基于模拟脚本的气象自动绘图系统

气象自动绘图系统（MEPAS）是一款紧贴我国业务数据环境,以MICAPS和GRIB1/GRIB2数据为主要输入源来实现自动化绘图的业务系统。MEPAS集成了多种物理量和对流参数的计算算法,在中尺度分析方面独具特色。MEPAS主要通过编写XML配置文件来模拟脚本,以命令行的方式运行,它学习简单,使用方便,运行稳定,出图高效,可用于业务系统的建设,也可用于气象科研,具有较高的应用推广价值。MEPAS通过模拟脚本实现自动绘图的技术可以被MICPAS借鉴或吸收,以填补MICAPS脚本交互的技术空白。     

ANALYSIS OF SPHERICAL FUNCTION SPECTRAL STRUCTURE OF THE NORTHERN HEMISPHERE 500 HPA MONTHLY MEAN HEIGHT*

Study is undertaken of spherical function spectral structures of long-term mean and anomaly patterns of the Northern Hemisphere 500 hPa monthly mean geopotential height together with the seasonal and interannual variations investigated.Results show that they are marked by low dimensions and low orders,and the mean and anomaly fields can be described in terms of 20 and 50 spherical function components,respectively.     

南海各月月平均海流场的数值模拟

本文用一个区域三维、自由表面、斜压海洋模式对南海全年各月的三维平均流场进行了数值模拟，模拟得到的环境特征与己有的实测资料十分相近，这表明该模拟结果是可信的，该数值模拟也是成功的。     

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3.3～3.6oC,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。     

集合敏感性分析在北半球中纬度高影响天气中的应用

总结回顾了集合敏感性分析(ESA)在诊断中纬度高影响天气预报不确定性中的应用。作为一个简单高效且不需要大量计算资源的方法,集合敏感性分析主要被应用在中纬度气旋、台风或飓风的温带转换,以及在强对流过程中诊断预报误差和不确定性的来源。集合敏感性方法极有灵活性,可以根据实际需要改变不同的预报变量和初始场。在对2010年美国东岸圣诞节暴风雪的分析中,集合敏感性分析通过三种形式来诊断了预报不确定性的初值敏感性,即基于EOF分析的敏感性、预报差别的敏感性,以及基于短期预报误差的向前积分敏感性回归。三种方法证实气旋路径的不确定性主要和位于美国南部大平原的短波槽初始误差相关。此外,气旋强度的不确定性还和产生于北太平洋向下游延伸的罗斯贝波列相关。集合敏感性分析方法对于分析中纬度气旋的不确定性、诊断初值敏感性、分析误差发展机制都非常有效。集合敏感性分析也被应用于分析台风/飓风的温带气旋转换过程的不确定性。在对2019年美国首个主要登陆台风Dorian的分析中发现,加拿大CMC的集合预报主要不确定性来自于强度的不确定性,而这个不确定性与初始时刻的大尺度环流型有关,较连贯的信号可以追溯至东北太平洋的前倾槽。而NCEP和ECMWF的不确定性主要在于气旋位置的东北—西南向移动,而敏感性主要和飓风系统本身(即其北部低压区和中纬度槽)的锁相有关。分析结果进一步验证了集合敏感性分析对诊断模式之间的不一致性,以及模式成员之间不一致性的不确定性来源和发展过程的可靠性。集合敏感性分析方法综合了集合预报、资料同化和敏感性分析,因此对于资料同化技术改进、诊断模式误差(或者缺陷)、附加(目标)观测最优策略,以及评估观测对预报的影响等都有重要意义。同时可以更有效地利用集合预报信息,帮助预报员提高情景意识,最终减少高影响天气预报中的决策失误。     

Improvement in Background Error Covariances Using Ensemble Forecasts for Assimilation of High-Resolution Satellite Data

Satellite data obtained over synoptic data-sparse regions such as an ocean contribute toward improving the quality of the initial state of limited-area models. Background error covariances are crucial to the proper distribution of satellite-observed information in variational data assimilation. In the NMC (National Meteorological Center) method, background error covariances are underestimated over data-sparse regions such as an ocean because of small differences between different forecast times. Thus, it is necessary to reconstruct and tune the background error covariances so as to maximize the usefulness of the satellite data for the initial state of limited-area models, especially over an ocean where there is a lack of conventional data. In this study, we attempted to estimate background error covariances so as to provide adequate error statistics for data-sparse regions by using ensemble forecasts of optimal perturbations using bred vectors. The background error covariances estimated by the ensemble method reduced the overestimation of error amplitude obtained by the NMC method. By employing an appropriate horizontal length scale to exclude spurious correlations, the ensemble method produced better results than the NMC method in the assimilation of retrieved satellite data. Because the ensemble method distributes observed information over a limited local area, it would be more useful in the analysis of high-resolution satellite data. Accordingly, the performance of forecast models can be improved over the area where the satellite data are assimilated.     

