重庆风暴尺度集合预报系统降水预报性能分析

基于在重庆市气象局业务运行的对流可分辨尺度（3 km）集合预报系统,在已有初值扰动、模式物理过程扰动和侧边界扰动的基础上,对不同集合成员采用不同地形插值方案和地形平滑方案实现对模式静态地形高度的扰动,体现数值模式中地形转换过程的不确定性,开展集合预报批量平行试验。结果表明：（1）实现对模式静态地形高度的扰动后,各集合成员地形高度的离散度与实际地形的起伏程度对应关系较好,两者空间分布特征非常相似,地形较平坦的平原地区离散度较小,而地形较复杂的高原地区或山区离散度较大;（2）加入模式地形扰动方案后,集合扰动能量总体上有所增大,且低层比中、高层更明显,能量增幅在较短预报时效（12 h）内最显著,随着预报时效延长呈逐渐减小趋势,且能量增幅大值中心主要出现在地形较复杂、集合成员地形高度离散度较大地区;（3）模式地形扰动方案一定程度上能提高降水概率预报技巧及改进集合平均降水预报,在对高空要素和2 m温度、10 m风场等近地面要素的集合平均均方根误差和集合离散度无负面影响的前提下,能一定程度上优化集合分布。

     

对流尺度集合预报中模式地形扰动对其预报技巧的影响研究

基于2018—2021年欧洲中期天气预报中心集合降水预报数据开发了众数、平均数、最优百分位数、百分位数、概率等集合统计量面雨量预报产品。采用TS评分、相对作用特征(ROC)分析、评分综合表现图、Brier技巧评分等方法对长江流域的集合统计量面雨量预报与确定性面雨量预报开展对比检验评估。结果表明：对于大雨以上等级面雨量,平原流域评分高于山地流域,集合统计量预报性能整体优于确定性预报。不同子流域最优的集合统计量面雨量定量预报产品种类及排序存在差异,总体表现为50%百分位数产品最优,平均数次之,最优百分位数第三,基于综合检验结果推荐了长江各子流域排名前三的集合统计量面雨量定量预报产品。概率预报产品最优TS评分对应的概率预报值随面雨量量级增加而逐渐降低,15 mm (40 mm)量级的面雨量最优概率预报为50% (30%)。以最优TS评分为基准,向下浮动10%来获取面雨量概率预报参考区间,当集合统计量面雨量概率预报位于参考区间时预报价值较高。以2020年长江第5号洪水过程为例,开展概率预报与定量预报推荐产品相结合的集合统计量面雨量预报产品应用分析,进一步说明了集合统计量面雨量产品误差明显小于确定性预报。

     

对流尺度集合预报中模式地形扰动对其预报技巧的影响研究

基于ARPS3DVAR+WRF（Advanced Regional Prediction and 3-dimensional variational System）快速同化模式对西南地区近几年发生的4次强降水过程进行模拟试验,对12 h降水预报结果采用升尺度方法,计算邻域平均预报、站点概率预报,最终形成邻域概率预报,并细致分析了这三种预报的特点与效果,讨论了升尺度窗区尺度给不同量级降水带来的影响,最后结合AROC评分与邻域空间检验FSS讨论业务概率预报应用的最佳尺度。结果表明：升尺度邻域平均预报在小雨与大暴雨量级降水上表现不稳定,对中雨的预报提高不明显,但是对大雨与暴雨预报有较好的改善效果;站点概率预报具有一定的误导性,而邻域概率预报可以弥补其缺憾,越高分辨率的模式有更多的降水样本,在降水不确定性上能给出更好的概率分级信息;相对邻域平均的升尺度预报TS检验结果,基于邻域概率的FSS和AROC分析有更好的预报技巧指导意义;36 km升尺度窗区既能消除一定程度的强降水预报不确定性,同时也可以保留适当的对流尺度特征,为最佳升尺度窗区。

     

