GRAPES全球集合预报初始条件及模式物理过程不确定性方法研究

为描述GRAPES全球模式初始条件的不确定性,基于适合集合预报应用的GRAPES全球奇异向量技术,依据大气初始误差符合正态分布的特征,采用高斯取样奇异向量来构造全球集合预报初始扰动,在此基础上建立了GRAPES全球集合预报系统(GRAPES-GEPS)。利用GRAPES全球同化分析场,对采用初始扰动的GRAPES-GEPS连续试验预报结果进行检验和分析。结果表明:GRAPES-GEPS中高度场、风场及温度场预报的集合离散度能有效快速增加,集合平均均方根误差与集合离散度的关系合理;相对控制预报的均方根误差,集合平均的预报优势在预报中期非常显著。为进一步体现GRAPES-GEPS中模式物理过程的不确定性,发展了模式物理过程倾向随机扰动技术(SPPT)。试验结果表明:SPPT方案的应用有效提高了GRAPES-GEPS在南、北半球和热带地区等压面要素预报的集合离散度,同时一定程度减小了集合平均误差,进而改进了集合平均误差与集合离散度的关系,其中SPPT方案在热带地区的改进最为显著。本文发展的基于奇异向量的初始扰动方法和模式扰动SPPT方案在中国气象局2018年12月业务化运行的GRAPES-GEPS中得到了应用。     

GRAPES全球集合预报系统不同随机物理扰动方案影响分析

为了更好地理解不同随机物理扰动方案对全球中期集合预报的影响差异,本研究基于GRAPES全球集合预报系统(GRAPES-GEPS)对比分析了随机物理倾向扰动(Stochastically Perturbed Parameterization Tendencies,SPPT)、随机动能补偿(Stochastic Kinetic Energy Backscatter,SKEB)及联合使用SPPT与SKEB三种模式扰动方案所产生的扰动特征及其对集合预报的影响。为避免初值扰动影响,考察随机物理方案所产生的扰动特征时,不使用初值扰动。通过扰动与误差相关性分析(PECA)发现,不同随机物理扰动方案所产生的扰动对预报误差均具有一定的描述能力,而且联合使用SPPT与SKEB方案时,扰动对误差的描述能力最好。对所有扰动方案来说,扰动总能量最初主要集中在热带地区对流层中高层以及平流层低层。随着预报时效的延长,扰动总能量不断增大,其大值区不断向热带外地区转移。从扰动总能量的谱结构来看,扰动能量均呈现升尺度发展的特征。在基于奇异向量初值扰动的GRAPES-GEPS中,随机物理扰动方案的使用均能够显著增加不同地区...     

区域集合预报基于SKEB和多物理过程的混合模式扰动方法研究

为了研究随机动能后向散射(stochastic kinetic energy backscatter,SKEB)模式扰动方法在区域集合预报中的应用效果,基于WRF模式构建了集合预报系统,针对SKEB的扰动振幅进行了敏感性试验,以了解SKEB扰动的作用特征;发展了一种多物理过程组合(multi-physics,MPHY)与SKEB相结合的混合模式扰动方法(SKEB-MPHY),并对比了SKEB、MPHY以及SKEB-MPHY的预报效果,以探索区域集合预报的最优模式扰动实现方案。试验结果表明:SKEB方法通过固定的动能耗散率计算出流函数及温度扰动,从而对模式积分产生影响,且耗散率大小与预报离差正相关,垂直结构扰动不利于预报离差的发展。SKEB、MPHY以及SKEB-MPHY方法的对比试验表明,对于高空动力场预报离散度的增长,SKEB方法比MPHY方法占优,而低层温度预报离散度增长,MPHY比SKEB扰动方法占优,混合模式扰动方法的扰动增长能力在三种方案中表现最好。集合预报检验结果表明SKEB-MPHY方法评分优于单独的SKEB和MPHY方法。降水个例分析及降水评分结果表明与单独采用MPHY方法相比,引入SKEB方法可以对大雨预报有所改进。本文研究结果表明SKEB方法及在其基础上建立的混合模式扰动方法具有较好的应用前景。     

