气候预测中的集合方法初探

介绍了气候预测中的集合方法。该文作者曾在1996年论证了在西太平洋暖池区海温异常与东亚夏季风的共同作用下存在一个可预测的气候异常区,部分地改变了气候不可预测的论断。如何从与大量不可预测结果混杂在一起的结果中提炼出可预测部分是集合方法的重要目的之一。文中也讨论了由于大气运动固有的动力学特性,其集合预测与经典的数学考虑有所区别,天气与气候预测有不同的特点,其集合方法、目的也应有所不同,由此对集合方法提出了一些新的建议。文中同时介绍了首次在气候预测中发现的多平衡态现象,建议了如何判定多平衡的出现,以及如何利用多平衡态来改善对不同区域的预测。     

GRAPES-GEPSK-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。     

A Recombination Clustering Technique for Forecasting of Tropical Cyclone Tracks Based on the CMA-TRAMS Ensemble Prediction System

Despite marked improvements in tropical cyclone(TC) track ensemble forecasting, forecasters still have difficulty in making quick decisions when facing multiple potential predictions, so it is demanding to develop post-processing techniques reducing the uncertainty in TC track forecasts, and one of such techniques is the cluster-based methods.To improve the effect and efficiency of the previous cluster-based methods, this study adopts recombination clustering(RC) by optimizing the use of limited...     

国家气候中心多模式解释应用集成预测

多模式集合和降尺度技术是提升模式预测能力的有效工具。该文对国家气候中心多模式解释应用集成预测 (MODES) 技术与业务应用现状进行了综合介绍。MODES采用欧洲中期天气预报中心、东京气候中心、美国国家环境预报中心和中国气象局国家气候中心4个气候业务季节预测模式输出场,利用EOF迭代、变形的典型相关分析、最优子集回归和高相关回归集成4种统计降尺度方法以及等权平均、经典超级集合等集成方法进行全国月及季节降水和气温预测。目前对MODES进行了夏季回报检验和约1年的实时业务应用。回报检验和业务应用表明,MODES对气温有较好的预测能力 (月预测平均PS评分为76),对降水有一定预测技巧 (月预测平均PS评分为68),具有短期气候预测业务应用价值。     

2004年夏季短期气候集成预测及检验

分析了2004年夏季东亚大气环流的主要特点及对我国天气与气候的影响.对可能影响2004年夏季中国降水的主要物理因子及其演变的判断基本正确.跨季度预测指出2004年夏季我国大范围严重洪涝事件的可能性不大,6～8月主雨带可能位于黄河中下游与淮河之间;并较好地预测了影响我国的台风数.对2004年夏季跨季度气候预测中存在的问题进行了初步讨论,以便改进和完善中国科学院大气物理研究所短期气候预测系统.     

基于贝叶斯方法的四川暴雨集合概率预报产品释用

在贝叶斯概率决策理论的基础上,探索了一种提高四川暴雨预报准确率的方法,该方法利用四川境内1951—2004年147站暴雨的气候概率对西南区域中尺度集合预报模式提供的≥50mm集合降水概率预报产品进行了修正。从2008年6—9月的连续性预报试验结果来看:基于贝叶斯方法修正后的集合概率预报产品在一定程度上消除了空报,尽管相比于区域中尺度集合预报系统直接提供的暴雨概率预报产品实际提高暴雨准确率的效果不明显,但在如何有效地利用数值集合预报产品提高四川暴雨预报的准确率以及如何为预报员提供更有价值的暴雨预警决策方法上值得进一步探索。     

集合预报产品释用方法的研究

提出一种动力与统计相结合的集合预报产品的动力统计释用方法，该方法从大尺度大气动力学方程组出发，考虑中期旬尺度的大气环流特征，采用简单的斜压模式，推导出旬降水距平百分率与旬环流形势场的关系，从而建立了旬降水距平百分率预报方程，与相当正压的月降水距平百分率预报方程相比，更符合常规天气预报业务中对实际大气的动力学和天气学意义的考虑，试报结果表明，动力与统计相结合的方法对旬尺度动力延伸集合预报产品的释用具有明显的效果。     

