基于最新全球集合预报系统的可预报性评估

为了提供有价值且可靠的概率(或者不确定性)预报,最新的全球集合预报系统已在美国国家环境预报中心日常业务运行,以满足社会需求。通过对各个关键要素的概率预报统计检验,可为广大用户提供这些概率预报的信心指数。但是预报(或集合预报)能力不仅取决于我们使用的预测要素,而且与时间和空间分辨率,极端事件或者高影响天气,以及预报时效有关。以大尺度天气系统预报为例,通常选择北半球500 hPa位势高度距平相关指数或概率指数表征模式的预报能力。如参照北半球500 hPa位势高度的距平相关指数(60%AC)或概率预报技巧指数(25%CRPSS),美国全球集合预报系统能够提供大约10 d的技巧预报。从全球集合预报系统输出的各预报要素,满足不同时空尺度需求的角度进行讨论,其可预报性(或预报极限)能够为模式研发人员、一线预报员和用户提供参考。尤其是对大气可预报性的深入研究,对于从科学与技术角度全面提升数值预报系统水平非常重要。当能够确定可预报性(或是预报误差)的真实来源时,科学家(包括模式研发人员)就能够有针对性地修改与完善。将传统的可预报性研究与改进的能够更客观地表述预报不确定性的集合预报相结合,所得可预报性将提供另一种有价值的参考。可预报性研究总体表明,全球集合预报系统对行星波、大尺度和天气尺度的系统(或者过程)可能分别具备约15、12、10 d的预报能力。对于热带天气过程的预报,如果进一步改善模式偏差和物理参数化过程,其MJO(Madden-Julian Oscillation)预报技巧可以延长至32.5 d。     

近二十年来暴雨和强对流可预报性研究进展

大气可预报性研究是开展天气、气候预测的基础科学问题。全球变暖背景下,近年暴雨和强对流等中小尺度灾害性天气频发,如何深入认识其可预报性问题成为了天气领域研究热点,也是制约数值天气预报模式能力提升的重要因素。本文在简要回顾国内外大气可预报性研究历程的基础上,重点对近二十年（1999～2018）国际上关于暴雨和强对流可预报性方面的最新研究进展进行了系统的综述和归纳。主要包括:中小尺度可预报性研究的主要方法和评估手段及其与传统大尺度天气可预报性研究的差异,初始误差增长机制的几种主要观点及其争论（误差升尺度、误差降尺度、升降尺度并存）,数值模式误差和对流环境误差对实际预报性的影响,以及最近的中尺度可预报性科学观测试验进展等。最后,对暴雨、强对流可预报性研究存在的问题、未来发展方向进行了简要的讨论和展望。     

分析约束的集合预报初始扰动构造方案的研究

集合预报初始扰动准确描述大气运动的不确定性是集合预报研究的核心问题,合理的扰动结构及振幅应能更好地反映大气运动状态的预报误差特征。随着集合扰动和资料同化的深入研究和理解,集合初始扰动方案与集合同化紧密结合协同发展。本文基于中国气象局数值预报中心自主研发的GRAPES-REPS集合预报系统,针对其初始扰动的结构和振幅与预报误差一致性较差的不合理问题,结合不同空间尺度天气系统预报误差特征,将表征预报不确定性的集合扰动与表达观测和预报不确定性的资料同化分析增量有效结合,研究提出了一种改善集合初始扰动质量的分析约束方案,以实现对集合初始扰动质量进一步改善。分析约束方案充分考虑资料同化分析增量的空间结构和量值特征,分别构造了单一定常和具有一定适应能力的两种分析约束函数,实现对初始扰动中不合理信息的识别和约束调整。试验结果表明,具有适应能力的分析约束方案对集合初始扰动具有良好的调整能力,约束后集合扰动的结构和振幅与中小尺度天气系统的预报误差更为吻合,其集合离散度和扰动能量的空间结构与演变特征更加趋于合理。分析约束方案可有效改善集合初始扰动质量及其预报性能。     

数值预报发展的新方向——集合数值预报

数值预报走过了百年的历史（V．Bjerknes，1904），取得了了不起的成就，预报准确率有了很大的提高。但是，考虑到大气的非线性作用以及初值和模式造成的数值预报不确定性，要提高传统的单一确定性预报的技巧越来越难。基于大气初值的敏感性试验，Lorenz提出了数值预报发展的新方向——集合数值预报。 通过介绍集合数值预报的基本思想和方法；并针对初值和模式的不确定性，概述现有集合数值预报成员的产生方法及国内外的研究进展；同时解释怎样检验集合预报的结果的论述，如何从众多的集合预报产品中提炼有用的信息及预报产品的释用。     

