ENSO集合预报系统的检验评价

讨论了一个热带太平洋海气耦合集合预报系统集合预报的检验问题。该集合预报系统模式为一个中等复杂程度的耦合模式,其中大气部分为统计模式,海洋部分为动力模式。初始扰动利用集合Kalman滤波同化得到,模式误差扰动由一个一阶马尔可夫随机微分方程生成,预报集合样本为100个。利用1995~2005年的观测资料进行了确定性预报检验,包括相关系数和均方根误差。在概率预报检验方面,包括Talagrand概率分布、离散度、Brier评分(BS)、命中率以及空报率的统计检验,并且根据检验结果对预报系统进行了初步评价。确定性检验表明,集合样本均值的预报水平在热带中太平洋区域要高于热带东太平洋和沿岸区域。同时概率预报检验结果表明,集合预报系统有较高的概率预报技巧,对确定性预报是一个完善和补充。     

集合预报方法的全局研究

应用一个最大简化的６变量非线性模式,引入胞映射全局分析方法,研究初值误差范围内不同扰动对预报结果的影响。在获得对其全局认识的基础上,再通过理论研究与预报实践证明,集合预报方法确能改进预报。理论研究表明,可以求出最佳集合样本数,而且由模式预报试验得到的最佳集合样本数与理论结果是一致的。另外,观测精度、预报精度以及模式状态变量的个数对最佳集合样本数有着不同的影响。     

GRAPES全球集合预报的集合卡尔曼变换初始扰动方案初步研究

初始扰动方案是集合预报研究的核心问题之一.文中根据最新提出的基于集合卡尔曼变换(ETKF)理论的集合初始扰动方案,利用模拟观测系统及其调整的观测误差与放大因子的方案,研究发展了针对中国GRAPES全球预报系统的集合初始扰动方案,建立了GRAPES全球集合预报系统.利用14个集合成员进行了近两个月的集合预报试验,重点研究了初始扰动的结构特征、扰动振幅以及扰动增长特征,分析了集合扰动初始场的质量与性能.初步试验结果表明,基于ETKF初始扰动方案的GRAPES全球集合初始扰动能够较好地反映分析误差方差的主要模态结构和扰动振幅,并具有比较合理的集合离散度.分析误差方差能够准确地反应模拟观测资料的空间分布特征.初始扰动方差近似等于预报误差方差,并对全球观测系统的空间变化具有准确的响应.集合扰动具有合适的增长率,在96 h的预报时效内可以有效地保持适当的集合离散度.52 d集合预报统计分析显示,北半球集合平均的预报质量评分相对于控制预报具有较明显的优势,副热带高压特征线的个例预报也表明GRAPES全球集合预报在短期预报时效内具有很好的预报效果.基于ETKF初始扰动方案的GRAPES全球集合预报系统显示出良好的发展前景和应用潜力.     

动力协调的扰动场在风暴尺度集合预报中的效果改进试验

利用WRF模式,对1977年5月20日发生在美国俄克拉荷马州的超级单体风暴进行理想化的集合预报试验。基于具有明确统计意义的蒙特卡洛扰动法和扰动变量动力协调性的考虑,构造了两个集合预报系统（EPS）,一个是由包含多时次扰动误差信息并能够使各个扰动变量与动力模式相协调的初始扰动场生成集合成员;一个是由蒙特卡洛扰动法生成集合成员。对比检验了两个EPS的性能,结果表明：与动力模式相协调的扰动场形成初始扰动的EPS预报效果要好于蒙特卡洛扰动法产生的EPS;Talagrand分布和离散度情况表明前者可以获得更适宜的离散度,模式对初始扰动的平滑作用更小,比后者更为合理。     

观测误差对GRAPES区域集合预报影响的敏感性试验

通过设计3组不同的观测误差均方差,对2012年8月1日—29日进行了基于GRAPES-M EPS(Global/Regional Assimilation and Prediction System-Mesoscale Ensemble Prediction System)的集合预报敏感性试验,研究观测误差均方差对集合预报初始扰动场结构、扰动量及垂直扰动总能量发展的影响,评估集合预报结果的差异,并分析了一次典型的江淮流域强降水个例。结果显示,模式变量扰动结构和扰动振幅对观测误差均方差较敏感,较小的观测误差均方差使得温度和风等模式变量的初始扰动量增大,扰动总能量增长更快,降水集合预报效果更优。因此在GRAPES-MEPS中,可以考虑对观测误差均方差进行适当的扰动,以体现观测误差均方差的不确定性对集合预报的影响,提高GRAPES-MEPS的集合预报技巧。     

