CFSv2对2018年浙江梅雨降水多尺度预测的性能评估北大核心

从梅雨预测的业务需求出发,系统开展了CFSv2模式对2018年浙江梅雨期降水预报能力的多时间尺度评估。结果发现3月1日—5月31日的起报结果整体上未能较准确地预测6月浙江大部降水偏少的趋势、仅5月31日的预测结果与实况相符;在延伸期尺度上,CFSv2预测的梅雨期总降水量较实况偏少30%左右;基于相关系数、均方根误差和新定义的综合预报技巧指数等指标分析模式的延伸期预报性能,发现对梅雨期总降水量、逐日区域平均降水量和逐日全省各站降水量的预报技巧有限,对浙江梅雨区的预报水平总体高于浙江全省。评估结果表明CFSv2预报产品表现出显著的系统性干偏差;在延伸期尺度上,随着预报时效的缩短,预报效果并非逐步提升、而是客观存在一个最佳预报时效,各起报日也分别对应着不同的最优预报时段,整体而言梅雨降水的延伸期预测可能对初值并不敏感。     

NCEP CFSv2对中国2015年夏季月尺度降水和环流预报分析

利用美国环境预报中心的第二代气候预报系统(NCEP CFSv2)提供的1982~2010年历史回报资料和2015年6~8月预报产品、NCEP CFSR再分析资料及中国地面观测降水资料,评估了NCEP CFSv2对2015年(厄尔尼诺发展年)中国夏季月降水和环流形势的预报能力,并分析了影响模式预报技巧高低的可能因子。结果表明:1)模式对降水的预报技巧较低且表现出明显的月变化(7月最高,8月次之,6月最低),但总体水平都不高。预报技巧明显依赖于提前时间的长短。2)CFSv2对影响我国夏季降水的500h Pa关键区环流异常空间模态表现出较高的预报技巧。对全东亚区域,模式基本都可提前5~9天(7月9天,6月6天,8月5天)较为准确的预报出未来一个月高度异常空间模态。3)通过对比分析发现,CFSv2环流预报中选取12个集合成员(滑动3天)可以得到较稳定的预报结果。4)在2015年夏季月尺度环流异常模态预报中,东亚全区的环流预报水平很大程度上取决于中高纬地区的预报。CFSv2对中高纬环流月预报技巧(6~8月都能从提前4天开始就基本稳定维持在较高水平)比热带地区更高更稳定。      

全球海气耦合模式（BCC_CM1.0）对江淮梅雨降水预报的检验

以国家气候中心全球大气-海洋耦合模式(BCC-CM1.0)20年的预报产品为基础,重点分析了该模式对中国江淮梅雨的预报能力以及梅雨预报中存在误差的可能原因.试验表明:BCC-CM1.0对江淮梅雨降水有一定的预报能力,模式基本上能够预报出气候态下梅雨降水的空间分布特征.尽管其方差贡献率和时间系数与观测相比有偏差,但模式还是能够预报出梅雨降水的主要模态.气候平均下,BCC-CM1.0模式预报的梅雨雨带位置偏北,因而预报的江淮流域长江以北降水偏多,而长江以南预报的降水偏少.同时发现模式对江淮流域梅雨期中等强度降水预报较好,雨强概率分布与观测结果基本一致,而对大雨强降水和小雨强降水预报相对较差.合成分析发现,江淮流域雨带偏北、降水偏少时,模式的预报能力较好;而江淮流域雨带偏南、降水偏多时,模式预报能力相对较差.BCC-CM1.0对高度场的预报普遍偏低,尤其是在青藏高原上空有一个虚假的低值中心,对副热带高压的预报也偏弱,这样使得东亚季风区气压梯度增加,从而导致预报的东亚夏季风偏强、向北推进的幅度加大,最终致使预报的梅雨雨带偏北.此外,比湿场预报的偏差也可能是造成梅雨雨带偏北的原因之一.     

