结合历史资料的数值天气预报误差订正

运用基于历史资料的模式距平积分订正(ANO)方法,结合欧洲中心的ERA-interim再分析资料和0.1度分辨率的中国地面自动站与CMORPH卫星反演降水资料融合逐时降水产品,对高分辨非静力WRF模式的数值预报结果进行订正试验,检验了ANO方法对灾害性天气、尤其持续性强降水预报的订正改进效果。对1983-2013年7月中旬四川地区数值预报结果订正前后与观测和再分析数据的比较表明,ANO方法不仅在环流场的预报订正试验中有较为显著的效果,对模式降水预报结果也有改进,能够有效提高模式对强降水的预报精度和评分、减小预报偏差,其中对2013年7月8—13日高分辨预报结果的ANO订正试验发现,订正环流场各变量都有改进,其中位势高度距平相关系数ACC平均提高了7.8%,均方根误差RMSE平均降低了55.7%,降水(特别是暴雨以上量级)的ETS评分和TS评分也有不同程度的提高,并得到多年独立样本的高分辨数值预报订正结果的支持。     

辐射方案对GRAPES全球模式的影响

辐射过程是中期数值天气预报模式和气候模式中一个重要的物理过程。本文针对GRAPES (Global/Regional Assimilation and PrEdiction System) 全球模式非静力半隐式半拉格朗日的特点, 进行了不同辐射方案的敏感性比较试验, 以期找到一个适合于GRAPES全球模式的辐射方案。用到的方案包括WRF模式中的RRTM长波辐射方案、 NASA的Goddard短波辐射方案以及ECMWF的长短波辐射方案。试验结果表明, ECMWF的辐射方案更适合于GRAPES模式, 30天平均的北半球500 hPa高度场距平相关系数较WRF的辐射方案提高了近2%。另外, 针对实际运行中存在的辐射计算不稳定问题, 对辐射方案进行了气压订正和温度订正, 并对2005年7月影响我国的海棠台风进行了模拟试验, 气压订正后的120小时模式预报在对副热带高压和台风的描述上更接近于分析, 可用预报时效也有了明显提高。     

全球GRAPES等压面三维变分分析预报循环系统及试验

利用全球通讯系统GTS传输的常规观测资料和卫星资料,用全球与区域同化预报系统GRAPES(global/regional assimilation and prediction system)全球等压面三维变分分析和中期数值预报模式进行为期两个月6 h分析预报循环试验,并对分析结果进行了诊断分析。结果表明,位势高度在中低纬对流层顶及以上区域存在5~20 gpm负偏差,在100 hPa以下的南北极区域存在5~20 gpm正偏差;相对湿度在南极存在较大负偏差,在高层有较大正偏差。风场在赤道中高层有较明显的偏差。在500 hPa上北半球GRAPES位势高度与NCEP资料的均方根误差在10 gpm左右,南半球在15~24 gpm之间。与探空观测相比,经变分分析后,分析的偏差和均方根误差都有所减小,但位势高度背景场存在明显负偏差,而且在100 hPa以上位势高度改进不如低层明显。全球等压面三维变分分析预报循环试验表明,分析预报循环系统能稳定运行,但是分析和6 h预报场还存在系统性偏差。     

ECMWF模式地面气温预报的四种误差订正方法的比较研究

采用均方根误差对欧洲中期天气预报中心（ECWMF）确定性预报模式2007年1月至2010年12月的地面气温预报结果进行评估,并分别利用一元线性回归、多元线性回归、单时效消除偏差和多时效消除偏差平均的订正方法,对ECMWF模式地面气温预报结果进行订正。结果表明,4种订正方法都能有效地减小地面气温多个时效预报的误差,改进幅度约为1℃。在短期预报中仅考虑最新预报结果的一元线性回归订正方法要优于考虑多个预报结果的多元集成预报订正方法。在中期预报中考虑多个预报结果的多元集成预报订正方法更优,更稳定。在模式预报误差较大的情况下,多时效集成的订正方法能更稳定地减小误差。     

中期数值天然预报的误差订正方法探讨

本文利用一个全球谱模式（Ｔ６３Ｌ９）和１９９４年４个时段个例的全球客观分析资料探讨了中期数值天气预报的误差订正方法。个例分析的结果表明,采用定常误差订正和时空平滑误差订正方法,误差订正效果显著,可考虑在业务系统中采用。     