对流尺度集合预报与模式不确定性研究进展

本文回顾了国内外近10年来对流尺度集合预报系统以及有关模式不确定性研究的成果。对流尺度集合预报在提高局地强天气预报预警能力方面,因其可以提供丰富的概率预报信息而具有显著优势,相关研究和应用受到国内外学者和数值预报业务机构的重视。相对于全球集合预报,对流尺度集合预报中有关模式不确定性的研究缺乏系统性和理论基础,成为目前研究的热点和难点。目前常用的模式扰动方法有多模式、多物理过程、多物理参数、随机物理等。这些方法在强对流事件、热带气旋强度路径等预报中得到了广泛应用,但在提高对流尺度集合离散度方面作用仍有限,主要原因在于其并没有针对性描述影响对流系统发生发展的关键物理过程的不确定性,仍然属于全球集合预报中天气尺度范畴。在回顾相关研究的同时,也提出了值得探索和研究的方向。     

不同模式扰动方案在风暴尺度集合预报中的对比试验研究

由于适用于中长期集合预报的模式扰动技术在风暴尺度集合预报系统中的影响并不明确,为探究不同模式扰动方案在风暴尺度集合预报中的效果,基于WRF模式设计了3组模式扰动方案:多物理扰动（MP）方案、随机物理倾向扰动（Stochastically Perturbed Parameterization Tendencies,SPPT）方案以及由MP方案与SPPT方案组合构建的一种新混合扰动（SPMP）方案。对2013年7月5—6日发生在江淮流域的一次强对流天气过程进行了数值模拟。结果表明:MP方案在积分前期的降水概率评分较高,对高层大气的扰动效果更为合理;SPPT方案主要作用于积分中后期,对大气低层及近地面的扰动效果最为理想,尤其是对于地面水汽场的模拟;SPMP方案能显著提高大气中高层各预报变量的离散度,降低均方根误差,提升集合成员的可信度,有效弥补降水预报评分在单独使用MP方案和SPPT方案不同积分时段的不足。在扰动水平传播方向上,SPMP方案的扰动形态主要受MP方案主导;垂直方向上,SPMP方案在低层的扰动形态与SPPT方案一致,在高层受MP方案控制。波谱能量分析表明3组方案的扰动能量随积分时间均有向大尺度传播的趋势,SPMP方案能有效补偿两种方案能量在各尺度的耗散。      

基于对流尺度集合预报方法对一次暴雨过程预报的分析

对流尺度集合预报(Convection-allowing Ensemble Prediction,CAEP)是提高强对流天气预报能力的重要手段,构造合理的初始扰动是CAEP的关键问题。本文开展基于观测扰动初值法(Perturbed-observation,PO)的CAEP在内蒙古地区的试验,并以动力降尺度(Downscaling,DOWN)方法作为对比,分析PO方法在内蒙古地区CAEP的预报效果,以期为内蒙古地区CAEP的构建提供技术参考。结果表明：(1) PO方法构造的初始扰动能引入内蒙古地区观测资料从而减少背景场的不确定性,且扰动具有充分的增长能力。(2) 与DOWN方法相比,PO方法可以显著减少CAEP的短时预报误差,高空和地面要素的RMSE分别减小4%~43%和3%~9%,集合离散度略有减少。高空要素的CRPS评分最大可减少约53%,地面要素的CRPS评分平均减少6%,整体提高了对流尺度集合预报质量。(3) PO方法能够提高短时降水的预报能力,0.1 mm、4 mm和13 mm 3个量级的TS评分分别提升了0.015、0.003和0.001 5。且降水个例表明,PO方法对降水的落区和量级预报更准确。

     

集合预报多尺度奇异向量初值扰动方法研究

目前国际上采用的奇异向量集合预报初值扰动法对于初值不确定性的描述存在一定的不足,为了更有效地反映初始误差的时空多尺度特性,基于GRAPES全球奇异向量计算技术,计算了不同空间分辨率及不同最优时间间隔的多个尺度的奇异向量,并采用基于高斯分布的线性组合法来构造多尺度奇异向量的扰动初值,以代表在相空间中增长最快的多尺度初值误差模态。通过2019年1月19日的初值扰动集合预报试验,对比分析了单一尺度奇异向量初值扰动法与多尺度初值扰动法的扰动特征及集合预报效果。结果表明,多尺度奇异向量初值扰动法为区域集合预报提供的初始扰动场是合理的,扰动的大小随时间增长,且在空间分布上较好地反映了当前大气的斜压不稳定特征。此外,多尺度奇异向量扰动可以描述一定的大尺度以及中小尺度运动误差特征,较单一尺度奇异向量扰动能反映出更多初始场的不确定性信息。检验分析表明,GRAPES多尺度奇异向量集合预报在集合一致性、连续等级概率评分、离群值等方面有一定的优势,相比于单一尺度奇异向量法有较好的预报技巧。因此,基于GRAPES的多尺度奇异向量初值扰动法对于集合预报的预报效果有一定的提高,能为构建一套完善的GRAPES区域奇异向量集合预报系统提供一定的科学依据和应用基础。      

