１０～３０ｄ延伸期数值天气预报的策略思考———直面混沌

针对大气系统的混沌特性,提出了10~30 d延伸期数值天气预报的策略思考。可预报性问题,实质上是时空尺度问题,10~30 d的预报虽然超出了逐日天气的可预报时限,但仍存在着可预报的分量。以数值模式为基础,阐述了10~30 d延伸期可预报分量的提取方法。在此基础上,提出了针对可预报分量和混沌分量应采用不同的策略和方法。该设想可借鉴利用现有数值模式的变分同化系统,且无需构建新的模式,因此具有可行性。     

33模Lorenz系统的混沌特征及其可预报性分析

简述了33模Lorenz系统的导出及求解过程,并从功率谱、关联维数和Lyapunov指数等三方面验证其33个谱模分量及流场和扰动温度场得到的时空序列具有混沌特性,并对其进行可预报性分析。结果表明,对于混沌系统而言,对其时空序列取平均并不能延长可预报时效。     

全国各省市气象科技期刊文章摘编（39）

1 10天～30天延伸期数值天气报的策略思考一直面混沌 摘要：10天～30天的延伸期预报是有相当难度的科学问题.针对大气系统的混沌特性,提出10天～30天延伸期数值天气预报的策略思考。可预报性问题,实质上是时空尺度问题,10天～30天的预报虽然超出了逐日天气的可预报时限,但仍存在着可预报的分量。以数值模式为基础,阐述了10天～30天延伸期可预报分量的提取方法。     

10～30d延伸期数值天气预报的策略思考——直面混沌

针对大气系统的混沌特性,提出了10~30 d延伸期数值天气预报的策略思考。可预报性问题,实质上是时空尺度问题,10~30 d的预报虽然超出了逐日天气的可预报时限,但仍存在着可预报的分量。以数值模式为基础,阐述了10~30 d延伸期可预报分量的提取方法。在此基础上,提出了针对可预报分量和混沌分量应采用不同的策略和方法。该设想可借鉴利用现有数值模式的变分同化系统,且无需构建新的模式,因此具有可行性。     

数值天气预报和气候预测的可预报性问题

考察由初始状态误差和模式中参数误差所引起的预报结果的不确定性。提出了数值天气预报与气候预测中三类可预报性问题，即，最大可预报时间，最大预报误差，初值与参数的最大允许误差。然后将这三类问题化成了对应的非线性优化问题，给出了处理此类非线性优化问题的思路，并且有数值方法对Lorenz模型研究了这三类问题。     

近二十年来暴雨和强对流可预报性研究进展

大气可预报性研究是开展天气、气候预测的基础科学问题。全球变暖背景下,近年暴雨和强对流等中小尺度灾害性天气频发,如何深入认识其可预报性问题成为了天气领域研究热点,也是制约数值天气预报模式能力提升的重要因素。本文在简要回顾国内外大气可预报性研究历程的基础上,重点对近二十年（1999～2018）国际上关于暴雨和强对流可预报性方面的最新研究进展进行了系统的综述和归纳。主要包括:中小尺度可预报性研究的主要方法和评估手段及其与传统大尺度天气可预报性研究的差异,初始误差增长机制的几种主要观点及其争论（误差升尺度、误差降尺度、升降尺度并存）,数值模式误差和对流环境误差对实际预报性的影响,以及最近的中尺度可预报性科学观测试验进展等。最后,对暴雨、强对流可预报性研究存在的问题、未来发展方向进行了简要的讨论和展望。     

初值不确定性对暴雨数值预报影响的初步研究

为了研究初值不确定性对我国南方暴雨数值预报的影响,依据历史降水资料的统计分型,选取华南暴雨型、江淮暴雨型和黄淮暴雨型等三类型中具有代表性的暴雨过程,采用AREM模式以不同资料分析场(常规观测资料、NCEP和ERA40同化分析资料)作为初值进行暴雨预报对比试验。试验结果表明,对于各类型暴雨,不同资料初值的差异都会引起暴雨数值预报结果的较大差异;在此基础上,采用经验正交函数(EOF)分析方法,分析了各类暴雨初值误差及其变化信息,从中提取出主要的误差分量,并对这类误差的数值预报影响进行了敏感性试验和预报验证,结果显示,寻找和消除主要的初值误差,对改进暴雨数值预报结果具有重要作用。     

