A Nonlinear Representation of Model Uncertainty in a Convective-Scale Ensemble Prediction System

How to accurately address model uncertainties with consideration of the rapid nonlinear error growth characteristics in a convection-allowing system is a crucial issue for performing convection-scale ensemble forecasts. In this study, a new nonlinear model perturbation technique for convective-scale ensemble forecasts is developed to consider a nonlinear representation of model errors in the Global and Regional Assimilation and Prediction Enhanced System(GRAPES)Convection-Allowing Ensemble Predi...     

采用不同样本集合同化地面观测对一次飑线过程的影响

针对夏季黄淮地区一次飑线过程,利用WRF (Weather Research and Forecasting) 模式及其Hybrid ETKF-3DVAR同化系统,考察不同生成方案的样本对同化地面观测的影响。集合样本创建方式包括3类:扰动初始背景场的方案 (RCV)、使用不同的物理参数化方案 (PPMP) 以及前两者集成方案 (BLE)。基于增量场分析,同化地面观测主要调整850 hPa以下水平风和水汽混合比的空间结构,其中RCV方案侧重于改变水平风的空间分布,PPMP方案侧重于改变水汽混合比的空间结构,BLE方案兼具二者特征。同化地面观测可以间接改善6 h降水预报,其中PPMP试验的降水预报最好,尤其是对降水位置和强度的预报。对比雷达回波观测,RCV试验和BLE试验对弓状回波模拟得较好,BLE试验的模拟较多体现RCV特征。PPMP试验和RCV试验还可改变冷池的位置和强度,同时影响飑线出现和消亡时间,相对而言,PPMP试验影响更大。     

应用九层全球大气格点模式进行跨季度短期气候预测系统性试验

利用中国科学院大气物理研究所9层大气环流模式（IAP9L AGCM）对夏季气候进行了30年（ 1970～1999年）集合回报试验,并采用统计学分析方法对跨季度夏季短期气候的可预测性问 题进行了初步探讨. 结果表明,该模式对对流层中、高层大气环流的预测能力强于低层,位 势高度场和表面气温的可预测性最大,而降水的可预测性则相对较小. 对流层中、高层位势 高度场的可预测性基本呈带状分布,越靠近赤道可预测性越高;而降水的可预测性基本局限 于赤道东太平洋及热带个别区域. 由此可见,降水的预测极为困难和复杂,订正系 统的研究和寻找新的预报物理因子非常重要.      

不同大尺度强迫条件下考虑初始场与侧边界条件不确定性的对流尺度集合预报试验

研究了不同大尺度强迫条件下的暴雨个例中,考虑不同尺度特征的初始扰动与侧边界扰动相互作用构造对流尺度集合预报的可行性,为进一步构建“自适应”于不同强对流天气的对流尺度集合预报系统提供依据。结果表明,在大尺度强迫显著的个例1中,以大尺度扰动信息为主的动力降尺度的增长趋势较集合转换卡尔曼滤波(ETKF)更为显著,且总扰动能量在预报中后期超过集合转换卡尔曼滤波,而在大尺度强迫较弱的个例2中,集合转换卡尔曼滤波扰动能量始终高于动力降尺度。此外,当大尺度强迫显著时,初始扰动与侧边界扰动相匹配会产生相互促进的作用,而不匹配时初始扰动会在预报中后期抑制侧边界扰动的发展,当大尺度强迫较弱时,即使是互相间不匹配的初始扰动与侧边界扰动也能在大部分预报时段起到相互促进的作用,说明初始扰动与侧边界扰动的相互作用机制不仅与天气形势相关,也与二者是否匹配挂钩,另外,扰动的发展特征同样依赖于天气形势;从集合离散度的角度来看,当大尺度强迫明显时,侧边界扰动的作用会在更短的时间内取代初始扰动,从而对离散度起到主导地位;两种初始扰动方法相比,集合转换卡尔曼滤波在多数情况下对总离散度的贡献均大于动力降尺度;从降水量预报及概率预报情况来看,大尺度强迫明显的个例可预报性更高,且各集合成员间的差异较小,大尺度强迫较弱的个例则相反,且当两种初始扰动方案与侧边界扰动相结合时,较仅侧边界扰动均有一定提高。      