数值预报发展的新方向——集合数值预报

数值预报走过了百年的历史(V.Bjerknes,1904)[1],取得了了不起的成就,预报准确率有了很大的提高。但是,考虑到大气的非线性作用以及初值和模式造成的数值预报不确定性,要提高传统的单一确定性预报的技巧越来越难。基于大气初值的敏感性试验,Lorenz提出了数值预报发展的新方向——集合数值预报。通过介绍集合数值预报的基本思想和方法;并针对初值和模式的不确定性,概述现有集合数值预报成员的产生方法及国内外的研究进展;同时解释怎样检验集合预报的结果的论述,如何从众多的集合预报产品中提炼有用的信息及预报产品的释用。     

欧洲业务集合预报系统进展

由于大气初值与数值模式中物理过程存在不确定性等客观事实,集合预报无疑代表着数值天气预报未来前进与发展的方向,它标志着天气预报的预报范式转变,即用户不仅可以得到未来大气状态的单一现实,还可得到未来大气可能出现的一系列场景。文中扼要地梳理了欧洲全球业务集合预报与有限区域模式高分辨业务集合预报的研究动态与技术发展、基本问题及其未来最新发展方向,包括:1)欧洲中期天气预报中心的业务集合预报系统发展沿革及概况;2)欧洲国家主要业务高分辨率集合预报系统概况;3)当前业务集合预报存在的问题、挑战及未来前进的方向。文中除了关注欧洲中期天气预报中心的集合预报应用,还梳理了目前欧洲高分辨业务集合预报取得的成就,以引起有关研究人员的注意。总之,借鉴欧洲业务集合预报的发展思路,不仅有助于集合预报理论创新,还对发展集合预报业务有重要指导意义。     

集合预报对台风天鹅(2015)远距离暴雨的不确定性研究

2015年8月23—24日期间台风天鹅引发华东中部沿海地区出现暴雨或大暴雨天气。基于欧洲中期天气预报中心的集合预报分析导致此次远距离暴雨预报不确定的关键原因,并利用集合敏感性分析方法研究影响此次暴雨过程的主要天气系统的敏感区域,此外对暴雨发生发展的热动力机制展开探讨,主要结论包括:集合预报对此次台风天鹅引起的远距离暴雨的可预报性明显偏低,仅在暴雨发生前24 h才做出较大调整。在不同起报时次下,当台风路径的系统性偏差最小时,台风降水集合预报也最接近实况,但是进一步的分析表明,台风路径误差与降水量级之间的对应关系并不确定。不同雨量成员组间中低层环流场的对比分析表明:高空槽的预报差异是集合预报不确定的主要原因,高空槽东移加深有利于增加暴雨区的斜压不稳定,也有利于增强对流层低层的水汽输送急流带。500 hPa高度场的敏感性分析表明无论是初始场还是预报场,暴雨区平均降雨量均与高空槽的东移和加深显著相关,且随着预报时次的临近,显著相关区域向低槽下游明显扩大。此外还发现高空槽的东移有利于增强(减弱)暴雨区左(右)侧低层冷空气的强度,使得台风右侧更多暖湿气流向暴雨区输送。     

一次短期集合预报试验

数值模式中物理过程描述不准确是造成数值预报误差的主要来源之一,采用数值模式中不同物理过程的集合预报方案是减小模式预报误差的有效方法。本文结合一个典型的夏季东北冷涡型降水天气过程,选用不同的积云对流参数化方案、显式降水方案、辐射方案以及模式采用不同的地表分辨率构成10集合预报成员,进行了48h的预报。结果显示集合预报在总体预报效果上比各个集合成员的预报效果好,简单的集合平均就可以提高模式形势场和降水要素场的预报准确率。在集合平均提高预报准确率的同时,采用天气系统移动路径图、面条图以及降水概率预报等方法,可以增强小概率事件的预报能力。     

热带气旋路径动力释用预报的集合预报方案

考虑到热带气旋中心定位的不确定以及热带气旋（以下简称ＴＣ）路径动力释用预报对ＴＣ中心位置初值的敏感性,本文以ＴＣ路径动力释用预报方案为基础,应用集合预报原理构造了具有５０个成员的集合预报试验方案,经１９９７和１９９８年１５个ＴＣ的１１８次试验对比,结果表明,５０个成员的集合预报方案２的改进效果较好,其平均距离误差较业务预报的平均距离误差有较显著的减小。集合预报原理应用于ＴＣ路径动力释用预报的可行性     

