集合预报多尺度奇异向量初值扰动方法研究

目前国际上采用的奇异向量集合预报初值扰动法对于初值不确定性的描述存在一定的不足,为了更有效地反映初始误差的时空多尺度特性,基于GRAPES全球奇异向量计算技术,计算了不同空间分辨率及不同最优时间间隔的多个尺度的奇异向量,并采用基于高斯分布的线性组合法来构造多尺度奇异向量的扰动初值,以代表在相空间中增长最快的多尺度初值误差模态。通过2019年1月19日的初值扰动集合预报试验,对比分析了单一尺度奇异向量初值扰动法与多尺度初值扰动法的扰动特征及集合预报效果。结果表明,多尺度奇异向量初值扰动法为区域集合预报提供的初始扰动场是合理的,扰动的大小随时间增长,且在空间分布上较好地反映了当前大气的斜压不稳定特征。此外,多尺度奇异向量扰动可以描述一定的大尺度以及中小尺度运动误差特征,较单一尺度奇异向量扰动能反映出更多初始场的不确定性信息。检验分析表明,GRAPES多尺度奇异向量集合预报在集合一致性、连续等级概率评分、离群值等方面有一定的优势,相比于单一尺度奇异向量法有较好的预报技巧。因此,基于GRAPES的多尺度奇异向量初值扰动法对于集合预报的预报效果有一定的提高,能为构建一套完善的GRAPES区域奇异向量集合预报系统提供一定的科学依据和应用基础。      

混合误差协方差用于集合平方根滤波同化的试验

在集合卡尔曼滤波方法中, 根据预报集合统计提供的依流型而变的预报误差协方差对同化起到决定性的作用。但在集合样本容量不足及模式存在系统误差时, 由预报集合估计的预报误差协方差会出现明显偏差。既要减小这种估计偏差对同化产生的影响而又不增加计算量, 一种可供选择的方法是将定常或准定常的高斯型预报误差协方差和由预报集合估计的预报误差协方差加权平均用于集合卡尔曼滤波同化。利用浅水方程模式, 通过观测系统模拟试验检验在不同的模式误差、 集合成员数以及观测密度条件下, 将这种混合预报误差协方差矩阵用于在集合平方根滤波的效果。试验结果表明, 当预报集合成员数较多而模式又无误差时, 不必采用混合的预报误差协方差矩阵, 否则, 采用混合的预报误差协方差矩阵都有可能改进分析和预报。混合预报误差协方差的最优的权重系数与模式误差关系密切, 模式误差越大, 定常预报误差协方差的权重越大。最优的权重系数与集合成员数及观测密度也有一定关系。     

南海热带气旋路径集合预报试验

利用3种不同模式的初始资料，通过它们生成得到16个不同的初始场，分别对2004年南海及其周边地区9个热带气旋个例进行集合预报试验，最后筛选得到了7个南海热带气旋初值集合成员，由此初步探讨了南海热带气旋初值集合成员的生成方法。结果表明，采用不同模式的初始资料生成得到初值集合成员的方法用于集合预报，对南海热带气旋路径预报有一些明显的改进。     

风暴尺度集合成员数对预报技巧的影响

利用WRFV2.2模式,对1977年5月20日发生在美国Oklahoma的典型超级单体风暴进行集合预报试验。采用蒙特卡洛法对不同区域初值扰动,对比分析成员个数的变化对预报技巧的影响,检验集合技术应用于风暴尺度系统的可行性及应用价值。结果显示,基于WRFV2.2模式的风暴尺度集合预报（storm-scale ensemble forecasting,SSEF）能够从热力场和动力场上改善单一确定性预报,并成功预报极端降水,表明SSEF具有较高的应用和研究价值;总体上预报技巧随成员数增加而增加,当集合成员数达到5-13时,预报技巧呈饱和特征,不同变量、不同扰动区域时的饱和成员数略有差异。     

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。     

对流尺度集合预报成员数对降水预报的影响北大核心CSCD

选取2022年川渝地区发生的16个强降水个例开展对流尺度集合预报批量试验,并通过对31组初值采用不同集合成员数时的降水集合预报技巧进行检验评估和综合分析。结果表明:集合成员的降水预报技巧总体上大致相当,因而采用不同成员数时预报技巧差异也不明显;表征降水总体分布特征的Talagrand分布和预报失误概率以及表征降水概率预报技巧的相对作用特征面积随着成员数的增加而逐渐改进,但当成员数达到一定数值后继续增大成员数对预报改进不明显。总体而言,对流尺度集合预报成员数设置为16~18最适宜。     