全球不同空间尺度陆地年降水的年代尺度变化特征

基于1951~2010年GPCC（Global Precipitation Climatology Centre）的逐月降水数据,利用集合经验模分解法（Ensemble Empirical Mode Decomposition,简称EEMD法）对全球、东西半球、五个大陆和四个典型干旱半干旱区等不同空间尺度年降水量的年代尺度特征进行了研究,区分了不同空间尺度上降水的年代际变化及其长期趋势。结果发现:（1）全球陆地平均降水既存在年代际的周期振荡,又存在长期变化的趋势,降水的年代际周期振荡的强度远大于降水的长期趋势,两者的共同作用使得全球陆地平均降水呈现以年代际周期振荡为主的特征。（2）在半球尺度,2000年以前,东、西半球具有明显相反的年代尺度变化特征,东半球变干（降水减少）,西半球变湿（降水增加）。（3）1951~2010年,欧亚大陆和非洲大陆与北美、南美和澳洲大陆的年代际振荡和趋势存在着一个近似反位相的关系;干旱化与干旱时段是完全不同的两个过程,两者所处的时段也不同;近10年（2001~2010年）全球五个大陆可能将进入一个相对湿润的时段。（4）四个典型干旱半干旱区降水的年代尺度变化具有明显的区域差异。总体来说,华北和北非与北美和中亚降水在长期趋势及年代际振荡上具有反位相的特征。华北和北非的年代际振荡具有近似的位相。在最近几十年,北美和中亚同处于湿润时段,但前者开始于1975年,后者开始于1985年。此外,中亚的第一个湿润时段（1959~1968年）却对应北美的干旱时段。     

中国气温变化的两个基本模态的诊断和模拟研究

我国地域辽阔,气候复杂多变,在全球变暖的背景下研究中国近百年来的气温变化具有重要的意义。为此我们重建了中国东部71个站1880—2004年四季气温距平序列。通过EOF分析发现了中国气温变化的2种最基本的模态：东部一致变化和关内关外相反变化。这2种模态不随季节变化,而且在不同时期也是稳定的。通过研究这2种模态与变暖趋势的关系发现,20世纪80年代以来的变暖主要是由于第一模态在该时期持续的正位相增强造成的;而20世纪20~40年代的变暖主要是由于第二模态所呈现的正位相所造成的。此外,我们检验了这2种模态在大气环流模式（CAM）中的表现。结果表明：121年（模式中1880—2000年）的集合模拟在一定程度上可以重现第一模态的变化,而第二模态则仅在冬季表现明显。最后,以冬季为例,利用1880—2004年重建及观测的500 hPa高度场资料,通过合成分析进一步研究了这2种模态的环流机制：第一模态正位相对应纬向环流增强,表现在地面气温分布上为东部一致变暖。而负位相则对应东亚大槽加深,东部地区一致变冷。第二模态正位相对应的环流分布则为从东亚北部到阿留申为负距平,东亚到北太平洋中纬度为正距平;对应地面气温分布为关内变暖关外变冷。负位相时环流分布基本相反。这样的环流机制得到了模式研究的支持。     

集合预报误差在GRAPES全球四维变分同化中的应用研究Ⅱ：参数选取与数值试验

研究的第一部分讨论了如何有效应用集合预报误差的科学方案,确定了集合预报误差在GRAPES（Global Regional Assimilation and PrEdiction System）全球4DVar（four dimensional variational data assimilation）中应用的分析框架。在此基础上研究了针对集合预报误差实际应用于GRAPES全球4DVar,解决接近或超过100个集合样本数时高效生成的计算效率问题,以及与GRAPES全球4DVar匹配的同化关键参数确定问题。选择基于4DVar的集合资料同化方法生成集合样本,通过将第1个样本极小化迭代过程中产生的预调节信息用于其他样本极小化做预调节,将计算效率提高了2倍。通过时间错位扰动方法增加集合样本数,实现集合样本增加到3倍。对集合方差进行膨胀,并选择水平局地化相关尺度为流函数背景误差水平相关的1.4倍。通过批量数值试验方法确定背景误差与集合预报误差的权重系数,对60个集合样本当集合预报误差权重为0.7时预报效果最好。对北半球夏、冬两季各52 d的批量试验表明,对于南、北半球En4DVar （ensemble 4DVar）较4DVar的改进在冬季主要集中在700—30 hPa,而在夏季主要集中在400—150 hPa。赤道地区受季节影响较小,En4DVar对位势高度、风场与温度的改进都较为明显,且经向风场的改进最为显著。文中研发的集合预报误差在GRAPES全球4DVar中应用的方法合理可行。      

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EEMD和ARIMA的海温预测模型研究

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。