国家气象中心中期集合预报系统概况

随着对大气初值及数值模式存在不确定性的认识以及计算机技术的飞速发展，集合预报已经成为数值预报发展的重要方向之一。本文介绍集合预报的基本概念及初值扰动的特点和国家气象中心集合预报系统的概况。     

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。     

对一次局地短时强降水过程的集合预报研究

以上海区域降水集合预报系统为基础,对2007年6月23~24日发生在上海地区的一次短时强降水过程进行了集合预报研究。结果表明:该集合预报系统总体上对这次强降水过程作出了较好的预报,但对强降水发生的时间、地点的预报还有误差,集合预报提供的概率预报结果比集合平均预报结果更具有参考价值。模式物理过程、初值和侧边界的不确定性对降水预报结果的影响是不同的。对降水结果,模式对流参数化方案的影响非常大,并贯穿于整个积分过程;边界层参数化方案的影响较小;侧边界不确定性的影响在初始阶段较小,随后逐渐增大,积分一定时间后,其影响与对流参数化方案的影响相当;初值不确定性在初始阶段有一定的影响,随后逐渐减小。同时考虑3种不确定性的集合预报效果总体上好于没有考虑侧边界不确定性的集合预报效果,考虑模式物理过程和侧边界不确定性的集合预报效果总体上比考虑3种不确定性的集合预报效果更好。对于考虑模式物理过程和侧边界不确定性的集合预报,改进初值能有效地改进对有无降水的预报,但对强度稍大一些的降水预报没有改进。     

GRAPES全球/区域集合预报系统10年发展回顾及展望

较系统地概述了中国气象局全球/区域集合预报系统及描述模式初值和模式自身不确定性的集合预报扰动技术发展历程,回顾了GRAPES(Global/Regional Assimilation Pr Ediction System)全球集合预报的奇异向量初值扰动方法、GRAPES区域集合预报的集合变换卡尔曼滤波初值扰动方法和多尺度混合初值扰动方法、GRAPES全球/区域集合预报模式不确定性的随机物理过程倾向项扰动方法和动能后向散射随机补偿方法等研究成果,介绍了GRAPES全球/区域集合预报业务系统构建参数设置和预报性能,最后分析了GRAPES全球/区域集合预报中存在的问题,展望了未来发展方向。     

NCEP、ECMWF及CMC全球集合预报业务系统发展综述

总结了目前最具代表性的3个全球集合预报系统（global ensemble forecast system,GEFS）——美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）、欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）和加拿大气象中心（Canadian Meteoro-logical Centre,CMC）建成至今的发展概况。由于计算资源的不断扩展,各中心集合预报系统的模式分辨率、集合成员数也随之增加。同时各中心都在不断地致力于发展和完善初始和模式扰动方法,来更好地估计与初值和模式有关的不确定性,促进预报技巧的提高。其中初始扰动方法从最初的奇异向量法（ECMWF）、增殖向量法（NCEP）和观测扰动法（CMC）更新为现在的集合资料同化—奇异向量法（ECMWF）、重新尺度化集合转换法（NCEP）和集合卡尔曼滤波（CMC）。在估计模式不确定性方面,ECMWF和CMC都修订了各自的随机参数化方案和多参数化方案,NCEP最近也在模式中加入了随机全倾向扰动。为提高全球高影响天气预报的准确率,TIGGE计划（the THORPEX interactive grand global ensemble）的提出增进了国际间对多模式、多中心集合预报的合作研究,北美集合预报系统（North American ensemble forecast system,NAEFS）为建立全球多模式集合预报系统提供了业务框架,这都将有助于未来全球交互式业务预报系统的构建     

