2004年西南地区多物理集合预报系统试验及初步检验

利用美国PSU/NCAR的高分辨率中尺度非静力MM5模式,选择不同的积云对流参数化方案和边界层方案,构造西南地区多物理集合预报系统,于2004年8月16～9月30日进行了准业务试验.对四川区域短期降水集合预报结果的检验表明,利用双线性插值方法获得的站点预报值较利用临近格点的降水平均值更具有实际参考价值;对比分析表明,对于小雨到暴雨量级的降水,集合预报优于大部分集合预报成员,对大于100mm以上的极端降水预报能力有待提高;分析显示,以Anthes-Kuo和Kain-Fritsch积云对流参数化方案构造的集合预报成员对四川区域暴雨以上量级的预报效果不明显,因而对集合预报系统中参数化方案的选取,集合预报成员的构成,还有待进一步试验分析与优化.     

2005年西南区域集合预报系统试验与检验

在2004年利用MM5模式构造西南区域集合预报系统的基础上,2005年增加了多初值扰动,并在2005年汛期进行了准业务试验.对四川区域152个站的降水检验表明,集合预报对四川区域内小雨到暴雨量级的降水预报有明显的预报技巧,对大暴雨的预报技巧不显著;在四川盆地,预报暴雨发生位置比实际发生区域略偏西、偏北;对于小雨到暴雨量级的降水,集合预报优于T213和大部分集合预报成员.     

2005年西南区域集合预报系统试验与检验

在2004年利用MM5模式构造西南区域集合预报系统的基础上,2005年增加了多初值扰动,并在2005年汛期进行了准业务试验。对四川区域152个站的降水检验表明,集合预报对四川区域内小雨到暴雨量级的降水预报有明显的预报技巧,对大暴雨的预报技巧不显著;在四川盆地,预报暴雨发生位置比实际发生区域略偏西、偏北;对于小雨到暴雨量级的降水,集合预报优于T213和大部分集合预报成员。     

AREM短期集合预报系统及其降水预报检验

基于我国科学家自主开发的AREM区域中尺度模式,考虑模式初值和侧边界条件的不确定性,采用BGM方案,建立有11个成员、37km分辨率、覆盖全国区域的短期集合预报系统,并将其于2009年汛期投入准业务化试验,进行了连续2个月的预报结果检验。结果表明:由于能提供更多预报信息,集合预报系统优于单一确定性预报,集合平均预报对评分的改进主要表现在暴雨以下量级,概率预报高于集合平均和控制预报,因而更具参考价值;利用多种集合产品对降水过程进行综合分析,能提高决策预报的科学性。     

上海区域降水集合预报系统的建立与运行结果的检验

以MM5模式为基础, 从预报模式的不确定性出发形成8个集合成员, 建立了上海区域降水集合预报系统。该系统实现从资料收集、资料处理、模式预报到预报结果处理与产品输出的全自动化, 于2005年8月1日开始业务运行, 运行稳定可靠。对系统8—10月的运行结果进行检验, 结果表明:集合预报系统对降水的总体预报效果尚可, 其中对量级小的降水的总体预报效果更好, 集合预报产品尤其是概率预报产品具有一定的参考价值, 但系统还存在发散度偏小的问题, 有待进一步改进。     

长江上游暴雨短期集合预报系统试验与检验

基于PSU/NCAR的高分辨率MM5模式,采用多物理方案构建长江上游中尺度集合预报系统,于2004年8月16日—9月30日进行了预报试验。降水集合预报检验表明,在25mm以上级别的降水预报中,集合预报能改进单一模式的预报能力。对“9·3”暴雨过程的检验表明,降水集合预报平均对暴雨过程的开始、持续、结束时间均有预报指示意义,特别是大于50mm的降水概率分布区域和值的大小对预报大降水的范围有指导作用。     

