基于时空不确定性的对流尺度集合预报效果评估检验

针对对流尺度天气系统的高度非线性特征和高分辨率模式预报结果存在时、空不确定性现象,以及当前邻域概率法主要考虑高分辨率预报结果的空间位移误差,而不能有效解决预报结果存在时间超前与滞后问题,将时间因素引入到邻域概率法中,结合一次强飑线过程进行对流尺度集合预报试验,并基于改进后的新型邻域概率法与分数技巧评分,对降水预报进行了不同时、空尺度的效果评估检验。结果表明:（1）邻域集合概率法和概率匹配平均法在极端降水的分数技巧评分远高于传统集合平均,弥补了集合平均对极端降水预报能力偏低的缺陷。（2）对于此类飑线过程的对流尺度天气系统而言,邻域半径为15—45 km的空间尺度能够改善降水位移误差的空间不确定性,并使其预报效果达到最优,其中15—30 km的邻域半径对于尺度更小的大量级降水事件预报能力更强。（3）对流尺度降水预报考虑时间尺度与降水强度存在着对应关系,不同时间尺度可以捕获到不同量级降水的时间不确定性。同时,时间尺度与空间尺度对于降水预报效果的影响是相互关联的。（4）改进的邻域概率法能够同时体现高分辨率模式预报结果在对流尺度降水事件上存在的时、空不确定性,实现了对流尺度降水在时、空尺度上的综合评估,并能为不同量级降水提供与其时、空尺度相匹配的概率预报结果。      

基于对流尺度集合预报的飑线结构特征模拟与改善

对流尺度集合预报是研究飑线等强对流天气的新方向。当前对飑线系统结构的研究主要采用卫星和雷达资料结合高分辨率确定性预报的方法,而本文从集合预报技术的角度分析飑线结构特征。针对2014年7月30日中国江淮地区的一次强飑线过程,利用WRF模式开展了对流尺度集合预报试验,采用概率匹配平均法对集合预报结果进行综合处理,重点考察集合预报对飑线结构特征的模拟能力。结果表明:对流尺度集合预报能够模拟出飑线系统的基本结构特征。集合平均和概率匹配平均法相比控制预报而言,对飑线回波、热力场、动力场和微物理量场结构有明显的改善作用。同时模拟出了飑线系统近地面冷池和环境垂直风切变的相互作用,与RKW理论相一致。概率匹配平均法在回波强度上较集合平均更接近实况,应用于对流尺度集合预报研究极端天气事件具有指示意义。     

Short-range forecast of heavy precipitation and strong wind using the convection-allowing WRF models

The results are stated of estimation of short-range forecasting of heavy precipitation (P ≥ 10 mm/12 hours) and strong wind at the height of 10 m (V ≥ 10 m/s) using three nonhydrostatic models from the WRF family: ARW, ARW Glob, and NMM. The forecasts on the basis of all three models were carried out using two grids. The horizontal resolution of external grids varied from 9 to 16.5 km and that of the nested grids, from 3 to 5.5 km. For the ARW and NMM models, the values at side boundaries of external nested grids were taken from the forecasts on the basis of the global GFS NCEP model and for the ARW Glob model, from the global forecasts based on this model. The convection parameterization was turned off at nested grids for all models. The forecasts of heavy precipitation and strong wind at nested grids over the European territory of Russia were estimated from the radar and station measurements in summer 2008. It is obtained that all three models reproduce well enough the mesoscale convective systems and associated areas of heavy precipitation and strong wind but they have common shortcomings: they overestimate the amount and area of heavy precipitation and underestimate the strong wind speed. To a lesser degree, these shortcomings are typical of the ARW model. The possible reasons for systematic errors in the forecasts are discussed.     

