存在参数误差的滞后时间集合预报效果检验

在一个简化气候模式的混沌态上,针对模式存在参数误差,改变观测误差量级,对滞后时间集合预报的效果进行分析。数值试验结果表明:滞后时间集合预报的预报效果与滞后时段有关,并非过去时刻资料使用的越多,预报效果就越好。存在观测误差的滞后时间集合预报也是有效果的,滞后时间集合预报效果要明显好于控制试验。只使用过去多个精确初始场进行滞后时间集合预报并不能订正模式误差,观测误差越大,最优回溯时段越短。     

SWCWARMS模式小时降水量时间滞后集合预报研究

基于SWCWARMS模式9km×9km分辨率逐小时降水预报,通过时间滞后集合预报方法构建多个集合成员,使用SAL评分值计算相应集合成员的权重系数,进行不等权集合平均,从而得到新的逐小时降水预报。利用SAL、TS和BIAS检验方法对四川省2019年8月的逐小时降水量时间滞后集合预报及相应的SWCWARMS模式最新时次预报进行对比分析,结果表明:(1)时间滞后集合预报SAL检验的L值和A值都较模式预报更接近于0,较好地改善了降水位置和强度的整体预报水平;(2)时间滞后集合预报对逐小时降水晴雨TS评分提升明显,评分提高百分率在10%左右,有效地减小了模式在晴雨方面的空报;(3)临近预报时效,时间滞后集合预报方法对于大量级降水预报也有较好的订正效果。     

基于快速更新同化数值预报的小时降水量时间滞后集合订正技术

由中小尺度对流系统造成短时强降水天气的发生发展十分迅速,对其落区和时效的预报预警一直都是预报业务中的难点。本文基于快速更新同化的中尺度数值预报系统GRAPES-RAFS 0. 1°×0. 1°分辨率逐小时降水预报,首先通过时间滞后集合预报方法构建了多个集合成员,使用平均TS评分值计算相应预报成员权重系数建立预报方程,然后采用频率匹配订正法进行降水量级订正,从而得到集合订正的逐小时降水量预报。2017年8-9月的逐日试验和典型个例预报结果评估表明效果良好。(1)GRAPES-RAFS最新时次的预报场并不完全代表最好的预报效果,通过时间滞后集合订正方法自动识别优选预报成员,显著提高了预报能力;(2)GRAPES-RAFS预报存在降水量级偏弱的系统性误差,经过频率匹配方法订正后,在量级预报上更接近实况;(3)时间滞后集合预报对我国中东部(包括黄淮、江淮、江南地区)的小时降水量订正效果最好;(4)进一步使用的频率匹配订正方法显著提升了逐时降水量的预报效果,其在降水频率更高、强度更大的江南南部、华南、西南地区效果更为显著;(5)对于中小尺度的强降水过程,经过上述方法订正后,显著提高了模式对强降水系统位置、形态及降水量级的预报水平。     

基于快速更新同化的滞后短时集合预报试验及检验

本文基于华东区域中尺度快速更新同化数值预报模式系统(Shanghai Meteorological Bureau WRF ADAS Rapid Refresh System,SMB WARR),应用时间滞后法进行集合预报试验,试验由7个集合预报成员组成,进行逐小时预报,预报时效为6 h。本文通过对2011年6月17日至9月30日期间降水过程进行集合预报试验,引入面雨量对降水预报进行检验。结果表明：(1)小 大雨量级,集合平均优于集合成员预报,但暴雨量级集合平均不及部分集合成员预报。(2)不同的降水量级,并非都是最接近预报时刻,技巧最高,小 大两量级的降水可以提前6 h预报。(3)降水概率预报优于集合平均预报,具有很好的指示作用。可关注最接近预报时刻,小 中雨以上的降水,预报概率较大时,其可用性较大,而大 暴雨以上的降水,预报概率较小时,可用性较大。     

集合预报的现状和前景

综合论述了近年来已在国际上引起高度重视的新一代动力随机预报方法 ——— 集合预报。 随着计算机技术的迅猛发展和由于大气初值和数值模式中物理过程存在着不确定性的事实, 这一方法无疑代表了数值天气预报未来演变发展的方向。 未来的天气预报产品预计将从“决定论”的预报转变为“随机论”的预报来正确地表达气象科学中这一所谓“可预报性问题”, 以便更好地为用户服务。 文中扼要地叙述了集合预报的概念、基本问题及其最新的研究动态和发展, 包括(1)如何建立和评估一个集合预报系统;(2)如何正确地表征大气初值和模式物理过程的不确定性与随机性;(3)如何从集合预报中提炼有用的预报信息和合理地解释、检验集合预报的产品, 特别是概率预报。 除了直接在天气预报上的应用, 还提到集合预报在气象观测和资料同化方面应用的动态, 以引起有关研究人员的注意。     