基于神威中期集合数值预报系统的产品开发

利用我国神威中期集合数值预报系统 32 个成员的输出资料, 根据预报业务的需要, 开发出新的集合预报产品。 其产品有 500 hPa 高度场分簇和特征等高线面条图、关键点 850 hPa 温度的概率烟羽图和温度变化趋势图、全国省会城市的要素预报分布图。     

一种新型的中尺度暴雨集合预报初值扰动方法研究

提出一种针对对流不稳定构造具有中尺度运动特征的集合预报扰动初值的新方法--异物理模态法, 介绍了异物理模态法产生初值扰动区域和扰动振幅的数学处理方案, 即由不同对流参数化方案预报离差获得集合预报初值扰动区域、扰动结构和扰动振幅的数学处理过程. 利用美国PSU/NCAR的MM5中尺度模式, 对一次典型暴雨进行异物理模态法初值扰动集合预报试验, 详细分析了扰动初值的结构和集合预报结果. 结果表明, 该方法产生的初值扰动场具有合理的中尺度环流结构, 可以反映对流敏感区域的对流不稳定的预报不确定性, 集合预报结果可以明显改善控制预报.     

区域集合预报增长模繁殖扰动方法研究

在建立区域AREM模式增长模繁殖(Breeding of Growing Modes,BGM)集合预报系统的基础上,设计了静态扰动(初始随机扰动、扰动限定)和动态扰动方法,利用2008年7月20日强降水个例,分析了不同类型扰动对强降水预报的影响.结果表明,静态和动态扰动都对中尺度暴雨预报具有积极的作用,扰动都不同程度地...     

基于主分量神经网络的降水集成预报方法研究

运用人工神经网络与主分量分析(PCA)相结合的方法,对同一降水预报量的各种数值预报产品进行集成预报研究.结果表明:主分量人工神经网络方法所构造的集成预报模型,不仅对历史样本的拟合精度好于个各子预报产品,独立样本的实验预报结果也显示出更好的预报准确率及稳定性.业务应用前景良好.     

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.     

数值天气预报和气候预测的集合预报方法:思考与展望

从初始误差、模式误差以及两者综合影响的角度,综述了天气、气候集合预报方法的研究进展,指出了传统方法的优势,同时也评论了这些方法的局限性,提出了对未来先进集合预报方法的一些思考,以及需要解决的挑战性问题和可能的应用。     

基于LAF思想的一种初始扰动生成方法及集合预报试验

在时间滞后平均法(LAF)思想的基础上,提出了一种改进的LAF方法,这种方法的思路是将不同的初始扰动叠加到模式初始场上进行不同的扰动预报,形成集合预报的成员;而不同的扰动场是通过在滞后不同时次上求取不同资料分析场之差获得。这种扰动不仅体现了不同分析场的差异,而且不同的滞后时间也体现了LAF方法的思路。然后利用经典的LAF方法及改进的LAF方法和AREM模式,分别对2004年6月14~15日安徽入梅首场暴雨过程进行了集合预报试验。结果表明,无论是雨带还是雨团位置和强度的预报,改进的LAF方法都优于经典的LAF方法。进一步研究发现,对于同一个扰动,加扰预报结果比减扰结果要好,若只选择加扰预报作集合平均,其预报结果更接近实况。     

AREM短期集合预报系统及其降水预报检验

基于我国科学家自主开发的AREM区域中尺度模式,考虑模式初值和侧边界条件的不确定性,采用BGM方案,建立有11个成员、37km分辨率、覆盖全国区域的短期集合预报系统,并将其于2009年汛期投入准业务化试验,进行了连续2个月的预报结果检验。结果表明:由于能提供更多预报信息,集合预报系统优于单一确定性预报,集合平均预报对评分的改进主要表现在暴雨以下量级,概率预报高于集合平均和控制预报,因而更具参考价值;利用多种集合产品对降水过程进行综合分析,能提高决策预报的科学性。     