基于集合预报的持续性强降水可预报性评估方法研究

利用集合预报成员初值误差在大气相空间中增长方向不同的特点,结合模式检验方法,构建持续性强降水可预报性评估指数(Index of Composite Predictability,ICP),为持续性强降水可预报性及数值预报误差增长机理研究提供科学方法。ICP综合评估指数包括三个数学模型:集合预报成员单一评估指数定义、集合预报成员综合评估指数定义和集合预报成员预报能力定义。利用中国国家气象中心T213全球集合预报资料,选取江淮流域2010年6月17—25日和2011年6月4—12日2次持续性强降水过程,进行ICP综合评估指数应用试验,其中,单一评估指数选取中雨公平成功指数ETS、500 hPa高度场均方根误差分别代表模式降水预报能力和环流形势预报能力。结果显示:可预报性评估指数ICP可有效挑选出预报最好和最差的集合预报成员,两者对持续性强降水过程的大尺度环流系统、中尺度影响系统、降水过程预报差异显著,预报最好成员对影响持续性强降水的大尺度环流形势(阻塞高压、西太平洋副热带高压和东亚大槽)的位置和强度及演变过程、低层中尺度影响系统(如切变线和西南低涡)发生发展过程预报,以及降水发生时间和落区预报与实况更接近,预报更成功,持续性强降水可预报性综合评估指数ICP合理可靠。     

国家级区域集合预报系统研发和性能检验

该文简要介绍了中国气象局国家气象中心研发的区域中尺度集合预报系统主要技术特点:在初值扰动技术方面,通过研究中国地区中尺度模式预报误差快速增长特点、中国地形地貌特征与观测资料的分布情况,研发适合于中尺度模式的增长模繁殖法扰动技术构造初值场;分析数值模式物理过程参数化方案内在的不确定性以及对强对流天气和近地面要素预报的差异,确定多物理过程扰动技术方案。解决全球集合预报扰动信息向中尺度集合预报输入的关键技术,实现中尺度区域集合预报系统与全球中期集合预报系统的嵌套。在模式后处理方面,解决中尺度集合预报结果的偏差订正技术;开发满足多种需求的多要素、多层次概率预报产品和概率预报检验产品。在世界天气研究计划"2008年北京奥运会中尺度集合预报研究开发项目"3年实时预报试验比较评价中,中国气象局国家气象中心区域中尺度集合预报系统总体预报能力与国外同类系统相当。     

Ensemble Forecast： A New Approach to Uncertainty and Predictability

Ensemble techniques have been used to generate daily numerical weather forecasts since the 1990s in numerical centers around the world due to the increase in computation ability. One of the main purposes of numerical ensemble forecasts is to try to assimilate the initial uncertainty （initial error） and the forecast uncertainty （forecast error） by applying either the initial perturbation method or the multi-model/multiphysics method. In fact, the mean of an ensemble forecast offers a better forecast than a deterministic （or control） forecast after a short lead time （3-5 days） for global modelling applications. There is about a 1-2-day improvement in the forecast skill when using an ensemble mean instead of a single forecast for longer lead-time. The skillful forecast （65% and above of an anomaly correlation） could be extended to 8 days （or longer） by present-day ensemble forecast systems. Furthermore, ensemble forecasts can deliver a probabilistic forecast to the users, which is based on the probability density function （PDF） instead of a single-value forecast from a traditional deterministic system. It has long been recognized that the ensemble forecast not only improves our weather forecast predictability but also offers a remarkable forecast for the future uncertainty, such as the relative measure of predictability （RMOP） and probabilistic quantitative precipitation forecast （PQPF）. Not surprisingly, the success of the ensemble forecast and its wide application greatly increase the confidence of model developers and research communities.     

Predictability of Ensemble Forecasting Estimated Using the Kullback–Leibler Divergence in the Lorenz Model

A new method to quantify the predictability limit of ensemble forecasting is presented using the Kullback–Leibler(KL)divergence(also called the relative entropy), which provides a measure of the difference between the probability distributions of ensemble forecasts and local reference(true) states. The KL divergence is applicable to a non-normal distribution of ensemble forecasts, which is a substantial improvement over the previous method using the ensemble spread. An example from the three-variable Lorenz model illustrates the effectiveness of the KL divergence, which can effectively quantify the predictability limit of ensemble forecasting. On this basis, the KL divergence is used to investigate the dependence of the predictability limit of ensemble forecasting on the initial states and the magnitude of initial errors. The local predictability limit of ensemble forecasting varies considerably with the initial states, as well as with the magnitude of initial errors. Further research is needed to examine the real-world applications of the KL divergence in measuring the predictability of ensemble weather forecasts.     