数值预报发展的新方向——集合数值预报

数值预报走过了百年的历史（V．Bjerknes，1904），取得了了不起的成就，预报准确率有了很大的提高。但是，考虑到大气的非线性作用以及初值和模式造成的数值预报不确定性，要提高传统的单一确定性预报的技巧越来越难。基于大气初值的敏感性试验，Lorenz提出了数值预报发展的新方向——集合数值预报。 通过介绍集合数值预报的基本思想和方法；并针对初值和模式的不确定性，概述现有集合数值预报成员的产生方法及国内外的研究进展；同时解释怎样检验集合预报的结果的论述，如何从众多的集合预报产品中提炼有用的信息及预报产品的释用。     

区域集合预报扰动方法研究进展综述

集合预报方法是解决单一数值预报不确定性问题的有效手段,而针对强天气预报的中尺度区域集合预报技术已逐渐受到国内外的重视。对于区域集合预报而言,由于其不确定性来源较为复杂,如何发展有效的扰动方法是研究的热点和难点。本文根据国内外区域集合预报的研究进展,从初值扰动、模式扰动以及侧边界扰动三个方面进行了总结和回顾,并对扰动方法的发展趋势进行了介绍。对于初值扰动,较为主流的方法有动力降尺度,沿用传统的由全球集合扰动方法发展而来的技术为区域集合产生初值,以及专门为区域集合设计的扰动方法。鉴于这些方法各有利弊,目前对于初值扰动方法的研究已经开始发展充分包含大尺度和小尺度不确定性信息的混合扰动方法。区域集合预报模式扰动的研究以物理过程扰动为主,典型方法为多物理过程组合以及随机物理过程扰动,其中多物理过程组合方法简单有效,而随机物理过程扰动方法的物理意义更为明确,是物理过程扰动的趋势。通过多模式组合进行模式扰动的方法也开展了一些相关研究,且对于台风等强天气预报均显示出相对于单模式集合较好的效果。侧边界扰动的主流方法是由大尺度集合预报场来为区域集合提供不同的侧边界,研究结果表明此种侧边界扰动方法简便易行,且有助于提高区域集合预报较长预报时效离散度和预报技巧。     

AREM模式两种初值扰动方案的集合降水预报试验及检验

基于我国科学家自主开发的AREM区域中尺度模式,考虑模式初值的不确定性,初步建立起11个成员37 km分辨率覆盖全国大部地区的短期集合预报系统。采用两套初值扰动试验方案(降尺度方案和BGM方案)分别进行了批量试验,试验结果表明:(1)通过对集合预报离散度和概率预报的检验,表明采用区域模式自身孵化循环产生的初始扰动明显优于直接使用全球集合预报提供的初始扰动。(2)无论采用哪种初值扰动方案,基于集合预报方法的集合平均预报、概率预报等均优于单一的确定性预报和业务预报。(3)离散度与集合平均预报误差的面平均有较好的对应关系;离散度与预报误差的空间相关系数平均为40%～45%。(4)目前集合预报系统离散度与预报误差相比偏小,其部分原因在于没有考虑模式物理过程的不确定性,这将在下一步的工作中逐步改进。     

集合预报研究及应用进展

从初值扰动的生成方法、数值预报模式的建立、输出产品的提炼应用等方面简要概括了集合预报的最新进展。指出，运用BGM法生成初值扰动效果较好，多模式集合预报正成为天气预报的发展趋势；集合概率预报是集合预报的最佳结果，但发布还需要做大量的普及推广和培训工作；集合预报正在被越来越多的国家投入准业务运行和业务运行．有可能成为新的主流预报方式。     

