气候预测中的集合方法初探

介绍了气候预测中的集合方法。该文作者曾在1996年论证了在西太平洋暖池区海温异常与东亚夏季风的共同作用下存在一个可预测的气候异常区,部分地改变了气候不可预测的论断。如何从与大量不可预测结果混杂在一起的结果中提炼出可预测部分是集合方法的重要目的之一。文中也讨论了由于大气运动固有的动力学特性,其集合预测与经典的数学考虑有所区别,天气与气候预测有不同的特点,其集合方法、目的也应有所不同,由此对集合方法提出了一些新的建议。文中同时介绍了首次在气候预测中发现的多平衡态现象,建议了如何判定多平衡的出现,以及如何利用多平衡态来改善对不同区域的预测。     

集合样本数影响月平均500 hPa高度场预测技巧分析

气候系统模式输出结果是当前开展气候预测业务的重要参考依据之一,如何提高气候系统模式输出结果的可信度是改进气候业务预测能力的关键之一。利用1999—2010年NCEP CFSv2模式每日四次预测未来45天的回算数据,分析了集合样本数对模式预测能力的影响。分析结果表明,模式对月平均500 hPa位势高度的预测技巧在热带地区较高,而中高纬度地区较低;模式对500 hPa位势高度时间异常的预测能力优于空间异常。无论是空间异常还是时间异常,随着模式超前时间的增加,预测技巧均逐渐降低,但是在不同区域和不同月份,模式预测技巧随超前时间的变化存在差异。此外,模式预测技巧存在非常大的年际变率。增加集合样本数,对不同月份和不同起报时间预测技巧的稳定度和预测技巧值均有明显正效果,特别是对亚洲中纬度地区改善度较大。增加集合样本数也可以在一定程度上降低模式预测技巧年际变率。集合样本数增加对于500 hPa位势高度空间异常的改进优于时间异常。      

2005年西南区域集合预报系统试验与检验

在2004年利用MM5模式构造西南区域集合预报系统的基础上,2005年增加了多初值扰动,并在2005年汛期进行了准业务试验.对四川区域152个站的降水检验表明,集合预报对四川区域内小雨到暴雨量级的降水预报有明显的预报技巧,对大暴雨的预报技巧不显著;在四川盆地,预报暴雨发生位置比实际发生区域略偏西、偏北;对于小雨到暴雨量级的降水,集合预报优于T213和大部分集合预报成员.     

欧洲中心集合预报在中国区域中期时效离散度预报技巧关系分析

预测数值模式对于中期天气预报能力是集合预报的重要应用之一。为研究集合预报在中国区域中期时效(96～360h)预报技巧的预测能力,本文基于欧洲中期天气预报中心(ECMWF)全球集合预报系统2007—2011年500 hPa高度场和850hPa温度场预报数据,采取两种不同的离散度-预报技巧关系表征方法进行对比分析,结果表明:(1)以均方根误差为表征的预报技巧(RMS_(ENS))和离散度(SP_(RMSE))表现出季节循环特征,即冬(夏)季值高(低),这是大气内在性质的表现。而以距平相关为表征的预报技巧(AC_(ENS))和离散度(SP_(AC))没有显著的内在季节变化特征。(2)对比分析两种不同表征的离散度-预报技巧关系可知,以距平相关为表征的离散度-预报技巧关系更能反映中期时效的预报技巧,且850 hPa温度场较500 hPa高度场二者的相关性更好。(3)定量分析离散度-预报技巧关系表明,小离散度情况下更能体现高的预报技巧,但这种关系从96～360 h样本百分比下降了20%左右,而在大离散度情况下离散度-预报技巧关系相对弱一些,且随预报时效的延长样本百分比没有显著的降低。(4)样本统计显示中期各时效SP_(RMSE)和SP_(AC)二者一致的样本占59%～66%,并没有显示较高的一致性特征。上述分析结果为集合预报在中期时效预报技巧预测方面提供定性和定量的参考。     