随机物理倾向扰动在风暴尺度集合预报中的影响研究

为深入探究随机物理倾向扰动（Stochastically Perturbed Parameterization Tendencies,SPPT）方案在风暴尺度集合预报中的影响,基于WRF模式利用FNL资料对SPPT方案中的3个参量分别进行敏感性试验,得到SPPT方案的最佳参数配置,并在此基础上分析SPPT方案模拟的降水分布特征。结果表明:SPPT方案敏感性试验中,去相关时间选择6 h时构造的集合成员可信度更高,逐时降水评分效果在积分中后期较高,对于暴雨及以上量级的评分技巧最优;造成降水主要天气系统的维持时间对该变量的选取有较大的影响。去相关空间尺度选择100 km的集合试验更为可靠,对降水预报技巧较高;同时该变量的选取与天气过程中的大尺度信息、中小尺度系统的活跃以及模式的空间分辨率有密切联系。通过对离散度和离群值分析认为扰动振幅选择0.525最为合理。SPPT方案集合成员在局部地区可以较大幅度地改变降水量,对降水落区的准确模拟存在一定的局限性。      

对流尺度集合预报成员数对降水预报的影响北大核心CSCD

选取2022年川渝地区发生的16个强降水个例开展对流尺度集合预报批量试验,并通过对31组初值采用不同集合成员数时的降水集合预报技巧进行检验评估和综合分析。结果表明:集合成员的降水预报技巧总体上大致相当,因而采用不同成员数时预报技巧差异也不明显;表征降水总体分布特征的Talagrand分布和预报失误概率以及表征降水概率预报技巧的相对作用特征面积随着成员数的增加而逐渐改进,但当成员数达到一定数值后继续增大成员数对预报改进不明显。总体而言,对流尺度集合预报成员数设置为16~18最适宜。     

初始扰动振幅和集合样本数对CNOPs集合预报的影响

初始扰动振幅的大小和集合样本数对于集合预报取得更高预报技巧具有重要意义。本文将正交条件非线性最优扰动方法（orthogonal conditional nonlinear optimal perturbations,简称CNOPs）应用于概念模型Lorenz-96模式探讨了初始扰动振幅和集合样本数对集合预报技巧的影响,从而为使用更复杂模式进行集合预报提供指导。结果表明,由于CNOPs扮演了非线性系统中的最优初始扰动,从而使得当初始扰动振幅小于初始分析误差的大小时,CNOPs集合预报获得更高的预报技巧,并且CNOPs集合预报的最高预报技巧总是高于奇异向量法（singular vectors,简称SVs）集合预报的最高预报技巧。结果还表明,CNOPs集合预报倾向于具有一个合适的样本数时,达到最高技巧。更好的集合离散度——预报误差关系和更为平坦的Talagrand图（Talagrand diagram）进一步证明了CNOPs集合预报系统的可靠性,从而夯实了上述结果的合理性。因此,针对CNOPs集合预报,本文认为采用一个适当小于初始分析误差的初始扰动振幅和一个合适的集合样本数,有利于CNOPs集合预报达到最高预报技巧。     

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。     

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...     