2013年华中区域中尺度业务数值预报的客观检验

应用国家气象中心模式检验方法,对华中区域中尺度业务数值预报模式WRF和中国气象局下发的GRAPES模式2013年1-12月的预报产品（包括降水、2 m温度场、850 hPa温度场、850 hPa风场和500 hPa位势高度场预报）进行统计检验。检验结果表明：所有要素24 h预报均优于48 h;对于晴雨预报,GRAPES模式TS评分高于WRF,但随着降水量级增大,WRF的TS评分基本都高于GRAPES,同时WRF降水预报范围明显偏大;分析2 m温度场的均方根误差及预报准确率发现,WRF的2 m温度场预报优于GRAPES,且暖季预报优于冷季;形势场要素分析表明,WRF对850 hPa温度场和风场预报具有相当大的优势,全年误差变化较稳定,而对500 hPa位势高度场的预报误差存在一定的季节性特征,即夏半年WRF高度场预报优于冬半年,GRAPES模式则相反。总体上,华中区域中尺度业务数值模式产品对天气预报具有一定的参考价值。     

中期数值天气预报的误差订正方法探讨

本文利用一个全球谱模式（T63L9）和1994年4个时段个例的全球客观分析资料探讨了中期数值天气预报的误差订正方法。个例分析的结果表明,采用定常误差订正和时空平滑误差订正方法,误差订正效果显著,可考虑在业务系统中采用。     

误差订正在辽宁地区冬季温度预报中的应用

利用7d固定误差订正和滑动误差订正方法对2014年冬季辽宁地区中尺度业务模式2m温度预报产品插值结果进行订正,并将订正结果与中央气象台MOS预报进行对比,分析MOS、7d固定误差订正和滑动误差订正3种数值模式后处理方法对辽宁地区冬季温度预报准确率的影响。结果表明:经过两种误差订正后的预报结果准确率均比数值模式预报插值结果高,滑动误差订正效果优于7d固定误差订正;24h最高气温预报中,滑动误差订正结果的准确率最高;最低气温预报中,08时滑动误差订正结果准确率高于中央气象台MOS预报,但20时滑动误差订正结果准确率低于MOS预报。滑动误差订正需1—15d的资料积累,比MOS方法所需资料少且操作简单,适合观测资料积累少的地区开展数值模式的温度订正。     

L波段探空仪湿度资料偏差订正及同化试验

L波段探空仪观测资料是基础资料之一,无论在天气预报还是在数值天气预报中都起着重要作用,其资料质量直接影响数值模式同化分析及降水预报准确性。通过对我国3种常用的L波段探空仪观测湿度的偏差特性比较,研发适合该仪器的偏差订正方案,并在GRAPES同化系统中加以试验应用。结果表明:L波段探空仪湿度观测资料与ECMWF再分析湿度场比较有偏干现象。多种偏差订正方案订正结果显示:湿度偏差值比订正前减小,特别是在500 hPa以上层次减小明显。在GRAPES分析同化系统中使用Vomel偏差订正方案,分析偏差减小5%;预报模式个例和连续试验中湿度观测订正后预报降水更接近实况,预报降水检验评分显著提高,故该订正方案在实际应用中表现出积极的正效果。     

FY-2E云导风的算法改进及其在GRAPES中的同化应用研究

2014年国家卫星气象中心全面改进了风云二号卫星云导风产品算法,为评估算法改进后FY-2E云导风资料对我国GRAPES数值模式同化和预报的影响,根据国家卫星气象中心提供的2013年8月算法改进前后的FY-2E红外通道云导风资料,对比分析了两者的观测分布及偏差特征,并利用GRAPES全球模式进行了一个月的连续试验。结果表明,改进算法后的FY-2E红外通道云导风观测数量明显增加,观测误差在600~200 hPa有所减小,风的平均偏差在高层减少,更满足正态分布;连续试验结果表明北半球和东亚地区风场在300~150 hPa分析中改进显著,风的平均偏差和均方根误差明显减少;预报结果显示500 hPa高度场预报距平相关系数略提高,均方根误差略减小;说明改进算法后的FY-2E红外通道云导风对GRAPES数值模式同化和预报均有一定改善。     

