单一值预报向概率预报转变的基础: 谈谈集合预报及其带来的变革

基于大气系统的非线性和复杂性,加上初值和模式等本身无法避免的一些不确定性,天气预报从单一值的确定论向多值的概率论转变不但符合气象科学的实际也是更好地服务社会之必需。但是这种转变的理性思考对很多用户,甚至气象工作者自己都不是很清楚。为了帮助人们理解和加速这一转变,本文就这种转变所面临的一些普遍困惑谈一些想法。集合预报是促成这种转变的中心技术,为什么要做集合预报?集合预报的根本目的是什么?人们对集合预报有哪些误解?集合预报对整个数值预报系统将带来什么样的变革?以及预报员的新使命是什么?作者针对这些问题进行了讨论。     

概率及天气概率预报

本文通过分析数学意义上的概率,以及气象业务实践中的概率预报,阐明了概率预报在天气预报中的应用价值。特别是对于数值预报产品开发应用,实行天气预报逐级指导,具有一定的参考意义。     

驻马店地区降水量级概率预报与经济决策

根据本地实际，确定出符合经济部门需要的降水量级，从历史气象资料中选取预报因子，利用气象学、动力学原理，采取统计学方法，制作出降水量级概率预报，并运用经济决策学理论，用数学模式来描述经济部门的决策参数。把降水概率与此结合得出决策判据，进入经济决策服务系统得出最后的决策结果。     

概率预报与专业有偿服务

在专业有偿服务中，经常听到用户反映发布的预报不太好用，希望能有一种更客观定量的表达方式，而国外早已采用的天气概率预报正好能满足用户的这一要求。所谓概率预报，就是对可能出现的天气现象以机车的形式表达出来，其出现的机李范围为。O（不可能发生）到100O（肯定发生）。这种发布预报的方法创始于本世纪20年代的美国。现已在美国、日本、澳大利亚以及欧洲一些经济发达国家和韩国、东亚部分国家广泛采用。概率预报的特色体现在对可能出现的天气现象量的描述上。例如：明天发生障水的可能较大，概率预报为：明天阴天，有雨，概率为70…     

降水概率预报综述

为了配合概率预报发布工作，收集了国内外开展概率预报的各种文献与报导，就降水概率预报的定义，发布降水概率预报的意义，国内外降水概率预报的研究与业务应用，降水概率预报的基本方法，主观预报在客观降水概率预报中的作用，降水概率预报的经济效益评估等几个重要问题，进行了综合评述。     

榆林市气象台短期预报业务平台

9210工程业务化以来，MICAPS系统平台为预报员提供了良好的预报环境。如何规范业务，如何充分利用丰富的数值预报产品和气象监测资料，如何提高气象业务现代化建设的效益，如何提高预报服务水平，是面临的重大课题。针对这些问题结合榆林的实际情况，建立了“榆林市气     

成都市降水概率预报方法

用实时气象资料与T106数值产品相结合，根据概率统计的方法和原理，采用概率回归估计方法，建立了成都市的夏季降水概率预报方法。此方法可对成都市东、西、北片未来24小时降水作出定量预报。1999年8－9月试用效果较好，可供精力参考应用。     

云南气象地质灾害危险等级PP-ES预报方法

根据气象地质灾害与前期及当日降水的关系模型,对气象地质灾害危险等级进行模糊可能性描述,应用PP(完全预报法)原理,采用ES(专家系统)中的确定性因子法进行气象地质灾害预报的不确定性推理,所建立的气象地质灾害预报专家系统,在实际预报业务中取得了很好的效果,在2004年的汛期业务运行中,报准了全部重大气象地质灾害。结果证明:用完全预报方法原理,将气象地质灾害预报因子———降水量分为两段,第1段为实况降水量,第2段为预报降水量,建立预报模式是可行的;对于气象地质灾害这种小概率事件的预报,采用专家系统预报方法建立预报模式是行之有效的。     

