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.     

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。     

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。     

GRAPES全球集合预报的集合卡尔曼变换初始扰动方案初步研究

初始扰动方案是集合预报研究的核心问题之一.文中根据最新提出的基于集合卡尔曼变换(ETKF)理论的集合初始扰动方案,利用模拟观测系统及其调整的观测误差与放大因子的方案,研究发展了针对中国GRAPES全球预报系统的集合初始扰动方案,建立了GRAPES全球集合预报系统.利用14个集合成员进行了近两个月的集合预报试验,重点研究了初始扰动的结构特征、扰动振幅以及扰动增长特征,分析了集合扰动初始场的质量与性能.初步试验结果表明,基于ETKF初始扰动方案的GRAPES全球集合初始扰动能够较好地反映分析误差方差的主要模态结构和扰动振幅,并具有比较合理的集合离散度.分析误差方差能够准确地反应模拟观测资料的空间分布特征.初始扰动方差近似等于预报误差方差,并对全球观测系统的空间变化具有准确的响应.集合扰动具有合适的增长率,在96 h的预报时效内可以有效地保持适当的集合离散度.52 d集合预报统计分析显示,北半球集合平均的预报质量评分相对于控制预报具有较明显的优势,副热带高压特征线的个例预报也表明GRAPES全球集合预报在短期预报时效内具有很好的预报效果.基于ETKF初始扰动方案的GRAPES全球集合预报系统显示出良好的发展前景和应用潜力.     

中尺度集合预报模式在自贡市"9.3"暴雨中的初步分析

本文选取8个不同的集合预报成员组成一个成员组,进行未来24-48小时的预报,结合自贡市2006年"9.3"暴雨个例,对集合预报模式的预报能力进行检验.结果显示,集合预报产品在效果上对降水的预报是明显的,并从一定程度上提高了对形势场预报的准确率,从而也可以增强对小概率事件如强降水等的预报能力.     

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

针对2018年4月22日发生在湖北西部山地的一次特大暴雨过程,采用降尺度方案和显式对流参数化方案模式,开展了高分辨率对流许可尺度(3 km)的集合预报试验,并对全球集合预报(GEFS)和对流尺度集合预报(SSEF)的降水预报进行了对比评估,结果表明：(1)SSEF集合平均的雨量和落区预报均优于GEFS。(2)SSEF各成员的降水离散度分布更合理,因而具有更优的降水区间预报,其“离散度-误差关系”更优,能更好地给出预报误差的分布及其可能的大小。(3)SSEF的概率预报在所有空间尺度上均优于GEFS,且在短历时强降水上的优势更加明显。由此可见,针对此类山地暴雨过程,对流尺度集合预报相对于全球集合预报具有巨大的改进潜力。

     

集合预报产品在江苏省暴雨预报中的应用评估

利用2011—2015年6—8月TIGGE(THORPEX Interactive Grand Global Ensemble)数据集中欧洲中期天气预报中心(ECMWF,以下简称EC)的集合降水预报数据和江苏省70个基本站逐日24 h(20时至次日20时)降水数据,通过大量暴雨样本系统检验和评估了EC集合预报及多种后处理释用产品对江苏暴雨的预报能力。结果表明:作为集合预报的初级产品,集合平均对暴雨的预报存在明显的漏报率,TS预报评分尚不及EC确定性预报;集合预报不同成员间对暴雨的预报技巧差异大,其最优成员组合的预报能力显著优于EC确定性预报,表明集合预报具有较大的应用潜力;在多种集合预报后处理释用技术中,最大值、最优百分位、降水偏差订正频率匹配法、概率预报、集合异常预报法和杜-周排序法(最大值法)的平均TS评分均较高,超过10%,其次90%分位数、融合、融合-概率匹配和杜-周排序法(集合平均或中位值法)的预报效果也均优于EC确定性预报。集合中位值、概率匹配方法对江苏暴雨的预报评分低于集合平均预报,在暴雨预报上的参考价值相对较低。该评估结果进一步加深了对各集合预报产品区域暴雨预报能力的认识,为预报员更直接快速地选取有效的集合预报产品提供参考。     

集合数值预报方法在山洪预报中的初步应用

选取湖南4个典型山洪个例,分析了嵌套模式不同分辨率的预报效果,并采用多物理过程组合的集合预报方法,研究区域集合数值预报技术在山洪预报中的应用。研究指出,单一模式条件下,使用模式嵌套技术提高分辨率,并不能有效地改进对引发山洪灾害的突发强降水过程的预报能力,且这种单一的确定性预报,对暴雨等灾害性天气的预报存在不确定性。集合预报是解决单一预报不确定性提出的新方法,与单一模式提供的确定性预报结果相比,集合预报可为山洪预报提供多种定量预报产品。利用集合平均预报、极值预报,可以引导对山洪采取分类应对措施;集合预报在给出降水分布的同时,还给出伴随预报结果的可信度;概率定量降水预报(PQPF)与水文预报模型结合,可以用于概率水文预报。     

