地区稍差,且850 hPa温度场的位相准确率整体高于500 hPa高度场。候距平预报对延伸期(11~15 d)的大范围持续性异常距平具有较强的捕捉能力,对异常距平出现的范围和分布、强距平中心的位置的预报均较好,但强度整体偏弱。     

ECMWF业务预报模式地面气温预报的不一致性特征研究

为探讨ECMWF业务预报模式(以下简称ECMWF)的地面气温预报不一致性问题,本文利用2015年12月1日—2016年11月30日业务预报中常用的地面气温预报数据,研究ECMWF地面气温预报产品在不同季节里的不一致性指数分布及变化特征。结果表明:各个季节不一致性指数有不同的特点,冬季不一致性指数最大,大值区主要分布在除华南和青藏高原外的大部分区域;而夏季不一致性指数最小,在青藏高原地区不一致性指数相对较大;春、秋两季不一致性指数大小均处于冬、夏季之间。此外,研究还发现冬季地面气温预报不一致性指数单日变化较大,而夏季较小。夏季不同起报时间的地面气温预报比较稳定。     

北半球中纬度地区地面气温的超级集合预报

基于TIGGE资料中的ECMWF、JMA、NCEP和UKMO四个中心2007年6月1日-8月31日北半球中纬度地区地面气温24～168 h集合预报资料,分别利用固定训练期超级集合(SUP, Superensemble)和滑动训练期超级集合(R-SUP, Running Training Period Superensemble )对2007年8月8-31日预报期24 d进行超级集合预报试验.采用均方根误差对预报结果进行检验评估,比较了两种超级集合方法与最好的单个中心模式预报、多模式集合平均的预报效果.结果表明,SUP预报有效降低了预报误差,24～144 h的预报效果优于多模式集合平均(EMN, Ensemble Mean)和最好的单个中心预报,168 h的预报效果略差于EMN.R-SUP预报进一步改善了预报效果.对于24～168 h的预报,R-SUP预报效果都要优于EMN.尤其对于168 h的预报,R-SUP改进了预报效果,优于EMN.     

基于深度学习的中国地面气温的多模式集成预报研究

基于TIGGE资料中的欧洲中期天气预报中心、英国气象局、美国国家环境预报中心、韩国气象厅和日本气象厅2015年1月1日—9月30日中国及周边地区地面2 m气温24～168 h集合预报资料,利用长短期记忆神经网络(Long Short-Term Memory,LSTM)、浅层神经网络(Neural Networks,NN)、滑动训练期消除偏差集合平均(BREM)和滑动训练期多模式超级集合(SUP)方法对2015年9月5—30日26 d预报期进行集成预报试验。结果表明,BREM对5个单模式进行等权集成,预报结果易受预报效果较差模式的影响,整体预报技巧略低于单个最优模式ECMWF的预报技巧。其中在新疆南部,等权集成后的预报技巧更低。SUP的预报结果比所有单个模式预报更为准确。在144 h之前,SUP的误差明显小于ECMWF的预报误差,但随预报时效增加,误差增长幅度增大。NN对地面气温的预报效果与SUP的预报效果相当。LSTM整体预报效果最好,特别是在预报时效较长(超过72 h)时,比其他方法预报准确率明显提高。LSTM神经网络方法明显改进了我国西北、华北、东北、西南和华南大部分地区的气温预报,但在南疆部分地区误差较大。     

集合预报对台风天鹅(2015)远距离暴雨的不确定性研究

2015年8月23—24日期间台风天鹅引发华东中部沿海地区出现暴雨或大暴雨天气。基于欧洲中期天气预报中心的集合预报分析导致此次远距离暴雨预报不确定的关键原因,并利用集合敏感性分析方法研究影响此次暴雨过程的主要天气系统的敏感区域,此外对暴雨发生发展的热动力机制展开探讨,主要结论包括:集合预报对此次台风天鹅引起的远距离暴雨的可预报性明显偏低,仅在暴雨发生前24 h才做出较大调整。在不同起报时次下,当台风路径的系统性偏差最小时,台风降水集合预报也最接近实况,但是进一步的分析表明,台风路径误差与降水量级之间的对应关系并不确定。不同雨量成员组间中低层环流场的对比分析表明:高空槽的预报差异是集合预报不确定的主要原因,高空槽东移加深有利于增加暴雨区的斜压不稳定,也有利于增强对流层低层的水汽输送急流带。500 hPa高度场的敏感性分析表明无论是初始场还是预报场,暴雨区平均降雨量均与高空槽的东移和加深显著相关,且随着预报时次的临近,显著相关区域向低槽下游明显扩大。此外还发现高空槽的东移有利于增强(减弱)暴雨区左(右)侧低层冷空气的强度,使得台风右侧更多暖湿气流向暴雨区输送。