基于增长模繁殖法的暴雨集合预报

采用WRF模式对2010年9月发生在河南省附近的一次暴雨过程进行了集合预报试验。用增长模繁殖方法(BGM)制作了集合预报方案1;为了充分利用背景场信息,结合时间滞后法,制定了集合预报方案2:滚动繁殖法;考虑到暴雨过程中天气形势的特殊性,结合区域空间特征,制定了集合预报方案3:区域繁殖法。这3组试验均对变量U、V、T、Q进行了初值扰动,加上控制预报,均产生了9个集合成员。试验结果表明:几种集合预报方法在预报效果上相较于控制预报都具有明显的改善,滚动繁殖法及区域繁殖法对增长模繁殖法都具有一定的改进作用,其中区域繁殖法的预报效果更优,与实况更为接近。     

集合敏感性分析在北半球中纬度高影响天气中的应用

总结回顾了集合敏感性分析(ESA)在诊断中纬度高影响天气预报不确定性中的应用。作为一个简单高效且不需要大量计算资源的方法,集合敏感性分析主要被应用在中纬度气旋、台风或飓风的温带转换,以及在强对流过程中诊断预报误差和不确定性的来源。集合敏感性方法极有灵活性,可以根据实际需要改变不同的预报变量和初始场。在对2010年美国东岸圣诞节暴风雪的分析中,集合敏感性分析通过三种形式来诊断了预报不确定性的初值敏感性,即基于EOF分析的敏感性、预报差别的敏感性,以及基于短期预报误差的向前积分敏感性回归。三种方法证实气旋路径的不确定性主要和位于美国南部大平原的短波槽初始误差相关。此外,气旋强度的不确定性还和产生于北太平洋向下游延伸的罗斯贝波列相关。集合敏感性分析方法对于分析中纬度气旋的不确定性、诊断初值敏感性、分析误差发展机制都非常有效。集合敏感性分析也被应用于分析台风/飓风的温带气旋转换过程的不确定性。在对2019年美国首个主要登陆台风Dorian的分析中发现,加拿大CMC的集合预报主要不确定性来自于强度的不确定性,而这个不确定性与初始时刻的大尺度环流型有关,较连贯的信号可以追溯至东北太平洋的前倾槽。而NCEP和ECMWF的不确定性主要在于气旋位置的东北—西南向移动,而敏感性主要和飓风系统本身(即其北部低压区和中纬度槽)的锁相有关。分析结果进一步验证了集合敏感性分析对诊断模式之间的不一致性,以及模式成员之间不一致性的不确定性来源和发展过程的可靠性。集合敏感性分析方法综合了集合预报、资料同化和敏感性分析,因此对于资料同化技术改进、诊断模式误差(或者缺陷)、附加(目标)观测最优策略,以及评估观测对预报的影响等都有重要意义。同时可以更有效地利用集合预报信息,帮助预报员提高情景意识,最终减少高影响天气预报中的决策失误。     

集合数值预报在洪水预报中的应用进展

水文集合预报是近几年正在形成和发展的水文预报分支,其发展大致可分为两个阶段:第1阶段是1970年至20世纪末进行的长期径流预报,第2阶段从21世纪开始,主要学习气象数值预报中集合预报的概念在短期水文集合预报中的应用。目前,除了单一预报中心的集合预报系统在水文集合预报中应用外,多个预报中心的集合预报大集合也逐渐被应用于流域水文预报,甚至一些小流域的洪水预报。如利用TIGGE(THORPEX Interactive Grand Global Ensemble)集合预报驱动形成的大气-水文-水力的串联系统进行早期的洪水预警研究,将全球集合预报作为洪水模型输入的有限区域模式的初始条件和侧边界条件的研究。这些均表明,基于水文集合预报的洪水预报增加了预报附加值,并能够延长预警提前时间。以欧洲中期天气预报中心的欧洲洪水预警系统(EFAS)和美国NOAA的先进水文预报系统(AHPS)为代表,实现了集合预报在洪水中的实时业务预报,但仍存在数据处理和计算量大,以及如何基于集合水文预报做决策等问题。对于水文集合预报的前处理和后处理的各种技术已处于探索和验证阶段,如何更好地理解基于概率预报的洪水预警决策仍存在许多困难和挑战。     

SAMPLE OPTIMIZATION OF ENSEMBLE FORECAST TO SIMULATE TROPICAL STORMS (MERBOK, MAWAR, AND GUCHOL) USING THE OBSERVED TRACK

Nowadays, ensemble forecasting is popular in numerical weather prediction (NWP). However, an ensemble may not produce a perfect Gaussian probability distribution owing to limited members and the fact that some members significantly deviate from the true atmospheric state. Therefore, event samples with small probabilities may downgrade the accuracy of an ensemble forecast. In this study, the evolution of tropical storms (weak typhoon) was investigated and an observed tropical storm track was used to limit the probability distribution of samples. The ensemble forecast method used pure observation data instead of assimilated data. In addition, the prediction results for three tropical storm systems, Merbok, Mawar, and Guchol, showed that track and intensity errors could be reduced through sample optimization. In the research, the vertical structures of these tropical storms were compared, and the existence of different thermal structures was discovered. One possible reason for structural differences is sample optimization, and it may affect storm intensity and track.