GRAPES区域集合预报尺度混合初始扰动构造的新方案

集合预报初始扰动能否准确反映预报误差的结构特征是决定区域集合预报质量的关键因素之一。本文针对GRAPES区域数值预报模式,发展设计了一种基于资料同化思想的混合尺度初始扰动构造新方案。该方案以全球大尺度信息为背景场,区域模式预报作为观测资料,借助GRAPES三维变分同化系统,将高质量的全球大尺度信息与区域模式预报中质量较高的中小尺度信息有效融合,构造混合尺度区域集合预报初始扰动,并通过个例试验和批量试验,比较分析了新方案和原区域集合预报的性能。试验结果表明,基于资料同化构造的初始扰动能够有效融合全球大尺度信息和中小尺度天气系统的信息,其降水概率预报更具参考价值。总体上看,区域集合预报混合初始扰动新方案能够较好地改进区域集合预报质量,尤其是对高度场和温度场效果更为显著,但对风场的集合预报性能影响略小。     

一次局地大暴雨的地面观测资料同化预报试验研究

基于WRF（Weather Research and Forecasting）模式及其3DVAR（3-Dimentional Variational）资料同化系统,采用36 km、12 km 、4 km三层嵌套网格进行逐3 h资料同化和快速更新循环预报,对2011年5月8日鲁中一次局地大暴雨过程进行了资料同化敏感性试验。试验结果表明,地面观测资料同化和快速更新循环对本次降水的预报起到了关键性作用。在快速更新循环预报时不同化地面观测资料,或同化全部观测资料进行冷启动预报,模式均不能预报出山东的降水。同化地面观测资料后,显著改进了模式降水落区预报。地面观测资料同化可以影响到700 hPa高度以上温压湿风要素的变化,从而改变了大气初始场的温湿结构,导致模式预报的700 hPa附近高空大气湿度和热力不稳定增强,700 hPa以下低层风场更强,850 hPa鲁中以南风速较无观测资料同化的偏强2～4 m·s-1,低层风场的动力作用触发高空的不稳定大气,降水出现在山东。     

CMA-MESO逐时快速更新同化预报系统及其短临预报效果初步分析

基于CMA-MESO模式水平3 km分辨率3 h循环的快速更新同化预报系统，本文建立逐小时的分析预报循环系统，并且通过采用5种尺度叠加的高斯相关模型和引入各向异性的水平相关尺度方案来改进背景误差水平相关结构，同时考察引入全球大尺度信息方案对逐小时循环的分析和预报影响。通过对2020年7月19日华东强对流天气过程的数值模拟表明：（1）逐小时循环吸收了更多的高频观测资料和循环中采用更临近的1 h预报场作为背景场，分析和降水短临预报质量整体比3 h循环有所提高；（2）在区域分析中逐时引入全球预报场的大尺度信息会削弱区域观测资料的影响，对预报会有不利影响；（3）改进的五种尺度叠加高斯相关模型和各向异性的水平相关尺度主要使风场背景误差水平相关系数的描述更接近样本的统计结果，因而在逐1 h循环中风场分析更靠近观测，华东强对流过程的组合反射率和降水短临预报更接近实况。     

华南暖区暴雨预报的模式初始场质量敏感性分析北大核心

本文利用高分辨率中尺度数值预报模式WRF和两组再分析资料,在研究不同模式初值对华南暖区暴雨预报质量差异明显的基础上,利用合成初值方法进行了模式初值对暖区暴雨预报的敏感性数值试验研究,讨论了模式初始场关键物理量对暖区暴雨预报质量的影响,重点开展了模式初值湿度场质量对华南暖区暴雨降水预报的敏感性分析。结果表明:模式初始场质量的较小差异,可显著影响本次华南暖区暴雨预报的降水强度、降水落区以及降水发生时间等的质量。初始水汽场对暖区暴雨预报影响最大,也最为敏感,是准确预报对流单体的发生发展以及地面强降水的基础。风场和温度场对暖区暴雨预报的影响相对较小。对流层低层较强的风速辐合是本次暖区暴雨强对流单体触发、生成和加强发展以至产生暖区强降水的物理基础。     

集合变分混合同化方案在快速循环同化系统中的应用研究

基于北京市气象局快速循环同化系统RMAPS-ST以及对流尺度集合预报系统RMAPS-EN,构建了En-3DVAR集合变分混合同化系统,将该系统应用到业务快速循环同化系统中并进行试验,分别在冷启动与循环启动环境下对比了混合同化系统（Hybrid）与三维变分（3DVAR）的同化预报效果。获得的结论如下:单点试验结果表明,混合同化系统分析增量的分布与集合预报离散度分布具有较好的对应关系;在冷启动和循环启动中,三维变分的分析增量都表现出各向同性的特点,混合同化分析增量均表现出一定的流依赖特征;降水个例分析表明,在冷启动环境中,Hybrid与3DVAR效果相当,而在循环启动中,Hybrid的降水预报相对于3DVAR有较明显的改进效果;批量试验检验结果表明,冷启动中,Hybrid与3DVAR的评分大致相当,而在循环启动中,Hybrid相对于3DVAR的评分有明显改进;集合离散度和背景场误差的相关性分析表明二者在循环启动环境下具有更好的相关性。     