随机误差对混沌系统可预报性的影响

根据非线性局部Lyapunov指数的方法, 以Logistic映射和Lorenz系统的试验数据序列为例, 研究了在初始误差存在的情况下, 随机误差对混沌系统可预报性的影响。结果表明: 初始误差和随机误差对可预报期限影响所起的作用大小主要取决于两者的相对大小。当初始误差远大于随机误差时, 系统的可预报期限主要由初始误差决定, 可以不考虑随机误差对预报模式可预报性的影响; 反之, 当随机误差远大于初始误差时, 系统的可预报期限主要由随机误差决定; 当初始误差和随机误差量级相当时, 两者都对系统的可预报期限起重要作用。在后两种情况下, 在考虑初始误差对可预报性影响的同时还必须考虑随机误差的作用。此外, 我们在已知系统精确的控制方程和误差演化方程的条件下, 研究了随机误差对可预报性的影响, 理论所得结果与试验数据所得结果相似。这表明在随机误差较小的情况下, 对系统可预报期限的估计相对准确, 但在随机误差较大的情况下, 可预报期限的估计误差也较大。本文利用三种不同的滤波方法对序列进行了试验, 结果表明, Lanczos高通滤波得到的高频序列与原始加入的噪声序列无论是在强度上还是在演变趋势上都表现得相当一致, 其能有效地去除高频噪音继而提高对系统的可预报期限的估计, 这对实际气象观测资料如何有效地去除噪音具有一定的启发意义。     

基于动力降尺度的区域集合预报初值扰动构建方法研究

利用全球集合预报系统资料(Global Ensemble Forecast System,GEFS),基于WRF中尺度模式构建了区域集合预报系统,区域集合初值的构建采用两种方案,一种是GEFS全球集合预报初值场直接动力降尺度(称为DOWN集合),另一种是提取GEFS全球集合降尺度后的扰动场,并叠加到区域数值预报系统(北京快速更新循环数值预报系统:Beijing Rapid Update Cycle System,BJ-RUC)分析场上构建集合初值场(称为D-RUC集合)。进行了批量试验,通过对比发现D-RUC集合的中小尺度扰动增长优于DOWN集合,而大尺度扰动分量的增长两者相当,说明与高分辨率分析场叠加可以促进动力降尺度扰动的中小尺度扰动分量的增长。集合预报扰动准确性检验结果显示,短预报时效内DOWN集合扰动明显低估了预报误差,在预报误差较大的位置扰动较小,而D-RUC集合能够更好地识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,D-RUC方法能显著改善短时效预报效果,集合离散度有所增加、均方根误差有所减少,概率预报评分显示D-RUC集合比DOWN集合在短预报时效占优。降水个例分析结果表明D-RUC方法能显著改善短时效内的降水概率预报效果。     

混沌系统单变量可预报性研究

对于n维的混沌系统, 不同变量的可预报性是不同的。为了研究混沌系统中单个变量的可预报性, 本文在以前提出的混沌系统整体的非线性局部Lyapunov指数基础上(李建平等, 2006), 引入了单变量的非线性局部Lyapunov指数及其相关统计量, 进一步完善了非线性误差增长理论。通过应用到几个混沌个例, 结果表明单变量的非线性局部Lyapunov指数及其相关统计量可以用来定量地研究多维混沌系统中不同变量的可预报性, 系统不同变量的可预报性之间不是相互独立的, 而是单个变量的可预报期限与系统整体的可预报期限之比都近似保持一个常数, 但各个变量的常数值有所不同。     

