四维集合变分同化方法在华南冬季暴雨模拟中的应用

利用WRF（Weather Research and Forecasting）模式和基于本征正交分解的四维集合变分同化方法（POD-4DEnVar）,对2015年12月9日一次华南暴雨过程进行多普勒雷达资料同化试验,并与三维变分同化试验（WRF-3DVar）进行对比,讨论了POD-4DEnVar方法中局地化半径对模拟效果的敏感性。结果表明,比较不同化雷达资料的控制试验,WRF-3DVar和WRF-POD-4DEnVar试验的降水模拟结果得到明显改善,且WRF-POD-4DEnVar的降水强度更接近实况。两种同化方法通过改变不同的初始要素达到改进降水模拟效果的目的,3DVar方法通过调整初始风场,间接减弱暴雨发生的水汽条件,POD-4DEnVar方法则直接调整湿度场。在降水过程中,同化试验改变了冷空气活动和水汽通量辐合的模拟结果,从而改善降水的模拟效果。POD-4DEnVar方法对局地化半径比较敏感,随局地化半径增大,同化对风场和湿度场的影响范围扩大,当局地化半径取为200 km时,降水模拟的效果最好。      

短期集合降水概率预报试验

以MM5模式作为试验模式, 通过选取不同的物理过程参数化方案产生8个集合成员, 分别用平均法、相关法和Rank法对2001年11月至2002年5月期间的22个降水个例进行短期集合降水概率预报试验。试验结果显示对小雨—大暴雨6类降水的概率预报, Rank法的综合预报效果明显好于相关法和平均法, 相关法的综合预报效果与平均法基本相同; 无论从均方误差角度还是从命中率和假警报率的相对大小角度, 对小雨、中雨、大雨和暴雨各量级以上降水的概率预报, Rank法的平均预报效果是三种方法中最好的, 相关法的平均预报效果与平均法相同; Rank法好于平均法的平均幅度从均方误差角度较大, 从命中率和假警报率的相对大小角度则较小。平均而言, 三种方法对各量级以上降水的概率预报都是有技巧预报, 对量级小的降水的概率预报技巧高于对量级大的降水的概率预报技巧。     

数值天气预报和气候预测的集合预报方法:思考与展望

从初始误差、模式误差以及两者综合影响的角度,综述了天气、气候集合预报方法的研究进展,指出了传统方法的优势,同时也评论了这些方法的局限性,提出了对未来先进集合预报方法的一些思考,以及需要解决的挑战性问题和可能的应用。     

SVD-En3DVar方法同化多普勒雷达速度观测资料Ⅰ.模拟资料试验

利用WRF模式及模式模拟的资料,开展了利用SVD-En3DVar(基于集合和SVD技术的三维变分同化方法)方法同化雷达径向速度资料的试验.由于雷达观测经常出现大面积空缺,同化时引入了一种局地化方法避免远距离虚假相关的影响.试验着重研究了不同的初始扰动样本产生方法以及不同的样本积分时间对同化结果的影响.提出了一种为预报集合提供初始扰动场的新方法,这一方法将温度和比湿的伪随机扰动场当作观测增量,通过3DVar (three-dimensional variational technique)系统生成所有变量的初始扰动场.试验表明,用这种方法给出的初始扰动样本各个变量间有较好的协调性,积分后扰动不会快速衰减,可以减少模式调整的时间,达到缩短同化循环时间窗的目的.同化雷达径向风资料后对12小时内的温度,湿度和水平风的预报都有所改进,对降水的预报也有一定改进.     

Operational Evaluation of the Quantitative Precipitation Estimation by a CINRAD-SA Dual Polarization Radar System

In this paper, the quantitative precipitation estimation based on hydrometeor classification (HCA-QPE) algorithm was proposed for the first operational S band dual-polarization radar promoted by the CINRAD/SA radar of China. The HCA-QPE algorithm, the localized Colorado State University-Hydrometeor Identification of Rainfall (CSU-HIDRO) and Joint Polarization Experiment (JPOLE) algorithms, and the dynamic Z-R relationships based on variational correction QPE (DRVC-QPE) algorithm were evaluated with the rainfall events from March 1 to October 30, 2017 in the Guangdong Province. The results indicated that even though the HCA-QPE algorithm did not use the observed rainfall data for correction, its estimation accuracy was better than that of the DRVC-QPE algorithm when the rainfall rate was greater than 5mm h^(-1); and the stronger the rainfall intensity, the greater the QPE improvement. And the HCA-QPE algorithm worked better than the localized CSU-HIDRO and JPOLE algorithms. This study preliminarily verified the improved accuracy of QPE by a dual-polarization radar system modified from CINRAD-SA radar.     