多普勒雷达资料循环同化在台风“鲇鱼”预报中的应用

高分辨率的中尺度预报模式ARPS及其3DVAR/云分析系统,针对2010年登陆福建的超强台风“鲇鱼”,研究对流可分辨尺度下,每1h循环同化沿海新一代多普勒雷达网资料分析、研究对台风初始场和预报场的改进作用.结果表明:单独同化雷达资料可显著改善初始场中的台风内核区动力和热力结构,以及台风强度和位置,进而提高18h台风强度、路径和降水预报,但预报路径和降水分布与实况仍存在差异.在雷达资料同化基础上加入常规观测资料,对初始场中台风内核区结构改进不大.但在显著调整大尺度背景场,从而进一步减少台风路径预报误差,能准确预报出福建沿海两个强降水区域的位置和强度.总体而言,雷达资料同化主要提高台风结构分析,而常规观测资料同化主要改善环境场分析,两者有效结合使得预报结果和实况最为接近.     

公里尺度区域变分同化中引入大尺度约束的影响研究

公里尺度资料同化系统的框架设计和资料选择均侧重于中小尺度分析,常存在大尺度分析能力不足的问题。本研究在GRAPES（Global/Regional Assimilation and Prediction System）区域3 km三维变分同化目标泛函中增加大尺度约束,将全球系统的大尺度信息引入到分析框架中去,研究其对公里尺度同化预报的影响。一个月的数值试验结果表明,引入大尺度约束可以显著改进大尺度形势场的分析和预报,提高降水预报评分,减少2 m温度和10 m风场的分析预报误差。进一步的,定量降水敏感性试验结果表明,大尺度湿度场和温度场约束对于改进降水评分十分重要。这其中,湿度场约束对于减少降水空报以及提高短时临近降水的TS（Threat Score）评分重要,而温度场约束对于改进较长时效的TS降水评分重要。此外,在均引入大尺度约束的条件下,采用完全循环（一个月中间无冷启）方案运行的试验获得了与局部循环（每日冷启）相当的分析预报结果。这为GRAPES区域公里尺度系统采用完全循环方案,进一步简化流程,减少计算消耗奠定了很好的基础。     

多模式集合预报及其降尺度技术在东亚夏季降水预测中的应用

利用动力季节模式输出的匹配域投影技术和多模式集合预报技术对多个国家和城市的站点月平均降水进行预报。预报变量是北京1个站、韩国60个站和曼谷地区8个站点的月平均降水,预报因子是从多个业务动力季节预报模式输出的多个大尺度变量。模式回报数据和站点观测降水数据时段是1983—2003年。降尺度预报降水的技巧是在交叉验证的框架下进行的。匹配域投影方法是设定一个可以活动的窗口在全球范围内大尺度场上进行扫描,寻求与目标站点降水最优化的因子和最相关的区域,目标站点的降水变率就是由该匹配域上大尺度环流场信息决定的。最终预报是用多个降尺度模式预报结果的集合预报(DMME)。多个降尺度模式预报结果的集合预报能显著地提高站点降水的预报技巧。北京站,多个降尺度模式预报结果的集合预报的预报和观测降水的相关系数可以提高到0.71;韩国地区,多个降尺度模式预报结果的集合预报平均技巧提高到0.75;泰国,多个降尺度模式预报结果的集合预报技巧是0.61。     

基于雷达资料4DVar的低层热动力反演系统及其在北京奥运期间的初步应用分析

在变分多普勒雷达分析系统(VDRAS)中,通过对雷达资料的质量控制和预处理、云尺度模式的暖雨参数化方案、中尺度初猜场的插值分析方法、循环同化的冷启动和热启动中尺度背景场的计算方案等进行改进,实现了VDRAS对低层动力和热力场的分析反演及其在北京奥运期间的实时应用.改进后的VDRAS利用四维变分(4DVar)同化技术和一...     