T63L16气候模式预报能力的空间尺度分布研究

采用球谐谱展开和方差分析方法,利用1970-2003年NCEP再分析500 hPa高度场资料和国家气候中心T63L16月动力延伸预报业务回报1982-2002年的结果,研究了T63L16模式逐日预报可预报能力的空间尺度依赖特征和对于中期预报的可预报稳定分量.分析表明,T63L16模式预报能力在总波数n上具有各向同性,其主要的误差发生在波数为5-10的天气尺度波.基于对T63L16气候模式500 hPa位势高度场球谐系数内部方差和该物理量气候外部方差之比R演变特征的分析,本文定义了模式26-40 d预报的方差比的平均作为R的临界值来定量地确定T63L16模式对不同空间尺度气象场的可预报期限,并引入波能谱为权重系数研究了模式可预报期限与纬向波数和总波数的关系.结果显示该模式的逐日可预报期限与纬向波数和总波数、以及季节均有关系.可预报期限在整体上随着空尺度的减小而逐渐缩短,但并不是纯粹的单调递减;对于纬向2波分量的可预报期限比3-5波要短,町能是由于该模式对表征东亚大槽和北美大槽的2波的刻画相对不够好.另外,对季节平均的中期预报可预报稳定分量的考察表明,就全球而言,对于提前6 d以上的预报,夏季具有的可预报稳定分量为纬向波数小于12或总波数在17以内,其他季节为纬向波数小于7或总波数小于13;对于提前11-15 d的预报,冬夏两季的可预报稳定分量为纬向波数小于5或总波数小于10,春(秋)季节为纬向波数小于3(2)或总波数不大于8(7).这为针对该尺度发展新的预报策略和方法、改进预报效果,提供了依据.     

数值预报中自由度的压缩及误差相似性规律

利用历史资料的有用信息提高数值模式预报水平是长期以来人们努力的目标。该文提出了一种在气候吸引子上缩小初始场自由度的相似选取方法,有效滤除了小尺度分量,避开了原有相似选取中自由度太大,相似选取困难的问题。分析表明:相似初值间的模式预报误差存在相似性,依此估计的预报误差与实际预报误差很接近。在空间分布特征上,相似初值间的模式预报误差也有很好的一致性。这为发展相似-动力方法,利用历史资料改进数值模式提供了支持。     

初始扰动对一次华南暴雨预报的影响的研究

本文选取了2006年华南前汛期的一次暴雨过程, 采用AREMv2.3中尺度数值模式进行数值模拟, 分别在模式初始场的物理量场 (温度场、 风场、 湿度场) 上加扰动, 分析不同物理量场上的扰动对降水预报的影响, 以及物理量预报误差和扰动能量的增长情况。同时, 通过本个例讨论误差增长与湿对流的关系, 扰动振幅对误差增长的影响和华南区域的中尺度降水的可预报性问题。数值试验结果表明: 初始时刻不同物理量场加实际振幅的正态分布的随机扰动时, 对降水的影响是不同的。对于24小时降水预报, 温度场对降水的影响最大。误差的增长与湿对流不稳定有着密切的关系。小尺度小振幅误差增长很快, 而且是非线性增长。这意味着短期的较小尺度降水的可预报性很小。与大振幅扰动相比, 小振幅扰动造成的误差较小。但是小振幅扰动的迅速发展, 很快就会对降水预报造成较大的影响。因此, 只能有限地提高预报质量, 而且由于扰动非线性增长很快, 在预报时间的提前上, 不会有太大的改善。     

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。     

台风北冕 (0809) 数值预报敏感初始误差研究

基于WRF四维变分伴随模式建立数值预报敏感初始误差计算流程并对台风北冕 (0809) 进行了分析。结果表明:基于线性化近似的伴随敏感分析方法对台风系统在24 h内适用。构造敏感初始误差的参考系数存在一个合理的取值范围,参考系数取为0.08效果最好。在初始场中去除敏感初始误差能够有效减少预报误差,改善台风路径预报效果,依据24 h预报误差计算出的敏感初始误差订正对24 h后台风数值预报效果也有明显影响。另外,敏感初始误差分布在台风中心附近,伴随台风系统环流且各物理量分布形态相似。对流层下层和中上层的敏感初始误差均对数值预报效果有所影响,对流层中上层的作用略大于对流层下层。敏感初始误差中各物理量对数值预报改善的贡献各不相同,相对而言,风场的贡献最大。     

Climate predictability on interannual to decadal time scales: the initial value problem