基于TIGGE多模式降水量预报的统计降尺度研究

利用TIGGE资料中欧洲中期天气预报中心、美国国家环境预报中心、英国气象局以及日本气象厅4个中心,1~7 d预报时效的降水量预报资料,以TRMM/3B42RT降水量作为"观测值",对东亚地区降水量进行统计降尺度处理。首先利用逻辑回归方法将天气分为有雨和无雨,再对有雨的情况,利用线性回归方法对插值后的预报结果进行降尺度订正,最后将4个中心的预报值进行消除偏差集合平均,得到多模式集成的降水量预报场。结果表明:逻辑回归能够有效地改善预报中小雨的空报情况,统计降尺度订正后的预报结果比直接插值更加准确,多模式集成的预报效果优于单模式结果,其改进效果随预报时效的延长逐渐减小。     

基于降水极端预报指数的福建台风极端降水预报研究

应用1961—2017年中国气象局热带气旋最佳路径数据集、国家地面气象观测站日降水观测资料和2015年8月—2017年12月欧洲中期天气预报中心(ECMWF)集合预报系统降水极端预报指数(EFI)数据,根据百分位法定义台风影响期间福建省各站点的台风极端降水阈值,采用最小阈值法剔除台风极端降水时EFI箱线图中的异常值,保...     

基于增长模繁殖法的暴雨集合预报

采用WRF模式对2010年9月发生在河南省附近的一次暴雨过程进行了集合预报试验。用增长模繁殖方法(BGM)制作了集合预报方案1;为了充分利用背景场信息,结合时间滞后法,制定了集合预报方案2:滚动繁殖法;考虑到暴雨过程中天气形势的特殊性,结合区域空间特征,制定了集合预报方案3:区域繁殖法。这3组试验均对变量U、V、T、Q进行了初值扰动,加上控制预报,均产生了9个集合成员。试验结果表明:几种集合预报方法在预报效果上相较于控制预报都具有明显的改善,滚动繁殖法及区域繁殖法对增长模繁殖法都具有一定的改进作用,其中区域繁殖法的预报效果更优,与实况更为接近。     

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。     

中国夏季降水多模式集成概率预报研究

基于TIGGE资料中的中国气象局（CMA）、欧洲中期天气预报中心（ECMWF）、日本气象厅（JMA）、美国国家环境预报中心（NCEP）以及英国气象局（UKMO）五个中心2007-2011年5月25日-8月31日中国地区逐日12-36 h、36-60 h、60-84 h、84-108 h、108-132 h与132-156 h累积降水集合预报资料,分别利用PoorMan （POOL）和多模式消除偏差（MBRE）两种方法对2011年各中心降水概率预报进行集成,并采用RPS和BS评分方法对预报效果进行评估。结果表明,对于12-156 h逐24 h累积降水量概率预报,多模式集成预报效果优于单模式预报效果,且多模式消除偏差概率预报效果最好;针对小雨、中雨以及大雨以上降水,PoorMan和MBRE概率预报较单中心预报效果均有提高,MBRE概率预报效果优于PoorMan方法。     

极端天气预报指数和集合异常预报法在浙江台风和梅雨暴雨预报中的应用北大核心

利用2016—2021年ECMWF集合预报,评估了极端天气指数EFI(Extreme Forecast Index)、尾偏移指数SOT(“Shift of Tail”index)以及集合异常预报法在浙江台风和梅雨暴雨预报中的应用效果。通过研究极端天气预报指数对浙江台风和梅雨暴雨的最优预报阈值,发现梅雨暴雨阈值比台风暴雨明显偏小,且随预报时效增加减小速度偏慢。最优阈值预报相比确定性模式预报,在台风和梅雨暴雨预报检验中体现出更好的稳定性、提前性和准确性。进一步研究发现,通过区分天气类型确定的最优预报阈值,可作为台风和梅雨暴雨落区预报的参考依据。925 hPa水汽通量散度的集合异常度对浙江台风暴雨的落区和强度变化有较好的预报效果,850 hPa涡度和700 hPa垂直速度的集合异常度可以反映稳定性梅雨暴雨的过程演变。     

新型局地增长模培育法对两次飑线个例的对流尺度集合预报试验

利用局地增长模培育法对两次典型飑线过程进行了对流尺度集合预报试验,通过与传统增长模培育法对比,检验了局地增长模培育法的实际预报效果.通过概率匹配平均处理后,将降水预报结果与实况资料进行对比分析,并用分数技巧评分来代替传统公平技巧评分实现对降水结果的合理检验,得出结论:1)在飑线降水预报上,局地增长模培育法优于增长模培育...     

暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究

利用2008—2011年6—8月中国气象局T213全球集合预报24—240 h降水预报资料和四川盆地观测降水资料,提出四川盆地暴雨集合预报-观测概率匹配订正法。该方法将集合预报降水累积概率分布与观测降水累积概率分布进行概率匹配,对降水量为50 mm的集合预报平均值进行订正,获得暴雨预报订正值(A Calibrated Heavy Rainfall forecast value),累积降水概率分布拟合函数采用Gamma函数。选取2013年6月28日—7月10日进行独立样本暴雨预报试验,分析四川盆地暴雨预报订正值分布特征和订正前后降水检验评分变化,讨论该方法存在的若干局限性。结果显示:T213集合预报对四川盆地降水预报存在预报量较观测量级小、模式预报时效越长降水预报越弱等系统性偏差,暴雨集合预报-观测概率匹配订正值普遍小于50 mm,且随预报时效延长而逐渐减小,有效地订正了T213暴雨集合预报系统性误差;暴雨集合预报-观测概率匹配订正法对"有或无暴雨"二分类暴雨预报改善较明显,ETs评分获得提高,且漏报率和空报率有所降低。     

基于集合预报的淮河流域洪水预报研究

基于空间分辨率90 m×90 m的湖北荆门漳河水库数字高程模型（DEM）地形数据,并从2012-2015年选取了20场洪水过程（其中16场用于模拟,4场用于检验）,将华中区域数值天气预报业务模式WRF提供的三重嵌套空间分辨率3 km×3 km、9 km×9 km和27 km×27 km预报降雨与集总式新安江模型以及半分布式水文模型Topmodel耦合进行洪水预报试验。通过对比试验得到以下结论：当流域降雨的时、空分布比较均匀时,集总式新安江模型可以较准确地预报出洪峰流量和峰现时间,而当降雨时、空分布差异较大时,预报误差也会随之增大。基于DEM数据建立的Topmodel模型可以反映不同降雨时、空分布下洪水预报结果的差异,试验结果表明,3 km×3 km和9 km×9 km洪水预报的输出结果比较接近,且在确定性系数和洪峰相对误差上要优于27 km×27 km的洪水预报结果,而在峰现时差的预报上,则是27 km×27 km的洪水预报结果与实测较吻合。通过研究还发现,虽然当流域降雨的时、空分布存在一定差异时,3种空间分辨率的WRF预报降雨均无法预报出与实测一致的降雨分布,但是在某些情况下,当降雨的时间分布误差和空间分布误差相抵消时,仍然可以得到较为准确的洪水预报结果。因此,高时、空分辨率的模式预报降雨并不一定就能对洪水预报结果产生正贡献,需要通过反复尝试寻找水文模型和数值模式耦合的最佳时、空分辨率。     

基于KPCA的台风强度神经网络集合预报方法研究

针对影响台风强度前期预报因子较多以及因子的非线性变化特点,首先采用逐步回归方法筛选出部分预报因子,再利用核主成分分析方法在剩余的预报因子中提取包含了原数据较多信息的核主成分与前期选入的预报因子共同作为模型输入.进一步考虑到神经网络集合预报中个体的准确性和差异性的权衡问题,在不同的初始条件下生成若干组神经网络,分别选择每组中性能最优的个体,建立了一种新的非线性神经网络集合预报模型.最后以西北太平洋海域2001-2010年5-10月的台风强度为研究对象进行了预报试验.结果表明,这种神经网络集合预报模型的预报结果符合实际应用的要求,其预报平均绝对误差明显小于同等条件下的神经网络方法和逐步回归预报方法.     

