基于BGM与ETKF的台风"苏拉"(1209)集合预报的对比试验Ⅰ:路径预报

采用FNL再分析资料和美国联合台风警报中心(Joint Typhoon Warning Center,JTWC)资料,运用中尺度WRF(Weather Research and Forecasting)模式,分别使用增长模繁殖法(Breeding of Growing Mode,BGM)和集合卡尔曼变换方法(Ensemble Transform Kalman Filter,ETKF),对1209号台风"苏拉"进行了台风路径的集合预报试验,并对预报效果进行对比分析。结果表明:采用BGM或ETKF初始扰动的集合预报系统,集合平均预报对风场、温度场、位势高度场的预报效果均优于控制预报;ETKF方法的预报改进程度较BGM方法更大,且对风场和温度场预报技巧的优势尤为明显。BGM方法所得到的集合成员离散度小于ETKF方法,对大气真实状态的表征能力不及后者;两种扰动方法的集合平均都明显改善了台风"苏拉"的路径预报结果,尤其是控制预报在福建沿海第二次登陆后移速过快的问题,但对台风登陆位置预报的改进不明显;此外,采用ETKF方法的集合平均对台风"苏拉"路径预报的改进效果远优于采用BGM方法的集合平均预报。     

ETKF方法在区域集合预报中的初步应用

理论上,集合卡尔曼变换(ETKF--The Ensemble Transform Kalman filter)方法产生的集合扰动在观测空间具有等概率分布的特征,这一特点恰好可以弥补业务集合预报中常用的初值生成方法--Breeding 方法的不足.依据ETKF理论和方法,利用GRAPES-Meso中尺度模式建立了简单的基于ETKF的中尺度集合预报试验平台,并选取2005年11月8-12日出现的一次降雨过程进行集合预报试验,旨在研究ETKF方法用于集合预报时,对随时间变化的区域非线性系统,在有限集合数的条件下的特征.试验结果揭示了利用ETKF方法进行实际区域模式下集合预报的可行性及其一些基本性质,并指出试验当中存在的不足及今后研究的重点.     

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。     

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...     

ETKF初值扰动方法中真实观测及扰动调节因子研究

目前国家气象中心业务GRAPES区域集合预报系统中集合变换卡尔曼滤波（ETKF）方法采用的是模拟观测信息，为进一步完善ETKF方法，拟对ETKF初值扰动通过引入真实探空观测资料，使扰动场能够代表真实观测的不确定信息，改善区域集合预报技巧。真实观测资料的引入会使得每日的观测数目和分布发生变化，这对ETKF方法而言可能会引起扰动振幅的不稳定，因此在引入真实观测资料的基础上设计了新的扰动振幅调节因子，通过格点空间中离散度和均方根误差关系来对初值扰动振幅进行自适应调整。从初值扰动结构、概率预报技巧以及降水预报效果等方面对比分析了基于模拟观测、真实观测以及真实观测结合新型调节因子的ETKF方案的差异，结果表明:真实探空资料能够有效应用于GRAPES区域集合预报系统中，真实观测资料与模拟观测资料相比较为稀疏，可以获得更大量级的初值扰动振幅；真实观测资料有助于提高区域集合的离散度，但对集合预报准确度以及概率预报结果的提高有限，对于降水预报效果提高也有限；新型的扰动振幅调节因子可以有效获得稳定的初值扰动振幅，并保持ETKF扰动结构，真实观测资料与扰动振幅自适应调节因子相结合，可以有效提高区域集合的概率预报结果，并有效提高降水预报效果。     

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.     

台风路径集合预报试验

基于T63L9模式,利用BGM法进行了台风路径的集合预报试验,并对集合预报中的一个关键技术—繁殖长度进行了研究。结果表明:相对于控制预报,利用增长模繁殖法制作的集合预报对台风路径预报的技巧水平有了很大提高。集合预报中采用不同的繁殖长度对台风路径预报效果有一定影响。繁殖长度取2 d和3 d集合预报效果相对于控制预报都有很大提高。繁殖长度取为2 d时,集合离散度较小,取为3 d时较合理,取为4 d时,离散度较大。对台风路径的预报采用集合选择平均后,繁殖2 d和繁殖3 d的集合预报系统的预报效果都优于控制预报。从综合集合预报效果分析,繁殖长度取为3 d更合适。当集合预报中繁殖长度取为3 d时,在预报的前3天,台风路径集合预报误差基本维持在100 km,第4天误差也只接近300 km。相对于控制预报,集合预报的改进率在预报的2～4 d基本超过了60%,甚至可达到70%。     

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。     

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...     

基于LAF思想的一种初始扰动生成方法及集合预报试验

在时间滞后平均法(LAF)思想的基础上,提出了一种改进的LAF方法,这种方法的思路是将不同的初始扰动叠加到模式初始场上进行不同的扰动预报,形成集合预报的成员;而不同的扰动场是通过在滞后不同时次上求取不同资料分析场之差获得。这种扰动不仅体现了不同分析场的差异,而且不同的滞后时间也体现了LAF方法的思路。然后利用经典的LAF方法及改进的LAF方法和AREM模式,分别对2004年6月14~15日安徽入梅首场暴雨过程进行了集合预报试验。结果表明,无论是雨带还是雨团位置和强度的预报,改进的LAF方法都优于经典的LAF方法。进一步研究发现,对于同一个扰动,加扰预报结果比减扰结果要好,若只选择加扰预报作集合平均,其预报结果更接近实况。     