基于多模式集合方案的中国东部夏季降水概率季度预测

借助ENSEMBLES计划提供的5个海-气耦合模式(CGCM)的多初值后报降水资料,采用常用的4种多模式集合方案,即等权集合(EE)、对单个集合成员先订正再等权集合(Cali-EE)、基于多元线性回归的集合方案(MLR)、基于贝叶斯统计学的集合方案(Bayes),制作1960—2005年中国东部夏季降水概率密度函数(PDF)季度预测。在此基础上,比较最优(技巧最高)集合方案与气候学预测(衡量概率密度函数预测是否有技巧的基准)的技巧,初步评估目前基于多模式集合方案的、中国东部夏季降水的概率密度函数季度预测能力。结果表明,Bayes方案在华南最优,Cali-EE在长江流域、江淮流域以及中国北方的中部最优,MLR在中国北方的东部最优;基于这些最优集合方案的概率密度函数预测产品均具有高校准度,且其锐度高于或接近气候学预测;并且,对于所有区域,最优集合方案的预测技巧总是高于气候学预测,这暗示即使不提取模式其他变量中所包含的预测信息,对于中国东部夏季降水季度预测,常用的多模式集合方案也已具备制作有技巧的概率密度函数预测产品的能力。     

ENSO预测的目标观测敏感区在热带太平洋海温的多模式集合预报中的应用

本文将ENSO预测的目标观测敏感区与多模式集合预报方法相结合, 提出了一种能够有效提高预报技巧且又具有较小计算成本的多模式集合预报方法。该方法在目标观测敏感区内采用模式不等权的多模式超级集合预报方法(SUP), 而在其他区域采用相对简单的等权的多模式消除偏差集合平均方法(BREM)。利用CMIP5中15个气候系统模式的工业革命前参照试验(pi-Control)数据, 针对热带太平洋海温的长期演变开展了理想预报试验。将新集合预报方法与现有的多模式集合预报方法进行了比较。结果表明, 在所考察的预报期内(即1～20年), 新集合预报方法与整个热带太平洋区域使用SUP方法具有相当的预报技巧, 但前者的计算成本明显小于后者, 计算时间仅为后者的1/4。可见, 新方法是一个具有较高预报技巧且计算成本较小的多模式集合预报方法。同时, 其较高的预报技巧强调了热带太平洋SST预测对ENSO目标观测敏感区内的模式误差也是极端敏感的, 也正因如此, 多模式集合预报方法才能够有效过滤模式误差的影响, 具有较高的预报技巧。     

基于T639集合预报的我国2016年极端温度预报检验

基于我国T639集合预报系统的2 m温度模式实时预报和分析场资料,对历史气候百分位分布进行了估算,并对2016年我国极端高温和极端低温集合预报进行了检验评估。分析表明,对于某一区域代表站点,不同超前时间对应的气候百分位分布变化趋势均与分析场的基本一致,但不同区域代表站点之间以及同一站点不同季节之间的气候百分位分布则存在差异。Talagrand分布检验结果显示,T639集合系统对哈尔滨和长沙站的预报存在暖偏差,而对北京和拉萨站的预报则存在冷偏差,其余典型站表现出预报离散度偏小的特点。基于历史气候百分位定义,对2016年极端温度进行识别、预报和检验。TS评分结果表明,T639集合系统对于我国极端温度总体上具有一定预报性能,预报技巧在各个区域有较大差别,极端高温在江南和东北区域技巧相对较高、极端低温在华北和南方技巧较高。对于不同预报方法技巧比较显示,集合平均法对极端信号有平滑效果,总体技巧偏低,集合众数法对低温技巧增加明显,而采用集合最大值和最小值法对极端信号则有放大效果,对高温技巧增加明显,但对低温技巧则不明显。由此可见,采用合适的方法对集合预报中极端信息的正确提取至关重要。     

