Growth and Interactions of Multi-Source Perturbations in Convection-Allowing Ensemble Forecasts

This study investigated the growth of forecast errors stemming from initial conditions (ICs), lateral boundary conditions (LBCs), and model (MO) perturbations, as well as their interactions, by conducting seven 36 h convection- allowing ensemble forecast (CAEF) experiments. Two cases, one with strong-forcing (SF) and the other with weak-forcing (WF), occurred over the Yangtze-Huai River basin (YHRB) in East China, were selected to examine the sources of uncertainties associated with perturbation growth under varying forcing backgrounds and the influence of these back- grounds on growth. The perturbations exhibited distinct characteristics in terms of temporal evolution, spatial propagation, and vertical distribution under different forcing backgrounds, indicating a dependence between perturbation growth and forcing background. A comparison of the perturbation growth in different precipitation areas revealed that IC and LBC perturbations were significantly influenced by the location of precipitation in the SF case, while MO perturbations were more responsive to convection triggering and dominated in the WF case. The vertical distribution of perturbations showed that the sources of uncertainties and the performance of perturbations varied between SF and WF cases, with LBC perturbations displaying notable case dependence. Furthermore, the interactions between perturbations were considered by exploring the added values of different source perturbations. For the SF case, the added values of IC, LBC, and MO perturbations were reflected in different forecast periods and different source uncertainties, suggesting that the combination of multi-source perturbations can yield positive interactions. In the WF case, MO perturbations provided a more accurate estimation of uncertainties downstream of the Dabie Mountain and need to be prioritized in the research on perturbation development.     

基于随机物理过程扰动的BMJ积云参数化方案对降水集合预报的影响

基于ARPS模式和随机物理过程参数化扰动（stochastically perturbed parameterization）方法,通过10个2018年6—7月间的降水个例,讨论了针对BMJ积云降水参数化方案下不同参数化扰动方式对降水预报的影响。扰动方式包括扰动BMJ方案的温湿倾向和扰动BMJ方案的温湿参考廓线。试验的结果表明BMJ方案在华东区域的降水预报中存在湿偏差,即预报的降水事件多于相应的观测事件。这一偏差在系统性增加参考廓线湿度后仍然存在。BMJ方案对不同扰动方式的响应存在较大差异。扰动BMJ方案的温湿倾向对降水预报的影响较小,且集合离散度低。扰动BMJ方案的温湿参考廓线对降水预报影响显著,能够大幅增加集合离散度,其中对称的BMJ参考廓线扰动对预报技巧评分改进有限,原因是小雨的湿偏差有所增加,而非对称的BMJ参考廓线扰动（扰动均值大于1.0）能够有效提高预报技巧评分并降低湿偏差。此外,非对称扰动大幅改善了BMJ降水预报初期（0～3 h）的空间分布形态,并且改进了夜间降水预报的强度。非对称扰动评分较高的原因是减少了原BMJ方案在降水预报初期的的大范围虚假预报,避免了大气湿度的大范围下降,保障了预报后期的强降水预报能力。而BMJ方案温湿倾向量级较小则是造成倾向扰动方法效果不明显的重要原因。     

中国东北冬季极端低温的年代际变化及其成因

利用JRA-55再分析资料和中国824站日最低气温数据,分析了1961—2013年冬季中国东北地区极端低温的年代际变化及其动力成因。结果表明:东北冬季极端低温1980s中期前频发,1980s后期到2000s初少发,2000s后恢复多发。这与贝加尔湖阻塞高压频次偏多—偏少—偏多的同步年代际变化直接相关,与北极涛动(Arctic Oscillation,AO)和准定常行星波活动的年代际振荡相联系。相比于1980s中期前,1988—1999年期间行星波沿极地波导向平流层的传播减弱,引起高纬度平流层下层E-P通量辐合变弱;而行星波沿低纬波导往副热带对流层上层的传播增强,造成副热带对流层中上层E-P通量辐合增强。行星波E-P通量散度的异常由于波—流相互作用,分别导致了极夜急流加强、副热带急流减弱,因而AO增强,不利于贝湖阻高建立和环流经向型发展,极端低温减少。2000—2013年,行星波活动相反,导致AO减弱,贝湖阻高多发,极端低温恢复增多。     

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。     

考虑尺度敏感性的长江中下游暖区暴雨初始扰动方案比较分析

弱天气尺度强迫背景下的长江中下游暖区暴雨突发性强,高度非线性,难以准确预报,这时考虑不确定因素的集合预报成为重要选项,而对流尺度集合预报核心问题是积分一段时间后离散度偏低,会导致预报失败。比较包含不同尺度扰动信息的对流尺度集合预报方案间的差异性并据此优化初始扰动方案,针对2018年5月4—5日一次典型长江中下游暖区暴雨过程,分别采用动力降尺度（DOWN）、增长模繁殖法（BGM）、局地增长模繁殖法（LBGM）和混合扰动法（BLEND）等四种方法进行集合预报试验,以期探讨对离散度和预报效果的影响。结果表明,在模式积分0~6 h,具有中小尺度扰动信息的BGM和LBGM的离散度优于DOWN,其中LBGM相比于BGM具有一定程度上的改进,说明具有更准确中尺度特征的扰动能够在积分初始阶段获得有效增长,即考虑了中小尺度天气系统局地性的LBGM能弥补BGM的不足;但是,在模式积分12 h以后,具有更多大尺度特征扰动的DOWN优于区域模式中的增长模繁殖法BGM和LBGM,说明经过初始误差快速增长一段时间后,大尺度扰动开始起主要作用。而具有不同尺度扰动信息的BLEND方案则兼具LBGM和DOWN的优势,几乎在整个预报时段离散度较高且概率预报评分较好,体现出混合扰动的优越性。以上结果进一步说明,初始扰动的尺度特征在暖区暴雨的集合预报效果中具有关键性的作用,因而通过调整初始扰动的尺度信息来优化集合预报性能的混合扰动思想,在业务上具有一定的指导意义和推广价值。     