集合预报多尺度奇异向量初值扰动方法研究

目前国际上采用的奇异向量集合预报初值扰动法对于初值不确定性的描述存在一定的不足,为了更有效地反映初始误差的时空多尺度特性,基于GRAPES全球奇异向量计算技术,计算了不同空间分辨率及不同最优时间间隔的多个尺度的奇异向量,并采用基于高斯分布的线性组合法来构造多尺度奇异向量的扰动初值,以代表在相空间中增长最快的多尺度初值误差模态。通过2019年1月19日的初值扰动集合预报试验,对比分析了单一尺度奇异向量初值扰动法与多尺度初值扰动法的扰动特征及集合预报效果。结果表明,多尺度奇异向量初值扰动法为区域集合预报提供的初始扰动场是合理的,扰动的大小随时间增长,且在空间分布上较好地反映了当前大气的斜压不稳定特征。此外,多尺度奇异向量扰动可以描述一定的大尺度以及中小尺度运动误差特征,较单一尺度奇异向量扰动能反映出更多初始场的不确定性信息。检验分析表明,GRAPES多尺度奇异向量集合预报在集合一致性、连续等级概率评分、离群值等方面有一定的优势,相比于单一尺度奇异向量法有较好的预报技巧。因此,基于GRAPES的多尺度奇异向量初值扰动法对于集合预报的预报效果有一定的提高,能为构建一套完善的GRAPES区域奇异向量集合预报系统提供一定的科学依据和应用基础。      

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。     

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...     

时间滞后与奇异向量初值生成方法的比较试验

简单介绍了国家气象中心基于奇异向量初值生成方法的神威集合预报准业务系统, 它主要包括资料的前处理、客观分析、预报模式、初值扰动的生成、后处理、产品制作和系统监控七个部分, 共有 32 个成员。 提出了 12 个成员的时间滞后法集合预报系统的实施方案, 并与奇异向量法进行了对比试验。 结果表明, 不论是距平相关系数还是均方根误差, 奇异向量法在绝大多数区域和预报时效都比时间滞后法好。     

对流尺度集合预报与模式不确定性研究进展

本文回顾了国内外近10年来对流尺度集合预报系统以及有关模式不确定性研究的成果。对流尺度集合预报在提高局地强天气预报预警能力方面,因其可以提供丰富的概率预报信息而具有显著优势,相关研究和应用受到国内外学者和数值预报业务机构的重视。相对于全球集合预报,对流尺度集合预报中有关模式不确定性的研究缺乏系统性和理论基础,成为目前研究的热点和难点。目前常用的模式扰动方法有多模式、多物理过程、多物理参数、随机物理等。这些方法在强对流事件、热带气旋强度路径等预报中得到了广泛应用,但在提高对流尺度集合离散度方面作用仍有限,主要原因在于其并没有针对性描述影响对流系统发生发展的关键物理过程的不确定性,仍然属于全球集合预报中天气尺度范畴。在回顾相关研究的同时,也提出了值得探索和研究的方向。     

欧洲业务集合预报系统进展

由于大气初值与数值模式中物理过程存在不确定性等客观事实,集合预报无疑代表着数值天气预报未来前进与发展的方向,它标志着天气预报的预报范式转变,即用户不仅可以得到未来大气状态的单一现实,还可得到未来大气可能出现的一系列场景。文中扼要地梳理了欧洲全球业务集合预报与有限区域模式高分辨业务集合预报的研究动态与技术发展、基本问题及其未来最新发展方向,包括:1)欧洲中期天气预报中心的业务集合预报系统发展沿革及概况;2)欧洲国家主要业务高分辨率集合预报系统概况;3)当前业务集合预报存在的问题、挑战及未来前进的方向。文中除了关注欧洲中期天气预报中心的集合预报应用,还梳理了目前欧洲高分辨业务集合预报取得的成就,以引起有关研究人员的注意。总之,借鉴欧洲业务集合预报的发展思路,不仅有助于集合预报理论创新,还对发展集合预报业务有重要指导意义。     