区域集合预报系统的集合变换卡尔曼滤波初始扰动的余弦分析约束方案

基于GRAPES区域集合预报系统,针对初始扰动对预报误差描述能力依然不足的问题,在动力降尺度构造集合初始扰动的基础上,本文利用集合变换卡尔曼滤波（ETKF）方法更新集合扰动以捕获更多中小尺度扰动信息,提出并发展了一种融合资料同化分析增量特征信息的新的分析约束扰动方法——余弦分析约束扰动,对ETKF更新后集合初始扰动的不合理信息进行适应性自主调整,使得不同空间尺度的初始扰动物理结构和振幅尽可能与相应的预报误差结构和振幅相一致。试验结果表明,随天气形式的持续演变,强降水区域分析约束调整的集合初始扰动的中小尺度信息明显更为丰富,且温度扰动显示出更明显的优势;在模式积分初期,余弦分析约束扰动方案的集合离散度和扰动能量在空间分布与演变特征等方面均表现出更为合理的发展趋势,初始扰动质量及预报性能由此得到了有效改善。     

集合变换卡尔曼滤波局地化对区域集合初始扰动的影响

集合变换卡尔曼滤波(ensemble transform Kalman filter, ETKF)是一种有效的集合预报初始扰动构造方案。但是,有限的集合样本、相同的集合成员设置以及预报模式误差等可能会使两个距离较远的状态变量产生虚假相关,从而影响ETKF集合扰动的质量。为了有效解决远距离虚假相关问题,将局地化思想引入ETKF方案。本文针对GRAPES区域集合预报系统(GRAPES REPS),对ETKF初值扰动局地化方案的效果进行了试验分析,为进一步改善和优化局地化方案(LETKF方案)提供依据。通过一周的连续试验,从暴雨个例、集合预报多种评分检验等方面分析了LETKF初始扰动方案所产生的集合预报质量。结果表明,区域集合预报中集合变换卡尔曼滤波初始扰动的局地化方案能够更加合理地捕捉到快速增长的分析误差的物理结构,更准确地再现数值模式预报误差的线性与非线性传播和演变特征。该局地化方案可以较好地改进预报质量,提高降水预报的准确率,尤其是针对小雨、中雨、暴雨量级的预报。相对于现有区域集合预报的业务系统GRAPES REPS,基于局地化ETKF初始扰动方案的区域集合预报具有较明显的优势。总体来看,LETKF初始扰动方案可更好地改善区域集合预报的质量。     

分析约束的集合预报初始扰动构造方案的研究

集合预报初始扰动准确描述大气运动的不确定性是集合预报研究的核心问题,合理的扰动结构及振幅应能更好地反映大气运动状态的预报误差特征。随着集合扰动和资料同化的深入研究和理解,集合初始扰动方案与集合同化紧密结合协同发展。本文基于中国气象局数值预报中心自主研发的GRAPES-REPS集合预报系统,针对其初始扰动的结构和振幅与预报误差一致性较差的不合理问题,结合不同空间尺度天气系统预报误差特征,将表征预报不确定性的集合扰动与表达观测和预报不确定性的资料同化分析增量有效结合,研究提出了一种改善集合初始扰动质量的分析约束方案,以实现对集合初始扰动质量进一步改善。分析约束方案充分考虑资料同化分析增量的空间结构和量值特征,分别构造了单一定常和具有一定适应能力的两种分析约束函数,实现对初始扰动中不合理信息的识别和约束调整。试验结果表明,具有适应能力的分析约束方案对集合初始扰动具有良好的调整能力,约束后集合扰动的结构和振幅与中小尺度天气系统的预报误差更为吻合,其集合离散度和扰动能量的空间结构与演变特征更加趋于合理。分析约束方案可有效改善集合初始扰动质量及其预报性能。     

集合预报风场扰动的物理结构及演变特征

初始扰动结构和振幅的合理性直接影响到集合预报的质量和整体性能,合理的初始扰动结构是确保集合预报扰动质量的关键.本文基于欧洲中期天气预报中心数据、我国T639全球集合预报系统以及GRAPES区域集合预报系统的预报场,针对模式初值不确定性,主要研究了风场初始扰动结构及其集合离散度、扰动能量等结构和演变特征,分析了集合预报风...     