GRAPES地面风场同化方案研究

随着预报准确度要求以及同化分析循环周期的缩短,具有高时空分辨率的地面观测资料在同化系统中也越来越受到重视,而且一个好的资料同化系统应该能够给出模式近地面动力、热力和湿度状况的合理分析。利用GRAPES区域同化预报系统(GRAPES——Global and Regional Assimilation and Prediction Enhanced System),在近地层Monin_Obukhov相似理论的基础上,考虑了边界层的动力和湿热力约束,建立新的地面风场观测算子。将此新方案与目前GRAPES系统使用的三次样条插值的地面同化方案进行高度场预报试验、统计试验以及降水预报的TS评分比较,结果表明,加入新方案地面风场资料同化后,预报效果和对降水的预报能力都比旧方案有所提高。     

全球和区域分析的混合方案对区域预报的影响试验

区域分析采用局地高密观测资料,往往分析的中小尺度信息较丰富;全球分析同化全球覆盖的卫星观测资料,而且不受侧边界条件影响,对天气系统大尺度部分描述得更好。基于以上原因,为了提高区域模式的分析预报水平,本文尝试在区域模式中引入全球分析中的大尺度部分,通过DCT方法对全球T639模式分析和区域GRAPES模式分析进行谱分解,获得综合全球大尺度和区域中小尺度信息的混合分析。动能谱分析结果表明,GRAPES分析场的动能谱能量在中小尺度部分比T639全球分析略大,经过混合分析后,动能谱能量更接近理想曲线。一个月的分析预报试验结果表明,混合分析的高度、温度和风场的分析质量有明显提高,风场6 h内的预报也比区域分析有改进;而且全国平均ETS降水评分在各个降水量级上都有明显改进。     

尺度叠加高斯相关模型在GRAPES-RAFS中的应用

背景误差水平相关模型影响着分析增量的结构,同时也决定着不同尺度上分析增量信息的多少。为了提高中小尺度系统的分析质量,研究尺度叠加高斯相关模型的特征及其在三维变分同化系统中的应用效果。通过分析高斯模型和尺度叠加高斯模型的空间特征,以及它们的拉普拉斯算子和谱响应函数的特征,同时依据统计的背景误差特征来改进背景误差水平相关模型。通过采用不同相关模型的GRAPES-RAFS快速分析预报循环批量试验表明:改进的尺度叠加高斯相关模型不仅能增加分析场的中小尺度信息,同时尺度叠加高斯函数描述的风场背景误差相关特征更符合实际统计结果,缓解了原高斯函数方案风场负相关偏大的问题。因而尺度叠加高斯相关模型的应用大幅度提高了分析质量,特别是风场分析质量,同时12 h内风场预报质量也略有提高,也显著提高了前24 h各量级降水的ETS评分,明显缓解了原高斯模型方案的虚警现象。尺度叠加高斯相关模型能明显增加分析的中小尺度信息和更合理地描述风场负相关结构,在三维变分分析中的应用能显著改进分析和降水预报质量。      

Impacts of a Large-scale Adaptive Blending Scheme for CMA-MESO on Regional Forecasts-A Case Study of Typhoon Haima

Large-scale atmospheric information plays an important role in the regional model for the forecasts of weather such as tropical cyclone (TC). However, it is difficult to be fully represented in regional models due to domain size and a lack of observation data, particularly at sea used in regional data assimilation. Blending analysis has been developed and implemented in regional models to reintroduce large-scale information from global model to regional analysis. Research of the impact of this large-scale blending scheme for the Global / Regional Assimilation and PrEdiction System (CMA-MESO) regional model on TC forecasting is limited and this study attempts to further progress by examining the adaptivity of the blending scheme using the two-dimensional Discrete Cosine Transform (2D-DCT) filter on the model forecast of Typhoon Haima over Shenzhen, China in 2016 and considering various cut-off wavelengths. Results showed that the error of the 24-hour typhoon track forecast can be reduced to less than 25 km by applying the scale-dependent blending scheme, indicating that the blending analysis is effectively able to minimise the large-scale bias for the initial fields. The improvement of the wind forecast is more evident for u-wind component according to the reduced root mean square errors (RMSEs) by comparing the experiments with and without blending analysis. Furthermore, the higher equitable threat score (ETS) provided implications that the precipitation prediction skills were increased in the 24h forecast by improving the representation of the large-scale feature in the CMA-MESO analysis. Furthermore, significant differences of the track error forecast were found by applying the blending analysis with different cut-off wavelengths from 400 km to 1200 km and the track error can be reduced less than by 10 km with 400 km cut-off wavelength in the first 6h forecast. It highlighted that the blending scheme with dynamic cut-off wavelengths adapted to the development of different TC systems is necessary in order to optimally introduce and ingest the large-scale information from global model to the regional model for improving the TC forecast. In this paper, the methods and data applied in this study will be firstly introduced, before discussion of the results regarding the performance of the blending analysis and its impacts on the wind and precipitation forecast correspondingly, followed by the discussion of the effects of different blending scheme on TC forecasts and the conclusion section.     