初始场对暴雨数值预报的影响及集合预报试验

以2003年7月3日至4日发生在淮河流域的暴雨过程为例,利用AREM模式,分析了初始场对暴雨预报的影响,提出了暴雨预报中初始场不确定性包含的两层含义,一是被常规观测遗漏的中小尺度信息误差;另一个则是随着环流变化造成的信息误差的不确定性。并针对着初始场的不确定性,设计了一种初值集合预报的方法,它包含了经典的集合预报方法MCF、LAF、BGM的思想。用这种方法进行了集合预报试验,结果表明:集合平均预报的预报技巧高于24 h控制预报,集合预报还可给出降水概率预报、离散度等产品为暴雨可预报性的评估提供参考。     

国家级区域集合预报系统研发和性能检验

该文简要介绍了中国气象局国家气象中心研发的区域中尺度集合预报系统主要技术特点:在初值扰动技术方面,通过研究中国地区中尺度模式预报误差快速增长特点、中国地形地貌特征与观测资料的分布情况,研发适合于中尺度模式的增长模繁殖法扰动技术构造初值场;分析数值模式物理过程参数化方案内在的不确定性以及对强对流天气和近地面要素预报的差异,确定多物理过程扰动技术方案。解决全球集合预报扰动信息向中尺度集合预报输入的关键技术,实现中尺度区域集合预报系统与全球中期集合预报系统的嵌套。在模式后处理方面,解决中尺度集合预报结果的偏差订正技术;开发满足多种需求的多要素、多层次概率预报产品和概率预报检验产品。在世界天气研究计划"2008年北京奥运会中尺度集合预报研究开发项目"3年实时预报试验比较评价中,中国气象局国家气象中心区域中尺度集合预报系统总体预报能力与国外同类系统相当。     

区域集合预报对华南一次暴雨试验研究

利用增长模繁殖法(BGM),对2012年6月我国长江中下游及华南地区的一次强降水过程进行了不同扰动方案的集合预报试验研究。分别对集合预报中只考虑初值扰动、加入模式物理过程扰动和加入地表参量扰动的三种不同扰动方案进行了对比试验,并对最优试验方案的降水集合预报结果进行检验分析。(1) 同时考虑风场、温度场、湿度场、高度场和地表参量的初值扰动,以及考虑模式物理过程扰动的降水集合预报效果最优,可有效提高灾害性天气的预报效果。(2) 初值扰动和模式物理过程扰动对降水预报都有着重要的影响,相同的模式物理过程扰动会由于不同的初值扰动而产生较大差异,并且扰动的集合平均预报对降水有较好的指导意义 。(3) 对于位势高度场预报检验 ,集合预报平均要好于控制预报,并且随着预报时效延长,这种优势更加明显。(4) 对此次强降水过程在长江中下游、华南地区和全国区域的各量级降水预报TS评分检验可知,集合预报较单一的决定性预报(控制预报)效果有明显改善;集合平均预报一般都好于控制预报 ,同时集合预报也为预报员提供了天气不确定性的警示作用。      

基于GRAPES_Meso的集合预报扰动方案设计与比较

基于GRAPES_Meso区域集合预报系统,设计了三种集合预报扰动方案,即多初值、多初值多物理、多初值多物理多边值,并针对三种方案进行了连续一个月的批量试验,重点分析了2008年7月23日江淮暴雨过程.结果表明,对于降水预报,三种集合扰动方案均相对于控制预报均有所改善,多初值多物理与多初值多物理多边值方案对小雨、中雨预报改进效果显著,对暴雨预报略有改进;多初值方案仅能产生有限的集合离散度且难以增长,引入物理参数方案扰动及边界条件扰动能显著提高集合离散度,改善各物理量场的预报效果;通过比较,多初值多物理多边值为最优方案.该批量试验表明,模式物理过程及边界条件是影响GRAPES _Meso区域集合预报不确定性的不可忽视因素.     

