集合模式定量降水预报的统计后处理技术研究综述

集合数值模式预报已在定量降水预报业务中广泛应用,以获得预报不确定性、最可能预报结果以及极端天气预警。由于集合系统的数值模式不完善,且不能提供所有的不确定性信息,常表现出系统性偏差以及欠离散或过离散（如对于多模式集合）。为此,需要发展统计后处理技术,在尽量保持集合预报解析度的条件下,提高预报的技巧和可靠性。近年来,各种集合预报统计后处理技术得到快速发展。针对定量降水预报,依据技术方法的途径和成熟度将后处理研究归纳为3方面进行总结,包括:（1）不基于统计模型的非参数化后处理,包括集合定量降水预报偏差订正、多成员或模式信息集成以及基于空间分析的对流尺度模式后处理;（2）基于概率分布统计模型的参数化后处理,包括集合模式输出统计和贝叶斯模型平均两种方法框架;（3）考虑预报量的时间、空间和多变量间依赖关系或结构的处理方法,包括参数化和经验连接概率法。最后,讨论发展统计后处理技术需要关注的问题,包括考虑不同来源、不同尺度的多模式信息集成;提供高质量、高分辨率的降水分析资料;发展再预报技术扩充训练样本;基于不同的订正目的和应用场景来使用不同的后处理技术;发展面向海量预报数据、捕捉极端降水以及考虑预报量结构的新技术。      

地级对上级预报补充订正方法和技术流程

本文在客观分析我国地市级预报业务发展情况的前提下，在建立规模较大的历史天气图、地面要素、数值预报产品库的基础上，设计一套集多种预报方法于一体的天气预报技术流程。其中各子系统设计均考虑到资料库归并、方法多样、模式客观、补充灵活、为在新的预报流程下，实现由主观预报向客观预报转变和多方位释用数值预报产品提供了新的思路。     

多模式集合预报及其降尺度技术在东亚夏季降水预测中的应用

利用动力季节模式输出的匹配域投影技术和多模式集合预报技术对多个国家和城市的站点月平均降水进行预报。预报变量是北京1个站、韩国60个站和曼谷地区8个站点的月平均降水,预报因子是从多个业务动力季节预报模式输出的多个大尺度变量。模式回报数据和站点观测降水数据时段是1983—2003年。降尺度预报降水的技巧是在交叉验证的框架下进行的。匹配域投影方法是设定一个可以活动的窗口在全球范围内大尺度场上进行扫描,寻求与目标站点降水最优化的因子和最相关的区域,目标站点的降水变率就是由该匹配域上大尺度环流场信息决定的。最终预报是用多个降尺度模式预报结果的集合预报(DMME)。多个降尺度模式预报结果的集合预报能显著地提高站点降水的预报技巧。北京站,多个降尺度模式预报结果的集合预报的预报和观测降水的相关系数可以提高到0.71;韩国地区,多个降尺度模式预报结果的集合预报平均技巧提高到0.75;泰国,多个降尺度模式预报结果的集合预报技巧是0.61。     

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。     

我国无缝隙精细化网格天气预报技术进展与挑战

本文总结了2014年以来我国无缝隙精细化网格天气预报业务的技术进展,讨论了未来发展所面临的关键技术难点。无缝隙精细化网格预报技术的发展,得益于综合气象观测数据和多源资料融合分析网格实况产品的支撑,更依赖于多尺度数值预报模式和实时快速更新同化预报系统的快速发展。经过近5年的探索和努力,我国已经初步建立了针对不同预报时效的无缝隙精细化网格预报技术体系。对于0～4 h预报时效,主要基于全国雷达拼图和GRAPES-Meso模式预报,发展临近分钟级滚动外推预报技术;对于4 h到30 d预报时效,主要通过对区域或全球不同时空分辨率模式预报进行偏差订正、客观解释应用以及降尺度分析,提高预报的准确度和精细度。与此同时,研发了自动化、智能化的交互式预报制作平台,以满足客观高效制作与预报员对极端或高影响天气主观预报优势相结合的需求。发展了以格点实况分析场为参照的空间分析检验方法,初步实现了对高分辨率网格预报的质量跟踪和性能评估。未来的网格预报技术体系,需要吸纳前沿的技术研究成果,包括人工智能应用技术、高级多模式统计后处理技术和协调一致性关键技术等,并且建立统一完整的技术架构和开发标准等。     