数字滤波初始化方案在高分辨率GRAPES区域模式中的应用研究

高分辨率同化系统中引入的高频率高密度观测信息会造成分析变量之间的不平衡,因而在模式积分中产生的虚假重力波会严重影响模式预报质量和运行稳定。为了抑制虚假重力波在模式中快速增长,文中通过在高分辨率GRAPES区域模式中应用非绝热数字滤波和增量数字滤波初始化方案,研究不同滤波截断周期的初始化方案对分析预报的影响。试验结果表明,不同初始化方案的分析预报效果依赖于截断周期,截断周期越长滤除的高频信息越多,对于3 km分辨率模式,30 min与15 min截断周期的初始化方案既滤除了高频噪音,也基本保留了有意义的分析信息。不同截断周期的数字滤波方案在GRAPES-MESO系统中对气象要素预报场的影响基本可忽略;而在GRAPES-RAFS系统中,初始化方案对分析和预报的影响会逐渐累积,15 min截断周期的初始化方案比2 h截断周期的初始化方案的风场预报和降水预报质量更优。      

A COMPARISON OF THE BLENDING AND CONSTRAINING METHODS TO INTRODUCE LARGE-SCALE INFORMATION INTO GRAPES MESOSCALE ANALYSIS

To solve the problem of mesoscale analysis error accumulation after a period of continuous cycle data assimilation (CCDA), a blending method and a constraining method are compared to introduce global analysis information into the Global/Regional Assimilation and Prediction Enhanced System mesoscale three-dimensional variational data assimilation system (GRAPES-Meso 3Dvar). Based on a spatial filter used to obtain a blended analysis, the blending method is weighted toward the T639 global analysis for scales larger than the cutoff wavelength of 1,200 km and toward the GRAPES mesoscale analysis for wavelengths below that. The constraining method considers the T639 global analysis data as an extra source of information to be added in the 3DVar cost function. The cloud-resolving GRAPES-Meso system (3 km resolution) with a 3 h analysis cycle update is chosen, and forecast experiments on an extreme precipitation event over the eastern part of China are presented. The comparison shows that the inclusion of large-scale information with both methods has a positive impact on the regional model, in which the 3 h background forecasts are slightly closer to the radiosonde observations. The results also show that both methods are effective in improving large-scale analysis while reserving the well-featured mesoscale information, leading to an enhancement in the balance and accuracy of the analysis. Subjective verification reveals that the introduction of large-scale information has a visible beneficial impact on the forecast of precipitation location and intensity. The methodologies and experiences presented in this paper could serve as a reference for ongoing efforts toward the development of multi-scale analysis in GRAPES-Meso.     

IAU-Replay初始化方法在华南暖区暴雨模拟中的应用研究

基于TRAMS (Tropical Regional Atmospheric Model System)区域模式和ECMWF (European Centre for Medium-range Weather Forecasting)全球分析场资料,对一次华南暖区暴雨过程进行IAU-Replay模拟试验。由于本次个例模拟试验的分析时刻ECMWF分析场和TRAMS模式正好处于比较协调的状态,直接使用全球分析场进行冷启动也不会激发虚假高频短波,因此IAU-Replay方法对于模拟结果的初始平衡性影响较小。从动力场和水物质场的对比可以发现,IAU-Replay方法通过提前启动模式有效避免了Spin-up过程的影响,这对于降水预报具有明显的改进效果。对IAU-Replay中不同预热时间的敏感性进行测试,发现当预热时间从6 h延长至12 h后模式可以更加合理地模拟出与对流系统中直接相关的中小尺度信息,从而使降水预报效果更接近实况。连续一周的预报结果评估进一步验证了IAU-Replay技术的有效性。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

基于对象诊断的超强台风“利奇马”(1909)模式强降水预报检验

采用基于对象诊断的检验评估方法(the Method for Object-based Diagnostic Evaluation,MODE)对超强台风“利奇马”过程中ECMWF全球模式与GRAPES-MESO区域模式预报的强降水目标对象进行了分析,发现MODE技术相比于传统点对点的检验方法可以提供更加丰富的模式性能分析信息,将模式的预报能力(是否匹配)与预报偏差(位置偏差、面积偏差等属性)区分分析。研究结果表明:ECMWF全球模式预报的强降水对象与观测匹配度较高,雨带的位置也相对准确;GRAPES-MESO区域模式预报的强降水对象数量和面积存在一定程度的高估,空报情况较多,雨带位置误差较大,与观测对象的匹配度相对较低。此外,ECMWF全球模式预报的强降水对象存在偏北的系统偏差,GRAPES-MESO区域模式预报的强降水对象随预报时效的增加有偏南的趋势,两个模式在较长预报时效下都有偏东的系统偏差。