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。     

一种改进的降水临近外推预报技术方法研究及效果检验

中尺度模式对于0～2h的预报存在起转问题,因此外推预报成为0～2h临近预报中不可或缺的技术方法。目前INCA(Integrated Nowcasting through Comprehensive Analysis System)降水外推预报中,外推矢量扰动由外推矢量随时间的变化确定,即相邻时次外推矢量差确定,本文统计2017年7月江淮地区(29°～35.5°N,114°～120°E)INCA系统相邻10min外推矢量偏差来代表外推矢量随时间变化。若降水向东北方向移动,则外推矢量方向规定为东北方向。统计结果表明:①对于江淮地区,外推矢量以东北方向和西南方向偏差为主,外推矢量越大,其偏差的大小越大;②从外推矢量方向看,东北方向外推矢量占绝大多数(73%),可能是因为绝大多数降水发生在槽前形势下,引导气流为西南风。基于外推矢量偏差统计样本,随机生成多个符合外推矢量偏差分布的外推矢量扰动,得到多个不确定的外推矢量,将INCA确定性外推预报变为0～2h降水外推集合预报,采用均方误差(MSE)、TS评分、BIAS评分和Brier技巧评分等方法,对集合预报结果检验表明:随着预报时效增加,集合预报比确定性预报的优势更明显。因此,考虑外推矢量的不确定性可以提高降水外推预报准确率。     

ENSO集合预报系统的检验评价

讨论了一个热带太平洋海气耦合集合预报系统集合预报的检验问题。该集合预报系统模式为一个中等复杂程度的耦合模式,其中大气部分为统计模式,海洋部分为动力模式。初始扰动利用集合Kalman滤波同化得到,模式误差扰动由一个一阶马尔可夫随机微分方程生成,预报集合样本为100个。利用1995~2005年的观测资料进行了确定性预报检验,包括相关系数和均方根误差。在概率预报检验方面,包括Talagrand概率分布、离散度、Brier评分(BS)、命中率以及空报率的统计检验,并且根据检验结果对预报系统进行了初步评价。确定性检验表明,集合样本均值的预报水平在热带中太平洋区域要高于热带东太平洋和沿岸区域。同时概率预报检验结果表明,集合预报系统有较高的概率预报技巧,对确定性预报是一个完善和补充。     

多模式集合预报技术及其分析与检验

基于国家气象中心天气预报业务平台,对德国、日本、欧洲中心数值预报模式和我国T213模式的夏季预报产品进行检验,在此基础上,通过不同模式对目标区域预报能力的分析,分别应用神经元网络预报技术和基于Ts评分的客观多模式权重系数法(ME),建立了4个模式的集合预报方法,并应用于2005年汛期业务运行。结果表明:ME对短期降水预报技巧高于简单集合平均,因此具有一定的业务应用前景。     

GRAPES-GEPSK-均值集合预报产品开发及应用

基于GRAPES全球集合预报系统(GRAPES-GEPS)及2020年2月13-16日的全国寒潮天气过程,开发出一类新的集合预报产品—K-均值聚类产品。采用爬山法确定最佳聚类数量,并采用K-均值聚类算法对集合样本进行分类。结果表明,该方法的500hPa位势高度场所有类别的聚类产品均呈现出中高纬Ω形的环流形势及低压系统后部冷平流的走向,发生概率最高的聚类产品最能反映实况中环流形势的分布。对于850hPa温度场,其聚类产品均呈现出全国温度从北到南呈带状逐渐增加的空间分布特征,发生概率最高的第一类聚类产品与实况最为接近。对于10m风速聚类产品,在较大风速处,集合样本离散度较大,不同类别的风速大小差异显著;发生概率较高的第一类聚类产品,其对天津及周边地区10m风速的分布及强度描述均较准确,并能提供有价值的预报信息。K-均值聚类能有效地实现集合预报样本信息的浓缩,该产品可为预报员判断某一时次的天气预报提供直观指导。     

The China Multi-Model Ensemble Prediction System and Its Application to Flood-Season Prediction in 2018