基于CMA区域集合预报的海河流域面雨量预报评估与应用

面雨量是流域防汛抗洪调度的重要依据,单模式的确定性预报无法反映面雨量的多种可能性,为了解决面雨量预报存在不确定性的问题,本文基于中国气象局区域集合预报系统(China Meteorological Administration-Regional Ensemble Prediction System,CMA-REPS)降水结果对海河流域集合预报面雨量开展了适用性评估和分析,结合高分辨率格点实况资料对其2020—2022年5—8月面雨量进行检验,并依检验结果开展了集合预报面雨量产品及跨度预报产品研发。检验表明CMA-REPS集合预报对海河流域面雨量预报有改进:1)海河流域集合平均面雨量预报的绝对误差明显优于控制预报,在空间分布上表现为南部河系预报误差较大,中部次之,北部最小。2)模糊评分表明小雨和中雨量级集合平均预报更贴近实况,而暴雨量级则需进一步参考集合成员的极端性。3) TS及Bias评分表明集合平均在小雨量级预报效果较好,中雨及以上量级在预报后期改进更加明显。4)概率预报评分发现CMA-REPS对海河流域中部河系中雨以下面雨量有较好的表现,而南部河系的评分则低于中部河系。开发集合预报面雨量产品并对海河流域两次致洪暴雨过程检验发现:1)集合成员对24 h大暴雨等级面雨量的预报有较高的概率,与实况量级相当,对极端降水有较好的提示。2)24 h内集合平均具有较好的评分,而24～48 h,75％分位数产品对于强降水过程预报效果更好;本文依据检验结果开发的集合预报混合百分位产品及跨度预报产品对于强降水有较好的参考性。3)依据概率预报随时间的变化曲线对面雨量进行平滑拟合,可以得到更贴近于实况的逐小时面雨量预报产品。     

基于T639集合预报的持续性强降水中期客观预报技术研究

针对持续性强降水预报困难的问题,根据Anderson-Darling检验原理,构建基于中国气象局T639集合预报系统的持续性强降水中期客观预报方法。对比分析2010-2015年5-9月T639集合预报降水与实况降水的累积概率分布函数差异,在此基础上采用扩展时间序列和空间范围的方法构建3种模式气候累积概率方案,通过批量预报试验和检验,选取最优概率方案纳入预报模型,考察持续性强降水个例的最长预报时间。结果表明,随着预报时效的延长,集合预报模式的降水逐渐集中于小和中雨量级,无降水和暴雨以上量级的降水概率低于观测,168 h以后模式降水概率趋于稳定。通过扩展时间序列和空间范围能弥补模式气候资料年限不足所带来的偏差,根据区域气候特征细分模式气候的方法重点突出了不同区域的降水特征,明显优于简单集合所有区域数据的模式气候方案。基于集合预报的持续性强降水预报模型对持续性强降水个例的预报能力为8-9 d,随着预报时效的延长,降水强度以及雨带位置的预报能力逐渐减弱。      

基于TIGGE资料的集合成员优选方法

利用2007年6月8日—8月31日东亚地区TIGGE集合预报资料中欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF)和英国气象局(United Kingdom M et Office,UKM O)两个中心的地面2 m气温资料进行集合成员优选研究。结果表明,对于24~96 h预报,集合成员优选方法能够较好地选出预报技巧较高和预报技巧较低的集合成员。个例分析表明,在极端天气出现的地区,优选集合平均的预报优势较为明显。对比ECMWF和UKMO的集合成员优选结果发现,ECMWF的预报效果优于UKMO的预报效果。     

集合模式定量降水预报的统计后处理技术研究综述

集合数值模式预报已在定量降水预报业务中广泛应用,以获得预报不确定性、最可能预报结果以及极端天气预警。由于集合系统的数值模式不完善,且不能提供所有的不确定性信息,常表现出系统性偏差以及欠离散或过离散（如对于多模式集合）。为此,需要发展统计后处理技术,在尽量保持集合预报解析度的条件下,提高预报的技巧和可靠性。近年来,各种集合预报统计后处理技术得到快速发展。针对定量降水预报,依据技术方法的途径和成熟度将后处理研究归纳为3方面进行总结,包括:（1）不基于统计模型的非参数化后处理,包括集合定量降水预报偏差订正、多成员或模式信息集成以及基于空间分析的对流尺度模式后处理;（2）基于概率分布统计模型的参数化后处理,包括集合模式输出统计和贝叶斯模型平均两种方法框架;（3）考虑预报量的时间、空间和多变量间依赖关系或结构的处理方法,包括参数化和经验连接概率法。最后,讨论发展统计后处理技术需要关注的问题,包括考虑不同来源、不同尺度的多模式信息集成;提供高质量、高分辨率的降水分析资料;发展再预报技术扩充训练样本;基于不同的订正目的和应用场景来使用不同的后处理技术;发展面向海量预报数据、捕捉极端降水以及考虑预报量结构的新技术。      