GRAPES-GEPS环流集合预报的分类释用方法研究与检验

集合预报在数值天气预报体系中具有重要地位，因此如何有效提取集合样本信息以提高集合预报技巧一直是一个重要课题。基于中国全球集合预报业务系统（GRAPES-GEPS）的500 hPa高度场集合资料开展对环流集合预报的分类释用方法研究，并对集合聚类预报结果进行了检验分析。通过在传统Ward聚类法中引入动态聚类的“手肘法”方案，发展了环流集合预报分类释用方法。针对该方法的个例分析表明，对于中国中东部地区环流集合预报的聚类释用方法能够有效地划分出最有可能发生的环流形势类型并提供发生概率。确定性预报综合检验结果显示，集合预报聚类结果中发生概率最高的集合大类相对于集合平均的预报技巧有明显提升，并随着预报时效的延长提升更明显。总体来看，通过集合预报的分类释用方法划分环流形势类型可以为天气预报提供参考依据，具有实际应用价值。      

Improvement in Background Error Covariances Using Ensemble Forecasts for Assimilation of High-Resolution Satellite Data

Satellite data obtained over synoptic data-sparse regions such as an ocean contribute toward improving the quality of the initial state of limited-area models. Background error covariances are crucial to the proper distribution of satellite-observed information in variational data assimilation. In the NMC (National Meteorological Center) method, background error covariances are underestimated over data-sparse regions such as an ocean because of small differences between different forecast times. Thus, it is necessary to reconstruct and tune the background error covariances so as to maximize the usefulness of the satellite data for the initial state of limited-area models, especially over an ocean where there is a lack of conventional data. In this study, we attempted to estimate background error covariances so as to provide adequate error statistics for data-sparse regions by using ensemble forecasts of optimal perturbations using bred vectors. The background error covariances estimated by the ensemble method reduced the overestimation of error amplitude obtained by the NMC method. By employing an appropriate horizontal length scale to exclude spurious correlations, the ensemble method produced better results than the NMC method in the assimilation of retrieved satellite data. Because the ensemble method distributes observed information over a limited local area, it would be more useful in the analysis of high-resolution satellite data. Accordingly, the performance of forecast models can be improved over the area where the satellite data are assimilated.     

基于增长模繁殖法的集合预报初始扰动饱和分析

基于增长模繁殖(BGM)法构造集合预报初始扰动时,繁殖循环中扰动的发展和饱和情况是其关键技术之一.已有的一些研究基本上是以扰动增长率接近某一数值作为繁殖结束的标志.作者认为,初始扰动的饱和不仅仅是扰动增长率的饱和,即繁殖模大小方面的饱和,扰动形态(即误差分布)上的饱和也应当是一个必须考虑的因子.利用T63L9全球谱模式分析了繁殖循环中增长模(扰动)的发展和饱和情况,通过分析扰动大小及形态两方面随繁殖时间的演变,得到以下主要结论:扰动增长模在繁殖3～4天后可呈现明显的饱和特征;不同变量扰动增长模的饱和时间有所差别,同一变量在不同等压面上饱和时间亦不同步;不同的初始模大小也会对扰动饱和过程产生影响.     

Multischeme ensemble forecasting of surface temperature using neural network over Turkey

The ensemble method has long been used to reduce the errors that are caused by initial conditions and/or parameterizations of models in forecasting problems. In this study, neural network (NN) simulations are applied to ensemble weather forecasting. Temperature forecasts averaged over 2 weeks from four different forecasts are used to develop the NN model. Additionally, an ensemble mean of bias-corrected data is used as the control experiment. Overall, ensemble forecasts weighted by NN with feed forward backpropagation algorithm gave better root mean square error, mean absolute error, and same sign percent skills compared to those of the control experiment in most stations and produced more accurate weather forecasts.     