基于小波分析的客观预报方法在智能网格高低温预报中的应用

基于2017—2018年中国气象局高分辨率数值预报产品、甘肃实时城镇预报产品和国家级地面观测站数据,利用小波分析、滑动训练、最优融合等技术,研发出甘肃省智能网格高低温客观订正产品。检验分析表明:城镇预报产品、滑动训练订正产品、最优融合产品3种订正产品对CMA预报均有订正能力,3种客观订正产品的最高气温订正能力强于最低气温订正能力;滑动训练法与最优融合法产生的高低温订正产品,在系统误差明显地区(甘南、陇南等)的预报结果要好于模式客观预报,而高低温城镇预报产品在气温局地性强或者模式客观预报能力差的区域有优势;最优融合预报方法生成的高低温产品预报能力略高于滑动训练订正产品且与现有预报员制作城镇预报产品基本持平,初步具备了替代主观预报的能力。     

集合预报在渤海极大风预报中的应用

利用2015年2月至2018年2月地面气象常规观测中逐小时极大风及欧洲中期天气预报中心集合预报中6 h极大风预报数据,选取渤海海域代表站点,对集合预报极大风产品进行预报误差特征分析。分析表明:集合预报极大风产品的离散度明显偏小于均方根误差,各个预报成员的预报结果集中与否并不能反映出预报可信度。受模式预报能力所限,无法简单通过集合预报选取出最为可信的预报结果。集合平均、第75%分位值、最大值在极大风预报中各有优劣,因此基于以上三个统计量及不同量级风速发生的频率建立了渤海极大风预报客观订正方法,试验对比分析表明,该订正方法可以使极大风预报准确率有效的提高,为大风天气过程预报提供重要参考。     

强对流天气监测预报预警技术进展

强对流天气预报业务包括监测、分析、预报、预警和检验等方面。对流初生识别、对流系统强度识别和对流天气类型识别等监测技术取得新进展,综合多源资料的监测技术已应用于中国气象局中央气象台业务。对流系统的触发、发展和维持机制等获得了新认识,我国不同类型强对流天气及其环境条件统计气候特征、分析规范及相应业务产品等为业务预报提供了必要基础和技术支撑。光流法、多尺度追踪技术以及应用模糊逻辑方法的临近预报技术等有明显进展,融合短时预报技术得到广泛应用,对流可分辨高分辨率数值 (集合) 预报及其后处理产品预报试验取得了显著成效,基于数值 (集合) 预报应用模糊逻辑方法的分类强对流天气短期预报技术为业务预报提供了技术支撑。强对流天气综合监测和多尺度自适应临近预报技术、多尺度分析技术以及融合短时预报技术、发展并应用模糊逻辑等方法的、基于高分辨率数值 (集合) 模式的区分不同强度等级和极端性的分类强对流天气精细化 (概率) 预报技术等是未来发展的主要方向。     

台风路径数值预报实时订正技术及其集成应用

以台风路径数值预报的短时效预报偏差和目标时效（指所需订正的时效）的纬度预报为预报因子,采用多元线性回归方法建立了台风路径预报的偏差预估方程,继而对台风路径预报进行实时订正。本文以12 h为短时效,通过对欧洲中期天气预报中心确定性预报模式（ECMWF-IFS）和集合预报模式（ECMWF-EPS）的台风路径预报的应用,得到以下结论:2018年试报结果表明,24 h、36 h、48 h、60 h、72 h、84 h订正后的ECMWF-IFS台风路径预报的平均距离误差分别比订正前减小了7.3 km、9.3 km、8.9 km、6.5 km、6.9 km、2.6 km,总体来说较强台风（指12 h的台风强度实况≥32.7 m s?1）路径预报的订正效果更好。尝试了先对ECMWF-EPS各成员的台风路径预报进行订正,再进行集成预报,并对比了以下5种方式得到的台风路径预报:“订正后的确定性预报”、“所有集合预报成员集合平均”、“优选集合预报成员集合平均”、“所有集合预报成员先订正再集合平均”和“优选集合预报成员先订正再集合平均”,2018年试报结果表明,对于平均距离误差,24 h和36 h“优选集合预报成员先订正再集合平均”最小,48 h和60 h“所有集合预报成员先订正再集合平均”最小,72 h和84 h“优选集合预报成员集合平均”最小,如果在业务中有针对性地进行应用,有望获得一个在各预报时效表现都较优异的台风路径客观综合预报结果。24 h、36 h、48 h、60 h“优选集合预报成员先订正再集合平均”的平均距离误差分别比“所有集合预报成员集合平均”减小了13.3 km、11.7 km、10.0 km、7.6 km,比中央气象台官方预报（对应的时效为12 h、24 h、36 h、48 h）减小了0.7 km、2.0 km、3.9 km、2.4 km。     

