随机物理倾向扰动在风暴尺度集合预报中的影响研究

为深入探究随机物理倾向扰动（Stochastically Perturbed Parameterization Tendencies,SPPT）方案在风暴尺度集合预报中的影响,基于WRF模式利用FNL资料对SPPT方案中的3个参量分别进行敏感性试验,得到SPPT方案的最佳参数配置,并在此基础上分析SPPT方案模拟的降水分布特征。结果表明:SPPT方案敏感性试验中,去相关时间选择6 h时构造的集合成员可信度更高,逐时降水评分效果在积分中后期较高,对于暴雨及以上量级的评分技巧最优;造成降水主要天气系统的维持时间对该变量的选取有较大的影响。去相关空间尺度选择100 km的集合试验更为可靠,对降水预报技巧较高;同时该变量的选取与天气过程中的大尺度信息、中小尺度系统的活跃以及模式的空间分辨率有密切联系。通过对离散度和离群值分析认为扰动振幅选择0.525最为合理。SPPT方案集合成员在局部地区可以较大幅度地改变降水量,对降水落区的准确模拟存在一定的局限性。      

不同模式扰动方案在风暴尺度集合预报中的对比试验研究

由于适用于中长期集合预报的模式扰动技术在风暴尺度集合预报系统中的影响并不明确,为探究不同模式扰动方案在风暴尺度集合预报中的效果,基于WRF模式设计了3组模式扰动方案:多物理扰动（MP）方案、随机物理倾向扰动（Stochastically Perturbed Parameterization Tendencies,SPPT）方案以及由MP方案与SPPT方案组合构建的一种新混合扰动（SPMP）方案。对2013年7月5—6日发生在江淮流域的一次强对流天气过程进行了数值模拟。结果表明:MP方案在积分前期的降水概率评分较高,对高层大气的扰动效果更为合理;SPPT方案主要作用于积分中后期,对大气低层及近地面的扰动效果最为理想,尤其是对于地面水汽场的模拟;SPMP方案能显著提高大气中高层各预报变量的离散度,降低均方根误差,提升集合成员的可信度,有效弥补降水预报评分在单独使用MP方案和SPPT方案不同积分时段的不足。在扰动水平传播方向上,SPMP方案的扰动形态主要受MP方案主导;垂直方向上,SPMP方案在低层的扰动形态与SPPT方案一致,在高层受MP方案控制。波谱能量分析表明3组方案的扰动能量随积分时间均有向大尺度传播的趋势,SPMP方案能有效补偿两种方案能量在各尺度的耗散。      

风暴尺度集合成员数对预报技巧的影响

利用WRFV2.2模式,对1977年5月20日发生在美国Oklahoma的典型超级单体风暴进行集合预报试验。采用蒙特卡洛法对不同区域初值扰动,对比分析成员个数的变化对预报技巧的影响,检验集合技术应用于风暴尺度系统的可行性及应用价值。结果显示,基于WRFV2.2模式的风暴尺度集合预报（storm-scale ensemble forecasting,SSEF）能够从热力场和动力场上改善单一确定性预报,并成功预报极端降水,表明SSEF具有较高的应用和研究价值;总体上预报技巧随成员数增加而增加,当集合成员数达到5-13时,预报技巧呈饱和特征,不同变量、不同扰动区域时的饱和成员数略有差异。     

风暴尺度集合预报最优侧边界条件扰动方法设计:个例分析

考虑到全球预报模式与风暴尺度预报模式在分辨率上的显著差异,在构造风暴尺度集合预报系统的时候需要用一个中间分辨率的中尺度区域模式为风暴尺度模式提供侧边界条件扰动,但如何构造侧边界扰动才能更为有效地提高风暴尺度集合预报系统的预报能力目前仍然未知。本文基于WRF模式,通过一次个例试验设计了风暴尺度集合预报中的3种不同侧边界扰动方案,结果表明:直接通过0.5°水平分辨率全球集合预报扰动插值所得到的侧边界扰动(LBC_DOWN)在预报中可以获得较高的大尺度扰动能量,而在中尺度区域模式(本文中为模式外层)中通过ETKF循环所构造的侧边界条件扰动(LBC_CYCLE)包含较高的中小尺度能量,而将LBC_CYCLE中的中尺度扰动信息与LBC_DOWN中的大尺度扰动信息相混合所得到的混合侧边界扰动(LBC_BLEND)在大尺度能量上更接近于LBC_DOWN,在中小尺度能量上更接近于LBC_CYCLE;LBC_BLEND较前两种方案有着更好的离散度技巧表现;在降水概率预报技巧方面LBC_BLEND与LBC_CYCLE较为接近,且均优于LBC_DOWN。     