区域集合预报扰动方法研究进展综述

集合预报方法是解决单一数值预报不确定性问题的有效手段,而针对强天气预报的中尺度区域集合预报技术已逐渐受到国内外的重视。对于区域集合预报而言,由于其不确定性来源较为复杂,如何发展有效的扰动方法是研究的热点和难点。本文根据国内外区域集合预报的研究进展,从初值扰动、模式扰动以及侧边界扰动三个方面进行了总结和回顾,并对扰动方法的发展趋势进行了介绍。对于初值扰动,较为主流的方法有动力降尺度,沿用传统的由全球集合扰动方法发展而来的技术为区域集合产生初值,以及专门为区域集合设计的扰动方法。鉴于这些方法各有利弊,目前对于初值扰动方法的研究已经开始发展充分包含大尺度和小尺度不确定性信息的混合扰动方法。区域集合预报模式扰动的研究以物理过程扰动为主,典型方法为多物理过程组合以及随机物理过程扰动,其中多物理过程组合方法简单有效,而随机物理过程扰动方法的物理意义更为明确,是物理过程扰动的趋势。通过多模式组合进行模式扰动的方法也开展了一些相关研究,且对于台风等强天气预报均显示出相对于单模式集合较好的效果。侧边界扰动的主流方法是由大尺度集合预报场来为区域集合提供不同的侧边界,研究结果表明此种侧边界扰动方法简便易行,且有助于提高区域集合预报较长预报时效离散度和预报技巧。     

风暴尺度集合成员数对预报技巧的影响

利用WRFV2.2模式,对1977年5月20日发生在美国Oklahoma的典型超级单体风暴进行集合预报试验。采用蒙特卡洛法对不同区域初值扰动,对比分析成员个数的变化对预报技巧的影响,检验集合技术应用于风暴尺度系统的可行性及应用价值。结果显示,基于WRFV2.2模式的风暴尺度集合预报（storm-scale ensemble forecasting,SSEF）能够从热力场和动力场上改善单一确定性预报,并成功预报极端降水,表明SSEF具有较高的应用和研究价值;总体上预报技巧随成员数增加而增加,当集合成员数达到5-13时,预报技巧呈饱和特征,不同变量、不同扰动区域时的饱和成员数略有差异。     

基于动力降尺度的区域集合预报初值扰动构建方法研究

利用全球集合预报系统资料(Global Ensemble Forecast System,GEFS),基于WRF中尺度模式构建了区域集合预报系统,区域集合初值的构建采用两种方案,一种是GEFS全球集合预报初值场直接动力降尺度(称为DOWN集合),另一种是提取GEFS全球集合降尺度后的扰动场,并叠加到区域数值预报系统(北京快速更新循环数值预报系统:Beijing Rapid Update Cycle System,BJ-RUC)分析场上构建集合初值场(称为D-RUC集合)。进行了批量试验,通过对比发现D-RUC集合的中小尺度扰动增长优于DOWN集合,而大尺度扰动分量的增长两者相当,说明与高分辨率分析场叠加可以促进动力降尺度扰动的中小尺度扰动分量的增长。集合预报扰动准确性检验结果显示,短预报时效内DOWN集合扰动明显低估了预报误差,在预报误差较大的位置扰动较小,而D-RUC集合能够更好地识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,D-RUC方法能显著改善短时效预报效果,集合离散度有所增加、均方根误差有所减少,概率预报评分显示D-RUC集合比DOWN集合在短预报时效占优。降水个例分析结果表明D-RUC方法能显著改善短时效内的降水概率预报效果。     

基于非静力模式物理扰动的中尺度集合预报试验

以GRAPES中尺度有限区模式作为试验模式, 从模式的不确定性方面来构造中尺度的集合预报, 重点考虑物理因子与初始条件的扰动作用。针对2004年7月10日北京城区的突发性暴雨过程进行了36 h的集合预报试验。结果表明:GRAPES模式可有效地捕捉到中尺度过程的信息; 中尺度集合预报是可行的, 可改进中尺度暴雨过程落区、强度的预报; 不同集合方案的预报结果各不相同, 同一方案各个成员的预报结果也有差异, 即存在适宜的离散度; 在离散度分析中发现在北京附近存在一个明显大值区, 且在大气中低层的垂直结构表现出一致性, 表明这一区域的预报不确定性很大。从集合检验结果中得到:单纯考虑模式物理扰动来构造中尺度集合预报系统有一定难度, 当加入初始场不确定信息后, 同时考虑模式的不确定性和初始场的不确定性, 有助于捕捉更多的中尺度系统的不确定信息, 有助于构造更为有效的中尺度集合预报系统。     