A Deep Learning Method for Bias Correction of ECMWF 24–240 h Forecasts

Correcting the forecast bias of numerical weather prediction models is important for severe weather warnings. The refined grid forecast requires direct correction on gridded forecast products, as opposed to correcting forecast data only at individual weather stations. In this study, a deep learning method called CU-net is proposed to correct the gridded forecasts of four weather variables from the European Centre for Medium-Range Weather Forecast Integrated Forecasting System global model(ECMWF-IFS): 2-m temperature, 2-m relative humidity, 10-m wind speed, and 10-m wind direction, with a forecast lead time of 24 h to 240 h in North China. First, the forecast correction problem is transformed into an image-toimage translation problem in deep learning under the CU-net architecture, which is based on convolutional neural networks.Second, the ECMWF-IFS forecasts and ECMWF reanalysis data(ERA5) from 2005 to 2018 are used as training,validation, and testing datasets. The predictors and labels(ground truth) of the model are created using the ECMWF-IFS and ERA5, respectively. Finally, the correction performance of CU-net is compared with a conventional method, anomaly numerical correction with observations(ANO). Results show that forecasts from CU-net have lower root mean square error, bias, mean absolute error, and higher correlation coefficient than those from ANO for all forecast lead times from 24 h to 240 h. CU-net improves upon the ECMWF-IFS forecast for all four weather variables in terms of the above evaluation metrics, whereas ANO improves upon ECMWF-IFS performance only for 2-m temperature and relative humidity. For the correction of the 10-m wind direction forecast, which is often difficult to achieve, CU-net also improves the correction performance.     

GRAPES-GEPS环流集合预报的分类释用方法研究与检验

集合预报在数值天气预报体系中具有重要地位，因此如何有效提取集合样本信息以提高集合预报技巧一直是一个重要课题。基于中国全球集合预报业务系统（GRAPES-GEPS）的500 hPa高度场集合资料开展对环流集合预报的分类释用方法研究，并对集合聚类预报结果进行了检验分析。通过在传统Ward聚类法中引入动态聚类的“手肘法”方案，发展了环流集合预报分类释用方法。针对该方法的个例分析表明，对于中国中东部地区环流集合预报的聚类释用方法能够有效地划分出最有可能发生的环流形势类型并提供发生概率。确定性预报综合检验结果显示，集合预报聚类结果中发生概率最高的集合大类相对于集合平均的预报技巧有明显提升，并随着预报时效的延长提升更明显。总体来看，通过集合预报的分类释用方法划分环流形势类型可以为天气预报提供参考依据，具有实际应用价值。      

The Relationship between Deterministic and Ensemble Mean Forecast Errors Revealed by Global and Local Attractor Radii

It has been demonstrated that ensemble mean forecasts, in the context of the sample mean, have higher forecasting skill than deterministic(or single) forecasts. However, few studies have focused on quantifying the relationship between their forecast errors, especially in individual prediction cases. Clarification of the characteristics of deterministic and ensemble mean forecasts from the perspective of attractors of dynamical systems has also rarely been involved. In this paper, two attractor statistics—namely, the global and local attractor radii(GAR and LAR, respectively)—are applied to reveal the relationship between deterministic and ensemble mean forecast errors. The practical forecast experiments are implemented in a perfect model scenario with the Lorenz96 model as the numerical results for verification. The sample mean errors of deterministic and ensemble mean forecasts can be expressed by GAR and LAR, respectively, and their ratio is found to approach2~(1/2) with lead time. Meanwhile, the LAR can provide the expected ratio of the ensemble mean and deterministic forecast errors in individual cases.     

Numerical weather prediction over the Eastern Caribbean using Florida State University (FSU) global and regional spectral models and multi-model/multi-analysis super-ensemble

Summary A month-long short-range numerical weather prediction experiment using the Florida State University’s (FSU) global and regional models and the multi-model/multi-analysis super-ensemble over the Eastern Caribbean domain is presented in this paper. The paper also investigates weather prediction capabilities of FSU global and regional models by examining the root mean square errors (RMSE) for the wind and precipitation fields. Super-ensemble forecasting, a new statistical approach to weather forecasting, is used over this domain. Here, forecasts from a number of numerical models provide the input and statistical combinations of these forecasts produce the super-ensemble forecast. A similar approach is used for the precipitation field where one model using different rain rate algorithms is used to generate different model outputs. The results show that the super-ensemble method produces forecasts that are superior to those obtained from the ensemble members. Received May 29, 2000/Revised February 15, 2001     

数值预报误差订正技术中相似-动力方法的发展

Due to the increasing requirement for high-level weather and climate forecasting accuracy, it is necessary to exploit a strategy for model error correction while developing numerical modeling and data assimilation techniques. This study classifies the correction strategies according to the types of forecast errors, and reviews recent studies on these correction strategies. Among others, the analogue-dynamical method has been developed in China, which combines statistical methods with the dynamical model, corrects model errors based on analogue information, and effectively utilizes historical data in dynamical forecasts. In this study, the fundamental principles and technical solutions of the analogue-dynamical method and associated development history for forecasts on different timescales are introduced. It is shown that this method can effectively improve medium- and extended-range forecasts, monthly-average circulation forecast, and short-term climate prediction. As an innovative technique independently developed in China, the analogue- dynamical method plays an important role in both weather forecast and climate prediction, and has potential applications in wider fields.     