基于多元线性回归的滇西南短时强降水预报模型研究

利用云南省普洱市2015—2017年多普勒天气雷达资料、探空资料和气象观测站5 min雨量观测资料,分析了普洱地区研究期间41次短时强降水的环境场和雷达回波演变特征。结果表明:中尺度辐合线、中气旋、逆风区是强降水触发和维持的重要成因。短时强降水发生前,整层大气水汽充沛,静力不稳定层结,大气可降水量(PW)≥35 mm、SI≤-0. 23、K> 35,可作为环境场对流潜势的判定因子;短时强降水发生时,雷达回波最强反射率因子≥40 d Bz,35 d Bz回波顶高> 5 km,径向速度的辐合切变量> 5 m·s^-1。通过多元线性回归分析,选取4个相关性显著的影响因子,建立普洱市短时强降水预报模型。所选预报因子包括:35 d Bz回波顶高、30 d Bz垂直剖面中心高度、30 d Bz以上雷达回波面积和SI。预报模型的回报检验表明,普洱短时强降水平均雨强相对均方根误差为17. 0%,局地降水持续时间相对均方根误差为33. 9%,局地过程降水相对均方根误差为25. 6%,回报效果较好。4次短时强降水预报检验中,平均雨强的预报误差每5 min小于1. 2 mm,局地强降水持续时间的预报误差小于10 min,局地过程降水的预报误差小于4 mm,模型均预报出局地连续性降水超过50 mm。预报模型有较好的预报能力,可应用于普洱短时强降水的临近预报预警。     

NCEP CFSv2模式对川渝夏季降水次季节预测技巧评估及预报偏差分析

利用NCEP的第二代气候预测系统(CFSv2)提供的2000-2009年降水场历史回报试验资料以及川渝182个测站的降水实况资料。采用时间相关系数、均方根误差、距平相关系数、距平符号一致率以及PS评分等方法,对模式在川渝地区夏季降水以及夏季降水异常的次季节尺度预测技巧进行检验,并进一步分析了模式在概率密度和降水频次方面的预报偏差特征。结果表明：该模式对川渝夏季降水的可用预报时效为3候左右,能够较好地模拟出夏季降水的高值中心,但量级偏大。预报技巧高值区主要位于四川盆地西北部及渝东北地区,对攀西地区南部及川西高原部分地区也有一定的预报技巧。该模式也能够较好地把握川渝地区夏季降水异常偏少的趋势,有效预报技巧为2候以内。模式各时效预报与观测的降水概率密度主要集中在10 mm以下量级;模式预报各量级降水频次与实况相比均偏高得较为明显,且随着预报时效延长,偏差越大,其中偏高最为明显的是小雨频次。     

华中区域模式三维变分中夏季背景误差协方差统计与对比试验

利用2012年6月12日—8月31日华中区域中尺度业务数值预报模式(WRF)一日两次的预报结果,采用NMC方法对背景误差协方差(B)进行了统计,得到了基于华中区域业务模式框架、分辨率和区域地理特征的夏季背景误差协方差矩阵的回归系数、特征向量、特征值以及特征长度尺度,并对模式三重嵌套各区域B的统计结构特征进行了对比,结果表明不同区域B的统计结构特征差异明显,表明B与模式区域地理特征和分辨率等关系密切。为探讨不同B对模式预报的影响,采用WRF模式自带的通用B矩阵(CV3-B)及本文统计得到的本地化B矩阵两种方案对2013年6—8月进行了批量试验和统计检验,结果表明:采用本地化B后,24 h小雨、中雨、大雨和48 h中雨、大雨、暴雨降水预报TS评分皆有所提高。850 h Pa风、温度及2 m温度等要素场预报的均方根误差减小,但500 h Pa高度场均方根误差略有加大。暴雨个例的分析表明:不同B方案,对初值影响非常显著,本地化B方案分析的初值场更趋合理,因而改进了降水预报。     

基于CFSv2对夏季西太平洋副高逐日预测能力的检验评估

利用NCEP的气候预报系统第2版(CFSv2)提供的2000—2010年夏季逐日500 h Pa位势高度历史回报试验结果,通过均方根误差分析等方法,检验评估了该系统对夏季500 h Pa西太平洋副高的预测能力,发现CFSv2对夏季西太平洋500 h Pa位势高度场的整体相关性较高。CFSv2对副高西脊点和脊线位置的1~7 d的预报准确率在61.8%以上,对副高面积指数、强度指数以及北界位置6~42 h预报时效的预报准确率在60%以上。此外,对副高面积指数、强度值和北界位置的预测结果作功率谱分析,得出CFSv2对500 h Pa副高强度指数1~7 d预测能力的变化在6—8月存在着显著的2.2~3.3 d的变化周期。     