Any initial value forecast of climate will be subject to errors originating from poorly known initial conditions, model imperfections, and by "chaos" in the sense that, even if the initial conditions were perfectly known, infinitesimal errors can amplify and spoil the forecast at some lead time. Here the latter source of error is examined using a "perfect model" approach whereby small perturbations are made to a coupled atmosphere-ocean general circulation model and the spread of nearby model trajectories, on time and space scales appropriate to seasonal-decadal climate variability, is measured to assess the lead time at which the error saturates. The study therefore represents an estimate of the upper limit of the predictability of climate (appropriate to the initial value problem) given a perfect model and near perfect knowledge of the initial conditions. It is found that, on average, surface air temperature anomalies are potentially predictable on seasonal to interannual time scales in the tropical regions and are potentially predictable on decadal time scales over the ocean in the North Atlantic. For mid-latitude surface air temperature anomalies over land, model trajectories rapidly diverge and there is little sign of any potential predictability on time scales greater than a season or so. For mean sea level pressure anomalies, there is potential predictability on seasonal time scales in the tropics, and for some global scale annual-decadal anomalies, although not those associated with the North Atlantic Oscillation. For precipitation, the only potential for predictability is for seasonal time anomalies associated with the El-Niño Southern Oscillation. For the majority of the highly populated regions of the world, climate predictability on interannual to decadal time scales based in the initial value approach is likely to be severely limited by chaotic error growth. It is found however that there can be cases in which the potential predictability can be higher than average indicating that there is perhaps some utility in making initial value forecasts of climate in those regions which show low predictability on average.     

两种四维奇异值分解同化方法的比较及误差分析

4DSVD是最近提出的一种新的资料同化方法。目前还存在一些需要解决的问题,比如如何选取样本,如何得到支撑大气吸引子的基向量以及选取基向量的个数问题等等。作者利用奇异值分解(SVD)与经验正交函数分解(EOF)两种方法来获得支撑大气吸引子的基向量,推导了基于这两种方法的4DSVD分析场的理论公式,并用简单的数值试验比较了基于这两种方法的4DSVD分析场的空间相关系数和误差,初步分析了分析场与基向量个数的关系以及与样本选取的关系和分析误差的来源及各种误差对分析误差影响的相对大小。结果表明,用SVD方法作为获得支撑大气吸引子基向量的方法得到的分析场较EOF方法稳定,分析场与基向量个数有密切关系,观测误差、模式误差和观测代表性误差是分析误差的主要来源,且其引起的分析误差随着基向量个数增多而增大。     

扩展卡尔曼滤波数据同化试验--基于Lorenz(1960)系统的研究

本文采用Lorenz(1960)系统，在只考虑初始误差及观测误差而不考虑模式误差的情况下，利用扩展卡尔曼滤波(Extended Kalman Filter)数据同化方法进行了数值模拟试验。数值试验的结果表明：扩展卡尔曼滤波数据同化方法对系统状态的估计有较好的改善作用，能有效的抑制估计误差的增长；加大观测频率，可以进一步改善数据同化的效果，使估计误差进一步减小；由于模式误差的存在，系统的不稳定能量会不断的累积，出现了估计误差的异常增长和计算的不连续现象，在模式预报方程中的均值演变方程加人二阶偏差纠错项，对控制估计误差的异常增长，进一步改善数据同化的效果有较明显作用。     

京津冀站点风温湿要素的机器学习订正方法

基于线性回归方法、梯度提升回归方法(GBRT方法)、XGBoost方法和堆叠集成学习方法(Stacking方法)4种机器学习方法,采用误差分析建模思路,针对北京城市气象研究院研发的睿图-睿思系统对2020年12月—2021年11月所有起报时次未来3~12 h的2 m温度、2 m相对湿度、10 m风速以及10 m风向4种气象要素预报,开展京津冀复杂地形下的站点预报误差订正技术研究及试验应用。结果表明:基于预报误差分析构建的4种订正模型中,由于Stacking方法集成了前3种方法的优势,在4个季节的4种气象要素订正中均表现最佳,其他3种单一机器学习方法试验中,XGBoost方法表现最佳,其后依次为GBRT方法、线性回归方法,但均对预报准确率有明显的正向提升效果。总体上,基于机器学习方法构建的预报误差订正模型可有效降低系统原始预报误差,有助于进一步提升复杂地形下站点客观释用产品的预报准确性。