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。      

苏皖地面自动站资料的质量控制及结果分析

利用江苏和安徽2012—2014年151个国家站及2 600个区域站资料,对各类自动站资料的质量及其控制方法进行初步探讨。采用缺测资料统计、气候界限值检查、气候极值检查、内部一致性检查、二次迭代的空间一致性检查、时间一致性检查、持续性检查及综合决策算法分别对国家站和区域站资料进行系统的质量控制,并根据质量控制结果进行可疑站点的标记。结果显示:国家站各要素资料缺测率远低于区域站,且资料质量总体上均明显优于区域站;自动站各要素中温、压要素的质量最好,其次是相对湿度;除了空间一致性检查中风场资料的检查结果差别不大外,其余检查中区域站资料的未通过率均远高于国家站资料;将错误资料及可疑站点信息进行及时反馈,能改善实时资料质量,并为相应测站的检修与维护提供依据。     

Improved Weather Radar Echo Extrapolation Through Wind Speed Data Fusion Using a New Spatiotemporal Neural Network Model

Weather radar echo extrapolation plays a crucial role in weather forecasting. However, traditional weather radar echo extrapolation methods are not very accurate and do not make full use of historical data. Deep learning algorithms based on Recurrent Neural Networks also have the problem of accumulating errors. Moreover, it is difficult to obtain higher accuracy by relying on a single historical radar echo observation. Therefore, in this study, we constructed the Fusion GRU module, which leverages a cascade structure to effectively combine radar echo data and mean wind data. We also designed the Top Connection so that the model can capture the global spatial relationship to construct constraints on the predictions. Based on the Jiangsu Province dataset, we compared some models. The results show that our proposed model, Cascade Fusion Spatiotemporal Network (CFSN), improved the critical success index (CSI) by 10.7% over the baseline at the threshold of 30 dBZ. Ablation experiments further validated the effectiveness of our model. Similarly, the CSI of the complete CFSN was 0.004 higher than the suboptimal solution without the cross-attention module at the threshold of 30 dBZ.     

山西省大雾的中尺度数值模拟

利用中尺度模式MM5（The Fifth—Generation NCAR／Penn State Mesoscale Model）对山西省2009年发生的3场典型雾个例进行了数值模拟,探讨了物理过程参数化方案对雾数值模拟的影响,确定了基于模式模拟数据的雾判别指标,为该地区大雾数值预报系统的研制提供了理论基础。结果表明,综合考虑边界层方案和辐射方案对地表温度、高空温度、2m温度及相对湿度、10m风速、雾的空间分布、雾的生消过程、雾的发展高度等要素数值模拟的影响,边界层方案选用high-resolution planetary boundary layers cheme（HIR）方案、辐射方案选用Cloud方案时,雾数值模拟的结果与实况更为一致。综合分析多个典型雾个例的模拟结果,山西省境内雾的预报指标为：20m液态水含量为0．13～0．6g·kg^（-1）,20～1500m高度大气层存在逆温层,10m风速小于4m·s^（-1）。     

迭代集合平方根滤波在风暴尺度资料同化中的应用

本文根据最新的非同步(Asynchronous)算法设计了一个迭代EnSRF(iterative Ensemble Square Root Filter,简称iEnSRF)方案。在这个迭代方案中,同化时刻的背景场和一个较早时刻的背景场将被同时更新,得到两个时刻的分析场,然后预报模式从较早时刻的分析场再次进行集合预报到同化时刻,最后重复前面两个步骤,实现对同化时刻背景场的迭代分析。在一个理想风暴个例上,本文通过模拟雷达资料同化对这一方案进行了检验,对比了传统EnSRF方案和iEnSRF方案的同化效果。此外,本文还讨论了只在同化时刻一个时间层上进行迭代的情况。同化单部模拟雷达资料的试验表明iEnSRF方案能够在初始估计缺少风暴信息的情况下较好地还原风暴中垂直运动和潜热释放之间的正反馈关系,显著提高初始分析的质量并加快随后同化的收敛速度。而传统EnSRF在这一初始估计较差的情况下不能在初始分析中有效估计这一相关关系并导致其收敛速度较慢且收敛误差较大。当只涉及一个时间层时,迭代算法并不能取得比传统EnSRF更好的效果。这一结果表明重复使用观测的算法只有在涉及两个时间层时才能改进最终的分析结果。在同化两部模拟雷达资料的试验中,iEnSRF的初始分析仍然优于传统EnSRF的初始分析,并在对流层高层取得显著改进。单双雷达资料同化的试验结果对比表明,单纯增加观测数量并不能显著改进传统EnSRF对非观测变量(比如温度)的分析,而iEnSRF则能够更加充分地利用更多的观测进一步提升初始分析的效果。