集合敏感性分析在北半球中纬度高影响天气中的应用

总结回顾了集合敏感性分析(ESA)在诊断中纬度高影响天气预报不确定性中的应用。作为一个简单高效且不需要大量计算资源的方法,集合敏感性分析主要被应用在中纬度气旋、台风或飓风的温带转换,以及在强对流过程中诊断预报误差和不确定性的来源。集合敏感性方法极有灵活性,可以根据实际需要改变不同的预报变量和初始场。在对2010年美国东岸圣诞节暴风雪的分析中,集合敏感性分析通过三种形式来诊断了预报不确定性的初值敏感性,即基于EOF分析的敏感性、预报差别的敏感性,以及基于短期预报误差的向前积分敏感性回归。三种方法证实气旋路径的不确定性主要和位于美国南部大平原的短波槽初始误差相关。此外,气旋强度的不确定性还和产生于北太平洋向下游延伸的罗斯贝波列相关。集合敏感性分析方法对于分析中纬度气旋的不确定性、诊断初值敏感性、分析误差发展机制都非常有效。集合敏感性分析也被应用于分析台风/飓风的温带气旋转换过程的不确定性。在对2019年美国首个主要登陆台风Dorian的分析中发现,加拿大CMC的集合预报主要不确定性来自于强度的不确定性,而这个不确定性与初始时刻的大尺度环流型有关,较连贯的信号可以追溯至东北太平洋的前倾槽。而NCEP和ECMWF的不确定性主要在于气旋位置的东北—西南向移动,而敏感性主要和飓风系统本身(即其北部低压区和中纬度槽)的锁相有关。分析结果进一步验证了集合敏感性分析对诊断模式之间的不一致性,以及模式成员之间不一致性的不确定性来源和发展过程的可靠性。集合敏感性分析方法综合了集合预报、资料同化和敏感性分析,因此对于资料同化技术改进、诊断模式误差(或者缺陷)、附加(目标)观测最优策略,以及评估观测对预报的影响等都有重要意义。同时可以更有效地利用集合预报信息,帮助预报员提高情景意识,最终减少高影响天气预报中的决策失误。     

黄、渤海冷空气海浪场的集合预报试验

利用欧洲集合天气预报系统51个预报风场驱动SWAN海浪模式,对黄、渤海2013年12月-2014年2月期间受冷空气影响的海浪场进行数值模拟试验,并利用浮标观测资料对海浪集合预报结果进行初步检验分析,结果显示:从逐时平均偏差结果可知,24h预报时效内集合平均与控制预报性能相近,48~72h预报时效内,集合平均明显优于控制预报,但均比实况偏小;集合分位值(75、90百分位值和极端值)明显优于集合平均,且预报时效越长,优势越明显,集合预报极端值与实况相当或略偏大;从逐24h平均偏差结果可知,集合分位值(75、90百分位值和极端值)比集合平均和控制预报更接近实况。总的分析表明:集合分位值(75、90百分位值和极端值)对受冷空气影响的海浪场具有较强的分辨能力,可以提高对海浪场的预报水平,且有较好的应用潜力。     

青岛近海大型水母漂移集合预测方法研究

考虑水母垂直运动等自主运动,基于集合预报和拉格朗日粒子追踪方法,建立青岛近海大型水母的集合漂移预测模型。并利用2012—2013年青岛近海水母实时监测数据和集合漂移预测模型,快速预测水母集合漂移轨迹、速度、趋势和可能影响范围等要素。通过分析水母监测数据和数值模拟结果,在水母如何自主运动及其机理尚不十分清楚的情况下,多轨迹漂移预测结果比单轨迹的更合理、科学、可信,能够传达更多的信息量,对水母灾害的应急处置更具有指导意义。     

基于模拟脚本的气象自动绘图系统

气象自动绘图系统（MEPAS）是一款紧贴我国业务数据环境,以MICAPS和GRIB1/GRIB2数据为主要输入源来实现自动化绘图的业务系统。MEPAS集成了多种物理量和对流参数的计算算法,在中尺度分析方面独具特色。MEPAS主要通过编写XML配置文件来模拟脚本,以命令行的方式运行,它学习简单,使用方便,运行稳定,出图高效,可用于业务系统的建设,也可用于气象科研,具有较高的应用推广价值。MEPAS通过模拟脚本实现自动绘图的技术可以被MICPAS借鉴或吸收,以填补MICAPS脚本交互的技术空白。     

Seasonal prediction of June rainfall over South China: Model assessment and statistical downscaling

The performances of various dynamical models from the Asia-Pacific Economic Cooperation(APEC) Climate Center(APCC) multi-model ensemble(MME) in predicting station-scale rainfall in South China(SC) in June were evaluated.It was found that the MME mean of model hindcasts can skillfully predict the June rainfall anomaly averaged over the SC domain.This could be related to the MME's ability in capturing the observed linkages between SC rainfall and atmospheric large-scale circulation anomalies in the Indo-Pacific region.Further assessment of station-scale June rainfall prediction based on direct model output(DMO) over 97 stations in SC revealed that the MME mean outperforms each individual model.However,poor prediction abilities in some in-land and southeastern SC stations are apparent in the MME mean and in a number of models.In order to improve the performance at those stations with poor DMO prediction skill,a station-based statistical downscaling scheme was constructed and applied to the individual and MME mean hindcast runs.For several models,this scheme can outperform DMO at more than 30 stations,because it can tap into the abilities of the models in capturing the anomalous Indo-Paciric circulation to which SC rainfall is considerably sensitive.Therefore,enhanced rainfall prediction abilities in these models should make them more useful for disaster preparedness and mitigation purposes.     