GPS/PWV资料在梅雨锋暴雨个例中的同化试验

基于WRF(Weather Research and Forecasting Model,天气预报模式)及其三维变分同化系统3DVAR,利用江苏省GPS/PWV(PWV:Precipitable Water Vapor,GPS反演得到可降水量)资料,并将其与探空资料比对订正,针对2011年6月18日梅雨锋暴雨进行3 h循环同化模拟。在降水参数化方案敏感性试验与单点同化试验基础上,设计多组试验对6 h降水量进行TS(Threat Score)评估。结果表明:(1)同化订正GPS/PWV资料对降水预报能力显著提高,特别是大雨、暴雨量级以上的预报能力;(2)降水量的RMSE(Root Mean Squared Error,均方根误差)相比控制试验均减小,CC(Correlation Coefficient,相关系数)均增大,最显著试验RMSE从19.1 mm下降到12.6 mm,CC从0.45上升到0.74;(3)NMC方法统计的背景误差协方差条件下中雨至暴雨量级TS评分均有一定程度提高,默认的背景误差协方差在大雨以上量级TS评分大幅提高。     

基于MET系统对SWCWARMS及GRAPES模式在西南地区的站点检验分析

应用国家基本观测站资料、自动站逐时降水资料,基于客观统计检验方法,针对降水(12h、24h累积雨量)、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2015年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式降水ETS评分高于GRAPES模式,除24h小雨外SWCWARMS模式偏差值均高于GRAPES模式,两个模式在不同预报时效内对中雨、大雨、暴雨都表现一定程度的空报;(2)12h降水分段评分上,SWCWARMS模式TS评分均高于GRAPES模式,但SWCWARMS模式预报降水范围过大,随着预报时效增长空报多于GRAPES模式;SWCWARMS模式中雨和大雨空报大于其它量级降水,GRAPES模式对大暴雨漏报较多其它量级降水表现为空报;(3)两模式对高度场和温度场预报优于风场,对对流层中层预报优于中低层,SWCWARMS模式对高度场和温度场预报优于GRAPES模式,夏半年SWCWARMS模式均方根误差小于GRAPES模式;(4)两模式都表现出2m温度均方根误差在秋季增加而春季减小这一特征,SWCWARMS模式近地面要素均方根误差均小于GRAPES模式。      

频率匹配技术在暴雨预报中的应用及改进分析

利用欧洲中期天气预报中心和美国国家环境预报中心2017年5—8月逐日降水预报资料及同时段MICAPS降水观测资料,采用频率匹配技术对江淮流域夏季降水预报进行模式偏差订正及改进技术探讨。结果表明:(1)模式对小雨预报偏多,存在大量空报;对大雨及以上降水预报偏少,存在较大漏报。(2)偏差订正通过下调小量级降水、上调大量级降水,使各量级降水的强度和面积偏差均得到一定程度改善,降水量级两端订正效果明显,订正后小雨和暴雨准确率显著提升。(3)偏差订正对暴雨落区预报的改进效果与过程相关,个例分析表明:对于雨带位置预报较准确的大范围梅雨锋暴雨,偏差订正后暴雨TS评分明显提升;对于副高边缘的小范围暴雨以及雨带位置预报失误的梅雨锋暴雨或台风暴雨,偏差订正后暴雨TS评分改善不明显甚至降低。(4)针对上述问题,提出了系数动态调整和模式集成的改进思路,即对于平均雨量5 mm以下的小范围暴雨,适当上调订正系数;平均雨量在15 mm以上的大范围暴雨,适当下调订正系数。模式集成订正可有效提高暴雨TS评分。     