中尺度暴雨集合预报系统研发中的初值扰动试验

针对2006年5月24～25日一次暴雨过程, 通过一系列初值扰动试验探讨实际业务中建立集合预报系统的方法。运用45 km的WRF模式构建一个11个成员的集合预报系统来比较分析不同的扰动方案、 扰动的空间结构和扰动振幅对集合预报的影响, 结果表明： （1）初值扰动的空间结构对暴雨集合预报的离散度影响很关键, 而扰动振幅的影响却居次要地位。具有动力学结构的孵化扰动明显优于随机扰动。（2）集合预报比单一控制预报提供了更有价值的预报信息。例如在该个例控制预报中漏报的湖北监利强降水中心, 在集合预报中有20%的概率, 并且实况被包含在集合预报的预报范围之中。集合平均预报也明显优于控制预报\.例如矫正了在控制预报中明显虚报的鄂东北的大暴雨中心, 且集合平均预报的暴雨中心落在实际观测暴雨中心的附近。（3）集合离散度较好地反映了实际降水过程的可预报性。例如应用孵化扰动, 其离散度的空间结构同降水预报误差的空间分布大致对应。     

Ensemble Forecasts of Tropical Cyclone Track with Orthogonal Conditional Nonlinear Optimal Perturbations

This paper preliminarily investigates the application of the orthogonal conditional nonlinear optimal perturbations(CNOPs)–based ensemble forecast technique in MM5(Fifth-generation Pennsylvania State University–National Center for Atmospheric Research Mesoscale Model). The results show that the ensemble forecast members generated by the orthogonal CNOPs present large spreads but tend to be located on the two sides of real tropical cyclone(TC) tracks and have good agreements between ensemble spreads and ensemble-mean forecast errors for TC tracks. Subsequently, these members reflect more reasonable forecast uncertainties and enhance the orthogonal CNOPs–based ensemble-mean forecasts to obtain higher skill for TC tracks than the orthogonal SVs(singular vectors)–, BVs(bred vectors)– and RPs(random perturbations)–based ones. The results indicate that orthogonal CNOPs of smaller magnitudes should be adopted to construct the initial ensemble perturbations for short lead–time forecasts, but those of larger magnitudes should be used for longer lead–time forecasts due to the effects of nonlinearities. The performance of the orthogonal CNOPs–based ensemble-mean forecasts is case-dependent,which encourages evaluating statistically the forecast skill with more TC cases. Finally, the results show that the ensemble forecasts with only initial perturbations in this work do not increase the forecast skill of TC intensity, which may be related with both the coarse model horizontal resolution and the model error.     

ETKF初值扰动方法中真实观测及扰动调节因子研究

目前国家气象中心业务GRAPES区域集合预报系统中集合变换卡尔曼滤波（ETKF）方法采用的是模拟观测信息，为进一步完善ETKF方法，拟对ETKF初值扰动通过引入真实探空观测资料，使扰动场能够代表真实观测的不确定信息，改善区域集合预报技巧。真实观测资料的引入会使得每日的观测数目和分布发生变化，这对ETKF方法而言可能会引起扰动振幅的不稳定，因此在引入真实观测资料的基础上设计了新的扰动振幅调节因子，通过格点空间中离散度和均方根误差关系来对初值扰动振幅进行自适应调整。从初值扰动结构、概率预报技巧以及降水预报效果等方面对比分析了基于模拟观测、真实观测以及真实观测结合新型调节因子的ETKF方案的差异，结果表明:真实探空资料能够有效应用于GRAPES区域集合预报系统中，真实观测资料与模拟观测资料相比较为稀疏，可以获得更大量级的初值扰动振幅；真实观测资料有助于提高区域集合的离散度，但对集合预报准确度以及概率预报结果的提高有限，对于降水预报效果提高也有限；新型的扰动振幅调节因子可以有效获得稳定的初值扰动振幅，并保持ETKF扰动结构，真实观测资料与扰动振幅自适应调节因子相结合，可以有效提高区域集合的概率预报结果，并有效提高降水预报效果。     

GRAPES全球集合预报系统不同随机物理扰动方案影响分析

为了更好地理解不同随机物理扰动方案对全球中期集合预报的影响差异,本研究基于GRAPES全球集合预报系统（GRAPES-GEPS）对比分析了随机物理倾向扰动（Stochastically Perturbed Parameterization Tendencies,SPPT）、随机动能补偿（Stochastic Kinetic Energy Backscatter,SKEB）及联合使用SPPT与SKEB三种模式扰动方案所产生的扰动特征及其对集合预报的影响。为避免初值扰动影响,考察随机物理方案所产生的扰动特征时,不使用初值扰动。通过扰动与误差相关性分析（PECA）发现,不同随机物理扰动方案所产生的扰动对预报误差均具有一定的描述能力,而且联合使用SPPT与SKEB方案时,扰动对误差的描述能力最好。对所有扰动方案来说,扰动总能量最初主要集中在热带地区对流层中高层以及平流层低层。随着预报时效的延长,扰动总能量不断增大,其大值区不断向热带外地区转移。从扰动总能量的谱结构来看,扰动能量均呈现升尺度发展的特征。在基于奇异向量初值扰动的GRAPES-GEPS中,随机物理扰动方案的使用均能够显著增加不同地区等压面要素的集合离散度,并在一定程度上改善集合平均误差。由于集合离散度的增大,预报失误率显著减小。连续分级概率评分也有所减小,尤其是在热带地区,改进更为明显。此外,中国地区不同量级（小雨、中雨、大雨和暴雨）降水概率预报技巧在一定程度上得到改善。上述改进均在联合使用SPPT与SKEB方案时最好,这与扰动总能量、扰动与误差相关分析结果一致。      