中尺度集合预报模式在自贡市“9．3”暴雨中的初步分析

本文选取8个不同的集合预报成员组成一个成员组,进行未来24-48小时的预报,结合自贡市2006年“9.3”暴雨个例,对集合预报模式的预报能力进行检验。结果显示,集合预报产品在效果上对降水的预报是明显的,并从一定程度上提高了对形势场预报的准确率,从而也可以增强对小概率事件如强降水等的预报能力。     

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。     

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。     

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.     

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。     

卡尔曼滤波在短期气候预测中的应用

用PRESS准则和最优子集回归选取预测因子，建立河西走廓东部月平均气温的卡尔曼滤波预测模型，经实际使用发现，该预测方法的精度较高，稳定性较好，为短期气候提供了一种新的思路和方法。     

两种短期降水集合预报方案的对比试验

将MM5V3作为试验模式,利用初值扰动和物理参数化方案,分别对东南沿海地区2004年7—9月的短期降水进行了模拟,并运用均方根误差法对模拟试验效果进行了评估检验,以比较两种方案的集合预报效果。结果表明,对于汛期短期降水预报而言,两种方案的预报效果都有一定的改进。相对于初值误差而言,积云对流过程在汛期降水过程中起着更为重要的作用,因而物理参数化方案扰动的集合预报效果,总体优于基于初值扰动的集合预报效果。研究还发现,模式物理参数化方案扰动的集合预报效果在9月出现了明显的下滑,这主要由于7—8月对流活动旺盛,而9月对流活动随热力因素减弱而减弱的原因所致。     

Evaluation of a Regional Ensemble Data Assimilation System for Typhoon Prediction

An ensemble Kalman filter(EnKF) combined with the Advanced Research Weather Research and Forecasting model(WRF) is cycled and evaluated for western North Pacific(WNP) typhoons of year 2016. Conventional in situ data, radiance observations, and tropical cyclone(TC) minimum sea level pressure(SLP) are assimilated every 6 h using an 80-member ensemble. For all TC categories, the 6-h ensemble priors from the WRF/EnKF system have an appropriate amount of variance for TC tracks but have insufficient v...     

基于集合卡尔曼滤波的土壤水分同化试验

集合卡尔曼滤波是由大气数据同化发展的新的顺序同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了卡尔曼滤波需要线性化的模型算子和观测算子的难点。我们发展了一个基于集合卡尔曼滤波和简单生物圈模型(SiB2,Simple Biosphere Model)的单点陆面数据同化方案。利用1998年7月6日至8月9日青藏高原GAME-Tibet实验区MS3608站点的观测数据进行了同化试验。结果表明,利用集合卡尔曼滤波的数据同化方法可以明显地提高表层、根区、深层土壤水分的估算精度。     

CWRF模式对夏季降水的集合预报试验研究

以ISWS/UIUC发展的CWRF数值模式为试验模式,NOAA全球预报系统(GFS)每天4次的实时预报资料作模式初始和边界条件,同时采用NCEP每天发布的0.5°×0.5°全球SST实时分析资料,分别选取不同的云物理参数化、积云参数化、边界层参数化和辐射方案共计8种参数化组合方案,形成了8组、4个时次共计32个成员的集合预报体系,设计了时变权重分配和动态权重分配两种方案,开展了120 h的实时集合预报试验。试验结果表明,CWRF对中国区域降水有较好的预报能力;在短期降水预报中,集合成员对积云参数化方案更加敏感;考虑了前期预报误差的动态分配权重技术的集合预报方案能够及时反映模式在不同物理参数化方案下,在不同地方、不同预报时效的预报性能,总体上优于不考虑前期预报误差的时变集合预报方案和单个成员的预报。     

集合卡尔曼滤波数据同化在一维波动方程中的应用

简要回顾了集合卡尔曼滤波(EnKF：Ensemble Kalman Filter)数据同化方法的发展历史,并介绍了EnKF数据同化方法的基本原理,利用一维非线性波动方程进行了数值试验。EnKF数据同化方法的实现过程简单可行。避免了EKF中协方差演变方程预报过程中出现的计算不准确和关于协方差矩阵的大量数据的存储问题,最主要的是EnKF可以有效控制模式变量估计误差方差的增长,改善预报效果。