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.     

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。     

基于TIGGE资料的地面气温多模式超级集合预报

基于TIGGE资料, 采用均方根误差分别对欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心和英国气象局4个中心集合预报的地面气温场集合平均结果进行检验评估, 比较各中心地面气温的预报效果。并利用超级集合、多模式集合平均和消除偏差集合平均3种方法对4个中心的地面气温预报进行集成, 同时对预报结果进行分析。结果表明: 2007年夏季日本气象厅与欧洲中期天气预报中心在北半球大部分地区预报效果最好, 各中心在不同地区预报效果不同。超级集合与消除偏差集合平均降低了预报误差, 预报效果优于最好的单个中心预报和多模式集合平均。对于较长的预报时效, 消除偏差集合平均表现出了更好的预报性能。     

东亚地区冬季地面气温延伸期概率预报研究

利用TIGGE资料中的ECMWF、NCEP、UKMO三个中心集合预报系统以及由此构成的多中心集合预报系统所提供的地面2 m气温10~15 d延伸期集合预报产品,建立贝叶斯模式平均(Bayesian Model Averaging,BMA)概率预报模型,对东亚地区冬季地面气温进行延伸期概率预报研究。采用距平相关系数、均方根误差、布莱尔评分、等级概率评分等指标分别对BMA确定性结果与概率预报进行评估。结果表明,BMA方法明显地改进了原始集合预报结果,预报技巧优于原始集合预报,且多中心BMA预报优于单中心BMA预报,最佳滑动训练期取35 d。BMA预报为气温的延伸期概率预报提供了更合理的概率分布,定量描述了预报的不确定性。     

基于TIGGE资料的地面气温延伸期多模式集成预报

基于TIGGE资料中心提供的CMC、ECMWF、UKMO及NCEP四个集合预报中心2008年7月1日-9月30日北半球中纬度地区地面气温10 ～ 15 d延伸期集合预报产品,首先采用Tala-grand分布及离散度—误差关系评估了单个预报系统的预报性能,然后分别利用多模式集成平均(Ensemble Mean,EMN)、消除偏差集成平均(Bias-Removed Ensemble Mean,BREM)及多模式超级集合(Multi-model Superensemble,SUP)对地面气温进行多模式集成预报试验.由于逐日的延伸期预报准确率相对较低,因此人们更关注延伸期预报对天气过程的预报准确率.对各个集合预报系统的逐日预报资料以及逐日“观测”资料做滑动平均,并对处理后的资料进行多模式集成,最后对超级集合预报的训练期长度进行调试,以获得最佳训练期长度.结果表明,四个集合预报系统的离散度相对于均方根误差都偏小,ECMWF预报效果最好,NCEP次之,UKMO预报效果最差.EMN、BREM及SUP三种多模式集成方法的预报效果均优于单个系统且SUP对预报效果的改善最明显.滑动平均后,预报误差进一步降低,且滑动步长越长,误差越小.对于SUP的训练期,逐日预报和3d滑动平均10～12 d预报最佳训练期长度为75 d;13 ～ 15 d预报最佳训练期长度为35 d;5 d及7d滑动平均其训练期长度在各个时效均以35 d为宜.     

CWRF模式对夏季降水的集合预报试验研究

以ISWS/UIUC发展的CWRF数值模式为试验模式,NOAA全球预报系统(GFS)每天4次的实时预报资料作模式初始和边界条件,同时采用NCEP每天发布的0.5°×0.5°全球SST实时分析资料,分别选取不同的云物理参数化、积云参数化、边界层参数化和辐射方案共计8种参数化组合方案,形成了8组、4个时次共计32个成员的集合预报体系,设计了时变权重分配和动态权重分配两种方案,开展了120 h的实时集合预报试验。试验结果表明,CWRF对中国区域降水有较好的预报能力;在短期降水预报中,集合成员对积云参数化方案更加敏感;考虑了前期预报误差的动态分配权重技术的集合预报方案能够及时反映模式在不同物理参数化方案下,在不同地方、不同预报时效的预报性能,总体上优于不考虑前期预报误差的时变集合预报方案和单个成员的预报。     