2018年我国梅雨特征及梅雨期降水异常成因分析

2018年我国梅雨特征及梅雨期降水异常成因分析     

基于季节内振荡的延伸预报试验

2～4周的延伸预报是近年来国际上天气和气候业务预报发展的一个重要方向。本文以江淮梅雨区降水为例, 在利用集合经验模态分解 (EEMD) 及多变量EOF方法获取梅雨区降水及其影响系统低频信号的基础上, 采用最优子集回归方法、 经验波传播 (EWP) 方法及全球海气耦合模式产品, 对梅雨季节内演变的延伸期预报方法进行了预报和试验, 以期为建立延伸期预报业务提供科学依据。试验结果表明: (1) 大气季节内振荡对梅雨区降水的延伸预报具有重要的应用价值, 可能是联系天气过程和异常的重要系统。(2) 通过EEMD方法提取前期降水演变及影响因子的季节内振荡信号, 采用最优子集回归统计学方法对梅雨区逐候降水量演变进行超前30天预报是有可能的。(3) EWP经验动力方法对热带ITCZ活跃异常的未来40天东传可能具有较好的预报效果, 还可能较好地预报出延伸期的梅雨区风场距平演变, 具有一定应用价值。(4) 全球海气耦合动力模式输出产品在延伸期环流形势趋势预报及20天左右的MJO指数预报方面有一定的参考价值。     

北半球夏季热带季节内振荡影响我国夏季降水的规律和预测方法

利用1979—2018年夏季逐日观测和再分析数据，对北半球夏季热带季节内振荡影响我国夏季降水的规律和预测方法开展了研究。首先，利用非传统滤波即异常相对倾向（Anomalous Relative Tendency，ART）方法获取了气象要素的次季节变化分量，并采用EOF分析方法提取了北半球夏季热带主要季节内振荡信号，结果表明向外长波辐射（Outgoing Longwave Radiation，OLR）异常相对倾向EOF前两个模态共同反映了北半球夏季起源于印度洋并向东和向北传播的、具有30~60 d周期的季节内振荡（Boreal Summer Intraseasonal Oscillation，BSISO）信号。回归分析表明，该季节内振荡信号能够导致当地及其北面地区低层风场和位势高度场异常，影响该地区及其北面地区的水汽辐合辐散，从而能引起我国尤其是我国南方地区季节内旱涝变化，并一定程度上反映了我国异常雨带的向北推进过程。而后，将提取的热带主要季节内振荡信号作为预测因子，将降水异常相对倾向作为先行预板对象，利用多元线性回归方法构建了我国夏季旬降水异常相对倾向的预报模型，将预报的旬降水异常相对倾向加上观测已知的降水近期背景距平，从而得到旬降水距平的预报结果。通过历史回报和交叉检验，评估了该模型对梅雨期我国江淮流域降水（包括2020年梅汛期异常降水）的次季节预测能力。     

2008年梅雨异常大尺度环流成因分析

利用NCEP再分析资料对2008年江淮梅雨异常特征及其大尺度环流成因进行了分析研究。结果表明： （1）2008年入（出）梅显著偏早、 梅雨期长度略偏短, 梅雨分布呈南涝北旱、 东多西少, 梅雨量偏少、 强度偏弱。（2）该年入梅显著偏早是东亚大气环流由冬季型向夏季型转换提前所致, 副热带高空西风急流北跳、 500 hPa西风带环流调整、 西太平洋副热带高压季节性北跳、 夏季风北涌至江淮流域的时间均早于常年。（3）该年出梅显著偏早的主导因素是冷空气活动。（4）南涝北旱梅雨型是受南亚高压东段脊线位置接近常年、 副热带高压脊线处于适宜梅雨发生纬度带的南段、 低空西南急流和水汽输送带北缘位置以及高空强辐散和中低空强辐合区位置偏南的影响。（5）东多西少梅雨型是冷空气路径偏西所致。（6）梅雨期夏季风北涌至江淮流域活动次数偏少是梅雨量偏少的重要因素。     

Evaluation of summer temperature and precipitation predictions from NCEP CFSv2 retrospective forecast over China