广州降水概率预报

讨论了长水概率预报的意义,原理和方法,介绍了广州降水概率预报的业务流程及试验效果,并提出深入开展降水概率预报的若干建议。     

集合预报的现状和前景

综合论述了近年来已在国际上引起高度重视的新一代动力随机预报方法 ——— 集合预报。 随着计算机技术的迅猛发展和由于大气初值和数值模式中物理过程存在着不确定性的事实, 这一方法无疑代表了数值天气预报未来演变发展的方向。 未来的天气预报产品预计将从“决定论”的预报转变为“随机论”的预报来正确地表达气象科学中这一所谓“可预报性问题”, 以便更好地为用户服务。 文中扼要地叙述了集合预报的概念、基本问题及其最新的研究动态和发展, 包括(1)如何建立和评估一个集合预报系统;(2)如何正确地表征大气初值和模式物理过程的不确定性与随机性;(3)如何从集合预报中提炼有用的预报信息和合理地解释、检验集合预报的产品, 特别是概率预报。 除了直接在天气预报上的应用, 还提到集合预报在气象观测和资料同化方面应用的动态, 以引起有关研究人员的注意。     

基于贝叶斯理论的单站地面气温的概率预报研究

基于贝叶斯理论,建立了将确定性预报向概率预报转换的基本模式,并利用TIGGE资料中欧洲中期天气预报中心(ECMWF)地面气温预报资料及地面气温观测资料,对概率化后的预报进行了评估与释用。结果表明,概率化后的预报结果不但能提供丰富的预报产品,而且所提供的预报均值优于原始的确定性预报。应用贝叶斯模式平均法(BMA)将中国气象局(CMA)、美国国家环境预报中心(NCEP)和ECMWF 3个模式的预报结果进行多模式集成,得到了更为合理的概率分布,其中分布的均值可作为模式的预报结果,方差和置信区间反映了预报量的可变范围。因此,基于贝叶斯预报模式的概率预报相对于确定性预报,不但能够提供更高精度的预报,而且能提供更全面的预报信息。BMA集成预报结果不但优于集合平均预报,而且还能定量描述预报的不确定性。利用ECMWF预报中心51个预报成员进行集成贝叶斯概率预报试验,发现BMA预报融合了各成员对预报不确定性的描述,还对概率预报的均值进行了调整,使之与观测值更为接近。BMA预报的概率密度分布更能反映大气的真实分布情况。     

The Meta-Gaussian Bayesian Processor of Forecasts and Associated Preliminary Experiments

Public weather services are trending toward providing users with probabilistic weather forecasts, in place of traditional deterministic forecasts. Probabilistic forecasting techniques are continually being improved to optimize available forecasting information. The Bayesian Processor of Forecast (BPF), a new statistical method for probabilistic forecast, can transform a deterministic forecast into a probabilistic forecast according to the historical statistical relationship between observations and forecasts generated by that forecasting system. This technique accounts for the typical forecasting performance of a deterministic forecasting system in quantifying the forecast uncertainty. The meta-Gaussian likelihood model is suitable for a variety of stochastic dependence structures with monotone likelihood ratios. The meta-Gaussian BPF adopting this kind of likelihood model can therefore be applied across many fields, including meteorology and hydrology. The Bayes theorem with two continuous random variables and the normal-linear BPF are briefly introduced. The meta-Gaussian BPF for a continuous predictand using a single predictor is then presented and discussed. The performance of the meta-Gaussian BPF is tested in a preliminary experiment. Control forecasts of daily surface temperature at 0000 UTC at Changsha and Wuhan stations are used as the deterministic forecast data. These control forecasts are taken from ensemble predictions with a 96-h lead time generated by the National Meteorological Center of the China Meteorological Administration, the European Centre for Medium-Range Weather Forecasts, and the US National Centers for Environmental Prediction during January 2008. The results of the experiment show that the meta-Gaussian BPF can transform a deterministic control forecast of surface temperature from any one of the three ensemble predictions into a useful probabilistic forecast of surface temperature. These probabilistic forecasts quantify the uncertainty of the control forecast; accordingly, the performance of the probabilistic forecasts differs based on the source of the underlying deterministic control forecasts.     

