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.     

基于动力降尺度的区域集合预报初值扰动构建方法研究

利用全球集合预报系统资料(Global Ensemble Forecast System,GEFS),基于WRF中尺度模式构建了区域集合预报系统,区域集合初值的构建采用两种方案,一种是GEFS全球集合预报初值场直接动力降尺度(称为DOWN集合),另一种是提取GEFS全球集合降尺度后的扰动场,并叠加到区域数值预报系统(北京快速更新循环数值预报系统:Beijing Rapid Update Cycle System,BJ-RUC)分析场上构建集合初值场(称为D-RUC集合)。进行了批量试验,通过对比发现D-RUC集合的中小尺度扰动增长优于DOWN集合,而大尺度扰动分量的增长两者相当,说明与高分辨率分析场叠加可以促进动力降尺度扰动的中小尺度扰动分量的增长。集合预报扰动准确性检验结果显示,短预报时效内DOWN集合扰动明显低估了预报误差,在预报误差较大的位置扰动较小,而D-RUC集合能够更好地识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,D-RUC方法能显著改善短时效预报效果,集合离散度有所增加、均方根误差有所减少,概率预报评分显示D-RUC集合比DOWN集合在短预报时效占优。降水个例分析结果表明D-RUC方法能显著改善短时效内的降水概率预报效果。     

GRAPES区域集合预报模式的初值扰动增长特征

基于GRAPES-REPS（Global and Regional Assimilation and Prediction Enhanced System-Regional Ensemble Prediction System）区域集合预报模式和集合变换卡尔曼滤波（Ensemble Transform Kalman Filter,ETKF）初值扰动方法,对2015年6月1~15日10 km与15 km水平分辨率分别进行集合预报试验,通过分析ETKF初值扰动分量、初值扰动方差准确率、动能谱、扰动能量演变、日变化及集合离散度、均方根误差等特征,揭示GRAPES-REPS区域集合预报ETKF初值扰动结构及增长特征。结果表明:（1）ETKF初值扰动方案产生的扰动能够保持所有正交、不相关方向的误差方差,且ETKF分量α参数值及放大因子具有较好的稳定性。（2）ETKF初值扰动方法生成的扰动场以大尺度扰动为主,扰动结构及能量具有随流型依赖特征,低层以内能扰动为主,高层以动能扰动为主,且集合扰动可以有效捕捉预报误差的结构。（3）GRAPES区域集合预报初值扰动总能量和集合离散度随预报时效的延长均呈发展趋势,但离散度增长率小于均方根误差增长率,即集合预报总体存在集合离散度不足的问题。（4）水平分辨率提高可以增加中高层大尺度扰动波谱能量,明显改进等压面及近地面风场及温度场的集合预报效果。值得指出的是,GRAPES-REPS区域集合预报低层内能扰动能量存在明显的日变化特征,特别是青藏高原地区更加显著,需要进一步研究青藏高原初值扰动结构的合理性。     

区域集合预报扰动方法研究进展综述

集合预报方法是解决单一数值预报不确定性问题的有效手段,而针对强天气预报的中尺度区域集合预报技术已逐渐受到国内外的重视。对于区域集合预报而言,由于其不确定性来源较为复杂,如何发展有效的扰动方法是研究的热点和难点。本文根据国内外区域集合预报的研究进展,从初值扰动、模式扰动以及侧边界扰动三个方面进行了总结和回顾,并对扰动方法的发展趋势进行了介绍。对于初值扰动,较为主流的方法有动力降尺度,沿用传统的由全球集合扰动方法发展而来的技术为区域集合产生初值,以及专门为区域集合设计的扰动方法。鉴于这些方法各有利弊,目前对于初值扰动方法的研究已经开始发展充分包含大尺度和小尺度不确定性信息的混合扰动方法。区域集合预报模式扰动的研究以物理过程扰动为主,典型方法为多物理过程组合以及随机物理过程扰动,其中多物理过程组合方法简单有效,而随机物理过程扰动方法的物理意义更为明确,是物理过程扰动的趋势。通过多模式组合进行模式扰动的方法也开展了一些相关研究,且对于台风等强天气预报均显示出相对于单模式集合较好的效果。侧边界扰动的主流方法是由大尺度集合预报场来为区域集合提供不同的侧边界,研究结果表明此种侧边界扰动方法简便易行,且有助于提高区域集合预报较长预报时效离散度和预报技巧。     

相似集合预报方法在北京区域地面气温和风速预报中的应用

相似集合是近年来提出的一种基于相似理论、大数据挖掘和集合预报思路的统计释用方法。文中首先介绍了相似集合的基本原理,并应用该方法对北京快速更新循环数值预报系统（BJ-RUC）v3.0预报地面要素开展了订正释用试验。结果表明,相似集合订正后,在0—36 h预报时段内,10 m风速的均方根误差降低44%,2 m气温的均方根误差降低22%,均方根误差均显著减小。对比测站预报误差的水平分布,相似集合方法的应用对于提升非城区站点的10 m风速预报、复杂地形区域的2 m气温预报具有更为明显的效果。相同预报因子的相似集合和支持向量机方法对模式10 m风速和2 m气温预报均具有显著且相似的订正效果,但相似集合方法具有计算资源需求较少、不需要大量人工干预的优势。相似集合方法形成的集合较好地模拟了模式平均误差的增长情况,集合离散度与集合平均均方根误差表现出理想的统计一致性,即相似集合方法在形成确定性预报的同时,还能够提供预报要素的不确定性或概率信息。因此,相似集合方法在模式预报订正及释用方面具有广阔的应用前景。      