Impact of Assimilating Radiances with the WRFDA ETKF/3DVAR Hybrid System on Prediction of Two Typhoons in 2012

The impacts of AMSU-A and IASI (Infrared Atmospheric Sounding Interferometer) radiances assimila-tion on the prediction of typhoons Vicente and Saola (2012) are studied by using the ensemble transform ...     

“频率匹配法”在集合降水预报中的应用研究

基于“频率匹配法”的思路,采用两种方法进行了集合降水预报的订正研究,一种方法是利用集合成员降水频率订正简单集合平均平滑效应的“概率匹配平均”法,另一种方法是利用实况降水频率订正集合成员降水预报系统偏差的“预报偏差订正”法,通过个例和批量试验,结果表明:(1)概率匹配平均法可以矫正简单集合平均的平滑作用所造成的小量级降水分布范围增大而强降水被削弱的负作用,这种改进对强降水区更显著,并且集合系统离散度越大这种改进也越大;但该方法对预报区域内总降水量的预报没有改进作用,不能改善预报的系统性偏差.(2)虽然预报偏差订正法对降水落区预报的改进有限,但可以订正模式降水预报的系统性误差,改进雨量预报以及集合预报系统的离散度特征和概率预报技巧;直接对集合平均预报进行偏差订正的效果优于单个成员偏差订正后的简单算术平均.(3)在对每个集合成员的降水预报进行偏差订正后,概率匹配平均仍可改善其简单平均的效果,因此在实际业务中,应该综合采用上述两种方法,以获得在消除系统性偏差的同时各量级降水分布又合理的集合平均降水预报.     

MJO预报研究进展

热带大气季节内振荡 (Madden-Julian oscillation,MJO) 是次季节-季节时间尺度气候变率的支配模态。它不仅对低纬度地区天气气候产生重要影响,还能够通过经向传播和激发大气遥相关波列对中高纬度地区产生影响,是延伸期尺度最重要的可预报性来源。因此,MJO预报是次季节-季节气候预测中极为重要的部分,近年来受到国际学术界广泛关注。该文回顾了MJO预报发展历史,概述了当前国际上主要科研业务机构的MJO预报发展现状。目前基于统计方法和气候模式的MJO预报研究取得了较大进展,特别是多个耦合气候模式和一种基于时空投影方法的统计模型均能够显著提升MJO预报技巧 (有效预报可达20 d以上)。该文还介绍了中国气象局国家气候中心在MJO预报技术发展和业务系统研制方面的新进展,当前基于第2代大气环流模式的MJO业务预报填补了国内空白,技巧为16~17 d,而耦合气候模式试验的技巧已达到约20 d。总体来看,利用耦合模式预报MJO是未来发展的主要方向,其中,面向MJO的模式初始化和集合预报新方法研究将是关注重点。     

低温雨雪过程的粒子群-神经网络预报模型

利用逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料,通过分析提取我国南方区域持续性低温雨雪过程及其预报因子,使用粒子群-神经网络方法建立非线性的统计集合预报模型 (PSONN-EPM),对我国南方区域持续性低温雨雪过程进行预报试验。结果表明:以过程的冷湿程度及影响范围为标准,将低温雨雪过程分为一般过程和严重过程,并建立不同的预报模型效果较好。通过10 d独立样本预报试验看,基于粒子群-神经网络方法建立的集合预报模型比基于逐步回归方法建立的预报模型的预报平均相对误差小,对严重过程预报能力高于对一般过程预报,且这种非线性统计集合建模方法在建模过程中不需要调整神经网络参数,在实际预报业务中值得尝试。     

STUDY OF THE MODIFICATION OF MULTI-MODEL ENSEMBLE SCHEMES FOR TROPICAL CYCLONE FORECASTS

This study investigates multi-model ensemble forecasts of track and intensity of tropical cyclones over the western Pacific, based on forecast outputs from the China Meteorological Administration, European Centre for Medium-Range Weather Forecasts, Japan Meteorological Agency and National Centers for Environmental Prediction in the THORPEX Interactive Grand Global Ensemble (TIGGE) datasets. The multi-model ensemble schemes, namely the bias-removed ensemble mean (BREM) and superensemble (SUP), are compared with the ensemble mean (EMN) and single-model forecasts. Moreover, a new model bias estimation scheme is investigated and applied to the BREM and SUP schemes. The results showed that, compared with single-model forecasts and EMN, the multi-model ensembles of the BREM and SUP schemes can have smaller errors in most cases. However, there were also circumstances where BREM was less skillful than EMN, indicating that using a time-averaged error as model bias is not optimal. A new model bias estimation scheme of the biweight mean is introduced. Through minimizing the negative influence of singular errors, this scheme can obtain a more accurate model bias estimation and improve the BREM forecast skill. The application of the biweight mean in the bias calculation of SUP also resulted in improved skill. The results indicate that the modification of multi-model ensemble schemes through this bias estimation method is feasible.