条件非线性最优扰动在可预报性问题研究中的应用

本文总结了近年来条件非线性最优扰动方法的应用研究的主要进展.主要包括四个方面:(1)将条件非线性最优扰动(CNOP)方法拓展到既考虑初始扰动又考虑模式参数扰动,形成了拓展的CNOP方法.拓展的CNOP方法不仅能够应用于研究分别由初始误差和模式参数误差导致的可预报性问题,而且能够用于探讨初始误差和模式参数误差同时存在的情形;(2)将拓展的CNOP方法分别应用于ENSO和黑潮可预报性研究,考察了初始误差和模式参数误差对其可预报性的影响,揭示了初始误差在导致ENSO和黑潮大弯曲路径预报不确定性中的重要作用;(3)考察了阻塞事件发生的最优前期征兆(OPR)以及导致其预报不确定性的最优增长初始误差(OGR),揭示了OPR和OGR空间模态及其演变机制的相似性及其局地性特征;(4)研究了台风预报的目标观测问题,用CNOP方法确定了台风预报的目标观测敏感区,通过观测系统模拟试验(OSSEs)和/或观测系统试验(OSEs),表明了CNOP敏感区在改进台风预报中的有效性.具体地,台风OGR的主要误差分布在某一特定区域,空间分布具有明显的局地性特征,在台风OGR的局地性区域增加观测,有效改进了台风的预报技巧,该区域代表了台风预报的初值敏感区.事实上,上述El Ni(n)o事件、黑潮路径变异以及阻塞事件的OGR的空间分布也具有明显的局地性特征,这些事件的OGR刻画的局地性区域可能也代表了初值敏感区.     

CUACE模式在兰州城市空气质量预报中的检验订正

利用2014年9月—2015年8月环境保护部对外发布的兰州市6种污染物实况监测数据,对同时期CUACE模式的24 h预报结果进行误差分析,并通过误差滚动线性回归订正方法进行检验订正。结果表明:(1)兰州市的首要污染物以PM10为主,其次是PM_(2.5);(2)CUACE模式对SO2的预报及对O_3、NO_2、PM_(2.5)和PM_(10)预报为2级时,等级预报准确率较高,预报结果可直接使用;(3)模式对O_3和CO预报1级时,采用10 d误差滚动订正后等级预报准确率可提高1.1%~5.5%;(4)模式预报其它要素的其它级别时采用5 d或10 d误差滚动订正后再加上或减去一定值后,等级预报准确率可提高8.7%~75%。     

统计-动力相结合的相似误差订正法

根据大气相似性原理,提出了利用历史资料的相似信息估计模式误差的反问题,并发展了一种相似误差订正(ACE)方法。该方法将统计和动力两种方法有机结合,在不改变现有数值预报模式的前提下,既充分利用了动力学发展的成就,又能够有效提取大量历史资料中的相似信息,达到减小模式误差、改进当前预报的目的。而且,ACE方法能够针对当前预报的特殊性来区分所利用过去资料的特殊性,提取历史相似信息间接求解反问题。定性分析表明,ACE方法与以往相似-动力模式原理是等价的,但无需重新建立复杂的相似离差预报模式,更具可行性和业务应用前景。在理想化的极限情形下,当数值模式或历史相似完全准确时,ACE方法的预报结果将分别蜕变为动力或统计学方法的预报结果。     

从Nio-3指数看MJO不确定性对ENSO可预报性的影响

通过在Zebiak Cane数值模式中引入参数化MJO随机外强迫,着重从Nio 3指数的演变发展探讨了MJO不确定性对ENSO可预报性的影响。结果表明,对Zebiak Cane模式而言,MJO不确定性对由条件非线性最优扰动(CNOP)导致的ENSO事件最大预报误差影响较小;与初始误差相比,由MJO不确定性产生的模式误差在ENSO预报不确定性的产生中具有较小作用,对ENSO可预报性的影响不显著。该结果强调了初始误差在ENSO预报不确定性中的主要作用,从而为ENSO预测的资料同化提供了理论基础。     