基于机器学习的华北气温多模式集合预报的订正方法

模式预报的订正是决定局地天气预报结果的一个重要步骤,基于机器学习的后处理模型近年来开始崭露头角。本文发展了基于岭回归（Ridge）、随机森林（Random Forest,RF）和深度学习（Deep Learning,DL）的3种后处理模型,基于中国气象局（CMA）的BABJ模式、欧洲中期天气预报中心（ECMWF）的ECMF模式、日本气象厅（JMA）的RJTD模式和NCEP的KWBC模式这4个数值天气预报模式2014年2月至2016年9月（训练期）近地面2 m气温预报和实况资料确定各模型参数,进而对2016年10月至2017年9月（预报期）华北地区（38°N~43°N,113°E~119°E）的逐日地面2 m气温预报进行了多模式集合预报分析。采用均方根误差对预报效果进行评估,这3种后处理模型的预报效果和4个数值天气预报模式以及通常的多模式集合平均（Ensemble Mean,EMN）的预报效果的对比表明:1）随着预报时长增加,4个数值预报模式及各种后处理模型的均方根误差均呈上升趋势;但区域平均而言,Ridge、RF和DL的预报效果在任何预报时长上都明显优于EMN和单个天气预报模式;特别是前几天的短期预报DL的预报效果更好,中后期预报Ridge的预报效果略好。2）华北地区的东南部均方根误差较小,其余格点上均方根误差较高,从空间分布而言,DL的订正预报效果最好,3种机器学习模型的误差在1.24~1.26℃之间,而EMN的误差达1.69℃。3）夏季各种方法的预报效果都较好,冬季预报效果都较差;但是Ridge、RF和DL的预报效果明显优于EMN,这3种模型预报的平均均方根误差在2.15~2.18℃之间,而EMN的平均均方根误差达2.45℃。     

混合误差协方差用于集合平方根滤波同化的试验

在集合卡尔曼滤波方法中, 根据预报集合统计提供的依流型而变的预报误差协方差对同化起到决定性的作用。但在集合样本容量不足及模式存在系统误差时, 由预报集合估计的预报误差协方差会出现明显偏差。既要减小这种估计偏差对同化产生的影响而又不增加计算量, 一种可供选择的方法是将定常或准定常的高斯型预报误差协方差和由预报集合估计的预报误差协方差加权平均用于集合卡尔曼滤波同化。利用浅水方程模式, 通过观测系统模拟试验检验在不同的模式误差、 集合成员数以及观测密度条件下, 将这种混合预报误差协方差矩阵用于在集合平方根滤波的效果。试验结果表明, 当预报集合成员数较多而模式又无误差时, 不必采用混合的预报误差协方差矩阵, 否则, 采用混合的预报误差协方差矩阵都有可能改进分析和预报。混合预报误差协方差的最优的权重系数与模式误差关系密切, 模式误差越大, 定常预报误差协方差的权重越大。最优的权重系数与集合成员数及观测密度也有一定关系。     

基于TIGGE资料的地面气温和降水的多模式集成预报

利用TIGGE资料集下中国气象局(CMA)、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)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24 h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96 h延长至192 h,且除个别时效外,小雨、中雨的TS评分得到明显提高。     

超级集合预报的误差订正与集成研究

利用类似KALMAN滤波的自适应误差订正法对中国国家气象中心、日本气象厅、美国国家环境预报中心、加拿大气象中心和澳大利亚-法国气象局的区域集合预报模式2m温度预报做订正,并对订正后的结果采用算术平均和多元回归两种方法进行集成.结果表明:订正后温度预报的各项检验指标都显示出不同程度的改善.36h内平均绝对误差在1.8℃以内;均方根误差也有明显减小,且与离散度大小更接近;talagrand图的U型分布仍然存在,但个别成员异常的现象得到改善;集合成员预报分簇的现象得到了很好的矫正;此外预报误差存在日变化.两种集成方法的温度预报结果都优于单一模式预报,并且不存在明显的系统误差,预报达到了一定精度.其中多元回归方法的集成效果胜于算术平均集成.     