台风路径集合预报的实时订正技术研究

在台风业务预报中,由于模式运行、后处理及资料传输等原因,数值模式指导产品包括集合预报都存在一定时间的滞后,若直接使用会造成数值模式或集合预报平均的预报效果降低。利用ECMWF集合预报台风路径和中央气象台(简称中央台)实时业务定位,在统计分析的基础上,提出一种业务上可用的针对单模式集合预报的台风路径实时订正技术。结果表明,该方法明显优于单模式集合预报平均和确定性预报,在对2012年的预报试验中,24、48、72、96 h的时效路径预报误差分别比集合平均提高了15%、6%、10%、8%。同时其路径误差优于目前我国业务路径预报,2012年平均24、48、72、96 h的路径误差分别减小7、7、11、10 km。     

集合预报统计学后处理技术研究进展

近年来,随着集合预报的广泛应用,大量新颖的集合预报统计学后处理方法层出不穷,因此有必要对其进行系统地回顾。首先,对单变量集合预报统计后处理方法进行分类介绍,包括基于特定数学分布的参数化方法:逻辑回归、非均匀回归、贝叶斯模型平均、集合敷料法,以及灵活的非参数化方法:排序直方图订正、可靠性曲线订正、衰减平均偏差订正、分位数映射、分位数回归、概率匹配、频率匹配、最优百分位、最优评分法、逐成员订正、相似法、邻域法、基于对象的概率预报方法和虚拟降水法。其次,拓展到须考虑变量依赖性结构的多变量集合预报统计后处理方法,包括参数化的连接方法,以及非参数化的集合连接耦合和Schaake洗牌法。再次,介绍多模式集合和机器学习方法。最后,总结并讨论了常用的集合预报统计后处理方法使用中需要注意的问题。     

基于分段层次聚类的中国强降水集合平均预报逐步订正方法研究

集合预报在数值天气预报中占有重要地位,如何有效地从集合成员中提取信息以提高降水的集合平均预报技巧是重要科学问题。采用2019—2022年夏季中国气象局全球集合预报业务模式（China Meteorological Administration Global Ensemble Prediction System,CMA-GEPS）的逐日累计降水量集合预报数据,发展了基于分段层次聚类的逐步订正方法（Stepwise correction method based on segmented Hierarchical Clustering, SHC）以改进该模式的强降水集合平均预报结果,并定量评估了SHC方法的性能,比较了其与集合平均（EM）和直接聚类法（HC）的订正效果差异。结果表明：SHC方法由于采取了分段聚类订正来有效引入更有价值的集合成员预报信息,进而修正集合平均预报结果,提升目前在短、中期天气集合预报中的强降水预报能力;该方法的逐日连续预报检验评分总体在降水预报订正方面有优势,相对于EM和HC方法预报技巧均有明显提升,证明其具有良好的适用性;对于2021年郑州7·20暴雨个例的应用显...     

厦门地区地面气温的多模式集成统计降尺度预报研究

利用双线性插值与线性回归方法、消除偏差集合平均(bias-removed ensemble mean,BREM)和多模式超级集合预报(Super-ensemble Prediction,SUP)方法对厦门地区的地面气温进行统计降尺度分析,结果表明:在2013年夏季的3个月中,降尺度后三个单模式对厦门地面气温的预报效果显著改善。使用多模式集成预报方法(BREM和SUP)后,预报误差进一步减小。对比整体预报效果最好的单模式ECMWF,降尺度后3~96h预报误差均在3℃以下。此外,结合SUP方法的降尺度预报能最大程度的改善地面气温的预报误差。     