集合数值预报在洪水预报中的应用进展

水文集合预报是近几年正在形成和发展的水文预报分支,其发展大致可分为两个阶段:第1阶段是1970年至20世纪末进行的长期径流预报,第2阶段从21世纪开始,主要学习气象数值预报中集合预报的概念在短期水文集合预报中的应用。目前,除了单一预报中心的集合预报系统在水文集合预报中应用外,多个预报中心的集合预报大集合也逐渐被应用于流域水文预报,甚至一些小流域的洪水预报。如利用TIGGE(THORPEX Interactive Grand Global Ensemble)集合预报驱动形成的大气-水文-水力的串联系统进行早期的洪水预警研究,将全球集合预报作为洪水模型输入的有限区域模式的初始条件和侧边界条件的研究。这些均表明,基于水文集合预报的洪水预报增加了预报附加值,并能够延长预警提前时间。以欧洲中期天气预报中心的欧洲洪水预警系统(EFAS)和美国NOAA的先进水文预报系统(AHPS)为代表,实现了集合预报在洪水中的实时业务预报,但仍存在数据处理和计算量大,以及如何基于集合水文预报做决策等问题。对于水文集合预报的前处理和后处理的各种技术已处于探索和验证阶段,如何更好地理解基于概率预报的洪水预警决策仍存在许多困难和挑战。     

Effect of doubling the ensemble size on the performance of ensemble prediction in the warm season using MOGREPS implemented at the KMA

Using the Met Office Global and Regional Ensemble Prediction System (MOGREPS) implemented at the Korea Meteorological Administration (KMA), the effect of doubling the ensemble size on the performance of ensemble prediction in the warm season was evaluated. Because a finite ensemble size causes sampling error in the full forecast probability distribution function (PDF), ensemble size is closely related to the efficiency of the ensemble prediction system. Prediction capability according to doubling the ensemble size was evaluated by increasing the number of ensembles from 24 to 48 in MOGREPS implemented at the KMA. The initial analysis perturbations generated by the Ensemble Transform Kalman Filter (ETKF) were integrated for 10 days from 22 May to 23 June 2009. Several statistical verification scores were used to measure the accuracy, reliability, and resolution of ensemble probabilistic forecasts for 24 and 48 ensemble member forecasts. Even though the results were not significant, the accuracy of ensemble prediction improved slightly as ensemble size increased, especially for longer forecast times in the Northern Hemisphere. While increasing the number of ensemble members resulted in a slight improvement in resolution as forecast time increased, inconsistent results were obtained for the scores assessing the reliability of ensemble prediction. The overall performance of ensemble prediction in terms of accuracy, resolution, and reliability increased slightly with ensemble size, especially for longer forecast times.     

基于背景场奇异向量的CMA全球集合预报试验

目前中国气象局全球集合预报系统（China Meteorological Administration Global Ensemble Prediction System,CMA-GEPS）利用CMA全球数值预报系统分析场计算奇异向量（ANSV）,欧洲中期天气预报中心采用同化背景场计算奇异向量（FCSV）,在业务流程上先于计算ANSV,可优化集合预报系统运行时间。为此,在CMA-GEPS中探索采用FCSV进行集合预报的可行性,分析ANSV和FCSV的空间分布及相似指数,进而针对夏秋季节10个个例开展采用ANSV和FCSV的全球集合预报试验,从等压面要素集合预报技巧、中国地区24 h累积降水概率预报技巧、台风路径集合预报技巧、台风中心最低海平面气压预报技巧等方面对比二者结果。结果表明:ANSV和FCSV的主要结构特征相似,两组集合预报结果相当,表明在CMA-GEPS中使用FCSV可行,可作为未来高分辨率CMA-GEPS业务系统建设的选项。     

Ensemble hindcasts of ENSO events over the past 120 years using a large number of ensembles

Based on an intermediate coupled model (ICM), a probabilistic ensemble prediction system (EPS) has been developed. The ensemble Kalman filter (EnKF) data assimilation approach is used for generating the initial ensemble conditions, and a linear, first-order Markov-Chain SST anomaly error model is embedded into the EPS to provide model-error perturbations. In this study, we perform ENSO retrospective forecasts over the 120 year period 1886–2005 using the EPS with 100 ensemble members and with initial conditi...