基于增长模繁殖法的初始分析误差 计算及集合预报试验

首先用成对繁殖的方法对NCEP再分析资料与T106分析场中的快速增长分析误差进行了计算和比较,然后把它们叠加到各自的初始场中进行了多初值集合预报试验。结果表明,用不同分析资料计算的达到饱和的快速增长误差,两者在全球分布上既有许多相似的地方,也存在一些不同,多初值集合是综合考虑它们的有效方法;考虑了两种分析误差的集合预报比只考虑一种分析误差的集合预报优越;在集合总成员数不变的前提下,发现引入另一种分析资料的集合成员数并不是越多越好,就预报技巧的最大改善而言,其存在一个阀值。     

多物理ETKF在暴雨集合预报中的初步应用

基于集合转换卡尔曼滤波（ETKF）的初值扰动方法是目前集合预报领域热点方法之一,但应用在短期集合预报中仍存在离散度不够、误差较大等问题。考虑到在区域短期集合预报中,模式不确定性和边界不确定性的影响不能忽略,本文尝试在ETKF生成分析扰动的过程中,同时考虑初值不确定性、物理不确定性与边界不确定性,进而构建多初值、多物理、多边界ETKF集合,并以2010年9月30日到10月8日海南岛特大暴雨作为研究个例,对其在暴雨集合预报中的应用展开初步研究,重点分析多种物理参数化过程对预报结果的影响。结果表明,多物理过程的ETKF（多物理ETKF）和单物理过程的ETKF（单一ETKF）均优于对照预报,多物理ETKF优势更加明显,其均方根误差、离散度等指标均得到很好的改善;对于降水采用SAL方法进行检验,发现多物理ETKF对于降水位置的预报有明显的改善,对于特大暴雨的强度预报也略有改善。研究表明,在ETKF初值扰动中加入多种物理过程,可以有效改善短期集合的离散度,提高预报准确率,有良好的发展前景和应用潜力。     

集合Kalman滤波同化理论及其数值试验

集合Kalman滤波用于数值试验有着坚实的理论基础.本文介绍了集合Kalman滤波理论及其技术实现, 在此基础上搭建了集合Kalman滤波同化系统, 用MM5模式同化了实测探空资料并作了48 h的预报试验, 并将预报结果与实测值及4D VAR同化的结果作了比较.试验结果表明: 集合Kalman滤波同化探空资料可以改进MM5模式的预报效果, 且集合Kalman滤波同化后模式的预报效果明显优于4D VAR同化后模式的预报效果.     

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。     

集合变换卡尔曼滤波局地化对区域集合初始扰动的影响

集合变换卡尔曼滤波(ensemble transform Kalman filter,ETKF)是一种有效的集合预报初始扰动构造方案.但是,有限的集合样本、相同的集合成员设置以及预报模式误差等可能会使两个距离较远的状态变量产生虚假相关,从而影响ETKF集合扰动的质量.为了有效解决远距离虚假相关问题,将局地化思想引入ET...     

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。     

非线性滤波在含“开关”过程的资料同化中的应用研究

利用一个描述实际数值天气预报模式中比湿在单格线上随时间发展的偏微分方程作为控制方程,研究分析了非线性滤波方法在含开关过程的资料同化中的有效性和可行性。首先在贝叶斯理论框架下,讨论了一般情形的非线性滤波方法,然后对基于粒子滤波(PF)和基于集合卡尔曼滤波(EnKF)的两种同化方法进行对比,由于EnKF是通过对集合成员的统计分析得到的误差分布的一阶矩和二阶矩来近似真实误差分布的,所以当用高斯分布近似真实误差分布所产生的误差较大时,基于EnKF的同化方法得到的结果也会有较大的误差。最后分别从观测算子为线性和非线性、观测误差为高斯型和非高斯型4种情形进行数值试验,结果显示当观测误差为高斯型时,无论观测算子为线性还是非线性,基于PF和基于EnKF的同化方法都能克服由开关过程给资料同化带来的困难,给出满意的同化结果;而当观测误差为非高斯型时,EnKF出现滤波不稳定,产生了非理想的同化结果,但PF方法仍然能够有效地发挥作用,给出满意的同化结果。     

增长模叠加方式及其对集合预报初始扰动的影响

用增长模繁殖法(BGM)有效地构造集合预报初始扰动的一个前提是, 任两个扰动之间应尽可能的发散.本文从增长模发展和饱和的角度分析了增长模叠加方式与集合预报初始扰动"取样性"的关系, 无论是从扰动形势演变得出的定性结论还是定量计算的结果都显示: 在相同初始模的情况下, 通过改变扰动叠加方式分别构造多个扰动样本的做法是近似等效的.用这种方法增加的集合样本从"取样性"的角度来看是没有多大意义的, 更多的是在浪费有限的计算资源.构造多个初值的有效方法应该是从不同初始模出发进行增长模的繁殖.     

Impact of Perturbation Schemes on the Ensemble Prediction in a Coupled Lorenz Model

Based on a simple coupled Lorenz model, we investigate how to assess a suitable initial perturbation scheme for ensemble forecasting in a multiscale system involving slow dynamics and fast dynamics. Four initial perturbation approaches are used in the ensemble forecasting experiments: the random perturbation(RP), the bred vector(BV), the ensemble transform Kalman filter(ETKF), and the nonlinear local Lyapunov vector(NLLV) methods. Results show that,regardless of the method used, the ensemble ave...