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。     

区域集合预报扰动方法研究进展综述

集合预报方法是解决单一数值预报不确定性问题的有效手段,而针对强天气预报的中尺度区域集合预报技术已逐渐受到国内外的重视。对于区域集合预报而言,由于其不确定性来源较为复杂,如何发展有效的扰动方法是研究的热点和难点。本文根据国内外区域集合预报的研究进展,从初值扰动、模式扰动以及侧边界扰动三个方面进行了总结和回顾,并对扰动方法的发展趋势进行了介绍。对于初值扰动,较为主流的方法有动力降尺度,沿用传统的由全球集合扰动方法发展而来的技术为区域集合产生初值,以及专门为区域集合设计的扰动方法。鉴于这些方法各有利弊,目前对于初值扰动方法的研究已经开始发展充分包含大尺度和小尺度不确定性信息的混合扰动方法。区域集合预报模式扰动的研究以物理过程扰动为主,典型方法为多物理过程组合以及随机物理过程扰动,其中多物理过程组合方法简单有效,而随机物理过程扰动方法的物理意义更为明确,是物理过程扰动的趋势。通过多模式组合进行模式扰动的方法也开展了一些相关研究,且对于台风等强天气预报均显示出相对于单模式集合较好的效果。侧边界扰动的主流方法是由大尺度集合预报场来为区域集合提供不同的侧边界,研究结果表明此种侧边界扰动方法简便易行,且有助于提高区域集合预报较长预报时效离散度和预报技巧。     

不同大尺度强迫条件下考虑初始场与侧边界条件不确定性的对流尺度集合预报试验

研究了不同大尺度强迫条件下的暴雨个例中,考虑不同尺度特征的初始扰动与侧边界扰动相互作用构造对流尺度集合预报的可行性,为进一步构建“自适应”于不同强对流天气的对流尺度集合预报系统提供依据。结果表明,在大尺度强迫显著的个例1中,以大尺度扰动信息为主的动力降尺度的增长趋势较集合转换卡尔曼滤波(ETKF)更为显著,且总扰动能量在预报中后期超过集合转换卡尔曼滤波,而在大尺度强迫较弱的个例2中,集合转换卡尔曼滤波扰动能量始终高于动力降尺度。此外,当大尺度强迫显著时,初始扰动与侧边界扰动相匹配会产生相互促进的作用,而不匹配时初始扰动会在预报中后期抑制侧边界扰动的发展,当大尺度强迫较弱时,即使是互相间不匹配的初始扰动与侧边界扰动也能在大部分预报时段起到相互促进的作用,说明初始扰动与侧边界扰动的相互作用机制不仅与天气形势相关,也与二者是否匹配挂钩,另外,扰动的发展特征同样依赖于天气形势;从集合离散度的角度来看,当大尺度强迫明显时,侧边界扰动的作用会在更短的时间内取代初始扰动,从而对离散度起到主导地位;两种初始扰动方法相比,集合转换卡尔曼滤波在多数情况下对总离散度的贡献均大于动力降尺度;从降水量预报及概率预报情况来看,大尺度强迫明显的个例可预报性更高,且各集合成员间的差异较小,大尺度强迫较弱的个例则相反,且当两种初始扰动方案与侧边界扰动相结合时,较仅侧边界扰动均有一定提高。      

GRAPES区域集合预报尺度混合初始扰动构造的新方案

集合预报初始扰动能否准确反映预报误差的结构特征是决定区域集合预报质量的关键因素之一。本文针对GRAPES区域数值预报模式,发展设计了一种基于资料同化思想的混合尺度初始扰动构造新方案。该方案以全球大尺度信息为背景场,区域模式预报作为观测资料,借助GRAPES三维变分同化系统,将高质量的全球大尺度信息与区域模式预报中质量较高的中小尺度信息有效融合,构造混合尺度区域集合预报初始扰动,并通过个例试验和批量试验,比较分析了新方案和原区域集合预报的性能。试验结果表明,基于资料同化构造的初始扰动能够有效融合全球大尺度信息和中小尺度天气系统的信息,其降水概率预报更具参考价值。总体上看,区域集合预报混合初始扰动新方案能够较好地改进区域集合预报质量,尤其是对高度场和温度场效果更为显著,但对风场的集合预报性能影响略小。     

