随机强迫对集合预报效果的影响研究

以Lorenz96模式为动力框架,建立了考虑模式随机强迫不确定性的集合预报系统,并选择模式气候态和集合平均预报效果为研究对象,研究随机强迫对集合预报效果的影响.结果表明,在数值模式积分过程中引入恰当的随机强迫构成的新计算范式,较非随机强迫更接近真值的气候平均与气候标准差,对刻画数值模式的气候态也有正效果;且随机强迫的正效果主要体现在长时效阶段.集合平均预报方面,绝大部分白噪声随机强迫对应的集合预报效果优于非随机强迫集合预报,集合预报效果也随白噪声强迫增大非单调变化,并且非线性系统不同,相同比率的白噪声随机强迫产生的效果也不同.同时,绝大部分红噪声随机强迫对应的集合预报效果也优于非随机强迫集合预报,但仅部分φ(表示所引入外强迫的随机性部分和确定性部分相互耦合的一个度量)值对应的红噪声强迫集合预报优于白噪声随机强迫集合预报;而且红噪声随机强迫集合预报改善效果随系数的正负分布非对称且非单调变化.此外,相关系数φ的选择也依赖于模型.     

月平均环流的动力集合预报研究

文章对１９９６年１至９月共２３次月动力延伸集合预报的情况作了总体评估，结果表明，集合预报距平相关系数比单个成员预报距平相关系数的算术平均有明显提高，因而采用集合预报方法有利于提高预报的可靠性，在此基础预报距平相关系数的季节变化及其原因作了视频的分析，解释，还从集合预报距平相关系数与集合成员离散程度之间的关系就集合预报技巧的预报问题进行了初步探讨，此外，文章还就Ｔ６３Ｌ１６全球谱模式对北半球欧亚地区     

一种新的集合预报权重平均方法

提出了一种新的考虑权重的集合预报成员平均方法。使用气候等概率区间来对集合成员进行分组, 并根据气候等概率区间的大小及其中的成员数, 对集合成员的权重进行调整, 得到了一种改进的集合平均预报结果。检验表明, 它可以进一步提高集合平均预报的效果。相对于提高模式分辨率或发展庞大的集合预报系统, 这种方法的效果是显著的。     

Lorenz系统误差方程的吸引子特性研究

将Lorenz方程及其导出的误差方程作为联立方程(即全误差方程)来研究误差的性质,结果表明联立方程可以变换为一个特殊的算子方程,误差轨线将收敛于一个有限的区域;此外联立方程对应的流的散度为负值,因此其在相空间中的体积不断收缩,最终趋向一个低纬曲面;联立方程的这两个性质使得Lorenz系统中初始误差不会无限放大,而是趋于一个吸引子.误差在吸引子上的概率分布是确定的,因此平均的绝对误差趋于常数,这个结果可以用来解释小初始误差经过一段时间的发展之后,趋向饱和的现象.利用稳定性分析方法研究了误差吸引中心的位置和个数,并使用数值试验进行了验证,结果显示误差吸引子的结构与解的吸引子位置、数量和结构均有不同.最后本研究将针对Lorenz方程的误差联立方程方法拓展到一般的常微分动力系统,展示了对一般误差方程的特征矩阵进行分析,研究其特征行列式性质的方法,得到了一般误差系统中稳定点和平衡态性质与原动力系统的稳定点和平衡态性质的关系,这些结果对于认识误差系统长期的动力学行为和性质是有意义的.     

集合平均方法减小混沌系统计算误差的效果研究

研究了Lorenz非线性系统中使用的集合平均方法来减小计算误差的效果,通过检查5组数值试验(每组20个样本)的结果发现:集合平均对计算误差的减小和消除不如高精度算法有效,这主要体现在以下几方面:1)普通的算法和双精度的计算环境中,若截断误差是主导误差(当初值误差很小时),各集合的平均结果并不收敛于真值,而是收敛于含截断误差的数值解;2)若初值误差为主导时,系统受到初值误差增长规律的影响,数值解收敛于由初值误差主导的误差解;3)这两种误差量级接近的时候,两种误差都无法消除掉。对解的统计特征进行研究表明,可信的数值解与含计算误差的数值解有许多相似的地方,但是与集合平均的数值解有很大不同,同样说明了集合平均不适用于减小计算误差这样的问题。此外,试验结果表明即使数值解的概率分布形式基本正确,也不能保证数值解是正确的。     

基于TIGGE资料的地面气温多模式超级集合预报

基于TIGGE资料, 采用均方根误差分别对欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心和英国气象局4个中心集合预报的地面气温场集合平均结果进行检验评估, 比较各中心地面气温的预报效果。并利用超级集合、多模式集合平均和消除偏差集合平均3种方法对4个中心的地面气温预报进行集成, 同时对预报结果进行分析。结果表明: 2007年夏季日本气象厅与欧洲中期天气预报中心在北半球大部分地区预报效果最好, 各中心在不同地区预报效果不同。超级集合与消除偏差集合平均降低了预报误差, 预报效果优于最好的单个中心预报和多模式集合平均。对于较长的预报时效, 消除偏差集合平均表现出了更好的预报性能。     