降水邻域集合概率方法尺度敏感性试验

降水邻域集合概率法是处理高分辨率降水集合预报不确定性的一种新方法。利用2017年5~7月GRAPES(Global and Regional Assimilation and Prediction Enhanced System)区域集合预报系统24 h降水预报资料,进行GRAPES降水邻域集合概率方法试验,并针对邻域概率法的等权重和邻域尺度问题,设计了邻域格点权重修正邻域方案以及二分类权重修正邻域方案,进行降水的集合概率法、等权重邻域集合概率方法、权重修正邻域集合概率方法和二分类权重修正邻域集合概率方法等四种方法的格点相关及敏感性试验,并利用多种概率预报检验评分评估上述四种方法的预报效果。试验结果表明:(1)尽管采用邻域计算方案的三种邻域集合概率方法的降水概率预报评分各有优劣,如等权重邻域集合概率法的相对作用特征曲线面积评分略优,而权重修正邻域集合概率法和二分类权重修正邻域集合概率法的降水概率预报可靠性更高,但采用了邻域计算方案的降水概率预报评分均优于传统的集合概率方法;(2)降水邻域集合概率方法的预报技巧对邻域尺度很敏感,统计评分最优的邻域半径为5~8倍模式水平格距;(3)引入了权重修正的两个邻域集合概率预报方法在24 h降水量超过10 mm时改进较明显,能够提供更加客观的概率预报结果。总体上看,降水邻域集合概率方法具有较好的应用前景,恰当的邻域概率方法及邻域半径可以获得更合理的降水概率预报结果。     

基于多中心TIGGE资料的区域GRAPES集合预报初步试验

基于全球交互式大集合(TIGGE)预报资料,研究利用TIGGE全球集合预报大尺度不确定信息,构造区域GRAPES集合预报的初值扰动方法和试验方案,并对2008年7月22日发生在黄淮地区的一次暴雨过程进行了集合预报试验.试验结果表明:构造的初值扰动场能够表征TIGGE全球集合预报初值中的大尺度不确定信息,区域GRAPES集合预报系统可以捕获极端降水天气,对降水预报具有显著的改进作用,集合预报平均及降水概率预报能有效地反映暴雨降水特点,暴雨发生概率较高的区域与实况对应关系较好.积分初期,暴雨的预报一致性(集合离散度)和预报技巧(集合平均预报均方根误差)之间的关系显示了区域GRAPES集合预报系统是合理的,但积分后期,由于模式在积分过程中的动力调整作用,减小了初值扰动对预报结果的影响,限制了集合离散度的增长速度.     

GRAPES区域集合预报对2019年中国汛期降水预报评估

2019年,数值预报中心开发了以GRAPES全球模式为驱动场,集合变换卡尔曼滤波为初值扰动方法,随机物理过程倾向项为模式扰动方法的10 km水平分辨率GRAPES-REPS V3.0区域集合预报模式,并投入业务运行。基于该模式,作者开展了2019年7～9月夏季降水不确定性的集合预报实时试验,并从统计检验和个例分析角度,与GRAPES-REPS V2.0和ECMWF全球集合预报模式进行对比,由此对GRAPES-REPS V3.0区域集合预报模式的降水预报能力给予客观评价,并分析了引起中尺度强降水预报不确定性的物理机制,研究结论可为诊断集合预报模式及改进集合预报方法提供依据。结果表明:(1)GRAPES-REPS V3.0区域集合预报系统的降水ETS评分在所有预报时效和量级内均优于GRAPES-REPS V2.0区域集合预报模式,降水成员具有明显等同性,且概率预报技巧FSS评分较高,GRAPES-REPS V3.0区域集合预报模式降水预报效果全面优于GRAPES-REPS V2.0区域集合预报模式。(2)GRAPES-REPS V3.0区域集合预报的集合平均降水BIAS评分及小雨和暴雨ETS评分均明显优于ECMWF全球集合预报系统,降水概率预报与ECMWF降水概率具有一定可比性。(3)个例分析结果表明,不同集合预报模式通过刻画中尺度特征物理量不确定性来捕捉降水预报不确定性,初始时刻,GRAPES-REPS V3.0区域集合预报模式和ECMWF全球集合预报模式环流形势分布较为相似,随预报时效演变,GRAPES-REPS V3.0区域集合预报模式对中尺度动力、热力场捕捉更为准确,相应地对降水落区与量级预报较好,概率预报技巧较优。(4)与ECMWF全球集合预报模式相比,GRAPES区域集合预报模式集合成员能很好地预报降水发生、发展、消亡整个过程,故GRAPES-REPS V3.0区域集合预报系统对中国汛期降水具有较强的预报能力。     