2005年西南区域集合预报系统试验与检验

在2004年利用MM5模式构造西南区域集合预报系统的基础上,2005年增加了多初值扰动,并在2005年汛期进行了准业务试验。对四川区域152个站的降水检验表明,集合预报对四川区域内小雨到暴雨量级的降水预报有明显的预报技巧,对大暴雨的预报技巧不显著;在四川盆地,预报暴雨发生位置比实际发生区域略偏西、偏北;对于小雨到暴雨量级的降水,集合预报优于T213和大部分集合预报成员。     

最优子集回归方法在季节气候预测中的应用

利用DEMETER计划多个模式的模拟资料研究1959～2001年多模式集合预报的季节降水在中国区域的表现, 并结合最优子集回归(OSR)方法对中国区域的季节降水进行降尺度预报, 比较其与多模式集合预报的技巧。研究表明: 多个单模式在中国区域对季节降水的模拟性能普遍较差, 多元线性回归(MLR)集合的预报技巧不如集合平均(EM)。利用OSR方法进行降尺度预报可以极大改善中国区域季节降水的预报技巧。夏季, 降水距平相关系数(ACC)在长江以南、西藏以及内蒙古中部等地区提高很显著, ACC在中国区域的平均达到0.29, 明显高于多模式集合平均与多元线性回归集合。冬季, OSR方法可以改善多模式集合在中国北方地区较低的预报技巧。概率Brier技巧评分(BSS)也表明了OSR方法对季节降水预报的改善。需要说明的是, 虽然OSR方法在中国区域能明显提高季节降水的预报技巧, 但是其选取的预报因子与中国区域季节降水的物理机制问题仍有待于进一步的研究。     

Decadal prediction skill for Eurasian surface air temperature in CMIP6 models

评估CMIP6年代际预测试验对季节平均SAT的预测技巧的结果表明:模式不能有效预测冬季和秋季SAT的年代际变率.IPSL-CM6A-LR和多模式集合平均对于春季SAT展现了预测技巧,其中对于变率的预测技巧好于振幅的结果.基于蒙古和我国华北地区的显著预测技巧,模式对于夏季SAT表现出最佳的预测水平.与外部强迫相比,模式对于SAT的预测技巧可能来自初始化.模式中的一个明显系统性误差值得注意,即模式中冬季SAT的变率可以持续到其他季节,而在观测中其他季节的SAT变化与冬季SAT相对独立.     

Ensemble mean forecast skill and applications with the T213 ensemble prediction system

Ensemble forecasting has become the prevailing method in current operational weather forecasting. Although ensemble mean forecast skill has been studied for many ensemble prediction systems(EPSs) and different cases, theoretical analysis regarding ensemble mean forecast skill has rarely been investigated, especially quantitative analysis without any assumptions of ensemble members. This paper investigates fundamental questions about the ensemble mean, such as the advantage of the ensemble mean over individual members, the potential skill of the ensemble mean, and the skill gain of the ensemble mean with increasing ensemble size. The average error coefficient between each pair of ensemble members is the most important factor in ensemble mean forecast skill, which determines the mean-square error of ensemble mean forecasts and the skill gain with increasing ensemble size. More members are useful if the errors of the members have lower correlations with each other, and vice versa. The theoretical investigation in this study is verified by application with the T213 EPS. A typical EPS has an average error coefficient of between 0.5 and 0.8; the 15-member T213 EPS used here reaches a saturation degree of 95%(i.e., maximum 5% skill gain by adding new members with similar skill to the existing members) for 1–10-day lead time predictions, as far as the mean-square error is concerned.     

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...     