神威中期集合数值预报产品的业务应用

目前神威中期集合数值预报产品包括 500 hPa 集合平均预报图、850 hPa 温度距平概率分布图、不同降水级别的降水概率分布图。 其中 500 hPa 集合平均预报场对欧亚大型环流形势演变趋势、春季风沙天气、降水天气过程以及夏季副热带高压变化趋势等的预报中得到应用, 850 hPa 温度距平概率分布图对未来气温变化趋势以及冷空气过程的预报有很好的使用价值, 而降水概率分布图可供预报员在做降水预报时参考。     

区域气候模拟研究中的物理集合技术

文中介绍了基于MM 5有限区域模式的物理集合构造方法 ,通过对模式中的 5种物理过程加以扰动、组合而得到一个有 19个成员的物理集合系统 ,并用其对 1998年夏季发生在中国东部地区的异常洪涝天气气候特征进行了模拟研究。以集合预报的 3种基本释用方法 ,对集合模拟产生的大量输出结果作了细致的分析 ,发现在区域气候模拟中 ,引入物理集合是可行的 ;它为区域气候数值研究提供了更多的手段和信息 ;集合系统存在的不足之处在于 :集合成员间离散程度不足、集合模拟范围较狭窄 ,这使得离差对误差的实际预报能力低于潜在预报能力 ,也使集合概率预报的精度降低。     

北半球中纬度地区地面气温的超级集合预报

基于TIGGE资料中的ECMWF、JMA、NCEP和UKMO四个中心2007年6月1日-8月31日北半球中纬度地区地面气温24～168 h集合预报资料,分别利用固定训练期超级集合(SUP, Superensemble)和滑动训练期超级集合(R-SUP, Running Training Period Superensemble )对2007年8月8-31日预报期24 d进行超级集合预报试验.采用均方根误差对预报结果进行检验评估,比较了两种超级集合方法与最好的单个中心模式预报、多模式集合平均的预报效果.结果表明,SUP预报有效降低了预报误差,24～144 h的预报效果优于多模式集合平均(EMN, Ensemble Mean)和最好的单个中心预报,168 h的预报效果略差于EMN.R-SUP预报进一步改善了预报效果.对于24～168 h的预报,R-SUP预报效果都要优于EMN.尤其对于168 h的预报,R-SUP改进了预报效果,优于EMN.     

基于TIGGE资料的集合成员优选方法

利用2007年6月8日—8月31日东亚地区TIGGE集合预报资料中欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF)和英国气象局(United Kingdom M et Office,UKM O)两个中心的地面2 m气温资料进行集合成员优选研究。结果表明,对于24~96 h预报,集合成员优选方法能够较好地选出预报技巧较高和预报技巧较低的集合成员。个例分析表明,在极端天气出现的地区,优选集合平均的预报优势较为明显。对比ECMWF和UKMO的集合成员优选结果发现,ECMWF的预报效果优于UKMO的预报效果。     

Ensemble mean forecast skill and applications with the T213 ensemble prediction system

Ensemble forecasting has become the prevailing method in current operational weather forecasting. Although ensemble mean forecast skill has been studied for many ensemble prediction systems(EPSs) and different cases, theoretical analysis regarding ensemble mean forecast skill has rarely been investigated, especially quantitative analysis without any assumptions of ensemble members. This paper investigates fundamental questions about the ensemble mean, such as the advantage of the ensemble mean over individual members, the potential skill of the ensemble mean, and the skill gain of the ensemble mean with increasing ensemble size. The average error coefficient between each pair of ensemble members is the most important factor in ensemble mean forecast skill, which determines the mean-square error of ensemble mean forecasts and the skill gain with increasing ensemble size. More members are useful if the errors of the members have lower correlations with each other, and vice versa. The theoretical investigation in this study is verified by application with the T213 EPS. A typical EPS has an average error coefficient of between 0.5 and 0.8; the 15-member T213 EPS used here reaches a saturation degree of 95%(i.e., maximum 5% skill gain by adding new members with similar skill to the existing members) for 1–10-day lead time predictions, as far as the mean-square error is concerned.     

An analysis of the difference between the multiple linear regression approach and the multimodel ensemble mean

An investigation of the difference in seasonal precipitation forecast skills between the multiple linear regression (MLR) ensemble and the simple multimodel ensemble mean (EM) was based on the forecast quality of individual models. The possible causes of difference in previous studies were analyzed. In order to make the simulation capability of studied regions relatively uniform, three regions with different temporal correlation coefficients were chosen for this study. Results show the causes resulting in the incapability of the MLR approach vary among different regions. In the Nino3.4 region, strong co-linearity within individual models is generally the main reason. However, in the high latitude region, no significant co-linearity can be found in individual models, but the abilities of single models are so poor that it makes the MLR approach inappropriate for superensemble forecasts in this region. In addition, it is important to note that the use of various score measurements could result in some discrepancies when we compare the results derived from different multimodel ensemble approaches.     