基于增长模繁殖法的风暴尺度集合预报试验

利用WRFV2.2模式,对1977年5月20日发生在美国俄克拉荷马州的典型超级单体风暴进行风暴尺度集合预报试验。通过对比由Monte-Carlo法和增长模繁殖法构造的集合预报系统的性能,检验了增长模繁殖法应用于风暴尺度集合预报的合理性及其价值。研究表明,在预报误差的意义上,集合技术能够明显改善中尺度强对流天气的单一确定性预报;但纯统计意义的Monte-Carlo法动力意义不足,导致集合离散度偏低;作为改进方法,增长模繁殖法充分考虑了预报中误差增长的信息,改善了离散度增长偏慢的缺陷。研究结果还显示,增长模繁殖法构造的集合预报系统的各预报评分(RSS、ETS等)均高于Monte-Carlo法,体现了增长模繁殖法的显著优势,但不同的繁殖周期对非降水场和降水场的预报能力有所差异,合理的繁殖周期需要在两者之间寻求平衡点。     

风暴尺度集合预报中的混合初始扰动方法及其在北京2012年“7.21”暴雨预报中的应用

风暴尺度集合预报系统（Storm-Scale Ensemble Forecast system,简称SSEFs）中集合成员之间发散度不足一直都是研究的难点。本文尝试了将Barnes空间滤波融入到集合转换卡尔曼滤波（ETKF）更新预报系统中的混合初值扰动法。该方案将ETKF方法的小尺度信息与来自于侧边界条件扰动的大尺度信息相结合,缓解了扰动在侧边界不匹配的问题。通过2012年北京“7.21”暴雨并使用邻位方法对比分析了不同初值扰动方案在不同时间尺度与空间尺度上的特征,在此基础上进一步探讨了构造混合初始扰动法的可行性。结果表明:ETKF试验所构造的初始扰动无法与侧边界条件扰动相匹配,混合后的初始扰动可以有效缓解SSEFs中由于初始扰动与侧边界扰动不匹配产生的虚假波动,其中大尺度信息保留较多的混合试验（ETKF80）和动力降尺度方案（Down）在减少虚假波动方面的效果最优;从集合离散度来看,在前期暖区降水阶段ETKF的离散度在小尺度上最大,随着锋面降水的开始,Down的离散度逐渐超过ETKF,而使用各滤波波段构造的混合试验同时具备ETKF与Down二者的特征。选择合理的滤波波段可以获得最为合理的离散度表现（ETKF180）,说明仅考虑侧边界匹配（Down和ETKF80）并不能获得最合理的集合离散度,应综合考虑其他因素。从降水概率预报结果来看,选取合适的滤波波段所构造的混合扰动试验同样获得了较好的效果。     

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。     

基于集合预报产品的降尺度降水预报试验

利用降水距平百分率的降尺度预报方法和1951-2008 NCEP资料及我国降水资料,建立了降水距平百分率的预报模型,基于T106L19模式的月动力延伸集合预报结果,进行了2007-2009年3 a的预报试验和效果检验.结果表明,基于集合预报产品的统计降尺度方法对降水距平百分率的预报技巧高于模式降水的预报技巧;500 hPa月平均高度场的预报技巧直接影响到降水距平百分率的预报技巧,平均环流的预报技巧越高,降水距平百分率的预报技巧越高;无论集合成员数为多少,集合预报的结果都明显优于控制预报,随着集合成员数的增多,预报技巧呈增大的趋势;我国降水具有显著的季节性和区域性,以江淮地区的降水距平百分率预报技巧最高,华南地区的预报技巧其次.     

集合预报最优ETKF初始扰动方法设计及其在暴雨中的应用

为改进集合转换卡尔曼滤波方法(Ensemble Transform Kalman Filter,ETKF)在初始扰动中离散度偏小的问题,考虑引入物理不确定性。使用初始时刻离散度检验两种ETKF初始扰动方案改进的程度,通过动力和水汽条件分析探求改进机制。利用WRF模式构建更新预报系统,选取2014年5月一次暴雨个例进行集合降水预报试验,通过ETKF方法设计两种不同的初始扰动方案。结果表明:在分析循环中引入多物理扰动的初始扰动方案(multi)相比单一物理过程的初始扰动方案(mono)在初始时刻离散度和模拟动力水汽条件以及降水评分上均有较大改进。初始扰动中multi的离散度相比mono整体更优,显然添加了多物理扰动方案的试验对结果有改进作用;在对两种方案的机理分析中,multi对于降水位置的明显改善主要取决于散度及水汽通量散度模拟能力的提高;在离散度分析中,multi方案在强对流区域的改进效果比在整个区域中的更好,而对各变量的离散度和均方根误差之比相当,说明集合预报系统的合理性;对各量级预报结果评分显示,multi方案均呈现较好表现能力。     