从Nio-3指数看MJO不确定性对ENSO可预报性的影响北大核心CSCD

通过在Zebiak Cane数值模式中引入参数化MJO随机外强迫,着重从Nio 3指数的演变发展探讨了MJO不确定性对ENSO可预报性的影响。结果表明,对Zebiak Cane模式而言,MJO不确定性对由条件非线性最优扰动(CNOP)导致的ENSO事件最大预报误差影响较小;与初始误差相比,由MJO不确定性产生的模式误差在ENSO预报不确定性的产生中具有较小作用,对ENSO可预报性的影响不显著。该结果强调了初始误差在ENSO预报不确定性中的主要作用,从而为ENSO预测的资料同化提供了理论基础。     

数值模式误差对降水四维变分资料同化及预报的影响

利用一个无量纲的水汽发展方程,针对同化时间窗口内出现和不出现降水两种情况,分析了不同模式误差和初始误差对降水四维变分资料同化预报效果的影响。结果表明,应用四维变分资料同化方法进行降水预报前,应该充分考虑数值模式中的误差,才能得到比较满意的同化及预报结果。假定同化窗口内获得的比湿观测场是准确的,当不存在模式误差时,四维变分资料同化方法可以有效地消除初始场误差,找到比湿真实初始场;而存在模式误差时,四维变分资料同化后的模式初始场会偏离真实的比湿初始场,并且模式误差越大,偏离程度越严重。在一些模式误差情况下,由于模式误差在同化窗口及延伸预报时段的作用不同,进行四维变分资料同化处理后,尽管累积降水量的预报结果在同化时间窗口内优于同化前的预报,而在最终预报时刻反而差于同化前。     

一种新的城市SO2污染统计预报方法及其应用

针对目前采用的统计方法存在的不足, 即在选择预报因子时没有考虑预报因子之间的相关性, 挑选的预报因子由于非正交, 使回归计算的结果不稳定, 给计算带来一定的误差。该文提出把一元线性回归分析、自然正交函数 (EOF) 和逐步回归方法结合起来, 从而得到一种新的建立统计预报模型的方法。以西安市采暖期和夏季SO₂日均浓度为预报对象, 使用该方法建立预报模型。拟合及预报试验表明, 这些预报模型不但可以很好地拟合变化趋势, 而且还能作出较准确的预报, 采暖期预报的级别命中率为72.5 %, 夏季级别预报命中率为100%。通过对比试验, 此方法优于目前常用的逐步回归方法, 具有很好的应用前景。     

用传真预报图作MOS预报

MOS(模斯)预报即模式输出统计预报,是一种动力-统计学预报方法。它将数值预报模式输出的资料样本和某一气象要素的观测资料样本用各种统计技术推导出预报方程,然后用数值预报的结果作预报因子,进行气象要素预报。就当前国内外预报技术水平来说,它是将大尺度数值预报转化为局地要素预报的较有效的一种预报方法。它考虑了数值预报的偏差,以及地方性气候特点,而且对模式的更替也不太敏感。它可以吸取一些数值预报的物理量场作为预报因子,许多国家(如美国、日本等)近几年都已把它投入业务使用,用它来为地方台站提供“指导预报”,我国在这方面也有类似的研究。随着传真机的普遍使用,县站也有条件利用气象中心发布的数值预报资料来作局地天气预报,这促使县站预报在自身的现代化进程中逐步地向客观化、定量化迈进。1981年我站开始接收日本     