Current status of ENSO prediction skill in coupled ocean–atmosphere models

The overall skill of ENSO prediction in retrospective forecasts made with ten different coupled GCMs is investigated. The coupled GCM datasets of the APCC/CliPAS and DEMETER projects are used for four seasons in the common 22 years from 1980 to 2001. As a baseline, a dynamic-statistical SST forecast and persistence are compared. Our study focuses on the tropical Pacific SST, especially by analyzing the NINO34 index. In coupled models, the accuracy of the simulated variability is related to the accuracy of the simulated mean state. Almost all models have problems in simulating the mean and mean annual cycle of SST, in spite of the positive influence of realistic initial conditions. As a result, the simulation of the interannual SST variability is also far from perfect in most coupled models. With increasing lead time, this discrepancy gets worse. As one measure of forecast skill, the tier-1 multi-model ensemble (MME) forecasts of NINO3.4 SST have an anomaly correlation coefficient of 0.86 at the month 6. This is higher than that of any individual model as well as both forecasts based on persistence and those made with the dynamic-statistical model. The forecast skill of individual models and the MME depends strongly on season, ENSO phase, and ENSO intensity. A stronger El Niño is better predicted. The growth phases of both the warm and cold events are better predicted than the corresponding decaying phases. ENSO-neutral periods are far worse predicted than warm or cold events. The skill of forecasts that start in February or May drops faster than that of forecasts that start in August or November. This behavior, often termed the spring predictability barrier, is in part because predictions starting from February or May contain more events in the decaying phase of ENSO.     

赤道中东太平洋海温相似预报研究

通过寻找过程相似的有效指标 ,建立了一个适合于时间序列分析的相似预报模式。将该模式应用于 ENSO的重要指标—— NINO3区海温指数预报 ,结果表明 :海温相似预报较持续性预报在预报效果 (如误差和相关系数 )上有明显的提高 ,特别是在 6～ 8个月时效上更为突出 ;模式的有效预报时效为 8个月 ,基本上达到国际上同期的模式水平。在有效预报时效 8个月内 ,冬半年的预报相关性普遍高于夏半年 ,其中 ,1 2月份的预报相关性最高 ,而 6,7月份的预报相关性最低。对于所有时效 ,2～ 4月份的预报误差最小 ,而 1 2月份的预报误差最大。相似预报对于转折事件具有较好的预报能力 ,尤其是对于 El Nino结束和强 El Nino开始     

数值预报同化系统中观测资料误差分析

在观测资料同化系统中,观测误差均方差与背景场误差均方差共同决定着观测信息与背景场信息的相对重要性以及这些信息在空间及不同变量间的扩展方式,故在资料同化系统中起到决定性作用.因此,观测误差均方差的合理估计是非常重要的.采用贝塞尔函数拟合方法,从探空观测资料与背景场的偏差(IV)协方差中分离出探空资料的观测误差均方差与模式的背景场误差均方差;再从其他观测资料偏差协方差中扣除背景场误差均方差来估计其它观测误差均方差.观测误差均方差分析使用2006年8月1-31日观测资料,国家气象中心T213L31全球中期分析预报系统的6小时预报作为背景场.结果显示估计的观测误差均方差是比较合理的.     

基于标准化时间序列加权法的IPCC-AR4多模式集成

采用对标准化时间序列作加权的方法做多模式集成,并以相关系数与均方根误差作为衡量模式模拟预估能力的标准,将IPCC-AR4的 10个气候模式模拟1961-1999年(39a)中国降水的标准化加权集成结果与气候模式修正、Taylor函数加权集成结果进行比较,结果显示前者具有明显优势。为进一步验证这种优化的性能是否具备稳定性,将由控制阶段(1961-1999年)模式与实测数据计算得到的权重系数应用于A1B排放情景下的模式降水数据,预估研究区域2000-2012年(13a)的降水,并与同时间段的模式修正、Taylor函数加权集成进行对比。结果表明,该集成结果在预估阶段(2000-2012年)仍优于模式修正、Taylor函数加权集成结果。     