集合预报多尺度奇异向量初值扰动方法研究

目前国际上采用的奇异向量集合预报初值扰动法对于初值不确定性的描述存在一定的不足,为了更有效地反映初始误差的时空多尺度特性,基于GRAPES全球奇异向量计算技术,计算了不同空间分辨率及不同最优时间间隔的多个尺度的奇异向量,并采用基于高斯分布的线性组合法来构造多尺度奇异向量的扰动初值,以代表在相空间中增长最快的多尺度初值误差模态。通过2019年1月19日的初值扰动集合预报试验,对比分析了单一尺度奇异向量初值扰动法与多尺度初值扰动法的扰动特征及集合预报效果。结果表明,多尺度奇异向量初值扰动法为区域集合预报提供的初始扰动场是合理的,扰动的大小随时间增长,且在空间分布上较好地反映了当前大气的斜压不稳定特征。此外,多尺度奇异向量扰动可以描述一定的大尺度以及中小尺度运动误差特征,较单一尺度奇异向量扰动能反映出更多初始场的不确定性信息。检验分析表明,GRAPES多尺度奇异向量集合预报在集合一致性、连续等级概率评分、离群值等方面有一定的优势,相比于单一尺度奇异向量法有较好的预报技巧。因此,基于GRAPES的多尺度奇异向量初值扰动法对于集合预报的预报效果有一定的提高,能为构建一套完善的GRAPES区域奇异向量集合预报系统提供一定的科学依据和应用基础。      

风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验I.不考虑模式误差的情形

本文在假定模式无偏差的情况下, 利用一次风暴过程的模拟多普勒雷达资料进行一系列风暴天气尺度的集合卡尔曼滤波资料同化试验, 检验集合卡尔曼滤波在风暴天气尺度资料同化方面的效果, 并验证各集合卡尔曼滤波参数对同化效果的影响。试验结果表明, 集合卡尔曼滤波能有效地应用于风暴尺度的资料同化; 40个集合成员以及6 km的局地化尺度能较好地滤除采样误差造成的虚假相关, 同时可以将观测信息传递到无观测的模式格点; 利用背景场加上空间平滑的高斯型随机扰动生成初始成员的方式较未经过平滑的方式有更好的分析效果; 背景场扰动方法能够提高样本的离散度; 只同化反射率的同化试验表明, 反射率的同化效果较明显, 也证明了集合卡尔曼滤波在非常规资料同化中的作用; 增加径向风资料同化的效果优于只进行反射率同化的结果。     

风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验 II. 考虑模式误差的情形

文章的第I部分(兰伟仁等, 2010), 利用模拟雷达资料在假定模式无误差的情况下进行了一系列的集合卡尔曼滤波(EnKF)敏感性试验, 验证了EnKF方法在风暴尺度天气资料同化中的作用。本文继续探讨EnKF在有显著模式误差的情况下同化模拟多普勒雷达资料的效果问题。试验中假定模式误差主要来源于微物理过程参数化的不确定性。结果表明: 模式误差在不同程度上影响了EnKF分析的效果, 对微物理量的影响尤其明显; 在EnKF分析中, 利用微物理过程参数化集合的方法来考虑模式误差, 对速度场、 位温场以及比湿场有较明显的正作用, 但对于微物理量场分析效果较差; 若包含控制试验的微物理过程参数化方案, 则EnKF对所有变量都有正效果, 随着同化循环次数的增加, 分析结果更加合理; 只考虑冰相过程的微物理过程参数化方案的集合, 分析效果进一步提高。     

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。     

Heavy Rainfall Ensemble Prediction： Initial Condition Perturbation vs Multi-Physics Perturbation

Mesoscale ensemble is an encouraging technology for improving the accuracy of heavy rainfall predictions. Occurrences of heavy rainfall are closely related to convective instability and topography. In mid-latitudes, perturbed initial fields for medium-range weather forecasts are often configured to focus on the baroclinic instability rather than the convective instability. Thus, alternative approaches to generate initial perturba- tions need to be developed to accommodate the uncertainty of the convective instability. In this paper, an initial condition perturbation approach to mesoscale heavy rainfall ensemble prediction, named as Different Physics Mode Method （DPMM）, is presented in detail. Based on the PSU/NCAR mesoscale model MM5, an ensemble prediction experiment on a typical heavy rainfall event in South China is carried out by using the DPMM, and the structure of the initial condition perturbation is analyzed. Further, the DPMM ensem- ble prediction is compared with a multi-physics ensemble prediction, and the results show that the initial perturbation fields from the DPMM have a reasonable mesoscale circulation structure and could reflect the prediction uncertainty in the sensitive regions of convective instability. An evaluation of the DPMM ini- tial condition perturbation indicates that the DPMM method produces better ensemble members than the multi-physics perturbation method, and can significantly improve the precipitation forecast than the control non-ensemble run.     

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.     

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.     

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。