短期集合预报中定量降水预报集合方法初探

针对短期集合预报中集合平均等方法对极端天气事件预报能力低下的缺陷，提出一种定量降水预报集合方法，简称两步法。该方法首先采用逐级归并法确定集合成员的总体相似度，进而确定集合成员预报场的延伸半径，对各成员的预报场进行修正，然后根据每个成员与其他成员的相似程度，确定各成员的权重系数。这个方法既考虑了集合成员总体的差异性又考虑了降水的概率分布。试验证明，通过上述两步得到的定量降水预报，对提高极端天气事件的预报确率有一定效果。本方法无需历史资料，能很好适应集合成员的改变，实现方便快捷。     

CWRF模式对夏季降水的集合预报试验研究

以ISWS/UIUC发展的CWRF数值模式为试验模式,NOAA全球预报系统(GFS)每天4次的实时预报资料作模式初始和边界条件,同时采用NCEP每天发布的0.5°×0.5°全球SST实时分析资料,分别选取不同的云物理参数化、积云参数化、边界层参数化和辐射方案共计8种参数化组合方案,形成了8组、4个时次共计32个成员的集合预报体系,设计了时变权重分配和动态权重分配两种方案,开展了120 h的实时集合预报试验。试验结果表明,CWRF对中国区域降水有较好的预报能力;在短期降水预报中,集合成员对积云参数化方案更加敏感;考虑了前期预报误差的动态分配权重技术的集合预报方案能够及时反映模式在不同物理参数化方案下,在不同地方、不同预报时效的预报性能,总体上优于不考虑前期预报误差的时变集合预报方案和单个成员的预报。     

多模式短期集合降水概率预报试验

利用AREM、MM5和WRF3个中尺度数值模式,通过积云参数化和边界层方案组合构成15个集合成员,对中国2003年7月汛期降水分别采用平均法、相关法、Rank法开展多模式短期集合降水概率预报试验。结果表明：用上述3种方法制作的多模式短期集合概率预报都能对降水落区及中心做出较准确的预报,但平均法和相关法易使降水落区虚假放大,Rank法则能较好地刻画降水落区边界及强度,其概率预报效果优于平均法和相关法结果。采用BS（Brier score）、RPS（ranked probability score）评分和ROC（relative operating characteristic）曲线对3种方法的降水概率预报效果评价时发现,对某一临界值等级的概率预报,3种方法结果差异较小;但对某一天降水概率预报结果的综合评价表明,Rank法显著优于前两种方法;降水强度大、范围广的降水的RPS评分和各级的BS评分较高,表明多模式降水概率预报也具艰巨性。     

GRAPES区域集合预报对2019年中国汛期降水预报评估

2019年,数值预报中心开发了以GRAPES全球模式为驱动场,集合变换卡尔曼滤波为初值扰动方法,随机物理过程倾向项为模式扰动方法的10km水平分辨率GRAPES-REPS V3.0区域集合预报模式,并投入业务运行.基于该模式,作者开展了2019年7～9月夏季降水不确定性的集合预报实时试验,并从统计检验和个例分析角度,与...     

ECMWF集合预报对内蒙古夏季降水过程应用性能检验

文章选取ECMWF集合预报的概率匹配平均降水量、融合降水量以及中位数、众数和控制预报降水量等成员,用ETS评分方法对内蒙古7月降水过程预报进行检验。结果表明,检验成员对降水落区预报技巧大于0,具有较好的预报能力;融合产品对平均降水落区预报效果最好。检验成员对小雨的预报为负技巧,对中雨及以上量级预报为正技巧,且预报技巧明显优于预报员;平均ETS评分结果表明,融合产品和控制预报对平均降水强度预报效果较好。同预报员一样,各检验成员对过程的把握能力存在着较大的差异。     

NCC_CGCM产品对长江中下游夏季降水预报的释用

通过对1983—2002年国家气候中心NCC_CGCM季节预报模式的2月初始场的5个预测场 (500 hPa高度场,200 hPa经向风、纬向风场,850 hPa经向风、纬向风场) 与NCEP实况场的相关检验,指出模式预测与实况有一定差距,但也存在预报效果好的区域,其中预报效果最好的是200 hPa和850 hPa纬向风场,正相关达到95%信度的点数最多;500 hPa高度场正相关达到95%信度的点数最少;利用模式预报效果好的区域的预测值,对2003—2007年长江中下游区域夏季降水指数进行释用,预报准确率达到80%;对比模式在该地区的降水预报以及仅用模式高度场的解释预报发现,用挑选有用信息后的预报效果更好。该方法在全国其他14个区夏季降水的释用中,江南区和内蒙古区预报准确率也可达到80%。     

NCC_CGCM产品对长江中下游夏季降水预报的释用

通过对1983-2002年国家气候中心NCC_CGCM季节预报模式的2月初始场的5个预测场(500 hPa高度场,200 hPa经向风、纬向风场,850 hPa经向风、纬向风场)与NCEP实况场的相关检验,指出模式预测与实况有一定差距,但也存在预报效果好的区域,其中预报效果最好的是200 hPa和850 hPa纬向风场,正相关达到95%信度的点数最多;500 hPa高度场正相关达到95%信度的点数最少;利用模式预报效果好的区域的预测值,对2003-2007年长江中下游区域夏季降水指数进行释用,预报准确率达到80%;对比模式在该地区的降水预报以及仅用模式高度场的解释预报发现,用挑选有用信息后的预报效果更好.该方法在全国其他14个区夏季降水的释用中,江南区和内蒙古区预报准确率也可达到80%.     