GRAPES区域集合预报模式的初值扰动增长特征

基于GRAPES-REPS（Global and Regional Assimilation and Prediction Enhanced System-Regional Ensemble Prediction System）区域集合预报模式和集合变换卡尔曼滤波（Ensemble Transform Kalman Filter,ETKF）初值扰动方法,对2015年6月1~15日10 km与15 km水平分辨率分别进行集合预报试验,通过分析ETKF初值扰动分量、初值扰动方差准确率、动能谱、扰动能量演变、日变化及集合离散度、均方根误差等特征,揭示GRAPES-REPS区域集合预报ETKF初值扰动结构及增长特征。结果表明:（1）ETKF初值扰动方案产生的扰动能够保持所有正交、不相关方向的误差方差,且ETKF分量α参数值及放大因子具有较好的稳定性。（2）ETKF初值扰动方法生成的扰动场以大尺度扰动为主,扰动结构及能量具有随流型依赖特征,低层以内能扰动为主,高层以动能扰动为主,且集合扰动可以有效捕捉预报误差的结构。（3）GRAPES区域集合预报初值扰动总能量和集合离散度随预报时效的延长均呈发展趋势,但离散度增长率小于均方根误差增长率,即集合预报总体存在集合离散度不足的问题。（4）水平分辨率提高可以增加中高层大尺度扰动波谱能量,明显改进等压面及近地面风场及温度场的集合预报效果。值得指出的是,GRAPES-REPS区域集合预报低层内能扰动能量存在明显的日变化特征,特别是青藏高原地区更加显著,需要进一步研究青藏高原初值扰动结构的合理性。     

GRAPES区域集合预报系统模式不确定性的随机扰动技术研究

为进一步描述GRAPES(Global/Regional Assimilation and Prediction System)区域集合预报系统(GRAPES Me—soscale Ensemble Prediction System,GRAPES—MEPS)中GRAPES—Meso模式的不确定性特征,本研究在GRAPES—MEPS系统中引人了模式物理参数化倾向随机扰动方案(Stochastically Perturbed Parameterization Tendencies,SPPT),随机扰动型的产生是基于-阶马尔科夫链,其具有时间相关性特征,并服从正态分布,另外经过谱展开随机场具有空间结构特征,在水平结构上较平滑和连续。本文开展了基于SPPT方案的GRAPES—MEPS集合预报试验,针对SPPT方案中随机场的扰动幅度和时间相关尺度参数开展了一系列敏感性试验,并对试验结果进行了较全面的集合预报客观检验,此外,针对一次强降水过程,分析了SPPT方案对降水预报的影响。试验结果表明,引入SPPT方案能在一定程度上提高GRAPES—MEPS系统的预报技巧,降低系统的漏报率;且能显著改进预报后期大雨量级降水的预报技巧。通过敏感性试验发现,对于GRAPES—MEPS系统,SPPT方案的效果与随机扰动场幅度的范围,及扰动场的时间相关尺度选择相关,需经过敏感性试验确定出较适合的参数。     

中尺度降水集合预报随机参数扰动方法敏感性试验

中尺度降水模式预报具有很大的不确定性,为更好地描述与模式降水预报密切相关的物理过程关键参数的不确定性,基于中国气象局GRAPES（Global/Regional Assimilation and Prediction System）中尺度区域集合预报模式,从对模式降水预报不确定性有较大影响的积云对流、云微物理、边界层及近地面层等4个参数化方案中选取了18个关键参数,设计了一种随机参数扰动方案（Stochastically Perturbed Parameterization,SPP）,并通过2015年6—7月总计10 d的随机扰动集合预报试验,对比分析了SPP方案对不同物理过程参数扰动敏感性、随机场时、空尺度敏感性、能量变化特征及其集合预报效果。结果显示,对所选择的任一物理过程参数化方案增加SPP扰动后,降水及等压面要素的概率预报技巧优于无SPP扰动的预报,而扰动积云对流和边界层过程中的参数较扰动云微物理过程中的参数影响更显著,且同时扰动积云对流、云微物理、边界层及近地面层参数化方案中的18个参数的集合预报效果优于扰动任何单一物理过程中的部分参数,表明SPP方案能够有效地提高中尺度降水概率预报技巧;从能量变化特征可知,不同物理过程的参数扰动对动能、内能和总能量的影响层次和特征有所不同,但总体而言,扰动前后各项能量基本相同;随机场时、空尺度敏感性试验发现,SPP扰动随机场时间、空间相关尺度对集合预报效果有明显影响,当扰动随机场选用12 h抗相关时间及截断波数20时,集合预报结果最优。上述结果表明,SPP随机参数扰动方案不仅能够有效提高集合概率预报效果,还能够提高集合降水概率预报技巧,具有良好的业务应用与发展前景。      

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...     

