排序方式: 共有12条查询结果,搜索用时 31 毫秒
1.
2.
目前中国气象局全球集合预报系统(China Meteorological Administration Global Ensemble Prediction System,CMA-GEPS)利用CMA全球数值预报系统分析场计算奇异向量(ANSV),欧洲中期天气预报中心采用同化背景场计算奇异向量(FCSV),在业务流程上先于计算ANSV,可优化集合预报系统运行时间。为此,在CMA-GEPS中探索采用FCSV进行集合预报的可行性,分析ANSV和FCSV的空间分布及相似指数,进而针对夏秋季节10个个例开展采用ANSV和FCSV的全球集合预报试验,从等压面要素集合预报技巧、中国地区24 h累积降水概率预报技巧、台风路径集合预报技巧、台风中心最低海平面气压预报技巧等方面对比二者结果。结果表明:ANSV和FCSV的主要结构特征相似,两组集合预报结果相当,表明在CMA-GEPS中使用FCSV可行,可作为未来高分辨率CMA-GEPS业务系统建设的选项。 相似文献
3.
为描述GRAPES全球模式初始条件的不确定性,基于适合集合预报应用的GRAPES全球奇异向量技术,依据大气初始误差符合正态分布的特征,采用高斯取样奇异向量来构造全球集合预报初始扰动,在此基础上建立了GRAPES全球集合预报系统(GRAPES-GEPS)。利用GRAPES全球同化分析场,对采用初始扰动的GRAPES-GEPS连续试验预报结果进行检验和分析。结果表明:GRAPES-GEPS中高度场、风场及温度场预报的集合离散度能有效快速增加,集合平均均方根误差与集合离散度的关系合理;相对控制预报的均方根误差,集合平均的预报优势在预报中期非常显著。为进一步体现GRAPES-GEPS中模式物理过程的不确定性,发展了模式物理过程倾向随机扰动技术(SPPT)。试验结果表明:SPPT方案的应用有效提高了GRAPES-GEPS在南、北半球和热带地区等压面要素预报的集合离散度,同时一定程度减小了集合平均误差,进而改进了集合平均误差与集合离散度的关系,其中SPPT方案在热带地区的改进最为显著。本文发展的基于奇异向量的初始扰动方法和模式扰动SPPT方案在中国气象局2018年12月业务化运行的GRAPES-GEPS中得到了应用。 相似文献
4.
5.
以生成GRAPES全球集合预报业务系统的控制预报初值为目的,基于GRAPES全球模式,开展了控制预报初值生成方法研究,发展了高分辨率初值动力升尺度方法,并检验了不同方法的可行性。通过对比不同方法产生的初始场形态,证实了仅仅对高分辨率初始场进行二维水平插值存在不足,基于静力学方程对Exner气压变量进行三维插值至关重要。结果表明,动力升尺度方法利用静力平衡关系,对全场的温压场进行调整,使之协调平衡,可以改善二维水平插值方法导致的初始位势高度场和温度场的噪音问题,产生适用于GRAPES全球集合预报业务系统的控制预报初值。 相似文献
6.
Extended application of the conditional nonlinear optimal parameter perturbation method in the common land model 总被引:1,自引:0,他引:1
An extension of the conditional nonlinear optimal parameter perturbation (CNOP-P) method is applied to the parameter optimization of the Common Land Model (CoLM) for the North China Plain with the differential evolution (DE) method. Using National Meteorological Center (NMC) Reanalysis 6-hourly surface flux data and National Center for Environmental Prediction/Department of Energy (NCEP/DOE) Atmospheric Model Intercomparison Project II (AMIP-II) 6-hourly Reanalysis Gaussian Grid data, two experiments (I and II) were designed to investigate the impact of the percentages of sand and clay in the shallow soil in CoLM on its ability to simulate shallow soil moisture. A third experiment (III) was designed to study the shallow soil moisture and latent heat flux simultaneously. In all the three experiments, after the optimization stage, the percentages of sand and clay of the shallow soil were used to predict the shallow soil moisture in the following month. The results show that the optimal parameters can enable CoLM to better simulate shallow soil moisture, with the simulation results of CoLM after the double-parameter optimal experiment being better than the single-parameter optimal experiment in the optimization slot. Furthermore, the optimal parameters were able to significantly improve the prediction results of CoLM at the prediction stage. In addition, whether or not the atmospheric forcing and observational data are accurate can seriously affect the results of optimization, and the more accurate the data are, the more significant the results of optimization may be. 相似文献
7.