基于ECMWF集合预报产品的降水相态客观预报方法

基于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）集合预报系统的降水相态产品（precipitation type,PTYPE）,分别以HSS评分最优、TS评分最优和频率偏差最优为标准,运用最优概率阈值法,生成雨、雨夹雪、雪和冻雨4类降水相态的确定性预报产品,并与ECMWF集合预报系统控制成员及细网格模式确定性预报进行对比。最优概率阈值显示：3种最优标准下,不同相态降水最优概率阈值不同,但冻雨和降雪最优概率阈值均最大,为40%~80%,雨夹雪最优概率阈值最小,约为10%,三者最优概率阈值均随预报时效延长而减小;降雨最优概率阈值为7%~25%,随预报时效延长而增大。对比检验结果显示：最优概率阈值法明显提高了降水相态预报能力,且以HSS评分最优时预报效果最佳;最优概率阈值法有效减小冻雨空报,同时显著改善降雨和降雪预报的频率偏差和TS评分,对雨夹雪预报改进效果有限。     

基于多中心TIGGE资料的区域GRAPES集合预报初步试验

基于全球交互式大集合(TIGGE)预报资料,研究利用TIGGE全球集合预报大尺度不确定信息,构造区域GRAPES集合预报的初值扰动方法和试验方案,并对2008年7月22日发生在黄淮地区的一次暴雨过程进行了集合预报试验.试验结果表明:构造的初值扰动场能够表征TIGGE全球集合预报初值中的大尺度不确定信息,区域GRAPES集合预报系统可以捕获极端降水天气,对降水预报具有显著的改进作用,集合预报平均及降水概率预报能有效地反映暴雨降水特点,暴雨发生概率较高的区域与实况对应关系较好.积分初期,暴雨的预报一致性(集合离散度)和预报技巧(集合平均预报均方根误差)之间的关系显示了区域GRAPES集合预报系统是合理的,但积分后期,由于模式在积分过程中的动力调整作用,减小了初值扰动对预报结果的影响,限制了集合离散度的增长速度.     

我国期气候预测的业务技术发展

概述了我国短期气候预测技术和业务现代化发展的历史，分析了“九五”以来我国短期气候预测技术的新进展，探讨了未来短期气候预测技术发展的几个主要问题。     

最优集合预报订正方法在客观温度预报中的应用

数值模式的直接输出预报在实际应用时常与实况产生一定的偏差,对模式预报进行有效的本地化订正是提高预报准确率的重要手段。以欧洲中期天气预报中心(ECMWF)模式细网格资料,采用最优集合(anolog ensemble,AnEn)预报订正方法对北京市各站1～7 d的日最高气温和日最低气温进行订正,并对相关参数进行了本地化。采用了滑动训练期、优化变量权重两种方案进行训练。检验评估结果表明:(1)滑动训练期采用60 d时能同时保证计算效率和预报准确率;采用最优变量权重方案后,与预报员主观预报准确率对比,AnEn的最低气温优于预报员主观预报,最高气温基本相当;增加训练期的长度(引入多年的历史资料)相比优化变量权重方案能更有效地提高预报准确率。(2)AnEn预报订正方法在改善数值模式预报的固有偏差(如对由数值模式对局地地形、边界层日变化等形成的误差)效果显著,有较好的应用价值;对于因局地天气(如霾、降水、大风等)影响下,AnEn的温度预报准确率虽优于ECMWF,但不如主观预报,未来还有改进空间。还对检验结果进行了时间和空间验证,确保在以后的业务尤其是智能网格预报业务中的运行效果。     

中国冬季气温的集合典型相关分析和预报

以欧亚大陆地面温度、北半球500 hPa高度、热带印度洋SST(sea surface temperature)以及北太平洋SST为预报因子,通过典型相关分析(canonical correlation analysis,简称CCA)建立预报关系,然后用集合典型相关分析预报(ensemble canonical correlation prediction,简称ECC)方法预报中国冬季气温,并分析预报技巧及进行独立样本检验.结果表明,不同的预报因子对各个地区有不同的预报技巧,以欧亚大陆地面温度为预报因子预报技巧较高,而ECC模式对中国冬季气温有更好的预报能力,预报技巧高于任何一个单因子场的CCA预报;采用回归法的集合平均比简单的等权集合平均预报技巧更稳定.