上海区域要素客观预报方法效果检验

数值模式的客观释用是数值模式在业务工作中发挥效能的重要环节。在对上海区域数值模式近5年的模式直接输出(DMO)进行检验的基础上,分别采用卡尔曼滤波释用(KLM)和最优化集成释用(OCF)的方法进行要素客观释用,总结出区域数值模式的预报性能,客观释用也取得令人鼓舞的结果:(1)近几年,上海区域数值模式的直接输出结果(DMO)对温度、湿度以及风向的预报改善不明显,甚至还有变差现象,风速的预报自2005年起有改善,但主要体现在预报的稳定性方面。(2)KLM方法较DMO在温度、相对湿度和风速的预报上均有明显提高,但是风向的预报无明显提高,预报准确率甚至略有下降。(3)OCF方法的预报性能较KLM方法略有提高。温度、相对湿度以及风向的预报准确率提高约2%,风速预报与KLM方法相当。在春季和冬季,OCF的预报水平已经与主观综合预报相当,如果主观综合预报能充分参考OCF的预报结果,主观综合预报"春季和冬季预报误差相对偏大"这一弱点能得到改善。检验结果能为数值模式的开发和调试者提供有益的参考,而最优化集成方法的成功业务尝试也佐证了集成预报在数值模式客观释用中的美好前景。     

BP-CCA方法用于四川盆地夏季日降水量的可预报性研究

基于BP-CCA方法,首先讨论了多个因子对四川盆地夏季降水降尺度模型的可预报性,然后选取最佳预报因子并进行集合,最终基于T639模式建立最优多因子降尺度预报模型.结果表明,分别以东亚夏季10m纬向风、700hPa纬向风和700hPa相对湿度为预报因子的降尺度模型对四川盆地夏季降水的预报技巧较高,而将三个因子集合的多因子降尺度预报模型具有更好的预报能力.进一步将该方法应用于T639模式预报的预报因子场,发现多因子降尺度模型对降水的预报效果要优于T639模式直接输出的结果.     

基于大尺度模式产品的误差订正与统计降尺度气象要素预报技术

应用自适应卡尔曼滤波方法,对大尺度模式要素预报进行误差订正和降尺度精细化气象要素预报。并通过对订正系数科学选取的研究,改进了滤波方法的应用效果。通过对大尺度模式系统进行误差订正,改善了大尺度模式预报的准确率,提高了模式要素,如2 m温度、10 m风等预报的精度,并基于改善了的大尺度模式预报场和高分辨率观测场,生成降尺度函数,得到高精度的气象要素预报产品,为精细化气象要素预报服务提供了有效的方法。     

长三角地区短时临近融合定量降水预报

通过雷达外推及高分辨率数值模式预报相互订正融合,建立了时效6 h的长三角地区短时临近融合定量降水预报产品。采用一种主流的融合方案,并在外推、模式订正和融合方案上进行改进,完成了基于长三角地区11部雷达反射率组网和数值预报资料的COTREC外推扩展,基于韦伯变换的数值预报强度修正和基于目标识别匹配的位相修正,基于回波尺度和预报时效的动态权重系数调整和基于实况降水的动态Z-R关系选择等技术开发。结果表明融合方法能够延长外推预报时效,订正数值模式预报的强度及位置误差,预报效果总体优于两者。     

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。     

最优子集回归方法在季节气候预测中的应用

利用DEMETER计划多个模式的模拟资料研究1959～2001年多模式集合预报的季节降水在中国区域的表现, 并结合最优子集回归(OSR)方法对中国区域的季节降水进行降尺度预报, 比较其与多模式集合预报的技巧。研究表明: 多个单模式在中国区域对季节降水的模拟性能普遍较差, 多元线性回归(MLR)集合的预报技巧不如集合平均(EM)。利用OSR方法进行降尺度预报可以极大改善中国区域季节降水的预报技巧。夏季, 降水距平相关系数(ACC)在长江以南、西藏以及内蒙古中部等地区提高很显著, ACC在中国区域的平均达到0.29, 明显高于多模式集合平均与多元线性回归集合。冬季, OSR方法可以改善多模式集合在中国北方地区较低的预报技巧。概率Brier技巧评分(BSS)也表明了OSR方法对季节降水预报的改善。需要说明的是, 虽然OSR方法在中国区域能明显提高季节降水的预报技巧, 但是其选取的预报因子与中国区域季节降水的物理机制问题仍有待于进一步的研究。     

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