天气预报技巧和价值的关系

利用一个简单的花费-损失比模型介绍了天气预报系统的技巧和其对用户的价值之间的关系。以欧洲中期天气预报中心的集合预报系统的控制预报和集合预报为例，对确定性预报和概率预报的情况分别进行了说明。结果表明，有技巧的天气预报系统只有在用产的花费-损矢比(C／L)在某一数值区间内时对用户才是有价值的。通过对比分析集合预报系统EPS概率预报和确定性预报的相对经济价值曲线，说明概率预报系统比一个与其质量相当的确定性预报系统具有较大的价值优势，而根据C／L选择最佳概率阈值对于实现其最大预报价值尤为重要。     

多模式集成的概率天气预报和气候预测研究进展

基于大气的混沌特性,单一的确定性预报逐步向多值的不确定性概率预报转化已成为一种趋势。本文系统地评述了概率天气预报产生的背景,介绍了概率预报的相关概念及国内外的研究状况,着重讨论了多模式集成的概率预报的两种集成方法,即贝叶斯模式平均(Bayesian model averaging,BMA)和多元高斯集合核拟合法(Gaussian ensemble kernel dressing,GEKD),并给出了两个例子的概率预报试验结果。利用BMA方法制作的概率预报的方差较小,减小了预报的不确定性,因此预报结果更接近大气的真实值。作为另一种多模式集成方法,多元高斯集合核拟合法回报的地面气温距平均值及趋势的概率预测结果与实测结果基本一致。利用此方法建立了地面气温年代际变化的概率多模式集合预测模型,并从中提取年代际气候变化特征,对东亚季风区年代际预测具有重要应用价值。     

Ensemble Forecast： A New Approach to Uncertainty and Predictability

Ensemble techniques have been used to generate daily numerical weather forecasts since the 1990s in numerical centers around the world due to the increase in computation ability. One of the main purposes of numerical ensemble forecasts is to try to assimilate the initial uncertainty （initial error） and the forecast uncertainty （forecast error） by applying either the initial perturbation method or the multi-model/multiphysics method. In fact, the mean of an ensemble forecast offers a better forecast than a deterministic （or control） forecast after a short lead time （3-5 days） for global modelling applications. There is about a 1-2-day improvement in the forecast skill when using an ensemble mean instead of a single forecast for longer lead-time. The skillful forecast （65% and above of an anomaly correlation） could be extended to 8 days （or longer） by present-day ensemble forecast systems. Furthermore, ensemble forecasts can deliver a probabilistic forecast to the users, which is based on the probability density function （PDF） instead of a single-value forecast from a traditional deterministic system. It has long been recognized that the ensemble forecast not only improves our weather forecast predictability but also offers a remarkable forecast for the future uncertainty, such as the relative measure of predictability （RMOP） and probabilistic quantitative precipitation forecast （PQPF）. Not surprisingly, the success of the ensemble forecast and its wide application greatly increase the confidence of model developers and research communities.     

Comparison of Statistical Post-Processing Methods for Probabilistic Wind Speed Forecasting

In this study, the statistical post-processing methods that include bias-corrected and probabilistic forecasts of wind speed measured in PyeongChang, which is scheduled to host the 2018 Winter Olympics, are compared and analyzed to provide more accurate weather information. The six post-processing methods used in this study are as follows: mean bias-corrected forecast, mean and variance bias-corrected forecast, decaying averaging forecast, mean absolute bias-corrected forecast, and the alternative implementations of ensemble model output statistics (EMOS) and Bayesian model averaging (BMA) models, which are EMOS and BMA exchangeable models by assuming exchangeable ensemble members and simplified version of EMOS and BMA models. Observations for wind speed were obtained from the 26 stations in PyeongChang and 51 ensemble member forecasts derived from the European Centre for Medium-Range Weather Forecasts (ECMWF Directorate, 2012) that were obtained between 1 May 2013 and 18 March 2016. Prior to applying the post-processing methods, reliability analysis was conducted by using rank histograms to identify the statistical consistency of ensemble forecast and corresponding observations. Based on the results of our study, we found that the prediction skills of probabilistic forecasts of EMOS and BMA models were superior to the biascorrected forecasts in terms of deterministic prediction, whereas in probabilistic prediction, BMA models showed better prediction skill than EMOS. Even though the simplified version of BMA model exhibited best prediction skill among the mentioned six methods, the results showed that the differences of prediction skills between the versions of EMOS and BMA were negligible.     