随机物理倾向扰动方案在西部山地对流尺度集合预报中的研究

为了研究随机物理倾向扰动(SPPT)方法在复杂地形条件下对对流尺度集合预报中的影响,针对SPPT随机扰动场的时间尺度、空间尺度和格点标准差三个参数进行敏感性试验,分析扰动变化规律,探讨其预报效果。结果表明:空间尺度90 km、时间尺度3 h和格点标准差0.525参数构造的SPPT随机扰动场结构对西部山地对流尺度集合预报整体效果较好,该试验不同层次高空要素(纬向风场、温度场和湿度场)和近地面要素(10 m风和2 m温度)的离散度增长较快,考虑预报误差的离散度/RMSE也好于其他试验。虽然最优配置试验的3 h累积降水的集合平均相对于其他参数试验没有明显在各个量级上都有提高,但在≥10 mm、≥25 mm和≥50 mm的降水等级的ETS评分接近或者高于控制试验,概率预报技巧较好。综合来看,空间尺度参数的选取比时间尺度对离散度的影响更加明显,增加扰动振幅对离散度的增加也起到积极的作用,同时可以提高不同量级降水的概率预报技巧。     

不同随机物理扰动方案在一次暴雨集合预报中的对比研究

天气预报系统对模式本身的误差非常敏感,尤其是次网格物理参数化过程的不确定性对天气预报系统的准确性具有重要影响。由于风暴尺度系统时间尺度较小、发展剧烈以及高度非线性,传统的中期集合预报方法不再适用。本文将随机物理扰动方案(Stochastic Perturbed Parameterization Tendencies scheme,SPPT)、随机动能补偿方案(Stochastic Kinetic-Energy Backscatter scheme,SKEB)以及混合模式扰动方案(SKEB+SPPT)引入风暴尺度集合预报系统,对2014年5月31日安徽的一次强对流天气过程进行数值模拟,并评估集合预报效果和分析扰动特征及能量变化特征。结果表明:适用于本次天气过程的SPPT方案的时空尺度分别为3 h和60 km;混合模式扰动方案提高了SPPT方案和SKEB方案的集合预报离散度,减小了预报误差,且提高了预报的准确性;混合模式扰动方案减少了SPPT方案和SKEB方案对降水的空报和漏报;混合模式扰动方案的扰动空间分布在预报初期与SPPT方案类似,随着预报时间的推移,其扰动空间形态分布转换为与SKEB方案类似;混合模式扰动方案的扰动动能在所有尺度上都要明显大于其他两种方案,表明两种随机物理扰动方案的结合可以有效弥补两者在不同尺度上的能量缺失。     

基于Local-BGM法的冷涡暴雨集合预报试验及评估检验北大核心

基于传统增长模繁殖法(Breeding Growing Mode,BGM)和局地增长模繁殖法(Local Breeding Growing Mode,Local-BGM)生成初始扰动成员,对一次冷涡暴雨过程进行集合预报试验,从多方面比较两种方案的预报效果,并且在邻域概率法(Neighborhood Probability,NP)中引入时间邻域,评估概率预报结果。结果表明,引入局地化思想的Local-BGM方案能够生成比传统BGM方案更合理的初始扰动,具有很明显的局地特征。对于扰动变量的预报,Local-BGM方案在均方根误差和离散度等方面均表现更好,同时能够提高各量级降水的预报技巧。邻域集合概率法能够综合各个集合成员预报的降水信息得到优于集合平均的概率预报,分数技巧评分更高。并且在考虑时间不确定性后,无论是控制预报、集合平均还是邻域集合概率法,分数技巧评分均有很大改善,并且降水阈值越大改善效果越明显,能够为极端强降水天气提供较为客观的概率预报信息。     