基于TIGGE资料的西太平洋热带气旋多模式集成预报方法比较

基于TIGGE资料中CMA、ECMWF、JMA和NCEP四中心2010、2011和2012年3年的资料,采用集合平均（EMN）、加权集合平均（WEMN）、消除偏差集合平均（BREM）和加权消除偏差集合平均（即超级集合,SUP）四种方法,对西太平洋地区热带气旋路径与中心气压进行时效为24、48、72、96和120 h的多模式集成预报,评估了不同单中心预报结果,并分析了不同多模式集成预报方法的特点,对比了不同多模式集成方法的效果。结果表明,对于热带气旋路径和中心气压预报,各中心预报技巧不同,其中3年的CMA预报效果均较差,2010、2011年的ECMWF预报和2012年的NCEP预报效果最优;总体上几种多模式集成方法在120 h预报时效内均优于单模式预报,其中EMN作为一种最简单的集成预报方法,具有一定的局限性,而WEMN由于给不同单模式预报赋予了权重,因此相对于EMN能够得到更好的多模式集成预报结果;BREM方案由于消除了模式预报中的系统性偏差,因此集成预报效果也优于EMN;由于去除了模式预报偏差,同时给不同模式赋予了权重,SUP方案得到的集成预报效果最优。     

一种新型西南低涡逐步订正识别方法

西南低涡是形成于青藏高原东侧的特殊天气系统,国内学者目前对于西南低涡的识别没有统一的标准。通过分析西南低涡的主要特征,结合高度场、涡度场、风场,设计了一种适应于西南低涡的HVW识别方法,将其应用于2014年6—8月GRAPES-MESO高分辨率格点分析资料,对比与西南低涡天气图实况的差异。通过对西南低涡的识别、低涡生成和消亡时间、低涡中心位置以及低涡中心强度这几方面的具体分析,得到以下几点结论:1)HVW识别方法能够有效识别出高精度格点资料中的西南低涡过程,与格点实况的吻合率达到87.5%;对于天气图和格点资料都能够再现的西南低涡个例,HVW识别方法的准确度能够达到90.9%,说明HVW识别方法能够有效捕捉西南低涡。2)以天气图实况资料为西南低涡生命时长检验标准,HVW识别方法能够合理分析低涡的生成和消亡时间。3)对西南低涡中心位置偏差进行分析发现,HVW识别的西南低涡中心位置不仅位于西南低涡气压低值附近,更位于风场辐合中心。4)对西南低涡中心强度的评估发现,格点实况与HVW识别方法分析的西南低涡强度差异几乎可以忽略,充分说明了HVW识别方法包含了格点实况的高度场信息,也说明该识别方法的西南低涡中心强度可以用来代替格点实况结果。通过对2014年6—8月西南低涡过程的具体分析,验证了HVW逐步循环定位方法的可行性、合理性以及准确性。     

基于观测扰动的集合预报EDA初值扰动方法研究

北京城市气象研究院初步发展了3 km分辨率的华北对流尺度集合预报系统.为构建适用于该系统的初值扰动,设计了观测随机扰动方案,并与全球集合预报动力降尺度背景场相结合,利用三维变分同化方法构建了集合资料同化(EDA)初值扰动;开展了EDA方案在华北对流尺度集合预报系统中的批量试验,并与动力降尺度初值扰动方法进行了对比.结果...     

GRAPES-Meso模式动力框架与物理过程对预报误差影响研究

为了研究GRAPES-Meso区域中尺度模式误差特点,评估模式动力框架和物理过程对预报误差的影响重要性,为GRAPES区域集合预报系统方案设计提供参考,基于GRAPES中尺度模式设计了4组对比试验,每组试验对2008年3个不同类型天气过程进行了数值模拟,获得如下结论:(1)GRAPES-Meso模式存在较为显著的系统性误差,系统性误差水平和垂直分布特征主要由GRAPES模式动力框架产生,物理过程对系统性误差影响相对较小;(2)在模式层底和模式层顶,GRAPES模式层与等压面层转换方案中,预报存在较为明显的垂直插值误差;(3)边界层方案对GRAPES模式低层动力场预报误差有重要影响,可以显著减少模式低层动力场预报误差。结果表明减少动力框架预报误差是改进GRAPES-Meso模式的重点,在GRAPES-Meso集合预报系统的设计中,需要重点考虑动力框架引起的模式不确定性。     

西藏冰雹的气候特征

利用1981 ～ 2008年的逐日冰雹资料和2007～2008年的天气图资料,通过线性倾向估计、功率谱和聚类分析等方法,分析了西藏冰雹的气候特征及天气背景,结果表明:西藏地区年均冰雹日数呈下降趋势,并呈现出2～3年的准周期变化.多雹区沿高原地形和山脉呈带状分布,北部较多,西部和东部相对较少.全区年均冰雹日数为20.8天,最大中心位于那曲;西藏地区冰雹具有明显的季、月、日变化,冰雹在3 ～ 10月均有发生,主要出现在6～9月,为典型的夏雹型,夜间和早晨很少降雹,主要发生在12 ～20时之间.西藏地区冰雹与海拔高度和雷暴有很好的正相关,冰雹的发生与低涡、切变线、西风槽和西太平洋副高等天气系统有着密切的联系.