基于LAF思想的一种初始扰动生成方法及集合预报试验

在时间滞后平均法(LAF)思想的基础上,提出了一种改进的LAF方法,这种方法的思路是将不同的初始扰动叠加到模式初始场上进行不同的扰动预报,形成集合预报的成员;而不同的扰动场是通过在滞后不同时次上求取不同资料分析场之差获得。这种扰动不仅体现了不同分析场的差异,而且不同的滞后时间也体现了LAF方法的思路。然后利用经典的LAF方法及改进的LAF方法和AREM模式,分别对2004年6月14~15日安徽入梅首场暴雨过程进行了集合预报试验。结果表明,无论是雨带还是雨团位置和强度的预报,改进的LAF方法都优于经典的LAF方法。进一步研究发现,对于同一个扰动,加扰预报结果比减扰结果要好,若只选择加扰预报作集合平均,其预报结果更接近实况。     

基于BGM的不同繁殖长度对集合预报的影响

利用T63L9全球谱模式和NCEP/NCAR再分析资料, 对BGM方法中增长模的繁殖长度对集合预报效果的影响进行研究。结果表明:与控制预报相比, 不同繁殖长度的集合预报都能使预报效果得到一定程度的改进, 特别是第4天预报以后, 改进程度随预报时效而稳步提高。三组不同繁殖长度的集合预报对控制预报的改进存在差别, 分析结果表明:繁殖长度为2 d的集合预报明显效果最差, 而繁殖3 d和4 d的集合预报差别并不明显。对集合Talagrand分布以及离散度的初步分析表明, 繁殖长度取为3 d似乎最为合理。     

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。      

对流尺度集合预报成员数对降水预报的影响北大核心CSCD

选取2022年川渝地区发生的16个强降水个例开展对流尺度集合预报批量试验,并通过对31组初值采用不同集合成员数时的降水集合预报技巧进行检验评估和综合分析。结果表明:集合成员的降水预报技巧总体上大致相当,因而采用不同成员数时预报技巧差异也不明显;表征降水总体分布特征的Talagrand分布和预报失误概率以及表征降水概率预报技巧的相对作用特征面积随着成员数的增加而逐渐改进,但当成员数达到一定数值后继续增大成员数对预报改进不明显。总体而言,对流尺度集合预报成员数设置为16~18最适宜。     

Ensemble forecasting of tropical cyclone motion: comparisonbetween regional bred modes and random perturbations

Summary Random perturbations (RPs) and a modified version for breeding of growing modes are used with a regional baroclinic mesoscale model to perform ensemble forecasting of tropical cyclone motion. Based on a sample of six cases, similar conclusions are found as in previous barotropic modeling studies. Even after introducing a larger spatial correlation into the RPs using a multi-quadric analysis scheme, the skill of this ensemble mean track prediction is almost always lower than that of the control forecast in the cases considered. The track prediction performance of the ensemble using regional bred modes (RBMs) as perturbations has a higher average skill. At nearly all forecast intervals except less than 24 h when the initial position error still dominates, the ensemble mean tracks in all six cases are improved over the control forecast. In the 6 h–24 h range, the success rate (ratio of the cases with a forecast improvement to the total number of cases) has a value of 10/24. In the 30 h–48 h range, the success rate increases to 20/24, but drops to 18/24 in the 54 h–72 h range. A relative skill score (RSS) is used to compare the skills of the two perturbation methodologies. It is found that the average RSSs of using RBMs are significantly higher than the corresponding ones of RPs at the 99% confidence level in all three 24-h periods. Note that the above conclusion is only based on ensemble mean forecasts. All of the possibilities from an ensemble-based probabilistic track distribution are not explored in this paper. The ensemble spreads in these RBM ensembles are large enough to include the verifying tracks in all the cases considered. It is also found that the ensemble spread is well correlated with the average error in an ensemble when using RBMs, but not with the ensemble mean forecast error in both methodologies. Received February 7, 2001/Revised April 18, 2001