两个集合预报系统对秦岭及周边降水预报性能对比

利用欧洲中期天气预报中心 (ECMWF)、美国大气环境预报中心 (NCEP) 集合预报系统 (EPS) 降水量预报资料,CMORPH (NOAA Climate Prediction Center Morphing Method) 卫星与全国3万个自动气象站降水量融合资料,基于技巧评分、ROC (relative operating characteristic) 分析等方法,对比两个集合预报系统对秦岭及周边地区的降水预报性能。结果表明:两个系统均能较好表现降水量的空间形态,对于不同量级降水,ECMWF集合预报系统0~240 h控制及扰动预报优于NCEP集合预报系统,但NCEP集合预报系统264~360 h预报时效整体表现更好; ECMWF集合预报系统0~120 h大雨集合平均优于NCEP集合预报系统,两个系统集合平均的预报技巧整体低于其控制及扰动成员预报,这种现象ECMWF集合预报系统表现更为显著; ECMWF集合预报系统降水预报概率优于NCEP集合预报系统。ROC分析显示,随着预报概率的增大,ECMWF集合预报系统在命中率略微下降的情况下,显著减小了空报率,NCEP集合预报系统则表现出高空报、高命中率。     

基于TIGGE多模式集合的24小时气温BMA 概率预报

利用TIGGE(THORPEX Interactive Grand Global Ensemble)单中心集合预报系统(ECMWF、United Kingdom Meteorological Office、China Meteorological Administration和NCEP)以及由此所构成的多中心模式超级集合预报系统24小时地面日均气温预报,结合淮河流域地面观测率定贝叶斯模型平均(Bayesian model averaging,BMA)参数,从而建立地面日均气温BMA概率预报模型.由此针对淮河流域进行地面日均气温BMA概率预报及其检验与评估,结果表明BMA模型比原始集合预报效果好;单中心的BMA概率预报都有较好的预报效果,其中ECMWF最好.多中心模式超级集合比单中心BMA概率预报效果更好,采用可替换原则比普通的多中心模式超级集合BMA模型计算量小,且在上述BMA集合预报系统中效果最好.它与原始集合预报相比其平均绝对误差减少近7%,其连续等级概率评分提高近10%.基于采用可替换原则的多中心模式超级集合BMA概率预报,针对研究区域提出了极端高温预警方案,这对防范高温天气有着重要意义.     

时间滞后与奇异向量初值生成方法的比较试验

简单介绍了国家气象中心基于奇异向量初值生成方法的神威集合预报准业务系统, 它主要包括资料的前处理、客观分析、预报模式、初值扰动的生成、后处理、产品制作和系统监控七个部分, 共有 32 个成员。 提出了 12 个成员的时间滞后法集合预报系统的实施方案, 并与奇异向量法进行了对比试验。 结果表明, 不论是距平相关系数还是均方根误差, 奇异向量法在绝大多数区域和预报时效都比时间滞后法好。     

ECMWF集合预报系统对秦岭周边地区降水确定性预报的性能分析

尽管确定性预报不是集合预报系统(EPS)的主要目的和应用方向,但其每一个成员的预报表现决定了集合预报系统的预报性能,集合平均也是实际预报业务的一个重要参考指标。为此,利用2013~2015年5~10月的欧洲中期天气预报中心(ECMWF)集合预报系统的降水预报资料,CMORPH(NOAA Climate Prediction Center Morphing Method)卫星与全国3×10~4余个自动气象观测站的逐小时降水量融合资料,研究ECMWF集合预报系统对秦岭周边地区逐日降水的控制预报、成员预报、集合平均的预报能力,并探索提高降水集合平均预报性能的有效方法。主要结论如下:(1)无论是集合平均还是控制预报,整体上都较好的刻画了秦岭周边地区降水的空间形态,比较而言,控制预报能够更好的表现了降水的方差变化。(2)泰勒分析表明,集合平均的降水方差随预报时效增加单调减小,控制预报的方差变化随预报时效的增长振荡较小,其相关系数略优于集合平均。(3)技巧评分表明,集合平均使小雨(降水发生频次)的预报偏差显著增加,增大了空报率;使大雨以上的降水预报偏差减小,增大了漏报率,从而使得大多数情况下,集合平均TS(Threat Score)、ETS(Equitable Threat Score)评分低于控制及扰动成员预报。分析认为这主要是由于降水这一要素的偏态分布特性引起的。(4)集合平均的显著贡献在于能够较好的指示可能发生降水的空间位置。通过阈值限定,调整预报偏差,减少(增大)其对小雨(暴雨)的预报频率,能够使集合平均的TS、ETS评分大幅度提升,预报技巧显著优于成员预报和控制预报。目前,预报偏差Bias订正方法已成功应用于陕西省精细化格点预报系统中。     