集合预报对台风天鹅(2015)远距离暴雨的不确定性研究

2015年8月23—24日期间台风天鹅引发华东中部沿海地区出现暴雨或大暴雨天气。基于欧洲中期天气预报中心的集合预报分析导致此次远距离暴雨预报不确定的关键原因,并利用集合敏感性分析方法研究影响此次暴雨过程的主要天气系统的敏感区域,此外对暴雨发生发展的热动力机制展开探讨,主要结论包括:集合预报对此次台风天鹅引起的远距离暴雨的可预报性明显偏低,仅在暴雨发生前24 h才做出较大调整。在不同起报时次下,当台风路径的系统性偏差最小时,台风降水集合预报也最接近实况,但是进一步的分析表明,台风路径误差与降水量级之间的对应关系并不确定。不同雨量成员组间中低层环流场的对比分析表明:高空槽的预报差异是集合预报不确定的主要原因,高空槽东移加深有利于增加暴雨区的斜压不稳定,也有利于增强对流层低层的水汽输送急流带。500 hPa高度场的敏感性分析表明无论是初始场还是预报场,暴雨区平均降雨量均与高空槽的东移和加深显著相关,且随着预报时次的临近,显著相关区域向低槽下游明显扩大。此外还发现高空槽的东移有利于增强(减弱)暴雨区左(右)侧低层冷空气的强度,使得台风右侧更多暖湿气流向暴雨区输送。     

概略坐标对GPS PWV解算的影响

利用GAMIT 10.6和2016年第101天至第160天南昌站的GPS观测资料,开展了13组概略坐标变化对GPS PWV解算的影响研究试验(南昌站概略坐标设置以10 m等间距从0~120 m逐渐向西偏移真实坐标)。其结果发现:当概略坐标与实际坐标偏离在60 m以内时,概略坐标的变化对GPSPWV的解算影响不大(长基线的相对误差和均方根残差NRMS分别维持在5.7×10~(-9)和0.24附近);但当概略坐标与真实坐标偏离超过60 m后,概略坐标的变化对GPS PWV的解算有着显著的影响,其中基线相对误差和GPS PWV与探空PWV的标准偏差随概略坐标偏离的增加而快速增大,NRMS和GPS PWV与探空PWV的相关系数也有明显的增加和减小,GPSPWV的成功解算日数则随概略坐标偏离的增加而快速减小(当偏离≥120 m时南昌无GPS PWV生成);概略坐标变化对基线相对误差、GPS PWV精度以及GPS PWV能否被成功解算的影响仅限于本站,某站概略坐标的偏离不会对其他站GPS PWV解算造成明显的影响。     

Assimilation of Hourly Surface Observations with the Canadian High-Resolution Ensemble Kalman Filter

An hourly-cycling ensemble Kalman filter (EnKF) working at 2.5?km horizontal grid spacing is implemented over southern Ontario (Canada) to assimilate Meteorological Terminal Aviation Routine Weather Reports (METARs) in addition to the observations assimilated operationally at the Canadian Meteorological Centre. This high-resolution EnKF (HREnKF) system employs ensemble land analyses and perturbed roughness length to prevent an ensemble spread that is too small near the surface. The HREnKF then performs continuously for a four-day period, from which twelve-hour ensemble forecasts are launched every six hours. The impact on analyses and short-term forecasts of assimilating METAR data is given special attention.

It is shown that using ensemble land surface analyses increases near-surface ensemble spreads for temperature and specific humidity. Perturbing roughness length enlarges the spread for surface wind. Given sufficient ensemble spread, the four-day case study shows that the near-surface model state is brought closer to surface observations during the cycling process. The impact of assimilating surface data can also be seen at higher levels by using aircraft reports for verification. The ensemble forecast verification suggests that METAR data assimilation improves ensemble forecasts of air temperature and dewpoint near the surface up to a lead time of six hours or even longer. However, only minor improvement is found in surface wind forecasts.     

国家气象中心集合数值预报业务系统的发展及应用

利用ECMWF集合预报对2016年6月11—12日发生在长三角地区的一次暴雨过程进行了分析,并对集合“好” “坏”两类成员的预报结果进行了对比。分析表明：集合预报对本次暴雨过程具有比较好的预报能力,集合平均预报效果要优于确定性预报,其雨量预报的增大趋势对暴雨的预报具有一定的指示意义;高分位数集合成员对于暴雨预报有比较好的参考价值,尤其是在预报时效还较长的时候,如果连续多起报时次高分位数集合成员都预报出暴雨,以及低分位数集合成员的雨量预报呈现逐渐增大趋势,预示着暴雨的可能性在增大,有助于暴雨预报的决策;对天气系统和气象要素的预报差异是造成“好”“坏”两类集合成员对本次暴雨过程模拟效果差异的主要原因,对500 hPa高空槽、850 hPa低涡及其切变线、西南气流和偏东气流的模拟是决定“好”“坏”两类集合成员模拟效果的关键因素。