基于集合降水预报产品的汛期洪水预报试验

为改善因水文模型中降水等输入信息的不确定性对确定性水文预报精度的严重影响,以湖北省漳河流域为例,将中尺度暴雨数值模式(AREM)集合降水预报产品输入到新安江水文模型中,对该流域2008年汛期一次典型的洪水过程进行预报测试。结果表明:基于集合数值预报产品的水文预报能在洪峰流量、峰现时间等水文预报要素上获取更多的预报信息,并将单一的确定性预报结果转化为可能发生范围的预报,提高了水文预报结果的可靠性。     

深圳对流尺度集合预报系统对台风降水预报的检验评估

目前数值模式对台风降水预报的准确率仍有待提高。为了评估深圳对流尺度集合预报系统对台风降水预报能力,选取了2015—2018年共14个影响广东台风个例,利用广东省2 300多个自动气象观测站的24小时累计降水观测资料,检验该系统的集合预报方法(含集合平均方法和概率匹配平均方法)和控制预报方法的24小时降水预报结果。(1)系统对台风24小时降水预报具有较好参考价值,三种方法的暴雨等级预报TS评分均达到0.39以上。(2)集合预报方法总体上优于控制预报方法,可改善珠江口两侧暴雨中心降水预报。其中集合平均方法总体预报效果最好,其降水预报均方根误差为38.1 mm,比控制预报方法减少18.8%,对暴雨等级预报TS评分为0.469比控制,预报方法提升20.1%,但是对特大暴雨等级预报能力不足;而概率匹配平均方法改善了小雨和特大暴雨的预报能力。(3)系统对较强台风的降水预报能力优于弱台风。在较强台风情形下,系统对粤东暴雨中心降水预报明显偏小且控制预报方法偏差最大,其他地方降水预报偏大为主;在弱台风情形下,系统对降水预报存在明显系统性偏大,但对粤西暴雨中心降水预报明显偏小且控制预报偏差最大。      

重庆风暴尺度集合预报系统降水预报性能分析

本文利用重庆风暴尺度集合预报系统业务存档的2017年8月1～31日逐日08时起报的模式预报资料及相应的观测资料对该系统的降水预报进行了检验评估及综合分析,综合各种检验结果,总体而言:该系统集合平均和概率匹配平均等集合预报产品相对于控制预报表现出了较明显的优势;小雨和中雨量级降水集合平均的TS评分优于概率匹配平均;大雨和暴雨量级降水概率匹配平均的TS评分优于集合平均;各预报时效的Talagrand分布均表现出实况落在第11个概率区间的概率明显高于其他概率区间,需要在今后的科研和业务中加以关注;Outlier评分介于0.12～0.26;降水概率预报检验方面,各个降水量级的预报失误概率Brier评分和相对作用特征技巧评分AROC均较为理想。总体而言,该系统在降水预报方面相对于单一的确定性预报而言表现出了一定的优势。     

集合预报研究现状与展望

本文系统地论述了集合预报的概念、分类以及国外内的研究现状,在国外的研究现状中重点介绍了目前国际上最先进、最具代表性的两种方法,奇异向量法和增长模繁殖法。国内则介绍了在该方面的最新进展,包括我实验室所做的工作。最后阐述了集合预报的可能发展方向和应用前景。     

择优法降水集合预报试验的研究

基于集合平均预报方法的基础上，提出了择优法降水集合预报方法，以多物理过程集合预报系统为例，对该方法进行阐述和试验。利用集合预报系统各成员过去24 h预报的500 hPa和700 hPa温度差（T500-700）与实况温度差的相关系数作为集合预报成员的筛选因子，选择相关系数较大的成员作为集合成员进行降水集合预报试验。初步试验结果表明，择优法降水集合预报要略优于集合平均法的预报，24 h降水集合预报有所改善。择优法降水集合预报简单易行，在计算资源有限的情况下，可优先计算择优的成员，因此比集合平均法节约计算时间，提高集合预报时效，具有一定的业务应用价值。     

基于多模式短期集合预报技术的热带气旋降水预报试验

利用中尺度AREM和WRF模式为试验模式,由对降水预报结果影响颇大的积云和边界层参数化方案构成的10个集合预报成员,开展有限区域多模式短期集合预报在热带气旋降水预报中的应用与研究.分别研究了单个模式集合预报和多模式集合预报在热带气旋"天鹅"(0907)降水预报中的应用.试验结果表明:(1) WRF模式集合预报效果整体上...     