Multi-model ensemble prediction is an effective approach for improving the prediction skill short-term climate prediction and evaluating related uncertainties. Based on a combination of localized operation outputs of Chinese climate models and imported forecast data of some international operational models, the National Climate Center of the China Meteorological Administration has established the China multi-model ensemble prediction system version 1.0 (CMMEv1.0) for monthly-seasonal prediction of primary climate variability modes and climate elements. We verified the real-time forecasts of CMMEv1.0 for the 2018 flood season (June-August) starting from March 2018 and evaluated the 1991-2016 hindcasts of CMMEv1.0. The results show that CMMEv1.0 has a significantly high prediction skill for global sea surface temperature (SST) anomalies, especially for the El Nino-Southern Oscillation (ENSO) in the tropical central-eastern Pacific. Additionally, its prediction skill for the North Atlantic SST triple (NAST) mode is high, but is relatively low for the Indian Ocean Dipole (IOD) mode. Moreover, CMMEv1.0 has high skills in predicting the western Pacific subtropical high (WPSH) and East Asian summer monsoon (EASM) in the June-July-August (JJA) season. The JJA air temperature in the CMMEv1.0 is predicted with a fairly high skill in most regions of China, while the JJA precipitation exhibits some skills only in northwestern and eastern China. For real-time forecasts in March-August 2018, CMMEv1.0 has accurately predicted the ENSO phase transition from cold to neutral in the tropical central-eastern Pacific and captures evolutions of the NAST and IOD indices in general. The system has also captured the main features of the summer WPSH and EASM indices in 2018, except that the predicted EASM is slightly weaker than the observed. Furthermore, CMMEv1.0 has also successfully predicted warmer air temperatures in northern China and captured the primary rainbelt over northern China, except that it predicted much more precipitation in the middle and lower reaches of the Yangtze River than observation.     

2004年夏季短期气候集成预测及检验

分析了2004年夏季东亚大气环流的主要特点及对我国天气与气候的影响.对可能影响2004年夏季中国降水的主要物理因子及其演变的判断基本正确.跨季度预测指出2004年夏季我国大范围严重洪涝事件的可能性不大,6～8月主雨带可能位于黄河中下游与淮河之间;并较好地预测了影响我国的台风数.对2004年夏季跨季度气候预测中存在的问题进行了初步讨论,以便改进和完善中国科学院大气物理研究所短期气候预测系统.     

基于Ward聚类法的中国业务集合预报系统的产品开发

为开发中国新一代业务集合预报系统的聚类产品,系统地介绍了集合预报技术先进国家的集合预报聚类分析方法,并采用Ward聚类法开发了中国集合预报系统的聚类产品。针对重大天气过程初步分析了中国集合预报系统的聚类产品的业务预报能力。结果表明,Ward聚类法以凝练预报信息和给出发生概率的形式,有效地划分出最有可能出现的环流形势类型,为预报员提供了有价值的预报参考信息,也为科学合理地使用集合预报产品提供方便。     

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。     

中尺度暴雨集合预报系统研发中的初值扰动试验

针对2006年5月24～25日一次暴雨过程, 通过一系列初值扰动试验探讨实际业务中建立集合预报系统的方法。运用45 km的WRF模式构建一个11个成员的集合预报系统来比较分析不同的扰动方案、 扰动的空间结构和扰动振幅对集合预报的影响, 结果表明： （1）初值扰动的空间结构对暴雨集合预报的离散度影响很关键, 而扰动振幅的影响却居次要地位。具有动力学结构的孵化扰动明显优于随机扰动。（2）集合预报比单一控制预报提供了更有价值的预报信息。例如在该个例控制预报中漏报的湖北监利强降水中心, 在集合预报中有20%的概率, 并且实况被包含在集合预报的预报范围之中。集合平均预报也明显优于控制预报\.例如矫正了在控制预报中明显虚报的鄂东北的大暴雨中心, 且集合平均预报的暴雨中心落在实际观测暴雨中心的附近。（3）集合离散度较好地反映了实际降水过程的可预报性。例如应用孵化扰动, 其离散度的空间结构同降水预报误差的空间分布大致对应。     

基于神威中期集合数值预报系统的产品开发

利用我国神威中期集合数值预报系统 32 个成员的输出资料, 根据预报业务的需要, 开发出新的集合预报产品。 其产品有 500 hPa 高度场分簇和特征等高线面条图、关键点 850 hPa 温度的概率烟羽图和温度变化趋势图、全国省会城市的要素预报分布图。     

区域集合预报增长模繁殖扰动方法研究

在建立区域AREM模式增长模繁殖(Breeding of Growing Modes,BGM)集合预报系统的基础上,设计了静态扰动(初始随机扰动、扰动限定)和动态扰动方法,利用2008年7月20日强降水个例,分析了不同类型扰动对强降水预报的影响.结果表明,静态和动态扰动都对中尺度暴雨预报具有积极的作用,扰动都不同程度地...     

并行技术在神威集合数值天气预报系统中的应用

文章讨论了基于神威巨型机的并行化集合数值天气预报系统中实现的各种并行算法, 性能分析结果表明并行方案最大限度的利用了神威机的处理器资源, 设计的并行算法效率较高, 满足了实时业务运行的时效要求。