春季中国日最高气温延伸期预报误差分析及订正

数值模式直接输出和经模式后处理得到的预报误差比较,是延伸期逐日要素预报应用基础。针对中国2 583个站点在2020年春季11~30天的日最高温度预报,根据欧洲数值中心的集合预报输出,首先,使用BP-SM（Back-Propagation - Self memory）法和回归法,进行确定性预报订正效果比较;结果表明BP-SM法和回归法都明显降低了预报绝对误差;在11~14天预报中,BP-SM法得到的平均绝对误差为3.3~3.6 ℃,预报准确率超过35%,订正效果更优。其次,基于模式直接输出和BP-SM法获得的概率预报,使用CRPSS (continuous ranked probability skill score)进行了可预报性分析。结果表明,在地形复杂地区,经过订正,预报准确率明显改善。对于延伸期逐日要素预报,合理的模式后处理方法是降低预报误差和提高预报能力的重要环节。      

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.     

基于时空不确定性的对流尺度集合预报效果评估检验

针对对流尺度天气系统的高度非线性特征和高分辨率模式预报结果存在时、空不确定性现象,以及当前邻域概率法主要考虑高分辨率预报结果的空间位移误差,而不能有效解决预报结果存在时间超前与滞后问题,将时间因素引入到邻域概率法中,结合一次强飑线过程进行对流尺度集合预报试验,并基于改进后的新型邻域概率法与分数技巧评分,对降水预报进行了不同时、空尺度的效果评估检验。结果表明:（1）邻域集合概率法和概率匹配平均法在极端降水的分数技巧评分远高于传统集合平均,弥补了集合平均对极端降水预报能力偏低的缺陷。（2）对于此类飑线过程的对流尺度天气系统而言,邻域半径为15—45 km的空间尺度能够改善降水位移误差的空间不确定性,并使其预报效果达到最优,其中15—30 km的邻域半径对于尺度更小的大量级降水事件预报能力更强。（3）对流尺度降水预报考虑时间尺度与降水强度存在着对应关系,不同时间尺度可以捕获到不同量级降水的时间不确定性。同时,时间尺度与空间尺度对于降水预报效果的影响是相互关联的。（4）改进的邻域概率法能够同时体现高分辨率模式预报结果在对流尺度降水事件上存在的时、空不确定性,实现了对流尺度降水在时、空尺度上的综合评估,并能为不同量级降水提供与其时、空尺度相匹配的概率预报结果。      

基于TIGGE数据的我国寒潮自动识别预报方法

利用1951—2006年中央气象台寒潮天气过程数据以及NCEP/NCAR 500 hPa高度场等逐日再分析资料,通过客观聚类方法与主观对比分析确定寒潮爆发的典型形势场,结合寒潮过程特征量阈值,建立了基于TIGGE集合预报产品的寒潮自动识别客观预报方法,并利用TIGGE集合预报数据对2008年1月和2009年1月两次寒潮天气过程进行预报试验。结果表明:利用500 hPa高度距平场进行聚类分析,一方面可以消除环流季节特征对划分结果的影响,另一方面也突出了寒潮这种强天气的异常扰动表现;基于集合预报产品的寒潮自动识别预报方法浓缩了集合预报产品信息,可直接为预报员提供寒潮发生的概率预报,从而在集合预报产品与我国实际灾害性天气之间建立了直接联系。     

基于CMIP6模式优化集合平均预估21世纪全球陆地生态系统总初级生产力变化

利用国际耦合模式比较计划第六阶段(CMIP6)中18个地球系统模式总初级生产力(GPP)模拟数据,基于传统的多模式集合平均(MME)和可靠集合平均方法(REA),在4个未来情景(SSP1-2.6,SSP2-4.5,SSP3-7.0和SSP5-8.5)下预估了21世纪全球陆地生态系统GPP的变化量,并分析了GPP变化的驱动因子。研究结果表明：在4个未来情景下,基于REA方法预估的全球陆地生态系统年GPP在未来时期(2068—2100年)比历史时期(1982—2014年)分别增长了(14.85±3.32)、(28.43±4.97)、(37.66±7.61)和(45.89±9.21)Pg C,其增量大小和不确定性都明显低于MME方法。在4个情景下,大气CO₂浓度增长对GPP变化的贡献最大,基于REA方法计算的贡献占比分别为140%、137%、115%和75%;除SSP5-8.5(24%)外,其他情景下升温均导致全球陆地生态系统GPP降低(-42%、-37%、-16%),部分抵消了CO₂施肥效应的正面贡献。温度的影响存在纬度差异：升温在低纬度地区对GPP有负向贡献,在中高纬度地区为正向贡献。降水和辐射变化对GPP变化的贡献相对较小。