基于集合预报的台风“利奇马”登陆后远距离暴雨预报的敏感性分析

2019年第9号台风“利奇马”在8月10日登陆后引发了远距离大范围的暴雨,本文利用ECMWF(EC)和GRAPES全球集合预报模式等资料对暴雨短期预报的误差及原因进行了分析。此次台风远距离暴雨主要集中在8月10日夜间的山东中部地区,EC集合预报对该区域的降水量预报效果总体优于GRAPES集合预报。集合敏感性分析可以识别出和预报变量高相关(敏感)的天气系统,结果表明山东区域平均降水量对同期500 hPa副高、台风西北侧海平面气压和山东北部低层温度较为敏感,而对流层高层的高度及经向风存在更大范围的敏感区。根据暴雨预报TS评分选取EC集合预报成员作为优势组和劣势组,结果表明优势组预报成员表现为山东上空300 hPa低槽前倾,北侧高空偏南急流更强,同时配合低层台风外围偏东风急流,形成高层辐散、低层辐合的有利条件。另外,优势组预报的中纬度低层冷空气和斜压锋区更强,导致优势组在山东中部预报出暴雨,更加接近于实况。     

集合模式定量降水预报的统计后处理技术研究综述

模式后处理方法能提高定量降水预报精度,现有的基于统计的降水后处理方法多用于订正降水率或估计降水概率,忽略了降水落区预报的空间误差,导致订正效果不佳。本文提出了一种新的基于雨团匹配的空间后处理方法,用于订正降水落区预报的空间误差,从而提高预报准确率。该方法基于雨团的识别与拆分,结合贝叶斯多目标追踪法对当前时次的模式预报和实况雨团进行匹配,从而得到模式预报数据相较于实况存在的位移与强度误差,并将该误差用于随后时次模式预报数据的订正。利用该方法,对华北地区2018—2019年夏季降水过程的ECMWF集合预报系统的降水预报产品进行订正。以CMPAS中国逐小时降水分析数据作为实况值的检验结果表明,经过该方法订正后,随后时次模式降水预报的平均TS评分从0.333提高到0.369,相关系数从0.260提升到0.327,平均绝对偏差从2.788 mm降到2.541 mm,表明本方法能有效提高降水预报的准确率。

     

基于奇异矢量的优化短期集合预报

在1—2 d的短期预报中,由奇异矢量构建的初始扰动主要是线性发展,为了防止在积分终止时刻,由同一奇异矢量导出的正负初始扰动的积分在集合平均时互相抵消,文中首先通过理论推导和实际计算证明了对集合成员进行优化的必要性,以及从不同奇异矢量导出的集合成员中,表现好于控制预报的一组成员相对于控制预报的离差恒大于或恒小于表现劣于控制预报的另一组成员,利用这个特征,在做集合预报时,把奇异矢量导出的正负两组预报分成离差相对大一组、离差相对小一组,就可以避免求集合平均时成员相互抵消,从而提出了一种优化基于奇异矢量的短期集合预报的方法。文中使用NCAR/PSU（美国国家大气研究中心/宾夕法尼亚大学）中尺度有限区域模式MM5第1版,及其对应切线性、伴随模式,对1999年夏季发生的两个梅雨锋低涡个例作了分析,在计算奇异矢量时采用了干能量模,分析结果表明：相对于正负两个初始扰动都入选的集合,严格按照这种方法挑选出来的优化集合可以有效地提高集合平均的精确度。在生成初始扰动的方法上,文中的计算表明,相对于用单个奇异矢量生成初始扰动,把正交的多个奇异矢量累加起来导出的初始扰动具有更大的增长率,能有效地增大集合成员间的离差,提高集合成员的预报精度。