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。     

Representing Model Uncertainty by Multi-Stochastic Physics Approaches in the GRAPES Ensemble

To represent model uncertainties more comprehensively, a stochastically perturbed parameterization(SPP) scheme consisting of temporally and spatially varying perturbations of 18 parameters in the microphysics, convection, boundary layer, and surface layer parameterization schemes, as well as the stochastically perturbed parameterization tendencies(SPPT) scheme, and the stochastic kinetic energy backscatter(SKEB) scheme, is applied in the Global and Regional Assimilation and Prediction Enhanced S...     

云微物理方案参数扰动对华北“7.20”暴雨的集合预报试验

基于WRF v4.0模式,选择Lin方案降水粒子(雨、雪和霰)谱截断参数和霰密度,在对流尺度下对“7.20”华北特大暴雨进行参数扰动集合预报试验。按照参数序列依次设置单/双/多截断参数组合、四参数组合和霰参数组合,对比分析其对降水和大气变量的预报技巧,及扰动影响的敏感性。结果表明,四参数组合明显降低了大暴雨空报概率,有效提升了500～925 hPa经向风和近地面温度场的离散度技巧;随组合中参数的增多,扰动对预报的整体影响依次增强,多截断参数组合对中低层水汽场和近地面温度的预报技巧均有所改善;其他组合存在离散度/降水预报负技巧等问题,四参数和多截断参数组合是更好的对流尺度云微物理方案参数扰动选择。     

热带气旋奇异向量在GRAPES全球集合预报中的初步应用

基于副热带奇异向量的初值扰动方法已应用于GRAPES (Global and Regional Assimilation PrEdiction System)全球集合预报系统,但存在热带气旋预报路径离散度不足的问题。通过分析发现,热带气旋附近区域初值扰动结构不合理导致预报集合不能较好地估计热带气旋预报的不确定性,是路径集合离散度不足的可能原因之一。通过建立热带气旋奇异向量求解方案,将热带气旋奇异向量和副热带奇异向量共同线性组合生成初值扰动,以弥补热带气旋区域初值扰动结构不合理这一缺陷,进而改进热带气旋集合预报效果。利用GRAPES全球奇异向量计算方案,以台风中心10个经纬度区域为目标区构建热带气旋奇异向量求解方案,针对台风"榕树"个例进行集合预报试验,并开展批量试验,利用中国中央气象台最优台风路径和中国国家气象信息中心的降水观测资料进行检验,对比分析热带气旋奇异向量结构特征和初值扰动特征,评估热带气旋奇异向量对热带气旋路径集合预报和中国区域24 h累计降水概率预报技巧的影响。结果表明,热带气旋奇异向量具有局地化特征,使用热带气旋奇异向量之后,热带气旋路径离散度增加,路径集合平均预报误差...     

混合集合预报法在华南暴雨短期预报中的试验

-WRF多模式集合3组试验,对比分析混合集合预报法与传统方法的降水预报效果。结果表明:ARPS模式集合改善了广东省南部局地强降水预报,该方法在中雨、大雨、暴雨量级改进效果显著。WRF模式集合对广东省北部强降水预报优于ARPS模式集合,但空报、漏报率较大,该方法有一定局限性。ARPS-WRF多模式集合在降水落区和量级预报上均优于传统方法。混合集合预报法利用低分辨率 (36 km) 集合预报和高分辨率 (12 km) 控制预报实现了高分辨率 (12 km) 集合预报,改善了降水预报效果,该方法可为业务高分辨率集合预报提供参考。     

GRAPES区域集合预报对2019年中国汛期降水预报评估

2019年,数值预报中心开发了以GRAPES全球模式为驱动场,集合变换卡尔曼滤波为初值扰动方法,随机物理过程倾向项为模式扰动方法的10km水平分辨率GRAPES-REPS V3.0区域集合预报模式,并投入业务运行.基于该模式,作者开展了2019年7～9月夏季降水不确定性的集合预报实时试验,并从统计检验和个例分析角度,与...     

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。