奇异向量(singular vectors,SVs)和条件非线性最优扰动(conditional nonlinear optimal perturbation,CNOP)已广泛应用于研究大气—海洋系统的不稳定性以及与其相关的可预报性、集合预报和目标观测问题研究。本文首先回顾了SVs和CNOP的发展历史,并简单描述了它们的基本原理;然后针对二维正压准地转模式,使用不同的范数组合,分析了第一线性奇异向量(first singular vector,FSV)和CNOP之间的异同。结果表明,当优化时间较短时,度量SVs和CNOP大小的范数不同也将导致FSV和CNOP相差很大,而当度量SVs和CNOP大小的范数相同时,FSV和CNOP之间的差别则主要是由非线性物理过程作用的结果。因此,针对不同的物理问题,应该选取合适的度量范数研究FSV和CNOP以及其所引起的大气或海洋动力学的异同,从而揭示非线性物理过程的影响机理。 相似文献
8.
2017年5月7日,在弱天气尺度强迫下,广州发生了暖区特大暴雨,局地发展迅速,降水强度极端,多家业务模式出现了漏报情况。为了探究此次降水过程模式预报的不确定性,采用条件非线性最优参数扰动(Conditional Nonlinear Optimal Perturbation related to Parameters,CNOP-P)方法筛选出最能体现中小尺度系统非线性误差增长特征的关键物理参数,以此构造CNOP-P-RP模式扰动方案,并基于CMA-Meso模式进行对流尺度集合预报试验,最后探究了CNOP-P关键参数影响局地对流发生、发展不同阶段的物理机理。结果显示,不同降水阶段的CNOP-P敏感参数主要与垂直扩散、云雨自动转换或其他水成物向雨滴的转换有关。与业务上常用的随机物理倾向扰动(Stochastically Perturbed Parameterization Tendencies,SPPT)方案相比,在本次降水过程中,基于CNOP-P-RP方案构造的集合预报试验具有更高的降水和地面要素的概率预报技巧,集合预报系统可靠性也占优。进一步分析发现,垂直扩散不确定性导致的山前温度梯度和... 相似文献
9.
10.
为了进一步提高GRAPES-REPS的降水预报性能,将GRAPES-Meso业务模式的高分辨率同化分析初值通过动力升尺度方法(简称GRAPES-M-US方案)产生GRAPES-REPS确定性初值,在此基础上进行了连续10 d的集合预报试验,并与基于T639全球模式同化分析初值动力降尺度方案(简称T639-G-DS方案)得到的确定性初值以及相应的集合预报结果进行了对比分析及预报检验,重点关注了降水预报的检验结果。结果表明:基于GRAPES-M-US方案得到的确定性初值相对于T639-G-DS方案得到的确定性初值而言,在低层具备更多的中小尺度信息;低层连续性变量预报表现较好,850 hPa的位势高度和温度的均方根误差以及概率预报评分(CRPS)均表现出了一定的改进效果,而中层和高层要素改进不显著,10 m风速均方根误差和CRPS均有较明显的改进效果,2 m温度均方根误差和CRPS则基本相当;对降水预报而言,24 h预报时效的小雨、中雨和大雨量级的TS评分、Brier评分和相对作用特征面积(AROC)均有一定的改进,其余预报时效总体而言基本相当或略有负效果;在2017年8月7日的强降水个例中,对强降水落区和强度的预报表现出了一定的"细化"和"纠偏"效果;总体而言,GRAPES-M-US方案较T639-G-DS方案表现出了一定的优势,特别是在短期降水预报方面。 相似文献