Effect of doubling the ensemble size on the performance of ensemble prediction in the warm season using MOGREPS implemented at the KMA

Using the Met Office Global and Regional Ensemble Prediction System (MOGREPS) implemented at the Korea Meteorological Administration (KMA), the effect of doubling the ensemble size on the performance of ensemble prediction in the warm season was evaluated. Because a finite ensemble size causes sampling error in the full forecast probability distribution function (PDF), ensemble size is closely related to the efficiency of the ensemble prediction system. Prediction capability according to doubling the ensemble size was evaluated by increasing the number of ensembles from 24 to 48 in MOGREPS implemented at the KMA. The initial analysis perturbations generated by the Ensemble Transform Kalman Filter (ETKF) were integrated for 10 days from 22 May to 23 June 2009. Several statistical verification scores were used to measure the accuracy, reliability, and resolution of ensemble probabilistic forecasts for 24 and 48 ensemble member forecasts. Even though the results were not significant, the accuracy of ensemble prediction improved slightly as ensemble size increased, especially for longer forecast times in the Northern Hemisphere. While increasing the number of ensemble members resulted in a slight improvement in resolution as forecast time increased, inconsistent results were obtained for the scores assessing the reliability of ensemble prediction. The overall performance of ensemble prediction in terms of accuracy, resolution, and reliability increased slightly with ensemble size, especially for longer forecast times.     

两次暴雨过程的主观及集合预报检验

对各级预报员、集合预报成员在两次暴雨天气中的24 h和48 h降水、温度预报结果分别进行检验。结果表明:降水预报中预报员分级降水TS评分随降水级别增大而减小,所有预报对小雨均有较好的预报。暴雨预报漏报明显,漏报率几乎为100%,然而集合成员中的最大值,对暴雨预报有一定的启示作用,业务工作中应得到重视。针对降水和温度预报总体而言,集合成员中集合平均值和控制预报表现相对优秀,可在业务中作为重要参考。     

基于集合预报系统的日最高和最低气温预报

根据欧洲中心集合预报系统2 m气温预报的集合统计值,提出了BP-SM方法,针对中国512个台站2016年3月的日最高（低）气温做预报分析。将集合预报系统的模式直接输出、BP和BP-SM方法得到的日最高（低）气温进行了比较,结果表明:预报时效越长,BP-SM方法较之BP方法的预报优势也更明显;在1至5 d的预报中,BP-SM方法显著降低了预报绝对误差,误差在2℃以内的准确率大部分在60%以上,部分站点达到90%;正技巧评分均值大多高于30%,在青藏高原东部和南部地区超过了60%。预报正技巧站点次数在绝对误差≤2℃（1℃）范围内有所提高,对日最高气温预报准确率的提高略好于日最低气温;BP-SM方法有效地降低了预报系统偏差,较大预报误差出现次数显著减少。      

建筑物对周边气温影响的初步研究

随着城市化进程的加快,建筑物成为影响气温观测的最重要因素之一。为了定量研究建筑物对周边气温的影响,应用城市小区尺度模式,选取气象站观测的3个重要时刻(14∶00、20∶00以及02∶00,北京时间),模拟了草地下垫面上长60 m、宽20 m的孤立建筑物,在不同高度(6、18、30m)及不同初始风速(2、4、6、8、10 m·s~(-1))条件下建筑物下风方的气温变化。研究结果表明:(1)由于建筑物的存在,夏季晴天14∶00建筑物下风方最大增温可达2.4℃,夜间20∶00和02∶00建筑物下风方最大降温分别为1.0℃、2.4℃。(2)以影响幅度大于0.1℃为标准,建筑物对下风方气温影响的最大距离在14∶00为11.7倍建筑物高度;而在20∶00和02∶00分别达到36.7倍和21.7倍建筑物高度,超过气象探测环境保护条例规定标准。(3)建筑物导致下风方风速衰减,从而增加了湍流动能中机械产生项的作用,即风速衰减幅度越大,对气温变化影响作用越强;而在白天不稳定层结下,建筑物造成的太阳辐射遮蔽效应对气温变化也有一定影响,建筑物越高,反而会在一定程度上减弱增温效应。     