一种基于历史样本投影的三维变分同化方法

对于中尺度数值天气预报来说,初始条件的准确与否已成为影响预报技巧的主要因素之一。现有的大气观测资料在时空分布上的不均匀,以及存在的观测误差,使得我们必须引进资料同化方法,为中尺度数值模式提供最优的初始场。由于传统的三维变分同化(3DVar)方法缺乏模式约束以及背景误差协方差矩阵(B矩阵)不具有流依赖性,因此本文提出一种基于历史样本投影的3DVar(HSP-3DVar)方法,它不仅具有流依赖的B矩阵,而且比传统的3DVar简单易行。为了评价HSP-3DVar的同化性能,我们基于区域暴雨预报模式AREM(Advanced Regional Eta Model)对其进行了观测系统模拟试验(OSSE),结果表明:HSP-3DVar能够有效融合观测信息,模式初值在各层的均方根误差都显著地降低。     

GFS模式地形高度偏差对地面2m气温预报的影响

利用2016年1月1日—12月31日全球预报系统(GFS,Global Forecasting System)1～5 d的2 m气温预报资料,以及同期中国地面气象站2 m气温观测资料,研究模式地形高度偏差对地面2 m气温预报的影响。结果表明,较大模式地形高度偏差可严重影响2 m气温模式预报性能,导致较大预报误差。随着模式预报时效延长,2 m气温预报均方根误差也略有增加。比较模式地形高度偏差和预报时效对于模式预报性能的影响,发现模式地形高度偏差对于模式预报效果的影响更加显著。两种地形订正方案,即不做温度垂直订正的线性回归以及对温度进行垂直订正的线性回归都能显著减小2 m气温模式预报的误差,后者的订正效果更好。     

北京地区体感温度误差订正方法研究

基于欧洲中期天气预报中心(European Centre for Medium-range weather Forecasts,ECMWF)模式的预报数据和北京地区气象站点的观测数据,使用两种机器学习算法(线性回归和梯度提升回归树)对站点的体感温度进行误差订正,并采用均方根误差(Root Mean Square Error,RMSE)对预报效果进行评估,进一步与传统订正方法模式输出统计(Model Output Statistics,MOS)得到的订正结果进行对比。结果表明:线性回归、梯度提升回归树、MOS和ECMWF预报得到的平均RMSE分别为3.12、3.06、3.45、4.06℃,即机器学习算法明显优于MOS和ECMWF模式原始预报。机器学习订正方法不仅在平原地区取得了较好的效果,在高海拔站点的订正效果更加突出,为北京冬奥会复杂山地条件下赛事正常运行提供了一定的技术保障。     

回归诊断在城市空气质量预报中的应用研究

城市空气质量回归预报模型的残差分布存在着不对称现象，它是由高杠杆点引起。这些高杠杆试验点的残差存在着统计天气预报意义上的不合理性，导致回归系数L5估计的误差，从而引起预报的误差。针对这些问题提出了城市空气质量的回归诊断预报模型。实例计算说明，回归诊断预报模型要优于常规回归预报模型。进一步分析指出，城市空气质量回归预报模型的不合理性并非个别例子的特殊性所造成，而是由模型的数学特点所决定，因此城市空气质量的回归诊断预报模型具有普遍     

GPS可降水量资料应用于MM5模式的变分同化试验

利用建立在长江三角洲地区GPS观测网中13个站点的资料对2002年6月27~28日影响长江三角洲地区的降水过程进行了MM5背景误差调节和可降水量资料的三维变分同化试验。试验结果表明:背景误差对三维变分同化的效果起着关键作用,模式变量(u,v,T,p和q)误差的水平尺度与NMC方法的平均时间长度有直接的关系。利用NMC方法重新构建的背景误差更接近实际的背景误差。三维变分技术能有效地同化GPS可降水量资料。GPS可降水量资料的同化使用不仅能调整模式初始湿度场,而且也能相应地调整模式初始气压场、温度场和风场。GPS可降水量资料的同化有利于减小模式初始场对可降水量的分析误差,并且有利于减小模式积分初期(3~6 h)可降水量的预报误差。与没有进行GPS可降水量同化相比,通过GPS可降水量资料的三维变分同化,使MM5模式6 h和24 h累计降水能力得到提高,改善了MM5模式降水预报性能。总体上,GPS可降水量资料的变分同化有利于模式降水预报能力的提高。     