SVD迭代模型在夏季降水预测中的应用

文中设计了一种基于SVD迭代的短期气候预测模型,通过选择适当的影响因子,建立与预测对象之间的联系,从而实现对气象场序列的预测。分别对华北16个测站和长江中下游地区30个测站1991—2000年近10a夏季(6—8月)降水做预测试验,平均均方误差分别为0.352和0.312,平均符号相关系数分别为0.575和0.623。此研究表明,基于SVD迭代的气候预测模型是一种非常有效的短期气候预测途径,具有很强的应用价值。     

两种空气质量数值模式的应用评估与集合改进研究

利用2018—2019年国控站观测,评估CAMx和CMAQ模式对广东珠海主要污染物时空分布与演变特征的预报能力,并引入多元线性回归和随机森林方法对预报结果进行集成,探究不同集合方法的改进能力。结果表明：CMAQ在各污染物浓度季节-日变化方面明显优于CAMx,但两者存在明显系统偏差,并对多数污染物(除O₃之外)的昼夜和空间变化的模拟能力仍存在明显缺陷。例如,CMAQ合理地还原了CO、PM_2.5、PM₁₀、SO₂、O₃和NO₂的季节变化,相关系数介于0.72～0.84,但NMB分别达到-0.58、-0.18、-0.30、1.52,-0.16和-0.20,RMSE分别达到0.40 mg/m³、6.86、16.02、10.71、25.05和10.21μg/m³。同时,基于不同污染物构建的两种集合方法均有效移除了系统偏差,加强了CMAQ的模拟优势,并且随机森林方法明显优于多元线性回归,但两者均对模式缺陷无明显改进。进一步分...     

2016-2020年广东省定量降水预报检验评估

对2016-2020年全球模式ECMWF和区域模式GZ_GRAPES、基于模式的解释应用和广东省气象局发布的定量降水预报(QPF)进行检验和评估.结果表明:ECMWF和GZ_GRAPES模式对一般性降水预报技巧在逐年提升,对大雨或以上的降水预报技巧的提升缓慢.GZ_GRAPES对大雨以上降水的预报技巧和定量降水预报的精...     

长江流域夏季降水的时空特征及演变趋势分析

利用长江流域107个站1958～2002年逐年夏季降水量资料,对长江流域夏季降水的区域特征及演变规律进行诊断分析。结果表明,长江流域夏季降水主要有3种空间振荡型、7个降水变化敏感区域。其中长江三角洲、鄱阳湖平原、湘江-赣江上游区域夏季降水呈显著的增加趋势,增加率分别为25．8mm／10a、69．4mm／10a、31．0mm／10a,信度水平在95％以上;岷江流域则呈显著的减少趋势,减少率为40．7mm／10a,信度水平在99％以上;岷江流域和汉水-长江三峡在1980年代降水最多,而其它区域在1990年代降水最多。夏季降水量江汉-洞庭湖平原在1985年、鄱阳湖平原在1994年、长江三角洲和汉水-长江三峡在1974年发生了由少到多的突变,而岷江流域则在1963年发生由多到少的突变;各个区域都存在明显的年际或年代际振荡周期。     

泛相似预报法在汛期降水预报中的应用

文中分析了中国汛期降水的最佳相似情况,将传统的相似方法推广为包含有相似和反相似两个方面,得出近23a的最佳相似的距平相关系数(ACC)可以达到0.382。在此基础上提出泛相似预报的方法。利用近23a降水资料试验,表明泛相似的汛期降水预报评分的ACC可达0.130。     

INTERCOMPARISON OF THE INTERDECADAL VARIATIONS OF SUMMER PRECIPITATION IN CHINA SIMULATED BY AOGCMS FROM THE IPCC-DDC

Simulations of the interdecadal variations of summer rainfall over China are assessed from 5 coupled AOGCMs from the Data Distribution Center (DDC) of the Intergovernmental Panel in Climate Change (IPCC) under the IPCC-Special Report in Emission Scenarios (SRES) A2 and B2 scenario. We examined their ability in simulating the interdecadal variations of summer precipitation over China from 1951 to 1990. The difference before and after the mid-1960’s and the late 1970’s is given respectively to check the capability of the models, especially in reproducing the rainfall jump in North China. We also investigated the interdecadal variations simulated by the models in the 1990’s and the average of 2001-2020 in the future under the scenario A2 and B2. The analysis shows that the current AOGCMs is not good enough in simulating the interdecadal variations of summer precipitation in China. The interdecadal variations of summer rainfall simulated by most of the models cannot reproduce the observation in North China. Higher resolution models are suggested to well simulate the interdecadal variability in regional scale.