地面气象要素多模式集成预报研究进展

目前,集合预报已成为天气预报业务的主要支撑。然而,由于数值模式本身的限制与不完善以及集合系统存在初值扰动、集合大小等方面的局限,常存在预报偏差。不同预报模式通常具有不同的物理过程参数化方案、初始条件等,导致其预报能力各有不同。为此,如何纠正预报偏差以及如何充分有效地利用不同模式的预报信息以获得更加准确的天气预报广受关注。近年来,利用统计理论与预报诊断,基于多个集合预报系统的多模式集成预报技术得到快速发展,已成为有效消除预报偏差从而提高天气预报技巧的一种统计后处理方法。针对气温、降水和风3个最基本的地面气象要素,首先依据预报形式将应用范围较广的简单集合平均、消除偏差集合平均、超级集合、贝叶斯模式平均、集合模式输出统计等加权或等权平均多模式集成技术,分成确定性预报和概率预报两大类,并做系统介绍。最后,讨论使用和发展多模式集成技术需要关注的问题,包括考虑参与集成的模式个数、发展降水及风速分级预报模型和发展基于机器学习的多模式集成新技术。     

集合预报产品在江苏省暴雨预报中的应用评估

利用2011—2015年6—8月TIGGE(THORPEX Interactive Grand Global Ensemble)数据集中欧洲中期天气预报中心(ECMWF,以下简称EC)的集合降水预报数据和江苏省70个基本站逐日24 h(20时至次日20时)降水数据,通过大量暴雨样本系统检验和评估了EC集合预报及多种后处理释用产品对江苏暴雨的预报能力。结果表明:作为集合预报的初级产品,集合平均对暴雨的预报存在明显的漏报率,TS预报评分尚不及EC确定性预报;集合预报不同成员间对暴雨的预报技巧差异大,其最优成员组合的预报能力显著优于EC确定性预报,表明集合预报具有较大的应用潜力;在多种集合预报后处理释用技术中,最大值、最优百分位、降水偏差订正频率匹配法、概率预报、集合异常预报法和杜-周排序法(最大值法)的平均TS评分均较高,超过10%,其次90%分位数、融合、融合-概率匹配和杜-周排序法(集合平均或中位值法)的预报效果也均优于EC确定性预报。集合中位值、概率匹配方法对江苏暴雨的预报评分低于集合平均预报,在暴雨预报上的参考价值相对较低。该评估结果进一步加深了对各集合预报产品区域暴雨预报能力的认识,为预报员更直接快速地选取有效的集合预报产品提供参考。     

基于贝叶斯原理降水订正的水文概率预报试验

利用淮河流域加密站点2008年6月1日—8月31日逐日降水资料、对应的T213模式的24 h, 48 h以及72 h集合预报,采用贝叶斯模型平均 (Bayesian Model Averaging,BMA) 方法对集合预报15个成员的降水预报进行了概率集成与偏差订正,采用排序概率评分 (CRPS)、平均绝对误差 (MAE) 对BMA的订正结果进行检验,并将订正后的降水预报输入VIC (Variable Infiltration Capacity) 水文模型中进行水文概率预报。结果表明:经BMA订正后的24 h, 48 h, 72 h降水预报精度较订正前有所提高;BMA模型给出的有效区间 (第25百分位数至第75百分位数) 预报将实况降水量包含在内的可能性比订正前更大;由水文概率预报检验指标分析可知,经BMA订正的降水集合预报,由VIC水文模型模拟得到的径流量变化趋势与实况较吻合。     

基于模式先验信息的贝叶斯集合降水概率预报试验

为了更好地利用降水预报历史先验概率分布函数信息修订集合概率预报效果,基于贝叶斯原理和贝叶斯降水概率预报模型,分别使用1952—2007年历史观测资料和2009—2011年6月24~120 h中国T213全球集合预报历史资料作为先验信息,对中国不同气候区代表站（广州、南京、武汉和成都）建立贝叶斯降水概率预报模型,对比不同先验信息下集合成员与集成贝叶斯降水概率预报拟合结果差异,分析先验信息对贝叶斯降水概率预报模型的影响,在此基础上,采用模式先验信息的贝叶斯降水概率预报模型,进行2008年6月降水概率预报试验。试验结果表明,由T213集合预报产生的先验信息较历史观测资料产生的先验信息更优,当先验信息的降水概率分布函数曲率最大处偏向降水大值区时,贝叶斯模型的降水预报结果也偏向降水大值区,反之亦然。结果还显示,先验信息对贝叶斯降水概率预报模型有重要影响,若先验信息偏向更多更大降水量时,贝叶斯降水概率预报对有降水的预报更优,若降水先验信息偏向更少更小降水量时,对无雨或微量降水预报效果越好。