热带气旋路径预报“真实”误差分析

目前,热带气旋预报性能的检验和分析多采用各中心每年台汛后整编的最佳路径数据集(即"年鉴")资料作为真值。然而,由于年鉴资料通常在次年才能发布,所以在业务上,常以实时定位、定强资料作为"真值"进行预报性能的检验,因而不同机构(口径)给出的预报性能往往不尽相同,造成了混乱。此外,实际业务预报中,因没有实时的年鉴资料,各预报方法的起报位置只能采用实时业务定位,显然不可避免地导致了误差。为分析使用实时定位和年鉴作为"真值"进行预报性能检验的差异、评估定位误差对预报性能造成的可能影响,本文首先考察最佳路径和实时/初始定位之间的差异(即定位误差)及其分布特征,然后分析采用实时/初始定位和最佳路径作为"真值"计算预报误差时的差异,最后基于最基础的气候可持续性(Climatology and Persistence,CLIPER)预报方法初步评估了预报性能对定位误差的敏感性。结果表明:以中国气象局整编的年鉴(CMA-STI的最佳路径数据集)资料为"真值",2013—2019年间国内外各主要预报机构及全球模式的定位误差平均为24.3 km;若以东京台风中心(RSMC-Tokyo)的年鉴资料为"真值",则定位误差平均为26.2 km。分析发现,定位误差与强度密切相关,热带风暴阶段的定位误差高达35.7~41.1 km,而超强台风阶段的定位误差仅为7.5~8.3 km;在96 h预报时效内,以最佳路径为"真值"计算得到的平均预报误差均略小于以实时/初始定位为"真值"的误差,但强度越强差异越小;定位误差对短时效内的预报性能有较显著的影响。     

气象场观测误差和四维同化数值模拟试验

本文对气象观测中的随机误差和四维同化进行了数值摸拟试验。用五层原始方程模式,以1975年4月19日20时的观测资料作初始场进行六天预报。把每小时的预报结果贮存起来,作为没有误差的“真实大气观测资料”,然后在原来的初始场上加上一个随机误差场,用一个物理过程比前者稍差的同样模式进行数值预报,把“真实资料”不断嵌入模式中去进行四维同化试验。 误差场是用概率统计中产生伪随机数的办法产生以模拟观测误差的随机情况。 四维同化的试验结果表明:最优同化频率,不仅与观测资料误差有关,而且还与整个同化过程的长短有关。     

基于局地增长模培育法的对流可分辨尺度WRF模式对河南“21·7”特大暴雨的预报评估

基于WRF(Weather Research and Forecasting)模式,选取河南“21·7”特大暴雨事件,采用局地增长模培育法(Local Breeding Growth Mode,LBGM)生成对流尺度集合预报系统,在此基础上对24 h累积降水量进行SAL(Structure,Amplitude and Location)检验,结合预报成功指数(Threat Score,TS)、公平成功指数(Equitable Threat Score,ETS)评分等评分结果进行对比分析,综合评估集合预报成员的预报效果,表明:1)基于局地增长模培育法生成初始扰动的集合预报系统成员对于强降水预报有一定优势,在降水强度和位置的预报上与实况较接近;2)经检验,成员e003的TS和ETS评分在20日00时—21日00时(北京时,下同)和21日08时—22日08时两个强降水时段内表现最佳,并在SAL检验中对应较好的降雨强度A和雨区位置L,而成员e008暴雨TS、ETS评分最低,对应SAL检验中具有一定的位置偏差,即TS、ETS评分和SAL检验之间存在相关性,将二者有机结合,可以为业务工作中定量评估模式降水预报效果提供参考;3)通过对比整体评分表现较好的成员e003和较差的成员e008,两者预报的位势高度场与ERA5(ECMWF reanalysis v5,ERA5)再分析资料之间的差值,可以验证降水预报误差主要源于对低涡系统的预报偏差,同时预报评分较好的成员其位势高度偏差较小,综合评估效果更佳。     