2013年汛期ECMWF集合统计量产品的降水预报检验与分析

基于TIGGE中欧洲中期天气预报中心和美国国家环境预报中心全球集合预报系统（EC_GEPS和NCEP_GEPS）的2016年1月1日-2017年12月31日连续2 a的预报资料,对两套系统在西南地区10 d以内的2 m温度和24 h定量降水预报进行检验评估和综合分析。2 m温度预报检验结果表明：EC_GEPS和NCEP_GEPS的2 m温度控制预报和集合平均预报的均方根误差均普遍偏高且NCEP_GEPS总体而言优于EC_GEPS;两套系统集合平均均方根误差相对于控制预报改进不明显;集合离散度均明显偏低;Talagrand分布均呈现出非常明显的\     

基于TIGGE资料的地面气温和降水的多模式集成预报

利用TIGGE资料集下中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24 h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96 h延长至192 h,且除个别时效外,小雨、中雨的TS评分得到明显提高。     

A comparison study of the methods of conditional nonlinear optimal perturbations and singular vectors in ensemble prediction

The authors apply the technique of conditional nonlinear optimal perturbations (CNOPs) as a means of providing initial perturbations for ensemble forecasting by using a barotropic quasi-geostrophic (QG) model in a perfect-model scenario. Ensemble forecasts for the medium range (14 days) are made from the initial states perturbed by CNOPs and singular vectors (SVs). 13 different cases have been chosen when analysis error is a kind of fast growing error. Our experiments show that the introduction of CNOP provides better forecast skill than the SV method. Moreover, the spread-skill relationship reveals that the ensemble samples in which the first SV is replaced by CNOP appear superior to those obtained by SVs from day 6 to day 14. Rank diagrams are adopted to compare the new method with the SV approach. The results illustrate that the introduction of CNOP has higher reliability for medium-range ensemble forecasts.     

基于深度学习的中国地面气温的多模式集成预报研究

基于TIGGE资料中的欧洲中期天气预报中心、英国气象局、美国国家环境预报中心、韩国气象厅和日本气象厅2015年1月1日—9月30日中国及周边地区地面2 m气温24～168 h集合预报资料,利用长短期记忆神经网络(Long Short-Term Memory,LSTM)、浅层神经网络(Neural Networks,NN)、滑动训练期消除偏差集合平均(BREM)和滑动训练期多模式超级集合(SUP)方法对2015年9月5—30日26 d预报期进行集成预报试验。结果表明,BREM对5个单模式进行等权集成,预报结果易受预报效果较差模式的影响,整体预报技巧略低于单个最优模式ECMWF的预报技巧。其中在新疆南部,等权集成后的预报技巧更低。SUP的预报结果比所有单个模式预报更为准确。在144 h之前,SUP的误差明显小于ECMWF的预报误差,但随预报时效增加,误差增长幅度增大。NN对地面气温的预报效果与SUP的预报效果相当。LSTM整体预报效果最好,特别是在预报时效较长(超过72 h)时,比其他方法预报准确率明显提高。LSTM神经网络方法明显改进了我国西北、华北、东北、西南和华南大部分地区的气温预报,但在南疆部分地区误差较大。     

基于多种集合的中国冬季气温逐月滚动预测

利用1979—2015年中国国家气候中心整编的160站月平均气温和NCEP/NCAR全球大气再分析资料,从1979/1980—2008/2009年冬季前期500 h Pa高度场、200 h Pa势函数和850 h Pa势函数场选择预测因子,考虑不同时效因子的组合及其独立性,综合应用多因子回归集合、交叉检验集合、逐月滚动集合,建立了针对中国冬季气温的逐月滚动预测模型,并利用该模型对2010/2011—2014/2015年冬季气温进行了独立预测试验和检验。结果表明,综合运用多种集合可提高短期气候客观定量预测的可行性和稳定性。多因子回归集合能增加可预测站点数,交叉检验集合可减少因统计关系不稳定而产生的对预报效果的影响,逐月滚动集合的应用不仅增加了可预测站点数,而且使预测效果更加稳定。本文建立的预测模型可对中国冬季气温进行长时效的预测,且有一定的预报技巧,对实际的季节预测业务有重要应用价值。     

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.