National Centers for Environmental Prediction recently upgraded its operational seasonal forecast system to the fully coupled climate modeling system referred to as CFSv2. CFSv2 has been used to make seasonal climate forecast retrospectively between 1982 and 2009 before it became operational. In this study, we evaluate the model’s ability to predict the summer temperature and precipitation over China using the 120 9-month reforecast runs initialized between January 1 and May 26 during each year of the reforecast period. These 120 reforecast runs are evaluated as an ensemble forecast using both deterministic and probabilistic metrics. The overall forecast skill for summer temperature is high while that for summer precipitation is much lower. The ensemble mean reforecasts have reduced spatial variability of the climatology. For temperature, the reforecast bias is lead time-dependent, i.e., reforecast JJA temperature become warmer when lead time is shorter. The lead time dependent bias suggests that the initial condition of temperature is somehow biased towards a warmer condition. CFSv2 is able to predict the summer temperature anomaly in China, although there is an obvious upward trend in both the observation and the reforecast. Forecasts of summer precipitation with dynamical models like CFSv2 at the seasonal time scale and a catchment scale still remain challenge, so it is necessary to improve the model physics and parameterizations for better prediction of Asian monsoon rainfall. The probabilistic skills of temperature and precipitation are quite limited. Only the spatially averaged quantities such as averaged summer temperature over the Northeast China of CFSv2 show higher forecast skill, of which is able to discriminate between event and non-event for three categorical forecasts. The potential forecast skill shows that the above and below normal events can be better forecasted than normal events. Although the shorter the forecast lead time is, the higher deterministic prediction skill appears, the probabilistic prediction skill does not increase with decreased lead time. The ensemble size does not play a significant role in affecting the overall probabilistic forecast skill although adding more members improves the probabilistic forecast skill slightly.     

梅雨特征量对气候变暖的响应

选取江淮流域梅汛期降水变率一致的34个代表站,划分了1960—1977年(偏冷期)、1978—1996年(过渡期)和1997—2011年(偏暖期)这3个时期,采用统计分析与合成分析的方法,研究了梅雨特征量对气候变暖的响应情况。结果表明:3个时期入梅时间、出梅时间、梅期长度和梅期降水量分别呈现晚-早-晚、早-晚-略晚、短-长-短和少-多-少的变化特点。梅雨强度和梅期雨日数占梅期长度百分比呈现递减趋势。梅期暴雨日数占梅期雨日数百分比、梅期无雨日数占梅期长度百分比和梅期最长连续无雨日数占梅期长度百分比呈现递增趋势。研究了气候变暖后500 hPa大气环流的变化与入梅时间、出梅时间、梅期长度和梅期降水量变化的联系。     

时空投影法在上海地区梅汛期降水延伸期预报中的应用

本文基于2001—2010年上海市11个基本气象站的逐日降水量和澳大利亚气象局的逐日大气低频振荡(MaddenJulian Oscillation,MJO)指数(包括RMM1和RMM2)资料,选取MJO指数作为预报因子,上海地区梅汛期降水量作为预报对象,建立了基于时空投影法(spatial-temporal projection model,STPM)的上海地区梅汛期降水延伸期预报模型。利用该模型对近6年(2011—2016年)的梅汛期降水进行回报试验,其预报技巧评估结果表明:该模型对未来10～25 d的降水具有较好预报效果,可较准确地预报出梅汛期3/4左右的降水量级和降水发生时段。其中,预报时效为10～20 d的预报技巧较高,而提前21～25 d的预报技巧略有下降。总体而言,基于MJO活动的STPM预报模型在上海地区梅汛期延伸期降水预报中具有较好的参考价值。     

江苏暴雨概率预报及其业务应用

以未来12~36 h、36~60 h和60~84 h的暴雨预报为目标,利用2011年—2013年夏季6—8月欧洲细网格数值模式预报产品分析了江苏夏季暴雨的可能预报因子。通过对各因子进行相关性、敏感性和代表性分析后,优选了22个对不同强度降水具有较好区分能力的暴雨预报因子。以这些因子为基础建立了一种简单的江苏省暴雨概率预报方法。其预报产品已在江苏省气象业务一体化平台上投入业务使用。该方法在2011—2013年7月,针对提前12 h预报的历史回报试验中,TS技巧评分平均为13.6,明显高于EC细网格24 h降水预报产品(平均TS评分仅为4.5)。在2014年梅汛期的6月25—26日、7月1—2日和7月4—5日三次区域性暴雨个例的预报试验中,提前60、36、12 h的预报效果均较好,其平均TS评分(44.6)也明显高于欧洲细网格数值模式的降水预报(20.4)。