An Effective Configuration of Ensemble Size and Horizontal Resolution for the NCEP GEFS

Two important questions are addressed in this paper using the Global Ensemble Forecast System(GEFS) from the National Centers for Environmental Prediction(NCEP):(1) How many ensemble members are needed to better represent forecast uncertainties with limited computational resources?(2) What is the relative impact on forecast skill of increasing model resolution and ensemble size? Two-month experiments at T126L28 resolution were used to test the impact of varying the ensemble size from 5 to 80 members at the 500hPa geopotential height.Results indicate that increasing the ensemble size leads to significant improvements in the performance for all forecast ranges when measured by probabilistic metrics,but these improvements are not significant beyond 20 members for long forecast ranges when measured by deterministic metrics.An ensemble of 20 to 30 members is the most effective configuration of ensemble sizes by quantifying the tradeoff between ensemble performance and the cost of computational resources.Two representative configurations of the GEFS-the T126L28 model with 70 members and the T190L28 model with 20 members,which have equivalent computing costs-were compared.Results confirm that,for the NCEP GEFS,increasing the model resolution is more(less) beneficial than increasing the ensemble size for a short(long) forecast range.     

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。     

不同区域海温异常对中国夏季旱涝影响的诊断研究和预测试验

利用季降水异常的典型集合相关预测模式, 研究了前期和同期不同季节全球海表温度距平场与中国夏季旱涝的遥相关分布特征以及这种相关型随季节的变化, 揭示了全球海温的异常变化在中国夏季旱涝中的信号特征.研究表明, 全球不同区域海温对我国夏季降水的影响存在着明显的季节差异.全球特定的海温分布可以作为中国夏季旱涝预报的信号因子.选取不同区域及不同时段的海温场作为因子场分别对1998、 1999年这两个典型年份的我国夏季降水进行了诊断研究和预测试验, 并通过不同区域海温的影响权重做集成预测.试验结果表明:不同区域海温的集成预测不仅可以有效地提高预测的准确性, 而且可以揭示不同时段不同区域海温的异常变化在夏季旱涝中的强信号现象.     

中国冬季气温的集合典型相关分析和预报

以欧亚大陆地面温度、北半球500 hPa高度、热带印度洋SST(sea surface temperature)以及北太平洋SST为预报因子,通过典型相关分析(canonical correlation analysis,简称CCA)建立预报关系,然后用集合典型相关分析预报(ensemble canonical correlation prediction,简称ECC)方法预报中国冬季气温,并分析预报技巧及进行独立样本检验.结果表明,不同的预报因子对各个地区有不同的预报技巧,以欧亚大陆地面温度为预报因子预报技巧较高,而ECC模式对中国冬季气温有更好的预报能力,预报技巧高于任何一个单因子场的CCA预报;采用回归法的集合平均比简单的等权集合平均预报技巧更稳定.     

A Comparison of Breeding and Ensemble Transform Vectors for Global Ensemble Generation

To compare the initial perturbation techniques using breeding vectors and ensemble transform vectors,three ensemble prediction systems using both initial perturbation methods but with different ensembl...     

Evaluation of TIGGE Ensemble Forecasts of Precipitation in Distinct Climate Regions in Iran

The application of numerical weather prediction(NWP) products is increasing dramatically. Existing reports indicate that ensemble predictions have better skill than deterministic forecasts. In this study, numerical ensemble precipitation forecasts in the TIGGE database were evaluated using deterministic, dichotomous(yes/no), and probabilistic techniques over Iran for the period 2008–16. Thirteen rain gauges spread over eight homogeneous precipitation regimes were selected for evaluation.The Inverse Distance Weighting and Kriging methods were adopted for interpolation of the prediction values, downscaled to the stations at lead times of one to three days. To enhance the forecast quality, NWP values were post-processed via Bayesian Model Averaging. The results showed that ECMWF had better scores than other products. However, products of all centers underestimated precipitation in high precipitation regions while overestimating precipitation in other regions. This points to a systematic bias in forecasts and demands application of bias correction techniques. Based on dichotomous evaluation,NCEP did better at most stations, although all centers overpredicted the number of precipitation events. Compared to those of ECMWF and NCEP, UKMO yielded higher scores in mountainous regions, but performed poorly at other selected stations.Furthermore, the evaluations showed that all centers had better skill in wet than in dry seasons. The quality of post-processed predictions was better than those of the raw predictions. In conclusion, the accuracy of the NWP predictions made by the selected centers could be classified as medium over Iran, while post-processing of predictions is recommended to improve the quality.