概率密度匹配方法在我国近海海面10m风速预报中的应用

海面风速对航运及海上生产作业影响重大,但数值模式对于海面的风速预报仍存在较大误差.为降低数值模式海面10 m风速预报的系统性误差,提高海上大风预报准确率,基于2017-2019年中国气象局地面气象观测资料对ECMWF确定性模式的10 m风场预报结果进行检验评估,并采用概率密度匹配方法对模式误差进行订正.分析结果表明,概...     

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...     

提高月预报业务水平的动力相似集合方法

针对基于大气环流模式的月预报问题,提出了一种能有效减小预报误差并提高预报技巧的动力相似集合预报新方法。该方法着眼于动力模式与统计经验的内在结合,在模式积分过程中通过提取大气环流历史相似性信息,对模式误差进行参数化处理,形成多个时变的相似强迫量来扰动生成预报的集合成员。将这一集合新方法应用到中国国家气候中心业务大气环流模式(BCC AGCM1.0),一组10 a准业务环境下回报试验结果显示,相比于业务集合预报,动力相似集合预报方法能有效改进模式对于大气环流的纬向平均、超长波和长波预报,从而有效提高了月平均环流预报技巧(几乎达到业务可用标准)和逐日环流预报技巧,并显著降低了预报误差,合理增加集合离散度,使二者配置关系得以改善,有望在业务预报中应用。     

2010年西北太平洋台风预报精度评定及分析

按照《台风业务和服务规定》的相关要求,本文对2010年中央气象台编号的14个台风（即1001～1014号西北太平洋热带气旋,以下统称为台风）的业务定位和业务预报精度进行了评定。评定结果表明：国内各家综合预报24h,48h和72h平均距离误差分别为110.0 km（1392次）、210.6 km（945次）和322.4 km（364次）,比2009年相应预报时效有一定减小。国内外各家数值模式同样本比较显示：欧洲中心数值模式（ECMWF）在不同时效路径预报中均表现最好,日本数值模式（JAPN）表现其次。相对于国内各家数值模式,上述两家国外模式的路径预报表现出一定优势。进一步分析发现我国各数值模式与ECMWF模式更大的路径预报水平差距是由于台风移动方向预报差距,而台风移动速度预报相对较好;而日本数值与ECMWF模式的差距更主要的体现在移动速度方面。我国各家模式与ECMWF数值模式初始时效（12 h和24 h）的预报差距比后续预报时效（36 h和48 h）大。随着预报时效延长,国内数值模式与ECMWF模式的预报差距逐步减小。     

基于BCC_CSM模式的中国东部夏季降水预测检验及订正

基于国家气候中心第二代季节预测模式的历史回报试验数据,检验了模式对我国东部夏季降水的预测能力,探讨了预测误差形成的可能原因,并应用降尺度方法提高了模式的降水预测技巧。分析表明:（1）模式能在一定程度上把握我国东部夏季降水时空变率的两个主要模态（偶极子型模态和全区一致型模态）,但是不同超前时间的预测在刻画模态方差贡献、异常空间分布特征、时间系数的年际变化等方面存在明显误差;（2）模式能够合理预测大尺度环流和海表温度（SST）的变化特征,但是对中国东部夏季降水的总体预测技巧有限,这与模式不能准确刻画西太平洋副热带高压、大陆高压、中高纬阻塞高压等环流系统以及热带太平洋、印度洋SST变率对中国东部降水模态的影响有关;（3）针对1991~2003年回报试验数据中的500 hPa位势高度、850 hPa纬向风和经向风、SST变量,在全球范围内寻找并定位与中国东部站点降水关系最密切的预报因子,进而建立针对降水预测的单因子线性回归、多因子逐步和多元回归模型。采用2004~2013年回报试验对所建立的降水预测模型进行了独立检验,结果表明:所建立的降尺度预测模型能显著提高中国东部地区夏季降水的预报技巧。以6月1日起报试验为例,预测的第一模态（第二模态）与观测的空间相关系数由原始的0.12（0.48）提高到了0.58（0.80）,时间相关系数则从0.47（0.15）提高到0.80（0.67）;其它超前时间的预测试验中,降尺度预测模型的降水预测技巧相比模式原始预测技巧也同样明显提高。