两种定量集合降水预报方法对比分析

文章基于EC集合平均预报产品,选取EC集合预报的51个成员包括温度(500h Pa和700hpa)及降水量,以内蒙古2014年8月份5次暴雨降水过程为例,用择优法(以500h Pa和700h Pa的温度差即稳定度相关系数作为对集合成员的筛选因子)进行试验,并与集合平均预报方法进行对比,结果如下:(1)在短期24h预报中集合成员个数增加到3时预报效果得到一定改善,并优于集合平均法的预报,成员个数增加到较多(如4或5时)或减少到2时预报效果反而较差。因此分析集合预报中集合成员的个数对预报结果的影响有非常重要的意义;(2)无论是集合平均法还是择优法对小量级降水预报效果好于大雨以上降水预报,因此有必要去分析更好的集合预报方法使得集合预报在灾害性天气预报中应用得到进一步发展。     

基于观测扰动的集合预报EDA初值扰动方法研究

北京城市气象研究院初步发展了3 km分辨率的华北对流尺度集合预报系统.为构建适用于该系统的初值扰动,设计了观测随机扰动方案,并与全球集合预报动力降尺度背景场相结合,利用三维变分同化方法构建了集合资料同化(EDA)初值扰动;开展了EDA方案在华北对流尺度集合预报系统中的批量试验,并与动力降尺度初值扰动方法进行了对比.结果...     

GRAPES区域集合预报系统应用研究

为发展GRAPES(Global and Regional Assimilation and Prediction System)区域集合预报系统(GRAPES Regional Ensemble Prediction System,GRAPES-REPS),采用集合变换卡尔曼滤波(ETKF)初值扰动方法以及多物理过程组合的模式扰动方法,基于业务区域模式GRAPES_MesoV3.3.2.4构建了区域集合预报系统,进行了连续40 d的批量试验,重点分析了ETKF初值扰动的结构及其演变特征,并通过概率预报检验方法对GRAPES-REPS进行了集合预报系统性能检验和降水预报检验,分析了该系统对强降水个例的预报效果。试验结果表明,GRAPES-REPS能产生较合理的集合预报初值扰动,扰动结构随流型依赖并对观测有较好的响应,且扰动成员相互正交。扰动总能量分析表明集合扰动能够随预报时效保持合理增长状态。集合预报检验表明集合预报结果优于控制预报,集合成员间在72 h预报时效内能保持合理的集合离散度。将该区域集合预报系统与业务上基于WRF模式的区域集合预报系统WRF-REPS进行了降水预报对比,表明GRAPES-REPS的降水预报能力表现要优于业务WRF-REPS。强降水个例分析表明集合预报能较好预报出强降水中心,预报效果明显优于控制预报。     

Study on ETKF-Based Initial Perturbation Scheme for GRAPES Global Ensemble Prediction

Initial perturbation scheme is one of the important problems for ensemble prediction. In this paper, ensemble initial perturbation scheme for Global/Regional Assimilation and PrEdiction System (GRAPES) global ensemble prediction is developed in terms of the ensemble transform Kalman filter (ETKF) method.A new GRAPES global ensemble prediction system (GEPS) is also constructed. The spherical simplex 14-member ensemble prediction experiments, using the simulated observation network and error characteristics of simulated observations and innovation-based in ation, are carried out for about two months. The structure characters and perturbation amplitudes of the ETKF initial perturbations and the perturbation growth characters are analyzed, and their qualities and abilities for the ensemble initial perturbations are given. The preliminary experimental results indicate that the ETKF-based GRAPES ensemble initial perturbations could identify main normal structures of analysis error variance and reflect the perturbation amplitudes.The initial perturbations and the spread are reasonable. The initial perturbation variance, which is approximately equal to the forecast error variance, is found to respond to changes in the observational spatial variations with simulated observational network density. The perturbations generated through the simplex method are also shown to exhibit a very high degree of consistency between initial analysis and short-range forecast perturbations. The appropriate growth and spread of ensemble perturbations can be maintained up to 96-h lead time. The statistical results for 52-day ensemble forecasts show that the forecast scores ofensemble average for the Northern Hemisphere are higher than that of the control forecast. Provided that using more ensemble members, a real-time observational network and a more appropriate inflation factor,better effects of the ETKF-based initial scheme should be shown.     

GRAPES全球/区域集合预报系统10年发展回顾及展望

较系统地概述了中国气象局全球/区域集合预报系统及描述模式初值和模式自身不确定性的集合预报扰动技术发展历程,回顾了GRAPES(Global/Regional Assimilation Pr Ediction System)全球集合预报的奇异向量初值扰动方法、GRAPES区域集合预报的集合变换卡尔曼滤波初值扰动方法和多尺度混合初值扰动方法、GRAPES全球/区域集合预报模式不确定性的随机物理过程倾向项扰动方法和动能后向散射随机补偿方法等研究成果,介绍了GRAPES全球/区域集合预报业务系统构建参数设置和预报性能,最后分析了GRAPES全球/区域集合预报中存在的问题,展望了未来发展方向。     

