T639L60全球中期预报系统预报试验和性能评估

在目前国家气象中心全球业务中期谱模式T213L31中成功引入ECMWF的稳定外插半拉格朗日方案,将归约高斯格点转换为线性高斯格点,解决了模式分辨率提高的关键技术.将模式谱分辨率从213波提高到639波,垂直层次从31层提升到60层,模式层顶从10hPa升至0.1hPa.建立T639L60中期同化预报系统,进行连续一年多连续滚动试验,对预报员关心的降水预报和500hPa形势场预报进行了统计学检验,与现行全球中期业务模式进行对比分析.分析结果表明,T639L60中期系统对500hPa位势高度场预报性能比业务有明显改进,东亚地区达1天.从降水客观评分上看,中国地区降水各量级降水的Ts评分均明显提高,在预报偏差(B值)方面,小到大雨预报偏差明显降低,暴雨的预报偏差有所增加.     

基于大尺度模式产品的误差订正与统计降尺度气象要素预报技术

应用自适应卡尔曼滤波方法,对大尺度模式要素预报进行误差订正和降尺度精细化气象要素预报。并通过对订正系数科学选取的研究,改进了滤波方法的应用效果。通过对大尺度模式系统进行误差订正,改善了大尺度模式预报的准确率,提高了模式要素,如2 m温度、10 m风等预报的精度,并基于改善了的大尺度模式预报场和高分辨率观测场,生成降尺度函数,得到高精度的气象要素预报产品,为精细化气象要素预报服务提供了有效的方法。     

NMC强天气模式诊断变量和概率预报产品及初步应用检验

国家气象中心针对强天气预报的特点开发了强天气模式诊断变量和概率预报产品,包括T639全球模式强天气诊断变量产品、基于GRAPES_RUC的中尺度精细化强天气诊断变量产品、基于WRF中尺度模式的区域中尺度集合概率预报产品,于2009年从无到有建立了一套完整的强天气数值预报产品库,提供确定性预报产品和不确定信息的概率产品,为强天气预报业务的开展打下了良好的基础。应用上述产品对"6.3"河南飑线天气的模式预报能力的分析表明,高分辨率模式对强对流天气的预报能力有了较大的提高,但对于强天气预报,15km分辨率仍然不足够高,且产品显示的时空分辨率都应在现有基础上提高,才能更好地展示数值预报产品对强对流过程发生发展和演变过程。     

基于GRAPES-GFS次季节预报的误差诊断和预报能力分析

基于GRAPES(Global and Regional Assimilation Prediction System)全球预报系统(GRAPES-GFS)的2018年9月至2019年8月的分析场和35天预报的试验数据,对该系统延伸期次季节预报进行误差诊断和预报能力分析.结果表明,该系统可描述2018冬季及2019年夏...     

北京海淀地区大气边界层的数值模拟研究

采用北京大学的三维复杂地形中尺度数值模式,利用Landsat-TM卫星影像图得到的地表状况计算陆气之间的能量平衡过程,模拟了北京海淀地区大气边界层的风、温场结构以及污染物浓度分布,进而模拟了由于汽车尾气的排放而转化成的气溶胶的浓度分布.模拟表明城郊之间存在热岛效应,边界层风场受到热岛的热力作用以及地形的动力作用影响.污染物及气溶胶浓度也存在城乡差别,最大浓度出现在城区的下风方向.     

街谷环流和热力结构的数值模拟

文章介绍一种用于模拟街谷流场和温度场的动力学模式和热力学模式.应用动力模式模拟了方柱体塔楼和圆柱体塔楼形成的流场,应用动力和热力模式模拟了街谷中流场和温度场的日变化过程.计算实例表明,上述模式可用于城市街谷和建筑群风环境和热力环境研究以及街谷中空气污染物传输和扩散的计算.     

CMA-GEPS对中国超强梅雨天气过程的预报能力分析

基于中国气象局自主研发的全球集合预报系统CMA-GEPS,针对2020年6—7月的长江中下游地区超强梅雨天气过程,开展了中国梅汛期强降水的预报能力分析。结果表明,西太副高的稳定维持及夏季风的持续增强为梅汛期强降水的发生提供了有利的动力和水汽条件。CMA-GEPS对西太副高各指数的快速调整趋势预报,可提前7～10 d在预报中呈现;对西太副高强度和面积预报技巧与NCEP集合预报相当,表现为偏弱的估计,脊线和西伸脊点预报技巧与ECMWF集合预报相当,表现为脊线位置偏南、西伸脊点偏东的偏差。CMA-GEPS对东亚夏季风指数预报技巧在9 d以上,较控制预报提前2 d。CMA-GEPS的控制预报存在强度偏弱、雨带位置偏南的系统性偏差和漏报现象;基于空间和时间权重修正的邻域方案TSWNP,明显提高了大雨预报的技巧,减少了漏报的发生,优于控制预报和传统的单点概率预报,从而表明,TSWNP方案对梅汛期大雨过程的预报是有效且合理的。     

GRAPES-GEPS K-均值集合预报产品开发及应用

基于GRAPES全球集合预报系统(GRAPES-GEPS)及2020年2月13—16日的全国寒潮天气过程,开发出一类新的集合预报产品—K-均值聚类产品。采用爬山法确定最佳聚类数量,并采用K-均值聚类算法对集合样本进行分类。结果表明,该方法的500hPa位势高度场所有类别的聚类产品均呈现出中高纬Ω形的环流形势及低压系统后部冷平流的走向,发生概率最高的聚类产品最能反映实况中环流形势的分布。对于850hPa温度场,其聚类产品均呈现出全国温度从北到南呈带状逐渐增加的空间分布特征,发生概率最高的第一类聚类产品与实况最为接近。对于10m风速聚类产品,在较大风速处,集合样本离散度较大,不同类别的风速大小差异显著;发生概率较高的第一类聚类产品,其对天津及周边地区10m风速的分布及强度描述均较准确,并能提供有价值的预报信息。K-均值聚类能有效地实现集合预报样本信息的浓缩,该产品可为预报员判断某一时次的天气预报提供直观指导。