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。     

Multimodel ensemble forecasts for precipitations in China in 1998

Different multimodel ensemble methods are used to forecast precipitations in China, 1998, and their forecast skills are compared with those of individual models. Datasets were obtained from monthly simulations of eight models during the period of January 1979 to December 1998 from the “Climate of the 20th Century Experiment” （20C3M） for the Fourth IPCC Assessment Report. Climate Research Unit （CRU） data were chosen for the observation analysis field. Root mean square （RMS） error and correlation coeffi-cients （R） are used to measure the forecast skills. In addition, superensemble forecasts based on different input data and weights are analyzed. Results show that for original data, superensemble forecasting based on multiple linear regression （MLR） performs best. However, for bias-corrected data, the superensemble based on singular value decomposition （SVD） produces a lower RMS error and a higher R than in the MLR superensemble. It is an interesting result that the SVD superensemble based on bias-corrected data performs better than the MLR superensemble, but that the SVD superensemble based on original data is inferior to the corresponding MLR superensemble. In addition, weights calculated by different data formats are shown to affect the forecast skills of the superensembles. In comparison with the MLR superensemble, a slightly significant effect is present in the SVD superensemble. However, both the SVD and MLR superensembles based on different weight formats outperform the ensemble mean of bias-corrected data.     

Connection of the stratospheric QBO with global atmospheric general circulation and tropical SST. Part II: interdecadal variations

The interdecadal variation of the association of the stratospheric quasi-biennial oscillation (QBO) with tropical sea surface temperature (SST) anomalies (SSTA) and with the general circulation in the troposphere and lower stratosphere is examined using the ERA40 and NCEP/NCAR reanalyses, as well as other observation-based analyses. It is found that the relationship between the QBO and tropical SSTA changed once around 1978–1980, and again in 1993–1995. During 1966–1974, negative correlation between the QBO and NINO3.4 indices reached its maximum when the NINO3.4 index lagged the QBO by less than 6?months. Correspondingly, the positive correlations were observed when the NINO3.4 index led the QBO by about 11–13?months or lagged by about 12–18?months. However, maximum negative correlations were shifted from the NINO3.4 index lagging the QBO by about 0–6?months during 1966–1974 to about 3–12?months during 1985–1992. During 1975–1979, both the negative and positive correlations were relatively small and the QBO and ENSO were practically unrelated to each other. The phase-based QBO life cycle composites also confirm that, on average, there are two phase (6–7?months) delay in the evolution of the QBO-associated anomalous Walker circulation, tropical SST, atmospheric stability, and troposphere and lower stratosphere temperature anomalies during 1980–1994 in comparison with those in 1957–1978. The interdecadal variation of the association between the QBO and the troposphere variability may be largely due to the characteristic change of El Ni?o-Southern Oscillation. The irregularity of the QBO may play a secondary role in the interdecadal variation of the association.     

相似集合预报技术在粤西风场预报中的应用

利用ERA5再分析资料与常规站点观测资料,采用相似集合法(AnEn)对粤西地面风的日平均风速与日最大风速释用进行订正.结果表明:日平均风速与日最大风速订正后的准确性得到明显提高,且在地形复杂的山区也有较好的订正效果.日平均风速的逐日均方根误差总体小于日最大风速,且更为稳定.对比相似成员集合性能,日平均风速各成员也比日最...     

Parameterization and Application of Storm Surge/Tide Modeling Using a Genetic Algorithm for Typhoon Periods

A genetic algorithm was used to optimize the parameters of the two-dimensional Storm Surge/Tide Operational Model (STORM) to improve sea level predictions.The genetic algorithm was applied to nine typhoons that affected the Korean Peninsula during 2005-2007.The following model parameters were used:the bottom drag coefficient,the background horizontal diffusivity,Smagorinski’s horizontal viscosity,and the sea level pressure scaling.Generally,the simulation results using the optimized,mean,and median parameter values improved sea level predictions.The four estimated parameters improved the sea level prediction by 76% and 54% in the bias and root mean square error for Typhoon Kalmaegi (0807) in 2008,respectively.One-month simulations of February and August 2008 were also improved using the estimated parameters.This study demonstrates that parameter optimization on STORM can improve sea level prediction.     

误差订正在预报集成中的应用研究

根据误差的特性，即误差由系统误差和随机误差组成，对保山5月雨量的几种预报方法的预报结果进行分析，寻找系统误差的订正方法，降低系统误差的影响。将几种预报方法订正后的结果平均从而消除随机误差，其预报结果明显改善，平均误差和均方根误差明显降低，预报准确率明显提高，可以在业务预测中广泛推广应用。