观测误差对GRAPES区域集合预报影响的敏感性试验

通过设计3组不同的观测误差均方差,对2012年8月1日—29日进行了基于GRAPES-M EPS(Global/Regional Assimilation and Prediction System-Mesoscale Ensemble Prediction System)的集合预报敏感性试验,研究观测误差均方差对集合预报初始扰动场结构、扰动量及垂直扰动总能量发展的影响,评估集合预报结果的差异,并分析了一次典型的江淮流域强降水个例。结果显示,模式变量扰动结构和扰动振幅对观测误差均方差较敏感,较小的观测误差均方差使得温度和风等模式变量的初始扰动量增大,扰动总能量增长更快,降水集合预报效果更优。因此在GRAPES-MEPS中,可以考虑对观测误差均方差进行适当的扰动,以体现观测误差均方差的不确定性对集合预报的影响,提高GRAPES-MEPS的集合预报技巧。     

CMIP5多模式集合对江苏省气候变化模拟评估及情景预估

利用中国气象局所属的2 400余个台站观测资料制作的分辨率为0.25°×0.25°数据集中的气温、降水量资料评估了CMIP5中17个模式对于1961—2004年江苏省气温和降水量空间分布特征的模拟能力,筛选出了5个对江苏省气候特征模拟较好的模式。之后基于5个优选模式集合平均的结果预估了3种典型浓度路径(Representative Concentration Pathways,RCPs)下江苏省2006—2100年的气温和降水量变化趋势。结果表明:(1)全球耦合气候模式对江苏省的气温和降水量空间分布特征具有一定的模拟能力,并且模式集合平均的气温和降水量与观测资料的空间相关系数分别为0.85和0.93;(2)在低浓度路径(RCP2.6)、中浓度路径(RCP4.5)和高浓度路径(RCP8.5)3种温室气体排放情景下,江苏省2006—2100年的地表温度均呈现明显的增温趋势,并且苏北的增温幅度要高于苏南;(3)3种温室气体排放情景下,江苏省未来百年降水量均呈现出北方增多南方减少的趋势;(4)未来百年江苏省降水量随气温变化的趋势并不稳定,RCP2.6和RCP4.5情景下降水量随气温的升高而增加,而RCP8.5情景下降水量随气温的增加而减少。     

一次特大暴雨过程高分辨率集合预报试验的检验和评估

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。     

新型局地增长模培育法对两次飑线个例的对流尺度集合预报试验

利用局地增长模培育法对两次典型飑线过程进行了对流尺度集合预报试验,通过与传统增长模培育法对比,检验了局地增长模培育法的实际预报效果.通过概率匹配平均处理后,将降水预报结果与实况资料进行对比分析,并用分数技巧评分来代替传统公平技巧评分实现对降水结果的合理检验,得出结论:1)在飑线降水预报上,局地增长模培育法优于增长模培育...     

An Effective Configuration of Ensemble Size and Horizontal Resolution for the NCEP GEFS

Two important questions are addressed in this paper using the Global Ensemble Forecast System(GEFS) from the National Centers for Environmental Prediction(NCEP):(1) How many ensemble members are needed to better represent forecast uncertainties with limited computational resources?(2) What is the relative impact on forecast skill of increasing model resolution and ensemble size? Two-month experiments at T126L28 resolution were used to test the impact of varying the ensemble size from 5 to 80 members at the 500hPa geopotential height.Results indicate that increasing the ensemble size leads to significant improvements in the performance for all forecast ranges when measured by probabilistic metrics,but these improvements are not significant beyond 20 members for long forecast ranges when measured by deterministic metrics.An ensemble of 20 to 30 members is the most effective configuration of ensemble sizes by quantifying the tradeoff between ensemble performance and the cost of computational resources.Two representative configurations of the GEFS-the T126L28 model with 70 members and the T190L28 model with 20 members,which have equivalent computing costs-were compared.Results confirm that,for the NCEP GEFS,increasing the model resolution is more(less) beneficial than increasing the ensemble size for a short(long) forecast range.     

基于对流尺度集合预报的飑线结构特征模拟与改善

对流尺度集合预报是研究飑线等强对流天气的新方向。当前对飑线系统结构的研究主要采用卫星和雷达资料结合高分辨率确定性预报的方法,而本文从集合预报技术的角度分析飑线结构特征。针对2014年7月30日中国江淮地区的一次强飑线过程,利用WRF模式开展了对流尺度集合预报试验,采用概率匹配平均法对集合预报结果进行综合处理,重点考察集合预报对飑线结构特征的模拟能力。结果表明:对流尺度集合预报能够模拟出飑线系统的基本结构特征。集合平均和概率匹配平均法相比控制预报而言,对飑线回波、热力场、动力场和微物理量场结构有明显的改善作用。同时模拟出了飑线系统近地面冷池和环境垂直风切变的相互作用,与RKW理论相一致。概率匹配平均法在回波强度上较集合平均更接近实况,应用于对流尺度集合预报研究极端天气事件具有指示意义。