时间滞后与奇异向量初值生成方法的比较试验

简单介绍了国家气象中心基于奇异向量初值生成方法的神威集合预报准业务系统, 它主要包括资料的前处理、客观分析、预报模式、初值扰动的生成、后处理、产品制作和系统监控七个部分, 共有 32 个成员。 提出了 12 个成员的时间滞后法集合预报系统的实施方案, 并与奇异向量法进行了对比试验。 结果表明, 不论是距平相关系数还是均方根误差, 奇异向量法在绝大多数区域和预报时效都比时间滞后法好。     

Evaluation of the NMC Regional Ensemble Prediction System During the Beijing 2008 Olympic Games

Based on the B08RDP (Beijing 2008 Olympic Games Mesoscale Ensemble Prediction Research and Development Project) that was launched by the World Weather Research Programme (WWRP) in 2004, a regional ensemble prediction system (REPS) at a 15-km horizontal resolution was developed at the National Meteorological Center (NMC) of the China Meteorological Administration (CMA). Supplementing to the forecasters’ subjective affirmation on the promising performance of the REPS during the 2008 Beijing Olympic Games (BOG), this paper focuses on the objective verification of the REPS for precipitation forecasts during the BOG period. By use of a set of advanced probabilistic verification scores, the value of the REPS compared to the quasi-operational global ensemble prediction system (GEPS) is assessed for a 36-day period (21 July–24 August 2008). The evaluation here involves different aspects of the REPS and GEPS, including their general forecast skills, specific attributes (reliability and resolution), and related economic values. The results indicate that the REPS generally performs significantly better for the short-range precipitation forecasts than the GEPS, and for light to heavy rainfall events, the REPS provides more skillful forecasts for accumulated 6- and 24-h precipitation. By further identifying the performance of the REPS through the attribute-focused measures, it is found that the advantages of the REPS over the GEPS come from better reliability (smaller biases and better dispersion) and increased resolution. Also, evaluation of a decision-making score reveals that a much larger group of users benefits from using the REPS forecasts than using the single model (the control run) forecasts, especially for the heavy rainfall events.     

集合预报中动态调整的增长模繁殖及其对自由繁殖的改进

用增长模繁殖（BGM）法产生集合预报初始扰动的过程中,对增长模适时的进行调整是有必要的。介绍了动态调整的方法,利用T63L9全球谱模式,通过数值试验考察了在繁殖过程中采用动态调整时增长模的增长和饱和情况,并与自由繁殖试验作了相应的比较。结果表明:动态调整情况下,各层扰动的增长率可以达到一个比较大的数值;在形态饱和方面,动态调整能在很大程度上克服自由繁殖时低层扰动饱和时间滞后的缺陷;综合考虑,动态调整下扰动饱和时间可比自由繁殖缩短1天以上,且饱和特征更加明显。     

The China Multi-Model Ensemble Prediction System and Its Application to Flood-Season Prediction in 2018

Multi-model ensemble prediction is an effective approach for improving the prediction skill short-term climate prediction and evaluating related uncertainties. Based on a combination of localized operation outputs of Chinese climate models and imported forecast data of some international operational models, the National Climate Center of the China Meteorological Administration has established the China multi-model ensemble prediction system version 1.0 (CMMEv1.0) for monthly-seasonal prediction of primary climate variability modes and climate elements. We verified the real-time forecasts of CMMEv1.0 for the 2018 flood season (June-August) starting from March 2018 and evaluated the 1991-2016 hindcasts of CMMEv1.0. The results show that CMMEv1.0 has a significantly high prediction skill for global sea surface temperature (SST) anomalies, especially for the El Nino-Southern Oscillation (ENSO) in the tropical central-eastern Pacific. Additionally, its prediction skill for the North Atlantic SST triple (NAST) mode is high, but is relatively low for the Indian Ocean Dipole (IOD) mode. Moreover, CMMEv1.0 has high skills in predicting the western Pacific subtropical high (WPSH) and East Asian summer monsoon (EASM) in the June-July-August (JJA) season. The JJA air temperature in the CMMEv1.0 is predicted with a fairly high skill in most regions of China, while the JJA precipitation exhibits some skills only in northwestern and eastern China. For real-time forecasts in March-August 2018, CMMEv1.0 has accurately predicted the ENSO phase transition from cold to neutral in the tropical central-eastern Pacific and captures evolutions of the NAST and IOD indices in general. The system has also captured the main features of the summer WPSH and EASM indices in 2018, except that the predicted EASM is slightly weaker than the observed. Furthermore, CMMEv1.0 has also successfully predicted warmer air temperatures in northern China and captured the primary rainbelt over northern China, except that it predicted much more precipitation in the middle and lower reaches of the Yangtze River than observation.