GRAPES区域集合预报模式的初值扰动增长特征

基于GRAPES-REPS（Global and Regional Assimilation and Prediction Enhanced System-Regional Ensemble Prediction System）区域集合预报模式和集合变换卡尔曼滤波（Ensemble Transform Kalman Filter,ETKF）初值扰动方法,对2015年6月1~15日10 km与15 km水平分辨率分别进行集合预报试验,通过分析ETKF初值扰动分量、初值扰动方差准确率、动能谱、扰动能量演变、日变化及集合离散度、均方根误差等特征,揭示GRAPES-REPS区域集合预报ETKF初值扰动结构及增长特征。结果表明:（1）ETKF初值扰动方案产生的扰动能够保持所有正交、不相关方向的误差方差,且ETKF分量α参数值及放大因子具有较好的稳定性。（2）ETKF初值扰动方法生成的扰动场以大尺度扰动为主,扰动结构及能量具有随流型依赖特征,低层以内能扰动为主,高层以动能扰动为主,且集合扰动可以有效捕捉预报误差的结构。（3）GRAPES区域集合预报初值扰动总能量和集合离散度随预报时效的延长均呈发展趋势,但离散度增长率小于均方根误差增长率,即集合预报总体存在集合离散度不足的问题。（4）水平分辨率提高可以增加中高层大尺度扰动波谱能量,明显改进等压面及近地面风场及温度场的集合预报效果。值得指出的是,GRAPES-REPS区域集合预报低层内能扰动能量存在明显的日变化特征,特别是青藏高原地区更加显著,需要进一步研究青藏高原初值扰动结构的合理性。     

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。     

基于对流尺度集合预报方法对一次暴雨过程预报的分析

为了更加直观和深入地理解对流尺度集合预报中的降水集合预报产品,以便进一步向预报员推广应用,本文开展了基于对流尺度集合预报方法对2021年8月28—29日的一次暴雨过程的预报性能分析,对集合预报的暴雨和大暴雨量级降水预报技巧进行了综合分析。结果表明：(1)不同集合成员降水预报结果的差异随着降水量级的增大越发明显,预报最优和最差的成员的TS评分相差0.3以上。(2)概率匹配平均预报对于暴雨和大暴雨量级降水的预报技巧优于控制预报,也优于集合平均。集合平均由于集合成员预报的平滑作用导致其对极端降水不敏感,因此,简单的集合平均不适合于大暴雨以上量级的极端降水预报。(3)从最小值预报到最大值预报,随着集合百分位的增大,命中率、空报率和频率偏差均逐渐增大,70%或者80%集合百分位预报的预报技巧最优,且优于集合平均和概率匹配平均预报。(4)对于重庆东北部偏西地区出现的大暴雨量级降水,较长预报时效集合概率预报均预报出了一定的降水概率,最长提前60 h,相应的最优的集合成员的降水预报与实况也较为接近。     

风暴尺度集合预报最优侧边界条件扰动方法设计:个例分析

考虑到全球预报模式与风暴尺度预报模式在分辨率上的显著差异,在构造风暴尺度集合预报系统的时候需要用一个中间分辨率的中尺度区域模式为风暴尺度模式提供侧边界条件扰动,但如何构造侧边界扰动才能更为有效地提高风暴尺度集合预报系统的预报能力目前仍然未知。本文基于WRF模式,通过一次个例试验设计了风暴尺度集合预报中的3种不同侧边界扰动方案,结果表明:直接通过0.5°水平分辨率全球集合预报扰动插值所得到的侧边界扰动(LBC_DOWN)在预报中可以获得较高的大尺度扰动能量,而在中尺度区域模式(本文中为模式外层)中通过ETKF循环所构造的侧边界条件扰动(LBC_CYCLE)包含较高的中小尺度能量,而将LBC_CYCLE中的中尺度扰动信息与LBC_DOWN中的大尺度扰动信息相混合所得到的混合侧边界扰动(LBC_BLEND)在大尺度能量上更接近于LBC_DOWN,在中小尺度能量上更接近于LBC_CYCLE;LBC_BLEND较前两种方案有着更好的离散度技巧表现;在降水概率预报技巧方面LBC_BLEND与LBC_CYCLE较为接近,且均优于LBC_DOWN。