金沙江下游多种面雨量集成预报方法的对比分析

集成方法有利于提高降水要素预报的准确性和可预报性。本文基于格点实况资料和智能网格预报、西南区域数值预报、ECMWF模式预报、GRAPES模式预报产品,以面雨量为研究对象,采用多元回归法、BP神经网络法、评分权重法、加权集成预报法和算术平均法,得到集成面雨量预报,再运用平均绝对误差、模糊评分、正确率、TS评分、偏差分析等方法,对2020年4—10月金沙江下游面雨量预报效果进行对比分析。结果表明：多元回归集成法和BP神经网络法的预报效果总体上优于其他几种集成方法。在考虑流域面雨量的预报量级时,下游可以采用预报量级较小的模式和集成方法。集成后偏差百分比均有降低,且多元回归法和BP神经网络法对预报量级较小的模式有矫正作用。在面雨量有无、小雨和中雨预报中,多元回归法集成效果较好,在大雨量级预报中,BP神经网络法集成效果较好。这些结论可为流域面雨量预报提供参考借鉴。     

Dust storm ensemble forecast experiments in East Asia

The ensemble Kalman filter (EnKF), as a unified approach to both data assimilation and ensemble forecasting problems, is used to investigate the performance of dust storm ensemble forecasting targeting a dust episode in the East Asia during 23–30 May 2007. The errors in the input wind field, dust emission intensity, and dry deposition velocity are among important model uncertainties and are considered in the model error perturbations. These model errors are not assumed to have zero-means. The model error me...     

Downscaling of the global seasonal forecasts of hydrometcenter of Russia for North Eurasia

Proposed is a method of downscaling of the global ensemble seasonal forecasts of air temperature computed using the SLAV model of the Hydrometcenter of Russia. The method is based on the regression and suggests a probabilistic interpretation of forecasts based on the assessment of uncertainty associated with the regression and model forecast ensemble spread. The verification of the method for 70 weather stations of North Eurasia using the rank probability skill score RPSS showed a significant advantage of downscaled forecasts over the forecasts interpolated from the model grid points. It is concluded that the use of the downscaling method is reasonable for the long-range forecasting of the station air temperature for North Eurasia.     

A comparison study of the methods of conditional nonlinear optimal perturbations and singular vectors in ensemble prediction

The authors apply the technique of conditional nonlinear optimal perturbations (CNOPs) as a means of providing initial perturbations for ensemble forecasting by using a barotropic quasi-geostrophic (QG) model in a perfect-model scenario. Ensemble forecasts for the medium range (14 days) are made from the initial states perturbed by CNOPs and singular vectors (SVs). 13 different cases have been chosen when analysis error is a kind of fast growing error. Our experiments show that the introduction of CNOP provides better forecast skill than the SV method. Moreover, the spread-skill relationship reveals that the ensemble samples in which the first SV is replaced by CNOP appear superior to those obtained by SVs from day 6 to day 14. Rank diagrams are adopted to compare the new method with the SV approach. The results illustrate that the introduction of CNOP has higher reliability for medium-range ensemble forecasts.     

基于背景场奇异向量的CMA全球集合预报试验

目前中国气象局全球集合预报系统（China Meteorological Administration Global Ensemble Prediction System,CMA-GEPS）利用CMA全球数值预报系统分析场计算奇异向量（ANSV）,欧洲中期天气预报中心采用同化背景场计算奇异向量（FCSV）,在业务流程上先于计算ANSV,可优化集合预报系统运行时间。为此,在CMA-GEPS中探索采用FCSV进行集合预报的可行性,分析ANSV和FCSV的空间分布及相似指数,进而针对夏秋季节10个个例开展采用ANSV和FCSV的全球集合预报试验,从等压面要素集合预报技巧、中国地区24 h累积降水概率预报技巧、台风路径集合预报技巧、台风中心最低海平面气压预报技巧等方面对比二者结果。结果表明:ANSV和FCSV的主要结构特征相似,两组集合预报结果相当,表明在CMA-GEPS中使用FCSV可行,可作为未来高分辨率CMA-GEPS业务系统建设的选项。     

一个集合海浪预报系统及其初步试验

使用集合天气预报系统的多个成员的风场预报来驱动海浪模式WAVEWATCH Ⅲ, 计算出含多个成员的海浪预报场,并相应开发出各海浪要素的集合预报产品,如集合平均、离散度、集合概率等,建立了一个集合海浪数值预报系统。使用该系统进行了2007年9—10月为期两个月的预报试验,利用太平洋和大西洋海域范围的浮标观测资料对系统的预报水平的初步检验分析显示,该集合海浪预报方法能够有效地将传统的确定性预报扩展到概率预报领域,且集合平均的预报水平要优于单一的确定性预报,采用集合预报方法可以提供单纯确定性预报所不能够提供的额外信息,具有较好的应用潜力。