厦门地区地面气温的多模式集成统计降尺度预报研究

利用双线性插值与线性回归方法、消除偏差集合平均(bias-removed ensemble mean,BREM)和多模式超级集合预报(Super-ensemble Prediction,SUP)方法对厦门地区的地面气温进行统计降尺度分析,结果表明:在2013年夏季的3个月中,降尺度后三个单模式对厦门地面气温的预报效果显著改善。使用多模式集成预报方法(BREM和SUP)后,预报误差进一步减小。对比整体预报效果最好的单模式ECMWF,降尺度后3~96h预报误差均在3℃以下。此外,结合SUP方法的降尺度预报能最大程度的改善地面气温的预报误差。     

数值天气预报和气候预测可预报性研究的若干动力学方法

简要回顾了数值天气预报和气候预测可预报性研究的若干动力学方法,包括用于研究第一类可预报性问题的线性奇异向量（LSV）和条件非线性最优初始扰动（CNOP-I）方法,以及Lyapunov指数和非线性局部Lyapunov指数方法。前两种方法用于研究预报或预测的预报误差问题,可以用于估计天气预报和气候预测的最大预报误差,而且根据导致最大预报误差的初始误差结构的信息,这两种方法可以用于确定预报或预测的初值敏感区。应该指出的是,LSV是基于线性化模式,对于描述非线性大气和海洋的运动具有局限性。因而,对于非线性模式,应该选择使用CNOP-I估计最大预报误差。Lyapunov指数和非线性局部Lyapunov指数可以用于研究第一类可预报性问题中的预报时限问题,前者是基于线性模式,不能解释非线性对预报时限的影响,而非线性局部Lyapunov指数方法则考虑了非线性的影响,能够较好地估计实际天气和气候的预报时限。第二类可预报性问题的研究方法相对较少,本文仅介绍了由我国科学家提出的关于模式参数扰动的条件非线性最优参数扰动（CNOP-P）方法,该方法可以用于寻找到对预报有最大影响的参数扰动,并可以进一步确定哪些参数最应该利用观测资料进行校准。另一方面,通过对比CNOP-I和CNOP-P对预报误差的影响,可以判断导致预报不确定性的主要误差因子,进而指导人们着力改进模式或者初始场。     

数值预报在青藏高原的不确定性对其下游预报的影响

通过NCEP全球预报在不同地区的预报误差分析、包含大地形(亚洲青藏高原、北美落基山脉)与否的区域模拟试验、同化青藏高原地区人造观测的观测系统模拟试验,探讨了数值预报在青藏高原地区的不确定性对其下游地区预报的影响。结果表明:(1)数值模式在青藏高原地区的不确定性包括模式本身的动力与物理过程不确定性以及模式初值的不确定性,这种不确定性引起的预报误差会制约青藏高原下游地区预报性能;(2)若数值模拟区域不包含青藏高原地区,可避免青藏高原地区的模式不确定性引起的预报误差对下游地区的影响,提高下游地区预报技巧;(3)同化青藏高原地区"人造"加密观测资料,可有效减少数值预报在青藏高原地区的初值不确定性,进而减小青藏高原本区及其下游地区的预报误差、改进预报水平。     

下投式探空资料对Debby飓风路径预报影响的数值试验

在飓风路径的数值预报中，对于初始场的要求很高，然而，由于初始资料的缺乏，经常导致路径预报的误差较大，尤其是当飓风处于远离陆地的海上时，这种误差更大，通过利用UM模式在Debby飓风活动期间，对下投式探空仪所获取探空资料，采用不同使用方案的三个时次共计10次数值试验的结论分析，给出一些有意义的 结论，即非实时资料对实时资料的有效补充，能够提高飓风路径预报精度，而在众多气象要素场中，风场和湿度场对飓风路径预报的影响更大。